1995~2015年中国风蚀扬尘TSP、PM10和PM2.5排放清单及未来趋势预测

吴一鸣,王乙斐,周怡静,焦丽君,田贺忠*



1995~2015年中国风蚀扬尘TSP、PM10和PM2.5排放清单及未来趋势预测

吴一鸣1,2,王乙斐1,周怡静1,焦丽君1,田贺忠1,2*

(1.北京师范大学环境学院,环境模拟与污染控制国家重点联合实验室,北京 100875；2.北京师范大学,大气环境研究中心,北京 100875)

通过收集1995~2015年中国大陆31个省级行政区风速、降水量和气温地面站数据, 结合各省、市自治区的土地利用分布及每种土地利用类型对应的土质类型,基于环保部推荐的起尘模型建立了1995~2015年中国风蚀扬尘颗粒物(TSP、PM10和PM2.5)排放清单.研究表明,在本研究的时间序列中,中国土壤风蚀扬尘颗粒物排放量呈现波动的趋势,2015年全国风蚀扬尘颗粒物TSP、PM10和PM2.5的年排放量分别约为2.27×107、6.77×106和1.17×106t.排放量的空间分布总体上呈现“北强南弱”,并且以“黑河-腾冲”一线为界呈现“西强东弱”的排放格局,排放强度最大的地区出现在内蒙古西部和新疆大部.基于IPCC对于未来气候变化的预测情景,估计了未来风蚀扬尘颗粒物的排放变化趋势,在降水和气温共同作用下,不考虑风速变化,2100年的排放量相对2005年的变化幅度在-8.5 %~7.7 %之间,降水量增多会抑制风蚀扬尘颗粒物排放,温度升高则会使得地表更容易产生风蚀扬尘颗粒物.

风蚀扬尘；颗粒物；排放清单；自然源；时空变化特征

当前,人为源大气污染物排放受到普遍重视,并作为污染减排和控制的重点[1].在关注人为源控制的同时,以土壤风蚀扬尘为代表的自然源大气排放尚未引起全社会持续足够关注[2].自然源排放是指有土壤风蚀、生物质燃烧、火山爆发、生物活动、海盐气溶胶喷雾、闪电等自然活动造成的大气排放,相应的源类被称为大气自然源[3–6].作为大气排放清单不可缺少的一部分,编制完整详细的自然源排放清单,对区域空气质量模式模拟和预报的准确性具有重要意义[7-8].

土壤风蚀扬尘排放是大气颗粒物的一种重要自然排放来源[9–12].在风力驱动下,由地表风蚀排放的大气颗粒物能够在不同的区域间进行长距离迁移,从远离城市的地方向城市迁移,进而对城市及区域大气环境产生影响.我国北方地区春季经常出现的扬沙、沙尘暴等天气现象就是土壤风蚀扬尘排放及迁移的具体体现[11–14].因此,了解土壤风蚀扬尘排放,对完善大气排放清单及正确评估区域环境状况具有重要意义[15-16].

本文基于数据库调研分析,根据历史气象记录和土地利用类型等统计资料,参照US EPA[17]、环保部《扬尘源颗粒物排放清单编制技术指南(试行)》[18](下称《指南》)以及有关研究[19-20]推荐方法,估算了1995~2015年中国土壤风蚀扬尘TSP、PM10和PM2.5的排放量,分析了风蚀扬尘颗粒物排放历史趋势、当前的空间分布特征,并对未来排放变化趋势进行了情景预测.从而为完善大气污染源排放清单,解析污染源预测气候影响模拟模式的研究提供基础数据,并为制定相关大气污染控制对策提供科学依据.

