2. 中国民航科学技术研究院, 北京 100028
2. China Academy of Civil Aviation Science and Technology, Beijing 100028
随着航空业的快速发展, 航空排放对环境的影响日趋严重.尽管各航空发动机制造厂商都在不断提升发动机热效率、发展先进的低污染燃烧技术, 但仍然无法抵消全球机队高速增长对大气环境带来的负面影响(ICAO, 2016).
机场作为航空活动最为密集的区域, 相关污染物的排放对当地空气质量(Local Air Quality, LAQ)影响显著, 评估、监测并控制机场当地空气质量有助于维持机场附近生态环境的稳定, 保障机场工作人员和附近居民的健康(Masiol et al., 2014).预计在未来20年内, 我国商用飞机的机队数量至少将会再翻一番(Boeing, 2018).根据《全国民用机场布局规划》(国家发展改革委和民航局, 2017), 到2025年, 我国将在现有(含在建)机场基础上, 新增布局机场136个, 全国民用运输机场规划布局达到370个(规划建成约320个), 届时机场排放对区域环境的影响将更加不可小觑.
国外针对机场空气质量的研究起步较早, 成果显著, 很多学者针对不同机场建立排放清单(Stettler et al., 2011; Winther et al., 2015), 模拟和测量污染物的扩散浓度(Duchene et al., 2011; Penn et al., 2015), 探讨和评估减排措施对当地空气质量的影响(Yim et al., 2013; Koudis et al., 2017).在国内, 机场排放清单的研究在近些年逐渐升温(夏卿等, 2008; 樊守彬等, 2010; 黄清凤等, 2014; 徐冉等, 2016; 周子航等, 2018; 王瑞宁等, 2018), 伯鑫等(2017)还应用机场空气质量模型EDMS(Emission and Dispersion Modeling Systerm)对北京首都机场的污染排放及扩散模拟展开了研究.
机场排放清单的准确编制作为定量评估机场排放的重要环节, 所有与机场有关的排放源(主要包括航空器、地面服务、基础设施和陆侧交通)一般都要考虑在内(ICAO, 2011), 其中, 飞机主发动机作为最主要的污染源, 其排放估算结果影响着排放清单的准确度.
目前的排放清单中航空器主发动机的排放多采用标准着陆和起飞循环(Landing and Take-Off cycle, LTO cycle)进行估算.该循环作为国际民航组织(ICAO, International Civil Aviation Organization)用于排放合格审定和技术比较的参考周期(ICAO, 2008), 将飞机在机场区域内(高出地面3000英尺以下)的运行简化为进近、滑行/地面慢车、起飞和爬升4个飞行阶段, 根据机场高峰时段的普查结果给定各飞行阶段状态时间(分别为4.0、26.0、0.7和2.2 min), 并假设飞机发动机在各飞行阶段保持恒定的推力状态(推力设定值分别为额定推力的30%、7%、100%和85%).然而, 飞机在机场实际的运行时间和发动机推力设定值往往并不符合标准LTO循环, 导致采用标准LTO循环的估算结果与发动机实际排放量差异很大(ICAO, 2011).
机载飞行数据记录设备(FDR或QAR)中既包含了飞机实际的燃油流量和飞行时间, 还包含了表征飞行员操纵、飞机和发动机状态的诸多参数, 应用实际飞行数据估算发动机排放引起了国内外许多学者的关注(李娜等, 2015; 李超役等, 2017; Turgut et al., 2017a; 曹惠玲等, 2018).Turgut等(2017b)应用土耳其近万架国内航班FDR, 分析研究了飞机在机场各飞行阶段实际的状态时间、燃油流量和排放量, 并与标准LTO循环进行了对比.韩博等(2017)应用机载飞行数据研究了一次航班飞行全过程大气污染物排放特征.国际民航组织在《机场空气质量手册》(ICAO, 2011)中也指出:采用航空器实际运行数据进行排放估算, 能最好地反映实际排放情况.目前国内运营的民航客机上均装有QAR设备, 因此, 更精确地估算各航班污染物的排放量, 提升机场排放清单编制的准确度已具备数据条件.
基于此, 本文以北京首都机场某日机场运行数据和该日国内机队航班QAR数据为基础, 研究基于飞行数据的机场飞机主发动机排放清单制定方法, 编制首都机场该日飞机主发动机排放清单, 分析首都机场航班排放特征.在此基础上, 结合大量航班的排放估算结果, 分析探讨结合实际数据本地化的LTO循环, 以期为机场飞机排放清单的精确制定提供新的方法和思路.
