四川省天然源VOCs排放量的估算和时空分布

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

毛红梅,张凯山*,第宝锋

(四川大学建筑与环境学院,四川 成都 610000)

利用遥感影像解译的土地利用现状和植被资料,对四川省天然源VOCs的排放情况和时空分布进行研究,建立了四川省天然源VOCs的排放清单.2012年四川省天然源VOCs的排放量为1413.74kt.其中异戊二烯占29.4%,为415.53kt,单萜烯占30.2%,为427kt,其他VOCs占40.4%,为571.215kt.排放量具有夏季高冬季低的典型特征,夏季占全年排放量的44%,冬季占9%.天然源VOCs的排放主要集中在林地密集和日照时间长的达州、巴中、广元、绵阳、乐山、眉山、攀枝花等地.研究表明,四川省天然源臭氧潜势为6134kt, 二次气溶胶的生成潜势为136kt.这说明其对环境空气质量的影响不容忽视.

天然源VOCs；排放总量；时空分布；OFP；FAC

近年来四川地区灰霾发生频率明显增加,臭氧浓度也常有超标[1-3].挥发性有机物(VOCs)与其关系密切[4-5].VOCs是二次有机气溶胶(SOA)的重要前体物[6],同时在光照条件下,VOCs与氮氧化物反应生成臭氧等光化学污染产物[7].有研究表明在区域尺度或全球尺度,植物排放的VOCs已远远超过其人为排放量[8].因此,定量评估VOCs 对区域及全球的影响,调查植物VOCs 的排放量很有必要.

四川省地处长江上游,属温带和亚热带气候类型,森林资源丰富.全省森林覆盖率35.3%,森林面积、蓄积均居全国各省区第2位[9].即便如此,对于四川省天然源排放的时空分布研究目前极度缺乏.关于天然源排放的研究多为全国区域范围内的宏观研究[10-12].本研究根据全球30m地表覆盖卫星的中分辨率成像光谱仪MODIS (moderate-resolution imaging spectroradiometer)的遥感数据,对四川省天然源VOCs的排放情况和时空分布进行研究,并计算臭氧和SOA的生成潜势,为进一步评价四川省天然源VOCs对区域及全球空气质量影响提供数据资料.

1 研究方法

1.1 天然源VOCs排放量的估算

1.1.1 模拟区域 本次模拟范围为97°E~ 110°E,27°N~34°N.利用ArcMap建立中尺度分辨率12km´12km网格.模拟范围内总共有3174个网格.

1.1.2 排放量估算方法 天然源VOCs排放通量模型近些年有长足的发展.常见的有2006年Guenther推出的自然排放气体和气溶胶模型(MEGAN, model of emissions of gases and aerosol from nature)[13],以及美国环境保护署(EPA)和国家大气研究中心(NCAR)联合开发的全球生物源排放和交互系统(GloBEIS, Global Biosphere Emission and Interactions system)[14]等.由于异戊二烯、单萜烯和其他VOCs的排放量受气温和辐射等外界条件的影响不同,本文根据Guenther等提出的方法[15-16]进行估算.方法如下:

ISOP=××p××(1)

TMT,OVOC=×××(2)

式中:ISOP为异戊二烯排放通量,μgC/(m2×h);TMT,OVOC分别为单萜烯和其他VOCs排放通量,μgC/(m2×h);为标准状态下(温度为303K,光合有效辐射(PAR)为1000μmol/(m2×s))排放因子,μgC/(g×h);为叶生物量密度,g/m2;p、t分别为光合有效辐射影响因子(PAR)和温度影响因子;为逸出效率,取值为1.

另外,温度和光合有效辐射影响因子的计算如下:

(1)对于异戊二烯:

t=exp[T1(-S)S]/{1+exp[T2(-M)S]}

(3)

式中:为当前叶表面温度,K,本研究用气温代替叶温;S为标准条件下的叶温(303K);T1T2、T为经验常数,分别取95000,230000J/ mol,314K;为气体平衡常数(8.314J/K).

p=(L) (1 +22)0.5(4)

式中:为光合有效量子密度,来自PAR模拟结果,μmol/(m2·s);、L为经验常数,取值分别为0.0027和1.066.

