中国地区生物质燃烧源排放的时空分布特征和排放清单比较

郑元媛 韩志伟 吴涧 李嘉伟

1 云南大学大气科学系，昆明 650091

2 中国科学院大气物理研究所东亚区域气候—环境重点实验室，北京 100029

1 引言

大气污染是人类面临的重要环境问题之一，其对空气质量、公众健康和气候变化都有重要的影响。大量研究表明，大气污染会导致呼吸系统、免疫系统和神经系统等方面的疾病（Pöschl, 2005; Jiang and Bell, 2008）。大气污染物（如气溶胶）可通过散射、吸收短波和长波辐射影响地气系统的辐射平衡，还可以作为云凝结核，通过改变云的宏观和微观物理性质（如云滴数浓度、云反照率、云水路径和寿命等）间接影响辐射平衡和水循环，进而影响气候（Forster et al., 2007）。生物质燃烧是全球气态污染物和颗粒物的重要来源之一（毛慧琴等,2016），生物质包括林木和废弃物（木片、木块、木屑、树枝等）、农业废弃物、水生植物、油料植物、有机物加工废料和人畜粪便以及生活垃圾等。由于生物质燃烧源的排放强度大，其对局地、区域甚至全球大气环境和气候都有重要的影响并得到广泛关注（Chen et al., 2017）。

中国是农业大国并拥有丰富的森林资源，因此有潜在较大的生物质燃烧源排放。在全球尺度生物质燃烧排放清单如全球火排放数据库GFED（Global Fire Emissions Database）中，东亚（以中国为主）是全球露天秸秆燃烧对生物质燃烧排放贡献最大的地区之一（Van Der Werf et al., 2017）。Mehmood et al.（2018）使用全球尺度NCAR的野火排放清单FINN（Fire Inventory from NCAR）分析了中国生物质燃烧排放的时空分布，并指出2002～2016年秸秆燃烧对于生物质燃烧的贡献呈现上升趋势。Reddington et al.（2016）比较了GFED3、FINN1和GFAS1生物质燃烧排放清单，并研究了2003～2011年热带地区生物质燃烧对气溶胶的影响。Liu et al.（2020）对比了包括GFED和FINN在内的5个全球生物质燃烧排放清单并分析了其对GEOSChem模拟结果的影响。Pan et al.（2020）比较了6个全球生物质燃烧排放清单（包括GFED和FINN清单）在2008年在全球14个地区的差异，并分析了导致差异的原因。

近年来，中国地区生物质燃烧排放清单的研究较多（Ma et al., 2018; Li et al., 2019; Shi et al., 2021;Zhao et al., 2021; 高玉宗等，2021），但多关注某一时间段或者某一区域，而且清单之间的对比分析缺乏。Zhou et al.（2017）根据新的排放因子编制了2012年中国大陆生物质燃烧排放清单，包括家用和田间的农作物秸秆燃烧、柴火和牲畜粪便燃烧、森林和草地火灾等。Qiu et al.（2016）利用中分辨率光谱成像仪（MODIS）燃烧面积等产品构建了2013年中国高分辨率生物质燃烧排放清单，结果显示生物质燃烧的主要来源为农作物残留物燃烧，但在西藏、新疆和黑龙江等地区植被燃烧的排放量也不可忽视。靳全锋等（2019）基于2001～2016年的MODIS-MCD64A1过火面积数据，分析和讨论了浙江省露天生物质燃烧排放污染物的时空变化。Wang et al.（2020）使用MODIS-C6火点产品以及下垫面类型产品,研究了2003～2017年东北地区的露天生物质燃烧排放的时空分布，以及不同植被类型中对应的火点比例。

