利用OMI卫星遥感评估贵州省SO2减排成效

宋华湘，杨敏华

（中南大学 地球科学与信息物理学院，长沙 410083）

利用OMI卫星遥感评估贵州省SO2减排成效

宋华湘，杨敏华

（中南大学 地球科学与信息物理学院，长沙 410083）

为评估燃煤火电厂烟气脱硫减排政策对地区SO2污染的影响，本研究基于OMI卫星遥感SO2柱数据，对贵州省2005—2012年的SO2时空变化特征进行了分析，并结合火电厂SO2排放量模型估算数据，从时间空间尺度上测算了省内不同区域的污染变化趋势及区域污染对火电脱硫政策的响应。结果表明：（1）贵州省SO2污染强度在2008年后出现了小幅下降趋势，但省内污染改善呈现出显著的空间异质性，工业欠发达地区的污染强度未得到明显改善、部分区域甚至表现出持续增长的趋势。（2）烟气脱硫政策并未驱动贵州省火电厂周边区域的SO2污染出现一致性改善，部分区域污染在电厂烟气脱硫后仍然呈现出增长的趋势；基于SO2浓度与年份的相关性分析表明，单一的烟气脱硫政策对于贵州省SO2污染治理存在着明显的局限性，工业欠发达地区的污染变化未因减排政策实施而呈现出下降趋势。（3）基于火电厂排放清单模型的排放量估算表明，贵州省2009年后来自于火电领域的SO2减排贡献已显著下降，未来的减排政策应更多地关注其他污染源的排放约束，以确保省内大气污染得到持续、全面的改善。

环境遥感；OMI；SO2；火电厂；减排政策评估

2000年后我国高速推进的城市化及重工业化进程催生了巨大的资源消费需求，每年约有数十亿吨的矿产品被作为工业用途消耗（国家统计局，2013）。二氧化硫（SO2）作为煤炭金属等矿产品在燃烧冶炼过程中释放的有害气体之一，其近年来的无序排放已给我国的大气环境带来了重大危害（Poon et al，2006）。研究表明，近十年来我国的部分地区出现了严重的大气SO2污染，而高耗能产业被认为是最主要的污染源（Lu et al，2011）。为减轻环境压力，我国政府自2005年起在火电行业率先推行了烟气强制脱硫及关停小机组等减排举措（Gao et al，2009）。但由于高耗能产业发展增速过快、污染源众多及排放监管滞后等因素，上述政策的实施并未能迅速扭转我国的SO2污染困局，而政策在执行中存在的一些问题也给污染的有效治理带来了新挑战。首先，由于烟气脱硫系统运营成本高，出于利益常有企业违规关停环保设备偷排污染烟气（国家环境保护部，2011，2014）；其次，我国的部分地方管理者存在着错误的环保意识，常常采取一些“运动式”限排手段来应对短期环境达标考核（国务院办公厅，2010），却忽视了政策执行的连续性；再次，在高耗能产业保持高速增长的地区，单一的火电脱硫政策释放的减排红利将相对有限，其他污染源持续产生的增量排放可能再次推高区域污染。此外，我国的多数地区尚未建成广泛覆盖的空气质量监测网，这使得近十年来相关政策驱动的减排成果难以通过常规手段得到有效评价，从而严重影响了未来政策的制定。

