Processing math: 100%
高级搜索

中国盆地城市人为源大气污染物排放清单及空间分布特征——以晋城市为例

,  ,  ,  ,  ,  ,  ,  , 

downloadPDF

上一篇

下一篇

张雪纯, 王文钜, 王明娅, 王海峰, 张浩, 韩桥, 熊钦卿, 张春晖, 王明仕. 中国盆地城市人为源大气污染物排放清单及空间分布特征——以晋城市为例[J]. 环境化学, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
引用本文: 张雪纯, 王文钜, 王明娅, 王海峰, 张浩, 韩桥, 熊钦卿, 张春晖, 王明仕. 中国盆地城市人为源大气污染物排放清单及空间分布特征——以晋城市为例[J]. 环境化学, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
shu
ZHANG Xuechun, WANG Wenju, WANG Mingya, WANG Haifeng, ZHANG Hao, HAN Qiao, XIONG Qinqing, ZHANG Chunhui, WANG Mingshi. Emission inventory and spatial distribution characteristics of anthropogenic air pollutants in basin city in China——A case study of Jincheng City[J]. Environmental Chemistry, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
Citation: ZHANG Xuechun, WANG Wenju, WANG Mingya, WANG Haifeng, ZHANG Hao, HAN Qiao, XIONG Qinqing, ZHANG Chunhui, WANG Mingshi. Emission inventory and spatial distribution characteristics of anthropogenic air pollutants in basin city in China——A case study of Jincheng City[J]. Environmental Chemistry, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
shu

中国盆地城市人为源大气污染物排放清单及空间分布特征——以晋城市为例

  • 1.

    河南理工大学资源环境学院，焦作，454000

  • 2.

    晋城市生态环境局，晋城，048000

  • 3.

    中国科学院地球化学研究所，贵阳，550081

    • 通讯作者: Tel：0391-3987998，E-mail：mingshiwang@hpu.edu.cn
  • 基金项目:
    国家自然科学基金（42007175）资助.

Emission inventory and spatial distribution characteristics of anthropogenic air pollutants in basin city in China——A case study of Jincheng City

  • 1.

    Institute of Resource and Environment, Henan Polytechnic University, Jiaozuo, 454000, China

  • 2.

    Jincheng Ecological Environment Bureau, Jincheng, 048000, China

  • 3.

    Institute of Geochemistry, Chinese Academy of Sciences, Guiyang, 550081, China

    • Corresponding author: WANG Mingshi, mingshiwang@hpu.edu.cn
  • Fund Project: National Natural Science Foundation of China (42007175).

摘要

  • 摘要: 为厘清晋城盆地大气污染来源特征，基于实地调研所获取的人为污染源活动水平数据，采用排放因子与物料衡算相结合的方法构建2020年晋城盆地人为源排放清单，利用ArcGIS进行1 km×1 km空间网格分配、Monte Carlo模拟量化各污染物排放量的不确定性。结果表明，晋城市6种大气污染物年排放量分别为：SO2 43736.24 t、NOx 54522.10 t、CO 494967.08 t、VOCs 35912.37 t、PM10 46275.92 t和PM2.5 24314.39 t。其中，电厂和工业锅炉等燃料燃烧活动贡献了79.8%的SO2；化石燃料燃烧和移动源分别贡献46.7%和29.7%的NOx；CO大部分来源于以钢铁冶金和铸件制造为主的工艺过程源，VOCs主要来自移动源，这两类源分别贡献CO和VOCs总排放量的53.8%和31.3%；工艺过程源贡献了32.5%的PM10和35.3%的PM2.5，扬尘源贡献了37.5%的PM10和20.0%的PM2.5。盆地较弱的污染物扩散能力和低海拔地区密集的污染源导致晋城市大气污染物空间分布特征差异显著，在285—750 m的低海拔地区污染物排放量高，而盆地边缘750—2200 m的中高海拔地区排放量较低，污染物主要集中在城区、泽州北部、阳城西部、高平中部和南部。Monte Carlo模拟结果表明，在95%的置信区间内，各污染物排放量的不确定性范围处于−27.31%—26.77%，其中CO的不确定性最低为−15.59%—15.52%，VOCs的不确定性最高为−27.31%—26.77%。
    Abstract: To clarify the characteristics of air pollution sources in the Jincheng Basin, an emission inventory of anthropogenic sources in the Jincheng basin in 2020 was constructed using a combination of emission factors and material balance, the 1 km × 1 km spatial grid assignment was obtained using ArcGIS, and Monte Carlo simulations were used to quantify the uncertainty of pollutant emission. The results showed that the annual emissions of pollutants were as followings: SO2 43736.24 t, NOx 54522.10 t, CO 494967.0 t, VOCs 35912.37 t, PM10 46275.92 t, and PM2.5 24314.39 t. Fuel combustion activities such as power plants and industrial boilers contributed 79.80% of the SO2; fossil fuel combustion and mobile sources contributed 46.7% and 29.7% of the NOx respectively; CO mostly came from the industrial process sources such as steel metallurgy and casting manufacturing, and VOCs mainly came from mobile sources, which account for 53.76% and 31.30% of the total CO and VOCs emissions respectively; the industrial process sources contributed 32.5% of PM10 and 35.3% of PM2.5, additionally the dust sources contributed 37.5% of PM10 and 20.0% of PM2.5. The weak pollution dispersion capacity in the basin and the dense pollution sources at low altitudes lead to significant differences in the spatial distribution characteristics of air pollutants in Jincheng, with high pollutant emissions at low altitudes between 285—750 m and low emissions at middle and high altitudes between 750—2200 m at the edge of the basin, with pollutants mainly concentrated in Chengqu, northern Zezhou, western Yangcheng, and central and southern Gaoping. The Monte Carlo simulation showed that the uncertainty in emissions for each pollutant was in the ranges of −27.31% to 26.77% at the 95% confidence interval, with the lowest uncertainty of −15.59% to 15.52% for CO and the highest uncertainty of −27.31% to 26.77% for VOCs.

  • 抗生素自被发现以来，就已被广泛应用于各行业中。抗生素是一种在较低浓度就能抑制影响其他生物机能的化学物质，拥有良好的治疗效果和促进生物生长的能力[1]。抗生素的出现帮助人类解决了许多人体和动植物病害等方面的问题，在各领域特别是动物饲料及医药品的生产中发挥了巨大的作用[2]。随着科技的发展，抗生素越来越难以从人类社会中剥离出来。但通常情况下，人和动物对抗生素的消化吸收能力很差，进入人或动物体内的抗生素中超过60%会通过粪便和尿液被排放到环境中[3]。此外，大量来源于医院、农场、养殖场和工厂等地的抗生素也会经过雨水和污水排放而流入水环境中[4]，而进入环境介质的中的抗生素由于其复杂的结构和较强的抑制杀菌能力导致其难以被生物降解。这些流入环境中的抗生素可能会诱导耐药菌株的生成，而若致病菌或条件致病菌从中获得了抗药因子，则将对生态环境与社会安全产生严重的潜在威胁[5]。早在2015年，中国患者的抗生素使用率就已超过80%[6]，远高于同年的欧美国家，而全球各地也早已出现了关于水体抗生素污染问题的报道[7-8]，其中中国的抗生素污染问题则较为突出，如对上海黄浦江的调查中发现了高浓度的磺胺类以及四环素类抗生素[9]，而2014年京杭大运河则被检出其抗生素浓度超过自然水体的10000倍[10]。随着抗生素对水环境造成的威胁不断扩大，越来越多的研究者开始聚焦于水环境中抗生素污染的修复和去除工作[11]。

    目前常用于去除水体中抗生素的方法主要包括吸附、光化学降解、微生物降解、超声降解、膜处理工艺、人工湿地等，部分方法存在成本高、稳定性差、工艺复杂等问题[11-12]。吸附作为一种常用有效且成本低廉的技术，常被应用于水体中抗生素的去除[13]，而生物炭相较于活性炭、碳纳米管、黏土矿物、离子交换树脂等其他几种常用吸附剂，拥有成本低廉、制备简单、原材料来源广泛和环境友好等优点[14]。生物炭是一种在限氧或无氧环境下高温热解生物质产生的一种芳香程度高且具有多孔径结构和大量表面活性官能团的富碳固体物质[15]。研究表明部分生物炭对水体中特定的抗生素具有一定的吸附去除效果[7,16]，但由于生物炭本身带负电，很多情况下对抗生素吸附能力表现并不佳，而通过在制备过程中或之后对生物炭表面进行修饰或者使用化学试剂处理可以定向改变其部分理化性质，这种改性通常可显著提高生物炭对目标污染物的吸附能力[17]，因此对生物炭进行改性已成为当下生物炭研究领域的必然趋势[18]。

    目前改性生物炭已广泛运用于许多水体污染物的去除研究，例如重金属、营养物质及有机污染物[19-20]。目前，对生物炭比较常用的改性方法可以大致分为化学、物理以及生物改性方法，其中化学方法是较常用的改性方法[21]。现如今对生物炭进行改性的方法繁多，同时用于吸附的抗生素种类不同也会造成吸附效果和机理出现较大的差异。目前虽出现了很多关于改性生物炭对水体中抗生素的吸附研究报道，但部分研究中对抗生素吸附机理方面的解释还不够清晰。同时，由于生物炭理化性质受生物质类型和碳化条件的影响较大，不同生物炭对不同污染物的吸附效果及过程也不同。因此有必要对现有的研究进行归纳总结。本文对改性生物炭的制备及其理化性质表征、吸附污染物的影响因素以及对水体抗生素的吸附机理和吸附效果等方面进行综述。

    1.   改性生物炭的制备及其理化性质表征（Preparation and physicochemical properties characteriz-ation of modified biochar）

    生物炭制备的原材料来源广泛且价格低廉，按照制备原料的不同，生物炭可以大体分成：木质生物炭、粪便炭、植物秸秆炭、稻壳炭、污泥生物炭等类型[22-23]。这些生物炭通常稳定性较高且不易被氧化[24]，利用工、农、林业废物制成的生物炭作为吸附剂来修复水体抗生素污染不仅为废物的重复利用提供了方案，也有利于水体抗生素污染的修复工作[25]。

    但在许多情况下，直接热解制成的生物炭对部分抗生素的吸附效果存在较大的局限性，这种局限性主要是因为单纯控制碳化条件难以改变生物炭孔隙、比表面积大小以及表面含氧官能团等影响吸附性能的因素[25]。部分制备的原始生物炭对抗生素体现出的吸附效果不佳。如在赵涛[26]的研究中，700 ℃下制备的花生壳、皇竹草、玉米秸秆对磺胺嘧啶的最大吸附量分别为1.89、5.29、5.79 mg·g−1。研究者在600 ℃下制备的木屑生物炭对左氧氟沙星的最大吸附量为7.72 mg·g−1[27]。Wang等[28]的研究结果显示，最适温度下的稻草生物炭对水体中四环素（TC）的最大吸附量为13.85 mg·g−1。其他的研究中发现马铃薯茎叶生物炭对诺氟沙星的吸附量也低于10 mg·g−1[29]。而在改性生物炭对四环素的吸附实验中，通过将KOH溶液与杨木生物炭进行混合后制备出的改性生物炭对四环素的吸附量从4.30 mg·g−1提升到了21.17 mg·g-1[30]。因此，对生物炭进行改性将有助于解决生物炭对抗生素吸附性能不佳的问题。

    1.1   改性生物炭的制备

    制备改性生物炭的方法大体可以分为对生物炭原材料进行预处理或对制备完成后的原始生物炭进行改性处理，即通过在生物炭的制备过程中或之后对其表面进行修饰或者使用化学试剂处理从而得到部分理化性质被改变的生物炭，通过改性改变生物炭的比表面积、孔径大小、表面官能团及表面化学结构等因素使改性后的生物炭更加适合对目标物的吸附[31]。改性生物炭常规的制备流程如图1所示。许多研究证明通过对生物炭进行特定的改性后，生物炭对目标物的吸附能力显著提高[17]，且改性可能使生物炭的制备成本降低或者定向改变生物炭作为吸附剂时的部分缺点，例如分离回收困难等[32]。目前对用于水体中抗生素吸附的生物炭进行改性常用的方法可以大致分为化学、物理以及生物改性方法，其中化学方法是最常用且有效的改性方法[21]。

    图 1  改性生物炭的基本制备流程
    Figure 1.  Preparation process of modified biochar
    下载: 全尺寸图片 幻灯片

    化学改性通常是指在生物炭制备前，向生物炭原材料中添加酸、碱、还原剂、氧化剂等化学试剂从而在生物炭热解过程中改变生物炭的物理化学性质[33]，或在生物炭制备完成后加入化学试剂直接处理生物炭从而修饰生物炭的表面性质及令官能团发生改变。例如将在350 ℃下热解成的松木屑生物炭与磷酸溶液混合并二次热解后制备出来的磷酸改性生物炭表面结构发生了明显的变化，改性后生物炭的比表面积提高幅度较大，这使磷酸改性生物炭对氧氟沙星(OFL)和诺氟沙星(NOR)的吸附能力得到了显著的提升[34]。使用酸、碱试剂改性能对生物炭的理化性质带来显著的改变，酸改性后的生物炭中氧的含量显著增加并产生更多的酸性官能团。有研究表明使用硫酸改性的小麦秸秆生物炭比表面积扩大，且酚羟基类酸性官能团含量显著增加[35]，但相比于碱改性，酸改性生物炭的比表面积增量通常较低，且碱改性给生物炭带来的碱性物质如OH−离子或NH2基团可以与生物炭表面的官能团发生反应，可增强生物炭对带负电荷物质和水中有机污染物的吸附能力[18,36]。化学改性通常能较好的增加生物炭比表面积大小和表面官能团含量从而提升吸附性能，但由于使用酸、碱、氧化剂等化学试剂作为改性剂，在实际运用中有产生二次污染的风险[31]。

    物理改性常用的手段是在制备完成后对生物炭进行二次煅烧来进一步清除生物炭表面孔隙中的杂质进而改变生物炭孔隙结构，增加其比表面积，从而提高生物炭的吸附性能[37]，将生物炭加热到800—900 ℃保持1—2 h后通入氢气、氩气或空气可使生物炭表面形成新的官能团[38]。或通过微波处理对生物炭进行改性，如对玉米秸秆生物炭进行微波改性后，其对Cd的吸附量达到了26.90 mg·g−1，但在同一研究中，使用NaOH溶液改性的生物炭对Cd的吸附能力几乎都大于微波改性生物炭[39]。

    而用生物方法改性的研究则相对较少，这可能是由于生物方法改性的过程较为繁琐且对环境条件的要求较高。在使用硝化菌改性的稻壳生物炭去除水体氨氮的研究中，固定了硝化菌的生物炭在保留原吸附能力的同时发挥出了微生物的高效降解作用[40]。研究显示使用有效微生物群菌 ( effective microorganisms，EM) 和聚磷菌改性后的秸秆生物炭对水体氮、磷的去除效果相较于未改性生物炭高，对氮源和磷源需求量较高的菌生存条件可能是产生这一现象的原因[37]。

