环境科学学报  2021, Vol. 41 Issue (5): 1774-1783
湖南省天然源挥发性有机物排放时空特征研究    [PDF全文]
谭峥铮1, 卢召艳2, 石广明1, 李彩艳1    
1. 湖南省环境保护科学研究院环境与经济研究所, 长沙 410004;
2. 湖南财政经济学院湖南省经济地理研究所, 长沙 410205
摘要:基于MEGANv3.1模型,结合WRF3.4.1气象数据、MODIS数据提取的叶面积指数、J4置信度下不同植被排放因子、生态功能类型数据及植被生长因子数据,估算了湖南省范围内2018年植被挥发性有机物(Biogenic Volatile Organic Compounds,BVOCs)排放情况.结果显示,湖南省BVOCs排放总量约为259.15万t,其中,异戊二烯排放占40.35%,单萜烯排放占23.09%,半萜烯排放占2.31%,甲醇排放占8.81%,其他VOC排放占25.45%.空间分布上,湖南省BVOCs排放集中区域与森林密集区域基本重合,主要分布在常德南部、益阳西部、湘西州西南部和怀化市全境及岳阳东部、长沙东部、株洲北部与湘潭交界处,以及株洲南部与郴州北部交界处.BVOCs的排放不仅与植被分布有关,也具有明显的季节性.夏季BVOCs排放最多,占全年的64.23%;冬季BVOCs排放最少,占1.01%;春季与秋季排放分别占18.69%和16.07%.本研究首次聚焦湖南省,在高时空分辨率尺度下分析了该区域BVOCs排放的时间和空间分布特征,可为后续的大气环境研究与精细化管理工作提供依据.
关键词天然源挥发性有机物    时空分布    排放总量    MEGAN    湖南    
The characteristics of biogenic volatile organic compounds emissions of Hunan Province
TAN Zhengzheng1, LU Zhaoyan2, SHI Guangming1, LI Caiyan1    
1. Institute of Environment and Economy, Hunan Research Academy of Environmental Science, Changsha 410004;
2. Hunan Institute of Economic Geography, Hunan University of Finance and Economics, Changsha 410205
Received 9 November 2020; received in revised from 27 January 2021; accepted 27 January 2021
Abstract: Combined with WRF3.4.1 meteorological data, leaf area index data extracted from MODIS, emission factors under J4 confidence level, ecological function type data and vegetation growth factor data, the BVOCs emission in Hunan Province in 2018 was estimated by using MEGANv3.1 model. The results showed that the total emission of BVOCs in Hunan Province was about 2.59 million tons, of which isoprene accounted for 40.35%, monoterpene accounted for 23.09%, sesquiterpenes accounted for 2.31%, methanol accounted for 8.81%, and other VOCs accounted for 25.45%. High BVOCs emission area was in accordance with dense forest area in Hunan Province, which mainly distributed in the south of Changde, Western Yiyang, southwest of Xiangxi and Huaihua area, as well as the junction of Eastern Yueyang, Eastern Changsha, northern Zhuzhou and Xiangtan, southern Zhuzhou and Northern Chenzhou. The emission of BVOCs was not only related to the distribution of vegetation, but also showed obvious seasonal characteristics. BVOCs emissions reached peak in summer and decreased to the lowest level in winter. Emissions in summer contributed 64.23% of total annual emissions while emissions only contributed 1.01% in winter. Emissions in spring and autumn contributed 18.69% and 16.07% respectively. This study focused on Hunan Province as the research area for the first time. The temporal and spatial distribution characteristics of BVOCs emissions in Hunan Province were analyzed in a high spatial-temporal resolution scale, which can provide the basis for the follow-up atmospheric environment research and management.
Keywords: BVOCs    spatial and temporal distribution    emission inventory    MEGAN    Hunan    
1 引言(Introduction)

近年来, 我国大气PM2.5环境质量呈持续改善趋势, 但由于PM2.5与臭氧的特殊关系, 导致我国“十三五”后期臭氧浓度不断上升(雷宇等, 2020).为了防止臭氧污染, 我国未来需要进一步协同控制PM2.5、NOx和VOCs(Volatile Organic Compounds, VOCs)排放, 从而达到降低臭氧浓度的目的(严刚等, 2020).

