基于多模型和多源数据的京津冀地区BVOCs排放清单

李奥哲,段文娇,亓浩雲,蔡 斌

基于多模型和多源数据的京津冀地区BVOCs排放清单

李奥哲1,段文娇2*,亓浩雲1,蔡 斌1

(1.北京工业大学环境与生命学部,区域大气复合污染防治北京市重点实验室,北京 100124；2.生态环境部环境发展中心,北京 100029)

为系统研究京津冀地区天然源挥发性有机物(BVOCs)排放量及时空分布特征,基于蓄积量产量、土地利用遥感解译数据、MEGAN模型,计算获得了2018年京津冀地区各区县BVOCs排放量及排放组成.结果表明,基于蓄积量产量、遥感解译和Megan数值模型的2018年京津冀地区BVOCs排放总量分别为74.14万t,84.48万t和77.73万t.北京、天津和河北平均排放总量分别为11.8万t、3.2万t和63.7万t;异戊二烯、单萜烯和其他VOCs平均排放量分别为29.19万t、22.58万t和27.41万t,林地、耕地和草地占比分别为68.42%、23.07%和3.89%.从时间分布来看,京津冀地区BVOCs排放呈显著单峰型,其中夏季排放最高,达到52.64万t,占全年总排放量的66.64%,而冬季平均排放量最低,仅有1.59万t,占全年总排放量的2.01%.从空间分布来看,基于多源清单的BVOCs空间分布均呈现出北高南低的趋势,高排放地区沿太行山脉及燕山山脉走势较为明显,这些地区主要以林地草地排放为主,而冀东南平原地区主要以耕地排放为主.从方法差异来看,基于遥感解译的光温模型获得的排放量相对偏高,动态模型获得的其他VOCs占比相对偏高.本研究为全面认识京津冀地区BVOCs排放特征和规划空气质量持续改善策略提供了基础数据支撑.

BVOCs；时空分布；蓄积量；叶面积指数；MEGAN模型

近年来,随着京津冀地区大气细颗粒物浓度的逐步降低,臭氧(O3)污染问题日益突出[1-2],而挥发性有机物(VOCs)是O3的重要前体物之一[3-4],对O3的产生有密不可分的关系.VOCs分为人为源和天然源,天然源挥发性有机化合物(BVOCs)种类繁多,其中异戊二烯和单萜烯具有排放量大,化学性强的特性[5],作为O3和二次有机气溶胶(SOA)的重要前体物,在紫外光作用下与氮氧化物及羟基自由基发生光化学反应,加剧空气污染[6].因此,通过建立高时空分辨率BVOCs排放清单对于进一步研究大气复合物的生成机制和精准制定大气复合污染防治措施至关重要.

BVOCs排放清单的计算研究,国外起步相对较早[7-8].自20世纪90年代以来,国内相继开展了相关研究,并使用不断更新的生物模型如BEIS2、GloBEIS、MEGAN等对不同空间尺度的BVOCs排放进行了估算.但由于基础数据的缺乏和难以获取,数据往往难以及时更新和维护,所采用的计算方法存在较大差异,导致结果具有较大不确定性.根据《动态高时空分辨率天然源VOCs排放清单编制技术指南》BVOCs清单的计算主要采用光温模型和动态模型,光温模型适用于中小尺度从单个物种的角度,由单株到群体的估算,可对各地区园林绿化树种优化工作提供指导;动态模型则是从植被的角度出发,对模型内参数进行本地化设置,输出特定区域内各格点高达上百种BVOCs的逐时排放量,可直接对接空气质量模型对空气质量进行监测或预测[9].目前,基于这两种主要途径的空间排放规律已有大量研究,如谭峥铮等[10]、张蔷等[5]、陆成伟等[11]、亓浩雲等[12]、Wang等[13]、高超等[14].

不同排放模型具有各自的特点,只有合理评估不同方法之间的异同及不确定性,才能科学实用、因地制宜的开展BVOCs源排放清单工作,为京津冀地区空气污染治理提供数据支持.本研究通过蓄积量产量换算、遥感解译的土地利用数据换算和MEGAN数值模型模拟,系统分析光温模型和数值模型的时空排放特征和差异,获得2018年京津冀地区BVOCs排放清单,同时为科学合理评估BVOCs对平流层化学和光化学(如O3、SOA)的时空效应和相互作用提供参考依据.

1 材料与方法

1.1 研究区域概况

京津冀(36°05'～42°40'N,113°27'～119°50' E)位于华北平原北部,东北平原、内蒙古高原南部,背靠燕山,东临渤海,西倚太行山与山西省为邻,东南部、南部衔山东、河南两省,西北部、北部与内蒙古自治区交界,东北部与辽宁省接壤,高原、山地、丘陵、盆地、平原类型齐全,属于温带大陆性季风型气候.

