中国环境科学 2021,41(5)：2090~2096 China Environmental S cience 北京市典型城区餐饮业VOCs和PM2.5排放量估算马殊琼1,2,林伟立1,夏建新1*(1.中央民族大学生命与环境科学学院,北京 100081；2.北京市西城区生态环境局,北京100055)摘要：以北京市餐饮企业分布密度最大的西城区为案例区,通过对研究区域内餐饮企业进行实地污染物检测及排放活动水平调查,计算得到基于就餐人数、就餐时间、烹饪油用量和灶头数4种核算基准的餐饮业VOCs和PM2.5排放因子,并利用排放因子法分别估算该区域在餐饮废气净化设备升级改造前后餐饮企业VOCs和PM2.5年排放量.结果表明: 本研究区域餐饮业废气净化设备升级改造前VOCs排放量范围为319.03 ~506.38t/a,改造后为92.14 ~109.89t/a;改造前PM2.5排放量范围为166.55 ~211.09t/a,改造后为30.22 ~36.05t/a,排放量明显减少.餐饮业废气净化设备改造后VOCs和PM2.5减排率分别为71%~82%和80%~86%,餐饮业废气净化设备升级改造减排效果良好.计算得到以街道为单元的餐饮源VOCs和PM2.5排放强度范围分别为1.45 ~4.32t/km2和0.47~1.42t/km2.通过PM2.5实测浓度(小时值)数据分析,餐饮业废气净化设备升级改造前、后PM2.5浓度平均减少了28.9%,最接近于用油量为核算基准的排放因子降低比例.关键词：北京典型城区；餐饮业；VOCs；PM2.5；排放因子；排放量中图分类号：X511文献标识码：A文章编号：1000-6923(2021)05-2090-07Estimation of VOCs and PM2.5 emissions from catering industry in a typical urban area of Beijing. MA S hu-qiong1,2, LIN Wei-li1, XIA Jian-xin1* (1.College of Life and Environmental Sciences, Minzu University of China, Beijing 100081, China；2.Beijing Xicheng Municipal Ecological Environment Bureau, Beijing 100055, China). China Environmental Science, 2021,41(5)：2090~2096 Abstract：Taking the Xicheng District, in which it has the highest distribution density of catering companies in Beijing, as the area of case study, four types of emission factors for VOCs and PM2.5 based on the number of people dining, dining time, edible oil consumption and number of stoves were obtained through on-site inspections and emission activity level surveys. The annual emissions of VOCs and PM2.5 from catering companies before and after the upgrading of exhaust gas purification equipment were estimated. Results showed that VOCs emission before and after the upgrading of exhaust gas purification equipment ranged from 319.03 to 506.38t/a and 92.14 to 109.89t/a, respectively. PM2.5 emissions also decreased from 166.55 ~211.09t/a to 30.22 ~36.05t/a. The VOCs and PM2.5 emissions were significantly reduced by 71%~82% and 80%~86%, respectively. Taking street as unit, the VOCs and PM2.5 emission intensities from catering sources were 1.45~4.32t/km2 and 0.47~1.42t/km2, respectively. Using the measured PM2.5 data, the average reduction in PM2.5 concentration was 28.9% by the upgrading of gas purification equipment, which is most coincident with the reduction ratio calculated from edible oil consumption.Key words：urban Beijing；catering industry；VOCs；PM2.5；emission factors；emissions为应对严重的大气污染,北京市自1998年开始连续实施大气污染综合治理,空气质量明显改善.