    此外还有例如将生物炭与金属盐溶液混合制备的磁改性生物炭，生物炭的磁改性即对生物炭原材料进行共沉淀使其负载铁化合物再进行高温热解制备成磁改性生物炭，或在原始生物炭制备完成时加入磁性物质例如Fe3O4使两者充分反应混合后再次高温煅烧增加其稳定性[41]。在生物炭表面负载铁氧化物后，SEM能谱仪中显示出了明显的Fe峰，说明负载的Fe成功在生物炭表面生成氧化物等化合物[42]。黄芪草药生物炭的比表面积大小经过磁改性后得到了十分显著的提升[43]。也有研究证明通过紫外辐射对生物炭进行改性也会增强生物炭对污染物的吸附能力[44]。改性生物炭的制备方法众多，使用多种方法联用制备的复合改性生物炭可能会产生更好的效果[45]，不同的改性方法对生物炭产生的影响差异较大，而在选择改性方法时除了考虑吸附能力还需注意经济效益。

    1.2   改性生物炭的理化性质表征

    对改性生物炭理化性质的表征有助于对吸附行为和机理的解释。改性生物炭的理化性质在很大程度上决定了吸附的过程及效率，而生物炭的理化性质受生物炭制备时间、热解温度、原材料选取和改性方法等因素的影响而发生改变[14]，对改性生物炭理化性质的测定主要包括pH值、形貌特征、表面官能团等（图2）。

    生物炭的灰分主要由生物炭原材料决定，高灰分含量可能会导致生物炭表面孔隙堵塞从而降低吸附能力，因此对灰分的测量可作为解释生物炭吸附能力的依据，研究表明部分改性方法可以减少生物炭灰分从而使更多的孔隙暴露出来[46]。测量生物炭的阳离子交换量和Zeta电位有助于初步预测该生物炭对目标污染物的吸附能力，如较低的Zeta电位绝对值和较低的阳离子交换量均不利于对阳离子的吸附[47]。生物炭的pH值主要由制备原材料和热解温度决定，研究显示在250—650 ℃的热解温度间，4种生物炭（稻草、玉米秸秆、木屑、鸡粪）的pH值随热解温度的升高而升高，且随热解温度的升高pH值的提升速率逐渐放缓[48]。不同温度下制备的生物炭表面特征以及元素组成存在差异，对生物炭进行改性会改变原生物炭的元素组成，可以通过元素分析仪清晰的看出改性前后生物炭内部元素的变化从而判断发生的结构变化，如在探究几种改性方法对生物炭理化性质的影响研究中[18]，对生物炭进行酸改性后，H/C和O/C较未改性有所增加，这意味着酸改性后生物炭的芳香度减小、极性增加且疏水性降低，碱改性后生物炭的N/C增加，则表明在改性的生物炭表面上存在更多的负责基本性质的含氮基团。比表面积是预测生物炭吸附能力的一个重要参数，它可以非常直观地显示出吸附材料表面的吸附面积，为了提升生物炭的吸附性能，改性后生物炭比表面积与孔隙结构大小的改变都应有利于生物炭的吸附过程，如磁改性后的柚子皮生物炭比表面积明显增加，平均孔径略有减小，这说明生物炭的表面孔隙从少而大转变为多而密集的结构，这样的结构将更有利于粒径较小的污染物的附着[41]。生物炭的表面官能团受到改性方法的影响较大，表面官能团种类和数量的不同将影响生物炭对目标物的吸附能力，可以通过FTIR分析来鉴定改性前后生物炭表面官能团的变化，如在采用铁、酸碱联合以及铁氧化改性生物炭对氨氮吸附影响的研究中[49]，通过FTIR分析发现铁氧化改性生物炭出现了更多的—OH、C=O以及C—O官能团，其他几种吸附了氨氮的改性生物炭FTIR图谱中也均出现了明显的C—O官能团，因此这几类改性生物炭对氨氮的吸附量增加的主要原因可能是改性后C—O官能团的增加。

    图 2  改性生物炭理化性质表征及其测定方法
    Figure 2.  Characterization and determination method of physicochemical properties of modified biochar
    下载: 全尺寸图片 幻灯片

    不同改性方法会使生物炭的理化性质及表征产生较大的区别，因此应根据不同污染物的属性和实际需求，有针对性地选择改性方法，从而提高生物炭的吸附能力。而全面分析测量改性生物炭的各理化性质将有助于对生物炭吸附能力的强弱进行科学的解释，其中比表面积、孔隙结构和表面官能团是生物炭吸附抗生素等有机污染物的最主要影响因素[50-51]，如在程扬等[52]的研究中，三桠苦药渣生物炭对四环素（TC）的吸附能力大于同温度下制备的玉米秸秆生物炭，这是由于前者拥有更大的比表面积、更规整的孔隙结构和更丰富的表面官能团。

    2.   改性生物炭对水体中抗生素的去除效果和机理（Removal effect and mechanism of antibiotic by modified biochar in water）

    改性生物炭对水体污染修复的研究主要集中于对水体重金属、阴离子污染物、营养物质和抗生素等有机污染物的吸附去除。随着水体中抗生素污染的日益严重，使用改性生物炭修复抗生素污染水的研究也逐渐增加。排入水体环境的抗生素从来源可以大致分为医用抗生素、农用抗生素和工业生产残留抗生素。其中水体中残留浓度较高且常用于生物炭吸附研究的抗生素主要有磺胺类（SA）、喹诺酮类（FQ）、大环内酯类（MA）、四环素类（TC）、氯霉素类抗生素（CP）等。生物炭对水中抗生素的主要吸附机制有微孔填充、表面物理吸附、氢键作用、π-π相互作用、静电作用、离子交换以及疏水相互作用等（图3），这些吸附作用共同影响生物炭的吸附过程及吸附效率[53]。

    图 3  生物炭对水中抗生素的主要吸附机理
    Figure 3.  Main mechanisms of the adsorption of bichar on antibiotics in water
    下载: 全尺寸图片 幻灯片

    2.1   磺胺类

    水体中典型的磺胺类抗生素有磺胺二甲嘧啶(SMZ)、磺胺嘧啶(SD)、磺胺乙酰胺(SCT)、磺胺吡啶(SPD)、磺胺甲异恶唑(SMX)、磺胺噻唑(ST)、醋酸铵甲恶唑(ASMZ)、磺胺二甲异恶唑(SIZ)、磺胺氯哒嗪(SCP)、磺胺对甲氧嘧啶(SM)、磺胺多辛(SDO)、磺胺甲嘧啶(SMR)、磺胺间甲氧嘧啶(SMM)等。磺胺类抗生素是全球使用量最大的畜禽用药之一，产量与排放量较大，贵阳市南明河中40种典型抗生素中有34种被检测出来，其中磺胺类抗生素被发现为主要污染物[54]。

    Tian等[55]在其配制的SMX 溶液中分别单独添加生物炭粉和KMnO4等待反应30 min，结果显示生物炭和KMnO4对SMX的去除率均低于10%，而当把KMnO4和生物炭混合后加入SMX溶液后反应30 min后，SMX的去除率达到了97%，几乎可以将其完全去除，一级动力学模型可以更好地拟合该反应过程。氧化剂改性后生物炭比表面积、总孔体积和含氧基团的增加使生物炭吸附能力大大提高，且KMnO4氧化剂改性后的生物炭表面出现的Mn化合物能更容易的将SMX氧化为分子量较大的含氧有机物，它们会很容易的被负载锰的生物炭通过物理吸附和氢键作用所捕捉从而提高吸附效果。部分氧化剂被证明可以用来改善生物炭的孔隙性质并增加含氧官能团，从而可以增强生物炭与污染物之间的相互作用提高吸附性能，可见使用强氧化剂作为生物炭的改性材料以去除水体抗生素是十分有效的手段。

    李蕊宁等[17]用500 ℃下制备的马铃薯茎叶生物炭分别与200 mL浓度为10%的H2SO4和3 mol·L−1 KOH溶液混合搅拌，以制得酸改性生物炭和碱改性生物炭，探究了原始生物炭和酸、碱改性等3种生物炭对水中ST的吸附性能。研究中发现碱改性生物炭和酸改性生物炭的比表面积、总孔体积和微孔体积均有减少，这是因为酸碱具有氧化性，在改性过程中部分生物炭被氧化，使孔壁塌缩，生物炭的孔道结构重新调整。且氧化生成的表面含氧官能团也会对孔道结构形成一定的堵塞，致使孔道体积减小。其吸附实验结果显示酸改性后的生物炭平衡吸附量7.69 mg·g−1为原始生物炭3.20 mg·g−1的2.4倍，而碱改性生物炭的吸附性能提升较不明显。该酸、碱改性生物炭对ST的吸附存在化学吸附并主要以物理吸附为主，其中氢键起重要作用。

    在实际运用生物炭修复水体污染时，小颗粒状的生物炭往往面临从水中分离回收困难的问题，靠后续处理分离又将增加整个工艺流程从而造成成本的提升，因此生物炭的回收问题也应纳入考虑。研究证明通过对生物炭进行负磁改性不仅能显著提升生物炭的吸附性能，且在吸附结束后可以通过外加磁场使磁改性生物炭从水中分离[56]，磁改性后的生物炭表现出了良好的回收利用能力[57]。Reguyal等[58]将制备好的松木屑生物炭与FeCl2溶液混合搅拌之后添加KOH和KNO3溶液继续反应，干燥后获得了磁改性松木屑生物炭（MPSB），研究了MPSB对SMX的吸附性能及机理。通过表征后发现，MPSB的比表面积比原始生物炭低，其吸附能力也较未改性生物炭弱，这可能是由于纳米级的Fe3O4 进入孔道堵塞了生物炭表面的孔隙从而减少了吸附位点所致[59]。即不是所有情况下改性都能针对性的增加生物炭对目标抗生素的吸附亲和力。研究了MPSB与SMX的吸附机理与性能后，发现π-π相互作用以及疏水相互作用在吸附中起了重要作用，且当pH值为2—3时MPSB对SMX表现出最佳的亲和力，但同时发现在这样的低pH值条件下有Fe从MPSB中析出。由于磁改性后生物炭表面产生高强度的磁性，吸附完成后MPSB被轻松的从溶液中分离出来。

    相较于未改性生物炭，使用氧化剂或酸对生物炭进行改性后，其对磺胺类抗生素的吸附能力展现出了较大的提升，在考虑经济效益的基础上对改性生物炭再进行负磁更有利于提高生物炭的吸附率以及重复利用率。由于磺胺类抗生素是离子型抗生素，除了微孔填充等物理吸附作用外，静电作用和离子交换作用也是重要的吸附机理之一[51]，且磺胺类抗生素的苯环结构能较轻易的与类石墨化结构的生物炭发生π-π相互作用，因此疏水相互作用和π-π相互作用也可能为改性生物炭对磺胺类抗生素的主要吸附机理。

    2.2   喹诺酮类

    常见的喹诺酮类抗生素有马波沙星(MAR)、氟罗沙星(FLE)、甲磺酸培氟沙星(PEF)、诺氟沙星(NOR)、环丙沙星(CIP)、甲磺酸达诺沙星(DAN)、氧氟沙星(OFL)、恩诺沙星(ENR)等，其中CIP和NOR在各河流中的检测浓度检测率较高[60]。

    Kong等[43]在700 ℃下热解制备了黄芪草药废渣生物炭，加入Fe2+/Fe3+混合溶液搅拌、洗涤、冷却后制备出了磁改性生物炭（M-BC），以利用M-BC吸附溶液中的CIP。尽管M-BC的某些孔被氧化铁颗粒阻塞，改性后的生物炭比表面积仍从4.40 m2·g−1提升到203.70 m2·g−1，这为目标抗生素提供了更多的吸附位点。吸附实验进行12 h后M-BC对CIP的吸附量达到饱和（既（68.90±3.23）mg·g−1）。另外有研究指出磁性生物炭与MnOx的复合材料具有大量的官能团和高比表面积，且易于集成与分离。Li等[45]制备了以KMnO4作为改性剂的磁性马铃薯茎叶生物炭基锰氧化物的复合物，通过SEM仪器分析后发现改性后生物炭表面更加粗糙，这可能是由于生物炭表面氧化物的堆积，元素分析后证实了这一猜测，即氧化铁和锰氧化物成功在生物炭表面生成。生物炭表面的氧化物提升了生物炭的吸附能力，该改性生物炭对NOR、CIP和ENR的吸附性能较未改性生物炭分别提高了1.2、1.5、1.6倍，且通过外加磁场可轻松的将该生物炭从水中分离出来。Wang等[50]发现ENR在pH 5时以阳离子形态存在，阳离子交换在吸附中起了重要作用，表面带负电荷的生物炭经过酸碱改性后产生大量酸性和碱性基团，这大大促进了化学吸附的进行。

    生物炭对喹诺酮类抗生素的吸附能力在经过酸、碱、氧化剂及磁改性后均显示出了不同程度的提升，适当的磁改性可以在不破坏生物炭表面吸附结构的同时大幅增加生物炭比表面积，这有助于生物炭的物理吸附。除了改变生物炭表面结构而增强的微孔填充与表面沉淀作用，Hu等[61]的研究中发现阳离子交换、静电作用和π - π相互作用在复合磁改性生物炭对CIP的吸附中也起着重要作用。

    2.3   四环素类

    四环素类抗生素包含金霉素、土霉素、TC、强力霉素以及二甲胺基四环素等。此类抗生素是保健产品和动物饲料生产中最常用的抗生素之一[21]，中国2013年内四环素类抗生素的使用量几乎为英国总抗生素使用量的6倍[62]。加入饲料中的四环素会随着动物粪便进入土壤随之渗进水体环境，相比于常用的光催化等技术去除水体中的四环素类抗生素，使用生物炭的吸附方法更加实用且环保。

    杨奇亮等[21]以 NaHCO3和三聚氰胺为改性剂制备了玉米秸秆改性多孔生物炭，改性后生物炭的比表面积、亲水性、极性、芳香性都明显提高，且生物炭表面官能团更加丰富，孔隙结构也发生了明显的改变，这使得该生物炭对四环素的吸附能力得到了大幅度的提升，这其中静电作用、π-π相互作用以及氢键作用为重要吸附机理。Chen等[63]发现溶液pH值从5增加到9磷酸改性的猪粪生物炭吸附能力较未改性生物炭明显增强并逐渐提升，但其吸附能力在同种条件下略低于稻草类生物炭，这是因为尽管化学吸附在该吸附过程中占主导地位，但稻草类生物炭相比于猪粪生物炭的表面特征更加适合对抗生素的吸附。Jing等[64]制备了甲醇改性稻壳生物炭以研究对四环素的吸附效果，用甲醇在酸性条件下对生物炭进行修饰，发生的酯化反应和生物炭与甲醇之间的羰基反应改变了生物炭的理化性质。由于生物炭表面的杂质被去除，改性后生物炭的比表面积从51.86 m2·g-1提升到65.97 m2·g−1。FTIR分析发现改性显著的改变了生物炭表面的官能团和含氧基团。吸附实验发现用甲醇进行简单的改性也能将稻壳生物炭对TC的吸附效率提升近乎两倍，官能团和含氧基团性质的变更可能在提高生物炭对TC的吸附能力中起重要作用，拟二级动力学能更好的模拟该吸附过程。

    改性生物炭对TC的吸附通常都不是以简单的物理吸附为主，而是物理化学复合吸附的过程。有研究指出氢键作用、静电作用以及π-π相互作用在改性生物炭对TC的吸附过程中至关重要[30,63,65]。

