长江三角洲地区能源消费大气污染物排放特征

翟一然,王勤耕,宋媛媛 (南京大学环境学院,污染控制与资源化研究国家重点实验室,江苏 南京 210046)

长江三角洲地区能源消费大气污染物排放特征

翟一然,王勤耕*,宋媛媛 (南京大学环境学院,污染控制与资源化研究国家重点实验室,江苏 南京 210046)

针对长江三角洲(以下简称“长三角”)16个主要地区,基于常规可获取的统计资料确定污染源活动水平,结合最新的污染源调查资料及相关研究成果确定污染物排放因子,以2008年为基准年,研究了能源消费大气污染物排放特征,建立了具有较高时空分辨率、且便于滚动更新的网格化动态排放清单.结果表明:长三角 16个地区 2008年能源消费过程中SO2、NOx、PM10、PM2.5、CO的排放量分别为 3158.58, 3154.96,979.76,632.34,5258.08kt.其中上海、苏州、南京、杭州、无锡和宁波6城市污染物排放总量均占长三角地区排放总量的60%左右.SO2和NOx排放主要集中在工业和火电部门,颗粒物和CO排放则主要集中在工业部门,机动车对于CO也有较大的排放贡献率.火电部门污染排放具有较强的月变化特征;道路机动车排放受居民出行规律影响,具有明显的周变化和日变化特征.

长江三角洲；能源消费；排放清单；时空分布

长江三角洲(简称长三角)是我国经济最发达的地区之一,一次能源消费以煤为主,发电用煤占煤耗总量的80%以上[1].另外,该地区城市密集,机动车保有量大,尾气污染日益突出.全面深入认识长三角地区主要能源消费过程中大气污染物的排放特征,是开展环境管理和污染调控等工作(特别是数值模拟研究)的重要基础.

国内外许多关于中国地区大气污染物排放清单及特征的研究工作,一般都采用省级宏观统计资料,空间分辨率较低[2-4].针对长三角区域的研究较少,吴晓璐[5]利用排污申报数据等资料估算了2004年长三角主要污染源排放分布.Huang等[6]基于污染源普查等资料研究了2007年长三角分部门分行业人为源排放清单.这些工作主要基于污染源实际调查资料,尽管比较精细,但由于资料获取的困难,研究结果在时效上存在一定局限性,一般仅能反映某一特定时间段情况,难以滚动更新.而基于常规可获取资料(如统计年鉴、公报等),通常可按年度定期更新,但需要解决多来源资料的不一致性以及时空分辨率低等问题.

鉴于此,本研究针对长三角地区主要能源消费最新活动水平数据,同时充分利用全国污染源普查(以下简称“污普”)资料及国内外有关研究结果,确定污染物排放因子.在此基础上,研究该地区能源消费主要大气污染物排放总量及其时空分布特征.

1 研究方法与资料

1.1 总体技术路线

本研究区域为长三角经济区,包括上海、南京、苏州、无锡、常州、扬州、南通、镇江、泰州、杭州、宁波、嘉兴、绍兴、湖州、舟山和台州共16个城市.能源消费活动考虑电力、工业(工业锅炉和工业窑炉)、民用和交通四大部门.能源种类包括煤、油(燃料油、柴油和汽油)、气(煤气、天然气和液化石油气).根据能源消费污染物排放特征以及有关资料的可得性,污染物种类主要考虑SO2、NOx、PM10、PM2.5和CO.某排放源某污染物在一定时间内的排放总量可用下式计算:

式中:E为污染物排放量;A是污染源活动水平,如产品产量、能源消耗量、机动车保有量等;EF是排放因子,指单位活动水平污染物排放量;η为污染源尾气治理设施的污染物去除效率;i, j,k,m分别代表污染物类型、排放源、地区和控制技术.

图1为总体技术路线.为保证清单的及时滚动更新,活动水平数据主要基于常规可获取资料,包括统计年鉴、能源公报、相关行业报告等.排放因子的确定一方面尽可能基于长三角最新实测资料,特别关注生产工艺与污染控制水平的最新进展[7-10];另一方面利用统计年鉴、污染源普查等多种资料反推得到.对于缺少本地化排放因子的污染源参考国内其他地区排放特征类似的排放源(如珠江三角洲地区),取平均值作为排放因子信息,并充分考虑其不确定性.