但是,2017年PM2.5年均浓度仍超过国家空气质量标准66%.此外,挥发性有机物(VOCs)是大气环境中二次细颗粒物和O3的重要前体物,科学管控VOCs的排放对协同防控PM2.5和O3有重要作用[1].目前,北京大气污染已进入综合治理阶段,以能源结构调整和工业减排措施为主的治理效果逐步减弱,生活源大气污染物排放的贡献逐渐引起重视.近年来北京市餐饮业发展迅猛,对大气环境中VOCs和颗粒物等有重要的贡献,对城市局部大气质量及人体健康产生不利影响[2].餐饮行业是重要的大气污染源,但人们对其实际存在状况、活动水平及排放量的了解有限[3].餐饮业大气污染物排放因子及排放量核算是控制餐饮业大气污染的重要依据.准确可靠的排放因子的获取尤为重要,但存在较大的困难.近年来,北京市域内餐饮业大气污染物排放特征研究陆续涌现[4-5],但针对城区特定区域的餐饮业大气污染物排放情况研究聚焦较少,且尚未建立涵盖不同规模、不同核算基准的排放因子库. 因餐饮行业类型众多,排放污染物组分复杂,活动水平信息的获取也存在一定局限性,大部分餐饮业活动水平数据来自统计年鉴,部分收稿日期：2020-10-10基金项目：国家自然科学基金资助项目(91744206)* 责任作者, 教授,**************.com5期马殊琼等：北京市典型城区餐饮业VOCs和PM2.5排放量估算 2091数据仅有国家级数据或无数据[6],因此排放量估算存在较大的误差.本文基于北京市典型城区餐饮行业调查和实测数据,开展餐饮业废气中VOCs和PM2.5排放因子和排放量核算实证研究,建立北京市中心城区餐饮业废气中VOCs和PM2.5本地化排放因子并估算排放量.1方法与数据1.1监测数据选择北京市西城区为研究区域.研究区域总面积50.70km2,下辖15个街道,共计261个社区,常住人口117.9万人.该区域餐饮企业分布密集,平均密度约100家/km2,2018年营业额高达90.6亿元[7].2019年北京市全面推进餐饮业大气污染控制工程,各餐饮服务单位陆续开展废气净化设备升级改造.本研究在2019年先后检测2组餐饮企业废气样本,其中包括未进行废气净化设备升级改造(废气净化设备升级改造前)餐饮企业42家(小型餐饮8家、中型20家、大型14家)和完成废气净化设备升级改造(废气净化设备升级改造后)餐饮企业33家(11家、中型14家、大型8家).升级改造前、后餐饮样本选择同类型废气净化设备进行采样.每组样本中烧烤(含燃气烧烤、电烧烤、炭火烧烤)类、烤鸭类(含果木烤鸭、电烤鸭)、川湘菜、本帮江浙菜、家常菜、快餐(含中式、西式)、食堂餐饮占比均匀,检测样本类别的选取具有区域代表性.同时采集样本餐饮企业标态干废气流量(m3/h)和折算后实际使用灶头数(个)等相关指标.为构建本地化排放因子库,对研究区域内上述餐饮企业进行抽样检测,实地检测餐饮业废气中颗粒物和非甲烷总烃(NMHC)污染物浓度.参考北京市地方标准DB11/1488-2018[8],使用“非甲烷总烃(NMHC)”作为VOCs的综合控制指标.样品采集选择在餐饮废气排放单位作业(炒菜、食品加工或其他产生油烟的操作)高峰期进行,选择了在午餐高峰时段11:00~13:00,和晚餐高峰时段18:00~20:00进行采样.采样位置优先选择垂直管段,且避开烟道弯头和断面急剧变化部位.1.2采样方法使用TH-880F微电脑烟尘平行采样仪(武汉市天虹仪表有限责任公司)进行颗粒物采样,采样管由S型皮托管、热电偶或铂电阻温度计和采样头组成.使用从天津华翼科技有限公司采购的A型滤芯,其外壳材质为聚丙烯,内置双层滤膜,第一层滤膜为聚丙烯纤维滤膜,孔径1~3μm,第二层为超细玻璃纤维滤膜.此类型滤芯对于0.3μm标准粒子的截留效率≥99.95%.滤芯使用前经过101A-1E型电热鼓风干燥箱(上海实验仪器厂有限公司)干燥2h,干燥温度为(60±1)℃,自然冷却后,放入玻璃干燥器内,室温下干燥12h.将滤芯用来自梅特勒-托利多国际贸易(上海)有限公司的XS205型电子天平称量至恒重.采样前,将组合采样管放入烟道内测得排气静压、测点动压、温度等参数,使用湿度仪测得烟气水分含量,计算出采样嘴的内径.选择对应采样嘴内径的滤芯(滤芯采样嘴内径一般为6, 8, 10和12mm)进行采样,采样步骤按照DB11/T1485-2017[9]进行.采用气袋法采集非甲烷总烃样品,采样时将采样管加热并保持在(120±5)℃,10L的气袋用样品气清洗3次,连续采集3个样品,每个样品采集时间宜不少于20min,采气量均不小于10L.结束采样后样品应立即放入样品保存箱内保存,直至样品分析时取出,采样步骤按照《固定污染源废气挥发性有机物的采样气袋法》(HJ 732-2014)[10]进行.1.3分析方法颗粒物的分析方法采用手工称重法.根据DB11/T1485-2017[9],采用烟道内过滤的方式,按照颗粒物等速采样原理,使用滤芯采集餐饮废气中的颗粒物,通过101A-1E型电热鼓风干燥箱(上海实验仪器厂有限公司)除去水分后,由采样前后滤芯的质量差除以标干采样体积,计算出颗粒物的质量浓度.采样时间均不少于15min,每次平行采集3个样品.采样后滤芯运回实验室后,从密封袋中取出并放入玻璃干燥器内,在室温下干燥12h后,还用XS205型分析天平称量至恒重.采用气相色谱法对非甲烷总烃进行检测.根据HJ38-2017[11],将气体样品直接注入具备氢火焰离子化检测器的7820A型气相色谱仪(安捷伦科技(中国)有限公司),分别在总烃柱和甲烷柱上测定总烃和甲烷的含量,两者之差即为非甲烷总烃的含量.同时以除烃空气代替样品,测定氧在总烃柱上的响应值,以扣除样品中的氧对总烃测定的干扰.实验中色谱分析条件为:空气流速400mL/min;进样口温度2092 中国环境科学 41卷120℃;柱箱温80℃;检测器温度200.