中部城市秋冬季PM<sub>2.5</sub>水溶性离子的化学特征及来源

梁越; 姜红; 李弘生; 张忠义; 郑能建

doi:10.7524/j.issn.0254-6108.2021050704

中部城市秋冬季PM_2.5水溶性离子的化学特征及来源

1.
东华理工大学，江西省大气污染成因与控制重点实验室，南昌，330013
2.
东华理工大学，水资源与环境工程学院，南昌，330013

通讯作者: E-mail: liangyue@ecut.edu.cn;

基金项目:
国家自然科学基金(41563001)和江西省“双千”计划资助

Chemical characteristics and sources of PM_2.5 and water-soluble ions in autumn and winter in central China

1.
Jiangxi Province Key Laboratory of the Causes and Control of Atmospheric Pollution, East China University of Technology, Nanchang, 330013, China
2.
School of Water Resources and Environmental Engineering, East China University of Technology, Nanchang, 330013, China

Corresponding author: LIANG Yue, liangyue@ecut.edu.cn ;

Fund Project: the National Natural Science Foundation of China (41563001) and “Shuangqian” Plan of Jiangxi

摘要: PM_2.5是影响空气质量、引发灰霾污染发生的关键污染物。本研究以南昌为主要采样对象，分析了南昌市2017—1018年秋、冬季PM_2.5和水溶性无机离子（WSIIs）的化学组成及其来源，并同时期采样和对比分析了中部城市（武汉和长沙）秋冬季（10月和1月）PM_2.5及WSIIs化学特征及其来源。结果表明，南昌市采样期间WSIIs平均占PM_2.5质量浓度的60%以上，PM_2.5和WSIIs组成在秋、冬季差别明显，在秋季，PM_2.5为（22.5±9.1）μg∙m⁻³，空气质量较清洁，以 ${{\rm{SO}}_4^{2 - }}$ 为WSIIs中最高含量的组成离子； ${{\rm{NO}}_3^ - }$ 的氧同位素(δ¹⁸O)值为+72.2‰±5.5‰，贝叶斯同位素混合模型表明 ${{\rm{NO}}_3^ - }$ 以OH氧化为主要生成路径（占比54%，N₂O₅水解路径占比46%）；以 ${{\rm{SO}}_4^{2 - }}$ 和过量的 ${{\rm{NH}}_4^ +}$ 作比较表明秋季一般亏损 ${{\rm{NH}}_4^ +}$ 。而在冬季，PM_2.5和WSIIs浓度水平比秋季有较大提高，分别为（57.6±20.9）μg∙m⁻³和（47.2±16.2）μg∙m⁻³，冬季以 ${{\rm{NO}}_3^ - }$ 为WSIIs的最高含量组成离子，δ¹⁸O- ${{\rm{NO}}_3^ - }$ 值明显提高为+86.1%±5.1‰， ${{\rm{NO}}_3^ - }$ 以N₂O₅水解为主要生成路径（占比为75%）； ${{\rm{SO}}_4^{2 - }}$ 和过量的 ${{\rm{NH}}_4^ + }$ 作比较表明富 ${{\rm{NH}}_4^ +}$ ，冬季 ${{\rm{NO}}_3^ -}$ 的快速增长和 ${{\rm{NH}}_4^ + }$ 富余是PM_2.5浓度增加的重要驱动因素。基于PMF和后向轨迹分析，气团在中部城市的环流是三大城市PM_2.5和SNA共同污染的重要因素，说明中部城市的大气污染区域效应明显，尤其是在冬季。南昌秋季PM_2.5主要由二次源和扬尘贡献（共占78%），冬季主要由二次源和工业贡献（共占69%）。武汉和长沙PM_2.5秋冬季都以二次源和工业贡献为主。
- 水溶性离子 /
- 来源解析 /
- 氧同位素 /
- PMF /
- 后向轨迹
Abstract: PM_2.5 is the main pollutant of air quality, and haze weather often occurs in autumn and winter. Water-soluble ions are the main components accounting for more than 60% of PM_2.5. In this study, the chemical characteristics and sources of PM_2.5 and water-soluble ions (WSIIs) in autumn and winter during 2017—2018 were compared and analyzed using a variety of chemical and statistical methods during Nanchang, Wuhan and Changsha cities. The results showed that the composition of PM_2.5 and WSIIs in Nanchang was significantly different in autumn and winter. The air was cleaner in autumn, with ${\rm{SO}}_4^{2 - }$ as the primary ion of WSIIs, and the mean value of δ¹⁸O- ${\rm{NO}}_3^ -$ was +72.2‰±5.5‰. Based on bayesian isotope mixing model, the main formation path of ${\rm{NO}}_3^ -$ was OH oxidation accounting for 54%, and compared ${\rm{SO}}_4^{2 - }$ and excess ${\rm{NH}}_4^ +$ , ${\rm{NH}}_4^ +$ was poor in autumn. In winter, PM_2.5 and WSIIs were (57.6±20.9) μg∙m⁻³ and (47.2±16.2) μg∙m⁻³,respectively. ${\rm{NO}}_3^ -$ was the primary ion of WSIIs, and the mean value of δ¹⁸O- ${\rm{NO}}_3^ -$ was +86.1‰±5.1‰. ${\rm{NO}}_3^ -$ was mainly generated by the hydrolysis of N₂O₅, which accounted for 75%, and ${\rm{NH}}_4^ +$ was excess. The rapid increase of ${\rm{NO}}_3^ -$ and excess ${\rm{NH}}_4^ +$ are the driving factors for the increase of PM_2.5 concentration in winter. The concentrations of ${\rm{SO}}_4^{2 - }$ in autumn and winter are mainly controlled by SO₂ and SOR, while the concentrations of ${\rm{NO}}_3^ -$ are not only controlled by NO₂, NOR and formation pathway, but also influenced by temperature. Based on PMF and backward trajectory analysis, the circulation of air mass in the central cities is an important factor for the co-pollution of PM_2.5 and SNA in the three cities, which also indicates that the regional effect of air pollution in the central cities is obvious, especially in winter. In autumn, the PM_2.5 in Nanchang was mainly contributed by biomass combustion and dust (78%), and in winter, it was mainly contributed by industrial and vehicle exhaust (69%).In Wuhan and Changsha, the main contribution of PM_2.5 in autumn and winter was from industrial and vehicle exhaust.
- water-soluble ions /
- source apportionment /
- oxygen isotope /
- PMF /
- backward trajectory

再生资源产业作为循环经济的重要组成部分，已经逐渐成为全球绿色低碳发展和应对气候变化的重要途径^[1-3]。再生铅作为我国再生资源产业十分重要的组成部分，自2015年以来一直呈快速增长趋势；到2020年，再生铅产量已增长至2.4×10⁶ t，占铅总产量的比例维持在34%~44% ^[4-5]。根据《“十四五”循环经济发展规划》^[3]提出的到2025年我国再生铅产量达到2.9×10⁶ t的展望，再生铅行业在未来一段时间内仍将保持增长态势。与原生铅冶炼相比，生产每吨再生铅的单位产品综合能耗可节能约82.7%^[6-7]。某些废铅蓄电池回收企业的单位产品综合能耗甚至可达到100 kgce·t⁻¹以下^[8-9]。中国每年80%左右的精铅产量用于生产铅蓄电池^[6]。因此，废铅蓄电池的回收利用是铅资源再生循环利用重要的领域之一^[10]，废铅蓄电池回收过程的节能降耗将推动整个铅资源行业的碳减排工作。