生物质燃烧的排放清单已广泛应用于模式研究中。苏继峰等（2012）建立了2008年长三角地区秸秆燃烧排放污染物清单，并用于WRF-CMAQ模式进行空气质量模拟，结果显示考虑了秸秆焚烧排放源后，模式对空气动力学粒径小于10 µm 的颗粒物（PM10）、一氧化碳（CO）等大气污染物模拟的准确性有所提高。钟方潜等（2017）将FINN清单与WRF-Chem模式相结合，模拟了2015年9月淮河流域一次露天秸秆燃烧导致的污染过程。何一滢等（2019）将GFED生物质燃烧排放清单应用于WRF-Chem模式，模拟研究了2014年10 月7～11 日华北地区一次重霾事件，发现考虑秸秆燃烧排放源后，北京地区空气动力学粒径小于2.5 µm的颗粒物（PM2.5）浓度的模拟能力明显提高，而且秸秆燃烧可使北京PM2.5浓度增加25%。Huang et al.（2021）基于FINN清单，使用WRF/CAMx模式分析了2010～2018年中国露天农作物秸秆燃烧排放的影响，结果显示东北为高排放区域，2018年该地区秸秆燃烧排放的PM2.5占全国秸秆燃烧排放总量的31.8%。北京大学宋宇教授课题组最新研发的中国露天生物质燃烧排放清单在中国多尺度排放清单平台MEIC（Multi-resolution Emission Inventory for China）（http://meicmodel.org[2021-11-06]）上公开发布（后面简称为MEIC清单），该清单具有长时间序列（1980～2017年）、高时空分辨率的特点，是目前国内最新的中国地区生物质燃烧源排放清单。

本文将利用2008～2017年全球火排放数据库GFED、NCAR野火排放清单FINN和MEIC中国露天生物质燃烧排放清单研究和比较中国地区生物质燃烧排放量的时空分布特征，以提升对中国露天生物质燃烧排放的认识，为空气质量模式模拟研究提供参考依据。

2 排放清单介绍

全球火排放数据库GFED（Global Fire Emissions Database）是基于自上而下的计算方法得到的生物质燃烧排放数据库。本文使用GFED4.1s版本（http://globalfiredata.org/pages/data/[2021-11-02]） 数据集，该版本数据较之前版本有重大的改进，主要体现在探测数据中考虑了小火的贡献（Giglio et al., 2006,2010, 2013; Randerson et al., 2012; Van Der Werf et al., 2017）。GFED4.1s数据集提供了1997～2021年全球空间分辨率0.25°（纬度）×0.25°（经度），逐日和逐月的燃烧面积、碳质量、干物质质量以及各燃烧类型对总排放量的贡献等数据。生物质燃烧排放的特定气体或气溶胶的排放量是根据特定燃烧源的干物质质量（Mdry）由如下公式计算：

其中，Ms为某一气体或气溶胶的排放量，Mdry为某一物种干物质质量，βs为燃烧物种的排放因子，A为过火面积（其中包含了小火的面积），ρf为单位面积特定燃烧物质的生物质量，γ为燃烧程度。根据日变化规律，可计算得到每3 h的生物质燃烧排放通量。该数据集根据MODIS的土地覆盖产品（MCD12Q1_UMD）以及植被覆盖产品（OD44B）将燃烧源类型分为：草原和灌木林、北方森林、温带森林、热带森林、泥炭、农业残留物。农业残留物的排放因子采用Akagi et al.（2011），泥炭的排放因子来自于Yokelson et al.（1997）和Christian et al.（2003），植被等其他类型的排放因子采用Andreae and Merlet（2001）。

MEIC清单提供了1980～2017年中国地区露天生物质燃烧的网格化排放源。其中，1980～2002年数据主要是基于历年省级农业统计资料计算得到，2003～2017年的生物质燃烧排放量是基于MODIS探测的火点数据和火辐射功率（FRP）数据（MOD14/MYD14）计算得到。以往研究指出生物质燃烧过程中辐射的能量（FRE）与干物质质量（Mdry）之间存在很强的线性关系。由于这种关系对植被类型不敏感，所以对于燃烧产生的物质排放量可先通过FRE计算干物质质量然后乘以相应排放因子得到，从而减少了由于参数多而造成的计算结果不确定性（Song et al., 2009; Huang et al.,2012; Liu et al., 2015; Yin et al., 2019）。干物质质量（Mdry）的计算公式如下：