1 材料与方法

1.1 估算方法

本研究参考《指南》[18]推荐方法,估算了1995~ 2015年中国风蚀扬尘TSP、PM10和PM2.5的排放量.主要的计算公式如下:

D

=

k

´

I

we

´

f

´

L

´

V

(2)

PE=1.099

´

p

/[0.5949+(0.1189

T

a

)] (4)

式中:为土壤风蚀扬尘中颗粒物(TSP、PM10和PM2.5)的年排放量,t/a;D为省中土壤利用类型所对应的起尘因子,t/(104m2·a);为气候因子,表征气象因素对土壤扬尘的影响;为污染控制技术对扬尘的去除效率,%,对不同粒度颗粒物选取的参数不同,参考《指南》推荐值;为对应土地利用类型的面积,104m2;式(2)中的为目标颗粒物在土壤扬尘中的百分含量,本研究参考《指南》选取TSP、PM10和PM2.5的值分别为1,0.3和0.05;we为土壤风蚀指数,具体计算方法见1.3节所述;为地面粗糙因子,反映地表的粗糙程度,本研究参考《指南》推荐值,将耕地、林地、园地和草地4种覆盖形式视为地表粗糙型土地利用类型取0.5,其余类型视为光滑地表,均取值为1.0;为无屏蔽宽度因子,由于本研究为宏观大尺度研究,忽略不同区域边界的屏蔽宽度,统一取值为1.0;为植被覆盖因子,反映了裸土面积占总面积的比例,参照《指南》方法进行计算;为年均风速,m/s;PE为桑氏威特降水—蒸发指数[18];为年降水量,mm;T为站点年均温度,℃.

1.2 土地面积选取

本研究以土地面积作为风蚀扬尘源大气颗粒物排放的活动水平.将中国的土地利用类型划分为耕地、林地、园地、草地、荒漠化土地、湿地和其他等7大类,14小类.汇总并采用《国土资源统计年鉴》[21](耕地、园地、草地和其他)、《中国林业统计年鉴》[22](林地、荒漠化土地和湿地)公布的分省土地利用面积统计值,作为2015年的地表土壤活动水平.

1.3 排放因子

1.3.1 起尘因子的选取 作为排放因子计算过程中最重要的参数之一,起尘因子反映了土壤的起尘能力,是土壤表层自身性质的体现[11,14].中国土壤数据库[23]中详细收录了中国每个县级行政区中所有的土地利用类型和对应的土质类型,中国湿地科学数据库[24]中详细收录了中国各省湿地的土质类型情况.本研究收集汇总了每个省份不同土地利用类型的对应表土的土质类型,共随机选取了1007个样本(包括865个土壤样本和142个湿地样本),每个省份每种土地利用类型至少选取3个样本,若某省份某种土地利用类型的土质类型并未被上述数据库收录,则选取其周围省份对应土地利用类型的平均土质类型作为其土质类型,如“宁夏自治区-园地”的土质类型即为1/2黏壤土(甘肃省-园地)+1/2壤质黏土(陕西省-园地).由于内蒙古自治区东西距离过长,和宁夏相交的边界有限,因此未考虑其对宁夏的影响.

《指南》中较为详细的给出了各类土质类型起尘因子的参考值,能较真实的反映我国不同类型土壤的起尘能力.由于缺乏实测条件,本文按照先前确定的土质类型确定并计算各个省份的“平均起尘因子”,以期尽可能接近实际,达到排放因子本地化精细化的目的.

1.3.2 气候因子的选取 选取中国气象数据网[25]和《中国统计年鉴》[26]收集的1995~2015年全国31个省级行政区省会气象地面站历史年平均气温、降水量和站点风速数据作为本文相关参数估算的基础数据.