废铅蓄电池的回收过程可分为预处理 (拆解、破碎、分选、预脱硫等) 、还原回收 (火法、湿法或火法与湿法联合) 、火法/电解精炼过程生产粗铅、精炼铅及铅合金等过程^[11-12]。短窑熔炼、富氧 (底吹、侧吹、顶吹) 熔炼、多室熔炼、板栅低温熔炼等都是常用的火法熔炼工艺^[13-15]。与湿法工艺相比，火法冶炼工艺应用最广且可实现较高的铅回收率，但也存在高耗能和高排放的问题^[16]。自2009年以来，国家相关管理部门先后出台了多项技术标准、政策规定了废铅蓄电池回收的单位产品能耗要求。其中，《清洁生产标准废铅酸蓄电池铅回收业》 (HJ 510-2009) ^[17]规定了火法冶炼类企业单位综合能耗的一级、二级、三级要求分别为<100、<120、<130 kgce·t⁻¹ (以粗铅计) ；而湿法冶金类企业单位综合能耗的一级、二级、三级要求分别为≤280、≤320、≤360 kgce·t⁻¹ (以电铅计)。在该标准中，一级为国际清洁生产先进水平，二级为国内清洁生产先进水平，三级为国内清洁生产基本水平。由于该标准中火法冶炼与湿法冶炼企业单位综合能耗计算的产品并不统一，因此在之后发布的《再生铅行业清洁生产评价指标体系》 (国家发展和改革委员会公告2015年第36号) ^[18]中进一步统一了不同工艺以再生铅产品产量计算的单位产品综合能耗，该体系规定了废铅蓄电池破碎分选-还原熔炼-火法精炼或电解精炼工艺单位产品综合能耗I级、II级、III级基准值分别为≤100、≤120、≤130 kgce·t⁻¹；废铅电池破碎分选-湿法冶炼工艺单位产品综合能耗I级、II级、III级基准值均为≤130 kgce·t⁻¹。在该体系中，Ⅰ级为国际清洁生产领先水平，Ⅱ级为国内清洁生产先进水平，Ⅲ级为国内清洁生产基本水平。《综合能耗计算通则》 (GB/T 2589-2020) ^[19]则规定了综合能耗计算原则、边界划分、计算范围、计算方法以及折算为标准煤的要求。随着国家对废铅蓄电池回收技术的不断升级和对单位产品能耗的要求提高，除了规定废铅蓄电池回收总体工艺的单位产品能耗，部分标准和政策也规定了废铅蓄电池回收工序的单位产品能耗。《再生铅单位产品能源消耗限额》 (GB 25323-2010) ^[20]规定了新建再生铅冶炼企业的能耗限额准入值为≤130 kgce·t⁻¹，破碎、铅膏脱硫、铅膏冶炼和铅屑冶炼工序的能耗限额准入值分别为≤3.5、≤1、≤280、≤35 kgce·t⁻¹；再生铅冶炼企业单位产品能耗限额的先进值为≤120 kgce·t⁻¹，破碎、铅膏脱硫、铅膏冶炼和铅屑冶炼工序的能耗限额准入值分别为≤3、≤1、≤220、≤30 kgce·t⁻¹。其中，工序能源单耗按照工序产出的或者中间品最终转换为再生铅的总量计算。《再生铅行业规范条件》 (工信部2016 年第60号) ^[21]规定预处理-熔炼企业熔炼工艺能耗应低于125 kgce·t⁻¹，精炼工序能耗应低于22 kgce·t⁻¹。

废铅蓄电池回收过程的碳排放核算方法可按照IPCC方法^[22]、生命周期核算法^[23-24]和实测法等进行核算。IPCC于2006年发布的《2006 IPCC 国家温室气体清单指南》 (2006 IPCC Guidelines for National Greenhouse Gas Inventory) ^[22]推荐了铅生产过程3种碳排放强度的计算方法，其中给出了铅生产过程中部分材料的碳含量以及再生铅过程的碳排放因子建议值 (0.2 tCO₂·t⁻¹) 。《IPCC2006年国家温室气体清单指南 2019修订版》 (2019 Refinement to the 2006 IPCC Guidelines for National Greenhouse Gas Inventory) ^[25]继续沿用了上述计算方法和排放因子。2015年国家发改委在IPCC方法基础上发布了3批24个行业的企业温室气体核算方法与报告指南^[26]。我国废铅蓄电池回收过程的温室气体排放核算目前参照《其他有色金属冶炼和压延加工业企业温室气体排放核算方法与报告指南 (试行) 》^[27]进行核算，核算的温室气体主要为CO₂。由于电力碳排放在废铅蓄电池回收过程中占据较大比例，因此电网排放因子的取值对企业的碳排放核算有较大影响。生态环境部先后发布了《企业温室气体排放核算方法与报告指南发电设施》^[28]和《企业温室气体排放核算方法与报告指南发电设施 (2022年修订版) 》^[29]，指南规定核算2021及2022年碳排放量时，电网排放因子由0.610 1 tCO₂·(MW·h)⁻¹调整为0.581 0 tCO₂·(MW·h)⁻¹。

当前，我国将“双碳”工作纳入生态文明建设整体布局和经济社会发展全局后，如何更好地将能源消耗与碳排放2个指标关联起来，以实现节能减碳目标的协调统一，是值得关注和研究的问题^[30]。废铅蓄电池回收相关企业也在积极寻求新型节能降碳技术，推动企业迈向绿色低碳发展的新征程。但目前尚缺乏基于废铅蓄电池回收过程的节能降碳分析。因此，通过计算产品综合能耗和碳排放水平，拟提出废铅蓄电池回收过程的节能降碳方向，以期为废铅蓄电池回收过程的节能降碳措施和行业绿色节能降碳发展提供参考。

1. 材料与方法

1.1 实验方法

1) 目标与范围确定。研究企业的核算边界如图1所示，核算边界包括企业的主要生产系统、辅助生产系统和附属系统^[19]。该废铅蓄电池电池回收企业具有85×10⁴ t的废铅蓄电池处理能力，具体流程包括破碎分选、预脱硫、铅膏熔炼、精炼、合金配制等。废铅蓄电池经过破碎机和水力分选分离出铅泥、铅头、板栅、塑料和隔板纸。铅泥经预脱硫进入熔炼锅 (多室熔炼炉) 生产粗铅，分选后的铅头、板栅直接与粗铅一同除杂后精炼成精铅，再通过合金配制铸造铅钙合金、铅锑合金、铅硒合金和格栅板等产品。

图 1 废铅蓄电池回收企业核算边界示意图

Figure 1. Diagram of accounting boundary for secondary lead enterprises

下载: 全尺寸图片幻灯片

2) 数据来源。数据来源主要为研究企业的生产统计报表、能源消耗报表、环评报告及实地调研数据，调研年度为2019年。

1.2 综合能耗和CO₂排放核算

废铅蓄电池回收过程的产品综合能耗核算和工序综合能耗核算主要依据《综合能耗计算通则》 (GB/T 2589-2020) ^[19] 和《再生铅单位产品能源消耗限额》 (GB 25323-2010) ^[20]进行核算。核算能源包括企业的一次能源 (天然气) 和二次能源 (电力) 消耗情况。废铅蓄电池回收企业的CO₂排放量则依据《其他有色金属冶炼和压延加工业企业温室气体排放核算方法与报告指南 (试行) 》^[27]和《工业其他行业企业温室气体排放核算方法与报告指南 (试行) 》^[31]进行核算，包括企业边界内所有生产系统的化石燃料燃烧排放量、能源作为原材料用途的排放量、过程排放量、企业净购入的电力和热力消费的排放量之合。废铅蓄电池回收过程的综合能耗和CO₂排放量的核算方法和参数选取如表1所示。

