2020, Vol. 41
2. 南开大学环境科学与工程学院, 国家环境保护城市空气颗粒物污染防治重点实验室, 天津 300071;
3. 首都师范大学资源环境与旅游学院, 北京 100048
2. State Environmental Protection Key Laboratory of Urban Ambient Air Particulate Matter Pollution Prevention and Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300071, China;
3. College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China
2014年, 原环境保护部为贯彻落实《大气污染防治行动计划》(国发[2013]37号)[1], 指导各地开展大气污染物源排放清单编制工作, 编制了《扬尘源颗粒物排放清单编制技术指南(试行)》[2]等9项技术指南. 2015年2月, 又印发了《关于开展源排放清单编制试点工作的通知》(环办[2015]14号), 选取全国11个重点城市按照上述技术指南启动大气污染源排放清单编制试点工作[3].全国各城市陆续开展大气污染源排放清单编制工作, 包括编制细颗粒物(PM2.5)[4~10]、扬尘源PM2.5[11~13]和土壤扬尘源PM2.5排放清单[13~19]等.其中, 长春市(2013年)[4]、吉林省(2013年)[5]、广东省(2010年)[6]、四川省(2015年)[7]、天津市北辰区(2016年)[8]、南充市(2014年)[9]和北京市(2017年)[10]扬尘源对本地PM2.5排放清单的贡献率分别为6.0%、9.1%、22%、35%、47%、58%和73%, 最大差别为1个数量级, 而且不是每个排放清单都包括土壤扬尘源, 这表明不同地区扬尘源的贡献有较大差别, 也表明扬尘源排放清单估算具有较大的不确定性.武汉市(2016年)[11]、吉林市(2013年)[5]、哈尔滨市(2016年)[12]、北京市(2017年)[10]、天津市北辰区(2016年)[8]和南充市(2014年)[9]土壤扬尘源对本地扬尘源PM2.5排放清单的贡献率分别为0.004 0%、0.008 4%、0.065%、0.69%、23%和26%, 最大差别为4个数量级, 表明土壤扬尘源排放清单估算具有更大的不确定性, 是扬尘源排放清单估算中亟待研究的问题.
北京市PM2.5源解析结果表明, 扬尘源对本地源的贡献由2013年的14.3%上升为2017年的16.0%[13], 扬尘源治理是当前大气污染治理最薄弱的环节. 2014年文献[2]发布前后, 国内学者分别估算了中国北方城市(1951~1980年)[14]、南京市(2010年)[15]、郑州市(2013年)[16]、石家庄市(2013年)[17]、河北省(2015年)[18]、武汉市(2016年)[11]、哈尔滨市(2016年)[12]、北京市(2016年)[19]和天津市(2013年)[20]等省市土壤扬尘源排放清单.研究发现国内土壤扬尘源排放清单编制存在差异, 原因如下：①文献[2]和根据其编制的土壤扬尘源排放清单只包括土壤风蚀扬尘, 并未包括农业耕作扬尘, 国内扬尘源排放清单有缺项, 本研究将国内文献研究的土壤扬尘源都统一为土壤风蚀扬尘源；②虽然都采用美国农业局的土壤风蚀方程(WEQ)计算土壤风蚀扬尘排放因子, 但是引用相关研究时出现了多种版本的WEQ；③对于WEQ参数值的确定缺乏统一方法, 导致排放因子结果存在较大差异；④排放因子和排放清单空间分辨率还需要进一步提高.本研究将梳理和借鉴WEQ提出以来的部分科技文献, 以北京市2017年为例, 比较各种版本WEQ的差别及其对结果的影响, 统一WEQ参数值的确定方法, 采用一种提高土壤风蚀扬尘排放因子空间分辨率的方法并进行改进, 以期为我国土壤风蚀扬尘排放因子、排放清单和控制方案研究提供技术支撑.
