利用离轴积分腔光谱仪对合肥市典型温室气体源的移动观测研究
汪玉1,2, 张贤珂1,2, 谈图1, 王贵师1, 刘锟1, 孙万启3,*, 邱子晨4, 高晓明1,2
1.中国科学院合肥物质科学研究院, 安徽光学精密机械研究所, 安徽 合肥 230031
2.中国科学技术大学, 安徽 合肥 230026
3.中国气象局气象探测中心, 北京 100081
4.安徽新谱光电科技有限公司, 安徽 合肥 230031
*通讯作者 e-mail: sunwanqi2008@126.com

作者简介: 汪玉, 女, 1990年生, 中国科学院合肥物质科学研究院硕士研究生 e-mail: wy272772685@163.com

摘要

CO2和CH4是城市排放的主要温室气体, 高精度、 高时空分辨率的移动观测手段有利于了解其在城市中的分布细节, 也可以了解源的动态变化。 本文分析了现有的大气温室气体的移动监测手段, 在此基础上基于自研设备离轴积分腔光谱仪、 三维风速仪和车载差分GPS搭建了一套移动观测系统, 开发了配套的温室气体走航观测数据分析软件系统, 对合肥市典型道路的CO2和CH4进行了观测, 对观测到的典型CH4浓度热点进行分析, 并对垃圾填埋场进行了CH4的观测。 结果表明: 合肥市一环路CO2浓度分布与城市面源排放影响有较好相关性、 CH4分布则与其相关性较差, 但受点源影响较大, 二环CO2和CH4浓度分布与周边森林、 水源、 商圈的分布密切相关; 总体上早晚高峰期一环和二环CO2和CH4的平均浓度(中位数)均高于闲时, 一环浓度高于二环; 利用三维超声风速仪、 GPS计算实时自然风风速风向, 分析道路上CH4浓度热点主要来自天然气加气站、 生化池、 天然气机动车等, 其中天然气机动车排放的CH4与CO2相关性系数约70%, 怠速、 起步、 缓慢行使过程中的排放较大; 肥东和肥西生活垃圾填埋场捕捉到的CH4浓度高值分别与填埋场封层的不完整和周围垃圾焚烧发电厂车间的无组织释放有关; 利用高斯烟雨扩散模型估算了肥西垃圾填埋场车间门打开状态CH4排放速率比未打开时高出一个数量级; 北城和庐江垃圾填埋场CH4较前两个的无组织排放小。 研究证明了城市移动观测系统一方面可以为城市综合碳排放监测体系的建立提供参考, 另一方面可以为城市温室气体浓度特征的研究提供基础数据。

关键词: 移动观测; CH4; CO2; 道路观测; 点源; 垃圾填埋场
中图分类号:X513 文献标志码:A
Research on Moving Observation of Typical Greenhouse Gas Sources in Hefei by Using Off-Axis Integrated Cavity
WANG Yu1,2, ZHANG Xian-ke1,2, TAN Tu1, WANG Gui-shi1, LIU Kun1, SUN Wan-qi3,*, QIU Zi-chen4, GAO Xiao-ming1,2
1. Anhui Institute of Optics and Fine Mechanics, Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei 230031, China
2. University of Science and Technology of China, Hefei 230026, China
3. CMA Meteorological Observation Centre, Beijing 100081, China
4. Anhui Xinpu Photoelectric Technology Co., Ltd., Hefei 230031, China
*Corresponding author
Abstract