2 研究对象与理论基础(Research subject and basic theory) 2.1 研究对象与区域本文以北京首都机场一典型日(该日航班数量接近机场日平均值)运营航班为研究对象, 以平均混合层高度3000英尺为区域边界, 研究的大气污染物包括HC、CO、NOx和PM2.5.
2.2 数据集根据机场运行数据统计, 该日北京首都机场共起降航班1690架次, 其中, 离港航班824架(国内机队729架, 外航机队95架), 到港航班866架(国内机队766架, 外航机队100架).图 1为航班起降架次逐小时分布, 8:00—23:00为机场繁忙时段, 起降架次接近机场小时容量(88架次), 机场空域长时间处于高负荷运行状态.航班机型以B738、A320系列和A330系列为主(图 2).
提取该日首都机场1326架次起降航班的QAR数据, 主要包括飞行时刻、气压高度、推力水平、燃油流量、马赫数、外界环境条件(温度、压力)等信息, 参数的采样间隔一般为每秒一次.
2.3 发动机基准排放数据ICAO发动机排放数据库(Engine Emission Databank, EEDB)中记录了所有合格审定发动机在基准大气条件(海平面国际标准大气)下的排放数据(https://www.easa.europa.eu/easa-and-you/environment/icao-aircraft-engine-emissions-databank), 并定期进行更新, 主要包括发动机在标准LTO循环4个飞行阶段对应的燃油流量、3种气态污染物(HC、CO和NOx)的排放指数(Emission Indices, EI, 单位质量燃料燃烧产生污染物的质量)及烟度值(Smoke Number, SN)等.
由于数据库中并不包含颗粒物的排放指数, 本文首先采用一阶近似3.0(First Order Approximate 3.0, FOA3.0)方法(ICAO, 2011)对发动机基准排放数据进行补充, 估算各机型标准LTO循环4个飞行阶段下的颗粒物排放指数, 包括非挥发性颗粒物(PMnvol)、挥发性硫酸盐颗粒物(PMsulphur)和挥发性有机颗粒物(PMorganics)3种组分.该方法是航空环境保护委员会(CAEP, Committee on Aviation Environmental Protection)制定并且批准采用的一种临时性方法, 给出了烟度值和非挥发性颗粒物排放指数之间的关系, 以及挥发性硫酸盐颗粒物排放指数和挥发性有机颗粒物排放指数的计算表达式.本文在计算挥发性硫酸盐颗粒物排放指数时, 燃料含硫量(FSC)取保守数值0.068%, 硫转换效率取中间值2.4%.
FOA3.0方法并不涉及颗粒物尺寸的相关信息, 但喷气发动机所排放的绝大多数颗粒物为超细颗粒物(空气动力学直径≤0.1 μm), 其中, 非挥发性颗粒物直径一般为0.02~0.06 μm, 挥发性颗粒物直径一般为0.001~0.015 μm, 均属于PM2.5范畴(SAE, 2009; 李超役等, 2017).表 1以Trent 772发动机为例, 给出其基准排放数据.
基准排放指数反映的是发动机在基准大气条件4个特定推力状态(燃油流量)下的排放特性, 然而, 发动机在实际运行中可能位于慢车到全功率范围内的任意一点, 如何根据QAR中记录的发动机每秒实际的燃油流量, 借助基准排放特性估算发动机在该时刻实际状态下的排放指数成为准确估算排放量的关键.
2.4 实际排放指数计算本文采用波音燃油流量法2(Boeing Fuel Flow Method 2, BFFM2)作为3种气态污染物(HC、CO和NOx)实际排放指数的计算方法(DuBois et al., 2006; SAE, 2009; Chandrasekaran et al., 2012), 步骤如下.
① 首先在双对数坐标系中拟合发动机基准状态下慢车至全功率范围内排放指数与燃油流量的关系, 拟合方法基于大量排放测试数据发展而来.事实上, 在发动机排放审定测试过程中, 发动机的排放性能测量会在许多功率设定值上(通常是大于10个)进行, 包括慢车到全功率整个范围, 不仅仅限于标准LTO循环的4个状态.图 3以Trent 772发动机为例, 给出其基准排放数据的拟合曲线.
由于发动机排放审定测试在未安装的发动机上进行, 故拟合前需对各推力状态下的基准燃油流量进行系数修正, 以考虑发动机实际安装(特别是引气)对燃油流量的影响.