1 排放因子研究进展 1.1 WEQ及其参数介绍1965年, Woodruff等[21]和美国农业部在其多年农田土壤风蚀研究的基础上, 提出了土壤风蚀方程(WEQ), 该方程是第一个用于计算田间风蚀量的模型. 1974年甚至更早之前, 美国环保署将WEQ用于估算农业风蚀扬尘总悬浮颗粒物(TSP)排放[22], WEQ见公式(1).
|
(1) |
式中, EF为土壤风蚀扬尘中不同粒径颗粒物年排放因子, t ·(hm2 ·a)-1；a为粒径≤50 μm颗粒物占≤0.84 mm的质量分数；k为颗粒物粒径系数[23], 无量纲, TSP、PM10和PM2.5的k分别为1.00、0.50和0.075；I为土壤风蚀指数, t ·(hm2 ·a)-1；K为土壤粗糙因子, 无量纲；C为气候因子[23~26], 无量纲, 见公式(2)；L为田间无屏蔽宽度因子, 无量纲；V为植被覆盖因子, 无量纲.
|
(2) |
|
(3) |
式中, u为年平均风速, m ·s-1；PE为桑氏威特降水-蒸发指数[24~26], 无量纲, 见公式(3)；Pi为月降水量, mm, 当Pi＜12.7 mm按12.7 mm计算[27, 28]；Ti为月平均温度, ℃, 当Ti＜-1.7℃按-1.7℃计算[27, 28].
WEQ建立在特定区域“美国堪萨斯州加登市”的气候条件基础之上[21, 29, 30], 当应用于与其气候差异较大地区的风蚀量计算时, 会有一定误差；在WEQ中, 各种风蚀因子之间的复杂关系没有被考虑, 将各因子总体效应采用乘积方式表达, 可能会夸大某些因子的作用.
1.2 文献[2]中排放因子模型文献[2]推荐的土壤风蚀扬尘排放因子模型见公式(4).
|
(4) |
式中, η为污染控制技术控制效率, 无量纲；其他参数与前文WEQ一样, 但C和PE的计算公式与前文不同, 见公式(5)和(6), 年蒸发量(E)计算见公式(7), 或是将公式(6)和(7)合并为公式(8), 虽然文献[2]的E计算公式源自文献[14], 但文献[2, 14]都与该公式的出处[31, 32]有所不同, 文献[14]使用公式(9)计算E.
|
(5) |
|
(6) |
|
(7) |
|
(8) |
|
(9) |
文献[2]排放因子公式因为引用偏差和文献[14]自身问题导致文献[2]公式存在以下问题：①公式中缺少TSP占总风蚀损失的比例系数(a), 美国环保署推荐a=2.5%[22, 24], Xuan[14]引用文献[33]推荐的一组与土壤质地对应的系数, 这组系数是干筛分得到的粒径≤50 μm颗粒物占≤0.84 mm颗粒物的百分比；②土壤风蚀指数(I)源自文献[14, 34, 35], 但是在单位换算时均未将美制st换算为公制t (1 st=0.907 t), 导致计算结果被高估10%.此外I是针对于粒径≤0.84 mm的颗粒物, 而文献[2]给TSP、PM10和PM2.5分别赋了I值, 使用者易在计算过程中重复计算k值, 导致PM10和PM2.5的I与EF分别被低估了70%和95%；③气候因子(C)公式源自文献[14], 但并未给出其相关研究或推导过程, 虽然该公式的形式与美国农业部公式一样, 但是公式常数项仅为美国农业部公式的13%；④ C的计算公式中桑氏威特降水-蒸发指数(PE)源自公式：PE=100×(P/E), 是指年降水量和年蒸发量比值的100倍[32], 而桑氏威特将PE定义为1年内12月每月降水量和每月蒸发量比值之和的10倍[25].