    2.4   大环内酯类

    医疗上常用的大环内酯类抗生素主要有红霉素、罗红霉素、阿奇霉素、克拉霉素、地红霉素、氟红莓素、泰利霉素和泰乐菌素（TYL）等。大环内酯类抗生素具有良好的抗菌作用和广泛的药理作用，在医疗领域、畜牧养殖和水产养殖的广泛应用也导致各地出现了水体MCs超标的报道。朱琳等[66]发现北京市清河水体中的藻类和水生植物受到各类抗生素污染产生了环境风险，其中MCs为影响该水体的主要污染物质之一。水环境中过量的MCs将带来急性或慢性毒作用从而影响水体微生物并对环境产生破坏[67]。

    Guo等[59]用600 ℃下热解成的棕榈生物炭并与Fe（NO3）3·9H2O混合搅拌改性制备出针铁矿改性生物炭，发现改性后针铁矿颗粒紧密的嵌入了生物炭表面的同时生物炭比表面积明显减少，这可能是由于针铁矿堵塞了生物炭表面的孔隙结构。但吸附实验发现针铁矿改性后生物炭对TYL的最大吸附量增加约36%，说明该生物炭对TYL的吸附不是单一的物理吸附，TYL表面的带电官能团可能与生物炭表面的芳香结构发生相互作用。进一步分析发现阳离子交换、静电、氢键、疏水及供-受体相互作用均作用于该吸附过程。但目前使用改性生物炭对大环内酯类抗生素吸附相关的研究较少，未来的研究应加强对该类抗生素的关注。

    2.5   氯霉素类

    氯霉素类抗生素是高效的广谱抗生素，它包括氯霉素（CP）、甲砜霉素及无味氯霉素等。氯霉素在畜牧业中有着广泛的应用，环境中的氯霉素流入人体会导致人体肠道的菌群失调从而导致多种疾病的产生。

    吴智威[68]研究了使用乙醇和NaOH制备的改性竹炭生物炭对CP的吸附过程，并对改性生物炭用Fe和Cu进行了负磁，负载于生物炭的Fe发生氧化以提供电子来加速对CP的降解，即该磁改性生物炭对CP的去除过程由吸附和降解同时进行，其中吸附以化学吸附为主导。该生物炭在4—6的pH范围内不仅对CP的去除率有了较大的提升，且去除速度也提升明显，但生物炭表面上的Fe、Cu的颗粒间存在磁性作用，容易发生团聚现象，反而可能会影响吸附的过程。另外有研究将纳米级零价铁固定在了功能化生物炭上制备出磁性生物炭复合材料[69]，发现该复合材料拥有较好的固液分离能力和较高的重复利用性，对CP的去除同时存在还原和吸附作用，且相比于未负磁的功能化生物炭，对CP的吸附能力提高了约57%。CP在pH值低于5.5时会形成电荷辅助氢键，可以促进较低pH环境下的吸附过程，Langmuir等温方程与该吸附过程的拟合度更高。而由于铁对氯霉素的阳离子交换能力较生物炭表面的羧基高，在pH为4.0—4.5的范围内时该生物炭对CP的吸附主要以氢键、静电作用以及生物炭表面的含铁官能团与氯霉素表面的硝、羟基官能团的快速相互作用所决定。另外也有研究指出电子给体-供体和氢键作用在改性生物炭吸附CP的过程中起了重要作用[7]。

    改性生物炭的原材料、改性剂、改性方法、目标抗生素的种类都在很大程度上影响着生物炭对抗生素的吸附性能及机理。由于较明显的多孔结构和较大的剩余量，农作物秸秆及茎叶成为了生物炭制备中最常用的原材料之一，而由于较好的改性效果，改性材料以酸、碱、氧化剂等化学试剂为主，同时采用磁改性来提升生物炭吸附和重复利用能力的研究也逐渐增加。但现有许多研究未将生物炭的制备成本纳入考虑，部分复杂的改性方法拥有较好效果的同时可能存在成本过高的问题。

    表1列出了改性与未改性生物炭的部分表征和对水体中不同抗生素的吸附能力。可以看出在改性方法、生物炭原材料和目标抗生素都不一样的情况下，改性后的生物炭大多表现出了强于原始生物炭的吸附能力，且不同生物炭及条件下最大吸附量出现较大的差距。其中在不考虑成本的情况下，添加酸、碱和氧化剂并联用磁改性的生物炭表现出了良好的吸附效果。少部分改性后吸附能力反而降低的生物炭可能是由于改性剂与生物炭附着不牢固或是改性剂破坏了生物炭原本的表面结构导致[58]，因此某种改性方法对不同生物炭吸附能力的影响不能一概而论。

    表 1  改性（未改性）生物炭表征及对典型抗生素的吸附能力
    Table 1.  Characterization of modified (unmodified) biochar and its adsorption capacity for typical antibiotics
    生物质Biomass改性方法及试剂Methods and reagents of modification抗生素类型Types of antibiotics最大吸附量/（mg·g−1）Maximum adsorption capacity热解温度/℃Pyrolysis temperature溶液pH比表面积/（m2·g−1）Specific surface area平均孔径/nmAverage pore size来源文献Reference
    马铃薯茎叶原生物炭与H2SO4溶液混合，酸改性磺胺噻唑7.69（3.20）5005.3092.85（99.43）2.79（3.12）[17]
    芦苇秸秆原生物体与磷酸溶液浸渍并负载TiO2制得复合材料磺胺嘧啶5.50（—）5006.46——[70]
    农产品原生物炭与KMnO4混合磺胺甲恶唑——5.0086.30（114.10）—[55]
    松木屑原生物炭与Fecl2混合，磁改性磺胺甲恶唑13.83（17.49）6504.00125.80（297.80）9.60（3.67）[58]
    竹子使用球磨技术处理原生物炭磺胺吡啶57.90（—）4506.00——[71]
    黄芪草药原生物炭与Fe2+/Fe3+溶液混合，磁改性环丙沙星68.90（—）7006.00203.70（4.40）—[43]
    马铃薯茎叶磁改性生物炭与KMnO4混合，磁性生物炭基锰氧化物的复合物环丙沙星8.37（5.58）5003.00252.00（99.43）2.56（3.12）[45]
    樟树叶原生物炭负载纳米氧化锌与Fe盐溶液混合改性环丙沙星449.40（—）6504.00915.00（19.00）—[61]
    酒糟原生物炭与氯化铁、硫酸锰溶液混合改性左氧氟沙星181.00（—）8005.0093.40（—）—[72]
    马铃薯茎叶磁改性生物炭与KMnO4混合，磁性生物炭基锰氧化物的复合物诺氟沙星6.94（5.78）5003.00252.00（99.43）2.56（3.12）[45]
    松木屑原生物炭与磷酸溶液浸渍后再次热解诺氟沙星337.60（1.96）3505.571148.32（9.15）2.18（12.41）[34]
    马铃薯茎叶磁改性生物炭与KMnO4混合，磁性生物炭基锰氧化物的复合物恩诺沙星7.19（4.49）5003.00252.00（99.43）2.56（3.12）[45]
    玉米秸秆原生物炭与磷酸溶液混合改性恩诺沙星41.91（38.07）5005.0014.17（3.01）0.73（1.29）[50]
    玉米秸秆原生物炭与KOH溶液混合改性恩诺沙星58.29（38.07）5005.0022.69（3.01）0.64（1.29）[50]
    鸡骨原生物炭与Fe2+/Fe3+溶液混合，磁改性四环素98.89（9.83*）5008.00328.06（316.05）—[73]
    玉米秸秆生物炭原材料与NaHCO3、三聚氰胺混合后热解四环素347.00（9.83*）8004.00—7.00（3.00—9.00*）1401.00（356.28*）3.46（2.62*）[21,52]
    稻壳生物炭原材料与甲醇溶液混合改性四环素18.53（10.25）383—4122.0065.97（51.86）—[64]
    杨木原生物炭与KOH溶液混合改性四环素21.17（4.30）3005.001.61（—）—[30]
    猪粪原生物炭与磷酸溶液混合改性四环素160.30（—）7009.00319.04（227.56）—[63]
    稻草原生物炭与磷酸溶液混合改性四环素167.50（—）7009.00372.21（369.26）—[63]
    污泥与壳聚糖与Fe/S混合制备复合改性吸附材料四环素183.01（51.78）5005.00——[74]
    竹子负载Fe/Cu的乙醇改性生物炭复合材料氯霉素5.20（0.077）4505.00——[68]
    棕榈原生物炭与针铁矿混合改性泰乐菌素—6009.00230.50（120.50）38.00（38.00）[59]
    　　注：“（）”内为未改性生物炭的相关数据；“ — ”表示原文未提及；“ * ”表示该数据出自不同文献　　Note: “（）” means the corresponding data of unmodified biochar; “ — ”means there is no record in the original documents"; “ * ” means the data comes from different documents.
     | Show Table
    DownLoad: CSV

    3.   改性生物炭对水体中抗生素吸附的影响因素（The influencing factors of antibiotic adsorption by modified biochar in water）

    改性生物炭吸附水体抗生素的效率在很大程度上受制备原材料种类的影响，这种影响主要是由于生物炭内的有机碳含量、孔隙大小及结构、比表面积、官能团数量及种类的差异所产生[51]。几种类型的生物炭比表面积从大到小依次为稻壳类生物炭、粪便类生物炭、植物秸秆生物炭、木质生物炭、污泥生物炭[51]。生物炭的pH值取决于制备原材料以及制备的工艺过程，其通常呈中性或碱性[75]。研究表明，在600 ℃下制备的稻草、猪粪[76]、玉米秸秆生物炭和三桠苦药渣生物炭，对水体中四环素的吸附效率差距较大[52]。而同样使用玉米秸秆生物炭作为吸附剂，其对磺胺嘧啶、磺胺氯哒嗪、磺胺甲恶唑3种磺胺类抗生素的吸附效率也产生出较大的差异，玉米秸秆生物炭对磺胺甲恶唑的吸附效率远大于磺胺嘧啶和磺胺氯哒嗪[26,77]，可见同种生物炭对不同抗生素的吸附性能也有着较大的差异。

    不同改性方法和改性试剂对生物炭理化性质及吸附能力的影响存在较大差异，各改性方法通常都能使生物炭表面官能团的数量与丰富度增加，同时改变原有孔隙结构，大多能正面影响生物炭的吸附能力[46,78-79]。但也有研究发现对生物炭进行磁改性后虽然解决了生物炭回收困难的问题，但改性后生物炭的比表面积减少，对抗生素的吸附能力没有增强甚至出现了降低[58]，这可能是由于改性材料堵塞了生物炭表面的吸附位点或破坏了生物炭原本的吸附结构。生物炭和改性试剂间产生的反应也可能对吸附能力产生负面影响，如KMnO4与生物炭混合时间超过12、24、36、48 h后该改性生物炭对SMX的去除效率从97%分别降低至89%、83%、69%和53%，这是由于KMnO4是强氧化剂，在生物炭和KMnO4的混合过程中，生物炭消耗了KMnO4的氧化能力[55]。

    原始生物炭的制备温度也在很大程度上影响改性生物炭的吸附能力，这是因为不同温度制成的生物炭表面结构区别较大，而比表面积和孔隙结构等是影响生物炭物理吸附最主要的因素。如800 ℃下制备的玉米秸秆生物炭对SMX的吸附性能明显大于600 ℃和400 ℃制备出的生物炭[52]，改性玉米秸秆生物炭对CP的吸附能力也显示出随热解温度上升而提高的趋势，在热解温度超过800 ℃后吸附性能提升不明显，考虑到经济效益，以800 ℃为最适热解温度[21]。Lian等[80]在250、400、600、800 ℃热解温度下制备了丹参生物炭，生物炭的比表面积、灰分和pH值都随温度提升，而产率从91.9%快速掉到了29.1%，吸附的强度也随之降低。同样在350 ℃温度下制备的磷酸改性生物炭对OFL和NOR的吸附效率明显大于200、500、650 ℃温度下制备的同类生物炭[34]。即通常越高温度制备的生物炭吸附能力越强，但过高的热解温度又有可能破坏生物炭原有的结构或表面官能团造成吸附能力的降低[51]，因此最适热解温度应从包括经济效益在内的多方面进行考虑。

    改性生物炭对抗生素的吸附效率随着生物炭的投加量逐渐增加并到一定程度后趋于平缓，而投加量的选择则需综合考虑吸附效果与经济性。反应时间的影响也与此类似，反应开始后一段时间内水体中的抗生素被迅速去除，并在一定时间后达到吸附饱和，Reguyal等[58]制备的磁改性松木屑生物炭对水体中SMX的吸附在反应30 min时就达到了平衡，之后吸附能力逐渐趋于平缓，此时的吸附能力为最大吸附量。但过长的反应时间有可能会导致生物炭表面的改性材料与生物炭发生反应从而使吸附能力降低[55]。另外离子强度也会影响吸附过程中的静电作用，从而影响生物炭对污染物的吸附和解吸过程[81]

    吸附时背景溶液的pH值直接影响改性生物炭的吸附效率及过程，这种影响同时作用于改性生物炭和目标抗生素。图4为几种生物炭及改性生物炭对不同抗生素的吸附量或去除率随pH变化过程，可看出不同生物炭吸附能力随pH值变化的敏感度差距较大，这可能是因为不同改性生物炭对溶液的缓冲能力不一致，但总体来说在较高的pH值条件下，均显示出了对抗生素吸附性能不同程度的下降。这是因为改性生物炭所处溶液的pH值低于零点电荷（pHpzc）时带正电，此时生物炭对阴离子态较多且带负电的抗生素静电排斥力较低，而pH值升高的过程中生物炭负电性增强，导致了其与抗生素的亲和力降低，吸附能力开始减弱[82-83]。

    图 4  不同pH值条件下生物炭及改性生物炭对各抗生素的去除率[21,52,58,68,70,73]
    Figure 4.  Removal rate of various antibiotics by biochar and modified biochar under different pH values[21,52,58,68,70,73]
    下载: 全尺寸图片 幻灯片

    溶液pH值会改变生物炭表面的电荷及抗生素的存在形式从而影响吸附效率及吸附过程，研究证明以pH 5.5为分界点时，土霉素（OTC）分别主要以OTC+与OTC±（pH＜5.5）和以 OTC +、OTC±、OTC−（pH＞5.5）的形态存在[51]，磺胺类抗生素在低pH值条件下主要以阳离子形态存在，而当pH值＞7时磺胺类抗生素主要以阴离子形态存在，这使低pH值下π-π相互作用成为主导的吸附机制，而高pH值背景下这些阴离子可以通过氢键与生物炭表面的羧基进行结合[84]，主要吸附机制的变更导致了吸附性能出现差异。NaHCO3和三聚氰胺改性玉米秸秆生物炭对TC的吸附性能就随着pH值从3提升到11而逐渐降低，这是因为pH＞7.7时，TC主要以阴离子形式存在，而该改性生物炭表面带负电荷，即生物炭和TC之间发生了强静电排斥现象从而影响了吸附效率[21]。pH值还会影响附着于生物炭的改性材料，在对生物炭进行磁改性并负载Fe/Cu的研究中[68]，发现该改性生物炭在弱酸条件下对CP的吸附能力较好，在碱性环境中，OH−与Fe3+和Fe2+反应生成的氢氧化物会附着在Fe/Cu表面上来阻断反应的正常进行。而在强酸性环境中，过量H+导致的Fe快速腐蚀将会减缓主反应的进行从而降低原本的吸附效率。

