石油石化企业温室气体清单编制简析

文章通过简要阐述石油石化企业温室气体清单的编制全过程,确定石油石化企业温室气体排放种类、识别主要温室气体排放源、列举重点生产过程中温室气体排放量的核算方法,为石油石化企业实现温室气体减排和控制工作、为完成国务院规定的到2020年我国单位国内生产总值二氧化碳排放强度比2005年下降40%~45%的约束性指标,奠定数据理论基础。     

后石油时代沙生灌木直燃发电对环境的影响＊

文章通过对内蒙古中西部地区沙生灌木的成分分析,基于生命周期法(LCA),定量论证了沙生灌木直燃发电开发模式对环境的影响和推广的可行性,指出相比石油等传统能源,这种模式具有较大的潜在效益,对于我国发展绿色替代能源,促进西部地区生态环境和经济协调发展具有一定的战略意义。     

水分管理对水稻生长与根际激发效应的影响特征

作物根际沉积碳输入而引起的根际激发效应,对农田土壤碳排放通量和碳平衡起到关键的调控作用.在稻田生态系统中,由于频繁的干湿交替,土壤CO2 和CH4 排放以及根际激发效应明显有别于其他自然生态系统.因此,明确稻田生态系统干湿交替过程中水稻根际激发效应的方向与强度,对于减缓稻田温室气体排放具有重要意义.本研究采用13C-C...     

二氧化碳捕集利用与封存项目纳入碳市场的现状、挑战与对策

二氧化碳捕集、利用与封存（CCUS）被认为是燃煤和燃气电厂以及钢铁、水泥和石化等行业实现碳中和的重要技术选项,而碳市场则是重要的市场化减排机制,提高两者的衔接水平,对于我国“双碳”目标的实现具有重要意义。通过总结国际上CCUS项目与碳市场衔接的成功经验,可以为我国CCUS项目与碳市场衔接提供相关借鉴。本文系统梳理了国内外CCUS项目纳入碳市场的立法、激励政策、CCUS减排核算方法学研究情况,识别出我国在CCUS项目与碳市场衔接方面尚存在法律支撑不足、缺乏激励政策以及CCUS项目碳减排核算方法不准确等一系列问题,最后提出多项建议以推动我国CCUS项目与碳市场的衔接：①完善碳市场监管和法律体系,促进CCUS与碳市场衔接;②研判CCUS优先领域,分阶段促进不同行业CCUS项目纳入碳交易市场;③强化政策激励,打通CCUS与碳市场衔接的投融资与成本疏导路径;④分阶段完善碳交易市场建设,充分发挥碳市场金融属性促进CCUS与碳交易市场衔接;⑤建立完善的监测、报告和核查（MRV）标准体系和证书制度,保证CCUS项目减排量核证的准确性和规范性。     

岗南水库沉积物间隙水有色溶解有机物的时空分布特征及差异分析

有色可溶性有机物(CDOM)作为溶解性有机物的重要组分,影响着水体中污染物质的形态特征和迁移转化过程.本研究运用紫外-可见光谱技术(UV-vis)以及三维荧光光谱(EEMs)技术结合平行因子分析法(PARAFAC),对岗南水库自入库河口到坝前主库区四季演变过程中沉积物间隙水CDOM的分布、光谱特征以及来源进行解析.结果表明,岗南水库沉积物间隙水CDOM的相对浓度a_(254)、a_(260)、a_(280)和a_(355)存在显著的季节差异,并且相对浓度大小为夏季春季秋季冬季;沉积物间隙水CDOM的E2/E3、E3/E4、E4/E6以及S_R存在显著的季节差异,呈现冬季高夏季低的特征;秋冬季的E2/E3以及E3/E4明显高于春夏季,并且秋冬季的E3/E4大部分均大于3.5,表明秋冬季沉积物间隙水CDOM具有更小的分子量和更低的腐殖化程度;三维荧光光谱通过PARAFAC解析出3种组分,分别为类酪氨酸(C1)、短波类富里酸(C2)和降解的腐殖类物质(C3),并且3种荧光组分间具有显著的正相关性(P0.001);岗南水库沉积物间隙水的CDOM总荧光强度和各荧光组分荧光强度呈现显著的季节差异,总荧光强度以及各组分的荧光强度呈现春季的最高、秋冬季次之、夏季最低的分布特征;秋冬季各个荧光组分占比不存在显著差异,春夏季各个荧光组分占比不存在显著差异,秋冬季与春夏季各个荧光组分占比存在显著差异;秋冬季沉积物间隙水CDOM生物源指数(BIX)和荧光指数(FI)均高于春夏季,表明秋冬季CDOM的自生源强于春夏季,与腐殖程度指标(HIX)的结果相吻合;PCA结合Adonis分析显示沉积物间隙水CDOM的光谱特征呈现显著的季节差异(P0.001);并且组分C1、C2、C3以及水质参数[氨氮、硝氮、亚硝氮、溶解性总氮以及溶解性总磷]均有很好的线性回归方程.综上,通过对岗南水库沉积物间隙水CDOM光谱特征进行研究,可以为分析岗南水库有机物污染特征和水质管理提供技术支持.     