VOCs通常具有很强的反应活性, 在一定的温度和光照条件下, 可以与大气中的氮氧化物发生光化学反应, 形成臭氧和二次有机气溶胶(李俊仪等, 2017Wu et al., 2020).VOCs的排放分为人为源(Anthropogenic Volatile Organic Compounds, AVOCs)和天然源(Biogenic Volatile Organic Compounds, BVOCs).根据Guenther等(1995)的估算, 全球BVOCs年排放量达11.5亿t, 约占全球VOCs总排放量的90%, 远大于人为源的排放.当前, 已经有不同学者针对全国尺度和区域尺度开展了BVOCs排放研究, 其中多数研究是基于MEGANv2.1(Model of Emissions of Gases and Aerosols from Nature version 2.1, MEGANv2.1), 通过结合植被功能类型的分布、不同植被BVOCs排放因子及气象要素进行测算.并且现有研究主要集中在全国层面(Li et al., 2014Li et al., 2016高超等, 2019; Wu et al., 2020)和长三角、珠三角、四川等区域层面(司徒淑娉等, 2009宋媛媛等, 2012毛红梅等, 2016韩丽等, 2018刘岩等, 2018夏春林等, 2019).

从现有全国层面的BVOCs排放研究来看, 湖南省天然源VOCs排放量位列全国的前3~4位(宋媛媛等, 2012Li et al., 2016Yin et al, 2020), 然而对于此种排放体量的BVOCs国内并未有详细的时空分布规律研究.并且现有大多数研究均采用MEGANv2.1进行分析, 而MEGANv2.1与最新的MEGANv3.1相比, 存在BVOCs估算结果不准确、偏高的问题(Guenther et al., 2017).

鉴于上述问题, 本研究采用MEGANv3.1模型, 结合WRFv 3.4.1模拟的气象条件、研究范围土地利用情况、植被生长因子等数据, 在MEGANv3.1模型J4置信度的排放因子下, 研究湖南省范围内2018年度BVOCs的排放情况, 详细分析BVOCs排放的时间和空间分布特征, 以期为未来湖南省臭氧污染防治及AVOCs排放管控等相关工作提供科学依据.

2 研究方法及数据来源(Methods and data) 2.1 研究方法

2.1.1气象场模拟研究方法

本研究采用WRFv3.4.1提供的气象条件, WRF坐标系为Lambert坐标系, 两条真纬线分别为北纬25°和47°, 中央经线和原点纬度分别为东经102.14°和北纬36.75°, 网格数为70×73, 网格大小为9 km×9 km, 覆盖了湖南省及周边地区.为减少边界条件的影响, 气象场边界x方向比MEGAN实际范围大8个网格, y方向比MEGAN实际研究范围大6个网格, 模拟层顶层为50 mb, 垂直层自下而上而上分为35个sigma层, 对应MEGAN模型为5层.具体MEGAN中sigma层设置为1、0.995、0.990、0.980、0.960、0.930, 第一层距离地面约38 m, 气象模拟的参数方案选择见表 1.模拟时间段2017年12月31日—2018年12月31日(世界时间).

表 1 WRF模拟过程中主要参数方案 Table 1 Main parameters in WRF simulation
2.1.2 BVOCs排放模拟研究方法

从现有BVOCs研究方法来看, BVOCs排放研究模型主要有BEIS3、MEGAN(v2.1和v3.1), 从国外现有研究来看, MEGANv3.1对BVOCs的研究结果要比BEIS3和MEGANv2.1的研究结果更准确(Guenther et al., 2017).因此, 本研究采用MEGANv3.1研究湖南省BVOCs排放情况.

MEGANv3.1分为3个模块, 分别为数据前处理模块、排放因子模块和BVOCs计算模块.数据前处理模块的作用是将土地利用、生态功能类型、植被生长因子等数据, 按照既定的WRF研究范围提取并生成表格.排放因子模块则利用前处理模块中提取的生态功能类型、植被生长因子等数据, 根据研究的需要选择排放因子类别(J0~J4, 等级越高排放因子置信度越高)后, 生成不同植被的排放因子.最后, BVOCs排放计算模块则是将不同的排放因子, 结合研究土地利用情况、植被生长因子、气象条件等数据, 计算生成BVOCs排放清单.