1.3 国内WEQ应用情况表 1是国内外学者估算研究区域内土壤风蚀扬尘排放因子选用的公式及参数值情况汇总, 可以看出国内学者实际选用的公式及参数值差异较大.其中, WEQ选用了Chepil等[29]在1954~1956年在美国堪萨斯州加登市的研究结果, 该时段加登市u=6.0 m ·s-1、PE=29.0和C=1.0, 并以加登市C=1.0作为基准[21, 22].因为相关研究中没有列出参数值以及C和EF计算结果, 因此无法比较不同公式的C和EF计算结果.本研究以北京市2017年气象数据和壤质砂土为例, 以表 1中各相关研究选用的公式计算C和土壤风蚀扬尘PM2.5排放因子(EF), 计算结果比较见图 1.对于相关研究中无数据的参数, 计算时以本研究确定的参数值赋值, 对于某些未考虑参数a和η的研究, 将a赋值为1, 将η赋值为0.
|
表 1 土壤风蚀扬尘排放因子公式及参数值选取汇总 Table 1 Summary of soil wind erosion dust emission factor equation and parameter value selection |
|
以北京市2017年气象条件为例 图 1 国内学者的C和EF计算结果比较 Fig. 1 Comparison of C and EF results of domestic scholars |
由图 1可以看出, 北京市2017年C值为加登市的2.3%, 这是因为北京市u仅为加登市的35%, 年降水量(P)为加登市的1.22倍, u减小和P增大都会导致C减小, 而且u对C的影响更大.南京[15]、中国北方城市[14]、天津[20]、北京[19]、郑州[16]、石家庄[17]和哈尔滨[12]的研究中公式计算的C值分别是本研究的0.302、0.039、0.039、0.039、0.039、0.002和0.002倍, 可见C值都存在不同程度的低估；PM2.5排放因子分别是本研究的0.191、0.004、1.547、4.415、4.871、0.024和0.212倍, 加登市采用本研究的C值计算得到的排放因子为0.002 1, 是本研究的1.51倍, 北京[19]和郑州[16]高估EF的主要原因是缺少a(赋值为1, 相比本研究选取1.0%增大了100倍), 天津[20]与本研究的EF较接近的原因是缺少a、低估C和考虑η等的综合结果, 石家庄[17]和哈尔滨[12]的研究低估EF主要原因是严重低估了C值, 此外哈尔滨[12]的研究还严重低估了I值.
1.4 参数值确定方法对比国内外相关研究, 发现虽然WEQ中参数a、k、K和L值的确定非常复杂, 但是取值相对比较统一, 本研究参考的a值见表 1, k值参考美国环保署推荐值, K和L分别取值0.5和0.85；而I值的确定需要获取土壤质地空间分布, 确定的V值有较大差异(0.125~0.90), 国内缺乏I和V值的确定方法, 本研究将详细介绍I值确定方法和改进Li等[20]于2018年提出的V值确定方法.
1.4.1 植被覆盖因子(V)确定方法植被覆盖因子(V)在文献[2]中被定义为裸露土壤面积占总计算面积的比例[2], Li等[20]于2018年提出了一种V值确定方法, 即分别使用Landsat 8遥感影像计算不同季节的归一化植被指数(NDVI), 通过像元二分模型[36](DPM)和公式(10)估算植被覆盖度(VC), 其中, 使用土地分类结果中该土地类型的NDVI最小值和最大值分别与对应类型的波段进行运算, 以得到DPM中NDVImin和NDVImax, 从而获得VC, 根据V的定义及公式V=(1-VC), 将VC转换为V.
|
(10) |
式中, VC为像元的植被覆盖度；NDVI为像元的NDVI值；NDVImin为植被覆盖部分的NDVI值；NDVImax为非植被覆盖部分的NDVI值.
关于获取NDVImin和NDVImax, 除了用分类后的土地类型分别求其NDVI[20, 36]的方法外, 通常对NDVI统计直方图给定置信区间, 求该区间内的最小和最大值作为NDVImin和NDVImax, 或者取5%和95%频率的NDVI值作为NDVImin和NDVImax.本研究采取第二种方法.
