陳傳敏 劉春雨 劉松濤 張茹婷 周衛(wèi)青

(1.華北電力大學(xué)環(huán)境科學(xué)與工程系,河北 保定 071000;2.國網(wǎng)冀北電力有限公司電力科學(xué)研究院,華北電力科學(xué)研究院有限責(zé)任公司,北京 100045)

近年來天津市生活能源消費量逐年上升,人均生活能源消費量由2015年的707 kg標(biāo)準(zhǔn)煤上升至2020年的892 kg標(biāo)準(zhǔn)煤。隨著城市化進(jìn)程的不斷推進(jìn),集中供暖覆蓋了絕大部分城鎮(zhèn)地區(qū),但民用散煤在農(nóng)村地區(qū)仍占據(jù)著重要地位。散煤燃燒產(chǎn)生的細(xì)顆粒物(PM2.5)作為京津冀地區(qū)大氣首要污染物,是霧霾天氣頻發(fā)的主要原因[1]。

為了研究民用散煤燃燒對大氣環(huán)境的影響,劉洋等[2]計算了2016年長春市6個城區(qū)內(nèi)民用散煤燃燒產(chǎn)生的CO、SO2、氮氧化物(NOx)、PM2.5、可吸入顆粒物(PM10)、揮發(fā)性有機物(VOCs)的排放量,編制了民用散煤燃燒大氣污染物排放清單,并分析了大氣污染物排放的時空分布特征。目前大部分民用散煤排放清單都是針對省級地區(qū)來展開,針對單個城市具體分析的排放清單鮮有報道。郝國朝[3]通過實驗與調(diào)研確定了各污染物的排放因子,建立了陜西省各地級市的民用燃煤大氣污染物排放清單。李朋等[4]1489建立了基于反向傳播(BP)神經(jīng)網(wǎng)絡(luò)的民用散煤燃用量估算模型,得到了京津冀地區(qū)“以電代煤”替代民用散煤大氣污染物排放清單。

本研究以天津市16個區(qū)為研究區(qū)域,通過文獻(xiàn)調(diào)研等方式,結(jié)合相關(guān)統(tǒng)計數(shù)據(jù),采用自下而上的清單編制方法,對該市民用燃煤大氣污染物排放量進(jìn)行計算,建立2019、2020年天津市民用散煤燃燒大氣污染物排放清單。研究了天津市各地區(qū)污染物排放貢獻(xiàn)程度,分析了造成污染物排放差異的主要因素,并采用蒙特卡洛法對排放清單進(jìn)行不確定性分析。

1 數(shù)據(jù)來源

1.1 研究區(qū)域

研究區(qū)域為天津市,包含和平區(qū)、河?xùn)|區(qū)、河西區(qū)、南開區(qū)、河北區(qū)、紅橋區(qū)、東麗區(qū)、西青區(qū)、津南區(qū)、北辰區(qū)、武清區(qū)、寶坻區(qū)、濱海新區(qū)、寧河區(qū)、靜海區(qū)、薊州區(qū)16個區(qū)。天津市位于中緯度亞歐大陸東岸,屬暖溫帶半濕潤季風(fēng)性氣候,主要特征是季風(fēng)顯著,四季分明,降水集中,雨熱同季[5]。天津市近3年氣象資料顯示該地區(qū)年氣溫變化規(guī)律大體一致。年平均氣溫約13.6 ℃,1月氣溫最低,月平均氣溫約-2.3 ℃。天津市集中供暖的時間一般在11月1日到次年的3月31日。

1.2 散煤年燃煤量

天津市各區(qū)民用散煤年燃煤量(以標(biāo)準(zhǔn)煤計,下同)由人均年燃煤量與鄉(xiāng)村常住人口總數(shù)等計算得到。2018年人均年燃煤量參考李朋等[4]1492估算出的京津冀地區(qū)人均年燃煤量,鄉(xiāng)村常住人口總數(shù)、家庭平均戶規(guī)模通過查閱天津市2020、2021年統(tǒng)計年鑒獲取。

天津市農(nóng)村清潔散煤替代政策由核心區(qū)(市內(nèi)六區(qū),即和平區(qū)、河?xùn)|區(qū)、河西區(qū)、南開區(qū)、河北區(qū)、紅橋區(qū))向外圍分批次執(zhí)行,各區(qū)散煤替代政策實施的進(jìn)度不同導(dǎo)致了各區(qū)2019、2020年不同的人均年燃煤量。

2018年底,在供熱補建、煤改氣、煤改電、補貼騰遷等措施執(zhí)行下,寶坻區(qū)散煤替代戶數(shù)為9.9萬戶,薊州區(qū)為4 578戶,寧河區(qū)為2 000戶,濱海新區(qū)為9 183戶。2019年散煤替代情況：薊州區(qū)8.4萬戶,寧河區(qū)9 888戶,靜海區(qū)9.5萬戶,北辰區(qū)2.3萬戶。2018年完成散煤替代措施的區(qū)仍然需要燃燒散煤來完成取暖期的過渡,環(huán)保價值在2019年中體現(xiàn),2019年完成散煤替代措施的區(qū)以此類推。2019年與2020年天津市家庭平均戶規(guī)模均為2.72人/戶。各區(qū)人均年燃煤量計算方法見式(1)。2019、2020年的人均年燃煤量見表1。

