海运是全球经济的基石.虽然海运是公认的相对绿色环保的交通方式之一, 但船舶发动机功率普遍较大, 加上船舶普遍采用油品质量较差、高硫含量的重油, 船舶排放仍然相当巨大.此外, 相比于机动车和非道路移动机械来说, 船舶的排放控制政策与措施仍处于起步阶段, 使得船舶排放问题更为严重.
船舶排放的物质主要包括气态和颗粒态一次污染物, 例如二氧化硫(SO2)、氮氧化物(NOx)、颗粒物(PM)、黑碳(BC)、一氧化碳(CO)、挥发性有机物(VOC)、二氧化碳(CO2)和氨, 及在高浓度烟气中经快速反应过程形成的二次细颗粒物(Corbett and Fischbeck, 1997).绝大部分远洋船使用大型压燃式发动机, 且大部分船舶没有加装尾气后处理装置, 尾气中PM、BC、硫氧化物(SOx)和NOx等污染物的排放量很高.此外, 远洋船主要使用燃料油(也称为渣油或重油)来提供动力、供热和电力, 船用燃料油含硫量高(硫含量3.5%), 是2018车用柴油标准的3500倍.船舶燃料油经过发动机的燃烧, 其中主要的硫转化成SO2, 另外一小部分被氧化为三氧化硫(SO3), 产生硫酸和硫酸盐气溶胶, 直接以颗粒物形式排出.质量较差的船舶燃油加上大部分现役船舶均未安装排放后处理设备, 导致船舶单位功率的排放远高于机动车.
船舶排放的NOx占全球所有化石燃料源的15%左右, SO2排放占所有人为源的4%~9%, CO2的排放占所有化石燃料燃烧的2%左右(Corbett et al., 1999; Eyring et al., 2005).船舶排放的颗粒物中, 硫酸盐占全球排放的2.3%~3.6%, 硝酸盐占全球排放的0.1%~2.3%, BC占全球排放的0.4%~1.4%(Lauer et al., 2007).欧洲环境署2013年报告指出, 船舶排放对PM2.5浓度的贡献可达25%, 其中对二次硫酸盐的贡献达到40%, 而现有观测对于船舶排放的覆盖严重不足(European Environment Agency, 2013).这些污染物与海陆天气、气候系统相互作用和影响, 形成细颗粒物和臭氧等二次污染物, 并且随着海陆风, 能够向大范围的陆地区域输送并进一步反应, 对人体健康和生态系统带来严重危害, 并导致不可忽视的气候变化效应.
由于船舶排放区域与人口密集区高度重合, 且大部分时间船舶都是处于近海或近岸航行状态, 污染物排放后经风力输送扩散, 会对处于港口下风向地区的空气质量和公众健康都造成很大影响.即使是远洋船舶, 59%~86%的排放发生在距离海岸线200海里的范围内(European Environment Agency, 2013).Corbett等的研究发现, 2001年全球远洋船PM2.5排放引发的心肺疾病导致的过早死亡人数达60000人, 其中东亚地区(包括中国、日本和韩国)的过早死亡人数达15000人(Corbett et al., 2007).美国环保局(EPA)的研究表明, 如果在美国大部分海岸线近岸海域没有对船舶排放进行控制, 2030年会导致31000个居民的过早死亡(EPA, 2009);根据Liu等的研究, 2013年东亚地区远洋船排放导致的过早死亡人数约为14500~37500人(Liu et al., 2016).
船舶排放还会影响生态系统和全球气候变化.船舶排放的硫和氮化合物的沉降导致酸雨、土壤酸化和氮富集等, 影响生态系统(Greaver et al., 2012).国际航运对全球硫沉降和陆地硫沉降的贡献率分别在5%和3%.这一比例在船舶交通量大的地区更高, 如欧洲地区船舶排放使得硫酸盐和硝酸盐沉降总量增加了约15%(Collins et al., 2009).而北半球夏季出现的严重海洋酸化现象也被认为是受船舶排放影响(Hassell et al., 2013).远洋船排放的SOx在海面上空与水汽结合, 成为了云凝结核, 从而表现出成云效应, 影响大气循环和降雨.在气候变化方面, 船舶的影响十分复杂.一方面, 船舶排放的CO2、以BC为主的颗粒物和间接生成的臭氧是航运导致全球变暖的主要因素;另一方面, 船舶排放的其他污染物, 如硫酸盐气溶胶、NOx和有机气溶胶则会导致气候变冷(Faber and Technica, 2009; Fuglestvedt et al., 2009).综上所述, 基于船舶排放研究其各项影响和生态、气候系统变化是当前国际研究的热点问题.
船舶排放是我国区域大气污染源排放清单中重要但长期缺失的一部分, 我国对于船舶排放清单的研究还很不全面.我国研究者们针对大气污染源排放做了大量的研究, 各种陆地源的排放清单日渐完善, 分辨率逐渐提高、不确定性日益降低, 这些研究工作为大气复合污染的形成和应对机制研究提供了重要的清单支持(Zheng et al., 2009; Zhang et al., 2009; Li et al., 2014; Huang et al., 2011).然而与陆地源排放清单相比, 船舶排放, 特别是对近海船舶排放清单的系统研究, 对于我国是一个从无到有、填补空白的过程.如果清单在空间范围上均局限于陆地, 而在陆海交界处由高排放突变为零, 则会带来以下问题:①排放与观测不符.国际上研究表明, 同地区卫星反演的柱浓度显示在近海范围的污染物浓度仍然较高(Huang et al., 2011), 且船舶排放引起的成云效应已经被观测证实(Capaldo et al., 1999), 说明了近海范围不只是受陆地排放影响, 也受到海面范围的排放影响.②空气质量模拟不准.由于空气质量模式依赖于排放清单, 且往往使用多层嵌套的大空间范围清单, 船舶清单的缺失使得沿海地区的模拟准确度受到极大影响.③源解析影响.2015年4月, 环保部公布了9城市的大气颗粒物源解析结果, 除上海的首要污染物来源为流动源外, 其余城市, 甚至天津、广州等港口城市, 均未将船舶排放列入其中, 主要原因是缺乏船舶排放清单, 导致在模型模拟中缺乏整个船舶运输部门, 从而无法实现全面的源解析.
