我国大气污染源排放清单发展历程和对策建议

为进一步推动我国大气污染源排放清单的发展,详细回顾了我国大气污染源排放清单的发展历程及面临的挑战.我国大气污染源排放清单起步于20世纪80年代,2000年之后尤其是2014年,原环境保护部发布了一系列大气污染源排放清单编制技术指南,使我国大气污染源排放清单工作得到了迅速发展.30多年来基本形成了结合我国实际情况的大气污染源分类、大气污染物排放系数、大气污染物排放量确定方法等大气污染源排放清单相关技术方法.但目前我国尚未建立起排放清单编制的规范化工作程序,国家、省级和城市级环保部门在大气污染源排放清单工作中的分工尚不明晰,清单编制没有融入日常环境管理工作中,现有排放清单工作和研究成果相对分散、缺乏系统性,排放清单对环境管理的支撑作用尚未得到充分发挥.在综合分析了我国大气污染源排放清单取得的进展和面临挑战的基础上,提出如下建议:进一步完善我国大气污染源排放清单技术体系,使排放清单工作制度化、程序化、规范化,明确国家、省级和城市级环保部门在大气污染源排放清单工作中发挥的作用,使大气污染源排放清单成为各级环保部门每年必须完成的工作;进一步推广结合网格化管理、基于区县和乡镇调研的城市大气污染源排放清单编制技术;加强排放清单校核和不确定性分析研究等.      

基于PMF量化工业排放对大气挥发性有机物(VOCs)的影响:以南京市江北工业区为例

挥发性有机物(VOCs)在臭氧(O3)和二次有机气溶胶(SOA)生成中起着关键作用.南京市江北地区工业密集,为评估工业排放对大气VOCs的影响,本研究于2017年3月在工业区受体点南京信息工程大学(南信大)开展了为期近1个月的VOCs采样和测量.监测数据显示南信大站点大气VOCs浓度波动大,范围(体积分数)在10.3×10-9~200.5×10-9之间,烯烃、芳香烃和卤代烃等组分(例如:乙烯、丙烯、苯、苯乙烯、二氯甲烷等)存在明显的异常高值.利用正交矩阵因子模型(PMF)对VOCs进行来源解析,结果显示在观测期间与工业排放相关源的平均贡献为50.0%,其中石化源、化工源以及涂料和溶剂使用源的贡献分别为14.9%、19.3%和15.8%.在VOCs高污染时段,与工业排放相关源的占比高达74.9%.进一步结合风速和风向数据,确定了不同类型工业源的主导方位,追溯排放源的潜在位置.     

杭州市工业源VOCs排放清单及排放特征

杭州市作为2016年国际峰会、2022年亚运会等一系列重大活动的举办地,对VOC源排放清单的研究,尤其是工业源VOCs的影响越来越受到管理部门和当地居民的重视.通过采取自下而上的方式,首次对杭州市涉及VOCs排放的30多个行业的3 518家企业逐一进行了详细的调查和估算,并在此基础上建立了杭州市工业源VOCs排放清单.从区域排放、排放强度、空间分布等不同角度对杭州市工业源VOCs排放特征进行了系统分析.研究结果表明,2015年杭州市工业源VOCs排放量为36 839.5 t;印刷和记录媒介复制、化学原料和化学制品制造、金属制品、纺织、橡胶和塑料制品行业是杭州市工业源VOCs排放量最大的五个行业;排放总量最大是萧山区,其次是富阳区和大江东产业集聚区;工业源VOCs排放强度最高的区域为富阳区、建德市和临安市;工业源VOCs排放主要集中在萧山区、大江东、富阳区、余杭区等工业企业较为密集的区域.     