人均年燃煤量=前一年各區(qū)人均年燃煤量×(鄉(xiāng)村常住人口總數(shù)-散煤替代戶數(shù)×2.72)/鄉(xiāng)村常住人口總數(shù)

(1)

市內(nèi)六區(qū)城鎮(zhèn)化率高,集中供暖覆蓋范圍廣,民用散煤燃燒活動水平基本為零。2019年,除市內(nèi)六區(qū)外年燃煤量分布在4.24萬～92.14萬t,2020年分布在4.23萬～56.09萬t(見表2)。

1.3 民用散煤燃燒污染物排放量估算

根據(jù)《民用散煤大氣污染物排放清單編制技術(shù)指南》,采用排放因子法進(jìn)行民用散煤燃燒污染物排放量估算。

1.4 排放因子選取

表1 各區(qū)人均年燃煤量Table 1 Annual coal consumption per capita by district t

表2 天津市民用散煤燃燒活動水平Table 2 Combustion activity level of residential coal in Tianjin

民用散煤燃燒排放因子[6-7]的獲取方法包括實驗實測法和文獻(xiàn)調(diào)研法。本研究采取文獻(xiàn)調(diào)研法,取參考文獻(xiàn)中各污染物排放因子的均值作為本研究基礎(chǔ)數(shù)據(jù),相關(guān)文獻(xiàn)排放因子如表3所示。對比已有的文獻(xiàn)資料,不同煤質(zhì)、不同燃燒方式會導(dǎo)致各污染物排放因子產(chǎn)生顯著差異。原煤燃燒產(chǎn)生的各污染物排放因子中,PM2.5是型煤的5～10倍,CO是型煤的2～3倍,SO2、NOx是型煤的1～2倍。本研究采用的污染物排放因子及各煤型使用占比如表4所示。

1.5 排放清單不確定性分析方法

研究排放清單不確定性常用解析法(如泰勒展開式)以及蒙特卡洛法[15]。本清單的不確定性來源主要有兩點：一是統(tǒng)計年鑒中的數(shù)據(jù)與實際情況可能存在一定的差異;二是排放因子的選取來自文獻(xiàn),相比實測數(shù)據(jù)可靠性和準(zhǔn)確性有一定欠缺。在95%的置信區(qū)間下,隨機抽樣誤差計算方式見式(2)和式(3)。

相對負(fù)的隨機抽樣誤差=(5%分位數(shù)值-平均值)/平均值

(2)

相對正的隨機抽樣誤差=(95%分位數(shù)值-平均值)/平均值

(3)

2 結(jié)果與討論

2.1 天津市民用散煤燃燒大氣污染物排放清單

天津市民用散煤燃燒大氣污染物排放清單見表5。天津市民用散煤燃燒產(chǎn)生的PM2.5、CO、SO2、NOx排放量在2019年分別為4 246.52、160 015.02、3 800.28、3 466.22 t,在2020年分別為3 236.19、121 944.33、2 896.12、2 641.54 t。相比2019年,2020年燃煤量減少約61萬t,PM2.5、CO、SO2、NOx排放量分別減少1 010.33、38 070.69、904.16、824.68 t。

市內(nèi)六區(qū)經(jīng)濟發(fā)達(dá),集中供暖措施完善,沒有民用散煤的使用,污染物排放基本為零。2020年天津市中心城區(qū)(東麗區(qū)、西青區(qū)、津南區(qū)、北辰區(qū))的污染物排放貢獻(xiàn)率為15.59%,比2019年的14.75%增加0.84百分點。主要是因為薊州區(qū)、靜海區(qū)等采取了大規(guī)模的散煤替代措施,人均年燃煤量下降。相對于另外3個中心城區(qū),北辰區(qū)的鄉(xiāng)村常住人口占比較大,污染物排放貢獻(xiàn)率為8.08%。排污最嚴(yán)重的是薊州區(qū),2020年年燃煤量為56.09萬t,污染物排放貢獻(xiàn)率為28.59%,如表6所示。造成這種情況的主要原因可能是薊州區(qū)相比其他各區(qū)而言發(fā)展較慢,農(nóng)村用戶較多;另一方面,薊州區(qū)地處天津市最北端,年平均氣溫最低(見圖1);這兩方面的原因?qū)е铝怂E州區(qū)農(nóng)村居民冬季取暖對民用散煤的需求量更大?？傮w而言,除市內(nèi)六區(qū)以外,2020年天津市各區(qū)污染物排放貢獻(xiàn)率表現(xiàn)為：薊州區(qū)>寶坻區(qū)>武清區(qū)>靜海區(qū)>北辰區(qū)>濱海新區(qū)>寧河區(qū)>東麗區(qū)>津南區(qū)>西青區(qū)。