(2)对于单萜烯和其他VOCs:

t=exp[(-S)] (5)

式中:为经验参数(0.09K-1);S为标准条件下的叶温(303K).

1.1.3 数据来源及数据处理 1)气象数据:本研究温度数据来源于中国气象科学数据共享服务网中的《中国地面国际交换站气候资料日值数据集》.利用每天的最高、最低和平均气温,通过文献[17-18]提出的WAVE气温模型,模拟出每天各时的气温值.利用式(3)、式(5)分别计算异戊二烯和单萜烯与其他VOCs的气温校正因子.

PAR是指太阳辐射中能被绿色植物用来进行光合作用的那部分能量,是评价地区气候资源的一个重要指标.但迄今为止PAR尚未列入常规气象观测项目.一般根据经验公式间接推算.本研究根据来源于MODIS的NDVI值估算每时刻的PAR值[19-20],然后利用式(4)中计算异戊二烯的PAR值.

2)植被类型分布数据的获取:MEGANv2.4模型将植被类型分为针叶林、阔叶林、灌木、草本四种类型,其中草本为作物与草原的合并[11].本研究结合四川省植被种类实际分布情况,将四川省植被划分为七大类,分别为针叶林、阔叶林、针叶阔叶混交林、灌木林、草原、湿地和农田. 本研究利用全球30m地表覆盖数据,提取四川省的植被类型分布数据.如图1所示,草原主要分布在四川西北部,农田主要集中在四川东部,针叶阔叶混交林所占面积相对比较广,主要分布在四川中南部.各种植被的面积如表1所示.

表1 2012年四川省类型植被面积统计Table 1 The vegetation area by types of Sichuan in 2012

3)排放因子和叶生物量密度:四川属温带亚热带气候且有多种森林类型.从区域上大致可分为:盆地内部马尾松柏木疏林区;盆地北缘山地常绿栎类的落叶阔叶林区;盆地南缘山地湿性常绿栎林区;盆地西南缘山地干性常绿松栎林区;川西冷云杉林区;川西北高原灌丛草地等.本文参照赵静等[21]在南方测试的树种排放因子得到四川省各种植被类型的排放因子.根据国内目前叶生物量密度的实测研究结果[22]得到四川省叶生物量密度(LMD),结果如表2所示.

表2 排放因子和LMD设置Table 2 VOCs emission factor and LMD

1.2 天然源VOC排放对环境的影响

本研究采用臭氧生成潜势(OFP)和二次气溶胶生成潜势(SOA)来评价天然源VOCs排放对环境质量的影响.这两种方法分别介绍如下:

1.2.1 臭氧生成潜势(OFP)估算方法 臭氧生成潜势代表VOCs物种在最佳条件下对臭氧生成的最大贡献.本研究只计算天然源VOCs排放中含量较大的异戊二烯和单萜烯的OFP.其计算公式如下所示:

OFP=VOC×MIR (6)

式中:OFP为某个VOC物种的OFP值,μg/m3; VOC为该VOC物种的浓度或排放量,μg/m3; MIR为某VOC物种在臭氧最大增量反应中的臭氧生成系数,g/g.本文采用Carter等的最新MIR数据[23],其中异戊二烯为10.61g/g,单萜烯为4.04g/g.

1.2.2 SOA生成潜势估算方法 本研究采用气溶胶生成系数法(FAC)来估算SOA的生成潜势[24].SOA生成潜势计算公式如下:

SOA=VOC×FAC (7)

式中:SOA为某个VOC物种的SOA值, μg/m3; VOC为某种VOC的排放量或排放浓度, μg/m3; FAC为该种VOC的气溶胶生成系数.本研究的FAC值主要来源于Grosjean[24]的研究结果,其中异戊二烯为2%,单萜烯为30%.