表 1 废铅蓄电池回收过程的能耗与CO₂排放量核算方法

Table 1. Energy consumption and CO₂ emission accounting methods in secondary lead production process

统计类别	产品综合能耗核算^[20]	CO₂排放量核算^[27]
燃料燃烧	${E}_{\mathrm{燃}\mathrm{料}}={\mathrm{F}\mathrm{C}}_{\mathrm{燃}\mathrm{料}}\times {k}_{\mathrm{燃}\mathrm{料}}$	${E}_{\mathrm{燃}\mathrm{烧}}={\mathrm{A}\mathrm{D}}_{\mathrm{燃}\mathrm{料}}\times {\mathrm{E}\mathrm{F}}_{\mathrm{燃}\mathrm{料}}$ ${\mathrm{A}\mathrm{D}}_{\mathrm{燃}\mathrm{料}}={\mathrm{N}\mathrm{C}\mathrm{V}}_{\mathrm{燃}\mathrm{料}}\times {\mathrm{F}\mathrm{C}}_{\mathrm{燃}\mathrm{料}}$
能源作为原材料	${E}_{\mathrm{能}\mathrm{源}}={\mathrm{A}\mathrm{D}}_{\mathrm{能}\mathrm{源}}\times {k}_{\mathrm{能}\mathrm{源}}$	${E}_{\mathrm{原}\mathrm{材}\mathrm{料}}={AD}_{\mathrm{还}\mathrm{原}\mathrm{剂}}\times {EF}_{\mathrm{还}\mathrm{原}\mathrm{剂}}$
生产过程	—	${E}_{\mathrm{过}\mathrm{程}}=\sum ({\mathrm{A}\mathrm{D}}_{\mathrm{碳}\mathrm{酸}\mathrm{盐}}\times {\mathrm{E}\mathrm{F}}_{\mathrm{碳}\mathrm{酸}\mathrm{盐}})$
净购入电力	${E}_{\mathrm{电}\mathrm{力}}={\mathrm{A}\mathrm{D}}_{\mathrm{电}\mathrm{力}}\times {k}_{\mathrm{电}\mathrm{力}}$	${E}_{\mathrm{电}}={\mathrm{A}\mathrm{D}}_{\mathrm{电}}\times {\mathrm{E}\mathrm{F}}_{\mathrm{电}}$ ^[28]
净购入热力	${E}_{\mathrm{热}\mathrm{力}}={\mathrm{A}\mathrm{D}}_{\mathrm{热}\mathrm{力}}\times {k}_{\mathrm{热}\mathrm{力}}$ ${AD}_{\mathrm{热}\mathrm{力}}={Ma}_{st}\times ({En}_{st}-83.74)$ ^[31]	${E}_{\mathrm{热}}={\mathrm{A}\mathrm{D}}_{\mathrm{热}}\times {\mathrm{E}\mathrm{F}}_{\mathrm{热}}$ ^[31] ${AD}_{\mathrm{热}}={\mathrm{M}\mathrm{a}}_{\mathrm{s}\mathrm{t}}\times ({\mathrm{E}\mathrm{n}}_{\mathrm{s}\mathrm{t}}-83.74)\times {10}^{-3}$ ^[31]
净购入耗能工质	${E}_{\mathrm{耗}\mathrm{能}\mathrm{工}\mathrm{质}}={\mathrm{A}\mathrm{D}}_{\mathrm{耗}\mathrm{能}\mathrm{工}\mathrm{质}}\times {k}_{\mathrm{耗}\mathrm{能}\mathrm{工}\mathrm{质}}$	—
总计	${E}_{i}={E}_{\mathrm{燃}\mathrm{料}}+{E}_{\mathrm{能}\mathrm{源}}+{E}_{\mathrm{电}\mathrm{力}}+{E}_{\mathrm{热}\mathrm{力}}+{E}_{\mathrm{耗}\mathrm{能}\mathrm{工}\mathrm{质}}$	${{E}_{j}=E}_{\mathrm{燃}\mathrm{烧}}+{E}_{\mathrm{原}\mathrm{材}\mathrm{料}}+{E}_{\mathrm{过}\mathrm{程}}+{E}_{\mathrm{电}}+{E}_{\mathrm{热}}$
注： ${\mathrm{F}\mathrm{C}}_{\mathrm{燃}\mathrm{料}}$ 为企业实际消耗的燃料数据，Nm³或10⁴ Nm³； ${k}_{i}$ 为第i种统计类别消耗物质的折标煤系数，kgce m⁻³或kgce kg⁻¹或kgce kW·h⁻¹或kgce·MJ⁻¹或kgce·t⁻¹；AD为活动水平数据 (即消耗量) , GJ或t或MW·h； ${\mathrm{E}\mathrm{F}}_{i}$ 为CO₂排放因子，tCO₂ (GJ)⁻¹或tCO₂ t⁻¹或tCO₂ (MW·h)^-1； ${\mathrm{N}\mathrm{C}\mathrm{V}}_{\mathrm{燃}\mathrm{料}}$ 为燃料的平均低位发热量，GJ·Nm⁻³； ${\mathrm{M}\mathrm{a}}_{\mathrm{s}\mathrm{t}}$ 为蒸汽的质量，t； ${\mathrm{E}\mathrm{n}}_{\mathrm{s}\mathrm{t}}$ 为蒸汽所对应的温度、压力下每千克蒸汽的热焓，kJ·kg⁻¹； ${E}_{\mathrm{i}}$ 为各统计类别对应的能耗，kgce； ${E}_{\mathrm{j}}$ 为对应的二氧化碳排放量，tCO₂。

| Show Table

DownLoad: CSV

2. 结果与讨论

2.1 废铅蓄电池回收过程的综合能耗核算

基于企业2019年的实际情况，按照表1可计算出企业2019年产品的综合能耗，具体信息如表2所示。

表 2 企业产品综合能耗核算 (2019年)

Table 2. Energy consumption calculations for products in 2019

产品名称	能源类别	主要生产系统能耗/tce	辅助、附属系统能耗/tce	损失分摊/tce	产品综合能耗/tce	单位产品综合能耗/kgce·t⁻¹
再生铅 (电解铅、精铅及铅合金)	当量能耗	34 291.99	7 010.03	298.35	41 600.37	98.35

| Show Table

DownLoad: CSV

由表2可知，案例企业单位产品综合能耗 (当量能耗) 为98.35 kgce·t⁻¹。其中，主要生产系统、辅助生产系统、附属系统和损耗分别占综合能耗的82.43%、16.39%、0.46%和0.72%；辅助生产系统的能耗主要用于空压机和制氧站的电耗，附属系统主要用于食堂的电耗和天然气消耗，损耗主要来自变压器及线损。天然气消耗占产品综合能耗的71.64%，是最主要的能耗类别。与《再生铅行业规范条件》^[21]规定的单位产品综合能耗 (预处理-熔炼企业熔炼工艺) 相比，案例企业的单位产品综合能耗可节约26.65 kgce·t⁻¹，实现单位产品综合能耗减排21.32%。