℃购买5个浓度梯度的甲烷标准气体分别绘制总烃、甲烷的校准曲线,进样量1.0mL.再取1.0mL待测样品测定样品中总烃和甲烷的峰面积,总烃峰面积应扣除氧峰面积后参与计算.1.4餐饮业活动水平调查数据餐饮业活动水平数据是污染物排放量计算的重要参数.本文中餐饮业主要的活动水平数据综合以下来源获得:①生态环境部门2019年对餐饮源污染物产生的普查数据;②相关行政管理部门、行业协会等公布的信息与资料.2019年北京市开展了《餐饮业大气污染排放标准》(DB11/1488-2018)[8]发布后的第一次对餐饮源污染物产生的普查,实现全区域餐饮服务单位清查.由于研究区域餐饮企业数量密度较大,普查工作制定了清查建库、入户调查、数据审核、质量抽查及汇总上报等一系列工作任务.最终建立的台账包括单位名称、详细地址、统一社会信用代码、经营面积(m2)、经营天数(d)、年度日均经营时间(h)、固定灶头数(个)、烹饪油使用量(kg/a)、客流量(人/a)、年营业额(当年价格, 万元)等指标.此次调查中的餐饮服务单位包括独立经营的餐饮服务机构,宾馆、酒店、度假村等场所内经营性餐饮部门,设于机关、事业单位、社会团体、民办非企业单位、企业等供应内部职工、学生等集中就餐的单位食堂和中央厨房等集体用餐加工服务机构,覆盖研究区域内所有产生餐饮大气污染物的服务单位.企业规模是影响餐饮企业PM2.5排放因子的重要因素[12].根据北京市《餐饮业大气污染物排放标准》(DB11/1488-2018)[8]中餐饮服务单位规模划分标准,选取其中较易获得的划分指标对所调查的餐饮服务企业进行规模划分(表1).其中,不同方式判断规模不一致的,餐饮服务单位的规模类别以大者计.表1餐饮服务单位规模划分Table 1 Division of catering scales划分指标小型餐饮中型餐饮大型餐饮基准灶头数(个) ≥1,<3 ≥3,<6 ≥6经营场所使用面积(m2)≤150 >150,≤500 >500 就餐座位数(座) ≤75 >75,≤250 >250 研究区域共有餐饮企业3400余家,按照表2划分餐饮业规模的标准,本研究区域有小型餐饮企业1300余家、中型餐饮企业1300余家、大型餐饮700余家.根据检测数据和餐饮服务单位普查数据,获取不同规模餐饮业的基础数据参数.本研究对样本数据进行了Shapiro-Wilk正态分布检验,随机变量服从对数正态分布则取几何平均值,不服从对数正态分布的则取中位数.抽样餐饮企业基本数据参数见表2和表3.表2废气净化设备升级改造前餐饮企业基本数据参数Table 2 Basic information on catering enterprises before the upgrading of exhaust gas purification equipment项目数量(家) 年经营天数(d) 年度日均经营时间(h)经营面积(m3)餐位数(个) 客流量(人/a)烹饪油使用量(kg)标态干废气流量(×10³ m3/h)折算后实际使用灶头数(个)小型8 300 9.28 120 54 24111 1467 6.34 1.66 中型 20 356 10.04 314 80 37707 1433 8.37 2.72大型14 365 9.25 664 193 73616 4287 20.98 10.16 总计42均值356 9.64 276 104 46748 1575 10.81 3.84表3废气净化设备升级改造后餐饮企业基本数据参数Table 3 Basic information on catering enterprises after the upgrading of exhaust gas purification equipment项目数量(家) 年经营天数(d) 年度日均经营时间(h)经营面积(m3)餐位数(个) 客流量(人/a)烹饪油使用量(kg)标态干废气流量(×10³ m3/h)折算后实际使用灶头数(个)小型11 330 10 52 23 19228 567 2.09 1.34 中型14359 9 185 53 50896 909 4.96 2.60 大型8 363 8 1047 195 88977 4154 9.28 7.27 总计33均值350 10 185 55 42129 1123 4.33 2.685期马殊琼等：北京市典型城区餐饮业VOCs 和PM 2.5排放量估算 20931.5 餐饮业大气污染物年排放总量估算方法根据《城市大气污染物排放清单编制技术手册》[13],餐饮油烟源排放清单污染物有PM 10、PM 2.5、BC 、OC 和VOCs.本文主要对PM 2.5和VOCs 排放总量进行估算.采用的核算方法为排放因子法.根据餐饮业行业特点,通常选取就餐人数、就餐时间、食用油用量和灶头数4项便于统计的指标为核算基准来计算相对应大气污染物排放因子[7].结合烟气排放量、污染物排放浓度以及餐饮企业的数量等进行污染物排放量估算[14-16].不同核算基准存在一定的不确定性,吴雪伟等[17]认为以用油量为基准的不确定性最小, 如PM 2.5和VOC S 的不确定性分别为31%和61%.吴芳谷等[18]对餐饮油烟研究发现,油烟中排出的颗粒物主要为细粒子,PM 2.5占餐饮废气颗粒物的76.91%.餐饮企业i 以第j 种核算基准的排放量E ij 计算采用下面的公式:1EF ij j i i E A ==×∑餐饮总数(1) 式中:A i 为餐饮企业i 活动水平,针对不同核算基准的排放因子取相对应的A i 值;EF j 为第j 种核算基准对应的排放因子,(g/kg)、(g/人)、(g/h)、[g/(h ⋅个)].本研究中,排放因子EF j 以不同核算基准分别计算获得.