缺失烟囱参数估算及其应用对空气质量模拟结果的改进

针对源清单中部分点源烟囱参数缺失而采用源排放模型SMOKE(Sparse Matrix Operator Kernel Emissions)默认的烟囱参数对空气质量模型模拟结果造成的不利影响,综合考虑气象观测数据、空气质量监测数据、源排放强度以及相关标准和规范对烟囱设计的要求,分别基于最大落地浓度法和基于统计方法对2009年珠三角地区源清单中缺失烟囱参数点源的烟囱参数进行了估算,并将估算烟囱参数用在WRF/SMOKE-PRD/CMAQ空气质量模型系统分析其对模型模拟的改善情况.相比于采用SMOKE默认烟囱参数,基于最大落地浓度估算烟囱参数对NO2、NOx、SO2、PM10及O3的模拟结果均具有一定改善作用,而基于统计方法估算烟囱参数仅对SO2、O3的模拟结果有所提高.结果表明,使用基于最大落地浓度法估算得到的烟囱参数更为合理,使污染物的垂直排放分配更加合理,可以应用于空气质量模型输入源清单中缺失烟囱参数点源的估算,从而一定程度上改善空气质量模型的模拟效果.     

利用IVE模型建立成都市轻型汽油客车排放清单

城市机动车污染物排放清单的建立是控制机动车污染的关键.本研究以2012年为基准年,通过对成都市轻型汽油客车技术水平分布、活动水平和保有量等数据的调查,将IVE模型本地化,计算了成都市2012年轻型汽油客车VOCs、PM、NOx、CO的排放清单,并分析了清单的不确定性.结果表明:成都市2012年轻型汽油客车排放的VOCs、PM、NOx和CO分别为2.23×104t、1.6×102t、1.26×104t和2.03×105t;轻型汽油客车中黄标车VOCs、PM、NOx、CO的排放量分别占排放总量的27.5%、18.1%、37.2%和42.5%,表明黄标车是轻型汽油客车污染物排放的主要来源;排放清单的不确定性主要来自于排放因子,VOCs、PM、NOx和CO清单的不确定性分别为-31.67%~32.35%、-54.75%~55.09%、-6.56%~6.76%和-12.22%~12.51%.     

燃煤机组超低排放改造对汞的脱除效果研究

燃煤烟气中汞污染的控制是目前重要的环保课题之一,燃煤电厂利用现有的脱硝、脱硫、除尘设备去除汞,文章分析燃煤电厂烟气净化设备超低排放改造后汞的排放水平,说明现有废气处理设施超低排放改造,既能有效降低烟尘、二氧化硫、氮氧化物排放浓度,也有利于汞的去除,燃煤机组超低排放改造后汞的排放浓度远低于现行0.03 mg/m3的限值;通过分析燃煤电厂现有烟气净化设备对汞的协同去除效果和脱除汞的原理,提出了未来燃煤烟气汞污染控制措施的建议.     

消费电子产品生产过程中挥发性有机物(VOCs)排放特征的研究

选取塑胶零件、印刷线路板及主板3类消费电子产品部件为研究对象,利用活性炭管采样,样品溶剂解吸后采用GC/MS分析,获得了各排气筒及车间内VOCs含量水平与组分特征.通过计算排放量,得出了分物种VOCs排放系数.结果表明,塑胶零件生产线排气筒总挥发性有机物(TVOCs)浓度为48.01~115.05 mg·m-3,印刷线路板为6.08~11.36 mg·m-3,主板为29.81~30.21 mg·m-3.塑胶零件生产车间内TVOCs浓度为4.23~120.58 mg·m-3,印刷线路板为1.50~2.02 mg·m-3,主板为7.01~9.93 mg·m-3.环烷烃类、酯类、苯类为主要排放物质.对于不同产品生产线的排气筒及车间废气,浓度和物种均有很大差异;对于相同产品,浓度有差异但物种基本相同.按产品分类,共计算得出了36个分物种VOCs排放系数,其中,塑胶零件、印刷线路板及主板TVOCs排放系数分别为0.626 kg·kg-1涂料用量、0.123 kg·kg-1油墨用量、0.028 kg·kg-1印刷线路板用量.通过排放量计算结果分析,3种产品中,塑胶零件生产为VOCs主要排放源,车间内无组织排放为主要排放方式.     

超低排放改造后燃煤电厂常规大气污染物排放特征

基于海口电厂"超低排放"燃煤机组在线监测数据和实测结果，研究颗粒物、SO₂、NO_x排放特征，分析颗粒物粒径分布和化学成分谱.结果显示，"超低排放"机组颗粒物、SO₂、NO_x排放浓度均值分别为（1.57±0.81）、（15.15±6.23）和（40.10±3.63）mg·m^-3，均满足超低排放限值要求.TSP、PM₁₀、PM_2.5、PM₁、SO₂、NO_x的排放因子均值分别为0.0099、0.0098、0.0092、0.0065、0.1131、0.2882 kg·t^-1，排放因子集中在很窄的区间内，呈正态或偏正态分布，与未进行超低改造研究结果比较，排放因子减小了1~2个数量级.颗粒物数浓度分布呈双峰分布，数浓度峰值粒径为0.027 μm和0.641 μm；质量浓度呈单峰分布，峰值粒径为1.100 μm.PM₁₀、PM_2.5、PM₁的成分谱差异很小，其主要化学组分为SO₄^2-、Ca、NH₄⁺、NO₃^-、OC，在PM₁₀中质量占比分别为29.41%±0.94%、12.09%±1.95%、9.49%±2.35%、6.96%±0.49%、4.93%±0.57%；在PM_2.5中质量占比分别为29.18%±1.58%、12.72%±1.77%、9.21%±2.01%、5.31%±0.13%、4.33%±0.72%；在PM₁中质量占比分别为29.04%±3.15%、17.99%±3.61%、8.42%±1.50%、4.445±0.08%、5.075±0.07%.