基于热异常探测的北京水泥厂大气污染排放评估

邱 昀，李令军，鹿海峰，李金香，王新辉，姜 磊，粟京平

北京市环境保护监测中心，北京 100048

2013—2017年《北京市清洁空气行动计划》中要求对水泥等高耗能、高排放行业施行总量控制，要求至2017年全市水泥产能压缩至400×104t左右.近年来，北京市水泥行业主要为新型干法工艺，排放的污染物主要有SO2、NOx和烟(粉)尘.为对水泥行业排放及减排情况进行评估，需要对其污染排放量进行实时动态的核算.目前，传统的污染源排放测算多是基于统计数据，采取传统自下而上的数据采集汇总方法，如实测法、产排污系数法、物料衡算法等[1-3]，其主观性强，测算结果误差较大，而且耗时耗力，结果滞后性较大，跟不上监管工作的需求.卫星遥感技术可以快速、准确定位每一家水泥厂的位置，反映水泥厂的规模；同时，水泥厂在煅烧过程中会释放大量的热量和其他污染物，其中释放的热量可通过热异常遥感技术探测到.探测到的热异常结果可反映区域水泥厂热释放规模和变化.该研究结合水泥产业结构特征，以能源消耗量为桥梁，进一步分析并建立热释放与污染排放的定量关系，如此可以动态测算区域水泥厂污染排放情况，并展示实时的污染物排放的时空分布特征，实现了对水泥行业排放的实时动态估算.

目前，热异常探测技术已经比较成熟，但将该技术利用于工业热源识别的研究较为鲜见.近年来，国外开始利用对地观测手段对地表热异常进行探测研究[4-6].2011年NPP卫星发射升空，越来越多的学者基于NPP搭载的VIIRS传感器进行热异常点的研究[7-8]，我国也有学者对热异常点识别算法进行修正[9-11]，研究了适用于我国的热异常点探测方法[12-13].但目前基于这一技术的应用主要集中在秸秆焚烧和森林火灾的识别上[14-15].近年来，我国有学者尝试使用NPP搭载的VIIRS夜间热异常产品提取工业热源[16-19]，并发现夜间VIIRS热异常探测数据在工业热源识别上具有很大的潜力[20].国外研究[21-23]发现，FRP (fire radiation power,辐射功率)与煤炭消耗和烟气排放均呈显著相关.该研究使用VIIRS夜间热异常点FRP数据对北京市水泥厂的热排放情况进行识别，系统分析了2013—2017年北京市水泥厂数量、能耗及污染排放情况，并尝试以煤炭消耗量为桥梁，建立FRP与水泥厂污染物排放之间的定量估算关系，提出了基于热异常探测的水泥生产污染物排放估算公式，初步实现了对水泥行业的实时动态监测.

1 材料与方法

基于NPP卫星VIIRS传感器的热异常点监测空间分辨可达375 m，每天可实现对北京市地面热异常点昼夜各一次的监测.该产品Ⅰ波段有5个通道数据(见表1)，其中红外波段(Ⅰ2～Ⅰ5)可用于识别环境中的温度异常情况.VIIRS的热异常探测产品包含热异常点的地理位置信息、亮温值信息及FRP参数，FRP参数反映热异常点的FRP.该研究使用的热异常探测产品数据来自NPP VIIRS VNP14IMGTDL产品集.使用的算法为Schroeder等[24]在2014年提出的官方算法，该算法延续了MODIS热异常点和热异常点识别方法，通过Contextual算法识别地表的生物质燃烧和温度异常区域.热异常点的识别主要通过对Ⅰ4、Ⅰ5亮温值进行阈值筛选，云、水体、背景影响以及虚假热异常点的去除主要基于对Ⅰ1、Ⅰ2、Ⅰ3通道的筛选[24].由于热异常点探测在冬季受极低的环境背景温度影响，在夏季受云雨影响，如果对年内的热异常点进行逐月或逐日分析，会加大这两种因素所带来的误差.因此，该研究选择对热异常点进行年度的变化分析以期减少这2个因素造成的误差，从而综合、全面、大尺度客观反映区域热异常分布情况和变化趋势.为更好地去除太阳辐射等因素的干扰，该研究使用2013—2017年逐年的热异常探测数据，按热异常点的经纬度信息将落在北京市金隅琉水环保科技有限公司(39.6°N、116.0°E)和北京金隅北水环保科技有限公司(40.2°N、116.2°E)厂区内的热异常点分别筛选出来，将逐日的FRP数据加和作为水泥厂的热异常点年排放功率.