2 结果与讨论

2.1 历史排放趋势

基于桑氏威特降水蒸发指数计算气候因子的方法,自下而上核算了1995~2015年中国土壤风蚀扬尘TSP、PM10和PM2.5的年排放量变化趋势如图1所示.近20年,中国土壤风蚀扬尘颗粒物排放量呈现波动的趋势.估算2015年全国风蚀扬尘颗粒物TSP、PM10和PM2.5的年排放量分别约为2.27´107、6.77´106和1.17´106t.在1995~2015年间,1997,2001和2008年出现了3次排放峰值,其中1997年为排放量最高的年份,其TSP、PM10和PM2.5的年排放量分别约为4.50´107,1.36´107和2.31´106t,排放强度和早先使用同一种计算模型的相关研究结果处于同一水平[9,11-12],但其他学者使用修正的土壤风蚀方程(revised wind erosion equation,RWEQ)、综合风蚀模拟系统(Integrated Wind Erosion Modeling System, IWEMS)等利用遥感反演数据作为输入的风蚀扬尘排放模型计算所得的排放强度的结果远高于本研究[13-14].推测结果产生差异的原因是由于不同计算模型应用在不同尺度的研究区域会产生系统误差,并且遥感反演识别土地利用类型的结果和年鉴统计值也会存在误差,其他研究也发现了类似问题[8].对比不同研究,虽然各研究区域的风蚀扬尘颗粒物排放量受风速影响较大,呈逐年波动趋势,但不论是北方地区还是全国,排放总量与强度均呈现缓慢下降的态势,也从侧面说明我国防沙治沙有一定成效[13-14].此外,自2009年至今,排放量的波动趋势较为平稳;2012年后,颗粒物排放量分地区贡献有所改变(图2).随着华北地区局地气象条件的变化,如年均风速增大,土壤风蚀扬尘颗粒物的排放量呈现逐年上升趋势.

图1 1995~2015年中国风蚀扬尘TSP、PM10和PM2.5排放变化趋势 Fig.1 Historical trends of TSP, PM10 and PM2.5 emissions from wind erosion in China, 1995~2015

2.2 排放量分地区贡献

按照省级行政区所属的地理分区核算了中国6大地理分区的排放量贡献,TSP、PM10和PM2.5的分区域贡献比例相似.由图2可知,1997,2001和2008年等峰值年份的分区域排放量构成具有显著特点,对应年份西北地区的排放量占全国排放总量的90%左右.这主要是由于新疆沙漠地区,如塔克拉玛干沙漠和古尔班通古特沙漠(位于准噶尔盆地)出现持续大风和沙尘暴等极端天气所致.Xuan等[11-12]早先使用US EPA方法核算20世纪末中国北方地区扬尘排放量约为2.50´107t,稍低于本研究的结果,但考虑到计算模型中所选取参数的精确程度存在出入,可以认为本研究结果与其基本相符.

2014和2015年,华北地区省份的排放量占比增高,超过了排放总量的50%,主要原因是内蒙古中西部地面风速明显增长[27],使得巴丹吉林沙漠的土壤风蚀扬尘排放量升高.同时,西北地区2014~2015年间的平均风速相较于2000~2005年间平均风速有所下降,导致其排放量相对于其他年份也有所降低.两者共同作用导致了区域贡献比例产生变化.

2.3 2015年全国土壤风蚀扬尘排放空间分布特征

采用中国科学院资源环境科学数据中心[28]提供的2015年中国土地利用现状遥感监测数据进行排放量空间分布,利用ArcGIS软件(V10.2)将原始栅格数据归类为6种主要的土地利用类型(荒漠化土地和湿地合并称为未利用土地),重采样为9km´9km分辨率的网格化空间分布数据,分省份分配对应土地利用类型的风蚀扬尘颗粒物排放量.

图3 2015年土壤风蚀扬尘颗粒物排放空间分布 Fig.3 Spatial distribution of PM emissions from soil wind erosion in 2015 (a)TSP, (b)PM10, (c)PM2.5, (d)土地利用类型

如图3所示,全国风蚀扬尘排放总体呈现“北强南弱”的空间分布,这主要是由于北方和南方地区气候和地表覆盖程度的差异所致.其中,排放强度最大的地区位于内蒙古的巴丹吉林沙漠以及新疆哈密的戈壁地区,这与早年间有关中国北方扬尘排放的研究结果相吻合[11-12].其排放量高的原因主要是由于该地区常年高温干旱,年平均风速高[29],加之沙漠地区表土质地疏松所致.基于类似原因,塔里木盆地、吐鲁番盆地和准噶尔盆地的排放强度也较高.由于草原沙化程度严重,内蒙东部地区草原的颗粒物排放量较为显著.华北地区存在大面积耕地,地表覆盖较好,对扬尘的去除效率较高,使得排放强度相对于荒漠化地区较弱.而南方地区除了大面积森林与林地覆盖外,降水多、湿度较大也是另外一个导致风蚀扬尘排放强度较弱的原因.