1.2 基于光温模型的蓄积量产量换算清单

1.2.1 计算方法 将BVOCs排放物种划分为异戊二烯、单萜烯和其他VOCs(OVOCs)3类,OVOCs物种主要包括醇、醛、酮、有机酸、低碳烷烃和烯烃等.参照Guenther等[15-16]0提出的光温影响模型,按植物类别分别进行排放量估算.其中,异戊二烯排放采用叶绿素(CHL)算法,其排放主要受温度、太阳辐射影响;单萜烯和OVOCs的计算采用防御专属组织(DST)算法,其排放主要受温度影响.异戊二烯的计算式为(1)～(3),单萜烯、OVOCs的计算式为(4)～(5),共用的计算式为(6)～(7):

(2)

(3)

(5)

(6)

式中:ISOP、TMT和OVOC分别为异戊二烯、单萜烯和OVOCs排放通量,t;为标准排放速率,µgC/ (g·h);为叶生物量,g;P、T和S分别代表光合有效辐射因子、温度影响因子和季节影响因子;为逸出效率.为当前叶温,K;S为标准条件下的叶温,303K;1、2、M为经验常数,1=95000J/mol;2= 230000J/mol,M=314K;a、L为经验参数,取值为0.0027和1.066,为光合有效辐射(PAR)通量,来源于太阳辐射,μmol/ (m2·s),为月份;0为具有最大排放速率的月份;指一年中BVOCs进行活跃排放的月数;为年排放速率变化幅度,落叶树种的min值为0,故=1;非落叶树种的min不易确定,故默认取0.8[17].

1.2.2 排放因子 准确测定各物种的排放潜力是正确估算排放量的重要基础[3].基于蓄积量和产量的BVOCs所使用的标准排放因子主要来自国内外实测排放因子[15,18-24],对于具体植物类别的VOC排放因子,各文献报道之间通常有着较大的离散性[25],为使排放因子数据尽可能准确,优先选取京津冀及周边地区,剔除异常低或高值后计算均值得到,对于乔木林OVOCs的标准排放因子采用Guenther等[15]提出的推荐值1.5µgC/(g·h),由于稻、麦等主要农作物OVOC 排放因子远低于此前使用的平均值,因此本文采用相关文献的实测值[26].排放因子选取结果如表1所示.

不同树种生长周期在很大程度上影响了VOCs的排放,树木的幼嫩叶片几乎不排放VOCs[27],相关树种展叶盛期及叶全变色期参考《中国农业物候图集》[28]和《中国动植物侯观测年报》[29],用于计算季节校正因子,得到逐月各龄级树种及生长周期范围内植被叶生物量,其中常绿树木和灌丛按照12个月计算叶生物量,落叶植被则根据物候绿叶期为排放期,草地按照5～9月计算,农作物按照耕种季节计算.

1.2.3 叶生物量 基于蓄积量、产量和面积换算的方法,得到较为全面可靠的树种叶生物量数据.参考二类森林资源调查数据(2014～2018)[30]和2018年京津冀各市统计年鉴给出的数值,结合文献调研得到京津冀区县优势树种各龄级蓄积量及主要作物产量.

对于森林叶生物量的换算,利用不同地区树种的蓄积量资料进行估算[31],具体计算公式为:

式中:为树种蓄积量,m3;T为树干密度106g/m3;T为树干生物量占乔木层总生物量的比例;L为叶生物量占乔木层总生物量的比例.京津冀优势树种树干密度、各龄级LT值参考《中国主要树种的木材物理力学性质》及《中国主要森林类型生物生产力格局及其数学模型》.

对于农作物叶生物量的换算,具体计算公式为:

式中:为经济产量的含水率;为经济产量,g;为收获系数,即经济产量与总生物量之比;L为叶生物量占总生物量的比例.通过统计年鉴广泛收集京津冀各区县主要大类作物的产量,得到农作物经济产量的空间分布;采用方精云等[32]的整理结果,得到各类农作物经济产量的含水率和收获系数;对国内农作物生长模型和干物质分配相关研究进行整理和归纳,得到叶生物量比例L[33].

对于灌丛草地叶生物量,通过统计年鉴及《中国草地资源数据》等资料获取对应的植被面积和叶生物量密度,其中计算公式分别为(10)和(11):

式中:为所在区域面积,m2;SLA为灌木的比叶面积,cm2/g1;LAI为叶面积指数;D为草地叶生物量密度,g/m2.

