基于卫星火点排放清单(FINN)的我国东北三省生物质户外燃烧网格化清单建立及时空演变特征分析

生物质户外燃烧是影响环境空气质量的重要污染源,东北三省作为我国的重要农业产区,分析其生物质户外燃烧情况能够为当地秸秆资源综合利用和环境质量改善等提供依据.该研究基于卫星火点排放清单(Fire INventory from NCAR,FINN),分析了我国东北三省2016-2020年生物质户外燃烧火点的时空分布特征,结合空气质量监测数据进行了重污染天气成因分析,并建立了可用于数值模拟的生物质户外燃烧源网格化清单.结果表明:①东北三省2018-2019年火点数量较2016-2017年大幅减少,2020年有所增加.年内火点主要出现在春秋两季,春季相对更多.火点主要分布在东北平原,即黑龙江省的东部和西部,以及吉林省西部等,其他地区火点数量相对较少,呈零散式分布的特点.②该研究搭建了东北三省2016-2020年生物质户外燃烧源网格化清单,清单空间分辨率为3km,污染物种类包括SO_(2)、NOx、CO、NMVOC、NH_(3)、PM_(10)、PM_(2.5)、BC和OC等,2016-2020年污染物排放量总体上呈下降趋势,2020年NOx、SO_(2)、PM_(2.5)和PM_(10)的排放总量分别为3479.81、13418.5、215702.87和235495.21 t.③将2019年和2020年生物质户外燃烧污染物排放数据与空气质量数据进行时间拟合,发现部分城市在两个年份的春季秸秆集中燃烧时段均发生了重污染天气事件,且大气污染物浓度峰值与生物质户外燃烧排放污染物峰值出现的时间一致.研究显示,近年来东北三省生物质户外燃烧管控工作成效明显,大气污染物排放量总体上呈下降趋势,但仍然是东北三省部分城市春季发生重污染天气事件的重要原因之一,对部分生物质户外燃烧污染物排放量较大的城市应进一步严格秸秆禁烧等防控措施.该研究建立的生物质户外燃烧源网格化清单,可以更好地服务于区域空气质量数值模拟研究,应用在大气污染成因分析等多个方面,为制定更为精准的大气污染防治措施提供技术支撑.

基于动态交通流的佛山市机动车网格化排放清单

基于动态交通流信息和排放因子,以Arcgis为构建平台,运用自下而上的方法编制佛山市机动车网格化排放清单,分析污染物排放的时空分布特征。研究结果显示:2013年佛山市机动车尾气排放污染物CO、VOCs、NOx、PM总量分别为1.29×10~5、2.19×10~4、3.61×10~4、1.15×10~3t。机动车污染物高排放区域主要集中在城区中心以及城区中心向外辐射的路网上。机动车污染物日排放高峰期与车流量高峰期相对应,为每天的7:00-9:00和17:00-19:00。中心城区在进行排放控制时,应针对高峰时段进行改善,且主干路是排放控制的重点道路。要控制CO和VOCs排放,应该着重对国0标准轻型客车和国0、国Ⅰ标准摩托车进行交通管制,而控制NOx和PM的排放关键是国0标准货车、国Ⅲ标准大型客车和公交车。

一种新的机动车排放清单的时间分配方法

为提高网格化机动车排放清单的精度,对时间分配模型进行改进和优化。将反应实际交通运行状况的拥堵延时指数与交通流三参数模型相结合,提出了新的基于拥堵延时指数的时间分配模型,并以济南市为验证区进行分析和验证。结果表明:经该文构建的时间分配模型分配后的污染物排放量的月、日、时的变化趋势与监测数据的变化趋势一致;基于新模型分配后的网格化NO2排放清单,采用空气质量模型(CMAQ)模拟的效果得到了显著提升,归一化平均偏差、归一化平均误差分别减少约21.6%和23.7%。该文提出的时间分配模型反应实际的交通流状况,弥补了抽样调查数据的不足,且符合交通流三参数模型,对机动车排放的精准管控、污染治理等都具有重要的参考意义。

基于AIS数据的精细化船舶排放清单方法

建立了一套采用动力计算法、以船舶自动识别系统(AIS)数据为基础,利用船舶逐条动态上报信息自下而上编制船舶大气污染物网格化排放清单的方法,尤其是针对AIS静态信息不足以支撑排放量计算的实际情况提出了一种利用多源数据匹配与回归模拟计算相结合的方法来构建船舶AIS静态信息关联属性库以实现对AIS静态数据的有效补充,为实现基于AIS数据的、逐艘次的船舶排放计算提供关键技术支持.通过在珠三角区域的大量调研和数据资料收集分析,统计梳理了船舶大气污染排量计算过程中包括远洋船、沿海船和内河船在内的主要参数的推荐均值或推演公式.通过典型地区的应用验证了方法的可行性.

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.

兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰(2015年)-白(2016年)城市群7种(类)主要大气污染物网格化排放清单,并对其空间排放特征以及排放源贡献进行了详尽地讨论分析.结果表明,兰-白城市群7种主要污染物年排放量分别为:NOx2.22×10^(5)t、NH34.53×10^(4)t、VOCs 7.74×10^(4)t、CO 5.62×10^(5)t、PM_(10)4.95×10^(5)t、PM_(2.5)1.91×10^(5)t和SO_(2)1.37×10^(5)t.其中CO的排放量最大,NH3的排放量最小.本清单与北大和清华MEIC清单对比结果表明,交通源排放3个清单一致性较高,CO排放总量和其工业源排放与北大和清华MEIC清单排放源相差30%~40%,推测原因主要为清单计算过程中排放因子、分辨率和数据年份的差异.本清单网格化空间分布显示除NH3外的其他6种(类)污染物,排放主要集中在市区,排放源中工业非燃烧过程源均为最大贡献占比,NH3的主要贡献源是氮肥的施用及禽畜排放,其污染分布受耕地分布等因素影响较大.因此,减少工业非燃烧过程源、整合优质高效电力供应、使用清洁能源、严格控制工地扬尘、工业粉尘和做好城区绿化等,能有效地降低兰-白城市群NOx、VOCs、CO、PM_(10)、PM_(2.5)和SO_(2)这6种(类)主要污染物的排放.NH3的减排则主要可从控制氮肥的使用及减少禽畜排放两方面考虑.本研究还利用蒙特卡洛法分析了排放清单的不确定性,NH3的不确定性最大为-31%~30%,CO的不确定性最小为-18%~16%,清单整体可信度较高.