2 结果与讨论

2.1 四川省天然源VOCs总排放量

本研究根据四川省各种植被类型分布和面积、叶生物量、排放因子、实时气温和光合有效辐射等数据估算四川省天然源VOCs的排放量.如表3所示,2012年度四川省天然源VOCs的排放量为1413.74kt,其中异戊二烯排放量占年度总排放量的29.4%,为415.53kt;单萜烯占30.2%,为427.00kt;其他VOCs占40.4%,为571.22kt.

如表3所示,本研究的估算和张钢锋等[25]的研究颇为接近,但异戊二烯排放量略低;比张莉[27]计算的异戊二烯略高;和池彦琪等[26]的结果相比,则相差较大,且各个VOC物种的排放均明显偏大.这是因为张钢锋等[25]计算的是四川省的森林排放,不包括草地、农田等的排放,而草地和农田单萜烯和其他VOCs的排放大于异戊二烯,且四川省草地和农田的面积占很大一部分,所以单萜烯和其他VOCs的排放以及总VOCs的排放小于本研究.需要指出的是,由于这些研究的年份有所不同,且相同年份可使用和比较的数据有限,不同研究的计算结果存在差异是可以预见的.这也是未来需要进一步评价的工作之一.

表3 四川省天然源VOCs的年排放量的比较Table 3 Comparison of the biogenic VOCs emissions of Sichuan by different studies

注:表中所列文献[25-26]的值皆是从该研究的结果图中估读的,可能存在一定的误差,但量级上基本一致.

2.2 四川省天然源VOCs的时空特征

2.2.1 四川省天然源VOCs的空间分布 如图2(a) 所示,异戊二烯排放量高的地区主要分布在达州、巴中、广元的北部以及乐山、凉山和攀枝花.这些区域大多为林地密集的地方.这些地区的最高排放量超过3.2×103kg/(km2×a).如图2(b)、图2(c)所示,单萜烯和其他VOCs的分布与异戊二烯颇为类似.

如图2(d)所示,总VOCs的排放量主要分布在达州、巴中、广元、绵阳、乐山、眉山、攀枝花、凉山等地,最高达到9.5×103kg/(km2×a).雅安天然源VOCs排放量较低主要是因为雅安降雨时间长,日照时间短.在甘孜、阿坝等地,其天然源VOCs排放量也较低.这是因为这些地区主要植被为草原,且甘孜、阿坝年均气温较低,影响了天然源VOCs的排放.在成都、德阳、遂宁、南充、广安、资阳、内江、自贡、宜宾等地,其天然源VOCs排放量相对较低.这主要是因为这些区域是四川省经济较发达的地区,建筑面积较多,而植被面积较少,且其主要植被为排放因子较低的农田.

图2 天然源VOCs各组分年度排放通量空间分布[kg/(km2⋅a)]
Fig.2 Spatial distribution of annual BVOC species emissions [kg/(km2⋅a)]

2.2.2 天然源VOCs的时间特征 如图3所示,四川省天然源VOCs排放量的月变化存在着明显的峰值和谷值,以1月份最小(为37.64kt)而8月份最大(为227.46kt).且夏季(6~8月)天然源VOCs排放量最高,占全年的44%.这是由于夏季高温、高辐射和日照时间长的因素所致.相比之下,温度较低和辐射较弱的冬季排放量较小.冬季单萜烯和其他VOCs的排放量低于异戊二烯.这是由于冬季川西草原地区覆盖着积雪,阻碍天然源VOCs的产生和排放.