第j 种核算基准对应的排放因子EF j 计算公式如下: EF ()j j c U Y ×=用油量 (2)EF ()jj c U T×=用餐时间 (3)EF ()jj c U Z ×=灶头数 (4)EF ()jj c U R×=用餐人数 (5) 式中:c j 为第j 种污染物实测浓度,mg/m 3; U 为实测餐饮企业废气排放量,m 3/h; Y 为实测餐饮企业食用油年使用量,t; T 为实测用餐时间,h; Z 为实测餐饮企业基准灶头数,个; R 为实测餐饮企业用餐人数,人次.本研究中不同餐饮企业活动水平A 按餐饮规模计算统计得出,见表4.计算∑A 时,∑A (用餐时间)、∑A (用油量)和∑A (用餐人数)均需考量年均经营时间(h)范围.表4 不同餐饮规模餐饮企业活动水平 Table 4 The activity levels of catering enterprises withdifferent catering scales餐饮规模用油量(t/a)用餐时间(h/a) 灶头数(个) 客流量(万人次/a)小型 1428.893748547.14 1520 6110 中型 3759.184884655.56 3839 12602 大型 3793.462603358.96 5769 14108 总计 8981.5211236561.66 11128328212 结果与讨论2.1 餐饮业废气中VOCs 和PM 2.5排放因子通过(2)~(5)式计算得到分别以用油量、灶头数、用餐人数和用餐时间为核算基准的餐饮业废气VOCs 和PM 2.5排放因子,如表5所示.表6是按照不同规模餐饮企业核算的排放因子.可见,不同核算基准的排放因子差异较大.升级改造前,基于用餐时间的VOCs 和PM 2.5排放因子分别为42.35和17.66g/h,明显大于基于用餐人数的VOCs 和PM 2.5排放因子1.22和0.51g/人.因此,排放因子的参考基准不同影响了排放因子的值,且参考基准的实际情况因地域而异,需要获得不同核算基准下的本地化排放因子.本研究得到升级改造后以用油量为核算基准的VOCs 排放因子11.62g/kg 与秦之湄等[19]获得的成都市的值13.8g/kg 接近,但显著高于王秀艳等[20]获得的沈阳市的值5.03g/kg.因此,需获取本地化、易于计算并符合实际的排放因子[21],才能准确掌握餐饮企业排放对环境空气质量直接或潜在的影响.表5 基于不同核算基准的餐饮业污染物排放因子Table 5 Emission factors of VOCs and PM 2.5 in catering industry based on different accounting standardsVOCs 排放因子 PM 2.5排放因子核算基准升级改造前升级改造后降低比例(%)升级改造前升级改造后降低比例(%)用油量(g/kg) 35.52 11.62 67.3 14.81 3.81 74.3 用餐人数(g/人) 1.22 0.31 75.0 0.51 0.10 80.0 用餐时间(g/h) 42.35 7.56 82.2 17.66 2.48 86.0灶头数[g/(h·个)] 11.97 2.82 76.4 4.67 0.93 80.02094 中 国 环 境 科 学 41卷表6 不同规模餐饮业不同核算基准的排放因子Table 6 Emission factors of catering industries with variesscales and accounting standardsVOCs 排放因子 PM 2.5排放因子 餐饮业规模核算基准 升级改造前升级改造后降低比例(%)升级改造前升级改造后降低比例(%)小型 30.48 9.84 67.7 11.28 3.1672.0中型 36.40 19.08 47.6 16.05 7.2454.9大型 用油量(g/kg)37.44 6.14 83.6 15.42 1.6189.6小型 0.88 0.29 67.0 0.33 0.0972.7中型 1.00 0.34 66.0 0.44 0.1370.5大型 就餐人数(g/人)1.94 0.29 85.0 0.80 0.0890.0小型 17.512.50 85.7 6.57 0.8087.8中型 11.54 3.83 66.8 5.73 1.4674.5大型 灶头数[g/(h·个)] 8.32 1.95 76.6 3.59 0.5185.8小型 26.11 3.36 87.0 9.66 1.0888.8中型 29.90 9.98 66.6 13.18 3.7971.0大型 用餐时间(g/h)91.85 14.16 84.6 37.83 3.7190.0从表5可见,不论以何种核算基准计算得出的排放因子,废气净化设备升级改造后的餐饮业VOCs和PM 2.5排放因子均比改造前明显减小,分别降低了67.3%~82.2%和74.3%~86.0%.但是,不同规模餐饮企业油烟污染治理效果存在一定差异,如表6所示.调查数据表明,大型餐饮企业均已全部安装有油烟净化设施,污染物排放因子下降明显.中型餐饮企业VOCs 和PM 2.5排放因子下降幅度相对较小.中型餐饮企业数量占比和客流量较大,但存在未按要求启用净化设备,未定期清洗油烟净化设备,和未及时更换活性炭及分子筛等吸附材料等现象.穆桂珍等[22]研究也表明目前餐饮企业油烟净化设施“重安装,轻维护”的现象依然十分普遍.部分小型餐饮企业油烟净化装置缺乏专业及时的维护,排风量与灶头数量不匹配也导致静电油烟净化器处理效果大打折扣. 2.2 餐饮业废气VOCs 和PM 2.5排放量根据式(1)以及表5中的排放因子,核算出本研究区域全部餐饮企业2019年VOCs 和PM 2.5的排放量(表7).