其中，PFRE为火辐射功率，CR为FRE转换为燃烧的干物质质量的转换率。该清单时间分辨率为逐日，空间分辨率为0.1°，并结合土地覆盖类型数据（GlobeLand30）将生物质种类分为森林、灌木、草原和秸秆四类燃烧源。在MEIC清单中对不同物种采用了不同的排放因子，例如，黑碳（BC）、有机碳（OC）采用的是Andreae and Merlet（2001）、Streets et al.（2001）、Reddy and Venkataraman（2002）和曹国良等（2006）测量的排放因子。CO、PM2.5采用的排放因子来源于Andreae and Merlet（2001）、Streets et al.（2003）、Michel et al.（2005）和Wiedinmyer et al.（2006）的测量结果。

NCAR的野火排放清单FINN（Fire INventory from NCAR）是高分辨率全球生物质燃烧排放清单。本文使用的是FINNv2.2版本（https://www.acom.ucar.edu/Data/fire/[2021-11-10]）数据集，提供了2002～2020年逐日高分辨率（1 km）的全球生物质燃烧产生污染物的排放量，并可以为3种化学机制（SAPRC99、GEOS-Chem和MOZART-4）提供了NMOC（非甲烷有机化合物）分类，以用于区域和全球大气化学输送模型。

生物质燃烧释放的某一气体或气溶胶的排放量由如下公式计算（Wiedinmyer et al.,2011）：

其中，B为时间t、地点x处的燃烧面积，C为在地点x的某一燃烧物种的生物质量。由于无法从卫星产品中获取每个火点的燃烧面积，所以FINN利用MODIS的火点数结合土地利用和地表植被覆盖类型（MCD12Q1_IGBP）来确定不同燃烧种类燃烧面积的上限。FINN中规定在每个火点中将草原或稀树草原的燃烧面积指定为0.75 km2，其他土地覆盖类型的燃烧面积指定为1 km2。根据MODIS反演植被类型产品将燃烧类型分为：草原或稀树草原、木本稀树草原或灌木丛、热带森林、温带森林、北方森林、温带常绿森林、农田以及无植被。对于不同燃烧类型不同物质的排放因子来源于Andreae and Merlet（2001）、McMeeking （2008)、Akagi et al.（2011）。

本研究将GFED和FINN排放清单数据按中国国境线提取后，统一转换为时间分辨率为逐月，空间分辨率0.5°的数据，研究了2008～2017年中国地区生物质燃烧源排放的空间分布、季节和年际变化特征，并对上述3种清单进行比较分析。表1给出了3种排放清单的基本信息。

表1 GFED、MEIC、FINN生物质燃烧排放清单基本信息Table 1 Basic information for the three biomass burning emission inventories

3 结果与分析

3.1 空间分布

图1给出了2008～2017年平均中国地区上述3个生物质燃烧清单中BC、OC、PM2.5以及CO排放量的空间分布。3个清单都反映出中国东北、长江和黄河下游之间地区和中国南方为排放量高值区，同一清单计算的4个物种高值区分布是一致的。在长江三角洲地区，GFED清单中4个物种的排放量比其他两个清单排放量大，这可能与GFED清单中对农田小火的处理方法有关。MEIC清单中4个物种的排放量（特别是CO）在河南省、山东省一带比其他两个清单排放量高，而且MEIC清单与FINN清单在整体空间分布上更接近。与其他两个清单相比，FINN清单在华南地区与西南地区排放量更大，特别是在云南省西双版纳傣族自治州的排放量最大，这是由于MODIS卫星的火点探测在30°N和30°S之间的区域不是每天都有，为得到每天的数据会假设当天探测到的火点可以持续燃烧到第二天，因此FINN清单可能会高估这些地区的生物质燃烧的排放量。Wiedinmyer et al.（2011）研究指出FINN清单倾向于高估东南亚地区生物质燃烧排放量，特别是在森林、灌木林与稀树草原等区域。