大气污染物卫星遥感是近年来得到广泛应用的一种环境监测技术（Martin，2008），在大范围、长时序监测上具有独特优势，能很好地弥补我国现阶段地基监测网络的不足。目前国际上可用于SO2卫星遥感监测的仪器主要包括OMI（Ozone Monitoring Instrument）等几类 （Streets et al，2013），其中OMI因其更高的时空分辨率而有着更好的应用前景。在研究初期，SO2遥感多用于高强度排放事件及大区域污染分布变化的监测（Yang et al，2007； Spinei et al，2010）。随着仪器性能及反演算法的进步，SO2遥感监测已拓展至大型点源如金属冶炼厂、燃煤火电厂等领域（Carn et al，2007； McLinden et al，2012），并验证了遥感观测的SO2变化特征与污染源实际排放量变化具有良好的相关关系；而对于占地区排放权重较高的大型点源，遥感监测甚至可用于其排放量变化的定量分析（Fioletov et al，2011； Lu et al，2013）。尽管我国的大部分地区污染源众多，遥感观测的SO2变化特征往往是区域总排放量变化的响应，但相关政策（国家环境保护部，2005a，2005b）规定的烟气高脱硫率（≥85%）仍将驱使火电厂所在区域内的SO2污染强度出现显著下降，而这一变化特征即使在高耗能产业密集的内蒙古—山西“煤炭黑三角”地区仍能被OMI捕获（Li et al，2010），从而使得借助卫星遥感评估特定区域的SO2减排成效具备了较好的应用前景。目前国内相关的研究工作尚处于起步阶段，利用卫星遥感评估已实施SO2减排政策，特别是火电厂烟气脱硫减排政策成效的工作尚未见报道。基于此，本研究利用OMI卫星遥感数据，选取近年来工业经济持续高速增长的贵州省作为研究对象，对其辖区内大型燃煤火电厂所在地及其他区域的SO2浓度在2005—2012年间呈现出的变化特征进行了测算、并分析了不同区域SO2污染的变化趋势及因火电脱硫政策而得到的改善，进而评估了2005年来贵州省所取得的减排成果、揭示了当前省内污染治理工作亟待解决的新问题，旨在为更好地推进区域污染治理工作提供科学支撑。

1 数据与方法

1.1 研究区域概况

贵州省位于我国西南部，地理位置24°37'～29°37'N、103°37'～109°35'E，下辖9个地州市。贵州经济发展相对滞后、工业基础薄弱，以2012年为例，各州市工业产值仅有贵阳、遵义、六盘水和毕节超过300亿元、其他的均不足200亿元（贵州省统计局，2013）。贵州煤炭资源丰富，是我国南方最大的产煤及煤炭净调出省，同时也是“西电东送”的主力省份。受发达省份快速增长的能源需求驱动，2005—2012年贵州省工业维持高速增长（4—9月平均增速为15.0%），从而使得SO2排放量位于全国前列，在第6～7位，远越GDP排名（国家统计局，2013）。2005—2012年贵州省4—9月火力发电量及SO2年度统计排放量见图1，由图可知，贵州SO2统计排放量自2007年起逐年下降，而火力发电量在2011年结束高速增长后仍保持高位运行未出现显著降低。

图1 贵州省2005—2012年火力发电量(4—9月)及SO2排放量年季变化Fig.1 Inter-annual changes in coal-f red power generation (April to September) and SO2emission of Guizhou Province during 2005—2012

2012年贵州省已建成投产18个大型燃煤火电厂（装机容量＞300 MW），分布在17个区域（区域网格大小：0.375°N×0.375°E，位于同一网格的火电厂视为同一排放源），详细信息见表1，信息来源自国家环境保护部网站公开信息（http://zls. mep.gov.cn/dqwrwkz/）。随着火电领域减排政策的推进，上述大型电厂占全省火电装机总容量（中国电力年鉴编辑委员会，2013）的比例在2012年提升至90.4%，而2005—2012年已脱硫机组占全省总容量的比例分别为0%、6.3%、24.4%、51.5%、96.8%、96.7%、88.5%和90.4%。

1.2 遥感数据及方法

OMI由荷兰芬兰联合建造，于2004年7月搭乘美国国家航空航天局（NASA）近极地太阳同步轨道卫星EOS-Aura发射升空，光谱波段范围为264～504 nm，光谱分辨率为0.42～0.63 nm，空间分辨率为13×24 km2～28×150 km2，时间分辨率为1 d，本地赤道过境时间为13:45（OMI Team，2012）。OMI痕量气体遥感数据集由荷兰皇家气象学院（KNMI）与NASA高达地球科学数据与信息服务中心（GES DISC）联合提供，本研究采用的是NASA OMSO2G（V003）数据集。OMSO2G数据集的PBL（Planetary Boundary Layer） SO2柱数据是基于波段残差（Band Residual Difference，BRD）法（Krotkov et al，2006）进行反演的，对应的是SO2烟羽高度为900米的垂直分布浓度，数值单位为DU（Dobson units，1 DU=2.69×1016molecules/cm2）。相关研究证明（Krotkov et al，2008），PBL SO2柱数据经过计算较大区域或较长时间的像元均值，标准偏差能降低至0.3 DU。