基于企业破碎分选工序、铅膏熔炼工序、精炼工序和合金工序的实际能源消耗情况和产品产量，按照表1计算了废铅蓄电池回收过程各工序的单位产品综合能耗 (表3) 。

表 3 工序单位产品综合能耗计算 (当量能耗)

Table 3. Comprehensive energy consumption calculation by different process (Equivalent energy consumption)

工序名称	主要生产系统能耗/tce	辅助、附属系统能耗/tce	损失分摊/tce	合计产品能耗/tce	单位产品综合能耗/kgce·t⁻¹
破碎分选工序	1 020.27	408.67	89.51	1 518.44	3.38
铅膏熔炼工序	24 959.22	4 794.57	104.42	29 858.22	69.72
精炼工序	480.55	272.45	59.67	812.67	18.71
合金工序	7 831.95	1 534.34	44.75	9 411.04	24.79

| Show Table

DownLoad: CSV

由表3可知，破碎分选、铅膏熔炼、精炼和合金工序的单位产品综合能耗分别为3.38、69.72、18.71和24.79 kgce·t⁻¹，铅膏熔炼是单位产品综合能耗最大的工序。案例企业采用的多室熔炼工艺可实现热能多级互换利用，在改善渣型也可实现脱硫；同时，采用先进的自动化控制水平代替了高耗能的人力操作等，极大提高了能源利用效率。相比于《再生铅单位产品能源消耗限额》规定的新建企业工序能耗限额准入值^[19]，案例企业的铅膏熔炼工序可节能210.28 kgce·t⁻¹，但熔炼工序仍然具有较大的节能潜力。

2.2 废铅蓄电池回收过程的碳排放核算

根据表1计算案例企业的碳排放总量，按照不同的碳排放来源统计如图2所示。

图 2 废铅蓄电池回收过程不同统计类别的碳排放情况

Figure 2. CO₂ emissions of different statistical categories in secondary lead production

下载: 全尺寸图片幻灯片

从图2中可以看出，焦粉作为原材料进入生产过程引起的碳排放占据了总碳排放量的49.81%，是最大的碳排放源。燃料燃烧、净购入电力和过程排放分别占碳排放总量的30.62%、12.18%和7.40%。根据表1计算不同工序的碳排放情况如图3所示。

图 3 废铅蓄电池回收过程不同工序的碳排放情况

Figure 3. CO₂ emissions of different process in secondary lead production

下载: 全尺寸图片幻灯片

从图3中可以看出，铅膏熔炼工序是最大的二氧化碳排放工序，占整个废铅蓄电池回收过程碳排放总量的87.92%；其次是合金、破碎分选和精炼工序，分别占总排放量的9.68%、1.56%和0.84%。而在铅膏熔炼工序中，焦粉作为还原剂进入熔炼工序的排放是最主要的碳排放类别。

2.3 废铅蓄电池回收过程的节能降碳分析

通过分析案例企业各统计类别和工序的能耗和碳排放情况，废铅蓄电池回收过程的节能降碳工作可从以下3个方面开展。

1) 燃料燃烧、能源作为原材料、净购入电力和热力。由表1可计算出废铅蓄电池回收过程的产品综合能耗与碳排放量的比值，具体如表4所示。在燃料燃烧、能源作为原材料、购入电力和热力这4个类别上，能耗和CO₂排放量的比值是常量，也就是说这2个值通常是线性相关的，在这些统计类别下的节能措施同样可以减少CO₂的排放。

表 4 废铅蓄电池回收过程中能耗与碳排放的比值

Table 4. Ratio of energy consumption and CO₂ emission in secondary lead production process

统计类别	产品综合能耗与碳排放量的比值
燃料燃烧	$\dfrac{{E}_{\mathrm{燃}\mathrm{料}}}{{E}_{\mathrm{燃}\mathrm{烧}}}=\dfrac{{k}_{\mathrm{燃}\mathrm{料}}}{{{10}^{4}\times \mathrm{N}\mathrm{C}\mathrm{V}}_{\mathrm{燃}\mathrm{料}}\times {\mathrm{E}\mathrm{F}}_{\mathrm{燃}\mathrm{料}}}$
能源作为原材料	$\dfrac{{E}_{\mathrm{能}\mathrm{源}}}{{E}_{\mathrm{原}\mathrm{材}\mathrm{料}}}=\dfrac{{k}_{\mathrm{能}\mathrm{源}}}{{\mathrm{E}\mathrm{F}}_{\mathrm{还}\mathrm{原}\mathrm{剂}}}$
净购入电力	$\dfrac{{E}_{\mathrm{电}\mathrm{力}}}{{E}_{\mathrm{电}}}=\dfrac{{k}_{\mathrm{电}\mathrm{力}}}{{\mathrm{E}\mathrm{F}}_{\mathrm{电}}}$
净购入热力	$\dfrac{{E}_{\mathrm{热}\mathrm{力}}}{{E}_{\mathrm{热}}}={10}^{3}\times \dfrac{{k}_{\mathrm{热}\mathrm{力}}}{{\mathrm{E}\mathrm{F}}_{\mathrm{热}}}$

| Show Table

DownLoad: CSV

燃料燃烧主要集中在铅膏熔炼和精炼过程。在案例企业的工艺路线中，熔炼炉放出的粗铅在容器内经运输送至精炼锅直接添加，省去了冷却再加热熔化的环节，精简了加热熔化环节，节省了天然气5 m³·t⁻¹，实现了10.81 kgCO₂·t⁻¹的减排和6.07 kgce·t⁻¹的节能。但天然气燃烧的能耗和碳排放分别占总量的71.64%和30.62%，提高熔炼炉效率和减少天然气的消耗，仍然是废铅蓄电池回收过程的重点节能降碳方向。建议废铅蓄电池回收企业建立天然气在线监测系统，完善能耗在线监测系统，以实现对企业的能源生产、输送、分配、使用各环节进行集中监控管理，提升能源管理信息化水平；同时，设接入端系统并按时接入省级重点用能单位能耗在线监测平台。

焦粉作为原材料进入生产过程是废铅蓄电池回收过程中最大的碳排放类别。以往研究表明^[32]，相对于高温熔炼法，通过减少白煤的使用量，钠法和铵法预脱硫-低温熔炼工艺的总碳排放量分别可降低38.9%和25.6%。能源作为原材料的部分具有很大的节能降碳空间，建议在后续研发过程中，关注温室气体排放较少的原材料替代白煤、焦粉等高排放的原材料。

电力消耗产生的碳排放也不容忽视，以往研究表明，高温熔炼、钠法、铵法预脱硫-低温熔炼工艺的电力消耗引起的碳排放量分别占总排放量的 9.8%、24.1%、20.4%^[32]。案例企业电力消耗引起的碳排放量占总排放量的12.18%。但案例企业制氧系统的能耗约占全厂总能耗的47.88%，因此，降低制氧系统电力消耗是企业节能工作的重中之重。离心式空压机是制氧系统电力消耗的主要部分，其能耗主要与入口流量与额定流量之比 (负荷) 、泄漏、各级出口压力、各级入口温度以及压降有关^[33]。企业应当摸索总结负荷、压力、水温、水量、空气温度等参数对系统阻力的影响，延长机组运行周期，减少开、停车次数和加温吹除次数，节约能源消耗和减少碳排放。此外，通过对离心风机的改造，也可减少风机机械能损失，增大风机风压，提高风机效率，可实现1.09 kgCO₂·t⁻¹的减排和5.18 kgce·t⁻¹的节能，具有较大的复制和推广潜力。