我国是全球海运最繁忙、增速最快的区域之一, 主要航道如泛太平洋、亚欧、南北航道都以我国为起点或终点(Asriotis et al., 2014).2016年世界前十大和前二十大港口中国分别占据了7个和11个(包括香港港)(UNCTAD, 2016; UNCTAD, 2015).我国港口每年处理全球三成的集装箱、近四成的杂散货吞吐(冯淑慧等, 2014).尽管这些海运活动构成了全球经济的基石, 但也加剧了港口和周边地区的空气污染.与全球其他重要港口地区相比, 我国港口所处地区人口密集度高, 船舶活动频繁, 且船舶排放控制政策和措施尚未全面普及, 船舶造成的空气污染可能对国内港口城市居民的健康影响更大.因此, 深入了解船舶排放源的排放特征, 建立准确、高分辨率的排放清单, 对于完善我国多种污染物的排放清单、研究大气复合污染的形成和应对机制均有重要作用, 既是国际上的学术前沿, 又具有关系我国国计民生的重要意义.
2 与清单建立相关的船舶排放特点(Shipping emission features relative to the establishment of emission inventory)尽管人们对船舶排放重要性的认识不断加深, 但船舶排放研究的难度仍然较大, 主要因为船舶排放具备以下几个基本特征:①动态排放.船舶属于清单建立难度最高的非道路移动源, 与固定源相比, 这类源排放时空变化迅速, 除了受到静态因素影响外, 还会受到速度、发动机功率等动态因素的影响, 因此在准确定量、及时更新和高分辨率方面的难度是所有污染源中最高的;②多源排放.不同于其他移动源的单一发动机, 船舶排放来自主机、辅机和锅炉三套系统, 无法简单通过船舶行驶速度定量三套体系运行状况, 需要增加更多的函数变量分别模拟排放变化;③流动性强.不同于车辆、施工机械等, 船舶的流动性更强, 在我国注册的船舶与在我国海域行驶、周转的船舶南辕北辙.建立船舶清单时无法通过注册量进行排放估算, 也难以获得外籍船舶的相关信息.例如Liu等(2016)建立的2013年东亚地区远洋船舶排放清单中, 不同国籍和不同目的地远洋船舶CO2排放占比差异巨大.因此, 对于船舶这一污染源来说, 区域尺度的计算难度最大.
总体来说, 船舶排放清单是大气污染源清单建立中难度最大的部门, 船舶排放的这些特征对排放清单建立提出了更高的要求, 一方面需要大量基础工作获得足够可信的数据来描述船舶的流动、动态和多源运行参数, 另一方面需要建立合适的技术方法对这一复杂体系, 搭建不同区域尺度的排放清单.
3 船舶排放清单的建立方法(Methods of developing shipping emission inventory)目前国际上的船舶排放清单研究, 从研究尺度分为全球、区域和局地, 从方法体系分为自上而下和自下而上两类, 总结为表 1的研究矩阵.自上而下的方法包括:燃油法、贸易法;自下而上的方法包括统计法和动力法.一般而言, 自下而上的方法在排放清单精度和时空分辨率上优于自上而下的方法.船舶排放计算的基础数据一般可以分为排放因子、动态数据(活动水平)、静态数据(技术参数), 由于船舶排放因子在全球范围具有普适性, 因此, 在以下的研究现状综述中, 所涉及的基础数据均指动态和静态数据.分别从4种方法综述国内外研究进展.
船舶排放清单的燃油计算法类似于机动车排放计算, 通常是根据燃料油的统计数据乘以估计的平均排放因子得到总排放量, 再根据船舶类型将总排放量进行分配.Corbett等(1999)利用美国能源信息管理局(Energy Information Administration)等公布的国际海运燃油统计数据, 结合不同类型的燃油和发动机的排放因子计算得到了全球范围内基于燃油消耗的船舶排放清单;欧洲研究者Endresen等(2003)、Eyring等(2005)也通过改进的燃油法建立了全球远洋船排放清单.图 1以CO2和NOx排放为例总结了全球船舶排放研究, 可以看出, 在全球尺度上, 对于船舶CO2的排放估计相对一致(2010年后达到20%误差范围内), 而对于NOx排放的计算较少且不确定性较大(50%差异), 这也体现了燃油法的优点和弊端.燃油法由于基于统计的燃料油消耗量, 因此, 可以提供一个数量级相对准确的全球尺度排放清单, 并且能够有效地反映出排放的历史变化趋势;但由于这种方法忽略了船舶技术类型之间的排放差异, 所以对于污染物的排放估计不确定性会加大.
如果将燃油法应用于区域尺度, 则会引入较大不确定性.Wang等(2008)研究指出, 采用燃油法这样自上而下获得的区域清单往往会低估排放, 在北美、欧洲等地, 仅有采用自下而上方法建立的区域清单值的20%~70%.通过同一研究者欧美和亚洲的横向比较就会发现, 亚洲地区的排放往往远低于欧洲, 与实际货运量不符.因此, 全球尺度的排放清单在亚洲地区的分配不合理.燃油法在区域尺度存在较大误差主要是因为在排放计算中如果使用地区燃料油销售量, 将与实际燃料油消耗量之间存在差异.与机动车不同, 大部分的机动车加油地区和消耗地区较为一致, 但船舶(特别是远洋船舶)由于航行距离长, 不同地区燃料油价格波动大, 因此, 销售量和消耗量不能匹配.例如, 新加坡常年都是燃料油销售排名第一的港口, 但从货物吞吐量来看, 新加坡港仅排第三, 低于我国的宁波和上海港.因此, 燃油法更适用于全球尺度上源清单的计算和长时间范围纵向比较, 不太适用于区域尺度的排放计算.
我国尽管在船舶排放计算方面起步较晚, 但近年来也有一些燃油法的应用.例如, 张礼俊等(2010)根据船舶类型, 使用了基于燃料消耗的方法和基于平均船舶引擎功率、平均载荷等的统计法建立了珠三角地区的船舶排放清单.南开大学的金陶胜等(2009)对天津港运输船舶的总体情况进行调研, 结合调研结果和国外机构的数据调整了排放因子, 采用基于燃油法对天津港运输船舶排放的NOx、HC、CO和PM10进行了计算, 建立了天津港运输船舶2006年的排放清单.