结合影像质量, 选取2017年的7、10、12月和2018年4月的Landsat 8遥感影像(https://www.gscloud.cn)分别代表夏、秋、冬和春季, 使用ENVI 5.3中波段计算器计算NDVI, 并对NDVI结果统计分析, 查找5%和95%频率对应的NDVI值.当NDVI < NDVImin, VC=0；当NDVI>NDVImax, VC=1；介于两者之间的用公式(10)运算, 在波段计算器中写入波段运算公式, 得到每个季节的VC, 4个季节的VC平均值为年VC, 并利用V=(1-VC)得到V.
1.4.2 土壤风蚀指数(I)确定方法表 2是美国环保署推荐的土壤风蚀指数(I), 选取时必须先确定土壤质地类型, 而一个城市的土壤质地类型往往不是单一的.其中土壤质地类型划分是依据美国农业部(USDA)土壤分类标准, 根据土壤中砂土、黏土和粉土任意2种的百分含量(质量分数), 以及土壤质地三角图确定土壤质地类型.寒区旱区科学数据中心提供的基于世界土壤数据库(HWSD)的中国土壤数据集(V1.1)(http://westdc.westgis.ac.cn/), 提供了土壤中砂土、黏土和粉土百分含量的空间数据, 但没有划分土壤质地.本研究采用在Microsoft Excel中自动查询的方法[37], 输入砂土、黏土和粉土百分含量数据, 批量得到土壤质地信息, 通过GIS得到研究区域的土壤质地类型图, 查阅表 2中I值, 得到研究区域的I值空间分布.
|
|
表 2 土壤风蚀指数(I)和粒径分布 Table 2 Erodibility and average percent suspended particulate-sized particles by soil type |
2 排放因子本地化 2.1 植被覆盖因子(V)
北京市山区植被覆盖度很高, 山区土壤风蚀扬尘排放极少, 因此本文的研究区域为北京市平原区.图 2是北京市平原区植被覆盖因子(V)年均值1 km×1 km的空间分布图, 全市V平均值为0.63±0.09.研究区内北京市各区存在较大差异, 最大值和最小值分别为西城区0.79和顺义区0.52, 北京市不同区域的V值由内向外逐渐减少.
|
图 2 北京市植被覆盖因子(V)空间分布 Fig. 2 Spatial distribution of vegetation cover factor (V) in Beijing |
图 3是北京市1 km×1 km的土壤质地空间分布, 全市包括表 2中全部12种土壤质地类型, 其中壤土是北京市主要土壤质地类型, 面积占比为32.1%；其次是砂质黏壤土, 面积占比为13.8%, 但是主要分布在北京市山区；黏质壤土和砂质壤土面积占比分别为13.3%和12.5%；其他类型土壤质地占比都低于10%, 黏土、壤质砂土、砂土和粉质壤土的面积占比分别为9.8%、5.4%、5.2%和4.2%, 剩余土壤质地占地面积合计为3.7%.北京市各区土壤质地分布和面积占比也不相同, 例如平谷区、房山区和密云区以壤土、壤质砂土和砂质黏壤土为主, 3种土壤合计分别占本区土地面积的98.1%、90.8%和88.7%；通州区和顺义区以壤土和壤质砂土为主, 2种土壤分别占本区土地面积的97.4%和98.8%.
|
图 3 北京市土壤质地空间分布 Fig. 3 Spatial distribution of soil texture in Beijing |
利用表 2推荐的I值对图 3进行I值赋值, 将I值相同的土壤质地进行合并, 北京市平原区6种土壤质地(壤土、黏土、砂质壤土、壤质砂土、黏质壤土和砂质黏壤土)对应4个I值, 得到北京市1 km×1 km的I值空间分布图(见图 4).就北京市而言, I=126的土壤面积占比最大, 其中包括土壤面积占比最大的壤土, 以及I值与壤土相同的砂质黏壤土和砂质黏土, 但砂质黏壤土主要分布在北京市山区.按照本文研究区域(北京市平原区)进行统计,壤土、壤质砂土、砂质壤土的面积占比排名前三, 分别为49.4%、21.9%和12.3%, 北京市平原区I值平均值为188±73, 不同I值土壤面积占比排名前三的分别为I=126占55.1%、I=300占21.9%、I=193占17.6%.