CO2 and CH4 are the main greenhouse gases emitted by cities. Mobile observation methods with high precision and high spatio-temporal resolution are beneficial to understand the details of their distribution in cities, and the dynamic changes of sources. This work analyzes the existing mobile monitoring methods for atmospheric greenhouse gases. On this basis, a mobile observation system is built based on self-developed equipment off-axis integrated cavity spectrometer, a three-dimensional anemometer and vehicle differential GPS, and a matching greenhouse gas monitoring system is developed. The aerial observation data analysis software system has observed the CO2 and CH4 of typical roads in Hefei City, analyzed the hot spots of typical CH4 concentration, and observed CH4 in the landfills. The results show that the distribution of CO2 concentration in the first ring road of Hefei has a good correlation with the impact of urban non-point source emissions, while the distribution of CH4 has a poor correlation with it, and it is greatly affected by point sources. CO2 and CH4 concentration distribution in the second ring road is closely related to the distribution of surrounding forests, water sources and business circles. Generally, the average (median) concentrations (median) of CO2 and CH4 in the first and second rings in the morning and evening peak periods are higher than those in the idle time, and the concentrations in the first ring are higher than those in the second ring. Three-dimensional ultrasonic anemometers and GPS are used to calculate real-time natural wind speed and wind direction. The result showsthat the hot spots of CH4 concentration on the road is mainly from natural gas filling stations, biochemical pools, natural gas vehicles, etc. Among them, the correlation coefficient between CH4 and CO2 emitted by natural gas vehicles is about 70%. The emissions are large during idling, starting and slow driving. The high CH4 concentration captured in Feidong and Feixi, domestic waste landfills, is related to the incomplete sealing layer of the landfill and the unorganized release of the surrounding waste incineration power plant workshop. The Gaussian diffusion model estimated that the CH4 emission rate when the workshop door of the Feixi landfill was opened was an order of magnitude higher than when it closed. The fugitive emission of CH4 from Beicheng and Lujiang landfills was smaller than the first two. This study proves that the urban mobile observation system can provide a reference for establishing a comprehensive urban carbon emission monitoring system on the one hand and provide basic data for the study of urban greenhouse gas concentration characteristics on the other hand.

Keyword: Mobile observation; CH4; CO2; Road observation; Point source; Landfill
引言

二氧化碳(CO2)和甲烷(CH4)是产生温室效应的主要温室气体。 其来源分为自然源和人为源, 其中化石燃料燃烧、 天然气储运、 垃圾填埋等人为源是造成二者不断增长的主要原因。 人为源在城市中普遍存在且分布不均, 造成城市CO2和CH4浓度水平很不均匀, 需要设立固定监测点对其进行连续监测以了解其分布。 建立基于固定点的完善的监测网络非常昂贵, 引入其他监测手段有利于降低建设成本。 高时空分辨率的移动监测手段有利于城市中CO2和CH4的快速检测, 并对固定点监测形成有效补充。

大气温室气体的移动监测手段主要有星载探测、 机载观测、 车载观测等。 卫星遥感[1]技术主要用于大尺度上温室气体的观测; 机载观测[2, 3]主要是通过飞机或者无人机搭载检测仪器, 对其下方的空气进行通量测量, 但由于中国严格的空管措施, 这种监测轴端受到较大限制[4]; 车载观测主要是通过机动车搭载各种温室气体检测仪进行道路交通观测或源的定性定量检测[4, 5, 6, 7]。 相较于星载和机载观测, 车载观测具有更高的灵活度、 更适于城市道路监测和点源监测。 2005年Frish等[8]、 2006年高晓明等[7]、 2016年庞云玲等[9]先后使用机动车搭载TDLAS激光检测设备对城市燃气管道进行了甲烷的泄漏检测, 但是TDLAS测量精度较低, 难以实现城市道路的观测; 2015年, Bush等[10]利用多种仪器搭建了高度集成的移动实验室, 对道路上CO2和CH4等物质进行了高精度的连续监测; 2019年, Sun等[4]使用光腔衰荡光谱仪Picarro G2401(5 min精度0.7 ppb), 对北京的道路和典型的甲烷源进行了移动观测, 给出了若干个尚未列入中国国家温室气体清单的CH4点源的指纹图谱信息。 2020年, Liu等[11]在政府针对新冠疫情实施限行措施之前、 期间和之后, 用移动车搭载小型非色散红外传感器等仪器观测了北京二至五环路上CO2的浓度分布情况, 准确获取了疫情管控措施对道路CO2浓度特征的影响。 由于空间异质性、 城市本身特点以及观测仪器方法的不同, 以上研究结果仅能反映其所在城市的相关情况, 不具有普适性, 不同城市均需要进行实测才能准确了解其浓度特征。 此外, 以上研究大部分没有结合实时的风速风向信息对典型源的浓度特征进行分析, 且这些研究大多没有对点源的排放速率进行估算。

本文采用自研的车载移动观测系统对合肥市的典型线源(一、 二环)和点源(加气站、 生化池、 天然气车、 垃圾填埋场等)进行了CO2和CH4的实时在线观测, 对道路观测结果进行了统计分析, 结合风速风向对部分点源进行了排放速率的估算。