污染物排放的时间变化主要受活动水平变化影响.本研究主要考虑火电污染物排放月变化和机动车尾气排放周变化/日变化.前者主要依据用电量月度统计数据获得月变化系数 Tm,后者则参考典型城市机动车流量逐时变化等相关研究结果获得周变化系数 Tw和日变化系数Td[9-11].

本研究首先得到基于区、县级各类源各污染物排放总量及其时间分布特征,然后利用ArcGIS地理信息系统软件对结果进行处理与综合分析,最后生成网格化的大气污染物排放清单.

图1 总体技术路线Fig.1 General technical route

1.2 污染源活动水平

表1为长三角地区16市2008年火电、工业、民用能源消费量和各类型机动车保有量.由于篇幅限制,表中未给出区县级情况.

火电、工业(工业锅炉和窑炉)及民用部门的能耗数据主要来源于《中国能源统计年鉴》[12]及各省、市统计年鉴.工业窑炉主要包括水泥和砖瓦的生产,其产量数据来自《中国工业经济统计年鉴》[13]以及各省、市统计年鉴.由于统计年鉴中的工业煤耗量包括了工业窑炉煤耗,为避免重复计算需扣除这一部分值.用水泥、砖瓦年产量数据乘以其单位煤耗[14-15],作为工业窑炉煤耗值.污染源活动水平资料最终落实在区县水平.对于大部分区县来说,工业能耗数据可直接从各市统计年鉴获取;若缺乏直接资料,则根据工业产值、产品产量推算,或利用GDP、人口分布等信息[16]自上而下由各市分配至区县.

机动车类型采用《中国统计年鉴》划分方法,主要考虑大型和小型载客汽车、重型和轻型载货汽车以及摩托车.各类型机动车保有量数据来源于市级统计年鉴.机动车尾气排放与燃料性质(汽油、柴油)、尾气排放标准等密切相关.为此,本研究根据柴油和汽油发动机全国年产量[17]近似估算出各车型柴油车和汽油车比例;再根据国家机动车污染排放标准实施状况[18]以及不同年份各车型新车注册量[19],估计出各车型符合不同排放标准的保有量比例.其中执行国1和国2排放标准的摩托车辆数分别占2008年总保有量的16%和84%,其他地区各车型按不同排放标准的保有量分配系数见表 2.综合近年来有关实测研究[20-23],确定各类机动车年均行驶里程:小型客车 3.1×104km,大型客车 4.0× 104km,轻型货车 3.2×104km,重型货 4.4×104km,摩托车1.1×104km.

表1 长江三角洲地区16市2008年火电、工业、民用及交通部门活动水平Table 1 Activity data of power, industry and domestic sectors in the YRD region for the year 2008

表2 不同地区机动车分车型技术构成(%)Table 2 Proportion of motor vehicles ownership under different vehicle emission standards by region(%)

1.3 排放因子

表 3汇总了火电和工业燃煤源主要污染物排放因子.

火电燃煤SO2排放与含硫量、不可燃性硫含量和脱硫效率有关.长三角地区煤炭含硫量和不可燃性硫含量分别取1.01%和18%[24].脱硫效率主要取决于脱硫率和普及率.根据发改委公布的2008年火电厂烟气脱硫产业信息分别取80%和66%.由此得到火电燃煤SO2排放因子为7.80g/kg.根据污染源普查[25]和环境统计年鉴[26]资料分析得到全国火电 SO2平均排放因子分别是8.10,7.75g/kg,与上述估算结果基本一致.火电NOx排放与燃烧方式、燃料类型、燃烧器结构及燃烧工况等因素有关.Zhang等[27]根据电厂机组大小和低氮燃烧(LNB)技术应用情况将电厂燃煤锅炉分为4类,排放因子为5.55～10.5g/kg. Zhao等[24]综合了140多个国内实测结果,将排放因子取为 4.05～11.46g/kg.本文综合以上结果,将机组分为小于和不小于 100MW 两类,其中小于100MW的机组耗煤量约占燃煤机组耗煤总量的16%[24],分别取无控制排放因子为10.65,8.85g/kg.再根据国内对 LNB等控制技术实测研究结果[28-29],去除率和普及率分别为30%和60%.燃煤PM10和PM2.5排放因子基于张强[30]早期研究,并根据最新实测结果[31-32]对其修正得到.CO 排放主要来自燃料的不完全燃烧,其中粉煤炉燃烧反应完全,CO排放水平很低;其余为层燃炉,排放相对较高.