由于遥感观测过程存在着较多的干扰因子（如不理想的气象条件、观测角度及仪器噪声等），若对反演源数据不经预处理直接应用，将会给分析结果带来极大的误差，因而本研究在分析前对OMSO2G源数据进行了3步预处理。第一步，分析中只选取了2005—2012年间4—9月（晴朗天气相对较多）的OMSO2G日数据，并对高云量（radiative cloud fraction ＞0.2）及太阳天顶角过大的像元（solar zenith angle＞70°）进行了剔除。第二步，由于2007年起OMI在测量过程中出现了行异常（row anomaly，http://www.knmi.nl/omi/research/product/rowanomaly-messages.php），因此分析中只选取了未受影响的5～23行（0为起始行）数据。第三步，数据经过前两步筛选后，仍然可能存在着大范围的本地偏差（local biases），因此我们参照了Fioletov et al（2011，2013）提出的数据处理方法，对经前两部筛选的源数据进行了重采样及本地偏差校正处理，进而得到了像元大小为0.025°×0.025°的高分辨率SO2浓度数据。重采样及本地偏差校正计算公式见下，源数据与校正后数据差异对比见图2。

其中：OMIcorrected为经校正处理的像元浓度值；OMIoriginal为经筛选后的OMSO2G源数据；n为落入以待采样像元为中心的0.125°N×0.125°E区域范围内的OMSO2G源数据总数；P10为落入以待校正像元为中心的0.5°N×4.0°E区域范围内的所有OMSO2G源数据的第10百分位数。

分析中应用的火电厂区域SO2浓度值为以火电厂为中心的0.375°N×0.375°E网格范围内的像元浓度均值，为获得更好的统计意义，所有求算的像元SO2浓度均为年度均值。如无特殊说明，本文中提及的遥感SO2浓度年均值皆为当年4—9月的浓度均值。

1.3 火电厂SO2排放量估算

为测算贵州省火电厂SO2排放量理论变化趋势，本文参照了Zhao et al（2008）提出的基于燃煤火电机组的“自下而上”SO2排放清单模型，对省内火电厂在2005—2012年4—9月间的SO2排放量进行了估算，计算公式如下：

其中：E为所有火电厂当年SO2排放量，kg；2为S—SO2质量转换常数；1.4为标准煤—原煤转换常数；j为不同火电厂；U为装机容量，MW；T为机组全年利用小时，h；C为发电标准煤耗，g/kW·h；F为4—9月发电量占全年发电量比例；S为火电厂所用燃煤硫含量；Sr为燃烧后灰分中硫残余量；η为烟气脱硫设备的脱硫效率。

表1 火电厂所在地2005—2012年SO2浓度Table 1 SO2densities over areas with coal-f red power plants during 2005—2012

图2 贵州省2011—2012年SO2平均浓度空间分布图，其中(a)为源数据，(b)为校正后数据Fig.2 Spatial distribution of mean SO2density over Guizhou province during 2011—2012, original data as well as data corrected are shown: (a) original; (b) corrected

在SO2排放量估算中，U、T、E采用《中国电力年鉴2006—2013》（中国电力年鉴编辑委员会，2013）中提供的火电机组装机数据，F采用国家统计局（2013）提供的逐月火力发电量数据，S、Sr、η则参照Zhao et al（2010）的研究成果设定燃煤硫含量为2%、灰分中硫残余量为10%、湿法脱硫效率为90%、流化床法脱硫效率为80%。由于除表1中火电厂之外的其他机组脱硫时间及工艺不明，在排放量估算中假定这部分机组脱硫效率为0，因而最终所得全省火电厂SO2排放量估算值应略高于实际值，尤其是在烟气脱硫率大幅提高的2009—2012年。

2 结果与分析

2.1 SO2时空变化特征

贵州省2005—2012年SO2浓度空间分布特征见图3，图中黑色三角形代表大型燃煤火电厂。由于火电厂烟气脱硫设施的投运时间并不统一，为观测到更具统计意义的污染变化特征，图中的像元SO2浓度为两年均值。