表7 餐饮废气净化设备升级改造前、后VOCs 和PM 2.5排放量(t/a)Table 7 VOCs and PM 2.5 emissions before and after upgrading of exhaust gas purification equipment (t/a)核算基准用油量就餐人次就餐时间灶头数污染物升级改造前升级改造后升级改造前升级改造后升级改造前升级改造后升级改造前升级改造后VOCs 319.03 92.76 399.54 101.63 506.38 92.14 457.27 109.89 PM 2.5 188.19 30.43 166.55 33.34 211.09 30.22 178.40 36.05本研究区域在餐饮业废气净化设备升级改造前,不同核算基准得到VOCs 排放量最大值为506.38t/a,最小值为319.03t/a;PM 2.5排放量最大值为211.09t/a,最小值为166.55t/a.其中,VOCs 和PM 2.5排放量最大值均是以就餐时间为核算基准计算获得的,但最小值分别是以用油量和就餐人次为核算基准计算获得.假定区域内餐饮业废气净化设备全部进行升级改造,则升级改造后,VOCs 和PM 2.5排放量范围分别为92.14 ~109.89/a 和30.22~36.05t/a.这时,最大值均是以灶头数为核算基准计算获得,最小值均是以就餐时间为核算基准计算获得.这表明净化设备改造后就餐时间不再是影响排放量主要的约束因素.在实际监督管理过程中,应督促餐饮企业及时进行餐饮废气净化设备升级改造,进行餐饮业用油量、灶头数量和就餐人次的管控.根据以上结果,餐饮废气净化设备升级改造后,餐饮源VOCs 减排率为71%~82%,PM 2.5减排率达到80%~86%.以街道为单元,对VOCs 和PM 2.5排放量贡献占比较大的街道为展览路街道(17.46%),月坛街道(12.68%),金融街街道(12.44%),德胜街道(8.73%).通过餐饮企业的位置、数量、排放量及地区占地面积,获得不同街道餐饮业VOCs 和PM 2.5年度排放强度分别为1.45~4.32t/km 2和0.47~1.42t/km 2.其中VOCs 排放强度最大的5个街道分别为陶然亭街道(4.32t/km 2)、大栅栏街道(4.23t/km 2)、新街口街道(4.03t/km 2)、月坛街道(3.90t/km 2)和金融街街道(3.08t/km 2).餐饮源PM 2.5排放强度最小的街道为广安门外街道(0.47t/km 2),排放强度最大为陶然亭街道(1.42t/km 2).为验证废气净化设备升级改造前后对大气中PM 2.5含量的影响效果,选择在7月(升级改造前)和10月(升级改造后)两个时间段,对研究区域中餐饮企业分布密集社区进行了PM 2.5监测.鉴于大气污染物存在明显的季节变化,把实测值减去当5期马殊琼等：北京市典型城区餐饮业VOCs和PM2.5排放量估算 2095月的平均值得到差值(∆PM2.5)进行对比(图1).从图1可看出,改造后∆PM2.5比改造前明显降低,尤其在早餐(05:30~08:30)、午餐(10:30~13:30)和晚餐(16:00~19:00)时段.此外,由于两次测值是在不同年段完成的,除排放外,大气污染物还会受到天气以及输送变化的影响,导致个别改造后的测值大于改造前的.将对应的改造前后早午晚餐时段∆PM2.5进行了差异性检验,两独立样本非参数检验结果显示各抽样社区∆PM2.5浓度实测值在净化设备改造前后变化呈现显著性差异(P<0.05),即区域∆PM2.5排放浓度经过餐饮废气净化设备升级改造后有明显的降低.通过实测值计算, 在月坛街道铁二二社区, 牛街街道东里社区, 金融街街道丰汇园社区和大栅栏街道煤市街东社区早中晚餐时段∆PM2.5分别减少了26.9%,25.1%,32.9%和30.8%.4个社区平均减少了28.9%,最接近于以用油量为核算基准的排放因子降低比例.a bc d图1 餐饮企业分布密集社区废气改造设备升级前后实测ΔPM2.5浓度比较Fig.1 Comparison of the measured ΔPM2.5 concentrations before and after the upgrading in communities with densely distributedcatering companiesa.月坛街道铁二二社区;b.牛街街道东里社区;c.大栅栏街道煤市街东社区;d.金融街街道丰汇园社区3结论3.1通过对研究区域内餐饮企业进行实地检测数据及活动水平调查,分别得到了基于就餐人数、就餐时间、食用油用量和灶头数4项核算基准的餐饮业VOCs和PM2.5排放因子,但4种核算基准的排放因子差异较大,需要进一步本地化检验.3.2本研究区域餐饮业废气净化设备升级改造前,VOCs排放量范围为319.03~506.38t/a,改造后为92.14~109.89t/a;PM2.5排放量范围改造前为166.55~ 211.09t/a,改造后为30.22~36.05t/a,经过餐饮业废气净化设备升级改造后VOCs及PM2.5排放量分别减2096 中国环境科学 41卷少了71%~82%和80%~86%.3.3计算得到以街道为单元的餐饮业VOCs及PM2.5排放强度,VOCs排放强度范围1.45~4.32t/ km2,PM2.5排放强度范围0.47~1.42t/km2.通过餐饮源VOCs和PM2.5排放强度情况的定量计算,便于有针对性的开展相应区域餐饮源大气污染物防治工作.3.4通过对典型社区PM2.5浓度(小时值)抽样检测,餐饮废气净化设备升级改造前、后∆PM2.5浓度平均减少比例为28.9%,最接近于用油量为核算基准的排放因子降低比例.