|
图 4 北京市土壤风蚀指数空间分布 Fig. 4 Spatial distribution of erodibility index in Beijing |
气候因子(C)本地化是实现土壤风蚀扬尘排放因子本地化最关键环节.图 5是北京市54511号气象站(全球数据交换站)2008~2017年逐年的C值, 可以看出北京市C的年际变化较大, 其中2012年最小(0.017), 2015年最大(0.042), 近10年C的平均值为0.029±0.009, 相对标准偏差为32%, 因此计算C和土壤风蚀扬尘排放因子应该使用当年的月气象数据.按月将近10年的气象参数数据分别求平均, 再代入气候因子公式, 得到近10年平均气象条件下的平均C值为0.030, 该C值是近10年C值平均值(0.029)的1.03倍, 说明北京市使用累年月平均气象条件计算C值平均值会出现约3%的高估.
|
图 5 北京市2008~2017年气候因子变化 Fig. 5 Changes in climate factors in Beijing from 2008 to 2017 |
北京市各区气象条件存在差异, 为了估算和对比各区土壤风蚀扬尘排放因子, 需要根据北京市各区气象数据计算各区气候因子.目前可以免费获取的北京市各区逐月气象资料(月平均风速、月平均温度和月降水量)来自中国气象数据网(http://data.cma.cn/site/index.html)提供的1981~2010年累年月均值, 虽然使用平均气象条件计算C会出现约3%的高估, 但是仍可以利用平均气象条件对比计算北京市各区之间的C值差异(见图 6).可以看出, 各区之间C值存在较大差异, 其中北京市54511号气象站平均C值为0.045, 是近10年平均气象条件下平均C值(0.030)的1.5倍, 这是因为近10年相比1981~2010年u值略有降低, PE略有增加；通州区平均C值最高(0.050), 平谷区C值最低(0.011), 前者是后者的4.5倍；昌平区和海淀区的C值都大于0.042；朝阳区、丰台区、密云区、石景山区、顺义区和延庆区的C值较为接近, 约为0.030；房山区和怀柔区的C值较为接近, 都小于0.017.
|
图 6 北京市各区1981~2010年气候因子差异 Fig. 6 Differences in the climate factors in Beijing districts from 1981 to 2010 |
在GIS中对V、I和C进行空间叠加分析, 根据公式(1)以及表 1和表 2中相关参数计算, 绘制得到北京市平原区1 km×1 km土壤风蚀扬尘PM2.5排放因子空间分布(图 7).可以看出, 北京市土壤风蚀扬尘排放因子呈现西北和东南方向较高的空间分布.全市平均值为(0.001 8±0.000 8) t ·(hm2 ·a)-1, 其中西城区排放因子最大, 为0.003 4 t ·(hm2 ·a)-1, 因为西城区V值较大；其次是东城区、通州区、海淀区、昌平区和朝阳区；平谷区排放因子最小, 为0.000 6 t ·(hm2 ·a)-1, 因为平谷区C值和V值较小.全市排放因子平均值是最高区(西城)和最低区(平谷)数值的0.54和3.12倍.
|
图 7 北京市各区土壤风蚀扬尘PM2.5排放因子空间分布 Fig. 7 Spatial distribution of PM2.5 emission factors of soil wind erosion dust in districts of Beijing |
对网格化后的土壤风蚀扬尘PM2.5排放因子进行标准化处理[38], 使排放因子落在[0, 1], 并采用等分法将结果分为5级, 便于有针对性地开展土壤风蚀扬尘监管.低强度(0.0~0.2]、较低强度(0.2~0.4]、中等强度(0.4~0.6]、较高强度(0.6~0.8]和高强度(0.8~1.0]的标准化排放因子面积占比分别为71.66%、22.80%、4.78%、0.72%和0.04%.