根据Guenther等(2017)的研究, MEGANv3.1与MEGANv2.1的差异主要体现在以下几个方面:①MEGANv3.1首次提供了排放因子生成模块, 将不同地区的排放因子与生态功能类别挂钩, 不同的生态功能类型则涵盖了不同土地利用类型和植被类别, 与MEGANv2.1相比省去了制作植被功能类别的过程, 使得同样研究方式下不同的研究结果更具可比性.②MEGANv3.1中的排放因子模块将排放因子分为J0~J4置信度, J0产生的排放因子置信度最低, J4产生的排放因子置信度最高, 同时J4置信度下的排放因子均是满足Niinemets等(2011)推荐的BVOC排放测试标准体系.③MEGANv3.1考虑了干旱、极高风速等因素对BVOCs排放的影响, 与MEGANv2.1相比, 其模拟BVOCs中异戊二烯排放的结果要比MEGANv2.1更准确(Jiang et al., 2018).④MEGANv2.1所有植物产生既定的化合物仅使用一个光依赖因子(Light Dependence Factor, LDF), 这与实际观察的结果不符, 现实中对于不同的植物物种, 单一化合物的LDF从0到1不等.鉴于这种情况, MEGANv3.1增加了新的算法用于准确地表征LDF的变化, 这样便可以更加精确地模拟一些光依赖植被排放单萜烯的情况.⑤MEGANv.3.1从3个方面更新了树冠环境模型(Canopy Environment Model), 首先, MEGANv3.1将树冠稀疏度考虑进模型, 使得植被排放的异戊二烯相比MEGANv2.1降低了15%~20%;其次, 在叶面能量平衡方面MEGANv2.1高估了阳光对叶面温度的影响, 造成异戊二烯的排放相比MEGANv3.1高出15%~20%;再者, MEGANv3.1采用Niinemets等(2010)的研究更新了排放量随着冠层深度变化的算法, 使得异戊二烯的排放量减少.整体上, 通过对树冠环境模型的优化, 使得MEGANv3.1模拟的异戊二烯排放量比MEGANv2.1低.⑥MEGANv3.1根据最新的研究更新了BVOCs的物种.尽管各类物种仍然是20类, 但化学物种由MEGANv2.1中的150种增加到MEGANv3.1中的200种, 其中, 单萜烯由41种缩减为25种, 半萜烯由32种增加为39种, Stress VOC由15种增加为55种, 其他VOC由49种缩减为30种, 新增乙醇、乙醛和有机酸类等4种物质, 此外还新增了9种碳氢化合物、24种碳氧化合物及6种氧化产物, 甲醇、丙酮、一氧化碳、无机氮则保持不变(详细物种差异见表 2).

表 2 MEGANv2.1和MEGANv3.1化学物种数量差异 Table 2 The difference of BVOCs chemical species between MEGANv2.1 and MEGANv3.1
2.2 数据来源 2.2.1 气象场模拟数据来源

气象场模拟的地形和地表类型数据来源于美国地质调查局(USGS)的全球数据, 第一猜测场数据来源于美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)的全球再分析数据(Final Operational Global Analysis data, FNL)资料, 水平分辨率为1°×1°, 时间间隔为6 h.

2.2.2 MEGANv3.1模拟数据来源

MEGANv3.1中除植被表面覆盖叶面指数(Leaf Area Index of Vegetation covered surfaces, LAIv)数据外, 所有输入数据均来自MEGAN模型官网(https://bai.ess.uci.edu/megan/data-and-code).叶面积指数(Leaf Area Index, LAI)数据则根据研究范围, 采用MODIS全球LAI数据产品(MCD15A3H), 经过HDF数据转换、拼接、重采样后提取;随后, 利用Liu等(2020)研究的全球植被覆盖数据制作LAIv指数.此外, 由于MEGANv3.1数据预处理模块中生态功能类型处理程序有错误, 本研究利用地理信息系统对官网提供的全球生态功能类型数据进行重采样处理后, 得到研究范围所需的生态功能类型数据.