1.3 基于光温模型的遥感解译清单

1.3.1 排放因子 基于遥感解译的排放清单同样采用光温模型算法,计算使用的数据来源于中科院资源环境数据中心(http://www.resdc.cn/data.aspx? DATAID=184)的遥感解译土地利用栅格数据.异戊二烯、单萜烯和OVOCs的相关计算式如(1)～(7)所示.各不同土地利用类型的标准排放因子一般情况下采用分档方法处理以保证取值的合理性,以国内外实测标准排放因子为基础,同时参考使用相同土地利用类型的文献中所提供的标准排放因子,根据京津冀地区森林资源调查中各植被类型植物所占比例进行加权平均,然后将加权平均值与VOCs标准排放因子的分档值进行比较,取数值最接近的分档值为该植被类型的BVOCs标准排放因子,对异戊二烯的排放分为0.1,1.0,6.0,8.0,34.0,60.0μgC/ (g·h)6档取值,对单萜烯的排放分为0.1,0.2,0.65, 1.5, 3.0μgC/(g·h)5档取值;对有林地OVOCs排放,一律取1.5μgC/(g·h).排放因子选取结果如表2所示.

1.3.2 叶生物量 遥感解译清单的叶生物量与叶面积指数及叶生物量密度关系密切,两者一起反映了在单位土地面积上植物叶片的生长状况,体现了不同植被类型在时空变化上的生长趋势[34],叶生物量具体计算公式为:

式中:D为叶生物量密度,g/m2;D为叶生物量密度与叶生物量密度年峰值之比,无量纲;为土地利用面积,m2.

使用2018年中国土地利用1km栅格数据,经过影像融合、几何校正、图像增强与拼接等处理后,通过人机交互目视解译的方法,将全国土地利用类型划分为6个一级类,25个二级类以及部分三级分类的土地利用数据产品.叶面积指数和叶生物量密度的取值参考亓浩雲等[12]根据国内外学者对BVOCs的相关研究,在京津冀及我国其他区域相关研究的基础之上整理的结果.

表2 不同土地类型平均叶生物量密度、标准排放因子

1.4 MEGAN动态模型

本研究采用了国际上广泛应用的MEGAN模型2.1版本,MEGANv2.1模型用150种特定类别的化合物替代了光温模型中的OVOCs排放组成,详细物种总数量达146种,除去生物质燃烧的排放估算,模型排放包含了所有生态系统中自然发生的排放源,主要的输入数据有叶面积指数(LAIv),植被功能类型(PFT),排放因子(EF)以及气象(本研究由WRF提供)等.BVOCs排放速率计算式为(13)～(14):

式中:F为估算排放量,g;,j为植被类型标准条件下的排放因子;为相应格网中这种植被类型所占的比例,通常取常数1;为排放活性因子,用于根据周围气象条件变化(温度、光照、湿度等)来矫正植被的排放量;CE为冠层环境系数,在MEGAN中取0.57;LAI为叶面积指数;T,i代表与温度有关的调节参数;A,i代表与叶龄有关的调节参数;SM,i代表与土壤湿度有关的调节参数,该参数只用于估计异戊二烯,其他排放类别此参数默认为1;C,i代表与二氧化碳有关排放参数.

EF选用全球通用排放因子,空间分辨率为0.05°,包含了15种植被功能类型的排放等级和净初级排放,考虑了植物冠层的干沉降因素,并对不同物种组成和物种特异性区域加以区分,最后按照所有生态区域面积进行加权平均.

LAIv选用MODIS叶面积指数标准产品MOD15A2H[35],空间分辨率为500m,时间分辨率为8d,使用MRT(MODIS Reprojection Tool)对京津冀及周边地区的栅格图像进行批量合成,利用Arcgis10.3对研究区域进行栅格数据的重投影、裁剪、重采样处理,利用MATLAB提取生成研究区域内的LAI数据.

PFT选用MODIS土地利用标准产品MCD12Q1[36],空间分辨率为500m,采用IGBP分类,利用Arcgis10.3及MATLAB对图像进行重投影、裁剪、提取处理,得到研究区域内的PFT数据.按照Loreta等[37]的方法,根据土地利用产品指南及ERA- Interim气候学再分析数据集将IGBP分类映射到社区土地模型(CLM)的PFT分类,得到用于模型输入的PFT数据.

1.5 气象数据

光温模型中将大气环境温度作为叶温,2018年京津冀地区各城市的气象数据来源于中国气象数据网站(http://data.cma.cn/),获取当地逐时气温,用以正确估算昼夜交替下异戊二烯的完整排放[12].此外获取逐月气压,相对湿度,太阳总辐射照度等气象要素进行相关换算,光合有效辐射通量来源于太阳辐射.

基于MEGAN模型的气象驱动数据来自WRFv4.3.2气象模型,采用Lambert等角投影,中央经线和原点经纬度坐标为东经116.55°北纬39.30°,网格数为142´142,分辨率为5km,覆盖了京津冀及周边地区,利用MCIP将WRF数据转换为MEGANv2.1的标准输入数据.