另外,风蚀扬尘颗粒物排放量以“黑河-腾冲”(胡焕庸线)一线为界,呈现出比较明显的“西强东弱”格局.中国东部是经济发达和人口聚集区域,城市化程度较高,自然状态下的裸土面积较少,西部地区的地表覆盖仍然保持较为自然和原始的状态[30].因此,可以认为经济发展与城市化导致地表覆盖(植被、城市建筑、铺装道路等)比例上升,裸土面积减少,是造成风蚀扬尘颗粒物排放呈现“西强东弱”空间分布特征的主要原因,进一步推测人类活动对风蚀扬尘大气颗粒物排放可能造成显著影响.

2.4 未来趋势预测

根据《IPCC气候变化2014综合报告》[31]基于人类活动水平控制不同情景的预测结果,以2005年为基准年,以2035,2065和2100为节点年份,设计了4种不同气温和降水量变化的情景(表 1),预测风蚀扬尘颗粒物排放量的变化,由于缺乏相关人类活动控制情景下风速变化的预测,情境中并未考虑风速变化,节点年份之间各年份气象参数采用线性插值,预测结果如图4所示.

在低情景下,降水量增长相对气温上升为主导的气象因素,桑氏威特降水—蒸发指数(PE)所代表的表土干燥度不断下降.因此,低情景下的排放量持续下降.到2035年,风蚀扬尘颗粒物年排放量将相比2005年排放量下降约3.5%;2100年低情景下风蚀扬尘颗粒物年排放量将相对2005年下降约8.5%.

表1 基于IPCC长报告[31]的2035~2100年情景设计 Table 1 Prediction of meteorological parameters, 2035~2100

注:表中气象参数以2005年数据为基准,正值表示目标年参数高于2005年;反之,负值则表示低于2005年.

中低情景下2035年的气温变化与低情景相同,而降水量相对低情景有所上升,相对于低情景,更加抑制了风蚀扬尘的排放.到2035年,全国风蚀扬尘颗粒物年排放量相对于低情景降低幅度更大,达到约4.5%;而后由于气温明显上升,导致其排放量有所回升,在2065年达到最高点;21世纪后期,由于升温减缓、降水增多,排放量有所下降,到2100年时,排放量将回落到2035年左右的水平.

中高情景下,由于降水和温度的增速基本趋同,因此对气候因子的影响不是很大,未来长时间内的排放量基本上保持现有水平.高情景下温度变化将成为影响排放量的主导因素,随着温度的快速上升,地表土壤的干燥程度不断加强,导致排放量不断上升.相对于2005年,高情景下2100年时的排放量将上升约8%,TSP、PM10和PM2.5的排放量将分别超过2.50´107,7.65´106和1.30´106t.

此外,近年来人类活动对环境和气候都造成了一定影响,极端天气频发.因此,未来不排除由于极端天气导致的排放量急剧增高(荒漠化地区持续强风天气)、下降(大面积长时间强降雨)及波动.