3 研究结果(Results) 3.1 湖南省BVOCs排放时空分布情况 3.1.1 湖南省BVOCs排放特征及时间分布情况

BVOCs通常可以分为异戊二烯、单萜烯和其他VOCs(白建辉等, 2003吕铃钥等, 2015).根据不同种类BVOCs排放量大小, 本研究将BVOCs分为五大类:异戊二烯、单萜烯、半萜烯、甲醇和其他VOCs.此外, 由于BVOCs种类繁多, 排放量较高的主要有异戊二烯和单萜烯两大类.根据本研究的估算, 以上二者合计占湖南省总BVOCs排放的63.44%左右.并且单萜烯排放量较高的主要有7种:α-蒎烯、β-蒎烯、3-蒈烯、柠檬烯、月桂烯、t-β-罗勒烯、桧烯.这7种单萜烯合计排放量占本研究估算单萜烯排放量的78.52%.因此, 除上述五大类BVOCs外, 本研究还选取了异戊二烯和主要的7种单萜烯(包括α-蒎烯、β-蒎烯、3-蒈烯、柠檬烯、月桂烯、t-β-罗勒烯、桧烯)对湖南各市州的BVOCs排放进行详细分析.

总体来看, 湖南省2018年BVOCs排放总量约为259.15万t, 其中, 异戊二烯排放量达104.56万t(占40.35%), 单萜烯排放量约为59.83万t(占23.09%), 半萜烯排放量约为5.99万t(占2.31%), 甲醇排放量约为22.82万t(占8.81%), 其他VOC排放量约为65.95万t(占25.45%).

BVOCs主要来源于植物排放, 其排放量随季节变化的根本原因是植物生长随季节变化.夏季(6、7、8月), 温度和日照时间达到全年最高水平, 适合植物生长, 叶面积达到最大, 因此BVOCs排放最多.冬季(12、1、2月), 温度和日照时间降至全年最低水平, 不适合植物生长, 植被凋零, 叶面积最小, 因此BVOCs排放最少.春季(3、4、5月), 植物还处于生长期, 叶面积未达到最大, 因此排放量小于夏季.秋季(9、10、11月), 植物进入衰老期, 开始落叶, 叶面积也小于夏季鼎盛时期, 因此排放量也小于夏季.

图 1所示, 湖南省BVOCs排放随季节变化明显, 从春季到夏季BVOCs排放逐步增长并于夏季达到排放顶峰, 8月总BVOCs(异戊二烯、单萜烯、半萜烯、甲醇和其他VOC之和)排放较7月略有下降(降幅5.44%), 但仍处于高位排放水平.异戊二烯排放8月比7月略有增长(增幅0.65%), 单萜烯、半萜烯、甲醇和其他VOC排放8月均比7月略有下降.据估算, 春、夏、秋、冬四季的BVOCs排放占总BVOCs排放的比例分别为18.69%、64.23%、16.07%、1.01%.

图 1 湖南省BVOCs排放的时间分布特征 Fig. 1 Temporal distribution characteristics of BVOCs emission in Hunan Province

就单萜烯而言, 7种单萜烯中, 排放量占比最大的为α-蒎烯, 占39.36%;其余种类单萜烯按排放量从高到低依次为β-蒎烯、3-蒈烯、柠檬烯、t-β-罗勒烯、桧烯、月桂烯, 占比分别为17.89%、10.24%、10.11%、9.65%、6.94%、5.82%.此外, 如图 2所示, 主要的7种单萜烯排放时间分布特征与图 1总BVOCs排放特征相似.

图 2 7种单萜烯的季节排放特征 Fig. 2 Seasonal emission characteristics of seven monoterpenes

从各市州排放情况来看(图 3), 异戊二烯方面, 怀化的排放量最大, 其次为郴州和邵阳, 排放量最小的是湘潭和娄底;7种单萜烯方面, 怀化的排放量仍最大, 其次为永州和郴州, 排放量最小的是湘潭和娄底.

图 3 湖南省各市州异戊二烯(a)及单萜烯(b)的排放情况 Fig. 3 Isoprene(a) and monoterpene(b) emission from different cities in Hunan Province
3.1.2 湖南省BVOCs排放空间分布情况

由于在MEGANv3.1中根据植被功能类别将BVOCs排放分为四大类植被排放, 分别为林地、灌木、草地和农田, 排放因子的排序为林地>灌木>草地>农田.因此, 本研究结合MODIS土地利用数据(MCD12Q1)提取了湖南省常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混合林、灌木、农田和草地的分布情况(图 4).将各类植被分布情况与本研究的结果对比分析湖南省BVOCs排放的空间分布情况.