3.2 贸易法贸易法是指根据海运货物周转量、货物种类等参数, 结合一定的经验设定, 计算排放的方法.Streets等(1997; 2000)用贸易法计算了1995—1999年亚洲的船舶SO2排放;深圳市环境保护监测中心的李智恒等(2011)建立了船运数据中客运、货运的吞吐量与各污染物排放量之间的相关性模型, 并使用了香港的氮氧化物的排放量和船运数据计算了公式中的参数, 然后使用其他污染物的排放量验证了参数的合理性, 最终应用该模型估算了深圳市2003年船舶污染物排放清单.这类方法的优点和弊端都来自于它对基础数据的要求较低, 一方面, 可以较好地体现船队活动受经济因素的影响, 也能够在数据相对空白的地区使用;另一方面, 该方法的大量假设增加了排放清单的不确定性, 由于贸易数据所限, 非货运船只(如客船、渔船、拖船、作业船等)未被纳入, 同时对于一些小型船只的排放可能会低估;并且由于分辨率较低, 难以实现基于船舶实际航行轨迹的排放地区分配.
3.3 统计法统计法是指通过数据的静态统计, 例如港口进出港艘次等数据, 通过结合船舶分类、引擎功率分布、活动模式分类和排放因子估算等数据, 最终以船舶引擎功率和活动时间来估算排放量的方法.相比于燃油法和贸易法, 这种方法包含了更多的船只统计信息, 可以体现出活动时间与排放的关联, 并且大大提升了排放清单的时空分辨率.这一方法对于基础数据的要求较高, 特别适用于港口范围内的污染源清单建立.由于统计法主要依赖于静态数据(特别是港口统计数据), 对于动态数据, 例如船舶运行速度、运行轨迹等采用的是估计值, 在离港海域的排放估算不确定性很高, 因此更适用于港口范围内的排放清单建立.
美国最开始应用统计法.自2009年起, 由于向国际海事组织(IMO)申请建立船舶排放控制区(ECA), 美国环保署对所有主要港口开展了大规模的数据统计工作, 极为详尽的提供了船舶分类、引擎功率分布、活动模式分类和排放因子估算等重要信息, 建立了当时最先进的自下而上的排放清单(EPA, 2009).之后美国国家排放清单(NEI)几次更新的船舶排放清单都是基于上述清单进行外推得到.美国加州空气资源管理委员会(CARB, 2006)和ICF咨询公司(Independent Consulting Firm)(ICF Consulting, 2009)也分别在2006和2009年开展过针对局地的远洋船舶调研, 获取船舶的特征信息和活动水平资料, 有效地填补了过去在船舶特征信息和活动水平资料上的空缺, 为了进一步提高船舶清单准确度和可靠性提供了可能.除美国外, 英国也为统计法的发展做出了较大贡献.英国Entec公司做了一份关于量化欧盟国家港口船舶相关污染物排放的研究报告(ENTEC, 2005), 不仅比较了统计法与其它方法(多数为自上而下)之间的优缺点, 而且通过增加船舶特征数据的主要来源, 降低了清单整体的不确定性.
我国一些研究者也利用统计法进行了港口船舶排放清单的建立.青岛市环境监测中心的刘静等(2011)将船舶的运行状态划分为5个阶段, 估算各类型船舶在各阶段的燃料日消耗量、运行天数及排放因子, 并对青岛市各个港口统计了一些特征信息.他们在电子地图上描绘了各个类型的船舶的航线, 结合这些航线上的航行速度、距离等数据及这些估算数据, 建立了2004年青岛港口船舶大气污染排放清单.
1.4 动力法动力法的核心是通过对船舶运行情况的实时监测, 获取高分辨率的船舶动力信息, 确定发动机负荷和工况, 针对船舶发动机的运行工况使用不同的排放因子, 进而建立排放清单.这种方法由于依赖于实时船舶动态信息的获取, 因此直到近年才开始发展起来, 目前多通过与统计法结合, 使用集计的动力信息计算排放.
动力法使用的船舶动态数据主要有以下几个来源:美国船只自动化互助救助系统(Automated Mutual-Assistance Vessel Rescue System, 简称AMVER), 国际综合海洋大气数据集(International Comprehensive Ocean Atmosphere Data Set, 简称ICOADS), 国际海事组织的远程识别与跟踪系统(Long Range Identification and Tracking, 简称LRIT)和船舶自动识别系统(Automatic Identification System, 以下简称AIS).前三个系统建立时间较早, 对大西洋船只的覆盖程度更高, 欧美均有学者对其数据质量进行了评估, 并比较了利用其建立的船舶排放清单的准确性.美国EPA的船舶排放计算模式STEEM也是基于AMVER和ICOADS进行了大量数据统计, 建立的基于船舶航行轨迹分布概率的排放清单系统(Wang et al., 2007b).然而这3个数据系统对于亚洲地区并不适用, 主要原因是系统对亚洲地区船舶的渗透率较低.AIS系统诞生于20世纪90年代, 是一种新型的集通讯技术和电子信息显示技术为一体的数字化助航系统设备.IMO要求大于300 GT的船舶必须安装AIS系统, 因此, 截至2013年, 有72000艘船舶安装了AIS系统.AIS系统包括一套GPS来提供实时的经纬度, 和一套VHF信号发送器定期发送GPS信息和船舶信息.在岸边, 通常有岸边基站进行数据交通;在海上, 则通过卫星收集AIS数据.AIS系统的出现, 一方面极大的提高了船只覆盖率, 另一方面也使得数据质量大大提高.
2009年, 美国研究者Perez等(2009)介绍了AIS在美国德克萨斯州的应用案例, 利用高分辨率船舶活动数据计算船舶处于不同运行状态的时间, 并在空间上对船舶进行精确定位.2010年, Entec公司利用AIS系统, 采用基于船舶引擎功率的估算方法, 建立英国水域2007年船舶排放清单, 并使用统计法外推19902009年的港口船舶历史排放源清单, 此外, 还分析了各类船舶活动水平数据及排放因子的不确定性来源, 并对其高低程度做出了评估(ENTEC, 2010).
我国也有一些研究者结合AIS数据建立港口和区域的船舶排放清单.港口清单方面, 主要集中在上海港(伏晴艳等, 2012; Song, 2014a)、深圳港(Yang et al., 2015)和香港港(Yau et al., 2012; Ng et al., 2013)等.区域清单方面, 2012年思汇政策研究所、香港科技大学和香港大学共同发表了珠三角地区船舶减排政策的报告(Civic Exchange, 2012), 建立了2007年香港附近海域及珠三角地区船舶排放清单.2016年, 多名国内研究者分别发表了基于AIS数据的船舶清单研究.Liu等(2016)、Chen等(2016)、Li等(2016)、刑辉等(2016)和Fan等(2016)分别估算了2013年东亚地区、2014年天津港、2013年珠三角地区、2014年环渤海地区和2010年长三角地区及离海岸线400海里的东海地区船舶排放.其中Liu等在结合现有动力法研究基础上, 通过探索基于单船的逐时动力排放计算方法, 将船舶排放清单方法发展到非集计动力法, 建立了高分辨率的东亚地区远洋船排放清单, 在清单精度和时空分辨率取得了重要突破.