2 结果与讨论

2.1 京津冀BVOCs排放总量组成及特征

基于蓄积量产量换算、遥感解译数据和MEGAN数值模拟的京津冀各地区城市BVOCs排放总量分别为74.14万t, 84.48万t, 77.73万t,三者相关性分别为84.01%、82.78%和86.15%.表3为多源数据换算的2018年京津冀地区各城市BVOCs排放清单.整体来看,遥感解译清单>MEGAN清单>基于蓄积量产量,主要差异在于蓄积量产量清单较低的林地排放仅为45.69万t,该类清单需要人为收集更加广泛的基础数据,作为对比遥感解译及MEGAN清单的林地排放分别达到68.35万t和55.41万t.根据表格计算,得到2018年京津冀BVOCs平均排放总量为78.8万t/a,北京市、天津市和河北省年平均排放总量分别为11.84, 3.25, 63.71万t/a,有着“森林城市”之称的承德市BVOCs排放量最高,达到18.26万t/a,而廊坊市的BVOCs排放量最低,仅有1.51万t/a.

表3 基于多源数据换算的京津冀地区各城市BVOCs排放量

多源清单中各组分排放占比如图1所示,异戊二烯、单萜烯和OVOCs平均排放量分别为29.19, 22.58, 27.41万t,平均占比分别为36.86%、28.52%和34.61%.基于蓄积量产量清单各组分占比波动较大原因主要是各城市优势树种占比相差较大,此外粮食作物生长差异也可能造成一定影响,基于遥感解译清单中的异戊二烯占比和MEGAN清单中的单萜烯占比偏低主要是由于相对较低的排放因子所造成.

(a),(b),(c)分别基于蓄积量产量,遥感解译和MEGAN

2.2 京津冀BVOCs排放时间分布特征

如图2所示,基于多源数据的排放清单时间分布特征高度一致,其中夏季平均排放量最高,占全年总排放量的66.64%,冬季平均排放量最低,仅占全年总排放量的2.01%,春季和秋季的平均排放分别占全年总排放量的19.64%和12.19%,其原因主要是由于夏季平均气温明显偏高,光辐射强度更大,生物酶活性变强,有利于VOCs的排放,同时更长的白昼时间也有利于异戊二烯等组分的释放.

图2 多源清单逐月排放

不同清单中京津冀各城市排放在高排放月份具有较高的一致性,而在排放量较低的冬季相关性偏低,原因是遥感解译中北京和承德林地排放的高估,同时由于该分类体系中林地排放占比较高,导致总体排放偏高.

2.3 京津冀BVOCs排放空间分布特征

基于光温模型和数值模型,获得京津冀地区2018年各区县BVOCs排放清单,分布如图3所示,多源清单的BVOCs空间分布一致性较好,呈现出北高南低的趋势,高排放地区沿太行山脉及燕山山脉走势较为明显,同时冀东南平原地区有着较为均匀的分布.排放量最高的地区主要分布在承德、保定、张家口以及北京北部(冀西北),这些区域大多为林地密集区,而在排放量相对较低的沧州、衡水、廊坊、邯郸东部等地区(冀东、部分冀中、冀南)则显示为耕地密集区,符合西北山地、东南平原的地形地貌特征,其中基于自下而上和Megan模型的耕地排放结果显示较为一致,均高于遥感解译估算的排放量,主要原因是采用LUCC分类的耕地排放面积占比较低,而林地排放面积占比较高.

图3 多源清单的BVOCs空间分布

2.4 不同地类BVOCs排放空间分布特征

各地类排放的空间分布特征如图4所示,多源清单中林地排放占比为62.5%～71.59%,耕地排放占比为13.01%～35.48%,草地排放占比为2.01%～7.11%,平均排放量分别为53.91, 18.17, 3.06万t.

通过对比可以看出,林地排放主要分布在承德、北京、张家口等北部城市以及石家庄、邢台和邯郸的西部地区,整体分布和总量排放的空间分布较为相似,这些地区林地面积较大,森林蓄积量较高,同时种植了排放量较大的杨树、油松和栎类等树种,导致林地排放相对偏高;耕地排放分布在冀中,冀东南部及冀北区域,这些地区大多位于华北平原的平缓地带,具有良好的地理气候条件,小麦玉米等主要粮食作物产量较高,其中基于遥感解译的BVOCs耕地排放在张家口北部存在一定高估,同时在北部区县分布较多,原因是这些区域水田旱地面积相对较多,而基于遥感分布的计算无法考虑作物的类别及生长状态,根据蓄积量产量换算的清单显示张家口市康保县、张北县、沽源县及承德市围场满族自治县粮食产量较低,因此叶生物量密度存在一定高估;草地排放和林地较为一致.