图 4 湖南省林地、灌木、农田、草地空间分布 Fig. 4 Spatial distribution of forestland, shrub, farmland and grassland in Hunan Province

图 4可以看出, 林地(包括常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混合林)密集区主要分布在长沙东北与岳阳东南交界处、株洲以南延续至郴州东部、邵阳以南和永州以北交界处、永州南部等区域;此外, 怀化、湘西州、张家界和益阳西部森林资源丰富且分布较均匀.灌木在全省覆盖率较高且分布较均匀.农田密集区主要分布在北部区域的常德、益阳北和岳阳西部以及中部区域的娄底、邵阳东部、永州北部和衡阳.草地在全省覆盖率较低, 仅在长沙、益阳、岳阳交界处分布较集中.

图 5可以看出, 湖南省总BVOCs排放主要集中在常德南部、益阳西部、湘西州西南部和怀化市全境及岳阳东部、长沙东部、株洲北部与湘潭交界处, 以及株洲南部与郴州北部交界处.经对比图 4图 5发现, 图 5中BVOCs排放量较高的区域与图 4中林地密集区域基本重合, 说明本研究的模型估算结果与实际BVOCs排放结果在空间分布上总体一致.

图 5 湖南省总BVOCs四季排放的空间分布 Fig. 5 Spatial distribution of total BVOCs emissions in four seasons in Hunan Province

进一步与湖南省地形图(图 6)比对后发现, BVOCs高排放区域与主要山脉的地理分布高度重合.BVOCs高排放区域包括:武陵山脉(途经湘西州与张家界市)、雪峰山脉(途经益阳、娄底、怀化、邵阳)、幕阜山脉(途经岳阳东部)、罗霄山脉(井冈山-八面山段, 途经株洲、郴州)和南岭山脉(途经郴州、永州).结合图 4的林地分布情况可以发现, 林地资源丰富区域均位于上述山脉.由此可以看出, 湖南省BVOCs高排放区域主要位于武陵山脉、雪峰山脉、幕阜山脉、罗霄山脉和南岭山脉上的林地资源丰富区域.

图 6 湖南省地形情况 Fig. 6 Topographic map of Hunan Province
3.2 不同研究结果对比

为了进一步验证本研究结果的准确性, 将本研究结果与前人研究的结果进行对比分析(表 3).通过对比分析可以发现, Yin等(2020)的研究结果中异戊二烯排放量与本研究相近, 其研究关注的7类单萜烯与本研究相同, 但排放量偏小, 主要原因在于其模型中使用的是自定义的BVOCs排放因子, 而本研究采用的是MEGANv3.1中最高置信率(J4)下的排放因子.Li等(2014)Li等(2016)估算的结果与本研究相比偏高, 原因在于其研究采用的模型为MEGANv2.1, 且空间分辨率为36 km×36 km.由于MEGANv3.1对树冠环境模型机制进行了优化, 导致异戊二烯的排放量减少, 并且MEGANv3.1对排放因子进行了标准化建设, 减少了排放因子的不确定性.最后, 宋媛媛等(2012)估算我国东部地区2008—2010年的年均BVOCs排放结果中, 湖南省的排放结果偏低, 主要原因可能是其使用LAI值进行分析, 而不是采用LAIv值, 并且其采用的排放因子对估算结果也存在一定误差.

表 3 不同研究中湖南省BVOCs排放量估算对比 Table 3 Comparison of BVOCs emission estimations in different studies

总体而言, 本研究与其他研究结果存在差异的主要原因在于:首先, 本研究中使用的MEGANv3.1模型所提供的排放因子以每个网格的生态功能类型确定.MEGANv3.1在不同的生态功能类型下, 对不同生态功能类型的植被排放因子进行加权求和后, 作为对应网格的排放因子.在排放因子方面, 由于MEGANv2.1没有对排放因子进行标准化筛选, 通常均来源于已有研究, 因此MEGANv2.1的排放因子会比MEGANv3.1的排放因子高(Guenther et al., 2020).其次, MEGANv3.1对干旱、极高风速等因素影响植被释放BVOCs的校正因子进行了更新优化, 而其他研究采用MEGANv2.1模型时并未没考虑这些因素.再次, MEGANv3.1对树冠环境模型进行了优化, 导致研究结果中异戊二烯的排放量比同样情况下MEGANv2.1中低.再者, MEGANv3.1根据最新的研究对BVOC的化学物种进行了更新, 而MEGANv2.1仍然用的是2012年以前研究所发现的化学物种.最后, 已有的MEGANv3.1研究中, Jiang等(2017)和Guenther等(2017)的研究结果均显示采用MEGANv3.1的研究结果相对于MEGANv2.1的研究结果相对偏差更低, 更加符合实际情况.