不同清单方法在各尺度上的排放计算结果存在较大差异.根据Wang(2007)的研究, 采用基于AIS系统的动力法、采用燃油法并依据ICODAS系统做排放分配和各港口清单对于美国各港口的排放计算结果差异较大.因此需要根据清单范围的大小选取合适的清单方法, 以减少排放计算的不确定性.
4 船舶排放清单研究进展(The research progress of shipping emission inventory)近年来国内外研究者在清单方法和基础数据等方面做了大量工作, 大大提高了清单质量.下面从不同研究尺度进行介绍:
在全球清单方面, 表 2和表 3分别展示了采用燃油法和采用动力法得到的全球船舶清单的结果.不同方法得到的全球船舶排放结果存在差异.根据采用燃油法的研究, 全球船舶排放SO2为5.8~13 Tg, NOx为10.12~22.93 Tg, PM为0.912~1.4 Tg, CO2为437.5~913 Tg;根据采用动力法的研究, 全球船舶排放SO2为9.081~13.7 Tg, NOx为15.5~24.5 Tg, PM为1.3~1.6 Tg, CO2为653.875~1101.1 Tg.从表中可以看出, 采用动力法得到的结果大多高于采用燃油法的结果.如2014年IMO(IMO, 2015)发布的远洋船舶绿色气体排放报告中, 分别采用了燃油法和基于AIS数据的动力法估算了2007年全球船舶排放.除NOx外, 其他主要污染物的结果均是动力法高于燃油法.可能的原因一是不同方法计算的系统误差(Moreno-Gutierrez et al., 2015), 二是燃油法中统计数据不全面导致油耗计算结果偏低.此外, 部分污染物(如PM和CH4等)相比于其他污染物, 在不同研究中的计算结果存在更大差异, 不确定度更大(Eyring et al., 2010).近年来全球航运贸易保持了4%左右的年增长(UNCTAD, 2016; 2015; 2014; 2013), 使得全球船舶排放逐年增长, 这也体现在不同年份清单计算结果中.
在东亚地区, 近年来该地区船舶排放在全球范围内的贡献率明显增长, 如图 2所示(Liu et al., 2016).传统基于燃油法的研究认为, 该地区的船舶排放约占全球船舶排放的4.5%~6.6%之间.2016年清华大学的Liu等(2016)使用基于卫星和岸边基站AIS数据的动力法, 结合本土化的船舶静态数据库, 首次在东亚地区区域尺度上实现了逐船模拟排放, 建立了该地区远洋船排放清单.研究结果显示, 2013年东亚地区远洋船舶排放了(1.85±0.07) Tg(百万吨)SO2、(2.8±0.1) Tg NOx和(126±4) Tg CO2, 分别贡献了全球船舶排放的19%、17%和16%(全球清单来自IMO报告(IMO, 2015)).
在我国区域清单方面, 京津冀、长三角和珠三角区域清单的研究逐渐成为了近年来的研究热点.我国京津冀、长三角和珠三角三大城市群港口分布最为密集, 我国前十大港口全部分布在上述地区(UNCTAD, 2016; 2015), 且三大区域为第一批排放控制区实施地区, 这些区域清单的建立具有重要意义.目前针对3个区域的船舶清单研究均采用基于AIS数据的动力法, 如表 4所示.从表中可以看出, 长三角地区虽然港口数量偏少, 但其核心港口上海港和宁波舟山港吞吐量分居世界港口吞吐量前两位, 导致长三角船舶排放高于京津冀和珠三角.思汇政策研究所(Civic Exchange, 2012)和Li等(2016)分别计算了珠三角地区2007年及2013年船舶排放量, 但后者的计算结果低于前者.可能的原因在于Li等研究范围更小(约离岸20海里), 且未包括香港港的船舶排放.除了京津冀、长三角和珠三角等区域范围的清单研究, 还有辽宁省(邢辉等, 2016)和广东省(叶斯琪等, 2014)等针对单一省份的船舶清单研究.
在港口清单方面, 早期港口清单的研究多以统计法和燃油法为主(表 5), 如南开大学的金陶胜等(2009)对天津港运输船舶的总体情况进行调研, 结合调研结果和国外机构的数据调整了排放因子, 采用基于燃油法对天津港运输船舶排放的NOx、HC、CO和PM10进行了计算, 建立了天津港运输船舶2006年的排放清单.近年基于AIS数据的动力法逐渐成为港口清单的主流计算方法, 如2017年尹佩玲等(2017)通过AIS数据获得船舶活动轨迹, 结合劳氏船级社的船舶特征信息, 建立了2010年宁波-舟山港船舶排放清单, 并得到船舶排放的空间分布和小时变化特征谱.这些研究均未考虑港口实施岸电措施后对排放的影响.未来随着中国地区AIS数据覆盖率的提高, 加上船舶基础数据的优化, 基于AIS系统动力法在我国港口清单计算中会更具优势.
在研究船舶清单的基础上, 不少研究者将清单数据引入化学传输模式, 深入分析船舶排放对大气环境的影响.如在全球尺度, Corbett等(2007)在全球船舶清单基础上, 分别利用ECHAM5/MESSy1-MADE模型和GEOS-Chem模型估算了船舶排放PM2.5浓度的模拟结果, 得到了全球范围内船舶排放导致的过早死亡人数.在区域尺度, Liu等(2016)基于东亚地区船舶排放清单, 使用GISS ModelE2气候模型估算了船舶各污染物的辐射强迫;叶思琪(2014)建立了珠三角地区2010年船舶排放清单, 并利用CMAQ模型模拟了船舶排放对珠三角地区空气质量的影响.化学传输模式具备完整的化学反应体系并能充分考虑区域传输影响, 然而仍存在一些固有缺陷, 如空间分辨率不高、对颗粒物二次组分和臭氧的模拟效果欠佳等, 制约了模型结果的准确性(Eyring et al., 2010).