工业部门各污染物无控制排放因子取值基本与火电部门相同,但控制技术在工业部门的普及率远低于火电行业.工业锅炉脱硫装置普及率参考江小珂等[33]的研究取 30%,得到工业锅炉燃煤 SO2排放因子为 12.19g/kg.工业锅炉燃煤 NOx无控制排放因子取 5.78g/kg[27,34],暂未考虑脱硝贡献.工业窑炉主要考虑水泥窑和砖窑.水泥窑根据生产工艺可分为新型干法窑、立窑和旋窑,不同工艺水泥产量占比分别为55%、37%和 8%[35].各污染物工业窑炉排放因子主要参考近年来国内研究和相关大气污染物排放标准[36].

表 4为不同机动车尾气排放标准下分车型主要污染物排放因子.其排放因子与发动机、燃料、行驶速度和保养维护状况等因素相关.近年来,我国学者利用MOBILE、COPERT、IVE等模型,结合隧道试验、实际工况测试等方法,获得了各类车型排放因子.考虑到COPERT模型主要用于研究排放标准体系对模型影响的结果,而我国采用的是与欧洲相同的机动车测试工况和排放标准,所以研究不同排放标准对排放因子影响主要参考了COPERT模型的计算结果[37].其他燃料(油品、天然气、煤气等)和民用部门污染物排放因子主要参考最新相关研究结果[27,30,38-39].

表3 火电、工业燃煤源主要污染物排放因子Table 3 Emission factors of coal combustion sources

表4 机动车污染物排放因子[g/(km·辆)]Table 4 Emission factors of mobile sources[g/(km·vehicle)]

2 结果与讨论

2.1 地区分布特征

表5为2008年长三角分市SO2、NOx、PM10、PM2.5、CO排放量计算结果.各污染物排放总量最大的6个地区为上海、苏州、宁波、无锡、南京和杭州,对区域各个污染物排放量的贡献率分别为63.79%, 65.86%, 60.33%, 61.05%和58.68%.

表6同时给出了INTEX-B亚洲排放清单[4]、Huang等[6]和本研究对长江三角洲地区大气污染物排放总量的估算结果.可以看出,SO2和 NOx的排放量明显呈逐年上升趋势,主要由能源消费量快速增长所致.对于颗粒物排放,本研究仅关注了能源消费排放源因而结果较低,其他两个清单还考虑了工业过程、扬尘等颗粒物排放贡献较高的源,排放水平较高.对 CO的估算本研究与Huang等[6]结果较一致,INTEX-B清单CO排放量则较高,原因可能是其采用了高于长三角实际水平的全国平均排放因子.

表5 2008年长三角16个城市(地区)能源消费主要大气污染物排放量(kt)Table 5 Air pollutant emissions from energy consumptions in the YRD region for the year 2008 (×103t)

表6 不同来源的排放清单比较(kt)Table 6 Comparison of estimated emissions by previous studies and this study (×103t)

2.2 部门分布特征

由图 2知,SO2排放主要集中在火电和工业部门,排放贡献率分别为46.48%和52.89%;NOx、PM10和 PM2.5排放主要集中在火电部门,分别占各污染物排放总量的49.45%、59.55%和62.50%. CO排放则主要集中在交通和工业部门,贡献率分别为49.26%和42.95%.

图2 2008年长三角能源消费污染物部门排放贡献率Fig.2 Emission contributions of source categories in the YRD region in 2008

各污染物排放部门分布又因区域差异而呈现出不同特征.如上海市的交通部门、宁波市的火电部门对、南京市的工业部门,其污染物排放相对本地区其他部门贡献率均高于其他城市.

2.3 时间分布特征

2.3.1 火电燃煤源污染排放时间分布 火电部门污染排放的时间分布规律与社会用电量的变化趋势基本一致.本研究基于各省、市统计年鉴,计算长三角地区全社会分月用电量占全年用电量的百分比,从而得到2008年火电部门1～12月逐月污染物时间变化系数分别为 8.2%, 5.9%, 8.8%, 8.5%, 8.7%, 8.5%, 10.2%, 9.5%, 8.5%, 7.8%, 7.5%, 8.1%.