1 实验部分
1.1 移动观测系统

实验中所使用的温室气体移动观测系统的组成结构如图1所示, 实物如图2所示。 采用一辆多用途SUV(哈佛H2)作为移动平台, 搭载了一台自研设备离轴积分腔光谱仪(SGA3111, 安徽新谱光电科技有限公司)、 一台高精度车载基站差分GPS(FV-111, 厦门四信通信科技有限公司)和一台三维超声风速仪(YOUNG81000, 美国RM.YOUNG公司)(见图1)。

图1 CO2和CH4移动观测系统的组成结构Fig.1 Composition and structure of CO2 and CH4 mobile observation system

图2 CO2和CH4移动观测系统实物图Fig.2 Physical map of CO2 and CH4 mobile observation system

空气进气口安装在车顶的固定支架上, 进气口距地面高约2 m, 管路中间安装过滤干燥器, 除去空气中的水分和颗粒物; 采用纯正弦波逆变器(NFA7555N, 纽福克斯光电科技有限公司)将汽车自带蓄电池12 V电压逆变成220 V对仪器进行供电, 供电功率低于300 W; 离轴积分腔光谱仪用于分析大气中的CO2和CH4, 设备艾伦偏差分析CO2和CH4在20 s的1δ 分别为0.278 ppm和1.794 ppb, 其具体介绍见文献[12, 13], 其他两个设备用于获取经纬度和风速风向数据, 三种数据通过4G网实时传输至云服务器, 客户端软件可实时或定时从云服务器抓取数据; 车上的操作终端(笔记本电脑)和客户端软件均可将CO2、 CH4、 经纬度和风速风向数据进行匹配并显示, 操作员可现场或远程对观测系统的运行状态进行判断和记录, 为现场解决问题和后续数据质控提供依据。 此外, 特别强调的是, 每次观测前后均使用标准气体对SGA3111进行校准, 标准气体的尺度溯源至WMO\GAW维持的一级标准, 标定方法参见文献[14], CH4低浓度(1.5~2.4 ppm)偏差小于0.1%, 高浓度(2.4~1000ppm)偏差小于2%, CO2(300~1 200 ppm)偏差小于0.1%, 标定的目的是保证所有观测数据的可比性。

1.2 监测路线和策略

合肥市是人口超过500万的特大城市, 主城区内有两条主要的环线(一环和二环), 其中一环长度约17 km, 二环长度38 km, 市区外围分布有若干个垃圾填埋场。 首先使用移动观测系统(车速控制在10~60 km· h-1), 对合肥市一环和二环道路的CO2和CH4浓度进行了4次观测, 观测时段分别是(1月12日闲时、 1月12日晚高峰、 1月18日早高峰和1月18日晚高峰)。 在进行观测时, 根据早、 晚高峰居民的聚集情况适当地调整了观测路线, 目的是减少因交通拥堵造成的汽车尾气影响。 其次, 因合肥市有相当数量的天然气机动车(2 800辆)和对应的加气站, 本观测活动还特别针对对类似的CH4排放点源进行了捕捉。 最后, 使用移动观测系统对合肥市周边的四个生活垃圾填埋场进行了CH4观测, 分别是肥东生活垃圾填埋厂(117.561 944° E, 31.799 772° N)、 北城生活垃圾填埋场(117.202 705° E, 32.111 609° N)、 肥西生活垃圾填埋场(117.094 768° E, 31.693 116° N)和庐江生活垃圾填埋场(117.341 509° E, 31.257 133° N)。 绕场观测时车速控制在5~15 km· h-1以内。 除1月20日庐江生活垃圾填埋场在阴天观测外, 其他均在晴天情况下进行, 观测方法上采用开车绕场连续在线监测的方法。

表1 监测路线和策略 Table 1 Monitoring routes and strategies
1.3 数据处理和分析方法

首先对数据(经纬度、 风速风向、 气体浓度等)进行了延时校正和频率统一化, 统一成1 Hz分辨率的数据。 其次对浓度进行了质控, 包括去除因行驶过程仪器震动等原因产生的野点、 因仪器光腔压力和温度超出其理想范围[(140± 0.3) torr, (45± 0.2) ℃]产生的可疑数据点和汽车行驶速度小于5 km· h-1时对应的数据点。 然后对经纬度纠偏和浓度数据插补: 经纬度因GPS被遮挡导致的偏差段(一般较短), 采用等间距形式进行插补, 浓度缺失段采用缺失段前后2 s数据的平均值插补, 长度超过100 m的部分不插补。