    改性生物炭对抗生素的吸附过程及效率受到有机碳含量、孔隙大小及结构、改性方法及材料、比表面积、官能团、pH值、热解温度、离子强度、投加量等多种内外因素的影响，部分影响条件同时作用于生物炭、抗生素与改性材料，而改性生物炭对抗生素的吸附是一个复杂的多种机制共同作用的过程，因此在研究生物炭对抗生素的吸附实验或制备生物炭的过程中应当全面综合考虑各个因素的影响。

    4.   结论与展望（Conclusion and future prospectives）

    对生物炭进行改性以增强其对水体中抗生素的吸附性能已成为生物炭领域研究的热点。但改性方法与改性材料的多样化也对相关研究带来一些问题。因此，在今后的研究过程中应该注意以下几个方面：

    （1）将改性生物炭作为吸附剂时，应结合实际生产中的能耗，综合多方面考虑生物炭热解温度、投加量及原材料种类等影响因素，寻求吸附效果和经济效益的平衡点。

    （2）目前的改性方法大多集中于将生物炭与化学试剂进行混合改性，该方法虽取得较好的效果，但制备成本较高，因此未来研究中改性材料的选取应向低成本和可回收利用废物方向发展，回归生物炭以废治废的优势。

    （3）许多改性方法和材料的选择仍处于实验阶段，在大规模生产和运用中存在改性材料成本高、方法复杂、时间要求严格、实际水体中污染物复杂等多方面的限制，因此研究中应尽量考虑改性生物炭作为吸附剂大规模生产和应用的适用性。

    （4）部分稳定性不高的改性材料可能随着时间的推移从生物炭表面分离出来，这会导致新的水体残留物生成从而造成二次污染，因此实验中应尽量考虑改性材料可能对水体造成的影响。

  • 图 1  研究区域示意图

    Figure 1.  Location of the study area

    下载: 全尺寸图片 幻灯片

    图 2  晋城市各类源排放贡献情况

    Figure 2.  Emission contribution of various sources in Jincheng city

    下载: 全尺寸图片 幻灯片

    图 3  晋城市各县区污染物排放量

    Figure 3.  Emission contribution of Jincheng County

    下载: 全尺寸图片 幻灯片

    图 4  大气污染物空间分布图

    Figure 4.  Spatial distribution of air pollutants

    下载: 全尺寸图片 幻灯片

    表 1  污染源分类

    Table 1.  Classification of pollution sources

    一级源分类Primary source classification二级源分类Secondary source classification三级源分类Tertiary source classification四级源分类Quadruple source classification五级源分类Five-level source classification
    化石燃料固定燃烧源电力供热烟煤/无烟煤/褐煤/贫煤煤粉炉/流化床炉/层燃炉切向燃烧/壁燃/低NOx燃烧器
    煤气/高炉煤气/天然气燃气锅炉
    柴油/燃料油燃油锅炉
    工业锅炉煤煤粉炉/流化床炉/层燃炉/其他炉
    焦炭
    原油/柴油/燃料油燃油锅炉
    天然气燃气锅炉
    民用燃烧煤传统炉灶
    液化石油气/天然气/煤气先进炉灶
    一级源分类Primary source classification二级源分类Secondary source classification三级源分类Tertiary source classification四级源分类Quadruple source classification五级源分类Five-level source classification
    化石燃料固定燃烧源电力供热烟煤/无烟煤/褐煤/贫煤煤粉炉/流化床炉/层燃炉切向燃烧/壁燃/低NOx燃烧器
    煤气/高炉煤气/天然气燃气锅炉
    柴油/燃料油燃油锅炉
    工业锅炉煤煤粉炉/流化床炉/层燃炉/其他炉
    焦炭
    原油/柴油/燃料油燃油锅炉
    天然气燃气锅炉
    民用燃烧煤传统炉灶
    液化石油气/天然气/煤气先进炉灶
    下载: 导出CSV

    表 2  燃煤电厂煤粉锅炉NOx排放因子（kg·t−1）

    Table 2.  NOx emission factors of pulverized coal boilers in coal-fired power plants（kg·t−1）

    机组容量Unit capacity燃烧方式Combustion mode无烟煤/贫煤Anthracite/Lean coal沥青/褐煤Bitumen/Lignite
    有LNBs无LNBs有LNBs无LNBs
    <100 MW切线燃烧N/Aa7.84N/A7.14
    壁 燃N/A10.76N/A6.82
    W型火焰燃烧N/A12.78N/A8.64
    ≥100 MW切线燃烧6.466.543.905.95
    壁 燃8.268.975.175.69
    W型火焰燃烧9.1610.653.897.2
    　　a：“N/A”表示不适用.　　a: “N/A” indicates not applicable.
    机组容量Unit capacity燃烧方式Combustion mode无烟煤/贫煤Anthracite/Lean coal沥青/褐煤Bitumen/Lignite
    有LNBs无LNBs有LNBs无LNBs
    <100 MW切线燃烧N/Aa7.84N/A7.14
    壁 燃N/A10.76N/A6.82
    W型火焰燃烧N/A12.78N/A8.64
    ≥100 MW切线燃烧6.466.543.905.95
    壁 燃8.268.975.175.69
    W型火焰燃烧9.1610.653.897.2
    　　a：“N/A”表示不适用.　　a: “N/A” indicates not applicable.
    下载: 导出CSV

    表 3  火电厂SO2、NOx 、CO、VOCs、PM10和PM2.5的排放因子（kg·t−1）

    Table 3.  Emission factors of SO2，NOx，CO， VOCs，PM10 and PM2.5 in thermal power plants （kg·t−1）

    燃料类型Fuel Type燃烧技术Combustion TechnologySO2NOxCOVOCsPM10PM2.5数据来源Data Source
    煤煤粉炉18Sa20.044612[39-42]
    层燃炉18Sa80.0413.885.25
    循环流化床炉12Sa2.6420.0428.085.4
    煤b0.961.30.020.20.2[30, 39-40, 43]
    高炉煤气b1.351.30.050.140.14
    天然气b4.11.30.0450.030.03
    燃料油205.840.60.130.850.62[30, 39-40, 42-43]
    柴油39.620.60.040.50.5
    　　a：S代表燃料含硫量（下文同）；b：气体燃料排放因子单位g·m−3。　　a: S represents the fuel sulfur content （same below）; b: Gas fuel emission factors in g·m−3.
    燃料类型Fuel Type燃烧技术Combustion TechnologySO2NOxCOVOCsPM10PM2.5数据来源Data Source
    煤煤粉炉18Sa20.044612[39-42]
    层燃炉18Sa80.0413.885.25
    循环流化床炉12Sa2.6420.0428.085.4
    煤b0.961.30.020.20.2[30, 39-40, 43]
    高炉煤气b1.351.30.050.140.14
    天然气b4.11.30.0450.030.03
    燃料油205.840.60.130.850.62[30, 39-40, 42-43]
    柴油39.620.60.040.50.5
    　　a：S代表燃料含硫量（下文同）；b：气体燃料排放因子单位g·m−3。　　a: S represents the fuel sulfur content （same below）; b: Gas fuel emission factors in g·m−3.
    下载: 导出CSV

    表 4  其他化石燃料燃烧源排放因子（除特殊标注外，其余排放因子单位均为kg·t−1）

    Table 4.  Emission factors from other fossil fuel combustion sources （except for special labeling, the unit of other emission factors is kg·t−1）

    排放源Emission Source燃料类型Fuel TypeSO2NOXCOVOCsPM10PM2.5数据来源Data Source
    工业燃烧煤20S（1− Sr）a4150.185.41.89[33, 43-45]
    焦炭20S（1− Sr）a96.60.040.290.14
    原油5.090.868.041.60.06
    柴油3.789.620.67.650.50.5
    燃料油3.785.840.60.041.030.67
    天然气b0.151.761.30.180.240.17
    民用燃烧煤3.71.88750.68.826.86[30, 43, 46]
    液化石油气b0.150.880.360.360.220.15
    天然气b0.151.461.30.130.240.17
    煤气b0.691.30.000440.20.2
    　　a：Sr表示灰分中的硫含量；b：气体燃料排放因子单位为：g·m−3.　　a: Sr denotes the sulfur content in ash; b: Gaseous fuel emission factor in g·m−3.
    排放源Emission Source燃料类型Fuel TypeSO2NOXCOVOCsPM10PM2.5数据来源Data Source
    工业燃烧煤20S（1− Sr）a4150.185.41.89[33, 43-45]
    焦炭20S（1− Sr）a96.60.040.290.14
    原油5.090.868.041.60.06
    柴油3.789.620.67.650.50.5
    燃料油3.785.840.60.041.030.67
    天然气b0.151.761.30.180.240.17
    民用燃烧煤3.71.88750.68.826.86[30, 43, 46]
    液化石油气b0.150.880.360.360.220.15
    天然气b0.151.461.30.130.240.17
    煤气b0.691.30.000440.20.2
    　　a：Sr表示灰分中的硫含量；b：气体燃料排放因子单位为：g·m−3.　　a: Sr denotes the sulfur content in ash; b: Gaseous fuel emission factor in g·m−3.
    下载: 导出CSV

    表 5  工艺过程源排放因子

    Table 5.  Industrial process source emission factors

    排放源Emission Source工艺技术TechnologySO2NOxCOVOCsPM10PM2.5单位Unit数据来源Data Source
    钢铁冶炼烧结3.20.6110.255.812.52kg·t−1[43, 47-50]
    高炉0.20.24.28.435.25
    转炉0.0030.12214.6810.5
    电炉0.10.290.18.126.02
    铸造1.7320.5484197.1
    有色金属冶炼6.98/0.25/85.52/124.84a5.2/0.19/63.84/111.27a[47-48, 51]
    焦炭0.911.231.81.258.795.22kg·t−1[30, 44]
    水泥新型干法15.3120.3944.118.9kg·t−1[43, 50-53]
    旋窑18.5180.393514
    生料磨机21.847.28
    水泥磨机82kg·t−1[30, 51]
    压碎机2.20.2kg·t−1
    石灰11.61150.39121.4kg·t−1[30, 54]
    砖瓦0.530.131500.1320.710.27kg·t−1[43, 47-48, 51]
    平板玻璃4.48.277.92kg·t−1
    玻璃纤维3.153.122.45kg·t−1
    合成氨1434.72kg·t−1[43, 51, 55]
    肥料0.240.18kg·t−1[43]
    尿素0.011.20.9kg·t−1
    基础化学原料6.75b1.66/0.223/1.3/430ckg/生产线[43, 56-57]
    合成橡胶15kg·t−1[57]
    轮胎0.285kg/个[51]
    合成树脂0.7448/3/5.7/10/3/2.2d100e5ekg·t−1[43, 51, 58]
    人造革0.182kg·m−2[43]
    石油加工0.90.3101.820.120.1kg·t−1[43, 50, 56]
    油漆15kg·t−1[43]
    石墨0.181.61.44kg·t−1[44]
    沥青27.2kg·t−1[51]
    水性胶黏剂0.5kg·t−1[58]
    塑料制造40/50/60/120/2.2fkg·t−1[59-60]
    纸浆3.1kg·t−1[57]
    纸2.6kg·t−1[61]
    酒0.25/0.5/25/218.25gkg·t−1[43]
    油3.7/9.165hkg·t−1[43, 57]
    　　a：二次铝/二次铜/二次铅/氧化锌；b：硫酸；c：乙烯/苯乙烯/邻苯二甲酸酐/原始化学药品；d：聚氯乙烯/聚丙烯/高密度聚乙烯/低密度聚乙烯/丙烯腈丁二烯苯乙烯树脂/其他；e：聚氯乙烯的单位为g·t−1；f：聚氯乙烯加工/聚酯加工/聚苯乙烯泡沫加工/聚氨酯泡沫加工/其他；g：啤酒/红酒/白酒/酒精；h：食用植物油/非食用植物油.　　a: Secondary Aluminum/Secondary Copper/Secondary Lead/Zinc Oxide; b: Sulphuric acid; c: Ethylene/Styrene/Phthalic anhydride/Primary chemicals; d: PVC/Polypropylene/HDPE//LDPE/Acrylonitrile butadiene styrene resin/Others; e: The unit of polyvinyl chloride is g·t-1; f: PVC processing/Polyester processing/Polystyrene foam processing/Polyurethane foam processing/Others; g: Beer/wine/liquor/alcohol; h: Edible vegetable oil/Non-edible vegetable oil.
    排放源Emission Source工艺技术TechnologySO2NOxCOVOCsPM10PM2.5单位Unit数据来源Data Source
    钢铁冶炼烧结3.20.6110.255.812.52kg·t−1[43, 47-50]
    高炉0.20.24.28.435.25
    转炉0.0030.12214.6810.5
    电炉0.10.290.18.126.02
    铸造1.7320.5484197.1
    有色金属冶炼6.98/0.25/85.52/124.84a5.2/0.19/63.84/111.27a[47-48, 51]
    焦炭0.911.231.81.258.795.22kg·t−1[30, 44]
    水泥新型干法15.3120.3944.118.9kg·t−1[43, 50-53]
    旋窑18.5180.393514
    生料磨机21.847.28
    水泥磨机82kg·t−1[30, 51]
    压碎机2.20.2kg·t−1
    石灰11.61150.39121.4kg·t−1[30, 54]
    砖瓦0.530.131500.1320.710.27kg·t−1[43, 47-48, 51]
    平板玻璃4.48.277.92kg·t−1
    玻璃纤维3.153.122.45kg·t−1
    合成氨1434.72kg·t−1[43, 51, 55]
    肥料0.240.18kg·t−1[43]
    尿素0.011.20.9kg·t−1
    基础化学原料6.75b1.66/0.223/1.3/430ckg/生产线[43, 56-57]
    合成橡胶15kg·t−1[57]
    轮胎0.285kg/个[51]
    合成树脂0.7448/3/5.7/10/3/2.2d100e5ekg·t−1[43, 51, 58]
    人造革0.182kg·m−2[43]
    石油加工0.90.3101.820.120.1kg·t−1[43, 50, 56]
    油漆15kg·t−1[43]
    石墨0.181.61.44kg·t−1[44]
    沥青27.2kg·t−1[51]
    水性胶黏剂0.5kg·t−1[58]
    塑料制造40/50/60/120/2.2fkg·t−1[59-60]
    纸浆3.1kg·t−1[57]
    纸2.6kg·t−1[61]
    酒0.25/0.5/25/218.25gkg·t−1[43]
    油3.7/9.165hkg·t−1[43, 57]
    　　a：二次铝/二次铜/二次铅/氧化锌；b：硫酸；c：乙烯/苯乙烯/邻苯二甲酸酐/原始化学药品；d：聚氯乙烯/聚丙烯/高密度聚乙烯/低密度聚乙烯/丙烯腈丁二烯苯乙烯树脂/其他；e：聚氯乙烯的单位为g·t−1；f：聚氯乙烯加工/聚酯加工/聚苯乙烯泡沫加工/聚氨酯泡沫加工/其他；g：啤酒/红酒/白酒/酒精；h：食用植物油/非食用植物油.　　a: Secondary Aluminum/Secondary Copper/Secondary Lead/Zinc Oxide; b: Sulphuric acid; c: Ethylene/Styrene/Phthalic anhydride/Primary chemicals; d: PVC/Polypropylene/HDPE//LDPE/Acrylonitrile butadiene styrene resin/Others; e: The unit of polyvinyl chloride is g·t-1; f: PVC processing/Polyester processing/Polystyrene foam processing/Polyurethane foam processing/Others; g: Beer/wine/liquor/alcohol; h: Edible vegetable oil/Non-edible vegetable oil.
    下载: 导出CSV