从空间尺度看，SO2空间分布与地区工业产值关系密切，浓度高值（＞1.5 DU）区域主要出现在贵阳、遵义、毕节、六盘水这4个工业相对发达地区，而铜仁、凯里、都匀及遵义地区的东部污染程度较轻；由于贵州的火电厂在规划设计时以坑口电厂为主，因而煤炭资源储备丰富的毕节、六盘水地区火电装机容量大，SO2排放量高。随着火电脱硫工程的建成投运，省内SO2污染得到了一定程度的改善，污染强度总体出现了小幅下降，但工业发达地区浓度均值依然较高（＞1.5 DU）；同时，污染改善特征呈现出显著的空间异质性：即工业相对发达地区观测到的污染改善更为显著，而其他工业欠发达地区则改善不明显、部分区域甚至出现了污染强度逐年上升的迹象，说明省内部分区域的污染增长趋势未受火电减排政策的影响。

从时间尺度上看，工业发达地区呈现出的污染改善在2007—2010年更为显著，而2011年后观测到的环比改善程度已减弱，表明脱硫比例大幅提高后火电厂贡献的SO2减排效益在下降、而其他排放源的新增减排贡献不显著。基于像元的GIS空间统计表明，图3中贵州省2005—2012年间4个时段对应的全省SO2浓度均值分别为1.168 DU、1.180 DU、1.095 DU、1.062 DU，其中2009—2010、2011—2012时段分别比2005—2006时段下降约6.0%和9.0%，表明全省SO2排放总量在2009—2012年间呈现出小幅下降趋势，但2010年后污染环比改善的程度在减弱，这一结果大体与SO2统计排放量在2009年后的趋势相符。

2.2 火电厂区域SO2变化特征

为评估烟气脱硫政策对火电厂周边区域的污染变化影响，分析中求算了2005—2012年贵州省17个大型火电厂区域（区域范围0.375°N×0.375°E）的SO2浓度均值，结果见表1。表1中有10个电厂（标识“*”）在投产发电时没有配备烟气脱硫设施，其他的电厂则在投产发电时实现了烟气同步脱硫。

图3 2005—2012年贵州省SO2浓度空间分布图((a).2005—2006年；(b).2007—2008年；(c).2009—2010年；(d).2011—2012年)Fig.3 Spatial distribution of mean SO2density over Guizhou province during 2005—2012 where a: 2005—2006, b: 2007—2008, c: 2009—2010 and d: 2011—2012

分析表1中浓度数据发现，上述17个火电厂所在地SO2浓度在2005—2012年间观测到的变化特征呈现出与2.1部分相似的空间分布异质性：即位于工业发达地区的火电厂所在地的污染改善更为显著，而位于欠发达地区的污染改善则不明显、部分区域污染强度甚至出现了显著增加。这一结果表明，在火电厂脱硫工程全面投运后，贵州省内仍有不少火电厂所在地区域的SO2污染出现了持续上升的态势，如果火电厂不存在人为因素造成的排放异常，那么这一污染增长趋势应与区域内其他污染源的排放变化关系密切。

2.3 SO2变化趋势的区域差异

为更好地反映贵州省内SO2污染变化趋势的空间差异，分析中基于像元将2005—2012年4—9月的SO2平均浓度与年份进行了简单相关系数（r）计算，若相关系数r＜−0.3则认为该像元对应区域的SO2污染在研究时段内呈现下降趋势、污染得到了改善；反之，若r＞0.3则认为污染呈现上升趋势，出现了恶化。相关系数空间分布见图4。

基于GIS空间统计分析表明，2005—2012年贵州省SO2污染总体呈现出小幅改善态势，但污染的变化存在着显著的空间差异：其中，SO2浓度出现下降的区域占全省面积的34.8%，主要分布在工业发达地区；SO2浓度出现上升的区域占全省面积的19.4%，主要分布在铜仁、凯里、兴义等欠发达地区。这一结果表明，2005—2012年贵州省实施的火电厂烟气脱硫仅改善了省内部分工业相对发达地区的SO2污染强度，而其他工业欠发达地区的SO2污染强度则出现了持续增长的趋势、污染减排未取得明显成效，这一现象应与贵州省近年来的经济增长模式关系密切。

图4 2005—2012年贵州省SO2变化趋势空间分布Fig.4 Spatial distribution of variation trend of SO2in Guizhou province during 2005—2012