在分析城市CO2和CH4浓度分布时, 采用四分位数法进行了统计分析; 在进行城市道路及其周边天然气排放点源分析时, 以最小值为背景, 进行了去背景值比对; 在进行城市天然气排放点源和垃圾填埋场CH4浓度与自然风主风向关系的分析时, 风速仪数据与GPS 测得的车速车向进行矢量合成得到主风向和平均风速; 对符合利用高斯烟羽扩散模型[15][见式(1)]应用条件的科学岛路天然气加气站和肥西生活垃圾填埋场两个点源进行了排放速率计算。 计算时坐标确定及参数选取叙述如下: 科学岛路天然气加气站排放速率计算时, 以泄漏点O为原点顺风向为x轴正向建立坐标系, 烟囱高度H=1.2 m, 测量点的10 min的平均风速为1.51 m· s-1, 风向为354° , 坐标为(220, -21, 2), 平均浓度为8 578 ppb; 肥西生活垃圾填埋场排放速率计算时, 以焚烧厂房门的中轴线与地面交点O为原点顺风向为x轴正向建立坐标系, 烟囱高度H=4 m, 测量点测得平均风速0.64 m· s-1, 方向角为193.43° , 坐标为(177, 30, 2), 工作时段的10 min平均浓度为3 375 ppb, 下班交班期间的10 min平均浓度为24 975 ppb。 根据测量时的云量、 风速等级、 太阳辐射等信息查阅相关文献[16]获知在测量时科学岛路天然气站和肥西生活垃圾填埋场大气稳定度等级均为D—E级, 结合两者测量点位置0 m< x< 1 000 m确定天然气站测量时扩散系数为σ y=0.098 563 1× 2200.925 118σ z=0.111 771× 2200.776 864, 肥西生活垃圾填埋场测量时扩散系数为σ y=0.098 563 1× 1770.925 118σ z=0.111 771× 1770.776 864

C(x, y, z, H)=Q2πμ-σyσze-y22σy2e-(z-H)2σz2+e-(z+H)2σz2σy=γ1×xα1σz=γ2×xα2(1)

式(1)中: C为测量点(x, y, z)的污染物的浓度, mg· m-3; Q为源点排放速率, 单位时间内污染物排放量, mg· s-1或g· s-1; σ yσ z分别为水平、 垂直方向的标准差, 即yx方向的扩散参数; μ 为为平均风速, m· s-1; x为风向轴上测量点到源的距离; y为风向轴垂直方向上测量点到源的距离; z为测量点的高度; H为烟囱高度。

2 结果与讨论
2.1 合肥市城市道路观测

合肥市一环、 二环的CO2和CH4的浓度分布分别如图3(a—d)和图3(A—D)所示。 图3(a—d)显示, 在各个时段(闲时、 早高峰、 晚高峰)一环路CO2浓度分布特征是上风向低(东北风), 下风向高, 有烟羽特征, 说明一环内城市建筑形成的面源排放对其浓度分布有显著影响; 划线部分为高架桥出入口或十字路口穿桥道路集中区域[见图3(c)和(d)], 是封闭和半封闭路段, 在早、 晚高峰时段, 明显显示出了CO2浓度在这些路段进行积累的现象。 二环各路段的周围状况与主要以建筑为主的一环不同, 而是包括湿地、 绿地、 商圈、 工业区等多种环境情况, 二环CO2的浓度分布与道路的周围环境有很好的关联性。 西北靠近湿地和森林处, CO2浓度较低, 靠近商圈的地方则浓度明显较高, 但值得指出的是, 北部工业区的排放, 并未显著影响北二环CO2的浓度分布, 可能与其距离二环较远有关[见图3(c)和(d)]。 图3(A—D)显示, 一环路CH4浓度分布无明显烟羽特征, 说明城市的面源排放对道路CH4浓度分布的影响较小, 车辆排放占主导, 这与合肥市天然气汽车占一定比例, CH4排放量较大有关; 划线部分的封闭和半封闭路段, 在早、 晚高峰时段[图3(C)和(D)], 其浓度积累比CO2更显著, 推断其为天然气车的无组织泄露所致。 从图3(C)和(D)还可以看出, 二环CH4浓度分布也与周围环境有一定关联性, 其分布特征与二环CO2与周围环境的关系类似, 在此不赘述。 将图3(B)和(D)进行对比, 可知后者CH4浓度整体偏低, 相应时段CO2的浓度[见图3(b)和(d)]区分并不明显, 说明天气情况并没有显著影响二者的整体浓度, 可能是气团的远距离传输导致不同日CH4背景浓度不同所致[17]。 在道路观测中捕捉到了很多CH4浓度热点(高值区), 是道路及其周边的点源排放所致, 对其进一步的讨论将在2.2中进行。