3.3 不确定性分析

采用MEGANv3.1模型估算湖南省范围内BVOCs的排放量, 不确定性主要存在于输入数据和排放因子.输入数据主要为气象数据和植被信息, 其中, 气象数据来自WRF3.4.1模型, 然而模型提供的数据与实际气象情况存在一定误差.主要气象因素如太阳辐射和距离地面2 m处的地面温度与模型估算存在的差别, 会带来一些不确定性.另一方面, 本研究采用MEGANv3.1默认的排放因子, 并且在排放因子类别选取方面, 本研究采用了J4类, 相比其他级别置信度会存在一定误差.

在不考虑气象结果和输入数据不确定性的情况下, 本研究针对不同类别置信度下的排放因子进行了分析, 具体结果如表 4所示.通过对比J0和J4置信度下的排放因子平均值可以发现, 排放因子差异主要存在于第4~7类VOCs.鉴于J0置信度下这几类物质排放因子与J4置信度下差异较大, 本研究针对J0置信度的排放因子对湖南省2018年BVOCs排放量再次进行模拟, 结果显示, 在J0和J4置信度所得排放因子下, 模拟的BVOCs排放量结果相差约为2188.27 t.与表 4所示一致, 差异主要体现在单萜烯(月桂烯、蒈烯等)和碳十芳烃的排放量上, 对异戊二烯、甲醇等主要排放物并未产生影响.因此, 不考虑气象模拟结果和输入数据不确定性的情况下, 本研究由于MEGANv3.1中排放因子选取产生的不确定性较小.

表 4 不同置信度下所有网格平均排放因子差异 Table 4 The Differences of emission factors under different confidence levels
4 结论(Conclusions)

1) 本研究采用MEGANv3.1模型, 结合WRF3.4.1气象数据、LAIv数据、J4置信度下的排放因子、研究范围的生态功能类型数据及植被生长因子数据, 估算了湖南省范围内2018年度BVOCs排放情况.根据模型估算, 湖南省2018年的BVOCs排放总量约为259.15万t, 异戊二烯排放量达104.56万t, 单萜烯排放量达59.83万t, 半萜烯排放量达5.99万t, 甲醇排放量达22.82万t, 其他VOC排放量达65.95万t.

2) 从空间分布来看, 湖南省BVOCs主要集中在常德南部、益阳西部、湘西州西南部和怀化市全境及岳阳东部、长沙东部、株洲北部与湘潭交界处, 以及株洲南部与郴州北部交界处.该分布与湖南省森林密集区域基本重合.全省BVOCs中异戊二烯排放量最高的地级市为怀化市(占全省的19.06%)、郴州市(10.12%)和邵阳市(9.31%).

3) BVOCs的排放不仅与植被分布有关, 与季节也有密切联系.夏季时, 温度和日照时间达到全年最高水平, 叶面积达到最大, BVOCs排放最多, 占全年的64.23%;冬季时, 温度和日照时间降至全年最低水平, 叶面积最小, BVOCs排放最少, 占全年的1.01%;春季与秋季时, 温度和日照时间均达不到全年最高水平, 叶面积也达不到最大值, 因此排放量小于夏季, 分别占全年的18.69%和16.07%.经分析, 发现不确定性主要存在于输入数据和排放因子, 需要进一步研究实测数据和模型估算数据的关系来降低不确定性.