2.3 四川省天然源VOCs排放对环境质量的影响

2.3.1 臭氧生成潜势 本研究估算得出,四川省天然源VOCs排放的OFP总量为6134kt.其中异戊二烯产生的OFP占78%,为4409kt,单萜烯产生的OFP占22%,为1725kt.为了评价OFP是否能有效的反映其对环境质量的影响,本研究对比分析了OFP和环境监测臭氧浓度的空间分布.一般说来,OFP越高,其对应的臭氧浓度就越高.图4(a)、图4(b)分别为四川省的OFP空间分布和经反距离权重插值法处理的2015年5月6日13点的环监站O3浓度分布.由于监测站的数量较少,不能完整而准确的推演出全省范围内臭氧的空间分布.但从推演出的臭氧浓度的热点看来,其空间分布和OFP的空间分布颇为一致.例如,成都市主导风为北、北东风,而OFP的热点很大部分都在川东北方向,加之成都市的其他污染源的排放贡献,造成成都市成为四川省臭氧浓度的热点之一.川东南的宜宾和乐山,臭氧热点的位置大致和OFP的热点位置一致.这说明,OFP可以用来评价其对环境质量的影响,同时也说明本文的天然源VOCs的估算相对准确.

2.3.2 SOA生成潜势 SOA形成潜势也是评价VOCs排放对环境质量影响的指标之一,其原理和OFP类似.本研究估算得出,四川省天然源VOCs的SOA的生成潜势总量为136kt,其中单萜烯为主要贡献来源,其产生的SOA生成潜势占总量的94%,为128kt;而异戊二烯的贡献占6%,为8kt.

需要指出的是,天然源VOCs排放的OFP和SOA的主要来源分别为异戊二烯和单萜烯,而这两者是天然源VOCs的主要成分,从其生成潜势来看,其对环境质量的影响不容忽视.因此,未来阐释和研究四川盆地空气质量成因和演变机理,需要考虑天然源VOCs的影响和贡献.

2.4 不确定性分析

在四川省天然源VOCs排放的估算过程中,由于受数据来源以及收集得到的信息不完整等因素的影响,估算存在着一定的误差.为了评价排放因子、叶面积密度(LMD)及PAR等因素对VOCs排放量估算的影响,本研究分别采用所有可用数据的极值(最大及最小值)估算VOCs排放量并进行相互比较.表4列出排放因子和LMD的所有可用数据的极值.而表5列出采用不同排放因子、LMD和PAR时VOCs排放量的估算情况.在进行VOCs排放量估算时,当其中一个要素采用极值时,所有其他的要素采用本研究所用的均值.

表4 VOCs排放量估算中排放因子和LMD最大、最小值Table 4 The minimum and maximum values of emission factor and LMD for VOCs estimation

注:根据计算方法,PAR只对异戊二烯的产生有影响,对单萜和其他VOCs的产生没有影响.

表5 VOCs排放量估算的不确定性分析结果Table 5 The results of uncertainty analysis forVOCs emissions estimation

如表4所示,针对同一种VOC,不同的植被类型,其排放因子的变化范围极大.例如,对异戊二烯而言,不同植被类型的排放因子最大和最小值的比值范围为1~600倍,以阔叶林最大,而草地最小;对于单萜烯而言,不同植被类型的排放因子最大和最小值的比值范围相对较小,为1~16倍,以湿地最大,而草地最小.

与排放因子相比,不同植被类型的LMD的最大和最小值的比值则相对较小,为1~8倍左右,以湿地最大,而农田最小.

如表5所示,对异戊二烯而言,改变排放因子的大小对其排放量的估算影响最大(以采用最大排放因子时的估算量和采用最小排放因子时的估算量的比值最大论.下文的讨论均以此为依据),以PAR次之,而LMD最小.由于PAR没有直接的获取渠道, 本研究是根据NDVI推算出来的并可能存在一定的误差从而影响异戊二烯排放量的估算.

对于单萜烯而言,改变排放因子的大小对其排放量的估算影响最大,以LMD次之;PAR对单萜烯的产生没有影响;对于其他VOCs来说,PAR对其排放量没有影响,由于排放因子数据缺乏的关系,只评价LMD对它的影响.且同前面两种VOC相比,LMD的影响也较小.