5 面临的挑战(Chanllenges)经过多年发展, 船舶排放清单方法日渐完善, 分辨率逐渐提高、不确定性日益降低.然而船舶基础数据质量仍待提升, 特别是排放因子和AIS数据质量成为了提高船舶清单精确度的瓶颈, 成为了后续研究需要攻克的难题.
首先是排放因子质量的挑战.船舶清单的不确定性很大程度来源于排放因子的不确定性.远洋船舶种类繁多, 行驶工况复杂, 不同船型、不同行驶状态(Winnes and Fridell, 2010; Fu et al., 2013)和负荷(Petzold et al., 2010)条件的船舶排放因子变化巨大, 然而目前已有的排放因子测试研究相对有限, 无法提供足够精细的排放因子数据, 因此排放因子数据质量成为了制约清单质量的关键因素.图 3提供了不同船舶清单中使用的排放因子及主要的排放因子测试数据对比.除了针对低硫油场景的IMO MGO外(硫含量0.15%), 其余清单中船舶燃油均为重油(硫含量2.43%左右), 所用排放因子较为一致且接近于测试结果.其中NOx排放因子与船舶发动机年龄和转速等直接相关, 不确定度较大;SO2排放因子由船舶燃油硫含量直接决定;CO2和PM排放因子差异不大.
近年来国内研究者纷纷针对我国本土船舶不同船舶类型、发动机种类和工况条件开展排放因子测试研究.2013年, Fu等(2013)测试了7艘中国内河不同发动机类型的船舶, 得到了基于油耗和基于船舶行驶距离的CO、HC、NOx和PM排放因子;2015年, Song(2015)利用车载排放测试系统(PEMS)开展了国内内河船舶的排放测试, 并用得到的排放因子数据, 结合AIS系统, 对渤海湾4个港口排放进行了计算;2016年, Zhang等(2015)通过3台不同功率发动机的排放测试, 得到了不同工况下基于燃油和基于功率的排放因子.除了常规的排放因子测试方法外, 近年来一种新型的排放因子间接测量方法——空中烟羽测量法逐渐得到应用(Lack et al., 2011; Petzold et al., 2008; Sinha et al., 2003; Schlager et al., 2007; Williams et al., 2005).这些研究为船舶排放因子库的完善提供了重要数据支持.
其次是AIS数据质量的挑战.AIS数据主要有两大来源:卫星AIS数据和岸基AIS数据, 其中卫星AIS数据由低轨道卫星进行收发和传递, 主要负责远海海域船舶的监控;岸基AIS数据接收主要由分布在世界各地港口、河道、岛屿的基站采集有效信号范围内的船舶AIS广播消息得到, 在港口内和近港口海域数据质量较好.AIS数据覆盖密度和更新频率受多项因素影响, 不同区域间分布不均匀, 数据质量存在较大差异(IMO, 2015).相比于欧洲和美国等岸基网络更发达、AIS低轨道卫星数量更多的地区, 亚洲地区AIS信号明显偏少, 直接影响了清单计算的质量.一方面, 船舶信号不稳定、甚至信号失联的情况增多, 某些AIS数据在亚洲公海上的更新频率达到数小时甚至数天之久;另一方面, 部分船舶可能没有AIS覆盖.这两种情况都会导致亚洲地区船舶排放计算结果偏小.
随着未来AIS覆盖范围的增加, 基站网络的扩大, AIS数据量会逐年提升.如表 6所示, Jalkanen等(2016; 2014)针对欧洲海域一系列清单研究中, AIS数据量逐年增加.因此在清单计算的过程中有必要对AIS数据做及时更新.值得一提的是, Liu等(2016)的东亚地区清单计算中AIS数据量达到20亿条之多, 为清单质量提供了有力保证.
船舶排放的大气污染物对人体健康和生态系统带来严重危害, 并导致不可忽视的气候变化效应, 引起了世界各国的重视.船舶排放是我国区域大气污染源排放清单中重要但长期缺失的一部分, 我国对于船舶排放清单的研究还很不全面.建立我国准确、高分辨率的排放清单既是国际的学术前沿, 又具有关系我国国计民生的重要意义.本文的主要结论如下:
1) 船舶排放具有动态排放、多源排放和流动性强的基本特征, 对排放清单建立提出了更高的要求.
2) 船舶排放清单包括四类方法, 自上而下的方法包括:燃油法、贸易法;自下而上的方法包括统计法和动力法.其中燃油法更适用于全球清单计算, 但不适用于区域清单;贸易法对基础数据要求较低, 但不确定度较大;统计法依赖统计数据, 更适用于港口范围;动力法准确性最高, 但对基础数据有较高要求.
3) 近年来国内外在清单方法和基础数据等方面做了大量工作, 大大提高了清单质量.在全球清单方面, 主要采用燃油法和动力法;东亚地区的研究发现, 该地区的船舶排放占全球比例存在低估.我国的清单研究中, 京津冀、长三角和珠三角逐渐成为了区域船舶清单研究热点, 而港口清单研究主要集中在国内核心港口, 如天津港、上海港和宁波-舟山港等.在船舶清单的基础上, 不少研究者将清单数据引入化学传输模式, 深入分析船舶排放对大气环境的影响.
4) 目前船舶排放清单的研究主要面临两大挑战:一是排放因子质量的挑战.排放因子数据质量是制约清单质量的关键因素, 近年来国内研究者纷纷开展了本土化的排放因子测试研究, 帮助完善船舶排放因子库;二是AIS数据质量的挑战.AIS数据覆盖密度和更新频率受多项因素影响, 不同区域间分布不均匀, 数据质量存在较大差异.特别是亚洲地区AIS信号明显偏少, 导致该地区船舶排放计算结果偏小.
7 展望(Outlooks)基于本文的研究结果, 建议我国船舶排放清单可从以下几方面进行完善:
1) 虽然国内不少沿海港口和区域已建立起船舶排放清单, 但这些研究采用的清单方法、船舶数据和排放因子多为国外的研究结果, 缺少本地化的船舶静态数据、船舶动态数据和排放因子测试数据, 无法体现本地化船舶排放特征.因此, 未来应加强清单基础数据获取的研究, 建立分区域、分船型、分发动机种类和分燃油品种的详细数据库.
2) 目前港口和区域清单方法学尚未统一, 未能形成能提供高分辨率排放清单的方法体系, 不同清单结果也难以相互比较.未来应着手进行范围确定、基础数据获取和计算方法等方面的标准化工作, 力求建立一套不同范围尺度的清单计算标准化、流程化方法, 并以此建立国内各港口和区域尺度的排放清单数据库.