    表 6  溶剂使用源主要污染物排放因子

    Table 6.  Main pollutant emission factors of solvent source

    排放源Emission source种类CategoryVOCs单位Unit数据来源Data source
    印刷100/216/243/620/683/750akg·t−1[57]
    工业涂层家具0.4/218bt·年−1[43]
    家电0.2kg·件−1
    交通设备0.3/1.8/2.43/20/21.2ckg·辆−1
    其他涂层0.455/0.4/0.4/0.235d
    建筑涂料120/120/590ekg·t−1[45, 51]
    农药施用276/568/576fkg·t−1[43]
    鞋0.06kg·双−1[64]
    木制人造板0.5g·m−3[51]
    洗涤剂44g·人−1[45]
    干洗1000kg·t−1[43]
    烹饪3.5g·人−1[57]
    　　a：柔性版印刷/胶印/凸版印刷/凹版印刷/丝网印刷/其他印刷；b：木制家具/金属家具；c：自行车/摩托车/轿车/汽车/货车；d：线圈（t/生产线）/设备制造（kg·件−1）/机床（kg·件−1）/其他；e：建筑内墙/外墙水性涂料/外墙溶剂型涂料；f：百草枯/稻瘟净/敌敌畏.　　a: Flexographic printing/offset printing/letterpress printing/gravure printing/screen printing/other printing; b: Wooden furniture/metal furniture; c: Bicycle/motorcycle/car/automotive /truck; d: Coils （t/line）/equipment manufacturing （kg/piece）/machine tools （kg/piece）/other; e: Building interior/exterior water-based coating/exterior solvent-based coating; f: Paraquat/kitazine/dichlorvos.
    排放源Emission source种类CategoryVOCs单位Unit数据来源Data source
    印刷100/216/243/620/683/750akg·t−1[57]
    工业涂层家具0.4/218bt·年−1[43]
    家电0.2kg·件−1
    交通设备0.3/1.8/2.43/20/21.2ckg·辆−1
    其他涂层0.455/0.4/0.4/0.235d
    建筑涂料120/120/590ekg·t−1[45, 51]
    农药施用276/568/576fkg·t−1[43]
    鞋0.06kg·双−1[64]
    木制人造板0.5g·m−3[51]
    洗涤剂44g·人−1[45]
    干洗1000kg·t−1[43]
    烹饪3.5g·人−1[57]
    　　a：柔性版印刷/胶印/凸版印刷/凹版印刷/丝网印刷/其他印刷；b：木制家具/金属家具；c：自行车/摩托车/轿车/汽车/货车；d：线圈（t/生产线）/设备制造（kg·件−1）/机床（kg·件−1）/其他；e：建筑内墙/外墙水性涂料/外墙溶剂型涂料；f：百草枯/稻瘟净/敌敌畏.　　a: Flexographic printing/offset printing/letterpress printing/gravure printing/screen printing/other printing; b: Wooden furniture/metal furniture; c: Bicycle/motorcycle/car/automotive /truck; d: Coils （t/line）/equipment manufacturing （kg/piece）/machine tools （kg/piece）/other; e: Building interior/exterior water-based coating/exterior solvent-based coating; f: Paraquat/kitazine/dichlorvos.
    下载: 导出CSV

    表 7  生物质燃烧源主要污染物排放因子（kg·t−1）

    Table 7.  Emission factors of main pollutants from biomass combustion sources

    排放源Emission Source燃料类型Fuel TypeSO2NOxCOVOCsPM10PM2.5
    生物质锅炉生物质成型燃料0.702.796.221.131.121.13
    户用生物质炉具小麦秸秆2.360.511729.378.868.24
    玉米秸秆1.330.83577.347.396.87
    薪柴0.40.97293.133.483.24
    生物质开放燃烧小麦秸秆0.742.89607.497.737.13
    玉米秸秆0.453.435310.211.9511.3
    排放源Emission Source燃料类型Fuel TypeSO2NOxCOVOCsPM10PM2.5
    生物质锅炉生物质成型燃料0.702.796.221.131.121.13
    户用生物质炉具小麦秸秆2.360.511729.378.868.24
    玉米秸秆1.330.83577.347.396.87
    薪柴0.40.97293.133.483.24
    生物质开放燃烧小麦秸秆0.742.89607.497.737.13
    玉米秸秆0.453.435310.211.9511.3
    下载: 导出CSV

    表 8  不同规模餐饮企业烟气排放速率、年总经营时间经验值

    Table 8.  Experience value of flue gas emission rate and total operating time of catering enterprises of different sizes

    企业规模Enterprise scale大型餐饮企业Large catering enterprises中型餐饮企业Medium-sized catering enterprises小型餐饮企业Small catering enterprises
    烟气排放速率/（m3·h−1）250020001500
    年总经营时间/h200018001600
    企业规模Enterprise scale大型餐饮企业Large catering enterprises中型餐饮企业Medium-sized catering enterprises小型餐饮企业Small catering enterprises
    烟气排放速率/（m3·h−1）250020001500
    年总经营时间/h200018001600
    下载: 导出CSV

    表 9  排放源空间分配情况

    Table 9.  Distribution of emission source space

    排放源Emission source分配原则Distribution principle空间代理参数Spatial agent parameters
    化石燃料固定燃烧源点源/面源经纬度、人口密度
    工艺过程源点源经纬度
    移动源面源/线源土地类型、道路长度
    溶剂使用源点源/面源经纬度、人口密度、GDP、土地类型
    扬尘源点源/面源/线源经纬度、道路长度、土地类型
    生物质燃烧源点源/面源经纬度、农村居民点
    储存运输源点源/线源经纬度、道路长度
    废弃物处理源点源经纬度
    其他排放源点源/面源经纬度、人口密度
    排放源Emission source分配原则Distribution principle空间代理参数Spatial agent parameters
    化石燃料固定燃烧源点源/面源经纬度、人口密度
    工艺过程源点源经纬度
    移动源面源/线源土地类型、道路长度
    溶剂使用源点源/面源经纬度、人口密度、GDP、土地类型
    扬尘源点源/面源/线源经纬度、道路长度、土地类型
    生物质燃烧源点源/面源经纬度、农村居民点
    储存运输源点源/线源经纬度、道路长度
    废弃物处理源点源经纬度
    其他排放源点源/面源经纬度、人口密度
    下载: 导出CSV

    表 10  晋城市大气污染物排放清单（t）

    Table 10.  Air pollutant emission inventory of Jincheng

    排放源Emission sourceSO2NOxCOVOCsPM10PM2.5
    化石燃料固定燃烧源34892.3125436.25188526.668875.1410519.797726.07
    工艺过程源8041.0312325.22266108.569357.7115034.838586.42
    移动源657.2816194.9734276.6611240.551596.491502.38
    溶剂使用源3426.34
    扬尘源17340.444858.79
    生物质燃烧源145.62565.666055.201837.021666.271546.24
    储存运输源943.25
    废弃物处理源83.55
    其他源148.81118.1094.48
    总计43736.2454522.10494967.0835912.3746275.9224314.39
    排放源Emission sourceSO2NOxCOVOCsPM10PM2.5
    化石燃料固定燃烧源34892.3125436.25188526.668875.1410519.797726.07
    工艺过程源8041.0312325.22266108.569357.7115034.838586.42
    移动源657.2816194.9734276.6611240.551596.491502.38
    溶剂使用源3426.34
    扬尘源17340.444858.79
    生物质燃烧源145.62565.666055.201837.021666.271546.24
    储存运输源943.25
    废弃物处理源83.55
    其他源148.81118.1094.48
    总计43736.2454522.10494967.0835912.3746275.9224314.39
    下载: 导出CSV
  • [1] WANG W J, CHEN C, LIU D, et al. Health risk assessment of PM2.5 heavy metals in County units of Northern China based on Monte Carlo simulation and APCS-MLR [J]. Science of the Total Environment, 2022, 843: 156777. doi: 10.1016/j.scitotenv.2022.156777
    [2] 肖凯, 任学昌, 陈仁华, 等. 典型西北钢铁城市冬季大气颗粒物重金属来源解析及健康风险评价: 以嘉峪关为例 [J]. 环境化学, 2022, 41(5): 1649-1660. doi: 10.7524/j.issn.0254-6108.2021010704

    XIAO K, REN X C, CHEN R H, et al. Source analysis and health risk assessment of heavy metals in air particulates of typical northwest steel cities in winter: A case study in Jiayuguan [J]. Environmental Chemistry, 2022, 41(5): 1649-1660(in Chinese). doi: 10.7524/j.issn.0254-6108.2021010704

    [3] LELIEVELD J, EVANS J S, FNAIS M, et al. The contribution of outdoor air pollution sources to premature mortality on a global scale [J]. Nature, 2015, 525(7569): 367-371. doi: 10.1038/nature15371
    [4] TILT B. China's air pollution crisis: Science and policy perspectives [J]. Environmental Science & Policy, 2019, 92: 275-280.
    [5] LI Q, WANG E R, ZHANG T T, et al. Spatial and temporal patterns of air pollution in Chinese cities [J]. Water, Air, & Soil Pollution, 2017, 228(3): 1-22.
    [6] ZHAO B, WANG P, MA J Z, et al. A high-resolution emission inventory of primary pollutants for the Huabei region, China [J]. Atmospheric Chemistry and Physics, 2012, 12(1): 481-501. doi: 10.5194/acp-12-481-2012
    [7] 周子航, 邓也, 吴柯颖, 等. 成都市道路移动源排放清单与空间分布特征 [J]. 环境科学学报, 2018, 38(1): 79-91. doi: 10.13671/j.hjkxxb.2017.0368

    ZHOU Z H, DENG Y, WU K Y, et al. On-road mobile source emission inventory and spatial distribution characteristics in Chengdu [J]. Acta Scientiae Circumstantiae, 2018, 38(1): 79-91(in Chinese). doi: 10.13671/j.hjkxxb.2017.0368

    [8] LI T K, DONG W, DAI Q L, et al. Application and validation of the fugitive dust source emission inventory compilation method in Xiongan New Area, China [J]. Science of the Total Environment, 2021, 798: 149114. doi: 10.1016/j.scitotenv.2021.149114
    [9] LI M, LIU H, GENG G N, et al. Anthropogenic emission inventories in China: A review [J]. National Science Review, 2017, 4(6): 834-866. doi: 10.1093/nsr/nwx150
    [10] WU L, SU H, KALASHNIKOVA O V, et al. WRF-Chem simulation of aerosol seasonal variability in the San Joaquin Valley [J]. Atmospheric Chemistry and Physics, 2017, 17(12): 7291-7309. doi: 10.5194/acp-17-7291-2017
    [11] YIM S H L, FUNG J C H, NG E Y Y. An assessment indicator for air ventilation and pollutant dispersion potential in an urban canopy with complex natural terrain and significant wind variations [J]. Atmospheric Environment, 2014, 94: 297-306. doi: 10.1016/j.atmosenv.2014.05.044
    [12] LI X J, HUSSAIN S A, SOBRI S, et al. Overviewing the air quality models on air pollution in Sichuan Basin, China [J]. Chemosphere, 2021, 271: 129502. doi: 10.1016/j.chemosphere.2020.129502
    [13] HIGGINBOTHAM N, FREEMAN S, CONNOR L, et al. Environmental injustice and air pollution in coal affected communities, Hunter Valley, Australia [J]. Health & Place, 2010, 16(2): 259-266.
    [14] GUSTIN M S, FINE R, MILLER M, et al. The Nevada Rural Ozone Initiative (NVROI): Insights to understanding air pollution in complex terrain [J]. Science of the Total Environment, 2015, 530/531: 455-470. doi: 10.1016/j.scitotenv.2015.03.046
    [15] 向怡, 史学峰, 吴玉生. 大同盆地复杂地形下近场大气污染物扩散模型选取研究 [J]. 环境污染与防治, 2022, 44(1): 45-50.

    XIANG Y, SHI X F, WU Y S. Study on the selection of near-field air pollutants diffusion model in complex terrain of Datong Bason [J]. Environmental Pollution & Control, 2022, 44(1): 45-50(in Chinese).

    [16] 胡洵, 蔡旭晖, 宋宇, 等. 关中盆地近地面风场和大气输送特征分析 [J]. 气候与环境研究, 2020, 25(6): 637-648. doi: 10.3878/j.issn.1006-9585.2020.20019

    HU X, CAI X H, SONG Y, et al. Diagnostic analysis of wind fields and atmospheric transport pathways in the Guanzhong Basin [J]. Climatic and Environmental Research, 2020, 25(6): 637-648(in Chinese). doi: 10.3878/j.issn.1006-9585.2020.20019

    [17] 郭晓梅. 四川盆地空气质量气候特征及其大地形影响效应的观测模拟研究[D]. 南京: 南京信息工程大学, 2016.

    GUO X M. Observed and simulated research on climate characteristic of air quality and the topographic induced effects in Sichuan Basin[D]. Nanjing: Nanjing University of Information Science & Technology, 2016(in Chinese).

    [18] 王小兰, 王雁, 闫世明, 等. 晋中盆地主要城市冬季PM2.5传输特征分析 [J]. 环境科学, 2022, 43(7): 3423-3438.

    WANG X L, WANG Y, YAN S M, et al. Analysis of PM2.5 transmission characteristics in main cities of Jinzhong Basin in winter [J]. Environmental Science, 2022, 43(7): 3423-3438(in Chinese).

    [19] 杨显玉, 吕雅琼, 邵平, 等. 四川盆地大气氨与氮氧化物排放对细颗粒物污染的影响及减排潜力[J]. 中国环境科学, 2022, 42（8）: 3502-3511.

    YANG X Y, LV Y Q, SHAO P, et al. Impact of ammonia and nitrogen oxides emissions on particle matter pollution and mitigation potential over the Sichuan Basin[J]. China Environmental Science, 2022, 42（8）: 3502-3511(in Chinese).

    [20] CHEN K Y, WANG P F, ZHAO H, et al. Summertime O3 and related health risks in the North China plain: A modeling study using two anthropogenic emission inventories [J]. Atmospheric Environment, 2021, 246: 118087. doi: 10.1016/j.atmosenv.2020.118087
    [21] ZHANG Y, DORE A J, MA L, et al. Agricultural ammonia emissions inventory and spatial distribution in the North China Plain [J]. Environmental Pollution, 2010, 158(2): 490-501. doi: 10.1016/j.envpol.2009.08.033
    [22] SIMAYI M, SHI Y Q, XI Z Y, et al. Understanding the sources and spatiotemporal characteristics of VOCs in the Chengdu Plain, China, through measurement and emission inventory [J]. Science of the Total Environment, 2020, 714: 136692. doi: 10.1016/j.scitotenv.2020.136692
    [23] SUN Y, NIU T, HE J J, et al. Classification of circulation patterns during the formation and dissipation of continuous pollution weather over the Sichuan Basin, China [J]. Atmospheric Environment, 2020, 223: 117244. doi: 10.1016/j.atmosenv.2019.117244
    [24] 张凯, 于周锁, 高宏, 等. 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 [J]. 环境科学学报, 2017, 37(4): 1227-1242.

