乌鲁木齐市天然源VOCs排放量估算与时空分布特征

张 蕾,姬亚芹*,赵 杰,王歆华,张 伟,郭宇宏,王士宝



乌鲁木齐市天然源VOCs排放量估算与时空分布特征

张 蕾1,2,姬亚芹1,2*,赵 杰1,2,王歆华3,张 伟1,2,郭宇宏4,王士宝1,2

(1.南开大学环境科学与工程学院,天津 300350；2.国家环境保护城市空气颗粒物污染防治重点实验室,天津 300350；3.中国环境科学研究院,北京 100012；4.新疆维吾尔自治区环境监测总站,新疆乌鲁木齐 830011)

通过统计乌鲁木齐市2015年土地利用,气象数据,叶面积指数和帕尔默干旱指数等数据,利用GLOBEIS模型估算天然源VOCs的排放量,建立了天然源VOCs的排放清单.结果表明:2015年天然源VOCs的排放总量为13750.72t,VOCs的排放强度为1.82t/(km2.a);其中,异戊二烯、单萜烯、其他VOCs排放量分别为77.00t、5057.51t、8616.20t,占总排放量的0.56%、36.78%和62.66%.VOCs的排放量随季节变化为:夏季>春季>秋季>冬季.天然源VOCs排放的空间分布主要集中在乌鲁木齐县中部,达坂城区以及米东区南部.

乌鲁木齐市；天然源；VOCs；排放量；时空分布

大气中的挥发性有机物(VOCs)是二次有机气溶胶的重要前体物[1-2],同时对臭氧的生成与浓度水平有重要影响[3-4].以往对VOCs的研究主要侧重于工业区和人为源.近年来,研究发现,在区域尺度或全球尺度,植物排放的VOCs已远超过其人为排放量[5],所以估算大气中天然源VOCs(简称为BVOCs)排放是大气领域备受关注的内容. 国外天然源排放估算的研究开展较早,国内相关研究起步较晚,但是发展迅速[6-8].

Guenther等[9]研究表明,BVOCs中异戊二烯(ISOP)和单萜烯(TMT)是植物排放量最大的两种挥发性有机物,并且具有较高的反应活性,因此研究BVOCs时常将这两种有机物作为主要研究对象.

目前,天然源的估算方法主要包括美国环境保护署(EPA)和美国大气科学研究中心(NCAR)联合开发的全球生物源排放和交互系统模型(GLOBEIS)[10],2006年Guenther推出的自然排放气体和气溶胶模型(MEGAN)[11],以及Guenther等提出的公式法[12].其中,GLOBEIS模型不需要输入排放因子等对结果产生较大影响的参数,使用起来较方便,在国内外得到了广泛使用,如周崴等[13]运用GLOBEIS估算公式对常州植被排放的VOCs进行了估算;Zheng等[14]运用GLOBEIS对珠江三角洲地区的天然源VOCs进行了研究; Feldman等[15]通过GLOBEIS对德克萨斯州的天然源排放量进行了估算.

本研究采用GLOBEIS模型进行乌鲁木齐市BVOCs的估算,利用实际观测的气象数据和基于遥感图像解译的土地利用现状和植被资料,以及叶面积指数和帕尔默干旱指数,运用ArcMap进行3km×3km年小时化的高时空分辨率的BVOCs排放量估算,并在此基础上,分析了其时空分布特征,为乌鲁木齐市及区域空气质量预警预报提供数据资料.

1 材料与方法

1.1 模型域定义

利用Lambert投影,以86° 47' 10.71"E~88° 58' 36.81"E和42° 54' 56.25" N~45° 0' 2.72"N为模型域.利用ArcMap建立了3km×3km的网格,以每个网格的中心点经纬度坐标标识该网格的地理位置.模型域内共包含3834个网格.