图1 2008～2017年平均中国地区GFED（第一行）、MEIC（第二行）、FINN（第三行）3个清单BC（第一列）、OC（第二列）、PM2.5（第三列）、CO（第四列）排放量空间分布Fig. 1 Spatial distribution of BC (first column), OC (second column), PM2.5 (third column), and CO (fourth column) emissions from three inventories, GFED (first row), MEIC (second row), and FINN (third row), averaged over the Chinese region from 2008 to 2017

3个排放清单中气体或气溶胶的排放量都是由不同燃烧种类的排放因子与干物质质量相乘得到，而在3个清单中干物质质量的计算方法不同、燃烧面积计算方法不同都会造成排放量的差异。例如：FINN利用MODIS的火点数结合地表植被覆盖类型来确定不同燃烧种类燃烧面积的上限，GFED清单则是根据MODIS产品进一步考虑了小火产生的燃烧面积（Van Der Werf et al., 2017），MEIC清单采用MODIS的FRP产品来计算干物质质量，而火点探测的误差和FRP计算公式的精度会带来FRP的误差（Yin et al., 2019）。另外，3个清单中不同燃烧类型不同物质的排放因子取值不同，也会导致排放量计算的差异。

总体上，3个清单都显示在黑龙江、河南、山东、安徽、广东、广西、云南、贵州等地区排放量较高，这与我国的主要农作物产地和森林地区分布相符合。除了得到中国地区平均的结果，后面还将对生物质燃烧集中的典型地区（图2）进行分析，即东北（38.5°N ～53.5°N，121°E ～135°E）、华中/华东（29.5°N ～35°N，108°E ～122.5°E）、华南（18°N ～29.5°N，108°E ～122.5°E）和西南（21°N ～32°N，97.5°E ～108°E）地区。

图2 中国地区土地覆盖类型及研究分区Fig. 2 Regional land cover types and research zones in China

Reddington et al.（2016）指出基于FRP计算的生物质燃烧排放清单能捕捉小火的时空变化，GFED4.1也考虑了小火的贡献，所以我们选取对农作物燃烧源处理更合理的MEIC清单和GFED清单，对2017年4月东北地区生物质燃烧源的高值时段（也是全国生物质燃烧最强的区域），进行了燃烧源逐日变化规律分析。整体上（图3），GFED和MEIC清单中各物种排放量的逐日变化规律基本一致，在4月1～3日出现峰值，随后呈现下降趋势，在4月9日存在一个小峰值，4月12～15日呈现上升趋势，而在4月15日有大幅下降。在总的生物质燃烧排放量中，两个清单都显示农作物燃烧源的贡献最大，森林燃烧源次之，草地和灌木燃烧源的贡献最小。对OC和PM2.5排放量而言，GFED清单中森林燃烧源的贡献大于MEIC清单。

图3 2017年4月GFED（第一行）和MEIC（第二行）清单中东北地区生物质燃烧源逐日排放量：（a、e）BC；（b、f）OC；（c、g）PM2.5；（d、h）COFig. 3 Daily emissions from biomass burning sources in Northeast China in GFED (first row) and MEIC (second row) inventories in April 2017:(a, e) BC; (b, f) OC; (c, g) PM2. 5; (d, h) CO