② 对于实际的飞行状态, 将发动机燃油流量FF按式(1)~(3)转换至地面基准条件下的燃油流量FFref, 使得发动机在地面基准条件以该FFref运行时所对应的燃烧室进口温度(T3)与当前飞行状态所对应的T3相同.
(1) |
(2) |
(3) |
式中, Ta为飞行条件下外界环境温度(K);Pa为飞行条件下外界环境压力(Pa);Ma为飞行马赫数.
③ 根据FFref插值基准排放数据拟合曲线, 得到基准条件下相同T3所对应的污染物排放指数EIref, 再结合实际飞行外界环境条件(温度、压力和湿度)按式(4)~(7)进行修正, 得到发动机在实际飞行状态下污染物的排放指数EI.
(4) |
(5) |
(6) |
(7) |
式中, x、y为修正系数, 本文中x取1.0, y取0.4;H为湿度修正系数;ω为湿度比, 参照ISO 5878附录2(1983)结合实际飞行外界环境条件(温度、压力和相对湿度)估算, 相对湿度查询该日气象数据(中国气象数据网, 2018).
对于颗粒物, 由于目前尚未建立成熟的方法估算实际飞行状态下的排放指数, 本文沿用BBFM2的思路, 在双对数坐标系中对颗粒物3种组分的基准排放数据分别进行线性拟合, 将实际飞行的燃油流量FF按式(1)转换至FFref, 分别插值得到对应状态下3种组分的排放指数EIPMnvol、EIPMsulphur和EIPMoriganics.总的排放指数(EIPM2.5)等于其各组分排放指数之和, 即:
(8) |
根据首都机场某日运行数据, 进行飞机-发动机匹配, 基于各航班QAR数据, 逐个航班计算其在机场区域内(3000英尺以下)起降各污染物的排放量, 累加所有航班排放量的计算结果得到该日飞机主发动机排放清单.
单个航班的排放量根据航班QAR数据中发动机每秒的燃油流量和计算得到的该时刻实际排放指数进行估算:
(9) |
式中, Ei为污染物i的排放量(g);n为航班运营飞机的发动机数量;t为飞行时刻;h为飞行高度(英尺);FFt为t时刻发动机燃油流量(kg·s-1);EIit为t时刻污染物i的排放指数(g·kg-1).
对于缺失QAR数据的外航航班和部分国内机队航班(354/1690), 采用结合实际数据本地化的LTO循环参数和排放数据估算相应机型的排放, 具体方法在3.3节中讨论.
3 实际计算与结果分析(Results and analysis) 3.1 首都机场飞机主发动机日排放清单表 2为首都机场飞机主发动机日排放清单, 该日飞机主发动机排放HC、CO、NOx和PM2.5的总量分别为933.9、10967.8、14703.5和85.5 kg.图 4为各污染物排放随时间的分布, 该日8:00—10:00、11:00—22:00为污染物排放的高峰时段.
根据排放估算结果, 进一步统计分析首都机场航班排放特征, 首都机场单位LTO循环中HC、CO、NOx和PM2.5的平均排放量分别为908.7、11560.0、13473.3和91.0 g, 各飞行阶段平均的排放占比如图 5所示.在标准LTO循环4个飞行阶段的基础上, 本文将航班在机场的运行进一步划分为进近、反推打开、滑行、滑行过程中的慢车等候(飞机地速为零)、起飞和爬升6个阶段.标准LTO循环省略了飞机进近落地后打开反推这一过程的排放贡献, 而应用QAR数据的排放估算可以更加准确地计算和评估该阶段排放.将标准LTO循环中滑行和地面慢车阶段拆分成滑行与滑行过程中的慢车等候两部分, 意在评估场面运行条件下飞机排队等候的排放占比.
结合图 5分析可得, NOx在发动机大推力状态下因高温燃烧而排放显著, 故其排放主要集中在起飞和爬升阶段, 占排放总量的68.0%.HC和CO主要在低推力状态下因不完全燃烧而排放显著, 故其排放主要集中在滑行和慢车阶段, 分别占总排放量的90.0%和88.0%.PM2.5在各飞行阶段的排放较为平均.反推对污染物排放的贡献主要集中在NOx和PM2.5, 分别占二者LTO循环排放总量的2.0%和1.9%.
首都机场飞机推出后滑行过程中的平均排队等候时间为7.4 min, 降落后滑入过程中的平均排队等候时间为0.3 min, 单位LTO循环慢车等候阶段HC、CO、NOx和PM2.5的排放量分别占总滑行阶段对应污染物排放量的26.3%、27.5%、25.7%和27.5%, 这一部分排放量有望通过场面运行优化进一步控制.