2.3.2 交通源污染排放的时间分布特征 不同地区交通流动源的时间排放规律各不相同,但总体上表现出相近的特征.本研究参考长三角和珠三角地区交通流量时间变化研究结果[9-11,20],根据典型地区道路机动车平均车流量的变化规律,确定出不同类型道路的机动车污染排放周变化系数和日变化系数,分别见图3(a)和图3(b).

图3 长三角地区城市主干道机动车排放时间变化系数Fig.3 Temporal variations of on-road mobile sources in urban areas in the YRD region

2.4 网格化动态排放清单

在上述工作的基础上,基于GIS技术,可以提供具有特定时空分辨率的网格化动态的区域污染物排放清单.空间尺度上,区县(行政区)范围内假定为均匀分布,若某网格涉及多个区县行政区,则按面积加权平均;时间尺度上,主要考虑火电燃煤排放的月变化和交通排放的周变化和日变化,通过时间插值与叠加处理,最终可提供逐时的污染物排放强度.

以火电行业SO2排放为例,图4(a)给出了长三角16个地区在9km×9km网格尺度下污染物排放年均强度分布情况,图 4(b)则是根据INTEX-B[4]试验得到的格距为 0.5°×0.5°的数据采用兰伯特投影重新网格化的长三角区域污染排放分布. 由图4可以看出,整体上,本研究所估算的火电SO2排放在空间分布上与INTEX-B有较好的一致性.但由于 INTEX-B是针对整个亚洲区域的污染排放清单,其空间分辨率较低,不能很好的反映出长三角这样较小尺度区域的空间排放特征.相比之下,本研究不仅基于更新、更可靠的资料,而且时空分布特征也更加精细.

图4 长三角火电部门2008与2006年SO2年均排放强度空间分布的比较Fig.4 Comparison of spatial distribution of SO2 emissions from power sector in the YRD region

受行政区划边界的限制,本研究区域不是规则的矩形区域,而且有关环境气候模式的研究区域也可能超过本研究区域.这种情况下,超出本研究区域范围的排放信息可采用更大尺度排放清单的研究结果,如Streets等[3],Zhang等[4].

2.5 不确定性分析

排放清单不确定性分析对于清单应用具有重要意义.本研究结果的不确定性主要来自两个方面.一是活动水平资料的不确定性,特别是个别地区(如泰州、台州)及部分区县的污染源活动水平资料不完备,只能采用相近地区的平均值或依据GDP、人口等信息进行推算.二是某些污染物缺少本地化排放因子,因此只能采用全国平均排放因子或国外类似源的排放因子.

本研究参考IPCC[45]国家温室气体排放清单使用的不确定性定量分析方法,并根据TRACE-P清单[3]经验数值对活动水平和排放因子的不确定度(即相对标准偏差)进行简单判定.若活动水平数据均源于统计资料或政府公开数据,则不确定度为±30%;若排放因子非本地化或来源单一,则不确定度为±150%.据此粗略估计出本研究中SO2、NOx、颗粒物和CO排放的不确定度分别为±15%、±40%、±60%和±85%.

3 结论

3.1 长三角16个地区2008年能源消费过程中主要大气污染物排放总量:SO2为3158.58kt、NOx为3154.96kt、PM10为979.76kt、PM2.5为632.34kt、CO为5258.08kt.其中上海、南京、苏州、杭州、无锡和宁波六个城市的五种污染物排放量均占该污染物排放总量的一半以上. SO2和NOx的排放主要集中在工业和火电部门,而 PM10、PM2.5和 CO排放则主要集中在工业部门.机动车对于PM2.5和CO的贡献也占有较大比例.

3.2 火电部门的污染排放具有明显的月变化规律:八月份由于夏季高温出现排放峰值,二月份由于春节长假影响出现低谷.交通流动源的污染排放在时间分布方面存在周变化和日变化特征:工作日污染物日排放量相对于周六和周日较高,且在周五达到最大日排放;城市主干道的日排放变化受市民出行规律影响较大,存在工作日和周末的差异,工作日有明显的“双峰双谷”排放变化,周末的昼排放变化则较为平缓.

3.3 本研究基于最新的统计资料,针对长三角地区能源消费,提出了一套比较完整的大气污染物排放清单,相比以往的同类工作,本研究具有更高的时空分辨率,可以更精细地反映区域大气污染物排放的时空分布特征.

[1] 朱成章.中国燃煤发电节能问题分析 [N]. 中国电力报, 2009-02-16(004).

[2] 曹国良,安心琴,周春红,等.中国区域反应性气体排放源清单[J]. 中国环境科学, 2010,30(7):900-906.