江苏省人为源VOCs排放清单及其对臭氧生成贡献

基于江苏省工业、能源、环境等活动水平数据,结合排放因子法和源成分谱研究成果,建立了江苏省分市、分行业、分物种人为源VOCs排放清单,利用最大增量反应活性(MIR)估算了其对臭氧的生成贡献.结果显示,江苏省2015年VOCs人为源排放量为192.78万t,化石燃料燃烧、工业过程源、有机溶剂使用源、生物质燃烧源、移动源、有机溶剂储运源排放质量分数分别为7.38%、27.93%、39.56%、3.55%、16.18%、5.39%.苏州、南京、徐州3市VOCs排放量居全省前三位,均超过20万t.56种臭氧前驱物所产生的臭氧生成潜势(OFP)总量为542.95万t,行业分布与VOCs排放总量的行业分布相似,机械设备制造、交通工具制造、建筑装饰等涂装行业对OFP的贡献比例是VOCs排放总量贡献比例的1.3~1.6倍,控制喷涂行业等量的VOCs会产生更大的OFP削减.对OFP贡献大的前10位物种分别是间/对-二甲苯、乙烯、丙烯、1,3-丁二烯、甲苯、邻-二甲苯、1-丁烯、乙苯、1,2,4-三甲基苯、对-乙基甲苯,对总OFP的贡献为75.63%.     

舟山渔场有色溶解有机物(CDOM)的三维荧光-平行因子分析

利用三维荧光光谱(EEMs)-平行因子分析(PARAFAC)技术研究春季舟山渔场有色溶解有机物(CDOM)的荧光成分组成、分布特征及来源.PARAFAC模型解析出舟山渔场CDOM由2类5个荧光组分组成,即类腐殖质成分C1(330/420 nm)、C2[(290)365/440 nm]、C3[(260)370/490 nm]及类蛋白质成分C4(285/340 nm)、C5(270/310 nm).5种荧光组分的平面分布模式基本一致,在各层均呈现由近岸海域向远岸海域逐渐减小的趋势,但各层又略有差别.表层高值区出现在杭州湾口外北部海域、虾峙门航道口外海域,且杭州湾口外北部海域的荧光值要高于虾峙门航道口外海域;中层高值出现区域与表层相同,但杭州湾口外北部海域的荧光值要低于虾峙门航道口外海域;底层从近岸向远岸梯度减小,高值区出现在舟山本岛附近海域.各荧光组分的分布与盐度之间存在明显负相关关系,与叶绿素a的线性关系不明显.分析表明,春季舟山渔场CDOM表、中层主要受长江输入和舟山工农业等人为活动排放影响,而底层主要受舟山工农业等人为活动排放影响.从垂直分布模式上,CDOM在30°N断面上由中、表层水体向底层呈现逐渐减小的趋势,并在近岸和远岸海域都出现了高值区,且与盐度低值区、叶绿素a高值区相对应,反映该断面近岸区CDOM主要受长江输入影响,远岸区CDOM主要受生物活动影响;在30°N断面,CDOM分布模式与30.5°N断面基本类似,只是在近岸区域底层出现CDOM高值区,可能是由于潮汐、底层上升流等物理外力作用下,沉积物间隙水中高浓度的CDOM释放出来,使得靠近沉积物界面的底层水体中CDOM浓度升高.5种荧光组分中,C1、C3、C4之间相关性较强,与C2、C5相关性相对较弱,说明C1、C3、C4在来源上具有相似性与C2、C5有一定的差异性.春季舟山渔场CDOM腐殖化指数(HIX)的值较小,反映了春季舟山渔场CDOM的腐殖化程度较低,稳定性较差,在环境中存在时间较短;生物指数(BIX)在舟山外海出现高值区,近岸海域出现低值区,反映出在近岸海域人类活动的影响较大,而在外海生物活动的影响较为明显.     