3.3 结合实际数据本地化的LTO循环基于大量航班QAR数据和排放估算结果, 统计首都机场实际LTO循环各飞行阶段实际状态时间的平均值、各机型在各飞行阶段实际燃油流量和排放指数的平均值, 与标准LTO循环和基准排放数据对比, 分析基于标准LTO循环排放估算的不确定性.
表 3为北京首都机场起降航班各飞行阶段实际状态时间的统计平均值, 较标准LTO循环差异不大.但标准LTO循环各飞行阶段状态时间实际上是20世纪70年代高峰时段(典型不利条件)的普查结果(ICAO, 2011), 对于一些繁忙程度较低的机场过于保守.
表 4为按机型分列的LTO循环各飞行阶段实际燃油流量统计平均值(部分).由表 4可知, 发动机在各飞行阶段实际的燃油流量普遍小于标准LTO循环对应的基准数值, 特别是在起飞、进近、滑行和地面慢车这3个阶段, 而实际排放指数也势必会随之发生变化(表 5).
结合表 4和表 5分析, 实际运营的航班目前多采用减推力起飞, 起飞阶段实际的燃油流量低于标准LTO循环所对应的基准值(基准条件下推力设定值为100%的燃油流量), 故NOx实际排放指数也会因燃烧温度的降低而减小.实际运行中, 在进近、滑行和地面慢车两个阶段使用更低的推力级别(更小的燃油流量)导致HC和CO实际排放指数的显著增大(较标准LTO循环对应的基准状态).
实际上, 上述对首都机场实际LTO循环参数和各机型实际排放数据的统计平均过程, 就是结合实际数据本地化LTO循环的过程.采用本地化的LTO状态时间和排放数据按式(10)估算相应机型在首都机场的排放, 较传统标准LTO循环方法而言, 可以有效降低不确定性, 提升结果准确度.
(10) |
式中, Eie为e型飞机在首都机场污染物i的排放量(g);m为飞行阶段;n为e型飞机发动机数量;
按照本节的思路, 如果可以结合全国大量航班实际QAR数据和排放估算结果, 建立并定期完善我国各机场本地化的LTO循环状态时间和排放数据数据库, 将可为我国民航机场飞机主发动机排放量快速准确的核算提供重要支撑.
4 讨论(Discussion) 4.1 与标准LTO循环估算结果对比将本文得到的日排放清单与采用传统标准LTO循环的估算结果(表 6)对比, 从总体结果上来看, 标准LTO循环排放的估算结果会高估该日飞机NOx和PM2.5的排放量, 低估HC和CO的排放量, 具体原因在3.3节中已有分析.
航空器主发动机的排放量主要是状态时间、燃油流量和排放指数3个参数的函数.两种方法在估算结果上的偏差是这3个参数共同作用的结果.对于确定的发动机机型而言, 燃油流量和排放指数主要取决于发动机的推力状态.飞机在机场实际的运行时间和发动机推力设定值并非按照标准LTO循环的假设, 也就导致了本文估算结果与采用标准LTO循环估算结果的差异.
结合3.3节进一步分析两种方法估算进近阶段CO和HC排放量相对偏差较大(分别为400.0%和163.7%)的原因:一方面, 首都机场进近阶段实际运行的平均状态时间(5.2 min)大于标准LTO循环假设的4.0 min;另一方面, 航班在实际飞行进近阶段往往使用较标准LTO循环更低的推力级别, 虽然燃油流量小于标准LTO循环对应值, 但在低推力状态下, 推力级别越低所对应的燃烧越不充分, CO和HC的排放指数显著增大(图 3).综合分析, 排放指数和状态时间占据了主导因素, 导致基于实际飞行数据估算的进近阶段CO和HC排放量远大于基于标准LTO循环的估算结果.
可以预见的是, 随着样本数量的增大, 两种方法估算结果的绝对偏差值也会进一步增大, 因此, 在数据源充足的情况下, 优先采用基于飞行数据的飞机主发动机排放估算有助于提升编制机场排放清单的准确度.
4.2 不确定性分析在飞机-发动机匹配过程中, 部分型号发动机可能因产品更迭过程中燃烧室改型导致排放特性不同, 即同型号(Engine Identification)发动机可能采用不同的燃烧室构型和燃烧技术, 厂商在ICAO发动机排放数据库中以不同的唯一标识符(UID No)将它们加以区分(表 7), 然而通常情况下并没有足够充分的直接信息可以辨识发动机UID No, 飞行数据偶尔能够提供辅助作用, 但极为有限.如UID No不能区分, 本文选取同型号发动机中排放特性最差的机型以保守估计.