表1 VIIRS热异常点数据波段信息及用途Table 1 VIIRS band information of thermal anomaly data

目前北京市水泥生产工艺皆为新型干法水泥生产工艺，水泥生产用燃料分别从窑头和分解炉喷入，窑头煤粉燃烧最高温度可在 1 600 ℃以上，煤粉在分解炉处于无焰燃烧状态，燃烧温度为900 ℃左右[25].煅烧带物料温度可达 1 455 ℃，最高气体温度可达 2 000 ℃，窑尾温度范围为 1 000～1 050 ℃[26-27].这些工艺中产生的热量大部分被释放进入环境中，使水泥厂及附近大气温度明显高于周围环境，VIIRS热异常点产品中FRP反映的正是水泥厂释放到环境中的热量强度.

2 结果与讨论

2.1 水泥厂热异常点整体情况

2013—2017年北京市水泥企业数量逐年减少，由2013年的8家减至2017年的2家，全市水泥总产量从862×104t (2013年)降至356×104t (2017年).由图1可见：2013—2017年水泥生产的热异常点数也相应降低.相比2013年，2017年北京市水泥生产产生的热异常点数和FRP均呈下降趋势，分别下降了31.9%和46.4%；同时，水泥和熟料总产量分别下降了40.7%和38.7%.2016年水泥总产量和熟料总产量均略微升高，该年热异常点数据也略有增加.5 a全市水泥厂的热异常点FRP与煤炭消耗量相关性较好，R2达0.59.将5 a所有水泥厂的热异常点FRP与环境统计数据中水泥总产量、熟料总产量和煤炭消耗量进行逐年相关性分析，结果如表2所示.由表2可见，热异常点FRP与环境统计数据中各项目均呈显著正相关，相关系数均在0.7左右，2016年相关系数均有所下降，主要是水泥厂的关停和减排导致样本量减少所致.结果表明，水泥厂的热异常监测数据可以间接反映水泥厂的生产情况、煤炭消耗量和水泥生产过程的污染排放情况.

图1 北京市水泥生产总量及热异常点数据年际变化Fig.1 The annual production and coal consumption of Beijing cement plants compared with thermal anomaly monitoring data

表2 2013—2016年北京市水泥生产热异常点FRP与环境统计数据相关性分析Table 2 Correlation analysis between FRP and environment statistic data of Beijing cement plants production from 2013 to 2016

2.2 典型水泥厂热异常点变化情况

至2017年，北京市运营的水泥厂分别为位于房山区的北京市金隅琉水环保科技有限公司(简称“金隅琉水”)和位于昌平区的北京金隅北水环保科技有限公司(简称“金隅北水”)，2013—2017年热异常点遥感监测图显示，这2家水泥厂热异常点均较为密集(见图2).

由图3可见：2013年金隅琉水热异常点FRP高达143.3 MW，2014年1月1日北京市开始执行DB 11/1054—2013《水泥工业大气污染物排放标准》，水泥厂开始使用SNCR脱销装置，2014年NOx排放量下降较显著(下降了38.8%)；同时，热异常点FRP也显著下降，至2015年下降了52.8%.2016年水泥增产21.1%，NOx排放量增长了15.4%，热异常点FRP也同步增长了58.1%.2013—2017年金隅北水热异常点FRP、水泥总产量、熟料总产量和污染气体排放量也均呈逐年递减的趋势.金隅北水煤炭消耗量与热异常点FRP相关性较好，R2为0.8.综上，2个水泥厂的热异常探测结果与水泥厂生产情况和污染物排放情况较吻合.

注：红线圈出区域分别为金隅琉水和金隅北水厂区.图2 2013—2017年金隅琉水和金隅北水热异常点遥感监测图Fig.2 Jinyu Liushui and Jinyu Beishui cement plant thermal anomaly remote sensing monitoring map from 2013 to 2017

图3 2013—2017年金隅琉水和金隅北水水泥厂产量、污染物排放统计数据以及热异常点探测结果年际变化Fig.3 Time series of annual production,pollution emission and thermal anomaly monitoring result in Jinyu Liushui and Jinyu Beishui from 2013 to 2017

2.3 水泥生产排放监测估算

水泥生产主要排放的污染物有SO2、NOx和烟(粉)尘，SO2主要来自原料和燃料中的含硫物质，NOx主要来源于空气中N2与O2高温反应生成，其排放量取决于燃烧温度[28]，烟(粉)尘的产生是因为水泥成品和熟料主要以粉状形式存在，产量较大，容易在煅烧过程中形成无组织排放[29].鉴于北京市水泥厂和典型水泥厂的热异常数据与煤炭消耗以及污染物排放量均具有较好的相关性，因此该研究提出基于热异常数据的水泥厂污染物排放估算方法.康宏等[25,30]对水泥厂生产过程中的污染物排放情况进行了估算，提出基于统计数据的污染物排放估算公式.该研究在污染物排放估算公式的基础上结合热异常点数据，提出基于热异常点探测数据的新型干法水泥气态污染物排放量测算公式[25,30]：

WNOx=ao×Qm×0.001×(1-ηtN)×2

(1)

式中：WNOx为NOx的排放量，t；ao为NOx排放系数，kg/t，通常燃烧温度 1 600 ℃时NOx产生量约为11.4 kg/t (以标准煤计)，燃烧温度900 ℃时NOx产生量约为5 kg/t (以标准煤计)，一般新型干法水泥生产40%燃料从窑头投放入窑，60%燃料从预分解炉投放，因此ao=0.4×16+0.6×7=10.6 kg/t ；Qm为煤炭消耗量，t；ηtN为脱硝系数，可从污染源年鉴中查询，一般在40%～50%之间.