综上所述,排放因子对于VOCs排放量的估算影响最大.当然,由于不同植被VOCs排放因子也有所不同,因此,不同植被类型面积的估算也将影响到VOCs排放量的估算.本研究的各类型植被面积来源于全球30m地表覆盖数据.该数据的空间分辨率为30m,高出同类数据产品10倍, 2010期的分类精度为83.5%[28].故本研究的各类型的植被面积相对准确.若不考虑辐射和气温的影响,本研究不同植被类型对VOCs排放量估算的贡献率如表6所示.其中针阔叶混交林对天然源VOCs的排放所占的比例最大,达到了78.92%.

表6 各类型植被对天然源VOCs的贡献率Table 6 The contribution of the biogenic VOCs by vegetation type

3 结论

3.1 2012年度四川省天然源VOCs的排放量为1413.74kt,其中异戊二烯排放量为415.53kt;单萜烯为427.00kt;其他VOCs为571.22kt.天然源VOCs的排放对环境的影响不可忽视,特别是对臭氧和二次气溶胶的生成有很大的贡献.2012年四川省天然源VOCs产生的OFP总量为6134kt而SOA的生成潜势总量为136kt.

3.2 四川省天然源VOCs的年总排放量较大且具有明显的季节依赖性:夏季排放量较大而冬季则较小.排放主要集中分布在达州、巴中、广元、绵阳、乐山、眉山、攀枝花、凉山等地,在成都、德阳、遂宁、南充、广安、资阳、内江、自贡、宜宾、雅安等地,其天然源VOCs排放量相对较低.

3.3 通过对不确定因素的分析,叶生物量密度的选取对VOCs的排放量的影响较不明显;而排放因子的选取对异戊二烯和单萜烯的排放量影响较明显;PAR对异戊二烯的排放量影响较大,而对单萜烯和其他VOCs的排放量没有影响.此外,植被类型面积估算的准确与否将严重影响天然源VOCs排放量的估算.

[1] Lou Y F, Daren L,Zhou X J, et al. Characteristics of the spatial distribution and yearly variation of aerosol optical depth over China in last 30years [J]. Journal of Geophysical Research, 2001,106(D13):14501-14513.

[2] Chen Y, Xie S D. Temporal and spatial visibility trends in the Sichuan Basin,China,1973 to 2010 [J]. Atmospheric Research, 2012,112:25-34.

[3] 钱 骏,廖瑞雪,邓利群,等.成都市大气中O3污染水平及来源分析 [J]. 四川环境, 2011,30(3):20-23.

[4] Chan C K, Yao X H. Air pollution in mega cities in China [J]. Atmospheric Environment, 2008,42(1):1-42.

[5] Shao M, Tang X Y, Zhang Y H, et al. City clusters in China: air and surface water pollution [J]. Frontiers in Ecology and the Environment, 2006,4(7):353-361.

[6] Hallquist M, Wenger J C, Baltensperger U, et al. The formation, properties and impact of secondary organic aerosol: current and emerging issues [J]. Atmospheric Chemistry and Physics, 2009, 9(14):5155-5236.

[7] 唐孝炎,张远航,邵 敏.大气环境化学 [M]. 北京:高等教育出版社, 2006:221-238.

[8] Guenther A, Zimmerman P, Harley R. Isoprene and monoterpene emission rate variablity :Model evaluation and sensitivity analysis [J]. J. Geophys. Res., 1998:12609-12617.

[9] 四川省统计局.四川统计年鉴2013 [M]. 北京:中国统计出版社, 2013.

[10] 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.

[11] 宁文涛.天然源VOC的排放量估算对区域空气质量影响的研究 [D]. 济南:山东师范大学人口×资源与环境学院, 2012.

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

[13] 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.

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

[15] Guenther A, Baugh B, Brasseur G, et al. Isoprene emission estimates and uncertainties for the Central African EXPRESSO study domain [J]. Journal of Geophysical Research, 1999, 104(D23):30625-30639.