    ZHANG K, YU Z S, GAO H, et al. Gridded emission inventories and spatial distribution characteristics of anthropogenic atmospheric pollutants in Lanzhou valley [J]. Acta Scientiae Circumstantiae, 2017, 37(4): 1227-1242(in Chinese).

    [25] 中华人民共和国环境保护部. 中国生态环境状况公报[R]. 2020.

    Ministry of Ecology and Environment of the People’s Republic of China. Ecological and Environmental Status Bulletin of China[R]. 2020 (in Chinese).

    [26] SUN D, FANG J, SUN J Q. Health-related benefits of air quality improvement from coal control in China: Evidence from the Jing-Jin-Ji region [J]. Resources, Conservation and Recycling, 2018, 129: 416-423. doi: 10.1016/j.resconrec.2016.09.021
    [27] 中华人民共和国统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2021.

    National Bureau of Statistics. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2021 (in Chinese).

    [28] BP. BP statistical review of world energy 2021[M]. London: BP, 2021.
    [29] 晋城市统计局. 晋城统计年鉴[M]. 北京: 中国统计出版社, 2021.

    Jincheng City Bureau of Statistics. Jincheng Statistical Yearbook[M]. Beijing: China Statistics Press, 2021 (in Chinese).

    [30] 贺克斌. 城市大气污染源排放清单编制技术手册[R]. 北京: 清华大学, 2018.

    HE K B. Technical manual for compiling urban air pollutant emission inventory [R]. Beijing: Tsinghua University, 2018 (in Chinese).

    [31] STREETS D G, BOND T C, CARMICHAEL G R, et al. An inventory of gaseous and primary aerosol emissions in Asia in the year 2000 [J]. Journal of Geophysical Research:Atmospheres, 2003, 108(D21): 8809.
    [32] ZHAO Y, WANG S X, DUAN L, et al. Primary air pollutant emissions of coal-fired power plants in China: Current status and future prediction [J]. Atmospheric Environment, 2008, 42(36): 8442-8452. doi: 10.1016/j.atmosenv.2008.08.021
    [33] LIU H J, WU B B, LIU S H, et al. A regional high-resolution emission inventory of primary air pollutants in 2012 for Beijing and the surrounding five provinces of North China [J]. Atmospheric Environment, 2018, 181: 20-33. doi: 10.1016/j.atmosenv.2018.03.013
    [34] 中华人民共和国环境保护部. 锅炉大气污染物排放标准[EB/OL]. [2022-06-01]. 2014,

    Ministry of Ecology and Environment of the People’s Republic of China. Boiler air pollutant emission standard [EB/OL]. [2022-06-01]. 2014,

    [35] 中华人民共和国环境保护部. 燃煤电厂污染防治最佳技术指南(试行)[EB/OL]. [2022-06-01]. 2010,

    Ministry of Ecology and Environment of the People’s Republic of China. Coal-fired power plants pollution prevention best technology guide (Trial) [EB/OL]. [2022-06-01]. 2010,

    [36] LIU F, ZHANG Q, TONG D, et al. High-resolution inventory of technologies, activities, and emissions of coal-fired power plants in China from 1990 to 2010 [J]. Atmospheric Chemistry and Physics, 2015, 15(23): 13299-13317. doi: 10.5194/acp-15-13299-2015
    [37] ZHANG Q, STREETS D G, HE K B, et al. NOx emission trends for China, 1995-2004: The view from the ground and the view from space [J]. Journal of Geophysical Research:Atmospheres, 2007, 112(D22): D22306. doi: 10.1029/2007JD008684
    [38] TIAN H Z, LIU K Y, ZHOU J R, et al. Atmospheric emission inventory of hazardous trace elements from China's coal-fired power plants: Temporal trends and spatial variation characteristics [J]. Environmental Science & Technology, 2014, 48(6): 3575-3582.
    [39] 王丽涛, 张强, 郝吉明, 等. 中国大陆CO人为源排放清单 [J]. 环境科学学报, 2005, 25(12): 1580-1585. doi: 10.3321/j.issn:0253-2468.2005.12.002

    WANG L T, ZHANG Q, HAO J M, et al. Anthropogenic CO emission inventory of China's mainland [J]. Acta Scientiae Circumstantiae, 2005, 25(12): 1580-1585(in Chinese). doi: 10.3321/j.issn:0253-2468.2005.12.002

    [40] 张强. 中国区域细颗粒物排放及模拟研究[D]. 北京: 清华大学, 2005.

    ZHANG Q. Regional Fine Particle Emissions and Simulation in China[D]. Beijing: Tsinghua University, 2005(in Chinese).

    [41] 王艳. 中国氮氧化物排放及污染时空分布特征研究[D]. 北京: 北京师范大学, 2011.

    WANG Y. Spatial and temporal distribution characteristics of nitrogen oxide emissions and pollution in China[D]. Beijing: Beijing Normal University, 2011(in Chinese).

    [42] WANG X P, MAUZERALL D L, HU Y T, et al. A high-resolution emission inventory for Eastern China in 2000 and three scenarios for 2020 [J]. Atmospheric Environment, 2005, 39(32): 5917-5933. doi: 10.1016/j.atmosenv.2005.06.051
    [43] 中华人民共和国环境保护部. 大气挥发性有机物源排放清单编制技术指南(试行) [EB/OL]. [2022-06-01]. 2014,

    Ministry of Ecology and Environment of the People’s Republic of China. Technical Guide for Compilation of Emission Inventory of Volatile Organic Compounds from Atmosphere (Trial) [EB/OL]. [2022-06-01]. 2014,

    [44] BAI L, LU X, YIN S S, et al. A recent emission inventory of multiple air pollutant, PM2.5 chemical species and its spatial-temporal characteristics in central China [J]. Journal of Cleaner Production, 2020, 269: 122114. doi: 10.1016/j.jclepro.2020.122114
    [45] LIU S H, HUA S B, WANG K, et al. Spatial-temporal variation characteristics of air pollution in Henan of China: Localized emission inventory, WRF/Chem simulations and potential source contribution analysis [J]. Science of the Total Environment, 2018, 624: 396-406. doi: 10.1016/j.scitotenv.2017.12.102
    [46] 中华人民共和国环境保护部. 民用煤大气污染物排放清单编制技术指南(试行)[EB/OL]. [2022-06-01]. 2016,

    Ministry of Ecology and Environment of the People’s Republic of China. Technical Guide for Compilation of Air Pollutant Emission Inventory of Civil Coal (Trial) [EB/OL]. [2022-06-01]. 2016,

    [47] 中华人民共和国环境保护部. 大气细颗粒物一次源排放清单编制技术指南( 试行 ) [EB/OL]. [2022-06-01]. 2014,

    Ministry of Ecology and Environment of the People’s Republic of China. Technical Guide for Compilation of Atmospheric Fine Particulate Matter Emission Inventory from Primary Sources (Trial) [EB/OL]. [2022-06-01]. 2014,

    [48] 中华人民共和国环境保护部. 大气可吸入颗粒物一次源排放清单编制技术指南(试行)[EB/OL]. [2022-06-01]. 2014,

    Ministry of Ecology and Environment of the People’s Republic of China. Technical Guide for Compilation of Primary Source Emission Inventory of Atmospheric Inhalable Particulate Matter (Trial)[EB/OL]. [2022-06-01]. 2014,

    [49] WANG K, TIAN H Z, HUA S B, et al. A comprehensive emission inventory of multiple air pollutants from iron and steel industry in China: Temporal trends and spatial variation characteristics [J]. Science of the Total Environment, 2016, 559: 7-14. doi: 10.1016/j.scitotenv.2016.03.125
    [50] ZHAO Y, NIELSEN C P, MCELROY M B, et al. CO emissions in China: Uncertainties and implications of improved energy efficiency and emission control [J]. Atmospheric Environment, 2012, 49: 103-113. doi: 10.1016/j.atmosenv.2011.12.015
    [51] HUA H, JIANG S Y, SHENG H, et al. A high spatial-temporal resolution emission inventory of multi-type air pollutants for Wuxi City [J]. Journal of Cleaner Production, 2019, 229: 278-288. doi: 10.1016/j.jclepro.2019.05.011
    [52] HUA S B, TIAN H Z, WANG K, et al. Atmospheric emission inventory of hazardous air pollutants from China's cement plants: Temporal trends, spatial variation characteristics and scenario projections [J]. Atmospheric Environment, 2016, 128: 1-9. doi: 10.1016/j.atmosenv.2015.12.056
    [53] LEI Y, ZHANG Q, NIELSEN C, et al. An inventory of primary air pollutants and CO2 emissions from cement production in China, 1990-2020 [J]. Atmospheric Environment, 2011, 45(1): 147-154. doi: 10.1016/j.atmosenv.2010.09.034
    [54] ZHAO Y, QIU L P, XU R Y, et al. Advantages of a city-scale emission inventory for urban air quality research and policy: the case of Nanjing, a typical industrial city in the Yangtze River Delta, China [J]. Atmospheric Chemistry and Physics, 2015, 15(21): 12623-12644. doi: 10.5194/acp-15-12623-2015
    [55] 孟琛琛, 倪爽英, 陆雅静, 等. 河北省工业源大气污染物排放清单及减排潜力[J]. 环境科学与技术, 2019, 42(S2): 186-193.

    MENG C C, NI S Y, LU Y J, et al. Emission inventory and emission reduction potential of typical industrial sources in Hebei Province[J]. Environmental Science & Technology, 2019, 42(Sup 2): 186-193(in Chinese).

    [56] ZHAO Y, ZHANG J, NIELSEN C P. The effects of recent control policies on trends in emissions of anthropogenic atmospheric pollutants and CO2 in China [J]. Atmospheric Chemistry and Physics, 2013, 13(2): 487-508. doi: 10.5194/acp-13-487-2013
    [57] QIU P P, TIAN H Z, ZHU C Y, et al. An elaborate high resolution emission inventory of primary air pollutants for the Central Plain Urban Agglomeration of China [J]. Atmospheric Environment, 2014, 86: 93-101. doi: 10.1016/j.atmosenv.2013.11.062
    [58] 陈颖, 叶代启, 刘秀珍, 等. 我国工业源VOCs排放的源头追踪和行业特征研究 [J]. 中国环境科学, 2012, 32(1): 48-55. doi: 10.3969/j.issn.1000-6923.2012.01.008

    CHEN Y, YE D Q, LIU X Z, et al. Source tracing and characteristics of industrial VOCs emissions in China [J]. China Environmental Science, 2012, 32(1): 48-55(in Chinese). doi: 10.3969/j.issn.1000-6923.2012.01.008

    [59] 潘月云, 李楠, 郑君瑜, 等. 广东省人为源大气污染物排放清单及特征研究 [J]. 环境科学学报, 2015, 35(9): 2655-2669.

    PAN Y Y, LI N, ZHENG J Y, et al. Emission inventory and characteristics of anthropogenic air pollutant sources in Guangdong Province [J]. Acta Scientiae Circumstantiae, 2015, 35(9): 2655-2669(in Chinese).

    [60] KLIMONT Z, STREETS D G, GUPTA S, et al. Anthropogenic emissions of non-methane volatile organic compounds in China [J]. Atmospheric Environment, 2002, 36(8): 1309-1322. doi: 10.1016/S1352-2310(01)00529-5
    [61] ZHOU M M, JIANG W, GAO W D, et al. Anthropogenic emission inventory of multiple air pollutants and their spatiotemporal variations in 2017 for the Shandong Province, China [J]. Environmental Pollution, 2021, 288: 117666. doi: 10.1016/j.envpol.2021.117666
    [62] ZHANG Q J, YANG L, MA C, et al. Emission characteristics and chemical composition of particulate matter emitted by typical non-road construction machinery [J]. Atmospheric Pollution Research, 2020, 11(4): 679-685. doi: 10.1016/j.apr.2019.12.018
    [63] 何向东, 黄兴宇, 张传兵, 等. 焦作市人为源挥发性有机物排放清单 [J]. 环境化学, 2019, 38(9): 1998-2007. doi: 10.7524/j.issn.0254-6108.2018111004

    HE X D, HUANG X Y, ZHANG C B, et al. Emission inventories of anthropogenic VOCs in Jiaozuo City [J]. Environmental Chemistry, 2019, 38(9): 1998-2007(in Chinese). doi: 10.7524/j.issn.0254-6108.2018111004

    [64] 陈小方, 张伟霞, 陈柄旭, 等. 江门市人为源挥发性有机物排放清单 [J]. 环境科学, 2018, 39(2): 600-607. doi: 10.13227/j.hjkx.201708172

    CHEN X F, ZHANG W X, CHEN B X, et al. Emission inventory of anthropogenic VOCs in Jiangmen City [J]. Environmental Science, 2018, 39(2): 600-607(in Chinese). doi: 10.13227/j.hjkx.201708172

    [65] 中华人民共和国环境保护部. 扬尘源颗粒物排放清单编制技术指南(试行)[EB/OL]. [2022-06-01]. 2014,

    Ministry of Ecology and Environment of the People’s Republic of China. Technical Guide for Compilation of Particulate Matter Emission Inventory from Dust Sources (Trial) [EB/OL]. [2022-06-01]. 2014,

    [66] 宋立来, 李廷昆, 毕晓辉, 等. 京津冀地区高空间分辨率土壤扬尘清单构建及动态化方法 [J]. 环境科学研究, 2021, 34(8): 1771-1781. doi: 10.13198/j.issn.1001-6929.2021.05.03

    SONG L L, LI T K, BI X H, et al. Construction and dynamic method of soil fugitive dust emission inventory with high spatial resolution in Beijing-Tianjin-Hebei region [J]. Research of Environmental Sciences, 2021, 34(8): 1771-1781(in Chinese). doi: 10.13198/j.issn.1001-6929.2021.05.03

    [67] LI T K, BI X H, DAI Q L, et al. Improving spatial resolution of soil fugitive dust emission inventory using RS-GIS technology: An application case in Tianjin, China [J]. Atmospheric Environment, 2018, 191: 46-54. doi: 10.1016/j.atmosenv.2018.07.051
    [68] ZHANG Q Q, PAN Y P, HE Y X, et al. Bias in ammonia emission inventory and implications on emission control of nitrogen oxides over North China Plain [J]. Atmospheric Environment, 2019, 214: 116869. doi: 10.1016/j.atmosenv.2019.116869
    [69] 闫雨龙, 彭林. 山西省人为源VOCs排放清单及其对臭氧生成贡献 [J]. 环境科学, 2016, 37(11): 4086-4093. doi: 10.13227/j.hjkx.201606055

    YAN Y L, PENG L. Emission inventory of anthropogenic VOCs and its contribution to ozone formation in Shanxi Province [J]. Environmental Science, 2016, 37(11): 4086-4093(in Chinese). doi: 10.13227/j.hjkx.201606055

    [70] 柯伯俊. 四川省大气污染源排放清单研究[D]. 成都: 西南交通大学, 2014.

    KE B J. Research of an air pollutant emission inventory for Sichuan[D]. Chengdu: Southwest Jiaotong University, 2014(in Chinese).