参考文献
白建辉, 王明星, 胡非, 等. 2003. 植物挥发性有机物的初步研究[J]. 气候与环境研究, 8(2): 180-187.
Guenther A, Hewitt C N, Erickson D, et al. 1995. A global model of natural volatile organic compound emissions[J]. Journal of Geophysical Research, 100(D5): 8873-8892. DOI:10.1029/94JD02950
Guenther A, Shah T, Huang L, et al. 2017. A Next Generation Modeling System for Estimating Texas Biogenic VOC Emissions[R]. AQRP Project 16-011, Final report. Texas: Texas University
Guenther A, Jiang X, Shah T, et al. 2020. Model of Emissions of Gases and Aerosol from Nature Version 3 (MEGAN3) for Estimating Biogenic Emissions//Mensink C, Gong W, Hakami A. Air Pollution Modeling and Its Application XXVI[M]. Chambridge: Springer. 187-192
高超, 张学磊, 修艾军, 等. 2019. 中国生物源挥发性有机物(BVOCs)时空排放特征研究[J]. 环境科学学报, 39(12): 4140-4151.
韩丽, 陈军辉, 吕晓彤, 等. 2018. 四川地区天然源挥发性有机物排放清单研究[J]. 环境污染与防治, 40(2): 203-209.
Jiang X, Guenther A, Potosnak M, et al. 2018. Isoprene emission response to drought and the impact on global atmospheric chemistry[J]. Atmospheric Environment, 183: 69-83. DOI:10.1016/j.atmosenv.2018.01.026
Liu H, Gong P, Wang J, et al. 2020. Annual dynamics of global land cover and its long-term changes from 1982 to 2015[J]. Earth System Science Data, 12(2): 1217-1243. DOI:10.5194/essd-12-1217-2020
Li J, Li L Y, Wu R R, et al. 2016. Inventory of highly resolved temporal and spatial volatile organic compounds emission in China[C]. Proceedings of the 24th International Conference on Modelling, Monitoring and Management of Air Pollution. Greece: 79-86
李俊仪, 田梁宇, 伦小秀, 等. 2017. 北京地区植物源挥发性有机物(BVOCs)排放清单[J]. 环境化学, 36(4): 776-786.
Li L Y, Xie S D. 2014. Historical variations of biogenic volatile organic compound emission inventories in China, 1981-2003[J]. Atmospheric Environment, 95: 185-196. DOI:10.1016/j.atmosenv.2014.06.033
吕铃钥, 李洪远, 杨佳楠. 2015. 中国植物挥发性有机化合物排放估算研究进展[J]. 环境污染与防治, 37(11): 83-89.
刘岩, 李莉, 安静宇, 等. 2018. 长江三角洲2014年天然源BVOCs排放、组成及时空分布[J]. 环境科学, 39(2): 608-617. DOI:10.3969/j.issn.1000-6923.2018.02.024
雷宇, 严刚. 2020. 关于"十四五"大气环境管理重点的思考[J]. 中国环境管理, 12(4): 35-39.
毛红梅, 张凯山, 第宝锋. 2016. 四川省天然源VOCs排放量的估算和时空分布[J]. 中国环境科学, 36(5): 1289-1296. DOI:10.3969/j.issn.1000-6923.2016.05.002
Niinemets V, Copolovici L, Hüve K. 2010. High within-canopy variation in isoprene emission potentials in temperate trees: Implications for predicting canopy-scale isoprene fluxes[J]. Journal of Geophysical Research, 115(G4). DOI:10.1029/2010JG001436
Niinemets V, Kuhn U, Harley P C, et al. 2011. Estimations of isoprenoid emission capacity from enclosure studies: measurements, data processing, quality and standardized measurement protocols[J]. Biogeosciences, 8: 2209-2246. DOI:10.5194/bg-8-2209-2011
司徒淑娉, 王雪梅, Guenther Alex, 等. 2009. 典型夏季珠江三角洲地区植被的异戊二烯排放[J]. 环境科学学报, 29(4): 822-829. DOI:10.3321/j.issn:0253-2468.2009.04.023
宋媛媛, 张艳燕, 王勤耕, 等. 2012. 基于遥感资料的中国东部地区植被VOCs排放强度研究[J]. 环境科学学报, 32(9): 2216-2227.
Wu K, Yang X Y, Chen D A, et al. 2020. Estimation of biogenic VOC emissions and their corresponding impact on ozone and secondary organic aerosol formation in China[J]. Atmospheric Research, 231: 104656. DOI:10.1016/j.atmosres.2019.104656
夏春林, 肖琳. 2019. 京津冀天然源挥发性有机物排放研究[J]. 环境科学学报, 39(8): 2680-2689.
严刚, 薛文博, 雷宇, 等. 2020. 我国臭氧污染形势分析及防控对策建议[J]. 环境保护, 48(15): 15-19.
Yin L F, Xu Z Y, Liu M X, et al. 2020. Estimation of biogenic volatile organic compound (BVOC) emissions in China using WRF-CLM-MEGAN coupled model[J]. Biogeosciences Discussion. DOI:10.5194/bg-2019-458