3.2 季节变化

图4是中国地区2008～2017年平均3个排放清单不同物种排放量的季节变化特征。中国地区平均BC、OC、PM2.5 和CO排放量的峰值在3个清单中都出现在春季（MAM），而最小值出现的季节在各排放清单中明显不同，GFED中排放量最小值出现在秋季（SON），而FINN排放量最小值出现在夏季（JJA），MEIC的排放量夏秋季差别不大。除了夏季FINN清单排放量是3个清单中最大的，而且FINN冬春季的排放量明显大于其他两个清单中的排放量；GFED清单的排放量总体上和MEIC清单接近，夏季GFED的排放量比FINN和MEIC大，而在其他季节，GFED排放量最小。从夏季到秋季，FINN清单排放量呈增加趋势，GFED的排放量则呈现下降趋势，而MEIC排放量变化不大。图4还显示中国地区4个季节中冬季生物质燃烧排放量的变化最大。由于中国生物质燃烧分布区域差异较大，我们进一步对典型地区各清单排放量的季节变化特征进行分析。

图4 2008～2017年中国地区GFED、MEIC、FINN清单中（a）BC、（b）OC、（c）PM2.5、（d）CO季节平均排放量箱线图（虚线的上下端表示最大值和最小值；长方形中的横线表示中值，圆点表示均值，星号表示标准差；长方形的下、上边分别代表第25和第75 百分位数；DJF：冬季，MAM：春季，JJA：夏季，SON：冬季）Fig. 4 Box plots of seasonal average emissions of (a) BC, (b) OC, (c) PM2.5, and (d) CO from GFED, MEIC, and FINN inventories in China from 2008 to 2017 (the upper end of the dash lines: maximum; the lower end of the dash lines: minimum; – within the rectangles: median; dot within the rectangles: mean; * within the plots: standard deviation; the lower and upper borders of the rectangles: the 25th and 75th percentiles，DJF: Winter,MAM: Spring, JJA: Summer, SON: Autumn)

图5给出了在4个典型地区3个清单中各物种排放量在2008～2017年平均的季节变化特征。在华中/东地区，3个清单中BC、OC和PM2.5 排放量比较接近，而且季节变化不大，但GFED清单与MEIC清单中CO排放量在夏季出现明显的峰值。其他3个地区生物质燃烧排放量均呈现较为明显的季节变化，如：东北地区在春季最大，秋季次之，冬季最小；华南地区排放峰值出现在冬季，春季次之，夏季最小；而西南地区则在春季排放量最大，冬季次之，夏秋季排放都很低。上述地区排放峰值出现的时间与各地区不同的农作物种植时节和农耕习惯有关，例如在东北地区农作物种植期为4～10月，大部分农作物秸秆在播种前或作物收获后直接燃烧处理作为肥料，因此排放主要集中于3～4月和10～11月；华中/东地区是我国主要的小麦种植区之一，小麦的收获期为5～6月，所以华中/东地区的排放量的峰值出现在夏季；华南地区农作物虽然在4～10 月生长两季，但两季交替的时间紧凑没有足够的时间处理农作物残留，因此生物质燃烧排放主要集中在11月至次年3月，峰值出现在冬季；西南地区农作物主要在5～11月，农作物残留的焚烧主要集中于12月和4～5月，而且西南地区在春季多发森林火灾，所以西南地区的生物质燃烧排放峰值出现在春季(杨元建等, 2013; 何敏等, 2015;Zhou et al., 2017; Mehmood et al., 2018)。

图5 2008～2017年GFED、MEIC、FINN清单中中国典型地区（a）东北地区、（b）华中/东地区、（c）华南地区、（d）西南地区平均BC、OC、PM2.5、CO季节平均排放量箱线图Fig. 5 Box plots of average seasonal average emissions of BC, OC, PM2.5, and CO in typical regions of China in the GFED, MEIC, and FINN inventories from 2008 to 2017 for (a) Northeast China, (b) Central/East China, (c) South China, and (d) Southwest China