案例企业由于在熔炼炉后配备余热锅炉进行烟气余热利用，因此购入热力部分并未产生碳排放，但仍有一定的能耗。熔炼炉烟气全部进行余热回收后，可产生蒸汽量为33.3 t·h⁻¹，实现CO₂减排82.58 kgCO₂·t⁻¹和节能26.70 kgce·t⁻¹，是节能降碳潜力最大的改造措施。

2) 碳酸钠等碳酸盐进入生产过程。碳酸钠是国内外废铅蓄电池回收过程普遍采用的铅膏脱硫剂^[32]。废铅蓄电池回收过程一般会将碳酸钠加入铅膏中进行预脱硫，也就是利用碳酸钠将PbSO₄转化为PbCO₃，然后再将PbCO₃进行低温熔炼分解释放出CO₂。碳酸盐在生产过程的直接排放不计入产品综合能耗核算中，因此，这部分碳排放量很容易被忽视。除了碳酸钠，NH₄HCO₃和(NH₄)₂CO₃^[34-35]、柠檬酸和柠檬酸钠^[36-37]也可以作为铅膏的转化剂，但他们也都会产生CO₂排放。以往研究表明，在钠法和铵法预脱硫低温熔炼工艺中，因碳酸盐分解产生的碳排放量，分别占其碳足迹的21%和34%^[32]，远高于案例企业脱硫剂所占的的比例 (7.4%) 。此外，如果企业在烟气脱硫过程中采用石灰石等碳酸盐作为脱硫剂，也需考虑到碳排放核算过程中去^[38]。使用碳排放量低的脱硫剂取代碳酸钠、石灰石等碳酸盐，是废铅蓄电池回收企业需要考虑的问题。

3) 耗能工质 (新鲜水、氧气和压缩空气等) 。根据《综合能耗计算通则》 (GB/T 2589-2020) ^[19]的要求，耗能工质主要包括新水、软化水、压缩空气、氧气和氮气等。在废铅蓄电池回收过程的熔炼工序中，会用到氧气、压缩空气等耗能工质。由表1可知，如果氧气等耗能工质为自产，则这部分产生的电力消耗等类别将计入碳排放核算范围；而外购的耗能工质则不计入碳排放核算范围。而能耗核算则没有自产和外购的差别，都计入能耗核算范围内。这种情况有可能导致2种综合能耗基本相同的生产工艺，碳排放量确存在很大差异。

3. 结语

1) 采用多室熔炼炉回收铅及其产品的单位产品能耗为98.35 kgce·t⁻¹，天然气消耗占产品综合能耗的71.64%，是最主要的能耗类别，铅膏熔炼工序是产品综合能耗最大的工序。建议废铅蓄电池回收企业按照国家相关节能降碳要求及企业自身发展的需要，进一步细化能源统计工作，对照工序用能情况进行统计和对标分析，将节能工作重点放在天然气消耗上。同时，应重点从熔炼工序节能工艺着手，合理选用更先进、更节能的生产设备，提高熔炼效率，减少电力和其他耗能工质的消耗。

2) 焦粉作为原材料进入生产过程引起的碳排放占据了总碳排放量的49.81%，是最大的碳排放源。在燃料燃烧、能源作为原材料、购入电力和热力方面，能耗和CO₂排放量核算是线性相关的。减少能源材料进入生产过程，同时兼顾精炼及破碎分选等工序节能技术改造，优化用能结构，加强余热利用，可使废铅蓄电池回收企业实现同时节能降碳。

3) 碳酸盐在生产过程的直接排放不计入产品综合能耗核算中，因此，这部分碳排放量很容易被忽视。使用低碳脱硫剂取代碳酸钠、石灰石等碳酸盐脱硫剂，也是废铅蓄电池回收企业需要关注的问题。此外，目前尚未统一废铅蓄电池回收企业自产和外购耗能工质的核算方法，不利于推动行业企业实施节能降碳的统筹协调，建议在后续的核算指南中进行统一规定。

图 1 采样期的中部三个省会城市（三角型标记）

Figure 1. Three provincial cities in central China during the Sampling period (marked in triangle)

下载: 全尺寸图片幻灯片

图 2 南昌市秋冬季PM_2.5及WSIIs的变化特征

Figure 2. The variations of PM_2.5 and WSIIs in autumn and winter in Nanchang city

下载: 全尺寸图片幻灯片

图 3 南昌市秋冬季空气质量及气象参数的变化蓝竖线表示以10月底为界秋冬季质量浓度或气象条件差别明显，红横线表示RH>80%多发生在秋季，和PM_2.5>75 μg∙m⁻³发生在冬季

Figure 3. The variation of air qualities and meteorological parameters in autumn and winter in Nanchang city

下载: 全尺寸图片幻灯片

图 4 总阴阳离子之间(a.)及过量 ${\rm{NH}}_4^ +$ 和 ${\rm{NO}}_3^ -$ 之间(b.)的线性相关性

Figure 4. The linear correlations between cations and anions and between excess ${\rm{NH}}_4^ +$ and ${\rm{NO}}_3^ -$

下载: 全尺寸图片幻灯片

图 5 南昌秋冬季pH、 ${\rm{NH}}_4^ + /{\rm{SO}}_4^{2 - }$ 和 ${\rm{NO}}_3^ - /{\rm{SO}}_4^{2 - }$ （物质的量比）的比较

Figure 5. The comparison of pH, ${\rm{NH}}_4^ + /{\rm{SO}}_4^{2 - }$ and ${\rm{NO}}_3^ - /{\rm{SO}}_4^{2 - }$ (mole ratio) between autumn and winter in Nanchang

下载: 全尺寸图片幻灯片

图 6 NOR(a)和SOR(b)及影响因素的变化

Figure 6. The variation of NOR(a) and SOR(b) and their influence factors

下载: 全尺寸图片幻灯片

图 7 南昌秋冬季PM_2.5潜在源分析

Figure 7. The potential sources of PM_2.5 in autumn and winter in Nanchang

下载: 全尺寸图片幻灯片

图 8 中部城市秋冬季(10月和1月)气团后向轨迹

Figure 8. The backward trajectory of air mass in autumn (October) and winter (January) in central China

下载: 全尺寸图片幻灯片

表 1 中部城市PM_2.5及WSIIs在10月和1月的比较(均值)

Table 1. The comparison of PM_2.5 and WSIIs in October and January in central China

地点Site		PM_2.5/(μg∙m⁻³)	风速/(m·s⁻¹)Wind	湿度/% RH	温度/℃ T	O₃/(μg∙m⁻³)	CO/(mg∙m⁻³)	SO₂/(μg∙m⁻³)	NO₂/(μg∙m⁻³)
南昌	10月	23.8	2.2	72	19.8	82	0.67	10	20
长沙		51.4	3.5	82	17.2	47	0.73	13	37
武汉		33.7	1.7	87	16.6	48	1.05	8	34
南昌	1月	55.8	1.6	70	5.8	47	1.18	14	41
长沙		88.5	2.9	80	3.3	30	1.02	11	44
武汉		76.9	1.9	82	2.2	34	1.13	10	45