2.5 不确定性来源分析

为了更精确估计风蚀扬尘颗粒物排放量,总结现有排放清单的数据来源和计算方法,本研究在排放量估算部分仍存在以下不确定性:(1)逐网格的地表土壤质地和土地利用数据对获得更精确的排放量和更准确的空间分布特征会有所帮助;(2)本研究采用地面气象站点的观测数据计算所需的气候因子,数据虽然具有代表性,但精细程度仍有提高的空间,因此,在计算中若能有更精细的气象数据支持,可以更直接地获得更详细的历史趋势与空间分布特征;(3)本研究所采用颗粒物百分含量、地面粗糙因子等参数均选取排放清单指南中的推荐值,取值较为单一,在一定程度上增大了不确定性;为了获取更为精确的排放因子,估算更为准确的排放量,得到更符合实际情况的空间分布,分地区及土地利用类型进行精细化的参数本地化工作是十分必要的;(4)应进一步完善起尘量的估算方法,半经验公式(桑氏威特降水蒸发指数)计算排放量的方法的适用性有限,应根据不同地区及不同地表覆盖类型情景的起尘机理研究更先进可靠的计算方法;此外,受气候条件的影响,中国的风蚀作用主要发生在冬春季,采用年均气候参数的方法虽然可以“削峰平谷”,在一定程度上可使年排放量估计接近真实,但若要实现高时空精度的动态排放清单,使其更合理地输入空气质量模式模拟及预报,需要结合高时空分辨率的气象数据和土地利用活动水平建立更为先进的高时间和空间分辨率的风蚀扬尘颗粒物排放量估算方法.

3 结论

3.1 1995~2015年中国土壤风蚀扬尘颗粒物排放量呈现波动的趋势.2015年全国风蚀扬尘颗粒物TSP、PM10和PM2.5的年排放量分别约为2.27´107, 6.77´106和1.17´106t,排放主要集中在地表裸露范围广、而又干燥少雨多风的西北地区.值得注意的是,受北方地区气候变暖等因素影响,近年来华北地区的排放占比有所升高.

3.2 由于气候和地表覆盖程度有所差异,全国风蚀扬尘排放量总体呈现“北强南弱”的空间分布格局;此外,因为地区人口分布和经济发展带来的地表覆盖差异,风蚀扬尘颗粒物排放量以“黑河-腾冲”(胡焕庸线)一线为界,呈现出比较明显的“西强东弱”特征.

3.3 在降水量增长相对于气温上升为主导的气象因素的低情景下,土壤风蚀扬尘排放量将持续下降;而在高情景下,随着气温的明显上升,排放量将呈现持续上升的情况,到2100年高情景下的风蚀扬尘颗粒物排放量将上升约8%.因此,针对“北强南弱”和“西强东弱”的排放分布特征,各地区应因地制宜采取植树造林、退耕还林(草)等能有效恢复地表植被覆盖和防风固沙的综合防治措施,抑制土壤风蚀扬尘排放.

[1] Li M, Liu H, Geng G, et al. Anthropogenic emission inventories in China:a review [J]. National Science Review, 2017,(6):834-866

[2] Nriagu J O. Global inventory of natural and anthropogenic emissions of trace metals to the atmosphere [J]. Nature, 1979,279(279):409–411.

[3] Nriagu J O. A global assessment of natural sources of atmospheric trace metals [J]. Nature, 1989,338(6210):47–49.

[4] 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.Chi Y, Xie S. Spatiotemporal Inventory of Biogenic Volatile Organic Compound Emissions in China Based on Vegetation Volume and Production [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2012,48(3):475–482.

[5] Yamasoe M A, Artaxo P, Miguel A H, et al. Chemical composition of aerosol particles from direct emissions of vegetation fires in the Amazon Basin: Water-soluble species and trace elements [J]. Atmospheric Environment, 2000,34(10):1641–1653.

[6] Blanchard D C. The Production, Distribution, and Bacterial Enrichment of the Sea-Salt Aerosol [M]. Springer Netherlands, 1983.

[7] Liu S, Hua S, Wang K, et al. Spatial-temporal variation characteristics of air pollution in Henan of China: Localized emission inventory, WRF/Chem simulations and potential source contribution analysis [J]. Science of The Total Environment, 2018,624:396–406.

[8] 刘奥博,吴其重,陈雅婷,等.北京市平原区裸露地风蚀扬尘排放量[J]. 中国环境科学, 2018,38(2):471–477. Liu A, Wu Q, Chen Y, et al. Estimation of dust emissions from bare soil erosion over Beijing plain area[J]. China Environmental Science, 2018,38(2):471–477.

[9] 宣 捷.中国北方地面起尘总量分布[J]. 环境科学学报, 2000,20(4): 426–430. Xuan J.Dust emission inventory from ground surfaces in Northern China [J].Acta Scientiae Circumstantiae, 2000,20(4):426–430.