[16] 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(12-14):2205-2230.

[17] De Wit C T, Goudriaan J, Van Laar H H. SOYMOD I: A dynamic simulator of soybean growth and development [J]. T. Asae., 1978, 18(5):963-968.

[18] Reicosky D C, Winkelman L J, Baker J M, et al. Accuracy of hourly air temperatures calculated from daily minima and maxima [J]. Agr. Forest Meteorol., 1989,46(3):193-209.

[19] 王保林,王晶杰,杨 勇,等.植被光合有效辐射吸收分量及最大光能利用率算法的改进 [J]. 草业学报, 2013,22(5):220-228.

[20] 刘建栋,金之庆.光合有效辐射日变化过程的数值模拟 [J]. 江苏农业学报, 1999,15(3):136-140.

[21] 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, 2004,24(6):654-657.

[22] 冯宗炜,王效科,吴 刚.中国森林生态系统的生物量和生产力 [M]. 北京:科学出版社, 1999.

[23] Carter W P L. Updated maximum incremental reactivity scale and hydrocarbon bin for reactivities regulatory applications [EB/OL]. http://www.cert.ucr.edu/~carter/SAPRC/MIR10.pdf.2015-05-12.

[24] Grosjean D. In situ organic aerosol formation during a smog episode: Estimated production and chemical functionality [J]. Atmospheric Environment Part A. General Topics, 1992,26(6): 953-963.

[25] 张钢锋,谢绍东.基于树种蓄积的中国森林VOC排放估算 [J]. 环境科学, 2009,30(10):2816-2822.

[26] 池彦琪,谢绍东.基于蓄积量和产量的中国天然源VOC排放清单及时空分布 [J]. 北京大学学报(自然科学版), 2012,48(3): 475-482.

[27] 张 莉,王效科,欧阳志云,等.中国森林生态系统的异戊二烯排放研究 [J]. 环境科学, 2003,24(1):8-15.

[28] 廖安平,胡骏红,彭 舒.创GlobeLand30中国测绘品牌占全球地表覆盖国际高点 [J]. 中国测绘, 2015,(5):28-30.

* 责任作者, 教授, zhangkaishan@scu.edu

Studies on estimates of biogenic VOC emission and its temporal and spatial distribution in Sichuan

MAO Hong-mei, ZHANG Kai-shan*, DI Bao-feng

(College of Architecture and Environment, Sichuan University, Chengdu 610000, China)., 2016,36(5)：1289~1296

The objectives of this paper were: (1) to estimate the biogenic VOC (BVOCs) emissions and its temporal-spatial distributions; and (2) to develop biogenic VOCs emissions inventory of Sichuan based on the remote-sensing data regarding land use and vegetation. In 2012, the total annual biogenic VOCs emissions of Sichuan was estimated to be approximately 1470.82kt, of which isoprene, monoterpenes, and the other VOCs accounted for 429.54kt (29.2%), 445.22kt (30.3%), and 596.06kt (40.5%), respectively. The biogenic VOCs emissions exhibited strong seasonal patterns with emissions in summer being the maximum (accounting for 42.56% of the total) and in winter being the minimum (accounting for 10.43% of the total). The BVOCs emissions were mainly concentrated in the dense woodland areas where the duration of sunlight was relatively long such as Dazhou, Bazhong, Guangyuan, Mianyang , Leshan, Meishan and Panzhihua. The ozone formation potential (OFP) and the secondary organic aerosol formation potentials from the BVOCs were estimated to be 6134kt and 136kt, respectively, implying a significant impact on air quality.

biogenic volatile organic compounds；emission inventory；temporal and spatial characteristics；OFP；FAC

X513

A

1000-6923(2016)05-1289-08

毛红梅(1991-),女,湖北天门人,硕士研究生,主要从事大气排放清单、空气质量模型等研究.发表论文1篇.

2015-10-09

环保部环保公益项目“非道路机械细颗粒物排放清单和减排途径研究”(201409012)