表3 相關(guān)文獻(xiàn)排放因子Table 3 Emission factors in related literatures

表4 本研究排放因子Table 4 Emission factors in this study

表5 天津市民用散煤燃燒大氣污染物排放清單Table 5 Emission inventory of air pollutants from residential coal combustion in Tianjin

表6 各區(qū)民用散煤燃燒大氣污染物排放貢獻(xiàn)率Table 6 Contribution rate of air pollutants emission from residential coal combustion in each district

2.2 空間分布特征

民用散煤燃燒各種污染物排放的空間分布無明顯差異,以2019、2020年CO各區(qū)排放分布為例進(jìn)行分析,如圖2所示,相比2019年,2020年東麗區(qū)、北辰區(qū)、寧河區(qū)、靜海區(qū)、薊州區(qū)的CO排放量下降,其他區(qū)無明顯變化。污染物的排放主要集中在北部的薊州區(qū)、寶坻區(qū)和武清區(qū),西南的靜海區(qū)。該結(jié)果與文獻(xiàn)[16]對2016年天津市生活散煤燃燒污染物排放特征分析中的結(jié)論一致,相比于該文獻(xiàn)中2016年散煤的使用量,本研究中2020年散煤使用量減少了43.81萬t。各種污染物排放量都有所下降,PM2.5減少了1.33萬t,CO減少了14.87萬t。這主要與天津市散煤替代措施的執(zhí)行和民用散煤煤種使用標(biāo)準(zhǔn)日益嚴(yán)格有關(guān),相比于2016年的26%型煤使用,2020年型煤使用比例提高到了將近60%。文獻(xiàn)[14]研究發(fā)現(xiàn)使用型煤代替其他煤種是減少散煤污染的重要途徑,型煤的推廣可實現(xiàn)以燃煤為取暖燃料地區(qū)的各類主要污染物的減排。

圖1 各區(qū)年平均氣溫Fig.1 Annual average temperature in each district

2.3 不確定性分析

本研究選用蒙特卡洛法對排放清單進(jìn)行不確定性分析。蒙特卡洛不確定性分析的第一步是確定每個輸入?yún)?shù)的概率密度分布函數(shù),常用的概率分布類型包括正態(tài)分布、均勻分布、對數(shù)正態(tài)分布、三角分布、伽馬分布、貝塔分布、韋伯分布等[17]。將年燃煤量和型煤、原煤使用比例作為輸入?yún)?shù),概率分布類型選擇正態(tài)分布[18];排放因子作為輸入?yún)?shù),選擇三角分布函數(shù)[19]。在95%的置信區(qū)間下,天津市民用散煤燃燒各污染物排放量不確定性分析結(jié)果見表7,2019年P(guān)M2.5、CO、SO2、NOx不確定性分別為-71.82%～78.19%、-51.19%～62.24%、-51.87%～66.74%、-54.43%～69.14%,2020年分別為-66.94%～78.83%、-51.79%～55.52%、-48.13%～69.89%、-55.01%～74.51%。

圖2 各區(qū)CO排放分布Fig.2 Distribution of CO emission in each district

表7 排放清單不確定性分析結(jié)果Table 7 Uncertainty analysis results of emission inventory %

3 結(jié) 語

(1) 天津市2019年P(guān)M2.5、CO、SO2、NOx排放量分別為4 246.52、160 015.02、3 800.28、3 466.22 t。2020年民用散煤燃燒量相比2019年減少約61萬t,PM2.5、CO、SO2、NOx分別減排1 010.33、38 070.69、904.16、824.68 t。散煤替代政策的執(zhí)行和型煤占比的提高有效減少了污染物排放。

(2) 除市內(nèi)六區(qū)以外,2020年天津市各區(qū)污染物排放貢獻(xiàn)率表現(xiàn)為：薊州區(qū)>寶坻區(qū)>武清區(qū)>靜海區(qū)>北辰區(qū)>濱海新區(qū)>寧河區(qū)>東麗區(qū)>津南區(qū)>西青區(qū)。其中,污染物排放貢獻(xiàn)最大的區(qū)為薊州區(qū)。各區(qū)顯示出明顯的污染物排放空間差異,未來應(yīng)推進(jìn)清潔能源的使用,加快清潔能源政策的推廣,以減少民用散煤燃燒的污染物排放。

(3) 2019年天津市民用散煤燃燒PM2.5、CO、SO2、NOx排放量不確定性分別為-71.82%～78.19%、-51.19%～62.24%、-51.87%～66.74%、-54.43%～69.14%,2020年分別為-66.94%～78.83%、-51.79%～55.52%、-48.13%～69.89%、-55.01%～74.51%。