[10] 成天涛,吕达仁,徐永福.浑善达克沙地起沙率和起沙量的估计[J]. 高原气象, 2006,25(2):236–241. Cheng T, Lv D, Xu Y, Emistation on dust emission from ground surface in hunshandake sandland [J]. Plateau Meteorology, 2006, 25(2):236–241.

[11] Xuan J. Dust emission factors for environment of Northern China [J]. Atmospheric Environment, 1999,33(11):1767–1776.

[12] Xuan J, Liu G L, Du K. Dust emission inventory in Northern China.[J]. Atmospheric Environment, 2000,34(26):4565–4570.

[13] Song H, Zhang K, Piao S, et al. Spatial and temporal variations of spring dust emissions in northern China over the last 30years [J]. Atmospheric Environment, 2016,126(3):117–127.

[14] Jiang L, Xiao Y, Zheng H, et al. Spatio-temporal variation of wind erosion in Inner Mongolia of China between 2001 and 2010 [J]. Chinese Geographical Science, 2016,26(2):155–164.

[15] 徐媛倩,姜 楠,燕启社,等.郑州市裸露地面风蚀扬尘排放清单研究[J]. 环境污染与防治, 2016,38(4):22–27. Xu Y, Jiang N, Yan Q, et al.Research on emission inventory of bareness wind erosion dust in Zhengzhou [J]. Environmental Pollution & Control, 2016,38(4):22–27.

[16] 王社扣,王体健,石 睿,等.南京市扬尘源排放清单估计[C]//沈阳:中国气象学会, 2012.

[17] U.S.EPA. Guideline for Development of Control Strategies in Areas with Fugitive Dust Problems [Z]. 1977.EPA-405/2-77-029.

[18] 环境保护部.扬尘源颗粒物排放清单编制技术指南(试行) [M/OL]. 2014.http://www.zhb.gov.cn/gkml/hbb/bgg/201501/t20150107_293955.htm.

[19] Thornthwaite C W. An Approach toward a Rational Classification of Climate [J]. Geographical Review, 1948,38(1):55–94.

[20] Gillette D A, Passi R. Modeling dust emission caused by wind erosion [J]. Journal of Geophysical Research Atmospheres, 1988,93(D11): 14233–14242.

[21] 国土资源部.国土资源统计年鉴 [M]. 北京:国土资源部, 2009. Ministry of Natural Resources of the People’s Republic of China, Statistical Yearbook of Land and Resources [M]. Beijing: Ministry of Natural Resources of the People’s Republic of China, 2009.

[22] 国家林业局.中国林业统计年鉴 [M]. 北京:中国林业出版社, 2015. National Forestry Administration.Forestry Statistical Yearbook of China [M]. Beijing: China Forestry Publishing House, 2015.

[23] 中国科学院南京土壤研究所CERN土壤分中心.中国土壤数据库 [EB/OL](2016) [2018-08-07].http://vdb3.soil.csdb.cn/.CERN,the Institute of Soil Science, Chinese Academy of Sciences. China soil database[EB/OL](2016)[2018-08-07].http://vdb3.soil.csdb. cn/.

[24] 中国科学院东北地理与农业生态研究所.中国湿地科学数据库 [EB/OL](2010)[2018-08-07].http://www.marsh.csdb.cn/. The Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences. China wetland scientific database [EB/OL] (2010)[2018-08-07].http://www.marsh.csdb.cn/.

[25] 国家气象信息中心.中国地面累年值日值数据集(1981~2010年) [EB/OL](2012)[2018-08-07].http://data.cma.cn. National Meteorological Information Center.Dataset of annual surface observation values in individual years (1981-2010) in China [EB/OL] (2012) [2018-08-07].http://data.cma.cn.

[26] 中华人民共和国国家统计局.中国统计年鉴 [M]. 北京:中国统计出版社, 2016.National Statistical Bureau of the People's Republic of China.China Statistical Yearbook [M]. Beijing: China Statistical Publishing House, 2016.