WSO2=Qm×b×(1-ηtS)×2

(2)

式中：WSO2为SO2的排放量，t；ηtS为脱硫效率，通常在88%～100%之间，该研究取88%；b为燃料燃烧时的SO2排放因子，该研究取1.05×10-2kg/kg.

Qm可通过通过热异常点换算得到：

Qm=c×F

(3)

式中：c为换算系数；F为热异常点辐射功率，MW.该研究通过分析热异常点FRP与Qm的相关性，建立FRP与Qm的线性回归方程，取回归方程斜率作为换算系数c，为 1 829.1.

2.4 估算结果验证

使用2013—2016年金隅琉水、北京太行前景水泥厂(简称“北太行”)、北京强联水泥厂(简称“强联”)和金隅北水的热异常点数据，通过式(1)(2)估算了各水泥厂NOx和SO2的排放量，并与各水泥厂环境统计数据中的污染物排放量进行验证，估算值与统计值整体较吻合(见图4).NOx排放量的统计值与估算值之间的R2达0.65，SO2排放量的统计值与估算值之间的R2达0.63.

图4 NOx和SO2排放量估算值与统计值对比Fig.4 Comparison between simulation value and statistic value of NOx and SO2 emission

金隅琉水位于北京市南边界处，与定陵大气自动监测站相距5.8 km，定陵大气自动监测站通常作为北京市空气质量的本底值.利用琉璃河站空气质量数据扣除定陵大气自动监测站空气质量数据，以期展现出水泥厂对空气质量的影响.将扣除本底值后的空气质量数据与金隅琉水的热异常点数、热异常点FRP数据进行相关性分析.由表3可见，非采暖季热异常点FRP和热异常点数与主要污染物浓度数据相关性均在2014年有所增强，在2016年有所减弱.2013年是《北京市清洁空气行动计划》的起步期，污染企业多且排放强度大，水泥生产对空气质量数据的影响并不是非常凸显，热异常点和空气质量数据间的相关性较弱.2014年随着《大气污染防治行动计划》及《北京市清洁空气行动计划》的逐步开展[31-32]，水泥厂排放对大气环境质量的影响逐步凸显，水泥厂热异常点FRP和热异常点数与ρ(NO2)和ρ(PM2.5)的相关性均增加.2015年热异常点FRP和热异常点数与ρ(SO2)和ρ(PM2.5)的相关性也均增加，但由于水泥生产开始执行新的排放标准，并开始使用SNCR脱销装置，所以热异常点FRP和热异常点数与ρ(NO2)的相关性有所下降.2016年水泥厂开始施行第二时段更为严格的排放限制，水泥厂的排放有所减少，热异常点FRP和热异常点数与ρ(SO2)、ρ(NO2)、ρ(PM2.5)的相关性也降低，水泥生产已不再是该区域的主要污染源.

表3 非采暖季热异常点数据与扣除本底值后的空气质量数据的相关性分析Table 3 Correlation analysis between thermal analysis and air monitoring substation data subtracted background value during non-heating seasons

3 结论

a) 该研究提出了基于热异常点探测数据的新型干法水泥气态污染物排放量测算方法，选取热异常产品的FRP参数估算北京市水泥厂的污染排放水平，利用NOx和SO2排放量的统计数据对排放估算值进行相关性验证，二者统计值与估算值之间的相关系数分别为0.65和0.63.

b)自2013年以来金隅琉水和金隅北水的热异常点数整体呈下降趋势.由于采取了减排措施，水泥总产量和污染排放量也均呈逐年减少的趋势.

c) 通过对2013—2017年北京市所有水泥厂热异常点进行逐年统计发现，这些水泥厂的热异常点数据与环境统计数据中水泥总产量、熟料总产量、煤炭总产量以及NOx、SO2和烟(粉)尘排放量的相关性均较好，相关系数均在0.7左右.利用扣除本底值后的空气质量数据与热异常点数据进行相关性分析发现，非采暖季期间两组数据具有一定的相关性，可间接反映水泥厂污染排放对大气环境质量的影响.因此，热异常点数据可间接反映水泥厂的生产活动水平和污染排放情况.