1.2 排放量估算方法

图1 GLOBEIS模型所需数据

采用GLOBEIS模型估算BVOCs的排放量,其中,BVOCs分为异戊二烯、单萜和其他VOCs共3大类.模型输入数据如图1所示.利用ArcMap技术插值乌鲁木齐市的土地利用和植被分布资料,建立该地区网格化土地覆盖特征数据库,并利用气象数据对排放潜力进行校正,同时,根据已知气象因子和数据库对叶面积指数和帕尔默干旱指数进行计算.

1.3 参数确定

图2 植被类型分布

表1 植被类型面积统计

1.3.1 植被分布数据 结合乌鲁木齐市2015年土地利用现状,运用ArcMap软件结合VB编程对植被分布图进行网格分割处理,土地利用现状中将植被分为耕地、灌木林地、有林地、疏林地、其他林地、高覆盖草地、中覆盖草地、地覆盖草地和未利用土地,详见图2.各种植被覆盖面积见下表1.

1.3.2 气象数据 GlOBEIS模型中需要输入的气象数据包括温度,云量,湿度,风速等,来源于研究所涵盖的各个区县各气象站在2015年1月1日~12月31日全天24h的实时监测数据.各个网格的数据根据实测值插值得到.把大气环境温度假设为叶温,模型中光合有效辐射数据通过云量信息模拟得到.

1.3.3 叶面积指数 叶面积指数LAI(leaf area index)是指单位土地面积上植物叶片单面总面积占土地面积的倍数.在生态学、大气和生态交互系统、全球气候变化研究中,叶面积指数是一个重要结构参数,用来反映植物叶面积、冠层结构变化,对植被的光合作用和生物物理过程起着重要的作用[16].本研究使用MODIS全球在线数据,利用ENVI、ArcMap等工具,得到相对应的LAI值.

1.3.4 帕尔默干旱指数(PDSI) 20世纪70年代,帕尔默旱度模式被引入我国.由于Palmer指标首先应用于美国旱情特征的分析,其指标算法对我国旱情分析存在一定误差,我国相关领域学者对该指标参数做了大量研究工作,并给予了修正和改进[17-19].根据逐月降水资料,以帕尔默干旱指数为基础,建立适用于干旱灾害的实时、动态监测以及干旱灾害季节性演变特点的干旱指标:

式中:M为本月的干旱指数;M-1为前一个月的干旱指数,表示前期的干旱程度对本月的影响;Z为当月的标准化降水指数.

1.3.5 标准化降水指数(SPI) SPI是将某一时间尺度的降水量序列看作服从分布,通过降水量的分布概率密度函数求累积概率,再将累积概率正态标准化而得[20].其计算方法如下:假设某时段降水量为随机变量,则其分布的概率密度函数为:

利用数值积分可以计算用式(2)代入式(6)后的事件概率近似估计值.

降水量为0时的事件概率由下式估计:

式中:为降水量为0的样本数;总样本数.对分布概率进行正态标准化处理,即将式(6)、(7)求得的概率值代入标准化正态分布函数,即:

对(8)式进行近似求解可得:

由(9)式求得的值就是标准化降水指数SPI.最终,根据求得的标准化降水指数得到帕尔默干旱指数.

2 结果与讨论

2.1 BVOCs总排放量

根据各种植被类型分布、叶面积指数、帕尔默干旱指数、气温和云量等数据,利用GLOBEIS模型,估算出2015年乌鲁木齐市BVOCs的排放总量为13750.72t.其中异戊二烯排放量占年总排放量的0.56%,为77.00t;单萜烯占年总排放量的36.78%,为5057.51t;其他VOCs占年总排放量的62.66%,为8616.20t;BVOCs全年排放强度为1.82t/(km2·a).表2列出了本研究与其他学者研究的对比结果,异戊二烯较其他地区百分比含量较低,这是由于异戊二烯主要由阔叶林排放[21],乌鲁木齐市主要为草地和耕地,林地面积仅占到研究总面积的8.24%,植被分布的差异造成异戊二烯与其他研究相比含量较低.