贵州省属西部经济欠发达地区，在农业与服务业并不具备区位竞争优势的前提下，大力发展工业成为了近年来拉动省内经济增长的主要途径，而丰富的煤炭储量则为工业增长提供了的重要资源保障。贵州省2005—2012年工业年均同比增速为16.2%、增加值占GDP年均比重为39.3%，而同期煤炭消费年均增速为7.7%、省内能源消费强度（吨标准煤/万元GDP）则高于全国平均水平1倍以上（国家统计局，2013），说明经济增长表现出对煤炭资源的高度依赖。在煤炭消费量快速增长的大背景下，工业欠发达地区由于大型火电企业相对较少、总体工业生产水平落后、能源转换效率低等因素，使得近年来区域内的SO2污染受火电领域减排政策影响较少而呈现出持续增长的趋势。尽管2012年上述工业欠发达地区SO2污染强度仍总体维持较低水平（＜ 1 DU），但考虑到贵州省较大的工业增长潜力及高度的能源依赖，若不及时推出有针对性的污染排放控制政策，上述地区未来很有可能成为省内新的高污染区域。

2.4 火电厂SO2排放量估算

为对比遥感观测结果，本文利用公式(2)对贵州省2005—2012年4—9月燃煤火电厂领域的SO2排放量进行了估算，结果见图5。

图5 贵州省2005—2012年燃煤火电厂SO2估算排放量及烟气脱硫率Fig.5 SO2emissions estimated and operation rate of FGD of coal-f red power plants in Guizhou Province during 2005—2012

由图5可知，火电厂4—9月SO2估算排放量在2006年达到峰值，随后因烟气脱硫比例的提升在2008年后出现显著下降，并在2009—2012年维持低排放水平，4年平均排放量比2005年下降约88.0%；从年际变化上看，估算排放量的显著下降出现在2008—2009年，年际环比变化特征与2.1部分中的遥感观测结果一致。从图5中的排放量走势可以看出，在火电厂烟气脱硫设施运转正常的前提下，2009年后贵州省因烟气脱硫政策驱动的新增SO2减排贡献已很有限，未来的排放约束政策应尽快拓展至其他污染源以确保省内SO2排放总量持续降低。

3 结论

（1）贵州省SO2污染的分布及改善呈现出显著的空间异质性，全省平均污染强度在实施火电厂烟气脱硫政策后出现了总体小幅下降趋势，但工业欠发达地区的污染未得到明显改善、部分区域甚至表现出持续增长的趋势。

（2）火电厂脱硫政策在贵州省的SO2减排工作中已呈现出显著的局限性，烟气脱硫设施的全面投运并未驱动省内火电厂周边区域的污染变化呈现出趋同性改善，部分区域出现的污染加重的潜在风险不容忽视。

（3）基于火电厂排放清单模型的排放量估算表明，随着火电领域减排红利的逐年递减及其他污染源排放量的持续增长，贵州省未来的SO2污染排放仍存在再次上升的可能。

鉴于贵州省当前较高的工业增长潜力及过高的能源依赖，我们认为相关管理部门应引起足够的重视，尽快启动针对其他污染源的限排措施、切实提升地区能源资源转化利用效率，从而确保经济快速增长的同时，大气环境得到持续改善。

致谢：感谢美国国家航空航天局（NASA）高达地球科学数据与信息服务中心（GES DISC）提供OMI SO2G数据。

贵州省统计局. 2013. 贵州统计年鉴—2013[M]. 北京: 中国统计出版社. [Guizhou Bureau of Statistics. 2013. Guizhou Statistical Yearbook—2013 [M]. Beijing: China Statistics Press.]

国家环境保护部. 2005a. HJ/T 178-2005. 火电厂烟气脱硫工程技术规范烟气循环流化床法 [S]. 北京: 中国环境科学出版社. [Ministry of Environmental Protection. 2005a. HJ/T 178-2005. Flue gas circulation f uidized bed desulfurization project technical specification of thermal power plant [S]. Beijing: China Environment Science Press.]

国家环境保护部. 2005b. HJ/T 179-2005.火电厂烟气脱硫工程技术规范石灰石/石灰-石膏法 [S]. 北京: 中国环境科学出版社. [Ministry of Environmental Protection. 2005b. HJ/T 179-2005. Flue gas limestone/limegypsum desulfurization project technical specification of thermal power plant [S]. Beijing: China Environment Science Press.]