3.3 年际变化

图6给出了2008～2017年中国地区3个清单中BC、OC、PM2.5 和CO排放量的年际变化趋势。总体上，3个清单各物种排放量的年际变化趋势基本一致，即在2008～2012年呈现下降趋势，2012～2014年呈现上升趋势，在2014年出现一个明显的峰值或最大值，随后排放量下降，但GFED清单中BC和CO排放量在2015年出现峰值。FINN清单中BC、OC、PM2.5的年排放量整体上高于GFED清单和MEIC清单的排放量，GFED清单与MEIC清单的排放量比较接近，但MEIC清单中BC的排放量要大于GFED清单。各清单中CO的年排放量比较接近。

图7给出了2008～2017年，中国典型地区3个清单中BC、OC、PM2.5 以及CO排放量的年际变化趋势。在东北地区、华南地区、西南地区，3个排放清单中排放量年际变化整体趋势基本一致。在东北地区，GFED和MEIC清单中的4个物种排放量都在2015年有一个明显的峰值，该峰值与2015年东北地区农作物产量升高有关，3个清单均在2010～2012年有一个小波动并在2016～2017年呈明显上升趋势，2017年MEIC清单和FINN清单中的排放量达到了10年间的最大值。在华中/东地区，MEIC清单中CO排放量在2012年与2014年出现两个峰值，FINN清单与GFED清单则是在2013年出现了峰值，3个清单中BC、OC、PM2.5排放量的整体年际变化平缓。在华南地区，3个清单中的排放量在2008年最大，2008～2010年呈现大幅下降趋势，在2010～2012年有小幅波动，2014年后排放量继续下降。在西南地区，3个清单的排放量在2008～2010年都呈现明显的上升趋势并在2010年达到最高值， 2010～2012年先是大幅下降再小幅上升，2014～2017年呈现下降趋势。2010年的最大值可能与西南地区气候条件有关，西南地区的生物质燃烧以森林火灾的贡献为主（贡献超过60%），而2010年西南地区遭遇百年一遇的干旱（荣艳淑等, 2018），干燥少雨，森林火灾容易发生。在2008～2014年不同地区排放量的变化与各地区对生物质燃烧的监控力度不同有关，在2014年后，除东北地区以外，其他3个地区生物质燃烧排放量都呈现下降趋势，这与我国在2013年发布《空气污染防治行动计划》后有关禁止秸秆焚烧的政策出台和管控力度加强有关（Huang et al., 2021）。

图7 2008～2017年GFED、MEIC、FINN清单中中国典型地区（a）东北地区、（b）华中/东地区、（c）华南地区、（d）西南地区BC、OC、PM2.5、CO排放量的年际变化Fig. 7 Interannual changes in BC, OC, PM2.5, and CO emissions in typical regions of China in the GFED, MEIC, and FINN inventories from 2008 to 2017 in (a) Northeast China, (b) Central/East China, (c) South China, and (d) Southwest China

本文还分析了生物质燃烧源中不同燃烧源类型的贡献，表2给出了GFED清单和MEIC清单中2008～2017年平均中国不同区域生物质燃烧OC排放量及其各主要燃烧源类型排放量（注意GFED清单中泥炭燃烧未列，因为MEIC清单中没有此类别）。表中显示，中国地区MEIC清单与GFED清单中OC排放量比较接近。2个清单都显示在华南和西南地区OC排放量主要来自于森林燃烧源，而在华中/东地区，农田燃烧源对OC排放量的贡献最大，2个清单中3类燃烧源的OC排放量比较接近；在东北地区GFED清单中森林燃烧源对OC排放量的贡献最大，而MEIC清单中农田燃烧源的贡献最大，这可能与GFED和MEIC对森林的识别方法不同有关，在东北地区GFED清单和MEIC清单中农田燃烧源的OC排放量比较接近。

表2 2008～2017年GFED和MEIC清单中平均不同区域OC排放量Table 2 Average OC emission amounts in different regions from the GFED and MEIC inventories during 2008-2017