在排放估算过程中, 发动机燃油流量和飞行时刻采用实际飞行数据, 可靠程度较高.采用波音燃油流量法估算HC、CO和NOx的实际排放指数, 其不确定性反映在基准排放数据拟合方法针对某些机型可能不准确, 以及发动机实际运行过程中慢车推力设定值低于7%可能导致插值过程中的过渡外推.低功率下的发动机排放特性规律有待进一步研究.另一方面, 排放指数的修正系数(x、y)对于一些燃烧技术存在不确定性.
5 结论(Conclusions)1) 本文研究了基于飞行数据的机场飞机主发动机排放清单制定方法, 采用FOA3.0方法补充ICAO发动机排放数据库颗粒物基准排放指数, 结合QAR数据, 应用BFFM2估算实际飞行条件下污染物排放指数.对于缺失QAR数据的航班, 采用结合实际数据本地化的LTO循环状态时间和排放数据估算相应机型的排放.以北京首都机场某日机场运行数据和该日国内机队1326架次航班QAR数据为基础, 编制了飞机主发动机日排放清单.结果发现, 该日航班主发动机HC、CO、NOx和PM2.5的排放量分别为933.9、10967.8、14703.5和85.5 kg, 较标准LTO循环估算结果的偏差分别为15.6%、13.2%、-29.1%和-18.9%.
2) 首都机场单位LTO循环HC、CO、NOx和PM的平均排放量分别为908.7、11560.0、13473.3和91.0 g.NOx排放主要集中在起飞和爬升阶段, 占其排放总量的68.0%;HC和CO排放主要集中在滑行和慢车阶段, 分别占其排放总量的90.0%和88.0%;各阶段PM2.5的排放较为平均.
3) 在首都机场单位LTO循环中, 飞机滑行过程的平均排队等候(地速为零)时间为7.7 min, 这一阶段产生的HC、CO、NOx和PM2.5分别占总滑行阶段对应污染物排放量的26.3%、27.5%、25.7%和27.5%, 这一部分排放量有望通过场面运行优化得到进一步控制.
在数据源充足的情况下, 建议优先采用基于飞行数据的飞机主发动机排放估算以提升机场排放清单编制的准确度.在此基础上, 基于全国大量航班实际QAR数据和排放估算结果, 建立并定期完善我国各机场本地化的LTO循环状态时间和排放数据数据库, 这将为我国民航机场飞机主发动机排放量的快速准确核算提供重要支撑.
伯鑫, 段钢, 李重阳, 等. 2017. 首都国际机场大气污染模拟研究[J]. 环境工程, 2017, 35(3): 97–100.
|
Boeing.2018.Boeing commercial market outlook 2018-2037[R].Chicago: The Boeing Company
|
曹惠玲, 汤鑫豪, 苗佳禾. 2018. 基于QAR数据的发动机LTO阶段氮氧化物排放量计算与分析[J]. 环境科学学报, 2018, 38(10): 3900–3904.
|
Chandrasekaran N, Guha A. 2012. Study of prediction methods for NOx emission from turbofan engines[J]. Journal of Propulsion & Power, 28(1): 170–180.
|
DuBois D, Paynter G C. 2006. "Fuel Flow Method2" for estimating aircraft emissions[J]. SAE Technical Paper.
DOI:10.4271/2006-01-1987
|
Duchene N, Fuller I. 2011. Comparison of measured and modelled NO2 values at Zurich airport, sensitivity of aircraft NOx emissions inventory and NO2 dispersion parameters[J]. International Journal of Environment and Pollution, 44(1/4): 342–350.
|
樊守彬, 聂磊, 李雪峰. 2010. 应用EDMS模型建立机场大气污染物排放清单[J]. 安全与环境学报, 2010, 10(4): 93–96.
DOI:10.3969/j.issn.1009-6094.2010.04.022 |
国家发展和改革委员会, 中国民用航空局.2017.全国民用机场布局规划[R].北京: 国家发展和改革委员会, 中国民用航空局
|
韩博, 刘雅婷, 谭宏志, 等. 2017. 一次航班飞行全过程大气污染物排放特征[J]. 环境科学学报, 2017, 37(12): 4492–4502.
|
黄清凤, 陈桂浓, 胡丹心, 等. 2014. 广州白云国际机场飞机大气污染物排放分析[J]. 环境监测管理与技术, 2014, 26(3): 57–59.