图4 多源清单的林地、耕地和草地BVOCs分布

2.5 不确定性分析

本地植被叶生物量资料的缺失是天然源VOCs排放清单不确定性的主要来源之一[38],根据优势树种蓄积量占比计算得到林地平均排放因子,异戊二烯和单萜烯分别为2.01,0.45mgC/(g·h),作为对比,遥感解译清单根据林地面积占比计算的平均异戊二烯和单萜烯排放因子分别为0.37,0.22mgC/(g·h), OVOCs取值均保持1.5mgC/(g·h),因此基于遥感解译清单的活动水平相对较高,此外蓄积量清单中各城市间由于树种差异波动较大,高排放树种如杨树柳树等在唐山市及天津市分布达到31.51%和53.56%,导致这些城市排放相对偏高;此外蓄积量产量清单相较于遥感解译清单的耕地排放偏高可能是由于较高的单萜烯排放因子造成的,两者的单萜烯排放因子分别为0.31,0.10mgC/(g·h).基于遥感解译及MEGAN的林地排放分别占总排放量的80.90%和70.72%,而遥感解译清单中林地面积相较于MEGAN偏低21.83%,说明该类清单所使用的排放因子等参数相对偏高.遥感解译清单中北京市、承德市及秦皇岛市排放量偏高,原因是这些区域林地面积占比较高,分别达到32.56%、49.74%和26.32%,作为对比,MEGAN清单中北京市承德市占比仅为8.18%和14.55%,秦皇岛市可能由于卫星数据缺失异常导致排放量较低;此外遥感解译清单耕地排放相较于MEGAN偏低36.73%,而两者耕地面积几乎相等,说明该类清单耕地排放因子可能存在一定低估,草地与耕地排放情况较为类似.

表4为本研究与相关研究的对比,通过与前人的研究结果发现,本次研究的计算结果与Li[39]的研究结果相比偏低,高于其他相关研究的计算结果,原因可能是其采用了较低的分辨率从而增加区域活动水平的误差;张蔷等[40]、井潇溪等[41]、袁相洋等[42]基于蓄积量换算的林地排放采用了较低的排放因子,因此计算结果相对偏低;夏春林等[43]采用MEGAN模式计算的京津冀地区BVOCs排放低于本次研究,原因可能是由于不同植被类型树种造成的林地排放因子相对偏低,导致林地排放占比仅为29.63%;亓浩雲等[12]的计算结果和本研究相比较为接近,原因是采用了相同的叶面积指数和同类产品的土地利用等数据;动态模型考虑了更多的环境因素及化学机制间的转化,蓄积量产量具有人工调研和实测的局限性,导致这类清单的BVOCs排放均低于遥感解译清单;高翔等[44]基于遥感数据计算的天津市BVOCs排放清单低于本研究同类清单结果,原因可能是采用了不同的排放模型导致相关校正因子相对较小.

表4 不同研究中京津冀地区的BVOCs排放对比

3 结论

3.1 2018年京津冀地区BVOCs平均排放总量为78.79万t,其中河北省平均排放总量为63.71万t,北京市平均排放总量为11.84万t,天津市平均排放总量为3.24万t.承德市的平均排放量最高,为18.26万t,廊坊市的平均排放量最低,为1.51万t.根据排放组分分析,其中异戊二烯平均排放总量为29.19万t,占总排放量的36.87%,单萜烯平均排放总量为22.58万t,占总排放量的28.52%,OVOCs平均排放总量为27.41万t,占总排放量的34.61%.

3.2 从逐月排放特征来看,京津冀地区BVOCs排放呈现显著单峰型,各城市排放强度与气温、白昼时长、光辐射强度和树种展叶期等关系密切,使得夏季排放处于全年最高水平,而冬季排放处于全年最低水平.

3.3 基于多源数据的BVOCs排放清单,林地平均排放占比为68.42%,耕地平均排放占比为23.07%,草地平均排放占比为3.89%.

3.4 基于蓄积量产量、遥感解译和Megan数值模拟的京津冀地区BVOCs分布特征较为一致,总体排放体现了北高南低的态势,其中,林地和草地排放主要分布在冀北地区,同时冀南西部也有一定分布,整体沿山脉走势较为明显;耕地排放则主要分布在冀中、冀东南部和冀南东部,这些地区大多位于华北平原的平缓地带,小麦玉米等主要作物产量较高.

[1] 孙银川,严晓瑜,缑晓辉,等.中国典型城市O3与前体物变化特征及相关性研究 [J]. 环境科学研究, 2020,33(1):44-53. Sun Y C, Yan X Y, Gou X H. Characteristics and correlation of ozone and its precursors in typical cities in China [J]. Research of Environmental Sciences, 2020,33(1):44-53.

[2] 姜 华,常宏咪.我国臭氧污染形势分析及成因初探 [J]. 环境科学研究, 2021,34(7):1576-1582. Jiang H, Chang H M. Analysis of China’s ozone pollution situation, preliminary investigation of causes and prevention and control recommendations [J]. Research of Environmental Sciences, 2021, 34(7):1576-1582.