地点 Site		${\rm{NO}}_3^ -$ /(μg∙m⁻³)	${\rm{SO}}_4^{2 - }$ /(μg∙m⁻³)	${\rm{NH}}_4^ +$ /(μg∙m⁻³)	NOR	SOR	Cl⁻/(μg∙m⁻³)	K⁺/(μg∙m⁻³)	Ca²⁺/(μg∙m⁻³)
南昌	10月	7.7	10.3	5.0	0.22	0.42	0.4	0.7	1.0
长沙		10.0	11.7	6.4	0.17	0.38	0.5	0.7	0.9
武汉		9.1	9.7	5.2	0.17	0.42	0.5	0.4	0.9
南昌	1月	20.6	13.8	10.6	0.27	0.44	1.4	0.8	1.3
长沙		16.5	11.3	8.6	0.22	0.42	1.2	0.6	1.2
武汉		21.3	12.5	11.1	0.26	0.45	1.8	0.7	1.2

地点Site		PM_2.5/(μg∙m⁻³)	风速/(m·s⁻¹)Wind	湿度/% RH	温度/℃ T	O₃/(μg∙m⁻³)	CO/(mg∙m⁻³)	SO₂/(μg∙m⁻³)	NO₂/(μg∙m⁻³)
南昌	10月	23.8	2.2	72	19.8	82	0.67	10	20
长沙		51.4	3.5	82	17.2	47	0.73	13	37
武汉		33.7	1.7	87	16.6	48	1.05	8	34
南昌	1月	55.8	1.6	70	5.8	47	1.18	14	41
长沙		88.5	2.9	80	3.3	30	1.02	11	44
武汉		76.9	1.9	82	2.2	34	1.13	10	45

地点 Site		${\rm{NO}}_3^ -$ /(μg∙m⁻³)	${\rm{SO}}_4^{2 - }$ /(μg∙m⁻³)	${\rm{NH}}_4^ +$ /(μg∙m⁻³)	NOR	SOR	Cl⁻/(μg∙m⁻³)	K⁺/(μg∙m⁻³)	Ca²⁺/(μg∙m⁻³)
南昌	10月	7.7	10.3	5.0	0.22	0.42	0.4	0.7	1.0
长沙		10.0	11.7	6.4	0.17	0.38	0.5	0.7	0.9
武汉		9.1	9.7	5.2	0.17	0.42	0.5	0.4	0.9
南昌	1月	20.6	13.8	10.6	0.27	0.44	1.4	0.8	1.3
长沙		16.5	11.3	8.6	0.22	0.42	1.2	0.6	1.2
武汉		21.3	12.5	11.1	0.26	0.45	1.8	0.7	1.2