DOI:10.3969/j.issn.1006-2009.2014.03.022 |
ICAO.2008.Annex 16 to the convention on international aviation, environmental protection, volume Ⅱ, Aircraft engine emissions[S].Montreal: International Civil Aviation Organization
|
ICAO.2011.Airport air quality manual[R].Montreal: International Civil Aviation Organization
|
ICAO.2016.ICAO environmental report 2016[R].Montreal: International Civil Aviation Organization
|
ISO.1983.ISO 5878: 1982/Add 2: 1983 Air humidity in the Northern Hemisphere[S].Geneva, Switzerland: International Organization for Standardization
|
Koudis G S, Hu S J, Majumdar A, et al. 2017. Airport emissions reductions from reduced thrust takeoff operations[J]. Transportation Research Part D-Transport and Environment, 52: 15–28.
DOI:10.1016/j.trd.2017.02.004
|
李超役, 孙见忠, 闫洪胜, 等. 2017. 基于QAR数据的民航发动机尾气污染物排放量估算[J]. 环境工程学报, 2017, 11(6): 3607–3616.
|
李娜, 魏志强. 2015. 飞机QAR数据的空气污染物排放量计算研究[J]. 环境科学与技术, 2015, 38(1): 159–163.
|
Masiol M, Harrison R M. 2014. Aircraft engine exhaust emissions and other airport-related contributions to ambient air pollution:A review[J]. Atmospheric Environment, 95: 409–455.
DOI:10.1016/j.atmosenv.2014.05.070
|
Penn S L, Arunachalam S, Tripodis Y, et al. 2015. A comparison between monitoring and dispersion modeling approaches to assess the impact of aviation on concentrations of black carbon and nitrogen oxides at Los Angeles International Airport[J]. Science of the Total Environment, 527: 47–55.
|
SAE.2009.AIR5715 Procedure for the calculation of aircraft emissions[S].USA: SAE
|
Stettler M E J, Eastham S, Barrett S R H.2011.Air quality and public health impacts of UK airports.Part Ⅰ: Emissions[J].Atmospheric Environment, 45(31): 5415-5424
https://www.sciencedirect.com/science/article/pii/S135223101100728X |
Turgut E T, Usanmaz O. 2017a. An assessment of cruise NOx emissions of short-haul commercial flights[J]. Atmospheric Environment, 171: 191–204.
DOI:10.1016/j.atmosenv.2017.10.013
|
Turgut E T, Cavcar M, Usanmaz O, et al. 2017b. Investigating actual landing and takeoff operations for time-in-mode, fuel and emissions parameters on domestic routes in Turkey[J]. Transportation Research Part D-Transport and Environment, 53: 249–262.
DOI:10.1016/j.trd.2017.04.018
|
王瑞宁, 黄成, 任洪娟, 等. 2018. 长三角地区民航飞机起飞着陆(LTO)循环大气污染物排放清单[J]. 环境科学学报, 2018, 38(11): 4472–4479.
|
Winther M, Kousgaard U, Ellermann T, et al. 2015. Emissions of NOx, particle mass and particle numbers from aircraft main engines, APU's and handling equipment at Copenhagen Airport[J]. Atmospheric Environment, 100: 218–229.
DOI:10.1016/j.atmosenv.2014.10.045
|
夏卿, 左洪福, 杨军利. 2008. 中国民航机场飞机起飞着陆(LTO)循环排放量估算[J]. 环境科学学报, 2008, 28(7): 1469–1474.
DOI:10.3321/j.issn:0253-2468.2008.07.033 |
徐冉, 郎建垒, 杨孝文, 等. 2016. 首都国际机场飞机排放清单的建立[J]. 中国环境科学, 2016, 36(8): 2554–2560.
DOI:10.3969/j.issn.1000-6923.2016.08.038 |
Yim S H L, Stettler M E J, Barrett S R H. 2013. Air quality and public health impacts of UK airports.Part Ⅱ:Impacts and policy assessment[J]. Atmospheric Environment, 67: 184–192.
DOI:10.1016/j.atmosenv.2012.10.017
|
中国气象数据网.2018.中国高空气象站定时值观测资料[OL].2018-05-14. http://data.cma.cn/data/cdcdetail/dataCode/B.0011.0001C.html
|
周子航, 陆成伟, 谭钦文, 等. 2018. 成都双流国际机场大气污染物排放清单与时空分布特征[J]. 中国环境监测, 2018, 34(3): 75–83.
|