表2 BVOCs组分在总排放中的百分比(%)

2.2 BVOCs的时间分布特征

图3 乌鲁木齐市BVOCs排放量的季变化

结合2015年乌鲁木齐市的气象数据和气象学上四季的划分方法,将研究区域季节划分如下:11月~4月均为地区冬季,4~7月为地区春季, 7~9月为地区夏季,9~11月为地区秋季,BVOCs的排放量随季节变化如图3所示,为:夏季>春季>秋季>冬季,由于夏季温度高,辐照时间长,降水较丰富等气象因素所致,叶面积指数、帕尔默干旱指数等模型输入数据较高,使得夏季VOCs的排放量要远大于冬季,VOCs排放总量为冬季的4.14倍,植被随季节变化十分明显,这也是冬夏两季排放量差距较大的原因之一.从月排放量分析,如图4所示,天然源排放量存在明显的峰值,异戊二烯,单萜烯,其他VOCs及总VOCs排放量均7月份最大,排放量分别达到16.94、1112.65、1895.56和3025.16t/a,11月到2月份之间排放量最小.

图4 乌鲁木齐市BVOCs排放量的月变化

2.3 BVOCs排放的空间分布特征

乌鲁木齐市全年BVOCs排放量空间分布如图5所示.图5(a)表示全年VOCs的总排放量,排放最高的地区为乌鲁木齐县中部,米东区南部及达坂城区.其中,乌鲁木齐县全年VOCs达到9814.49t,达坂城区全年排放VOCs总量达到1466.36t,米东区全年排放VOCs总量达到1537.60t,三者总排放量占研究区域的93.22%,主要原因为这三个地区行政辖区面积较大,林地及高盖度草地较为密集,而在地理面积较小以及城镇化相对较高的地区,VOCs的排放量较小.图5(b)所示为其他VOCs的排放特征,乌鲁木齐县中部排放量较大,这可能与乌鲁木齐县中部耕地较多有关,闫雁等[23]研究表明其他VOCs排放特征与作物的地区分布情况有一定的相关性.图5(c)所示为单萜烯的排放分布情况,与其他种类VOCs相比较,其分布同样集中于乌鲁木齐县,米东南部,上述地区林地密布,可见单萜烯的产生与林地密集有关,吴莉萍等[24]在对林地进行进一步划分时,得出单萜烯主要由针叶林排放产生.异戊二烯在大气中的活性仅有1~2h,是十分重要的光化学反应剂[25],图5(d)表示异戊二烯的排放特征,明显可以看出,异戊二烯的排放较其他种类VOCs排放较分散,这与该地区的土地利用类型及气象条件密不可分.可见,VOCs的排放量与植被类型有极大的关系.

3 不确定性分析

天然源排放的估算误差主要来自以下几个方面:

3.1 植被分布

本文所用土地利用空间分布数据和植被分布数据为遥感解译的数据,遥感解译过程中,由于受到图像获取系统性能、地面目标光谱反射特性、摄影时刻大气条件、地理位置和图像处理等因素影响,造成特征信息多具不确定性和多解性,影响了遥感解译质量.一个地区天然源的排放量主要取决于该地区的植被分布,而这些资料大多通过遥感解译的手段获取,由此带来的植被分布解译误差是不确定性因素之一.

3.2 气象数据

气象数据是计算天然源数值的关键, GLOBEIS模型带入气象数据为小时数据.而本研究仅收集到每个区县一个气象站点的2015年的全年小时数据,同时各区县分布面积差异较大,存在跨度较大的区县,这对天然源的计算会产生一定的误差.

3.3 帕尔默干旱指数

表3 乌鲁木齐市2015年各月PDSI

由于PDSI为美国旱情局指标算法,本文沿用的为修正及改进的算法,但与实际情况相比会存在一定误差,将会影响到估算的准确性.