2006~2020年广东省大气甲醛排放演变特征

大气甲醛（HCHO）是臭氧（O₃）和细颗粒物（PM_2.5）二次组分的关键前体物,在大气光化学反应和二次污染形成过程中扮演着重要角色,并存在致癌性.然而,当前对大气HCHO排放来源认识存在不足,制约了二次污染形成机制研究和污染防控策略制定.采用排放因子和成分谱结合方法,建立2006~2020年广东省HCHO排放趋势清单,识别了广东省主要HCHO排放来源和排放时空演变特征.结果表明,2006~2020年期间广东省HCHO排放量在3.9~5.6万t区间波动,整体呈现极微弱的下降趋势;生物质燃烧源是广东省重要HCHO排放源,而受到管控措施的显著影响,其排放量占比从2006年的58%降至2020年的27%;溶剂使用源的HCHO排放则逐渐突显,2020年占比增长至28%,并成为广东省首要排放源,其中塑料制品和沥青铺路是主要贡献行业.移动源中以柴油作为燃料的工程机械和货车也是HCHO重要排放来源;虽然珠三角和非珠三角地区对广东省HCHO排放量贡献相当,但空间分布结果表明HCHO排放热点区域分别集中于珠三角中心区域和非珠三角的东西两角,这是由于珠三角主要来源为溶剂使用源和移动源,而非珠三角主要受生物质燃烧源影响.因此,未来应进一步加强珠三角中心区域的工业和移动源减排以及粤西地区的生物质燃烧监管.     

基于不同排放清单的长三角人为CO2排放模拟

目前基于排放清单估算的区域和城市尺度上的人为CO₂排放不确定性较大.为了我国实现碳达峰和碳中和的目标,亟需对我国的区域尺度,特别是大城市群的人为CO₂排放进行准确估算.分别利用两种先验人为CO₂排放数据(EDGAR v6.0清单和EDGAR v6.0联合GCG v1.0的改进清单)作为输入数据,采用WRF-STILT大气传输模型模拟长三角地区2017年12月至2018年2月大气CO₂摩尔分数,再以安徽全椒高塔观测的大气CO₂摩尔分数作为参考值,通过贝叶斯反演方法得到的比例因子改进了模拟结果,并实现了长三角人为CO₂排放通量的估算.结果表明：(1)在冬季,相对于基于EDGAR v6.0模拟的大气CO₂摩尔分数值而言,基于改进清单模拟的大气CO₂摩尔分数与观测值更为一致;(2)模拟的大气CO₂摩尔分数在夜间高于观测值,白天则相反,主要因为排放清单的CO₂排放数据不能表征人为...     

Global Warming and Global Dioxide Emission: An Empirical Study

In this paper, the dynamic relationship between global surface temperature (global warming) and global carbon dioxide emission (CO₂) is modelled and analyzed by causality and spectral analysis in the time domain and frequency domain, respectively. Historical data of global CO₂emission and global surface temperature anomalies over 129 years from 1860–1988 are used in this study. The causal relationship between the two phenomena is first examined using the Sim and Granger causality test in the time domain after the data series are filtered by ARIMA models. The Granger causal relationship is further scrutinized and confirmed by cross-spectral and multichannel spectral analysis in the frequency domain. The evidence found from both analyses proves that there is a positive causal relationship between the two variables. The time domain analysis suggests that Granger causality exists between global surface temperature and global CO₂emission. Further, CO₂emission causes the change in temperature. The conclusions are further confirmed by the frequency domain analysis, which indicates that the increase in CO₂emission causes climate warming because a high coherence exists between the two variables. Furthermore, it is proved that climate changes happen after an increase in CO₂emission, which confirms that the increase in CO₂emission does cause global warming.     

油码头污染防治对策初探

随着石油化工企业规模的扩大和进出口油品的需要，海上油品运输量的比例越来越大，油码头的规模也在不断扩大。近年来油码头在储运过程中也经常发生一些环境污染事故。根据油码头储运过程中发生的环境问题，通过对油码头生产工艺流程、设备及储运过程中主要污染物产生来源的分析基础上，提出了油码头烃类大气污染物、含油污水、噪声等的污染防治措施。     

Carbon Emission by Soils in Forests Damaged by the Siberian Moth

In the southern-taiga low grass–green moss fir forest completely defoliated by the Siberian moth, the rate of soil respiration in the third year after the pest population outbreak was 1.5 times higher than in an undisturbed tree stand. This was explained by a significant increase in the abundance and activity of soil microorganisms in the pest-defoliated forest, which occurred due to the qualitative changes in the litter composition and the increased temperature and moisture in the upper soil layers. The rate of carbon emission from the soil in the defoliated forest was 41.7 kg/ha per day, compared to 28.3 kg/ha per day in the undisturbed fir forest.