国家环境保护部. 2011-11-07 [2014-08-01].关于公布2010年脱硫设施不正常运行电厂名单及处罚结果的公告[EB/ OL]. http://www.mep.gov.cn/gkml/hbb/bgg/201111/ t20111122_220400.htm. [Ministry of Environmental Protection. 2011-11-07 [2014-08-01]. Circular on publishing the list of power plants with flue gas desulfurization devices irregular running in 2010 and the result of punishments [EB/OL]. http://www.mep.gov.cn/ gkml/hbb/bgg/201111/t20111122_220400.htm.]

国家环境保护部. 2014-06-11 [2014-08-01]. 关于对2013年脱硫设施存在突出问题企业予以处罚的公告[EB/ OL]. http://www.mep.gov.cn/gkml/hbb/bgg/201406/ t20140612_276862.htm. [Ministry of Environmental Protection. 2014-06-11 [2014-08-01]. Circular on punishments for companies with prominent problems on flue gas desulfurization devices in 2013 [EB/ OL]. http://www.mep.gov.cn/gkml/hbb/bgg/201406/ t20140612_276862.htm.]

国家统计局. 2013 [2014-08-01]. 国家统计数据：2005—2012 [EB/OL]. http://data.stats.gov.cn/index. [National Bureau of Statistics. 2013 [2014-08-01]. National statistic data: 2005—2012 [EB/OL]. http://data.stats.gov. cn/index.]

国务院办公厅. 2010-11-23 [2014-08-01]. 国务院办公厅关于确保居民生活用电和正常发用电秩序的紧急通知[EB/OL]. http://www.gov.cn/zwgk/2010-11/23/content_1751457. htm. [General Office of the State Council. 2010-11-23 [2014-08-01]. Urgent circular on assuring the electricity for civil living and the regular order on electricity generation and utilization [EB/OL]. http://www.gov.cn/ zwgk/2010-11/23/content_1751457.htm.]

中国电力年鉴编辑委员会. 2013. 中国电力年鉴2005—2013 [M]. 北京: 中国电力出版社. [Editorial Committee of China Electric Power Yearbook. 2013. China Electric Power Yearbook 2005—2013 [M]. Beijing: China Electric Power Press.]

Carn S A, Krueger A J, Krotkov N A, et al. 2007. Sulfur dioxide emissions from Peruvian copper smelters detected by the Ozone Monitoring Instrument [J]. Geophysical Research Letters, 34, L09801, doi:10.1029/2006GL029020.

Fioletov V E, McLinden C A, Krotkov N, et al. 2013. Application of OMI, SCIAMACHY, and GOME-2 satellite SO2retrievals for detection of large emission sources [J]. Journal of Geophysical Research: Atmospheres, 118(19): 11399–11418.

Fioletov V E, McLinden C A, Krotkov N, et al. 2011. Estimation of SO2emissions using OMI retrievals [J]. Geophysical Research Letters, 38, L21811, doi:10.1029/2011GL049402.

Gao C L, Yin H Q, Ai N S, et al. 2009. Historical Analysis of SO2Pollution Control Policies in China [J]. Environmental Management, 43(3): 447–457.

Krotkov N A, Carn S A, Krueger A J, et al. 2006. Band residual difference algorithm for retrieval of SO2from the Aura Ozone Monitoring Instrument (OMI) [J]. IEEE Transactions on Geoscience and Remote Sensing, 44(5): 1259 –1266.

Krotkov N A, McClure B, Dickerson R R, et al. 2008. Validation of SO2retrievals from the Ozone Monitoring Instrument over NE China [J]. Journal of Geophysical Research: Atmospheres, 113, D16S40,doi:10.1029/2007JD008818.

Li C, Zhang Q, Krotkov N A, et al. 2010. Recent large reduction in sulfur dioxide emissions from Chinese power plants observed by the Ozone Monitoring Instrument [J]. Geophysical Research Letters, 37, L08807, doi: 10.1029/2010GL042594.

Lu Z, Streets D G, de Foy B, et al. 2013. Ozone Monitoring Instrument observations of interannual increases in SO2emissions from Indian coal-fired power plants during 2005—2012 [J]. Environmental Science & Technology, 47(24): 13993–14000.