现将计算求得乌鲁木齐市月平均帕尔默干旱指数列于表3,由表中数据可以看出,乌鲁木齐市全年处于轻微干旱,与沙比提等[26]研究的近年来乌鲁木齐市干湿总体情况相符合,说明数据具有一定的准确性.

4 结论

4.1 乌鲁木齐市2015年BVOCs的排放总量为13750.72t.其中,异戊二烯年总排放量为77.00t;单萜烯为5057.51t;其他VOCs为8616.20t.

4.2 乌鲁木齐市BVOCs的排放总量有明显的季节变化特征,BVOCs排放主要集中在春季、夏季和秋季,其中异戊二烯,单萜烯,其他VOCs及VOCs排放量均7月份最大,11月到2月份之间排放量最小.VOCs的排放量随季节变化为:夏季>春季>秋季>冬季.

4.3 BVOCs的排放主要集中于乌鲁木齐县中部、米东市南部及达坂城区,其他地区BVOCs的排放量相对较低.

4.4 通过不确定性分析可知,植被分布,气象数据以及帕尔默干旱指数等均可能对天然源的估算产生一定的误差,由于不需要考虑排放因子对VOCs的排放量的影响,可极大提高估算准确度.

[1] Hallquist M, Wenger J C, Baltensperger U, et al. The formation, properties and impact of secondary organic aerosol: current and emergingissues [J]. Atmospheric Chemistry & Physics, 2009,9(1):5155-5236.

[2] 王扶潘,朱 乔,冯 凝,等.深圳大气中VOCs的二次有机气溶胶生成潜势[J]. 中国环境科学, 2014,34(10):2449-2457.

[3] 罗 玮,王伯光,刘舒乐,等.广州大气挥发性有机物的臭氧生成潜势及来源研究[J]. 环境科学与技术, 2011,34(5):80-86.

[4] Chameides W L, Lindsay R W, Richardson J, et al. The role of biogenic hydrocarbons in urban photochemical smog: Atlanta as a case study. [J]. Science, 1988,241(4872):1473-1475.

[5] Guenther A B, Zimmerman P R, Harley P C, et al. Isoprene and monoterpene emission rate variability: Model evaluations and sensitivity analyses [J]. Journal of Geophysical Research Atmospheres, 1993,98(D7):12609-12617.

[6] 杨丹菁,白郁华,李金龙,等.珠江三角洲地区天然源碳氢化合物的研究[J]. 中国环境科学, 2001,21(5):422-426.

[7] 郑君瑜,郑卓云,王兆礼,等.珠江三角洲天然源VOCs排放量估算及时空分布特征[J]. 中国环境科学, 2009,29(4):345-350.

[8] 毛红梅,张凯山,第宝锋.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, 2016,36(5):1289-1296.

[9] Skaltsas T, Avgouropoulos G, Tasis D. A global model of natural volatile organic compound emissions [J]. Journal of Geophysical Research, 1995,100(D5):8873-8892.

[10] The global emission and interactions system (GLOBEIS)[EB/OL]. http://www.giobeis.com/about.html. 2015-03-12.

[11] Guenther. Estimates of global terrestrial isoprene emissions using MEGAN (model of emissions of gases and aerosols from nature) [J]. Atmospheric Chemistry and Physics Discussions, 2006,6: 3181-3210.

[12] Guenther A, Geron C, Pierce T, et al. Natural emissions of non-methane volatile organic compounds, carbon monoxide, and oxides of nitrogen from North America [J]. Atmospheric Environment, 2000,34(12):2205-2230.

[13] 周 崴.常州地区植被排放VOC的估算研究[J]. 环境监测管理与技术, 2013,25(4):13-17.

[14] Zheng J, Zheng Z, Yu Y, et al. Temporal, spatial characteristics and uncertainty of biogenic VOC emissions in the Pearl River Delta region, China [J]. Atmospheric Environment, 2010,44(44): 1960-1969.