[3] 成 翔,赵继峰,肖 洋,等.工业聚集区大气VOCs组成特征及对臭氧生成的影响 [J]. 环境工程技术学报, 2020,10(5):823-830. Cheng X, Zhao J F, Xiao Y, et al. Composition characteristics of atmospheric VOCs and the influence on ozone formation in an industrial cluster area [J]. Journal of Environmental Engineering Technology, 2020,10(5):823-830.

[4] 李 琦,等.西安人为源VOCs排放特征及其对O3和SOA生成潜势的影响 [J]. 环境科学研究, 2019,32(2):253-262. Li Q, et al. Emission characteristics of anthropogenic VOCs in Xi'an City and its contribution to ozone formation potential and secondary organic aerosols formation potential [J]. Research of Environmental Sciences, 2019,32(2):253-262.

[5] 张 蔷,等.北京森林BVOCs排放特征及对区域空气质量的影响 [J]. 中国环境科学, 2021,41(2):622-632. Zhang Q, et al. Emission characteristics of VOCs from forests and its impact on regional air quality in Beijing [J]. China Environmental Science, 2021,41(2):622-632.

[6] Guenther A, et al. A global model of natural volatile organic compound emissions [J]. Journal of Geophysical Research: Atmospheres, 1995,100(D5):8873-8892.

[7] Evans R C, et al. Estimates of isoprene and monoterpene emission rates in plants [R]. Botanical gazette, 1982,143(3):304-310.

[8] Anastasi C, Hopkinson L, Simpson V J. Natural hydrocarbon emissions in the United Kingdom [J]. Atmospheric Environment. 1991,25(7):1403–1408.

[9] 谢军飞,李延明.植物源挥发性有机化合物排放清单的研究进展 [J]. 环境科学, 2013,34(12):4779-4786. Xie J F, Li Y M. Research advances on volatile organic compounds emission inventory of plants [J]. Environmental Science, 2013, 34(12):4779-4786.

[10] 谭峥铮,卢召艳,石广明,等.湖南省天然源挥发性有机物排放时空特征研究 [J]. 环境科学学报, 2021,41(5):1774-1783. Tan Z Z, Lu Z Y, Shi G M, et al. The characteristics of biogenic volatile organic compounds of Hunan Province [J]. Acta Scientiae Circumstantiae. 2021,41(5):1774-1783.

[11] 陆成伟,等.基于动态模型的四川盆地植物挥发性有机物排放 [J]. 环境化学, 2018,37(4):836-842. Lu C W, et al. Emission of biogenic volatile organic compounds in Sichuan Basin using a dynamic model [J]. Environ Chem, 2018, 37(4):836-842.

[12] 亓浩雲,等.2000～2020年京津冀BVOCs排放量估算及时空分布特征[J]. 中国环境科学, 2022,42(4):1501-1509. Qi H Y, et al. Estimation of BVOCs emissions from Beijing, Tianjin and Hebei from 2000 to 2020 and its temporal and spatial distribution characteristics [J]. China Environmental Science, 2022,42(4):1501- 1509.

[13] Wang H, et al. A long-term estimation of biogenic volatile organic compound (BVOC) emission in China from 2001–2016: the roles of land cover change and climate variability [J]. Atmospheric chemistry and physics, 2021,21(6):4825-4848.

[14] 高 超,等.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, 2019,39(12):4140-4151. Gao C, et al. Spatiotemporal distribution of biogenic volatile organic compounds emissions in China [J]. Acta Scientiae Circumstantiae, 2019,39(12):4140-4151.

[15] Guenther A P. Zimmerman and M. Wildermuth. Natural volatile organic compound emission rate estimates for U.S. woodland landscapes [J]. Atmospheric Environment, 1994,28(6):1197-1210.

[16] Guenther A, et al. A global model of natural volatile organic compound emissions [J]. Journal of Geophysical Research, 1995, 100(D5):8873.

[17] Steinbrecher R, et al. Intra- and inter-annual variability of VOC emissions from natural and semi-natural vegetation in Europe and neighbouring countries [J]. Atmospheric Environment, 2009,43(7): 1380-1391.

[18] 赵 静,白郁华,王志辉,等.我国植物VOCs排放速率的研究 [J]. 中国环境科学, 2004,(6):15-18. Zhao J, Bai Y H, Wang Z H, Zhang S Y. Studies on the emission rates of plants VOCs in China [J]. China Environmental Science, 2004, (6):15-18.

[19] Jing X, et al. Emission patterns of biogenic volatile organic compounds from dominant forest species in Beijing, China [J]. Journal of Environmental Sciences, 2020,95(9):73-81.

[20] Klinger L F, et al. Assessment of volatile organic compound emissions from ecosystems of China [J]. Journal of Geophysical Research: Atmospheres, 2002,107(D21):ACH-1-ACH 16-21.

[21] 樊 冲.河北省森林植物源挥发性有机物排放量研究 [D]. 北京:北京林业大学, 2019. Fan C. Study on biogenic volatile organic compounds emission from forest plants in Hebei Province [D]. Beijing Forestry University, 2019.