3 结论(1) 对比国内典型省市扬尘源排放清单, 发现土壤风蚀扬尘源对本地扬尘源PM2.5排放清单的贡献率分别为0.004 0%、0.008 4%、0.065%、0.69%、23%和26%, 最大差别为4个数量级, 主要原因是土壤风蚀扬尘排放因子公式和参数值选取不统一.本研究采用一种土壤风蚀扬尘排放因子公式及参数值确定方法并改进, 利用植被覆盖度遥感解译、中国土壤数据集(V1.1)和各区气象数据, 分别计算北京市平原区的植被覆盖因子(V)、土壤风蚀指数(I)和气候因子(C)空间分布, 并估算土壤风蚀扬尘PM2.5排放因子空间分布.
(2) 以北京市2017年为例, 发现国内某些学者的气候因子(C)值分别是本研究的0.302、0.039和0.002倍, 都存在不同程度低估；PM2.5排放因子分别是本研究的0.191、0.004、1.547、4.415、4.871、0.024和0.006倍, 存在高估或低估的情况.
(3) V、I和C值都具有明显空间差异, V、I和C平均值分别为0.63±0.09、188±73和0.029±0.009, 各区V、I和C值的最大值分别是最小值的1.5、2.1和4.5倍, 多年平均气象条件计算的平均C值比多年C值的平均值略高3%.
(4) 北京市土壤风蚀扬尘PM2.5排放因子呈现西北和东南方向较高的空间分布, 全市平均排放因子为(0.001 8±0.000 8) t ·(hm2 ·a)-1, 是最高区(西城)和最低区(平谷)数值的0.54和3.12倍, 较高强度(0.6~0.8]和高强度(0.8~1.0]的标准化排放因子面积占比分别为0.72%和0.04%.
| [1] | 国务院.大气污染防治行动计划[Z]. 2013-09-10. |
| [2] | 环境保护部.扬尘源颗粒物排放清单编制技术指南(试行)[Z]. 2015-01-13. |
| [3] | 环境保护部.关于大气污染物源排放清单编制试点工作有关事项的通知[Z]. 2015-03-27. |
| [4] |
孔茹钰.长春市大气中细颗粒物源排放清单编制研究[D].长春: 吉林大学, 2016. Kong Y R. Research on emission inventory of fine particulate matter (PM2.5) in the atmosphere of Changchun[D]. Changchun: Jilin University, 2016. |
| [5] |
孙俪袁.大气环境中PM2.5污染源排放清单研究——以吉林市为例[D].长春: 吉林大学, 2016. Sun L Y. Study on emission inventory of PM2.5 pollution sources in atmospheric environment-a case study of Jilin city[D]. Changchun: Jilin University, 2016. |
| [6] |
潘月云, 李楠, 郑君瑜, 等. 广东省人为源大气污染物排放清单及特征研究[J]. 环境科学学报, 2015, 35(9): 2655-266. Pan Y Y, Li N, Zheng J Y, et al. Emission inventory and characteristics of anthropogenic air pollutant sources in Guangdong Province[J]. Acta Scientiae Circumstantiae, 2015, 35(9): 2655-266. |
| [7] |
周子航, 邓也, 谭钦文, 等. 四川省人为源大气污染物排放清单及特征[J]. 环境科学, 2018, 39(12): 5344-5358. Zhou Z H, Deng Y, Tan Q W, et al. Emission inventory and characteristics of anthropogenic air pollutant sources in the Sichuan province[J]. Environmental Science, 2018, 39(12): 5344-5358. |
| [8] |
张骥, 徐媛, 刘茂辉, 等. 天津市北辰区大气污染物小尺度精细化源排放清单[J]. 中国环境监测, 2018, 34(2): 20-27. Zhang J, Xu Y, Liu M H, et al. Development of refined emission inventory of air pollutants for Beichen district of Tianjin[J]. Environmental Monitoring in China, 2018, 34(2): 20-27. |
| [9] |
舒丽, 罗彬, 胡健, 等. 南充市大气PM10与PM2.5排放清单及特征[J]. 中国环境监测, 2018, 34(3): 84-92. Shu L, Luo B, Hu J, et al. Emission inventory and characteristics of atmosphere PM2.5 and PM10 in Nanchong[J]. Environmental Monitoring in China, 2018, 34(3): 84-92. |
| [10] | 北京市生态环境局.北京市主要大气污染物排放清单(2017年度)[R].北京: 北京市环境保护科学研究院, 2018. |
| [11] |
黄宇, 虎彩娇, 成海容, 等. 武汉市扬尘源颗粒物排放清单及空间分布特征[J]. 武汉大学学报(理学版), 2018, 64(4): 354-362. Huang Y, Hu C J, Cheng H R, et al. Emission inventory and spatial distribution characteristics of particulate matters from dust source in Wuhan, China[J]. Journal of Wuhan University (Natural Science Edition), 2018, 64(4): 354-326. |
| [12] |