3) 现有船舶清单较少将船舶与港口附近其他排放源联系起来.未来应加强不同排放源之间的对比研究, 探究船舶排放与港口港作机械、内河船舶和港口作业车辆等排放的深入关系.
4) 现有研究多针对特定港口或特定区域的船舶排放情况, 较少进行不同城市和区域之间的对比分析.未来应加强不同港口功能、城市人口和经济发展水平对船舶排放量的影响的研究, 揭示船舶排放与地区经济、港口贸易量和城市人口等内在联系.
5) 现有研究多着眼于港口或区域化的清单建立, 较少采用空气质量模型、健康模型和气候模型评估船舶排放的区域化影响.未来应基于本土化船舶排放清单, 结合较为完善的区域陆地源清单, 深入探究船舶排放对空气质量的影响及其健康效应、气候效应, 为船舶排放监管和政策制定提供科学参考.
此外, 为控制我国船舶排放, 建议实施船舶污染控制政策, 如设立排放控制区、推动船舶油品质量法规、推广岸电及实施发动机外净化设备等.
Asariotis R, Benamara H, Hansen P, et al. 2013. Review of Maritime Transport 2013[R]. ISBN 978-92-1-112872-7. New York and Geneva:United Nations Conference On Trade and Development. 1-35
|
Asariotis R, Benamara H, Hansen P, et al. 2014. Review of Maritime Transport 2014[R]. ISBN 978-92-1-112878-9. New York and Geneva:United Nations Conference On Trade and Development. 1-27
|
Asariotis R, Benamara H, Hansen P, et al. 2015. Review of Maritime Transport 2015[R]. ISBN 978-92-1-112892-5. New York and Geneva:United Nations Conference On Trade and Development. 1-29
|
Asariotis R, Benamara H, Hansen P, et al. 2016. Review of Maritime Transport 2016[R]. ISBN 978-92-1-112904-5. New York and Geneva:United Nations Conference On Trade and Development. 1-29
|
Capaldo K, Corbett J J, Kasibhatla P, et al. 1999. Effects of ship emissions on sulphur cycling and radiative climate forcing over the ocean[J]. Nature, 400(6746): 743–746.
DOI:10.1038/23438
|
Celo V, Dabek-Zlotorzynska E, Mccurdy M. 2015. Chemical characterization of exhaust emissions from selected Canadian marine vessels:the case of trace metals and lanthanoids[J]. Environmental Science & Technology, 49(8): 5220–5226.
|
Chen D, Zhao Y, Nelson P, et al. 2016. Estimating ship emissions based on AIS data for port of Tianjin, China[J]. Atmospheric Environment, 145: 10–18.
DOI:10.1016/j.atmosenv.2016.08.086
|
Collins B, Sanderson M G, Johnson C E. 2009. Impact of increasing ship emissions on air quality and deposition over Europe by 2030[J]. Meteorologische Zeitschrift, 18(1): 25–39.
DOI:10.1127/0941-2948/2008/0296
|
Corbett J J, Fischbeck P S, Pandis S N. 1999. Global nitrogen and sulfur inventories for oceangoing ships[J]. Journal of Geophysical Research:Atmospheres, 104(D3): 3457–3470.
DOI:10.1029/1998JD100040
|
Corbett J J, Fischbeck P. 1997. Emissions from ships[J]. Science, 278(5339): 823–824.
DOI:10.1126/science.278.5339.823
|
Corbett J J, Koehler H W. 2003. Updated emissions from ocean shipping[J]. Journal of Geophysical Research:Atmospheres, 108(4650): 87–107.
|
Corbett J J, Winebrake J J, Green E H, et al. 2007. Mortality from ship emissions:a global assessment[J]. Environmental Science and Technology, 41(24): 8512–8518.
DOI:10.1021/es071686z
|
Dalsøren S B, Eide M S, Endresen Ø, et al. 2008. Update on emissions and environmental impacts from the international fleet of ships. The contribution from major ship types and ports[J]. Atmospheric Chemistry and Physics Discussions, 8(5): 18323–18384.
DOI:10.5194/acpd-8-18323-2008
|
Entec. 2002. Quantification of emissions from ships associated with ship movements between ports in the European community Final Report[R]. FS 13881. England:Entec UK Limited. 3-21
|
Endresen Ø, Bakke J, Sørgård E, et al. 2005. Improved modelling of ship SO2 emissions-a fuel-based approach[J]. Atmospheric Environment, 39(20): 3621–3628.
DOI:10.1016/j.atmosenv.2005.02.041
|
Endresen Ø, Sørgård E, Bakke J, et al. 2004. Substantiation of a lower estimate for the bunker inventory:Comment on "Updated emissions from ocean shipping" by James J. Corbett and Horst W. Koehler[J]. Journal of Geophysical Research:Atmospheres (1984-2012), 109(D23302): 1–7.
|
Endresen Ø, Sørgård E, Behrens H L, et al. 2007. A historical reconstruction of ships' fuel consumption and emissions[J]. Journal of Geophysical Research:Atmospheres, 112(12): 69–82.
|
Endresen Ø, Sørgård E, Sundet J K, et al. 2003. Emission from international sea transportation and environmental impact[J]. Journal of Geophysical Research:Atmospheres, 108(D17): 4560.
DOI:10.1029/2002JD002898
|
Entec.2005. Service Contract on Ship Emissions:Assignment, Abatement and Market-Based Instruments[R].690-90.UK:ENTEC. 4-25
|
Entec. 2010. UK Ship Emissions Inventory[R]. 21897-01. England:Entec UK Limited. 99-119.
|
EPA. 2009. Proposal to Designate an Emission Control Area for Nitrogen Oxides, Sulfur Oxides and Particulate Matter[R]. EPA-420-R-09-007. United States:United States Environmental Protection Agency. 1-33
|
EPA. 2009. Control of Emissions From New Marine Compression-Ignition Engines at or Above 30 Liters per Cylinder[R]. 75 FR 22895. United States:United States Environmental Protection Agency. 22895-23065
|
EPA. 2000. Analysis of Commercial Marine Vessels Emissions and Fuel Consumption Data[R]. EPA420-R-00-002. United States:United States Environmental Protection Agency. 131-158
|
Eyring V, Isaksen I S, Berntsen T, et al. 2010. Transport impacts on atmosphere and climate:Shipping[J]. Atmospheric Environment, 44(37): 4735–4771.