[15] Feldman M S, Howard T, Mcdonald-Buller E, et al. Applications of satellite remote sensing data for estimating biogenic emissions in southeastern Texas [J]. Atmospheric Environment, 2010,44(7): 917-929.

[16] Xiao Z, Liang S, Wang J, et al. Real-time retrieval of Leaf Area Index from MODIS time series data [J]. Remote Sensing of Environment, 2011,115(1):97-106.

[17] 路 璐.修正的帕尔默干旱指数在黄河流域的应用[D]. 大连:辽宁师范大学, 2013.

[18] 杨小利,刘庚山,杨兴国,等.甘肃黄土高原帕尔默旱度模式的修订[J]. 干旱气象, 2005,23(2):8-12.

[19] 厉玉昇,申双和,成 林.河南省帕尔默旱度模式研究[J]. 河北农业科学, 2012,16(7):90-94.

[20] 袁 云,李栋梁,安 迪.基于标准化降水指数的中国冬季干旱分区及气候特征[J]. 中国沙漠, 2010,30(4):917-925.

[21] 胡泳涛,张远航,谢绍东,等.区域高时空分辨率VOC天然源排放清单的建立[J]. 环境科学, 2001,22(6):1-6.

[22] 冯小琼,彭 康,凌镇浩,等.香港地区2005~2010年VOCs污染来源解析及特征研究[J]. 环境科学学报, 2013,33(1):173-180.

[23] 闫 雁,王志辉,白郁华,等.中国植被VOC排放清单的建立[J]. 中国环境科学, 2005,25(1):110-114.

[24] 吴莉萍,翟崇治,周志恩,等.重庆市主城区挥发性有机物天然源排放量估算及分布特征研究[J]. 重庆环境科学, 2013,35(4): 12-15.

[25] 王永峰,李庆军.陆地生态系统植物挥发性有机化合物的排放及其生态学功能研究进展[J]. 植物生态学报, 2005,29(3): 487-496.

[26] 沙比提,买买提,欢乐希,等.1961—2014年乌鲁木齐地区气候特征及干湿区变化[J]. 干旱气象, 2016,34(3):448-455.

Estimation of biogenic VOCs emissions and its spatial-temporal distribution in Urumqi.

ZHANG Lei1,2, JI Ya-qin1,2*, ZHAO Jie1,2, WANG Xin-hua3, ZHANG Wei1,2, GUO Yu-hong4, WANG Shi-bao1,2

(1.College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China；2.State Environmental Protection Key Laboratory of Urban Ambient Air Particulate Matter Pollution Prevention and Control, Tianjin 300350, China；3.Chinese Research Academy of Environmental Sciences, Beijing 100012, China；4.Xinjiang Environmental Monitoring Station, Urumqi 830011, China)., 2017,37(10)：3692~3698

Based on the data of land use, meteorological data, leaf area index and Palmer drought index of 2015, the GLOBEIS model was utilized to calculate the emissions of biogenic, and the emissions inventory of biogenic VOCsin Urumqi was established. The results showed that the total emissions of biogenic VOCs in 2015 was approximately 13750.72t, of which isoprene, monoterpene and other VOCs were 77.00t, 5057.51t and 8616.20t, accounting for 0.56%, 36.78% and 62.66%, respectively. The emissions intensity of the total emissions of the biogenic VOCs was 1.82t/(km2.a). The temporal distribution of VOCs emissions ranked summer> spring> autumn> winter; the spatial distribution of biogenic VOCs were mainly focused on the middle of Urumqi County, Dabancheng district and the south of Midong district.

Urumqi；natural source；VOCs；emissions；spatial and temporal distribution

X511

A

1000-6923(2017)10-3692-07

张 蕾(1992-),女,吉林松原人,南开大学硕士研究生,主要从事大气污染及其控制研究.

2017-03-20

* 责任作者, 副教授, jiyaqin@nankai.edu.cn