李莉莉.哈尔滨市高分辨率扬尘源排放清单及控制对策的研究[D].哈尔滨: 哈尔滨工业大学, 2018. Li L L. A highly resolved fugitive dust emission inventory in Harbin and assessment of control strategies[D]. Harbin: Harbin Institute of Technology, 2018. |
| [13] | 北京市环境保护局.最新科研成果新一轮北京市PM2.5来源解析正式发布[EB/OL]. http://sthjj.beijing.gov.cn/bjhrb/xxgk/jgzn/jgsz/jjgjgszjzz/xcjyc/xwfb/832588/index.html, 2018-05-14. |
| [14] | Xuan J. Dust emission factors for environment of northern China[J]. Atmospheric Environment, 1999, 33(11): 1767-1776. DOI:10.1016/S1352-2310(98)00339-2 |
| [15] |
王社扣, 王体健, 石睿, 等. 南京市不同类型扬尘源排放清单估计[J]. 中国科学院大学学报, 2014, 31(3): 351-359. Wang S K, Wang T J, Shi R, et al. Estimation of different fugitive dust emission inventory in Nanjing[J]. Journal of University of Chinese Academy of Sciences, 2014, 31(3): 351-359. |
| [16] |
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 Q, Jiang N, Yan Q S, et al. Research on emission inventory of bareness wind erosion dust in Zhengzhou[J]. Environmental Pollution and Control, 2016, 38(4): 22-27. |
| [17] |
李媚, 倪爽英, 雷永从, 等. 石家庄市土壤扬尘排放量估算及分布特征[J]. 环境工程学报, 2017, 11(11): 5993-5999. Li M, Ni S Y, Lei Y C, et al. Estimation and spatial distribution characteristics of soil dust emissions in Shijiazhuang[J]. Chinese Journal of Environmental Engineering, 2017, 11(11): 5993-5999. DOI:10.12030/j.cjee.201608026 |
| [18] |
郭祥, 冯海波, 陆雅静. 河北省土壤扬尘源PM2.5排放量估算[J]. 河北工业科技, 2017, 34(6): 477-482. Guo X, Feng H B, Lu Y J. Estimation of emissions of PM2.5 from soil dust in Hebei province[J]. Hebei Journal of Industrial Science and Technology, 2017, 34(6): 477-482. |
| [19] |
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 B, Wu Q Z, Chen Y T, et al. Estimation of dust emissions from bare soil erosion over Beijing plain area[J]. China Environmental Science, 2018, 38(2): 471-477. DOI:10.3969/j.issn.1000-6923.2018.02.008 |
| [20] | Li T K, Bi X H, Dai Q L, et al. Improving spatial resolution of soil fugitive dust emission inventory using RS-GIS technology:an application case in Tianjin, China[J]. Atmospheric Environment, 2018, 191: 46-54. DOI:10.1016/j.atmosenv.2018.07.051 |
| [21] | Woodruff N P, Siddoway F H. A wind erosion equation[J]. Soil Science Society of America Journal, 1965, 29(5): 602-608. DOI:10.2136/sssaj1965.03615995002900050035x |
| [22] | U. S. Environmental Protection Agency. Development of emission factors for fugitive dust sources[R]. Triangle Park, North Carolina: U.S. Environmental Protection Agency, 1974. |
| [23] | U. S. Environmental Protection Agency. Fugitive Dust Background Document and Technical Information Document For Best Available Control Measures[R]. Triangle Park, North Carolina: U. S. Environmental Protection Agency, 1992. |
| [24] | U. S. Environmental Protection Agency. Guideline for development of control strategies in areas with fugitive dust problems[R]. Triangle Park, North Carolina: U. S. Environmental Protection Agency, 1977. |