[22] Simpson D, et al. Inventorying emissions from nature in Europe [J]. Journal of Geophysical Research: Atmospheres, 1999,104(D7):8113- 8152.

[23] Geron C D, Guenther A B, Pierce T E. An improved model for estimating emissions of volatile organic compounds from forests in the eastern United States [J]. Journal of Geophysical Research, 1994, 99(D6):12773-12791.

[24] 陈 颖,李德文,史 奕,等.沈阳地区典型绿化树种生物源挥发性有机物的排放速率[J]. 东北林业大学学报, 2009,37(3):47-49. Chen Y, Li D W, Shi Y, He X Y. Emission rate of biogenic volatile organic compounds from urban trees in Shenyang, China [J]. Journal of Northeast Forestry University, 2009,37(3):47-49.

[25] 张钢锋,谢绍东.基于树种蓄积量的中国森林VOC排放估算 [J]. 环境科学, 2009,30(10):2816-2822. Zhang G F, Xie S D. Estimation of VOC emission from forests in China based on the volume of tree species [J]. Environmental Science, 2009,30(10):2816-2822.

[26] Simon V, et al. The biogenic volatile organic compounds emission inventory in France [J]. Science of The Total Environment, 2006, 372(1):164-182.

[27] Goldstein A H, et al. Seasonal course of isoprene emissions from a midlatitude deciduous forest [J]. Journal of Geophysical Research: Atmospheres, 1998,103(D23):31045-31056.

[28] 张福春.中国农业物候图集 [M]. 1987. Zhang F C. Chinese agricultural phenology atlas [M]. Beijing: Science Press, 1987.

[29] 中国科学院国家计划委员会地理研究所.中国动植物侯观测年报:1987～1988年.第11号 [M]. 中国科学技术出版社, 1992. Institute of Geograph. Annual report of animal and plant phenology in China: serial reports with number from 11, 1987～1988 [M]. Beijing: Science Press, 1992.

[30] 国家林业和草原局.中国森林资源报告·2014·2018 [M]. 中国林业出版社, 2019. State Administration of Forestry and Grassland. China Forest Resources Report·2014·2018 [M]. China Forestry Publishing House, 2019.

[31] 方精云,陈安平.中国森林植被碳库的动态变化及其意义 [J]. 植物学报, 2001,(9):967-973. Fang J Y, Chen A P. Dynamic forest biomass carbon pools in China and their significance [J]. Journal of Integrative Plant Biology, 2001, (9):967-973.

[32] 方精云,郭兆迪,朴世龙,等.1981～2000年中国陆地植被碳汇的估算 [J]. 中国科学(D辑:地球科学), 2007,(6):804-812. Fang J Y, Guo Z D, Piao S L. Estimation of terrestrial vegetation carbon sinks in China from 1981 to 2000. Scientia Sinica: Terrae, 2007,(6):804-812.

[33] 王亚静,王红彦,高春雨,等,毕于运.稻麦玉米秸秆残留还田量定量估算方法及应用 [J]. 农业工程学报, 2015,31(13):244-250. Wang Y J, Wang H Y, Gao C Y, Wang L, Bi Y Y. Quantitative estimation method and its application to rice, wheat and corn straw residues left in field [J]. Transactions of the Chinese Society of Agricultural Engineering, 2015,31(13):244-250.

[34] 刘 岩,李 莉,安静宇,等.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, 2018,39(2):608-617. Liu Y, Li L, An J Y, et al. Emissions, chemical composition, and spatial and temporal allocation of the BVOCs in the Yangtze River Delta Region in 2014 [J]. Environmental Science, 2018,39(2):608- 617.

[35] Myneni R, Knyazikhin Y, Park T. MYD15A2H MODIS/Aqua Leaf Area Index/FPAR 8-Day L4Global 500m SIN Grid V006 [Data set]. NASA EOSDIS Land Processes DAAC, 2022-09-06.

[36] Friedl M, Sulla-Menashe D. MCD12Q1MODIS/Terra+Aqua Land Cover Type Yearly L3Global 500m SIN Grid V006 [Data set]. NASA EOSDIS Land Processes DAAC, 2022-09-06.

[37] Loreto F, Sharkey T D. On the relationship between isoprene emission and photosynthetic metabolites under different environmental conditions [J]. Planta, 1993,189(3):420-424.

[38] 蔡 斌,程昊淼,亓浩雲,等.京津冀夏季不同类型植被对典型城市O3和PM2.5贡献研究 [J/OL]. 中国环境科学, 2023,43(6):2734-2743. Cai B, Cheng H M, Qi H Y, et al. Contribution of different types of vegetation to O3and PM2.5in typical cities in Beijing-Tianjin-Hebei Region in Summer [J]. China Environmental Science, 2023,43(6): 2734-2743.