[27] 潘 霞,高 永,刘 博,等.近36年呼和浩特地区风速变化特征分析 [J]. 内蒙古农业大学学报(自然科学版), 2017,38(4):15-21. Pan X, Gao Y, Liu B, et al. Analysis of wind speed variation in hohhot over the past 36years [J].Journal of Inner Mongolia Agricultural University (Natural Science Edition), 2017,38(4):15-21.

[28] 中国科学院资源环境科学数据中心.2015年中国土地利用现状遥感监测数据 [EB/OL](2016)[2018-08-07].http://www.resdc.cn.

[29] 马 宁,王乃昂,朱金峰,等.巴丹吉林沙漠周边地区近50a来气候变化特征 [J]. 中国沙漠, 2011,31(6):1541-1547. Ma N, Wang N, Zhu J, et al.Climate change around the badain jaran desert in recent 50years [J]. Journal of desert research, 2011,31(6): 1541-1547.

[30] 陆大道,王 铮,封志明,等.关于“胡焕庸线能否突破”的学术争鸣 [J]. 地理研究, 2016,35(5):805-824. Lu D, Wang Z, Feng Z,et al. Academic debates on Hu Huanyong population line [J]. Geographical Research, 2016,35(5):805-824.

[31] 政府间气候变化专门委员会(IPCC).气候变化2014:综合报告.政府间气候变化专门委员会第五次评估报告[R/OL]. 瑞士日内瓦: 2014.http://www.ipcc.ch/home_languages_main_chinese.shtml. The Intergovernmental Panel on Climate Change (IPCC). Climate Change 2014:Synthesis Report [R/OL]. Geneva, Switzerland: 2014.http://www.ipcc.ch/home_languages_main_chinese.shtml.

An inventory of atmospheric wind erosion dust emissions of China, 1995~2015.

WU Yi-ming1,2, WANG Yi-fei1, ZHOU Yi-Jing1, JIAO Li-jun1, TIAN He-zhong1,2*

(1.State Key Joint Laboratory of Environment Simulation and Pollution Control, School of Environment, Beijing Normal University, Beijing 100875, China；2.Center for Atmospheric Environment Studies, School of Environment, Beijing Normal University, Beijing 100875, China)., 2019,39(3)：908~914

This study aimed to develop an integrated inventory of the atmospheric emissions of total suspended particulate (TSP),inhalable particles (PM10) and fine particles (PM2.5) from wind erosion at fine resolution in China during the period 1995~2015 and project the trend of emissions from now until 2100. A bottom-up method was utilized to compile this comprehensive inventory with updated historical meteorological data (e.g., wind speed, precipitation and temperature), land use categories and soil contents at provincial level. The national total emissions of TSP, PM10and PM2.5from wind erosion were estimated as 2.27×107t, 6.77×106t and 1.17×106t, respectively. Higher emissions were observed in Northern or Eastern China compared with Southern and Western China. Highest emission intensity was found in Western Inner Mongolia and most of Xinjiang Province. Furthermore, based on the Intergovernmental Panel on Climate Change (IPCC) predictions of future climate change, emission trends of TSP, PM10and PM2.5from wind-erosion process in the future was estimated. Under the combined effects of precipitation and temperature changes, wind erosion dust emissions in 2100 is between -8.5 % ~ 7.7 % compared to 2005. The increase of precipitation will inhibit the emissions of wind-erosion dust while the rapid increase of ambient temperature can make the land surface more prone to produce particles.

wind-erosion dust；particulate matters；emission inventory；natural sources；temporal and spatial variation

X87

A

1000-6923(2019)03-0908-07

吴一鸣(1994-),男,陕西咸阳人,北京师范大学硕士研究生,主要从事大气污染控制和大气排放清单研究.发表论文2篇.

2018-08-07

国家重点研发计划(2016YFC0201501);国家自然科学基金资助项目(21777008,21377012)

* 责任作者, 教授, hztian@bnu.edu.cn