[3] 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, 2003,108(D21):8809, 1000-1029.

[4] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9(14):5131-5153.

[5] 吴晓璐.长三角地区大气污染物排放清单研究 [D]. 上海:复旦大学, 2009.

[6] Huang C, Chen C H, Li L, et al. Emission inventory of anthropogenic air pollutants and VOC species in the Yangtze River Delta region, China [J]. Atmospheric Chemistry and Physics, 2011,11(9):4105-4120.

[7] 程 真,陈长虹,邱培培,等.长三角燃煤电厂烟气脱硫对二氧化硫污染的改善效果 [J]. 能源技术, 2008,29(6):318-322.

[8] Zhang Q Y, Wei Y M, Tian W L, et al. GIS-based emission inventories of urban scale: A case study of Hangzhou, China [J]. Atmospheric Environment, 2008,42(20):5150-5165.

[9] 李 健.城市中心区交叉口流量时变特征研究 [D]. 上海:同济大学, 2008.

[10] 薛佳平,田伟利,张清宇.杭州市机动车 NOx排放清单的建立及其对空气质量的影响 [J]. 环境科学研究, 2010,23(5):613-618.

[11] Zheng J Y, Zhang L J, Che W W, et al. A highly resolved temporal and spatial air pollutant emission inventory for the Pearl River Delta region, China and its uncertainty assessment [J]. Atmospheric Environment, 2009,32(43):5112-5122.

[12] 国家统计局工业交通统计司,国家发展和改革委员会能源局.中国能源统计年鉴2009 [M]. 北京:中国统计出版社, 2010.

[13] 国家统计局工业统计司.中国工业经济统计年鉴 2009 [M]. 北京:中国统计出版社, 2010.

[14] 雷 宇.中国人为源颗粒物及关键化学组分的排放与控制研究[D]. 北京:清华大学, 2008.

[15] 徐 鸣,王亚娟.我国砖瓦工业节能减排潜力与对策 [J]. 砖瓦世界, 2007,7:6-11.

[16] 中国科学院资源环境科学数据中心.1km 格网全国 GDP [EB/OL]. http://www.resdc.cn/resdc/newold/060106.asp. 2003.

[17] 中国汽车技术研究中心,中国汽车工业协会.中国汽车工业年鉴2009 [M]. 北京:《中国汽车工业年鉴》期刊社, 2009.

[18] 旻 苏.机动车排放标准体系分析 [J]. 世界标准化与质量管理, 2006(6):29-31.

[19] 中国汽车市场年鉴编辑部.中国汽车市场年鉴2009 [M]. 北京:中国商业出版社, 2009.

[20] 车汶蔚.珠江三角洲高时空分辨率机动车污染排放清单开发及控制对策研究 [D]. 广州:华南理工大学, 2010.

[21] Wang H K, Chen C H, Huang C, et al. On-road vehicle emission inventory and its uncertainty analysis for Shanghai, China [J]. Science of the Total Environment, 2008,398(1-3):60-67.

[22] 宋翔宇,谢绍东.中国机动车排放清单的建立 [J]. 环境科学, 2006,27(6):1041-1045.

[23] 张清宇,魏玉梅,田伟利.机动车排放控制标准对污染物排放因子的影响 [J]. 环境科学研究, 2010,23(5):606-612.

[24] Zhao Y, Wang S X, Lei D, 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.

[25] 第一次全国污染源普查资料编纂委员会.污染源普查工作总结[M]. 北京:中国环境科学出版社, 2011.

[26] 国家统计局,环境保护部,中国环境统计年鉴 2009 [M]. 北京:中国统计出版社, 2009.

[27] Zhang Q, Streets D G, He K B, et al. NOxemission trend for China, 1995-2004: the view from the ground and the view from space [J]. Journal of Geophysical Research, 2007,112(D22): D22306.

[28] 王方群,杜云贵,刘 艺,等.国内燃煤电厂烟气脱硝发展现状及建议 [J]. 中国环保产业, 2007,1:18-22.

[29] 王文选,肖志均,夏怀祥.火电厂脱硝技术综述 [J]. 电力设备, 2006,7(8):1-5.

[30] 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.

[31] Yi H H, Hao J M, Duan L, et al. Characteristics of inhalable particulate matter concentration and size distribution from power plants in China [J]. Journal of the Air and Waste Management Association. 2006,56(9):1243-1251.