下载: 导出CSV

[1]	ZHANG Z Y, ZHENG N J, ZHANG D, et al. Rayleigh based concept to track NO_x emission sources in urban areas of China [J]. Science of the Total Environment, 2020, 704: 135362. doi: 10.1016/j.scitotenv.2019.135362
[2]	WANG H C, LU K D, CHEN X R, et al. High N₂O₅ concentrations observed in urban Beijing: Implications of a large nitrate formation pathway [J]. Environmental Science & Technology Letters, 2017, 4(10): 416-420.
[3]	WEN L, XUE L K, WANG X F, et al. Summertime fine particulate nitrate pollution in the North China Plain: Increasing trends, formation mechanisms and implications for control policy [J]. Atmospheric Chemistry and Physics, 2018, 18(15): 11261-11275. doi: 10.5194/acp-18-11261-2018
[4]	CAO J J, XU H M, XU Q, et al. Fine particulate matter constituents and cardiopulmonary mortality in a heavily polluted Chinese city [J]. Environmental Health Perspectives, 2012, 120(3): 373-378. doi: 10.1289/ehp.1103671
[5]	贺克斌, 杨复沫, 段凤魁. 大气颗粒物与区域复合污染[M]. 北京: 科学出版社, 2011. HE K B, YANG F M, DUAN F K. Atmospheric particulate matter and regional combined pollution [M]. Beijing: Science Press, 2011(in Chinese).
[6]	ALEXANDER B, SHERWEN T, HOLMES C D, et al. Global inorganic nitrate production mechanisms: Comparison of a global model with nitrate isotope observations [J]. Atmospheric Chemistry and Physics, 2020, 20(6): 3859-3877. doi: 10.5194/acp-20-3859-2020
[7]	TIAN M, WANG H B, CHEN Y, et al. Characteristics of aerosol pollution during heavy haze events in Suzhou, China [J]. Atmospheric Chemistry and Physics, 2016, 16(11): 7357-7371. doi: 10.5194/acp-16-7357-2016
[8]	ANENBERG S C, MILLER J, MINJARES R, et al. Impacts and mitigation of excess diesel-related NO_x emissions in 11 major vehicle markets [J]. Nature, 2017, 545(7655): 467-471. doi: 10.1038/nature22086
[9]	GALLOWAY J N, DENTENER F J, CAPONE D G, et al. Nitrogen cycles: Past, present, and future [J]. Biogeochemistry, 2004, 70(2): 153-226. doi: 10.1007/s10533-004-0370-0
[10]	高洁, 史旭荣, 卫昱婷, 等. 基于天津市在线数据评估ISORROPIA-Ⅱ模式结果及气溶胶pH的影响因素 [J]. 环境科学, 2020, 41(8): 3458-3466. GAO J, SHI X R, WEI Y T, et al. Evaluation of different ISORROPIA-Ⅱ modes and the influencing factors of aerosol pH based on Tianjin online data [J]. Environmental Science, 2020, 41(8): 3458-3466(in Chinese).
[11]	肖致美, 武婷, 卫昱婷, 等. 天津市PM_2.5中二次硝酸盐形成及防控 [J]. 环境科学, 2021, 42(6): 2616-2625. XIAO Z M, WU T, WEI Y T, et al. Formation and prevention of secondary nitrate in PM_2.5 in Tianjin [J]. Environmental Science, 2021, 42(6): 2616-2625(in Chinese).
[12]	FOUNTOUKIS C I, NENES A. ISORROPIA II: A computationally efficient thermodynamic equilibrium model for multiphase multicomponent aerosols[C]//The 2006 Annual Meeting. 2006.
[13]	WALTERS W W, MICHALSKI G. Theoretical calculation of oxygen equilibrium isotope fractionation factors involving various NO_y molecules, OH, and H₂O and its implications for isotope variations in atmospheric nitrate [J]. Geochimica et Cosmochimica Acta, 2016, 191: 89-101. doi: 10.1016/j.gca.2016.06.039
[14]	WANG Y L, LIU X Y, SONG W, et al. Source appointment of nitrogen in PM_2.5 based on bulk δ15N signatures and a Bayesian isotope mixing model [J]. Tellus B:Chemical and Physical Meteorology, 2017, 69(1): 1299672. doi: 10.1080/16000889.2017.1299672
[15]	丁新航, 梁越, 肖化云, 等. 长沙市秋季PM_2.5中水溶性离子特征及其来源解析 [J]. 地球与环境, 2019, 47(2): 186-193. DING X H, LIANG Y, XIAO H Y, et al. Characteristics and sources of water soluble inorganic ions in fine particulate matter during autumn in Changsha [J]. Earth and Environment, 2019, 47(2): 186-193(in Chinese).
[16]	王琴, 张大伟, 刘保献, 等. 基于PMF模型的北京市PM_2.5来源的时空分布特征 [J]. 中国环境科学, 2015, 35(10): 2917-2924. doi: 10.3969/j.issn.1000-6923.2015.10.005 WANG Q, ZHANG D W, LIU B X, et al. patial and temporal variations of ambient PM_2.5 source contributions using positive matrix factorization [J]. China Environmental Science, 2015, 35(10): 2917-2924(in Chinese). doi: 10.3969/j.issn.1000-6923.2015.10.005
[17]	MING L L, JIN L, LI J, et al. PM_2.5 in the Yangtze River Delta, China: Chemical compositions, seasonal variations, and regional pollution events [J]. Environmental Pollution, 2017, 223: 200-212. doi: 10.1016/j.envpol.2017.01.013
[18]	GAO L J, TIAN Y Z, ZHANG C Y, et al. Local and long-range transport influences on PM_2.5 at a cities-cluster in Northern China, during summer 2008 [J]. Particuology, 2014, 13: 66-72. doi: 10.1016/j.partic.2013.06.006
[19]	刘晓迪, 孟静静, 侯战方, 等. 济南市夏、冬季PM_2.5中化学组分的季节变化特征及来源解析 [J]. 环境科学, 2018, 39(9): 4014-4025. LIU X D, MENG J J, HOU Z F, et al. Analysis of seasonal variations in chemical characteristics and sources of PM_2.5 during summer and winter in ji'nan city [J]. Environmental Science, 2018, 39(9): 4014-4025(in Chinese).
[20]	丁新航, 梁越, 肖化云, 等. 太原市采暖季清洁天与灰霾天PM_2.5中水溶性无机离子组成及来源分析 [J]. 环境化学, 2019, 38(6): 1356-1366. doi: 10.7524/j.issn.0254-6108.2018121102 DING X H, LIANG Y, XIAO H Y, et al. Composition and source analysis of water-soluble inorganic ions of PM_2.5 in clean and haze days during heating season in Taiyuan City [J]. Environmental Chemistry, 2019, 38(6): 1356-1366(in Chinese). doi: 10.7524/j.issn.0254-6108.2018121102
[21]	XIE Y J, LU H B, YI A J, et al. Characterization and source analysis of water-soluble ions in PM_2.5 at a background site in Central China [J]. Atmospheric Research, 2020, 239: 104881. doi: 10.1016/j.atmosres.2020.104881
[22]	ZHOU H J, LÜ C, HE J, et al. Stoichiometry of water-soluble ions in PM_2.5: Application in source apportionment for a typical industrial city in semi-arid region, Northwest China [J]. Atmospheric Research, 2018, 204: 149-160. doi: 10.1016/j.atmosres.2018.01.017
[23]	GUO W, ZHANG Z Y, ZHENG N J, et al. Chemical characterization and source analysis of water-soluble inorganic ions in PM_2.5 from a plateau city of Kunming at different seasons [J]. Atmospheric Research, 2020, 234: 104687. doi: 10.1016/j.atmosres.2019.104687
[24]	黄含含, 王羽琴, 李升苹, 等. 西安市PM_2.5中水溶性离子的季节变化特征 [J]. 环境科学, 2020, 41(6): 2528-2535. HUANG H H, WANG Y Q, LI S P, et al. Seasonal variation of water-soluble ions in PM_2.5 in Xi'an [J]. Environmental Science, 2020, 41(6): 2528-2535(in Chinese).
[25]	杨留明, 王申博, 郝祺, 等. 郑州市PM_2.5中水溶性离子特征及来源分析 [J]. 环境科学, 2019, 40(7): 2977-2984. YANG L M, WANG S B, HAO Q, et al. Characteristics and source analysis of water-soluble ions in PM_2.5 in Zhengzhou [J]. Environmental Science, 2019, 40(7): 2977-2984(in Chinese).
[26]	刘学军, 沙志鹏, 宋宇, 等. 我国大气氨的排放特征、减排技术与政策建议 [J]. 环境科学研究, 2021, 34(1): 149-157. LIU X J, SHA Z P, SONG Y, et al. China's atmospheric ammonia emission characteristics, mitigation options and policy recommendations [J]. Research of Environmental Sciences, 2021, 34(1): 149-157(in Chinese).
[27]	CAO Y S, ZHANG Z Y, XIAO H W, et al. How aerosol pH responds to nitrate to sulfate ratio of fine-mode particulate [J]. Environmental Science and Pollution Research, 2020, 27(28): 35031-35039. doi: 10.1007/s11356-020-09810-0
[28]	SONG S J, GAO M, XU W Q, et al. Fine-particle pH for Beijing winter haze as inferred from different thermodynamic equilibrium models [J]. Atmospheric Chemistry and Physics, 2018, 18(10): 7423-7438. doi: 10.5194/acp-18-7423-2018
[29]	GUO H Y, OTJES R, SCHLAG P, et al. Effectiveness of ammonia reduction on control of fine particle nitrate [J]. Atmospheric Chemistry and Physics, 2018, 18(16): 12241-12256. doi: 10.5194/acp-18-12241-2018
[30]	WALTERS W W, MICHALSKI G. Theoretical calculation of nitrogen isotope equilibrium exchange fractionation factors for various NO_y molecules [J]. Geochimica et Cosmochimica Acta, 2015, 164: 284-297. doi: 10.1016/j.gca.2015.05.029
[31]	WANG H C, LU K D, CHEN X R, et al. Fast particulate nitrate formation via N₂O₅ uptake aloft in winter in Beijing [J]. Atmospheric Chemistry and Physics, 2018, 18(14): 10483-10495. doi: 10.5194/acp-18-10483-2018
[32]	XU J S, XU M X, SNAPE C, et al. Temporal and spatial variation in major ion chemistry and source identification of secondary inorganic aerosols in Northern Zhejiang Province, China [J]. Chemosphere, 2017, 179: 316-330. doi: 10.1016/j.chemosphere.2017.03.119
[33]	PATHAK R K, WU W S, WANG T. Summertime PM_2.5 ionic species in four major cities of China: Nitrate formation in an ammonia-deficient atmosphere [J]. Atmospheric Chemistry and Physics, 2009, 9(5): 1711-1722. doi: 10.5194/acp-9-1711-2009
[34]	HE Q S, YAN Y L, GUO L L, et al. Characterization and source analysis of water-soluble inorganic ionic species in PM_2.5 in Taiyuan city, China [J]. Atmospheric Research, 2017, 184: 48-55. doi: 10.1016/j.atmosres.2016.10.008
[35]	CONTINI D, CESARI D, GENGA A, et al. Source apportionment of size-segregated atmospheric particles based on the major water-soluble components in Lecce (Italy) [J]. Science of the Total Environment, 2014, 472: 248-261. doi: 10.1016/j.scitotenv.2013.10.127
[36]	肖浩, 肖化云, 吴攀, 等. 贵阳秋季PM_2.5水溶性离子组成特征及来源解析 [J]. 环境化学, 2019, 38(3): 548-555. doi: 10.7524/j.issn.0254-6108.2018051501 XIAO H, XIAO H Y, WU P, et al. Composition and source analysis of water-soluble ions in PM_2.5 during autumn in Guiyang [J]. Environmental Chemistry, 2019, 38(3): 548-555(in Chinese). doi: 10.7524/j.issn.0254-6108.2018051501
[37]	SUN Y L, WANG Z F, FU P Q, et al. Aerosol composition, sources and processes during wintertime in Beijing, China [J]. Atmospheric Chemistry and Physics, 2013, 13(9): 4577-4592. doi: 10.5194/acp-13-4577-2013