  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-042025-050Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 3.8 %DOWNLOAD: 3.8 %HTML全文: 89.1 %HTML全文: 89.1 %摘要: 7.1 %摘要: 7.1 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 96.8 %其他: 96.8 %XX: 1.2 %XX: 1.2 %内网IP: 0.1 %内网IP: 0.1 %北京: 1.0 %北京: 1.0 %廊坊: 0.1 %廊坊: 0.1 %榆林: 0.1 %榆林: 0.1 %沈阳: 0.1 %沈阳: 0.1 %洛阳: 0.1 %洛阳: 0.1 %济南: 0.1 %济南: 0.1 %漯河: 0.1 %漯河: 0.1 %石家庄: 0.1 %石家庄: 0.1 %西安: 0.1 %西安: 0.1 %酒泉: 0.1 %酒泉: 0.1 %银川: 0.1 %银川: 0.1 %长治: 0.1 %长治: 0.1 %其他XX内网IP北京廊坊榆林沈阳洛阳济南漯河石家庄西安酒泉银川长治Highcharts.com
WeChat 点击查看大图
图( 4) 表( 10)
计量
  • 文章访问数:  5125
  • HTML全文浏览数:  5125
  • PDF下载数:  118
  • 施引文献:  0
出版历程
  • 收稿日期:  2022-06-10
  • 录用日期:  2022-09-06
  • 刊出日期:  2022-12-27
张雪纯, 王文钜, 王明娅, 王海峰, 张浩, 韩桥, 熊钦卿, 张春晖, 王明仕. 中国盆地城市人为源大气污染物排放清单及空间分布特征——以晋城市为例[J]. 环境化学, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
引用本文: 张雪纯, 王文钜, 王明娅, 王海峰, 张浩, 韩桥, 熊钦卿, 张春晖, 王明仕. 中国盆地城市人为源大气污染物排放清单及空间分布特征——以晋城市为例[J]. 环境化学, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
shu
ZHANG Xuechun, WANG Wenju, WANG Mingya, WANG Haifeng, ZHANG Hao, HAN Qiao, XIONG Qinqing, ZHANG Chunhui, WANG Mingshi. Emission inventory and spatial distribution characteristics of anthropogenic air pollutants in basin city in China——A case study of Jincheng City[J]. Environmental Chemistry, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
Citation: ZHANG Xuechun, WANG Wenju, WANG Mingya, WANG Haifeng, ZHANG Hao, HAN Qiao, XIONG Qinqing, ZHANG Chunhui, WANG Mingshi. Emission inventory and spatial distribution characteristics of anthropogenic air pollutants in basin city in China——A case study of Jincheng City[J]. Environmental Chemistry, 2022, 41(12): 4016-4031. doi: 10.7524/j.issn.0254-6108.2022061003
shu

中国盆地城市人为源大气污染物排放清单及空间分布特征——以晋城市为例

    通讯作者: Tel：0391-3987998，E-mail：mingshiwang@hpu.edu.cn
  • 1. 河南理工大学资源环境学院，焦作，454000
  • 2. 晋城市生态环境局，晋城，048000
  • 3. 中国科学院地球化学研究所，贵阳，550081
  • 收稿日期:  2022-06-10
  • 录用日期:  2022-09-06
  • 网络出版日期:  2023-01-03
基金项目:
国家自然科学基金（42007175）资助.

摘要: 为厘清晋城盆地大气污染来源特征，基于实地调研所获取的人为污染源活动水平数据，采用排放因子与物料衡算相结合的方法构建2020年晋城盆地人为源排放清单，利用ArcGIS进行1 km×1 km空间网格分配、Monte Carlo模拟量化各污染物排放量的不确定性。结果表明，晋城市6种大气污染物年排放量分别为：SO2 43736.24 t、NOx 54522.10 t、CO 494967.08 t、VOCs 35912.37 t、PM10 46275.92 t和PM2.5 24314.39 t。其中，电厂和工业锅炉等燃料燃烧活动贡献了79.8%的SO2；化石燃料燃烧和移动源分别贡献46.7%和29.7%的NOx；CO大部分来源于以钢铁冶金和铸件制造为主的工艺过程源，VOCs主要来自移动源，这两类源分别贡献CO和VOCs总排放量的53.8%和31.3%；工艺过程源贡献了32.5%的PM10和35.3%的PM2.5，扬尘源贡献了37.5%的PM10和20.0%的PM2.5。盆地较弱的污染物扩散能力和低海拔地区密集的污染源导致晋城市大气污染物空间分布特征差异显著，在285—750 m的低海拔地区污染物排放量高，而盆地边缘750—2200 m的中高海拔地区排放量较低，污染物主要集中在城区、泽州北部、阳城西部、高平中部和南部。Monte Carlo模拟结果表明，在95%的置信区间内，各污染物排放量的不确定性范围处于−27.31%—26.77%，其中CO的不确定性最低为−15.59%—15.52%，VOCs的不确定性最高为−27.31%—26.77%。

English Abstract

    全文HTML

  • 空气中的有毒气态污染物不仅严重破坏生态环境，而且可以通过呼吸系统进入人体，引发一系列呼吸系统和心脑血管疾病，甚至造成肺癌[1-2]。根据《柳叶刀》污染与健康委员会发布的一份报告，全球每年由大气污染造成死亡人数远超艾滋病、结核病和疟疾等传染病死亡人数之和[3-4]，其中 2019年我国因空气污染造成的死亡人数占全世界的27.74%。自《大气污染防治行动计划》等政策相继颁布以来，中国大气环境已有所改善，但仍不容乐观[5]。

    大气污染事件通常是以企业生产、建筑施工、道路运输等人为活动产生的大气污染物为基础，在复杂地形和不利气象条件的综合影响下，污染物在短时间累积的现象。因此对特定时间、特定区域范围内的不同污染物排放量进行核算是了解大气污染特征，开展科学的环境空气质量预测的重要基础。大气污染源排放清单正是解决这一问题的先决条件，完整准确的排放清单对污染物来源识别、污染事件成因、污染源现状和发展趋势、大气环境容量测算、区域环境空气控制等具有重要作用[6]。近年来，我国针对不同排放源建立了多种排放清单，如周子航等[7]应用GIS技术建立的移动源排放清单表明污染物的空间分布特征呈现出从城市中心向远郊区递减的趋势；Li等[8]通过建立的扬尘排放清单发现，大规模的基础设施建设是造成颗粒物高排放的主要原因。由人为活动生成的一次污染物在不利天气影响下形成的二次气溶胶颗粒等是重污染天气形成的基础，因此对人为源进行污染防控才是区域空气质量改善的“推进器”[9]。此外，复杂的地形条件对区域空气质量也起着非常重要的作用[10-11]。如盆地等复杂地形地区下垫面的非均匀性会使当地及其周边大气产生热力和动力作用并引发局地次级环流，局地次级环流之间会产生非线性相互作用，导致大气污染物的稀释扩散能力降低[12]，大气环境容量远远小于平原城市，在同样强度的大气污染物排放情况下，盆地等复杂地形地区比平原地区更易形成空气重污染事件[13-14]。向怡等[15]发现，盆地中的大气污染物与周围高海拔山体产生“撞山”效应，污染物难以扩散，累积下沉。在胡洵等[16]的研究中，盆地内的大气风场呈现出从周围高海拔地区沿地形走势向中央汇流的趋势，导致盆地中央低海拔地带污染物积聚。郭晓梅[17]研究了地形对大气扩散效应的影响，结果表明，尤其是在秋冬季，盆地内上升气流远弱于下沉气流，阻止了污染物的垂直输送，使得盆地中央低海拔地区上空出现空气“穹窿”，进而导致整个盆地发生严重雾霾事件。在中国，许多城市建立在盆地之中[18-19]，而我国学者对排放清单进行的大量研究主要集中在平原地区[20-22]，针对盆地地形对大气污染特征的影响研究还相当缺乏。四川盆地是中国四大重度雾霾污染地区之一[23]，在盆地的独特地形和不利气象条件的协同作用下，夜间气温下降缓慢、昼夜温差较小、全年低风速有利于静稳天气发生，大气污染物在境内积聚，污染形势严峻；兰州，中国最早报道发生光化学烟雾的城市，其独特的河谷盆地环境导致当地常年风速小、大气层稳定且逆温频率高，污染物难以自行消散，加之当地严重失衡的能源结构，大气污染事件频繁发生[24]。

    晋城盆地坐落于山西省东南部，是京津冀大气污染物传输通道“2+26”重点治理城市之一，2019 年其空气质量在全国168 个重点监测城市中排名倒数第10 位[25]，大气环境污染严重，控制其污染物的排放对缓解山西省空气污染乃至京津冀及其周边地区的空气污染具有重要作用，同时可为具有盆地地形特征的城市厘清污染物来源提供科学借鉴。因此，为了解晋城盆地大气污染物的排放特征、明确重要污染源和重点控制区域建立一份人为源大气污染物排放清单刻不容缓。

    • 1.   材料与方法（Materials and methods）

      1.1.   研究区域

    • 研究区域涵盖晋城全市，包括城区、泽州、沁水、陵川、阳城、高平，如图1所示。晋城盆地西倚中条山，北靠丹朱岭，东、南依太行、王屋二山，最低海拔285 m，最高海拔2260 m，年平均风速低，约为2 m·s−1，在山脉阻隔和背风坡气流沉降的影响下，境内易形成气流停滞区，污染物扩散受阻累积、浓度居高不下。同时，晋城地处黄土高原边缘地带，受外来尘影响较大。尽管我国大气污染情况已从煤烟型污染转变为煤烟与机动车尾气复合型污染，但目前乃至未来很长一段时间，煤炭燃烧依旧处于中国的能源消费的主导地位[26]，2020 年中国煤炭占一次能源消费比重的56.8%[27]，远高于世界平均水平的27.2%[28]。晋城盆地作为中国重要的燃煤电力输出地，支柱产业和日常消费能源均以煤炭为主，2020 年，电力行业煤炭消费量高达一次能源消费的93.7%[29]。在严重失衡的能源结构和复杂地形条件的双重影响下，晋城盆地的大气污染特征与其他重污染地区相比更有其独特性，这给空气质量的持续改善造成巨大的压力和挑战。

      • 1.2.   污染源分类

    • 本清单所涉及的大气污染物包括SO2、NOx、CO、VOCs 、PM10和PM2.5，根据《城市大气污染物排放清单编制指南》[30]，结合晋城社会经济特征和能源结构，将污染源划分为九类：化石燃料燃烧、工艺过程、移动、溶剂使用、扬尘、生物质燃烧、储存运输、废弃物处理和其他排放污染源。在以前的污染源分类研究时，常常忽略了土壤和堆场扬尘的影响，这导致了对区域颗粒物排放认识存在局限性，在该研究中，土壤和堆场扬尘对PM10和PM2.5的贡献分别高达22.43%和22.71%，因此将土壤和堆场扬尘一并纳入扬尘源；并根据燃料类型、产品类型、技术类型和污染控制措施将9类一级污染源进一步划分为三至五级，共287 个子类别，充分确保了清单的全面、精确性。由于篇幅限制，在此仅列举化石燃料固定燃烧源的5 级详细分类，见表1。

      • 1.3.   数据获取及排放量计算方法

    • 通过实地调查获取了1873 个点源详细数据，非点源数据通过政府部门调研以及调查问卷等方式获取，由于部分面源和线源信息无法直接获得，收集市级统计数据估计排放总量，使用不同的替代参数如人口密度、土地利用等，将其分配到各区县[31]。为了保证排放因子的精确性，优先选取研究地区排放因子实测数据、邻近该研究地区的排放因子数据以及国内外专家最新实测数据。污染物排放量估算方法详见下面的小节。

      • 1.3.1.   化石燃料固定燃烧源

    • 晋城盆地能源消费以煤炭为主，2020 年煤炭消费量为1792.8 万吨[29]，占一次能源消费的主导地位。化石燃料使用包括电厂、工业燃烧和住宅燃料燃烧，各企业排污设施经纬度、锅炉类型、化石能源消耗量、污染控制设施类型以及各个区县不同炉灶技术下各能源的使用量等相关计算数据来源于晋城市环境统计数据、排污申报数据和现场调研。污染物年排放量采用排放因子法估算，见公式（1）：

      式中，E为污染物排放量，t；A为活动水平；EF为排放因子；η为污染物去除效率，%；i为不同的污染物；j为不同排放源；m为排放源总个数。

      化石燃料燃烧产生的SO2采用物料衡算法进行计算，详见公式（2）：

      式中，E为SO2排放量，t；Q为k排放源的燃料消耗量；S为燃料含硫率，%；β为燃料系数；η脱硫效率，%，n为排放源总个数。

      NOx的形成与燃烧过程中的温度和富氧率密切相关[32]，温度和富氧率又受燃烧器技术、机组容量、锅炉类型、燃料种类和控制措施的影响。目前，煤粉锅炉是我国电厂的主要燃煤锅炉，占总装机容量85%以上[33]，随着国家能源结构的转型，锅炉低氮排放成为新时代的新要求[34]，自2004年以来，新建或扩建的发电厂均已安装低NOx燃烧器系统（LNBs）[35]。为了精细化NOx排放因子，参考Liu等[36]、Zhang等[37]、Tian等[38]研究，对锅炉机组容量和燃烧器安装情况做如下分类：（1）2004 年以后100—300 MW的机组和现有300 MW以上机组配置TLNBs（Traditional LNBs）；（2）现有300 MW以上机组配置ALNBs（Advanced LNBs）；（3）300 MW以下机组不配置LNBs。表2—4分别为燃煤电厂PC锅炉的NOx排放因子和其它燃烧源污染物排放因子。

      • 1.3.2.   工艺过程源

    • 该研究考虑了45 个工艺过程子排放源，污染物排放量采用公式（1）估算。详细信息来自晋城市环境统计数据以及开展2020 年晋城市大气污染物排放清单研究收集数据，包括地理位置、生产技术、生产类型、产量和污染控制技术及控制效率等。部分排放因子的选择见表5。

      • 1.3.3.   移动源

    • 道路移动源污染物排放量基于机动车保有量，采用公式（3）估算，不同类型车辆年均行驶里程来自晋城市环境统计数据和交运部门，排放因子采用COPERT基于本地化参数计算。

      式中，P为机动车保有量，辆；EF为排放因子；VKT为车辆年均行驶里程，km·辆−1；i为车辆类型；j为污染物类型；h为排放阶段；k为燃料类型。

      城市涉及的非道路移动源包括农业机械和工程机械。污染物排放量的估算采用如公式（1）所示的基于燃油消耗量的排放因子法，SO2排放量的估算采用公式（2）。排放因子参考张凯等[24]、Hua等[51]、Zhang等[62]的研究。

      • 1.3.4.   溶剂使用源

    • 溶剂使用源的组成具有分散性与复杂性[63]，是VOCs的主要排放源，活动水平为有机溶剂的使用量，工业点源溶剂使用量采用“自下而上”的方式进行获取，主要来自晋城市场监管局、生态环境局等部门和排污申报数据；非工业面源溶剂使用量采用替代参数进行估算，排放因子的选择如表6所示。

      • 1.3.5.   扬尘源

    • 扬尘源属于复杂混合源，受多种因素影响，来源广泛、时空变化大且无规律[8]。该文扬尘源涵盖了铺装道路扬尘、施工扬尘、土壤扬尘和堆场扬尘。

      铺装道路扬尘易受到风、人群活动、机动车移动等驱动因素的影响，该研究将晋城市6 个区县的道路分为城市道路、乡村道路、公路和高速公路4个等级， PM10和PM2.5排放量采用（4）计算：

      式中，EFRi为排放因子，计算方法参考文献[65]；LR为道路长度，km；NR为平均车流量，辆·a−1； nr为不起尘天数，该研究采用2020 年里降水量大于0.25 mm·d−1的天数表示.