[32] 王 圣,朱法华,王慧敏,等.基于实测的燃煤电厂细颗粒物排放特性分析与研究 [J]. 环境科学学报, 2011,31(3):630-635.

[33] 江小珂,唐孝炎.北京市大气污染控制对策研究 [R]. 北京:北京市环保局,北京大学,清华大学, 2002,1-268.

[34] 田贺忠,郝吉明,陆永琪.中国氮氧化物排放清单及分布特征 [J].中国环境科学, 2001,21(6):493-497.

[35] 雷 宇,贺克斌,张 强,等.基于技术的水泥工业大气颗粒物排放清单 [J]. 环境科学, 2008,29(8):2366-2371.

[36] 李 丽.在环境统计工作中对水泥行业氮氧化物与二氧化硫排放系数的核定 [J]. 统计与咨询, 2007,(5):29-30.

[37] 蔡 皓,谢绍东.中国不同排放标准机动车排放因子的确定 [J].北京大学学报(自然科学版), 2010,46(3):319-326.

[38] Streets D G, Zhang Q, Wang L T, et al. Revisiting China's CO emissions after the Transport and Chemical Evolution over the Pacific (TRACE-P) mission: Synthesis of inventories, atmospheric modeling, and observations [J]. Journal of Geophysical Research, 2006,111(D14):14306.

[39] GB4915-2004 水泥工业大气污染物排放标准 [S].

[40] 姚芝茂,康 宏,赵 鑫,等.烟煤层燃炉颗粒物初始排放因子变化规律研究 [J]. 中国环境科学, 2011,31(2):220-224.

[41] Ge S, Bai Z P, Liu W L, et al. Boiler briquette coal versus raw coal: Part 1. Stack gas emissions [J]. Journal of the Air and Waste Management Association, 2001,51(4):524-533.

[42] 王书肖,赵秀娟,李兴华,等.工业燃煤链条炉细粒子排放特征研究 [J]. 环境科学, 2009,30(4):963-968.

[43] Lei Y, Zhang Q, He K B, et al. Primary anthropogenic aerosol emission trends for China, 1990-2005 [J]. Atmospheric Chemistry and Physics, 2011,11(3):931-954.

[44] 高长明.水泥工业废气脱氮技术 [J]. 水泥技术, 2007,2:19-20.

[45] IPCC. Quantifying uncertainties in practice, chapter 6 in: good practice guidance and uncertainty management in national greenhouse gas inventories [M]. Bracknell, UK: IES, IPCC, OECD, et al, 1997.

Air pollutant emissions from energy consumptions in the Yangtze River Delta region.

ZHAI Yi-ran, WANG Qin-geng*, SONG Yuan-yuan (State Key Laboratory of Pollution and Control Resource Reuse, School of the Environment, Nanjing University, Nanjing 210046, China). China Environmental Science, 2012,32(9)：1574～1582

An inventory of air pollutant emissions by energy consumptions in the Yangtze River Delta (YRD) was developed by using best available domestic emission factors and activity data. Compared with existing work, this inventory had higher temporal and spatial resolutions and could be easily updated based on the latest published statistics. Results show that the emissions of SO2, NOx, PM10, PM2.5, and CO in the 16 cities of the YRD region for the year 2008 were 3158.58, 3154.96, 979.76, 632.34, 5258.08kt, respectively. Emissions from Shanghai, Suzhou, Nanjing, Hangzhou, Wuxi and Ningbo accounted for about 60% of the total, for each of the five pollutants. The power plants and industrial sources were major contributors to SO2and NOxemissions. While the industrial sources accounted for a major part of PM10, PM2.5and CO emissions, percentages of CO emissions from mobile sources were relatively high. Temporal profiles were established for the power plants and on-road mobile sources.

Yangtze River Delta；energy consumption；emission inventory；temporal and spatial distribution

2011-12-06

国家“973”项目(2010CB428503);国家自然科学基金资助项目(41175129)

* 责任作者, 教授, wangqg@nju.edu.cn

X511

A

1000-6923(2012)09-1574-09

致谢：南京大学环境学院王海鲲博士为本研究提供了部分污染源排放因子资料及部分县市级的人口分布资料,在此表示感谢.

翟一然(1986-),女,江苏南京人,南京大学环境学院硕士研究生,主要从事大气污染物排放清单研究.