DOI:10.1016/j.atmosenv.2009.04.059
|
Eyring V, Köhler H W, Van Aardenne J, et al. 2005. Emissions from international shipping:1. The last 50 years[J]. Journal of Geophysical Research:Atmospheres, 110(2005): D17305.
|
Faber J F, Technica D. 2009. Technical support for European action to reducing Greenhouse Gas Emissions from international maritime transport[M]. .
|
Fan Q, Zhang Y, Ma W, et al. 2016. Spatial and seasonal dynamics of ship emissions over the Yangtze River Delta and East China Sea and their potential environmental influence[J]. Environmental Science & Technology, 50(3): 1322–1329.
|
Fu M, Ding Y, Ge Y, et al. 2013. Real-world emissions of inland ships on the Grand Canal, China[J]. Atmospheric Environment, 81: 222–229.
DOI:10.1016/j.atmosenv.2013.08.046
|
冯淑慧, 朱祉熹, Becque Renilde, 等. 2014. 中国船舶和港口空气污染防治白皮书[M]. 自然资源保护协会(NRDC)
|
伏晴艳, 陈明华, 钱华. 2001. 上海市空气中NOx的污染现状及分担率[J]. 上海环境科学, 2001, 20(5): 224–226.
|
伏晴艳, 沈寅, 张健. 2012. 上海港船舶大气污染物排放清单研究[J]. 安全与环境学报, 2012, 12(5): 57–63.
|
Fuglestvedt J, Berntsen T, Eyring V, et al. 2009. Shipping Emissions:From Cooling to Warming of Climate and Reducing Impacts on Health[Z]. ACS Publications.
|
Greaver T L, Sullivan T J, Herrick J D, et al. 2012. Ecological effects of nitrogen and sulfur air pollution in the US:what do we know?[J]. Frontiers in Ecology and the Environment, 10(7): 365–372.
DOI:10.1890/110049
|
Hassell V I M, Turner D R, Lauer A, et al. 2013. Shipping contributes to ocean acidification[J]. Geophysical Research Letters, 40(11): 2731–2736.
DOI:10.1002/grl.50521
|
Huang C, Chen C H, Li L, et al. 2011. Emission inventory of anthropogenic air pollutants and VOC species in the Yangtze River Delta region, China[J]. Atmospheric Chemistry and Physics, 11(9): 4105–4120.
DOI:10.5194/acp-11-4105-2011
|
ICF Consulting. 2006. Current Methodologies and Best Practices in Preparing Port Emission Inventories[R]. ICF International
|
CIVIC Exchange. 2012. A Price Worth Paying:The Case for Controlling Marine Emissions in the Pearl River Delta[R]. No report number. Hong Kong:CIVIC Exchange. 9-13
|
ICF Consulting. 2009. Current methodologies in preparing mobile source port-related emission inventories Final Report[R]. 09-024. United States:ICF International. 2-1-25
|
IMO. 2000. Study of Greenhouse Gas Emissions from Ships Issue[R]. no. 2-31. UK:International Maritime Organization. 50-100
|
IMO. 2015. Third IMO Greenhouse Gas Study 2014 Executive Summary and Final Report[R]. No report number. UK:International Maritime Organization. 38-327
|
Jalkanen J, Brink A, Kalli J, et al. 2009. A modelling system for the exhaust emissions of marine traffic and its application in the Baltic Sea area[J]. Atmospheric Chemistry and Physics, 9(23): 9209–9223.
DOI:10.5194/acp-9-9209-2009
|
Jalkanen J P, Johansson L, Kukkonen J. 2014. A comprehensive inventory of the ship traffic exhaust emissions in the Baltic Sea from 2006 to 2009[J]. Ambio, 43(3): 311–324.
DOI:10.1007/s13280-013-0389-3
|
Jalkanen J, Johansson L, Kukkonen J. 2016. A comprehensive inventory of ship traffic exhaust emissions in the European sea areas in 2011[J]. Atmospheric Chemistry and Physics, 16(1): 71–84.
DOI:10.5194/acp-16-71-2016
|
金陶胜, 殷小鸽, 许嘉, 等. 2009. 天津港运输船舶大气污染物排放清单[J]. 海洋环境科学, 2009, 28(6): 623–625.
|
Lack D A, Cappa C D, Langridge J, et al. 2011. Impact of fuel quality regulation and speed reductions on shipping emissions:implications for climate and air quality[J]. Environmental science & technology, 45(20): 9052–9060.
|
Lauer A, Eyring V, Hendricks J, et al. 2007. Global model simulations of the impact of ocean-going ships on aerosols, clouds, and the radiation budget[J]. Atmospheric Chemistry and Physics, 7(19): 5061–5079.
DOI:10.5194/acp-7-5061-2007
|
Li C, Yuan Z, Ou J, et al. 2016. An AIS-based high-resolution ship emission inventory and its uncertainty in Pearl River Delta region, China[J]. Science of the Total Environment, 573: 1–10.
DOI:10.1016/j.scitotenv.2016.07.219
|
Li M, Zhang Q, Streets D G, et al. 2014. Mapping Asian anthropogenic emissions of non-methane volatile organic compounds to multiple chemical mechanisms[J]. Atmospheric Chemistry and Physics, 14(11): 5617–5638.
DOI:10.5194/acp-14-5617-2014
|
李智恒, 何龙. 2011. 船舶污染物排放清单估算方法研究[J]. 广西轻工业, 2011(5): 79–80.
|
刘静, 王静, 宋传真, 等. 2011. 青岛市港口船舶大气污染排放清单的建立及应用[J]. 中国环境监测, 2011, 27(3): 50–53.
|
Liu H, Fu M, Jin X, et al. 2016. Health and climate impacts of ocean-going vessels in East Asia[J]. Nature Climate Change, 6(11): 1037–1041.
DOI:10.1038/nclimate3083
|
Levelton Consultants Ltd. 2012. Marine Emission Inventory Study Eastern Canada and Great Lakes, Final Report[R]. Diesel Engine Exhaust Gases
|
Moldanová J, Fridell E, Popovicheva O, et al. 2009. Characterisation of particulate matter and gaseous emissions from a large ship diesel engine[J]. Atmospheric Environment, 43(16): 2632–2641.
DOI:10.1016/j.atmosenv.2009.02.008
|
Monographs I. 2012. Diesel and gasoline engine exhausts and some nitroarenes[R]. 13(7):663. 1. France:IARC working group. 451-467
|
Moreno-Gutiérrez J, Calderay F, Saborido N, et al. 2015. Methodologies for estimating shipping emissions and energy consumption:a comparative analysis of current methods[J]. Energy, 86: 603–616.