[39] Li J, Li L Y, et al. Inventory of highly resolved temporal and spatial volatile organic compounds emission in China [C]//International Conference on Modelling, Monitoring and Management of Air Pollution, 2016.

[40] 张 蔷,等.北京森林BVOCs排放现状及动态变化特征分析 [J/OL]. 中国环境科学, 2022,42(9):3991-4000. Zhang Q, et al. The current status and characteristics of variations in forest BVOCs emissions in Beijing [J/OL]. China Environmental Science, 2022,42(9):3991-4000.

[41] 井潇溪.北京市森林植物挥发性有机物排放研究 [D]. 北京:北京林业大学, 2020. Jing X X. Study on biogenic volatile organic compounds emission from forest plants in Beijing [D]. Beijing Forestry University, 2020.

[42] 袁相洋,许 燕,杜英东,等.南京和北京城市天然源挥发性有机物排放差异 [J]. 中国环境科学, 2022,42(4):1489-1500. Yuan X Y, Xu Y, Du Y D, Feng Z Z. Differences of biogenic volatile organic compound emissions from urban forests in Nanjing and Beijing [J]. China Environmental Science, 2022,42(4):1489-1500.

[43] 夏春林,肖 琳.京津冀天然源挥发性有机物排放研究 [J]. 环境科学学报, 2019,39(8):2680-2689. Xia C L, Xiao L. Estimation of biogenic volatile organic compounds emissions in Jing-Jin-Ji [J]. Acta Scientiae Circumstantiae, 2019, 39(8):2680-2689.

[44] 高 翔,刘茂辉,徐 媛,等.天津市植被排放挥发性有机物估算及时空分布 [J]. 西部林业科学, 2016,45(6):108-114. Gao X, Liu M H, Xu Y, et al. Biogenic VOCs Emission in Tianjin City and Its Temporal and Spatial Distribution [J]. Journal of West China Forestry Science, 2016,45(6):108-114.

BVOCs emission inventory in the Beijing-Tianjin-Hebei region based on multiple models and data sources.

LI Ao-zhe1, DUAN Wen-jiao2*, QI Hao-yun1, CAI Bin1

(1.Key Laboratory of Beijing on Regional Air Pollution Control, Faculty of environmental and life, Beijing University of Technology, Beijing 100124, China；2.Environmental Development Center of the Ministry of Ecology and Environment, Beijing 100124, China)., 2023,43(10)：5052～5061

In order to systematically study the spatial and temporal distributions of biogenic volatile organic compounds (BVOCs) emissions in the Beijing-Tianjin-Hebei (BTH) region, this paper calculated county-level emissions of BVOCs and major components in the BTH region in 2018 based on three methods, including the stock production, land use remote sensing interpretation data, and MEGAN model. The results based on the three methods showed that the total BVOCs emissions in the BTH region were 741400t, 844800t, and 777300t, respectively. The emissions in Beijing, Tianjin, and Hebei were 118000t, 32000t and 637000t, the emissions of isoprene, monoterpenes, and others were 291900t, 225800t, and 274100t, and the emissions of forest land, cropland and grassland accounted for 68.42%, 23.07% and 3.89%, respectively. From the perspective of temporal distributions, BVOCs emissions were characterized by a single peak. Summer showed the highest emissions of 526400t, accounting for 66.64% of the whole year, while winter showed the lowest emissions of 15900t, accounting for 2.01% of the whole year. From the perspective of spatial distributions, BVOCs emissions based on different methods presented similar spatial distribution characteristics of high emissions in north and low emissions in south. The emissions along Taihang Mountains and Yanshan Mountains were dominated by forest land and grassland, while those in the southeastern Hebei Plain was dominated by farmland. From the perspective of methods, the emissions obtained with the light-temperature model based on remote sensing interpretation were relatively high, and the proportion of other BVOCs obtained with the dynamic model was relatively high. This study provides data support for the comprehensive understanding of BVOCs emission characteristics and the planning of continuous air quality improvement strategies in the BTH region.

BVOCs；spatiotemporal distribution；storage capacity；leaf area index；MEGAN model

X51

A

1000-6923(2023)10-5052-10

2023-03-06

邯郸市大气污染物排放清单编制(DQGG0209-09)

* 责任作者, 工程师, jocelynduanduan@163.com

李奥哲(1998-),男,北京工业大学硕士研究生,主要研究方向为环境规划管理与污染防治.liaz@emails.bjut.edu.cn.

李奥哲,段文娇,亓浩雲,等.基于多模型和多源数据的京津冀地区BVOCs排放清单 [J]. 中国环境科学, 2023,43(10):5052-5061.

Li A Z, Duan W J, Qi H Y, et al. BVOCs emission inventory in the Beijing-Tianjin-Hebei region based on multiple models and data sources [J]. China Environmental Science, 2023,43(10):5052-5061.