      施工扬尘的排放因子和排放量分别采用公式（5、6）计算，施工面积、周期等活动水平数据从晋城市统计年鉴和各区县建设主管部门获取。施工扬尘的控制效率根据不同地区对扬尘的控制措施进行选取。

      式中， EFCi为排放因子；AC为施工区域面积，m2；T为工地施工月份数，一般按施工天数（30）计算；η为扬尘的去除效率，%。

      相较于其他扬尘，对土壤扬尘的防治是当前改善颗粒物污染的首要控制方向[66]。风蚀方程是估算土壤扬尘排放量的常用模型，详见公式（7—10）。

      式中，EFSi为排放因子；AS为尘源面积，m2；η为污染措施去除率，由于裸露地面完全无遮蔽，在计算时取0；k为粒度系数（ PM10取0.30，PM2.5取0.05）； Iwe为土壤风蚀指数；f为地面粗糙因子，取值0.5；L为无屏蔽宽度因子，即无明显覆盖物的最大范围，其值为1.0；V为植被覆盖因子，指裸露土壤面积占总计算面积比例，该文通过Li等[67]的方法进行确定；C为气候因子，由Thorn Thwaite降水-蒸发指数PE、晋城市年平均风速u、年降水量p和年平均气温Ta共同决定，取值0.0199。参数获取途径为中国气象数据网（http://data.cma.cn/）、土地利用类型图以及现场调研。

      堆场扬尘源是指由于堆积、装卸、运输等操作以及风蚀作用造成的扬尘。活动水平数据涉及堆场的占地面积、高度和年物料装卸总量，以发表调查和现场调查相结合的形式获取，估算公式（11）如下：

      式中，EFh为排放因子，计算方法参考文献[65]；m为料堆物料装卸总次数；GYi为第i次装卸过程的物料装卸量，t；EFW为料堆受到风蚀作用的颗粒物排放系数，kg·m−2；AY为料堆表面积，m2。

      • 1.3.6.   生物质燃烧源

    • 生物质燃烧来源包括露天秸秆燃烧和室内秸秆燃烧，尽管秸秆燃烧目前已被大力整治，但在许多县区，它仍被用作烹饪燃料[68]。该文基于作物产量、谷草比、秸秆燃烧速率和燃烧效率等估算了污染物排放量。水平活动数据来自生态环境局、企业填报以及社区/村庄问卷调查。排放因子均来自文献[30]，如表7所示。

      • 1.3.7.   储存运输源

    • 储存运输源是指汽/柴油在储藏、运输及装卸过程中逸散泄露造成VOCs排放的排放源。基于储油库汽/柴油吞吐量、油罐车汽/柴油运输量和加油站汽/柴油销售量等活动水平数据，采用公式（1）计算VOCs排放量。活动水平数据来自实地调研和晋城市商务局，排放因子来自闫雨龙等[69]的研究。

      • 1.3.8.   废弃物处理源和其他排放源

    • 废弃物处理源包括城市固体废物填埋、垃圾焚烧和堆肥、废水处理以及烟气脱硝过程副产物，污染物排放量采用公式（1）进行估算，活动水平数据包括场地信息、废弃物处理量、污水处理量、废弃物处理脱硫、脱氮和除尘效率，来自企业调研和晋城市环境统计局。其他排放源包括餐饮油烟源，其估算方法采用排放因子法，活动水平点源数据通过发放电子问卷搜集，包括餐饮行业的地理位置与固定灶头数；面源活动水平数据参考文献[30]中的经验值，详见表8。

      • 1.4.   空间分配

    • 准确的空间分配对于建立高分辨率排放清单至关重要。基于数据的可获得性，通过ArcGIS软件，采用合适的空间表征参数进行插值分配，将其划分到1 km×1 km的网格单元中，以反映污染物空间分布特征的差异性。各排放源的详细空间分配表征参数如表9所示。

    2.   结果与讨论（Results and discussion）

      2.1.   污染物排放情况

    • 晋城市2020 年污染物年排放量计算结果见表10。SO2、NOx、CO、VOCs、PM10和PM2.5排放总量分别为43736.24、54522.10、494967.08、35912.37、46275.92、24314.39 t。

      • 2.2.   污染源排放贡献

    • 各类排放源对总排放量的贡献如图2所示。固定燃烧源是晋城SO2排放的主要污染来源，占全市SO2排放量的79.8%。煤炭、天然气等化石能源的消耗主要与火力电厂发电和民用燃烧行为有关。2020 年，晋城规模以上工业发电量达到262亿千瓦时[29]，其燃烧过程贡献了固定燃烧源SO2排放量的24.7%，对于民用燃烧，尽管晋城近年来加强了集中供暖的力度以及散煤的整治，但在农村仍然存在燃煤取暖的行为，这是造成固定燃烧源对SO2排放高贡献率的重要因素。此外，工艺过程源作为SO2的第二贡献来源，其排放主要来自钢铁冶金、水泥生产以及其他工业制造等。

      与SO2来源类似，晋城NOx的排放主要来自固定燃烧源的贡献，占比高达46.7%，煤炭、石油等燃料的燃烧会产生大量的NOx。移动源对NOx的贡献率仅次于固定燃烧源，占NOx总排放量的29.7%。其中，道路移动源主要来自重型柴油货车、轻型柴油货车和小型汽油客车，非道路移动源主要贡献来自拖拉机和挖掘机。2020 年末晋城机动车保有量50.2 万辆，比2019 年增长7.5%[29]，机动车数量的急剧增加是大气污染物排放日趋增加的重要原因之一。通过控制车辆保有量、限制重点路段的交通流量以及推广新能源汽车是很好的减排选择。

      晋城大气环境中CO的人为源排放主要来自化石燃料燃烧和工艺制造过程，分别贡献CO总排放量的38.1%和53.8%。其中，民用燃烧和钢铁生产加工过程的贡献达到34.1%和26.4%。农业活动往往会产生大量的农业废弃物，这些废弃物的处置仍然是一个难题，在2020 年，晋城农作物种植面积达到175.9 千公顷[29]，意味着更多的作物秸秆可能被用来焚烧，这种低燃烧效率的处置方式导致高的排放因子，进而造成民用燃烧对CO排放的高贡献率。由于工艺水平的限制，钢铁制造业在吹氧冶炼过程中产生相当一部分的CO不能被回收利用，既造成能源浪费，又带来环境污染。

      VOCs作为细颗粒物和O3的重要前体物，是目前大气污染控制的重点研究对象，主要来自工艺过程源、移动源和化石燃料燃烧源，分别贡献VOCs总排放量的31.3%、26.1%和24.7%。工艺过程源中VOCs主要来源于钢铁冶炼、焦化以及其他工业行业；民用燃烧、小型汽油客车和挖掘机也是VOCs排放的主要贡献源。中国是世界涂料生产和消费的第一大国，且涂料产量在逐年稳定增长，目前由于低VOC排放涂料领域的大力发展，溶剂使用源仅占晋城全市VOCs排放量的9.5%。

      扬尘源是PM10的最大贡献源，分担率高达37.5%。截止到2020 年，晋城公路里程达到9652 km[29]，道路交通的高速发展以及机动车保有量的连年攀升，使道路扬尘对PM10的贡献率远高于其它扬尘源。工艺过程源是PM10的第二大贡献源，占比32.5%，主要来自钢铁冶炼、铸造及烧结工序、水泥及其它工业制造。由于扬尘源中的颗粒物排放多为粗粒子，因而对PM2.5的贡献相对较低，仅为20.0%，工业制造过程和化石燃料燃烧对PM2.5的贡献最高，分别为35.3%和31.8%。

      • 2.3.   城市排放贡献

    • 图3展示了晋城市各区县大气污染物排放量贡献。海拔较低的泽州、阳城和高平分别是SO2和NOx排放量较高的3个区县，占全市SO2和NOx总排放量的88.6%和71.0%，3个地区以化石燃料利用为主的工业企业分布密集，大量使用煤炭等能源导致高的SO2和NOx负担，高的污染物浓度和低海拔地区较弱的大气扩散条件，极易形成严重污染事件，危害人体健康；城区位于盆地最中心部位，其NOx排放明显高于其他5个地区，排放主要来自移动源，这是由于城区机动车保有量居晋城首位，且柴油车的NOx排放因子较高，从而导致高NOx的释放；CO的排放主要来自泽州、高平和城区的工艺过程，泽州、高平是晋城主要的钢铁产地，在烧结和高炉炼铁过程会产生大量的CO。此外，泽州、高平、阳城和陵川的固定燃烧源也对CO排放量有较大贡献，共占CO总排放量的85.6%；VOCs排放主要集中在城区、泽州、高平和阳城。其中，城区的VOCs主要来自移动源的机动车尾气排放，高平的VOCs来自工艺过程源的石油化工及钢铁铸造等行业，泽州和阳城的VOCs则来自于化石燃料燃烧源、工艺过程源、移动源等其他源，陵川和沁水对VOCs的贡献率亦较为突出，主要来自移动源；泽州、高平是PM10的首要贡献地区，贡献率分别为26.6%和25.5%，两区县的PM10排放源也较为相似，依次是工艺过程源、扬尘源和固定燃烧源等，城区的扬尘源对PM10贡献高达62.6%，这是因为市中心交通路网密集，道路扬尘载荷大，同时大规模的基础设施建设也导致粉尘的大量排放，此外，阳城、陵川和沁水的扬尘源对PM10的贡献也较为突出；不同地区PM2.5的污染源同PM10相一致，泽州和高平对PM2.5的贡献率分别为26.3%和29.9%，排放源依次为工艺过程、化石燃料燃烧和扬尘源等，阳城和陵川的化石燃料燃烧对PM2.5的贡献较高，城区的工艺过程是首要PM2.5排放源，扬尘源次之。

      • 2.4.   污染物空间分布特征

    • 图4展示了6 类大气污染物的空间分布情况。SO2在城区、高平、泽州中部和北部、阳城东部、沁水东南方向有广泛的分布，在高平和泽州的交界附近形成一个显著的高值污染带，主要为电、热力生产、钢铁、砖瓦以及其他生产企业燃料燃烧过程的排放；NOx集中分布在城区、泽州北部、阳城东部和高平等工业密集、能源消耗量大的地区，排放量较为突出的网格不仅来自于火电厂等较大的点源，机动车排放对其分布也有显著影响，在网格中呈现出沿道路网格向外延伸分布的特征；CO的排放与燃料和生物质燃烧、道路移动呈高度正相关，分布特征与NOx类似，但CO的点源分布更为明显；VOCs的排放呈从阳城、泽州、高平中心低海拔地带向四周高海拔地带辐散减弱的趋势；PM10和PM2.5呈现出相似的空间分布特征，受扬尘、非金属产品制造和燃料燃烧的影响，均集中于泽州、高平和阳城路网密集、施工强度较高的地区以及部分工业园区内。

      晋城盆地各项大气污染物主要集中分布在285—750 m的低海拔地区，而在盆地边缘750—2200 m的中高海拔地区，排放源较为分散且污染物排放量低。在柯伯俊[70]建立的四川盆地排放清单中，位于盆地底部（海拔<500 m）的成都、自贡等15 个城市大气污染严重，坡区的雅安、巴中等污染次之，而位于边缘高海拔地带的阿坝藏羌族自治州和甘孜藏族自治州（海拔约3000 m）污染最轻，污染物的浓度随着海拔的增加呈下降的趋势。张凯等[24]编制了兰州盆地大气污染物排放清单，结果表明SO2、NOx、CO、VOCs、PM10和PM2.5的排放主要集中于兰州盆地中央海拔较低的“西固区-七里河区-城关区”一带。总体而言，四川、兰州盆地大气污染物排放量较高的区域均集中在低海拔地区，而在盆地边缘高海拔地区污染物排放量低，与晋城盆地的空间分布一致。

      • 2.5.   排放清单不确定性分析

    • 在清单建立的过程中，由于监测误差、活动数据代表性不足和排放因子的地区差异等原因导致总排放量的最终结果存在不确定性，识别和量化这些不确定性是保证清单编制结果准确性的重要手段。该研究采用基于概率统计的Monte Carlo模拟，通过Oracle Crystal Ball软件对晋城盆地2020年大气污染物排放量的不确定性进行量化分析。

      模拟的排放因子概率分布呈正态分布、三角分布和均匀分布。变异系数（CV） 处于5%—20%范围内，在95%置信区间内设定随机抽样次数10000次，SO2、NOx、CO、VOCs、PM10和PM2.5 6种污染物排放量的不确定性范围为：−14.76%—17.14%、−17.65%—18.56%、−15.59%—15.52%、−27.31%—26.77%、−21.30%—21.52%和−22.09%—23.22%。可以发现，SO2、NOx和CO的不确定性较低，因为这3种污染物的贡献源主要为点源，企业生产规模、生产工艺、产品产量、污染控制设施等基础信息收集充分，对于民用散煤燃烧等面源，采用调查问卷方式获取，经统计后去掉无效问卷并计算县级人均燃料消耗量，与统计年鉴进行比对修正以提高准确度。相比之下，VOCs、PM10和PM2.5的排放存在较高的不确定性，主要受溶剂使用、道路移动和扬尘等因素的影响，其中，溶剂使用源和扬尘源的组成分散且复杂，有统计不完整等情况存在，道路移动源的不确定性则是由模拟数据计算的排放因子存在一定的误差造成的。虽然该清单存在一些不确定性，但污染物排放量的计算值与模拟均值误差较小，Monte Carlo模拟分析表明本清单整体可信度高，可为盆地城市空气质量建模和减排策略发布提供不可或缺的数据基础。

    3.   结论与展望（Conclusion and prospect）

    • （1） 2020年晋城市6种大气污染物SO2、NOx、CO、VOCs、PM10和PM2.5的年排放总量分别为43736.24、54522.10、494967.08、35912.37、46275.92、24314.39 t。

      （2） 从污染源贡献来看，化石燃料固定燃烧源是SO2和NOx的最大排放贡献源，同时，道路移动也排放大量NOx，CO的高排放源依次为工艺过程、化石燃料燃烧和移动源，VOCs主要来自移动源和工艺过程源，工艺过程和扬尘是主要的颗粒物（PM10和PM2.5）贡献源。

      （3） 晋城市大气污染物的空间特征表明，大气污染物的分布主要集中在泽州、高平、阳城等盆地中央285—750 m的低海拔、缓坡度地区，而在盆地边缘750—2200 m的陵川和沁水中高海拔地区排放较少，这是因为高密度人口带、工农业产区等主要分布在低海拔地区，人为污染排放集中。

      （4） Monte Carlo模拟结果显示，CO的不确定性最小为−15.59%—15.52%，VOCs的不确定性最大为−27.31%—26.77%，该结果表明本清单整体可信度较高。

      （5） 城市人为活动排放的大气污染物浓度与人口过早死亡呈显著正相关，由于盆地地区是严重雾霾天气高发地，因此当地居民面临的健康问题更为严峻。我们应该拓展对地形复杂、大气扩散条件差的盆地地区的研究，为盆地城市大气污染防治工作提供科学依据，尤其是在以煤炭为主要能源利用类型的重工业城市。此外，在未来研究中，应将污染物的时间分布同空间分布协同研究，以提升排放清单的精细程度。

    参考文献 (70)

返回顶部

目录

/

返回文章
返回

Copyright © 2019 中国科学院生态环境研究中心