| [25] | Thornthwaite C W. The climates of North America:according to a new classification[J]. Geographical Review, 1931, 21(4): 633-655. DOI:10.2307/209372 |
| [26] | Skidmore E L. Wind Erosion Climatic Erosivity[J]. Climatic Change, 1986, 9(1-2): 195-208. DOI:10.1007/BF00140536 |
| [27] | Lyles L. Erosive wind energy distributions and climatic factors for the West[J]. Journal of Soil and Water Conservation, 1983, 38(2): 106-109. |
| [28] | Panebianco J E, Buschiazzo D E. Erosion predictions with the wind erosion equation (WEQ) using different climatic factors[J]. Land Degradation & Development, 2008, 19(1): 36-44. |
| [29] | Chepil W S, Siddoway F H, Armbrust D V. Climatic factor for estimating wind erodibility of farm fields[J]. Journal of Soil and Water Conservation, 1962, 17(4): 162-165. |
| [30] | Woodruff N P, Armbrust D V. A monthly climatic factor for the wind erosion equation[J]. Journal of Soil and Water Conservation, 1968, 23(3): 103-104. |
| [31] |
潘亚茹, 王春乙.气候变化对华北地区桑氏威特水分指数的影响[A].见: 高素华, 王春乙.农业气象试验与研究[M].北京: 气象出版社, 1992. 33-34. Pan Y R, Wang C Y. Effects of climatic change in North China on the Thornthwaite's precipitation-evaporation index[A]. In: Gao S H, Wang C Y (Eds.). Experiments and Studies of Agricultural Meteorology[M]. Beijing: Meteorology Press, 1992. 33-34. |
| [32] | McCabe Jr G J, Wolock D M, Hay L E, et al. Effects of climatic change on the Thornthwaite Moisture Index[J]. Journal of the American Water Resources Association, 1990, 26(4): 633-643. DOI:10.1111/j.1752-1688.1990.tb01400.x |
| [33] | Chepil W S. Soil conditions that influence wind erosion[R]. Washington: U.S. Department of Agriculture, 1958. |
| [34] | Craig D G, Turelle J W. Guide for wind erosion control on cropland in the Great Plains States[R]. U.S. Department of Agriculture, Soil Conservation Service, 1964. |
| [35] | Jutze G A, Axetell K. Factors influencing emissions from fugitive dust[A]. In: Symposium on Fugitive Emission Measurement and Control[C]. Hartford, CT, 1976. |
| [36] |
熊春妮. 基于Landsat8的广州市植被覆盖度监测[J]. 环境科学与技术, 2015, 38(S2): 383-386. Xiong C N. Vegetation coverage based on Landsat8 images in Guangzhou[J]. Environmental Science & Technology, 2015, 38(S2): 383-386. |
| [37] |
郭彦彪, 戴军, 冯宏, 等. 土壤质地三角图的规范制作及自动查询[J]. 土壤学报, 2013, 50(6): 1221-1225. Guo Y B, Dai J, Feng H, et al. Standard mapping of soil textural triangle and automatic query of soil texture classes[J]. Acta Pedologica Sinica, 2013, 50(6): 1221-1225. |
| [38] |
张立坤, 李令军, 姜磊, 等. 北京建筑施工裸地时空变化及扬尘污染排放[J]. 环境科学, 2019, 40(1): 135-142. Zhang L K, Li L J, Jiang L, et al. Spatial and temporal distribution characteristics and fugitive dust emission of building sites in Beijing[J]. Environmental Science, 2019, 40(1): 135-142. |