Lu Z, Zhang Q, Streets D G. 2011. Sulfur dioxide and primary carbonaceous aerosol emissions in China and India, 1996—2010 [J]. Atmospheric Chemistry and Physics, 11: 9839–9864.

Martin R V. 2008. Satellite remote sensing of surface air quality [J]. Atmospheric Environment, 42(34): 7823–7843.

McLinden C A, Fioletov V, Boersma K F, et al. 2012. Air quality over the Canadian oil sands: A first assessment using satellite observations [J]. Geophysical Research Letters, 39, L04804, doi:10.1029/2011GL050273.

OMI Team. 2012-01-05 [2014-08-01]. Ozone Monitoring Instrument (OMI) Data User's Guide [EB/OL]. ftp:// acdisc.gsfc.nasa.gov/data/s4pa//Aura_OMI_Level2G/ OMTO3G.003/doc/README.OMI_DUG.pdf.

Poon J P H, Casas I, He C. 2006. The impact of energy, transport, and trade on air pollution in china [J]. Eurasian Geography and Economics, 47(5): 568–584.

Spinei E, Carn S A, Krotkov N A, et al. 2010. Validation of ozone monitoring instrument SO2measurements in the Okmok volcanic cloud over Pullman, WA, July 2008 [J]. Journal of Geophysical Research: Atmospheres (1984—2012), 115, D00L08, doi:10.1029/2009JD013492.

Streets D G, Canty T, Carmichael G R, et al. 2013. Emissions estimation from satellite retrievals: A review of current capability [J]. Atmospheric Environment, 77: 1011–1042.

Yang K, Krotkov N A, Krueger A J, et al. 2007. Retrieval of large volcanic SO2columns from the Aura Ozone Monitoring Instrument: Comparison and limitations [J]. Journal of Geophysical Research: Atmospheres (1984–2012), 112, D24S43, doi:10.1029/2007JD008825.

Zhao Y, Wang S, Duan L, et al. 2008. Primary air pollutant emissions of coal-fired power plants in China: Current status and future prediction [J]. Atmospheric Environment, 42: 8442–8452.

Zhao Y, Wang S, Nielsen C P, et al. 2010. Establishment of a database of emission factors for atmospheric pollutants from Chinese coal-fired power plants [J]. Atmospheric Environment, 44: 1515–1523.

Effectiveness evaluation of SO2emission reduction in Guizhou Province by OMI satellite remote sensing

SONG Hua-xiang, YANG Min-hua
(School of Geosciences and Info-Physics, Central South University, Changsha 410083, China)

In order to evaluate the impact of the emission reduction policy for coal-f red power plants on regional SO2pollution, the spatio-temporal variation characteristics of the SO2density by satellite remote sensing from the Ozone Monitoring Instrument (OMI) and the emission estimate by inventory in Guizhou province from 2005 to 2012 were investigated. Then the variation trend of pollution and the response of pollution to policy in different area were analyzed by GIS methods on the spatiotemporal scale. The main conclusions were as follows: (1) The overall SO2densities of whole Guizhou declined moderately after 2008, but the reduction in regional SO2pollution showed an obvious spatial heterogeneity. In industrial underdeveloped area, the improvement for pollution was scarce and the SO2densities have kept increasing in some regions. (2) A consistent decline in SO2densities over areas around the coal-fired power plants, which might be brought by the flue gas desulfurization (FGD) system, did not appear. In contrast, the ascending trend of SO2densities in some areas still existed even if the FGD was running. Correlation analysis of the SO2density to year indicated that a single policy in power plants was limited for the SO2emission reduction, because the policy's impact on the pollution in industrial underdeveloped regions was poor by far. (3) Bottom-up emission estimates of the coal-f red power plants suggested that the SO2emission reduction coming from the power plants has declined signif cantly since 2009. Consequently, more reasonable and sustainable emission reduction policies in Guizhou province, especially emission restrictions for other large emission sources, should be pushed out in the near future.

environmental remote sensing; OMI; SO2; power plants; emission reduction policy evaluation

X831

：A

：1674-9901(2014)05-0319-09

10.7515/JEE201405003

2014-09-02

杨敏华，E-mail: cn11028719@163.com