点击查看大图

图( 8) 表( 1)

计量

文章访问数: 3661
HTML全文浏览数: 3661
PDF下载数: 120
施引文献: 0

1. 材料与方法
1.1 实验方法
1.2 综合能耗和CO2排放核算
2. 结果与讨论
2.1 废铅蓄电池回收过程的综合能耗核算
2.2 废铅蓄电池回收过程的碳排放核算
2.3 废铅蓄电池回收过程的节能降碳分析
3. 结语

全文HTML

随着我国经济快速发展和城镇化建设的持续推进，大气污染成为急需解决的环境污染问题^[1-2]。自2013年“大气污染防治行动”以来，我国空气质量得到很大提升，但仍有灰霾事件频繁发生，大气细颗粒物PM_2.5是造成灰霾事件形成的关键污染物，其中的硝酸盐浓度占比逐渐升高，尤其在灰霾天气占比可达11%—36%^[3]。PM_2.5沉降速度缓慢，影响大气能见度，且易携带有害物质被人体吸入，严重危害人体健康^[4-5]，PM_2.5中以水溶性离子为主要成分，占比往往达60%以上，其中又以 ${\rm{SO}}_4^{2 - }$ 、 ${\rm{NO}}_3^ -$ 和 ${\rm{NH}}_4^ +$ (SNA)离子为主。SNA的形成包括均相和非均相反应，例如 ${\rm{SO}}_4^{2 - }$ 由大气中的SO₂在TMI催化下与O₂反应或经OH或HO₂自由基氧化转变为SO₃，这是气相均相反应，SO₃与H₂O反应形成H₂SO₄，并与NH₃反应形成(NH₄)₂SO₄或NH₄HSO₄颗粒，这是气-液相非均相反应。 ${\rm{NO}}_3^ -$ 是由NO₂主要经过两大氧化途径形成：（1）NO₂被OH氧化形成HNO₃(白天途径)；（2）N₂O₅水解反应形成HNO₃（夜间途径）（这个夜间途径也包括NO₃被HC有机质氧化反应，通常占比较少^[6]），生成的HNO₃与NH₃或其他离子反应形成硝酸盐颗粒。这些反应过程不但受大气中SO₂、NO₂和NH₃浓度的影响，也受地形、风向风速、气温、湿度等气象条件的影响^[7]，导致不同地区气溶胶形成的机制不同。作为灰霾形成的关键污染物，PM_2.5的来源复杂，包括化石燃料燃烧、生物质燃烧和建筑扬尘等^[8]，区域特征明显并且季节性变化较强^[9]。因此，分析PM_2.5的水溶性无机离子组成特征及其排放源不但对制订相应的减排计划、降低排放的负面环境效应至关重要，而且对更好地理解全球大气传输也有重要意义。

中国中部地区包括江西、湖南和湖北，两两相连，以南昌、长沙、武汉为省会城市，呈三角形态分布，地处长江中下游，水陆交通发达，城市人口密集，能源消耗、工业生产和机动车辆等都是重要经济支撑。中部地区属亚热带季风气候，秋季温暖，冬季寒冷。我国南北气候、工业分布等差别很大，空气污染研究多聚集在京津冀、长三角和珠三角城市，对华中城市系统研究相对较少。本研究以南昌市为主要采样点，通过持续6个月的秋冬季（2017.09—2018.02）的日采样，采用化学计量法、同位素方法、PMF溯源及气团后向轨迹分析等方法，分析南昌市秋、冬季大气PM_2.5及其水溶性无机离子的化学特征及其来源，并在典型的秋季（10月）和冬季（1月）同步采集另两个中部省会城市（长沙和武汉）的PM_2.5日样品，对比分析3个中心城市水溶性离子的化学组成特征及其来源，以期对中部城市大气污染的区域传输研究提供一定的理论支撑。

中部城市秋冬季PM2.5水溶性离子的化学特征及来源

通讯作者: E-mail: liangyue@ecut.edu.cn;

Chemical characteristics and sources of PM2.5 and water-soluble ions in autumn and winter in central China

Corresponding author: LIANG Yue, liangyue@ecut.edu.cn ;

1. 材料与方法

1.1 实验方法

1.2 综合能耗和CO2排放核算

2. 结果与讨论

2.1 废铅蓄电池回收过程的综合能耗核算

2.2 废铅蓄电池回收过程的碳排放核算

2.3 废铅蓄电池回收过程的节能降碳分析

3. 结语

计量

出版历程

中部城市秋冬季PM2.5水溶性离子的化学特征及来源

通讯作者: E-mail: liangyue@ecut.edu.cn;

English Abstract

Chemical characteristics and sources of PM2.5 and water-soluble ions in autumn and winter in central China

Corresponding author: LIANG Yue, liangyue@ecut.edu.cn ;

全文HTML

1.1. PM2.5样品采集

1.2. 样品预处理及分析

1.3. 热力学平衡模型

1.4. 贝叶斯同位素混合模型(SIAR)

1.5. 正定矩阵因子分解(PMF)模型

1.6. 气团后向轨迹

2.1. PM2.5及其水溶性无机离子（WSIIs）的浓度水平

2.1.1. 南昌市PM2.5与WSIIs浓度水平

2.1.2. 中部城市PM2.5及WSIIs浓度水平的比较

2.2. 二次无机离子SNA的形成机制

2.3. PM2.5的来源解析

2.4. 其他水溶性离子的来源

2.5. 后向轨迹分析

目录

全文HTML

1.1. PM2.5样品采集

1.2. 样品预处理及分析

1.3. 热力学平衡模型

1.4. 贝叶斯同位素混合模型(SIAR)

1.5. 正定矩阵因子分解(PMF)模型

1.6. 气团后向轨迹

2.1. PM2.5及其水溶性无机离子（WSIIs）的浓度水平

2.1.1. 南昌市PM2.5与WSIIs浓度水平

2.1.2. 中部城市PM2.5及WSIIs浓度水平的比较

2.2. 二次无机离子SNA的形成机制

2.3. PM2.5的来源解析

2.4. 其他水溶性离子的来源

2.5. 后向轨迹分析

中部城市秋冬季PM_2.5水溶性离子的化学特征及来源

Chemical characteristics and sources of PM_2.5 and water-soluble ions in autumn and winter in central China

1.2 综合能耗和CO₂排放核算

中部城市秋冬季PM_2.5水溶性离子的化学特征及来源

Chemical characteristics and sources of PM_2.5 and water-soluble ions in autumn and winter in central China

1.1. PM_2.5样品采集

2.1. PM_2.5及其水溶性无机离子（WSIIs）的浓度水平

2.1.1. 南昌市PM_2.5与WSIIs浓度水平

2.1.2. 中部城市PM_2.5及WSIIs浓度水平的比较

2.3. PM_2.5的来源解析

1.1. PM_2.5样品采集

2.1. PM_2.5及其水溶性无机离子（WSIIs）的浓度水平

2.1.1. 南昌市PM_2.5与WSIIs浓度水平

2.1.2. 中部城市PM_2.5及WSIIs浓度水平的比较

2.3. PM_2.5的来源解析