表3给出了2014年（生物质燃烧排放最大的年份，见图6）中国地区平均BC、OC、PM2.5、CO、SO2（二氧化硫）、NOx（氮氧化物）生物质燃烧的年排放量和2008～2017年平均排放量。总体上，FINN清单中BC、OC和PM2.5排放量是其他两个清单的2～3倍。3个清单中的CO、SO2排放量比较接近，FINN清单中SO2排放量比其他两个清单偏低。MEIC清单中NOx的排放量是其他两个清单的1.6～3.4倍；GFED清单中SO2的排放量约为FINN清单的2倍。我们还比较了2014年中国地区生物质燃烧排放量与MEIC清单中2014年人为源排放量（Zheng et al., 2018）的相对大小。对于BC、OC、PM2.5、CO、SO2和NOx，GFED清单中生物质燃烧排放量分别为人为源的2.3%、9.2%、4.9%、3.4%、0.2%、0.7%；MEIC清单中生物质燃烧排放量分别为人为源排放的3.3%、10.7%、5.8%、4.0%、0.2%、1.2%；FINN清单中生物质燃烧排放量分别为人为源排放的6.6%、23.8%、14.5%、4.0%、0.1%、0.4%。以上计算结果显示，在3个清单中，生物质燃烧排放的OC和PM2.5相对于人为源排放量占比最大，为9%～k 24%和5%～15%，SO2占比最小（0.1%～0.2%），反映了生物质燃烧排放的OC和一次PM2.5是中国气溶胶的重要来源。此外，虽然生物质燃烧释放的BC相对于人为源排放比例较小（2%～7%），但由于BC对短波辐射有很强的吸收作用，其对辐射传输和大气动力热力结构的影响不可忽视，特别是在生物质燃烧源区及其下游地区。

表3 2014年和2008～2017年平均GFED、MEIC、FINN清单中各物种在中国地区的生物质燃烧排放量Table 3 Species emission amounts of biomass burning from GFED, MEIC, and FINN inventories in 2014 and averaged over 2008-2017 over China

4 结论

本文使用全球火排放数据库GFED4.1s版本、中国露天生物质燃烧排放清单（MEIC）以及NCAR的野火排放清单FINNv2.2版本，对2008～2017年中国地区生物质燃烧源排放的空间分布、季节和年际变化特征以及清单之间的异同进行了分析，主要结论如下：

（1）在空间分布上，3个清单中生物质燃烧产生的BC、OC、PM2.5和CO排放量高值区主要集中在东北、华东、华南和西南地区，与我国的主要农作物种植地区和森林地区相符合。MEIC清单与FINN清单的空间分布相似。在华南地区与西南地区，FINN清单排放量比其他两个清单高，而GFED排放量在长三角地区比其他两个清单高。

（2）3个清单中，中国地区平均4个物种的排放量都在春季出现峰值，而典型地区排放量峰值出现的季节不同, 与这些地区农作物种植时节和农耕习惯不同有关，春季森林火灾的贡献也不可忽视。

（3）2008～2017年，中国地区平均，MEIC清单和FINN清单中OC和PM2.5年均排放量都在2014年出现峰值。在不同地区，生物质燃烧源中主导的燃烧源类型存在差异，华南和西南地区OC排放量主要来自于森林燃烧源，而在华东地区主要来自于农田燃烧源。

（4）对于BC、OC和PM2.5排放量，FINN清单是其他两个清单的2～3倍，GFED和MEIC排放量比较接近。在所有生物质燃烧排放物种中，OC和PM2.5相对于人为源排放量占比最大，在3个清单中分别为9%～24%和5%～16%，反映了生物质燃烧是中国气溶胶的重要来源。

致 谢感谢北京大学宋宇教授课题组和MEIC团队提供中国露天生物质燃烧排放清单数据以及对网站的维护，感谢GFED和FINN网站提供全球露天生物质燃烧排放清单数据，感谢李洁提供2013年MODIS陆地植被覆盖数据。