进一步说明餐饮业废气净化设备升级改造对于PM2.5减排效果显著.参考文献：[1] 联合国环境规划署.北京二十年大气污染治理历程与展望 [R]. 内罗毕,肯尼亚:联合国环境规划署, 2019.United Nations Environment Programme. A review of 20 years’ air pollution control in Beijing [R]. Nairobi, K enya: United Nations Environment Programme, 2019.[2] 郑君瑜,王水胜,黄志烔,等.区域高分辨率大气排放源清单建立的技术方法与应用 [M]. 北京:科学出版社, 2014:124-161.Zheng J Y, Wang S S, Huang Z T, et al. The technical method and application of regional high resolution air emission source inventory [M]. Beijing: China Science Publishing& Media LTD, 2014:124-161.[3] 张洋,支国瑞,薛志刚,等.餐饮行业活动水平调查及大气污染物排放清单编制研究 [J]. 环境科学研究, 2019,32(6):929-937.Zhang Y, Zhi G R, Xue Z G, et al. Investigation of activity levels of catering service industry and construction of air pollutant emission inventory [J].Research of Environmental Sciences, 2019,32(6):929-937.[4] 孙成一,白画画,陈雪,等.北京市餐饮业大气污染物排放特征 [J].环境科学, 2020,41(6):2596-2601.Sun C Y, Bai H H, Chen X, et al. Emission characteristics of the catering industry in Beijing [J]. Environmental Science, 2020,41(6):2596-2601.[5] 何万清,王天意,邵霞,等.北京市典型餐饮企业大气污染物排放特征 [J]. 环境科学, 2020,41(5):2050-2056.He W Q, Wang T Y, Shao X, et al. Pollution characteristics of cooking fumes, particulates, and non-methane hydrocarbons in the exhaust of typical Beijing restaurants [J]. Environmental Science, 2020,41(5):2050-2056.[6] 熊桂洪,许丽萍,叶堤,等.我国餐饮油烟源排放清单建立方法研究进展 [C]. 北京:《环境工程》2019年全国学术年会, 2019:196-199.Xiong G H, Xu L P, Ye D, et al. Recent progress of cooking oil fumes emission inventory in China [C]. Beijing:“Environmental Engineering”2019 National Academic Conference, 2019:196-199. [7] 北京市西城区地方志编纂委员会办公室.北京西城年鉴 [M]. 北京:中华书局, 2019:438-447.Local Chronicles Compiling Committee Office of Beijing Xicheng District. Beijing Xicheng yearbook [M]. Beijing: ZhongHua Book Company, 2019:438-447.[8] DB 11/1488-2018 餐饮业大气污染物排放标准 [S].DB 11/1488-2018 Catering air pollutants emission standards [S]. [9] DB 11/T 1485-2017 餐饮业颗粒物的测定手工称重法 [S].DB 11/T 1485-2017 Determination of particulate matter in catering industry - Manual weighing method [S].[10] HJ 732-2014 固定污染源废气挥发性有机物的采样气袋法 [S].HJ 732-2014 Sampling of volatile organic compounds from stationarysource exhaust gas by air bag method [S].[11] HJ 38-2017 固定污染源废气总烃、甲烷和非甲烷总烃的测定气相色谱法 [S].HJ 38-2017 Stationary source waste gas-Determination of total hydrocarbon, methane and non-methane total hydrocarbon-Gas chromatographic method [S].[12] 王红丽,景盛翱,楼晟荣,等.餐饮行业细颗粒物(PM2.5)排放测算方法:以上海市为例 [J]. 