图3 合肥市一环和二环CO2和 CH4浓度分布图Fig.3 Distribution of CO2 and CH4 concentrations in the first and second rings of Hefei

图4显示的是观测数据的四分位数分析结果。 由图可知, 合肥市区道路CO2浓度的箱线分布较宽, 为472~769 ppm, 而且不同环线、 在不同时段表现出了一定的分布异性。 整体上早晚高峰期CO2平均浓度(中位数)均高于闲时。 12日闲时、 晚高峰、 18号早高峰, 一环浓度均高于二环, 这与一环车辆密度比二环高, CO2浓度也应相应高的推断一致, 但18号晚高峰一环浓度却低于二环, 其原因有待做进一步的研究。 道路上CH4浓度的箱线分布一致性较好, 均基本在1 847~2 552 ppb之间, 该浓度范围与北京道路测量的相当[4], 与临安站所获得浓度范围也相当[18]。 一环、 二环CH4平均浓度特征与CO2浓度特征类似, 不同的是18号晚高峰一环浓度与二环相当, 也需要进一步研究以获取造成此现象的原因。

图4 合肥市道路CO2和CH4浓度的四分位数分析图Fig.4 Quartile analysis of CO2 and CH4 concentrations on roads in Hefei

2.2 城市道路CH4点源识别和分析

在对合肥市道路进行移动观测时捕获多处CH4浓度热点, 通过查阅现场记录, 确定其由天然气加气站、 钢铁厂、 生化池、 天然气机动车等源的释放产生, 在此对有代表性的浓度热点进行分析, 其浓度分布及其与CO2浓度的对比情况分别如图5(a—f)和图5(A—F)所示。 图5(a)所示的热点CH4最大浓度值为2 767 ppb, 与CO2的相关性较差[见图5(A)], 仅为r=0.27, 结合观测过程的观测记录和风的走向, 推测其为长江西路南侧天然气加气站在给机动车加气过程中产生的逃逸性排放所致。 图5(b)所示的CH4热点的浓度值普遍高于周围道路正常值的4倍左右, 且CH4和CO2相关性极低[r=0.14, 见图5(B)], 结合观测记录和风的走向, 推测其为科学岛路西面天然气加气站有组织泄露所致, 移动观测车进入天然气加气站后发现加气枪的管底与加气柱接口破损处明显存在持续泄漏点; 在加气站下风向道路上测得的浓度最高点的最高浓度为8 578 ppb, 结合风速风向数据和高斯烟羽大气污染扩散模型, 计算获得排放点的排放速率为11 108 mg· s-1。 图5(c)显示的是双凤工业区钢铁厂测得的一处CH4热点的浓度分布图, CH4和CO2的相关性较差[见图5(C), r=0.27], 推测其为厂内天然气设施的逃逸性排放所致; 图5(d)显示的是一个生化池CH4热点的浓度分布图, 其与CO2无相关性[见图5(D)], 推测可能为沼气的直接排放所致。 图5(e)显示的热点CH4浓度最大值为3 680 ppb, 与CO2的相关性非常高[r=0.69, 见图5(E)]结合现场记录, 知道其为晚高峰期一辆天然气公交车的尾气排放所致; 图5(f)显示的热点CH4浓度最大值为2 853 ppb, 与CO2的相关性也非常高[r=0.78, 见图5(F)], 其为天然气出租车的排放所致, 其相关性系数与公交车排放相似, 说明二者的发动机对CH4的燃烧效率相近, 且由图5(E, F)还可以看出二者排放与车的运动状态相关, 怠速、 起步、 缓慢行使过程中的排放情况不同, 与Pan等[19]研究结果具有一致性。