DOI:10.1016/j.energy.2015.04.083
|
Ng S K, Loh C, Lin C, et al. 2013. Policy change driven by an AIS-assisted marine emission inventory in Hong Kong and the Pearl River Delta[J]. Atmospheric Environment, 76: 102–112.
DOI:10.1016/j.atmosenv.2012.07.070
|
Paxian A, Eyring V, Beer W, et al. 2010. Present-day and future global bottom-up ship emission inventories including polar routes[J]. Environ Sci Technol, 44(4): 1333–1339.
DOI:10.1021/es9022859
|
Perez H M, Chang R, Billings R, et al. 2009. Automatic Identification System (AIS) data use in marine vessel emission estimation[Z]. e17
|
Petzold A, Hasselbach J, Lauer P, et al. 2008. Experimental studies on particle emissions from cruising ship, their characteristic properties, transformation and atmospheric lifetime in the marine boundary layer[J]. Atmospheric Chemistry and Physics, 8(9): 2387–2403.
DOI:10.5194/acp-8-2387-2008
|
Petzold A, Weingartner E, Hasselbach J, et al. 2010. Physical properties, chemical composition, and cloud forming potential of particulate emissions from a marine diesel engine at various load conditions[J]. Environmental Science & Technology, 44(10): 3800–3805.
|
Schlager H, Baumann R, Lichtenstern M, et al. 2007. Aircraft-based trace gas measurements in a primary European ship corridor[Z]. Office for Official Publications of the European Communities, Luxembourg. 83-88
|
Sinha P, Hobbs P V, Yokelson R J, et al. 2003. Emissions of trace gases and particles from two ships in the southern Atlantic Ocean[J]. Atmospheric Environment, 37(15): 2139–2148.
DOI:10.1016/S1352-2310(03)00080-3
|
Song S. 2014. Ship emissions inventory, social cost and eco-efficiency in Shanghai Yangshan port[J]. Atmospheric Environment, 82: 288–297.
DOI:10.1016/j.atmosenv.2013.10.006
|
Streets D G, Carmichael G R, Arndt R L. 1997. Sulfur dioxide emissions and sulfur deposition from international shipping in Asian waters[J]. Atmospheric Environment, 10(31): 1573–1582.
|
Streets D G, Guttikunda S K, Carmichael G R. 2000. The growing contribution of sulfur emissions from ships in Asian waters, 1988-1995[J]. Atmospheric Environment, 34(26): 4425–4439.
DOI:10.1016/S1352-2310(00)00175-8
|
谭建伟, 宋亚楠, 葛蕴珊, 等. 2014. 大连海域远洋船舶排放清单[J]. 环境科学研究, 2014, 27(12): 1426–1431.
|
Wang C, Corbett J J, Firestone J. 2007a. Modeling energy use and emissions from North American shipping:Application of the ship traffic, energy, and environment model[J]. Environmental Science & Technology, 41(9): 3226–3232.
|
Wang C, Corbett J J, Firestone J. 2008. Improving Spatial Representation of Global Ship Emissions Inventories[J]. Environmental Science & Technology, 42(1): 193–199.
|
Wang C, Corbett J J, Firestone J. 2007. Modeling energy use and emissions from North American shipping:Application of the ship traffic, energy, and environment model[J]. Environmental Science & Technology, 41(9): 3226–3232.
|
Williams E, Lerner B, Quinn P, et al. 2005. Measurements of gas and particle emissions from commercial marine
|
Winnes H, Fridell E. 2010. Emissions of NOx and particles from manoeuvring ships[J]. Transportation Research Part D:Transport and Environment, 15(4): 204–211.
DOI:10.1016/j.trd.2010.02.003
|
邢辉, 段树林, 黄连忠, 等. 2016. 基于AIS数据的渤海湾地区海运排放测算[J]. 中国环境科学, 2016, 36(3): 953–960.
|
邢辉, 段树林, 黄连忠, 等. 2016. 辽宁省港口邻近区域海运废气排放测算[J]. 环境科学研究, 2016, 29(1): 29–35.
|
Yang J, Yin P L, Ye S Q, et al. 2015. Marine emission inventory and its temporal and spatial characteristics in the city of Shenzhen[J]. Huan jing ke xue=Huanjing kexue/, 36(4): 1217–1226.
|
Yau P S, Lee S C, Corbett J J, et al. 2012. Estimation of exhaust emission from ocean-going vessels in Hong Kong[J]. Science of the Total Environment, 431: 299–306.
DOI:10.1016/j.scitotenv.2012.03.092
|
杨静, 尹佩玲, 叶斯琪, 等. 2015. 深圳市船舶排放清单与时空特征研究[J]. 环境科学, 2015, 36(4): 1217–1226.
|
叶斯琪, 郑君瑜, 潘月云, 等. 2014. 广东省船舶排放源清单及时空分布特征研究[J]. 环境科学学报, 2014, 34(3): 537–547.
|
叶斯琪. 2014. 珠江三角洲地区船舶排放特征及对区域空气质量影响的研究[D]. 广州: 华南理工大学
http://cdmd.cnki.com.cn/Article/CDMD-10561-1014064480.htm |
尹佩玲, 黄争超, 郑丹楠, 等. 2017. 宁波-舟山港船舶排放清单及时空分布特征[J]. 中国环境科学, 2017, 37(1): 27–37.
|
Zhang F, Chen Y, Tian C, et al. 2015. Emissions factors for gaseous and particulate pollutants from offshore diesel engine vessels in China[J]. Atmospheric Chemistry & Physics Discussions, 15(10): 6319–6334.
|
Zhang Q, Streets D G, Carmichael G R, et al. 2009. Asian emissions in 2006 for the NASA INTEX-B mission[J]. Atmospheric Chemistry and Physics, 9(14): 5131–5153.
DOI:10.5194/acp-9-5131-2009
|
Zheng J, Zhang L, Che W, et al. 2009. A highly resolved temporal and spatial air pollutant emission inventory for the Pearl River Delta region, China and its uncertainty assessment[J]. Atmospheric Environment, 43(32): 5112–5122.
DOI:10.1016/j.atmosenv.2009.04.060
|
张礼俊, 郑君瑜, 尹沙沙, 等. 2010. 珠江三角洲非道路移动源排放清单开发[J]. 环境科学, 2010, 31(4): 886–891.
|