环境科学, 2018,39(5):1971-1977.Wang H L, Jing S A, Lou S R, et al. Estimation of fine particle (PM2.5) emission inventory from cooking: case study for Shanghai [J].Environmental Science, 2018,39(5):1971-1977.[13] 贺克斌,王书肖,张强.城市大气污染物排放清单编制技术手册[M]. 北京:中华人民共和国环境保护部, 2015:65-145.He K B, Wang S X, Zhang Q. Technical manual for compilation of emission inventory of urban air pollutants [M]. Beijing: Ministry of Environmental Protection of the People's Republic of China, 2015:65-145.[14] He L Y, Hu M, Huang X F. Measurement of emissions of fineparticulate organic matter from Chinese cooking [J]. Atmospheric Environment, 2004,38(38):6557-6564.[15] Zhao Y, Hu M, Slanina S. Chemical compositions of fine particulateorganic matter emitted from Chinese cooking [J]. Environmental Science & Technology, 2007,41(1):99-105.[16] Ho S S H, Yu J Z, Chu K W, et al. Carbonyl emissions fromcommercial cooking sources in Hong Kong [J]. Journal of the Air & Waste Management Association, 2006,56(8):1091-1098.[17] 吴雪伟,陈卫卫,王堃,等.长春市餐饮源PM2.5和VOCs排放清单[J]. 中国环境科学, 2018,38(8):2882-2889.Wu X W, Chen W W, Wang K, et al. PM2.5 and VOCs emission inventories from cooking in Changchun City [J]. China Environmental Science, 2018,38(8):2882-2889.[18] 吴芳谷,汪彤,陈虹桥,等.餐饮油烟排放特征 [A]. 中国颗粒学会2002年年会暨海峡两岸颗粒技术研讨会会议论文集 [C]. 桂林:科学出版社, 2002:327-331.Wu F G, Wang T, Chen H Q, et al. Characteristics of catering lampblack emission [A]. Proceedings of 2002annual meeting of Chinese granule society and cross-strait symposium on granule technology [C]. Gui Lin: China Science Publishing& Media LTD, 2002:327-331.[19] 秦之湄,唐文雅,尹元畅,等.基于互联网大数据的成都餐饮源细颗粒物排放空间分配研究 [J]. 环境科学学报, 2017,37(12):66-73.Qin Z M, Tang W Y, Yin Y C, et al. Spatial distribution of PM2.5 emission from cooking sources in Chengdu based on internet big data method [J]. Acta Scientiae Circumstantiae, 2017,37(12):66-73.[20] 王秀艳,史建武,白志鹏,等.沈阳市烹饪油烟中VOCs排放特征分析[J]. 中国人口·资源与环境, 2011,21(S1):364-366.Wang X Y, Shi J W, Bai Z P. et al. Analysis on VOCs emission characteristics of cooking fume in Shenyang [J]. China Population Resources and Environment, 2011,21(S1):364-366.[21] 尹元畅,蒋燕,王波,等.成都餐饮源PM2.5及VOCs排放因子的探索 [J]. 环境监测管理与技术, 2015,27(5):63-67.Yin Y C, Jiang Y, Wang B, et al. The study on fine particles and VOCs emission factor of cooking activities in Chengdu [J]. The Administration and Technique of Environmental Monitoring, 2015,27(5):63-67.[22] 穆桂珍,卢清,钟志强,等.静电油烟净化器对餐饮油烟中醛酮类VOCs的去除 [J]. 中国环境科学, 2020,40(11):4697-4702.Mu G Z, Lu Q, Zhong Z Q et al. Removal of electrostatic fume purifiers on aldehydes and ketones compounds from cooking oil fume [J]. China Environmental Science, 2020,40(11):4697-4702.作者简介：马殊琼(1988-),女,甘肃临夏人,中央民族大学硕士研究生,主要从事大气环境污染与防治研究.发表论文1篇.。