图5 CH4热点及其与CO2的关系图Fig.5 CH4 hot spot and its relationship with CO2

2.3 垃圾填埋场CH4观测

对合肥市周边四个生活垃圾填埋场进行CH4移动观测的结果如图6(a—e)所示。 图6(a)显示的是肥东生活垃圾填埋场的浓度分布图, 其东南侧为下风向(东北风)浓度较高, 明显说明是裸露的垃圾填埋场(作业过程中)排放后由风吹所致。 图6(b)显示的是北城生活垃圾填埋场的浓度分布图, 由图可知, 其浓度高的点比较分散, 分为1、 2、 3、 4四段, 其中, 1、 2、 3集中在西边, 4在北边, 相对分散的原因可能与其各自靠近不同CH4收集管的排放口有关。 图6(c)显示的是庐江生活垃圾填埋场浓度分布图, 由图可知, 其西南侧A和东北侧B均有一处CH4高浓度分布区, 最大值分别为5 908和4 091 ppb。 根据车载风速仪的测量结果显示, A点测得风向为东风, B测得风向为西南风, 其中东风是当天的主流风向, B点风向是由于地形原因(凹陷地形)造成。 图6(d)和(e)分别显示的是肥西县生活垃圾填埋场正常工作时段和交接班时段浓度分布图。 由图6(d)可知, 浓度高的区域分两个, 一处靠近垃圾焚烧发电厂工人的操作厂房, 由厂房(关门状态)内堆放的垃圾积累的CH4泄露所致, 另一处靠近垃圾焚烧发电场的排烟口, 推测垃圾运送车辆进出时逃逸排放所致。 我们根据高斯扩散模型, 计算了该时段此垃圾填埋场点源CH4排放速率为7 110 mg· s-1。 由图6(e)可知, B点浓度异常升高, 原因在于交接班期间厂房门打开, 里面的甲烷喷涌而出所致, 利用高斯扩散模型其排放速率为116 898 mg· s-1, 高出工作期间释放量1个数量级。 此外, 路段3的浓度异常升高, 推测可能是另外某个厂房存在突然的逃逸排放, 或由于风向略微改变, 或填埋场排放烟羽随风转向所致。

图6 填埋场CH4浓度分布图
(a): 肥东生活垃圾填埋场; (b): 合肥北城生活垃圾填埋场; (c): 庐江生活垃圾填埋场; (d): 肥西生活垃圾填埋场工作时间段; (e): 肥西生活垃圾填埋场交班下班期间
Fig.6 Distribution of CH4 concentration in landfills
(a): Feidong domestic waste landfill; (b): Hefei Beicheng domestic waste landfill; (c): Lujiang domestic waste landfill; (d): Feixi domestic waste landfill working time period; (e): Feixi domestic waste landfill get off work shift period

表2显示的是四个垃圾场的占地面积、 填埋量、 周边环境、 排放的CH4平均浓度、 最低浓度、 最高浓度和排放速率情况。 由表可知, 正常作业情况下, 肥东龙泉山垃圾填埋场CH4的平均、 最大、 最小浓度均高于其他三个垃圾场, 这可能与其作业工程中覆盖层遭到破坏有关。 北城垃圾填埋场的浓度平均值最小, 与其封顶后CH4被利用有关。

表2 合肥生活垃圾填埋场CH4监测结果表 Table 2 CH4 monitoring results in Hefei domestic waste landfills
3 结论

以自研离轴积分腔光谱仪为基础搭建了CO2和CH4移动观测系统, 对合肥市主要道路和部分点源进行了观测, 观测结果总结如下:

合肥市一环和二环路CO2和CH4的移动观测结果显示: 一环路CO2浓度的分布受城市面源的影响显著, 而CH4浓度分布受城市面源较小, 受其自身的点源(天然气机动车)和周围排放源(如加气站)的影响较大; 二环路CO2和CH4浓度的分布与周围环境关联密切。 高架桥出入口或十字路口穿桥路段CO2和CH4浓度有明显的累积现象。 四分位数法分析结果显示, 总体上早晚高峰期一环和二环CO2和CH4的平均浓度(中位数)均高于闲时, 一环浓度高于二环。 城市道路观测中捕获的CH4热点显示: 道路CH4高值点的源主要为加气站加气设施的偶发性泄漏和加气枪频繁加气过程中的逸散、 工业区内点源和生化池的排放和天然气机动车运行过程中的尾气排放。 利用高斯烟羽扩散模型估算出了某加气站CH4偶发性泄漏的排放速率为11 108 mg· s-1。 合肥市周边的四个垃圾填埋场的CH4的移动观测显示: 肥东和肥西生活垃圾填埋场均在下风向捕捉到了CH4的浓度高值, 前者的浓度高值主要与填埋场封层的不完整有关, 后者则主要是其南部垃圾焚烧发电厂车间的无组织释放所致; 利用高斯烟羽扩散模型计算可知, 车间由于下班、 交班时门的打开致使CH4排放速率高出工作期间一个数量级以上。 北城和庐江垃圾填埋场CH4排放高值区的浓度较两者低, 反映出两个垃圾填埋场的无组织排放较小。

参考文献
[1] Buchwitz M, Reuter M, Bovensmann H, et al. Atmospheric Measurement Techniques, 2013, 6(12): 3477. [本文引用:1]
[2] Sabour Baray, Darlington A, Mark Gordon, et al. Atmospheric Chemistry & Physics, 2018, 18: 7361. [本文引用:1]
[3] Feng S, Qiu X, Guo G, et al. Analytical Chemistry, 2021, 93(10): 4552. [本文引用:1]
[4] Sun W, Deng L, Wu G, et al. Atmosphere, 2019, 10(9): 554. [本文引用:4]
[5] ZHANG Xue, HU Ning, LIU Shou-dong, et al(张雪, 胡凝, 刘寿东, ). Environmental Science(环境科学), 2017, 38(2): 469. [本文引用:1]
[6] Lamb B K, Mcmanus J B, Shorter J H, et al. Environmental Science & Technology, 1995, 29(6): 1468. [本文引用:1]
[7] Gao X, Hong F, Teng H, et al. Spectrochimica Acta Part A Molecular & Biomolecular Spectroscopy, 2006, 65(1): 133. [本文引用:2]
[8] Frish M B, Wainner R T, Green B D, et al. Proceedings of SPIE-The International Society for Optical Engineering, 2005, 10: 6010. [本文引用:1]
[9] PANG Yun-ling, HE Xing-zheng(庞云玲, 贺行政). Mechanical Engineering & Automation(机械工程与自动化), 2016, (1): 142. [本文引用:1]
[10] Bush S E, Hopkins F M, Rand erson J T, et al. Atmospheric Measurement Techniques Discussions, 2015, 8: 3481. [本文引用:1]
[11] Liu Di, Sun Wanqi, Zeng Ning, et al. Atmospheric Chemistry and Physics, 2021, 21(6): 4599. [本文引用:1]
[12] Wang Kunyang, Shao Ligang, Chen Jie, et al. Sensors, 2020, 20(21): 6192. [本文引用:1]
[13] Wang Kunyang, Shao Jie, Shao Ligang, et al. Chinese Physics B, 2021, 30(5): 54203. [本文引用:1]
[14] Wang Yu, Ding Bokun, Wang Kunyang, et al. Chinese Physics B, 2022, 31(4): 40705. [本文引用:1]
[15] Riddick S N, Connors S, Robinson A D, et al. Atmospheric Chemistry & Physics, 2017, 17(12): 7839. [本文引用:1]
[16] GB/T3840—1991, Technical Methods for Making Local Emission Stand ards of Air Pollutants(制定地方大气污染物排放标准的技术方法). Environmental Protection Bureau of the People's Republic of China(中华人民共和国环境保护局), 1991. [本文引用:1]
[17] Fang S X, Tans P P, Yao B, et al. Science China-Earth Sciences, 2017, 60(10): 1886. [本文引用:1]
[18] Fang S X, Zhou L X, Masarie K A, et al. Journal of Geophysical Research: Atmospheres, 2013, 118(10): 4874. [本文引用:1]
[19] Pan D, Tao L, Sun K, et al. Nature Communications, 2020, 11(1): 4588. [本文引用:1]