城镇化对碳排放的影响研究——以京津冀地区为例目录摘要 (I)ABSTRACT ..........................................................1 导论 (1)1.1 问题的提出 (1)1.1.1 研究背景 (1)1.1.2 研究目的和意义 (2)1.2 文献综述 (3)1.2.1 国外研究综述 (3)1.2.2 国内研究综述 (4)1.2.3 概述性评论 (7)1.3 研究思路和方法 (7)1.3.1 研究思路 (7)1.3.2 研究方法 (8)1.4 创新和不足之处 (9)1.4.1 论文的写作难点 (9)1.4.2 论文的创新之处 (9)2 城镇化对碳排放的影响机理分析 (10)2.1 投资增长效应对碳排放的影响 (10)2.2 人力资本累积效应对碳排放的影响 (11)2.3 技术进步效应对碳排放的影响 (13)2.4 产业结构对碳排放的影响 (14)2.5 消费升级效应对碳排放的影响 (16)3 京津冀地区城镇化和碳排放状况分析 (18)3.1 京津冀地区城镇化的过程及其特点 (18)3.1.1 京津冀地区城镇化现状 (18)3.1.2 京津冀城镇化特点 (18)3.2 碳排放的计算 (19)3.2.1 按实物量的碳排放测算关系式 (19)3.2.2 二氧化碳排放估计式 (21)3.3 京津冀地区碳排放的状况及特点 (22)3.3.1 碳排放的现状分析 (22)3.3.2 碳排放特点 (23)3.4 影响碳排放的原因分析 (24)4 城镇化对碳排放影响的实证分析 (26)4.1 模型和假设 (26)4.2 变量选取及数据来源 (27)4.3 分析讨论 (29)4.3.1 单位根检验 (29)4.3.2 面板协整检验 (29)4.3.3 估计方法 (30)4.3.4 结果分析 (31)5 结论与建议 (34)5.1 基本结论 (34)5.2 政策建议 (34)5.2.1 积极探索新型城镇化道路，建设低碳城市 (34)5.2.2 改善固定资产投资结构，降低高能耗产业比例 (35)5.2.3 合理控制人口总量 (35)5.2.4 产业结构优化升级 (36)5.2.5 倡导低碳生活，发展低碳建筑和交通 (36)参考文献 (37)攻读硕士学位期间的研究成果 (39)致谢 (40)摘要当前，全世界面临的最主要的问题就是气候问题。
市政道路碳排放计算及分析
余希帆
【期刊名称】《城市道桥与防洪》
【年(卷),期】2024()1
【摘要】首先,基于城市道路全生命周期的评价方法,提出了市政道路及配套设施的碳排放计算原则和思路,构建了市政道路及配套工程“建造阶段、运行阶段和拆除阶段”3个阶段的碳排放计算模型;然后,通过分类统计不同阶段的能耗和碳排放因子,定量分析了市政道路全生命周期的碳排放量以及碳汇量;最后,通过实际案例,论述了所提出的碳排放计算模型在碳达峰、碳中和分析中的基本步骤以及所需要收集的资料,以期为后续市政道路及其他市政基础设施建设项目参与碳排放交易、碳足迹等工作提供技术参考。
【总页数】5页(P27-29)
【作者】余希帆
【作者单位】广东省交通规划设计研究院集团股份有限公司
【正文语种】中文
【中图分类】U412.37
【相关文献】
1.住宅建筑全生命周期碳排放计算与减碳潜力分析
2.综合交通枢纽项目施工碳排放计算分析与减碳技术研究
3.基于无碱液体速凝剂碳足迹全生命周期的碳排放计算
分析4.面向双碳目标的典型园区碳排放计算分析5.设计导向的市政道路特殊路基处理碳排放计算与评估
因版权原因，仅展示原文概要，查看原文内容请购买。
中国城市居住碳排放的测算、区域差异及影响因素研究董紫媛;张朝辉【期刊名称】《生态经济》【年(卷),期】2024(40)1【摘要】厘清中国城市居住碳排放的区域分异与影响因素对城市居民生活控排,支持全面协调推进碳中和目标都具有重要意义。
在测算中国286个地级及以上城市2010—2019年的城市居住碳排放的基础上,利用泰尔指数分析其区域异质性,并进一步运用固定效应模型与动态空间杜宾模型来识别城市居民生活碳排放的影响因素。
研究表明:(1)我国居住碳排放区域泰尔指数总体呈波动下降趋势,表明我国城市居住碳排放差异逐年缩小。
(2)中国城市居住碳排放的区域内差异分布空间格局在2010—2019年没有发生显著变化;经济发展程度越高的地区,区域内居住碳排放的差异越小。
(3)我国居住碳排放的时间积累特征明显,且收入水平对城市居住碳排放的影响呈现出显著的倒“U”型特征。
(4)在空间溢出效应方面,本市人口密度提升会对周围城市居住碳排放产生轻微抑制作用,而产业结构优化在促进本市居住减排的同时也会导致邻近城市居住碳排放的升高。
【总页数】9页(P13-21)【作者】董紫媛;张朝辉【作者单位】中国社会科学院大学应用经济学院【正文语种】中文【中图分类】F29【相关文献】1.中国区域工业碳排放测算与影响因素分析——以天津市为例2.基于GWR模型的中国区域碳排放影响因素空间差异研究3.基于STIRPAT模型的长株潭城市群交通碳排放的影响因素及其区域差异4.中国城市居住碳排放的弹性估计与城市间差异性研究5.中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素因版权原因，仅展示原文概要，查看原文内容请购买。
