1995~2015年中國風蝕揚塵TSP、PM10和PM2.5排放清單及未來趨勢預測

吳一鳴,王乙斐,周怡靜,焦麗君,田賀忠*

?

1995~2015年中國風蝕揚塵TSP、PM10和PM2.5排放清單及未來趨勢預測

吳一鳴1,2,王乙斐1,周怡靜1,焦麗君1,田賀忠1,2*

(1.北京師范大學環境學院,環境模擬與污染控制國家重點聯合實驗室,北京 100875；2.北京師范大學,大氣環境研究中心,北京 100875)

通過收集1995~2015年中國大陸31個省級行政區風速、降水量和氣溫地面站數據, 結合各省、市自治區的土地利用分布及每種土地利用類型對應的土質類型,基于環保部推薦的起塵模型建立了1995~2015年中國風蝕揚塵顆粒物(TSP、PM10和PM2.5)排放清單.研究表明,在本研究的時間序列中,中國土壤風蝕揚塵顆粒物排放量呈現波動的趨勢,2015年全國風蝕揚塵顆粒物TSP、PM10和PM2.5的年排放量分別約為2.27×107、6.77×106和1.17×106t.排放量的空間分布總體上呈現“北強南弱”,并且以“黑河-騰沖”一線為界呈現“西強東弱”的排放格局,排放強度最大的地區出現在內蒙古西部和新疆大部.基于IPCC對于未來氣候變化的預測情景,估計了未來風蝕揚塵顆粒物的排放變化趨勢,在降水和氣溫共同作用下,不考慮風速變化,2100年的排放量相對2005年的變化幅度在-8.5 %~7.7 %之間,降水量增多會抑制風蝕揚塵顆粒物排放,溫度升高則會使得地表更容易產生風蝕揚塵顆粒物.

風蝕揚塵；顆粒物；排放清單；自然源；時空變化特征

當前,人為源大氣污染物排放受到普遍重視,并作為污染減排和控制的重點[1].在關注人為源控制的同時,以土壤風蝕揚塵為代表的自然源大氣排放尚未引起全社會持續足夠關注[2].自然源排放是指有土壤風蝕、生物質燃燒、火山爆發、生物活動、海鹽氣溶膠噴霧、閃電等自然活動造成的大氣排放,相應的源類被稱為大氣自然源[3–6].作為大氣排放清單不可缺少的一部分,編制完整詳細的自然源排放清單,對區域空氣質量模式模擬和預報的準確性具有重要意義[7-8].

土壤風蝕揚塵排放是大氣顆粒物的一種重要自然排放來源[9–12].在風力驅動下,由地表風蝕排放的大氣顆粒物能夠在不同的區域間進行長距離遷移,從遠離城市的地方向城市遷移,進而對城市及區域大氣環境產生影響.我國北方地區春季經常出現的揚沙、沙塵暴等天氣現象就是土壤風蝕揚塵排放及遷移的具體體現[11–14].因此,了解土壤風蝕揚塵排放,對完善大氣排放清單及正確評估區域環境狀況具有重要意義[15-16].

本文基于數據庫調研分析,根據歷史氣象記錄和土地利用類型等統計資料,參照US EPA[17]、環保部《揚塵源顆粒物排放清單編制技術指南(試行)》[18](下稱《指南》)以及有關研究[19-20]推薦方法,估算了1995~2015年中國土壤風蝕揚塵TSP、PM10和PM2.5的排放量,分析了風蝕揚塵顆粒物排放歷史趨勢、當前的空間分布特征,并對未來排放變化趨勢進行了情景預測.從而為完善大氣污染源排放清單,解析污染源預測氣候影響模擬模式的研究提供基礎數據,并為制定相關大氣污染控制對策提供科學依據.

1 材料與方法

1.1 估算方法

本研究參考《指南》[18]推薦方法,估算了1995~ 2015年中國風蝕揚塵TSP、PM10和PM2.5的排放量.主要的計算公式如下:

D

=

k

′

I

we

′

f

′

L

′

V

(2)

PE=1.099

′

p

/[0.5949+(0.1189

T

a

)] (4)

式中:為土壤風蝕揚塵中顆粒物(TSP、PM10和PM2.5)的年排放量,t/a;D為省中土壤利用類型所對應的起塵因子,t/(104m2·a);為氣候因子,表征氣象因素對土壤揚塵的影響;為污染控制技術對揚塵的去除效率,%,對不同粒度顆粒物選取的參數不同,參考《指南》推薦值;為對應土地利用類型的面積,104m2;式(2)中的為目標顆粒物在土壤揚塵中的百分含量,本研究參考《指南》選取TSP、PM10和PM2.5的值分別為1,0.3和0.05;we為土壤風蝕指數,具體計算方法見1.3節所述;為地面粗糙因子,反映地表的粗糙程度,本研究參考《指南》推薦值,將耕地、林地、園地和草地4種覆蓋形式視為地表粗糙型土地利用類型取0.5,其余類型視為光滑地表,均取值為1.0;為無屏蔽寬度因子,由于本研究為宏觀大尺度研究,忽略不同區域邊界的屏蔽寬度,統一取值為1.0;為植被覆蓋因子,反映了裸土面積占總面積的比例,參照《指南》方法進行計算;為年均風速,m/s;PE為桑氏威特降水—蒸發指數[18];為年降水量,mm;T為站點年均溫度,℃.

1.2 土地面積選取

本研究以土地面積作為風蝕揚塵源大氣顆粒物排放的活動水平.將中國的土地利用類型劃分為耕地、林地、園地、草地、荒漠化土地、濕地和其他等7大類,14小類.匯總并采用《國土資源統計年鑒》[21](耕地、園地、草地和其他)、《中國林業統計年鑒》[22](林地、荒漠化土地和濕地)公布的分省土地利用面積統計值,作為2015年的地表土壤活動水平.

1.3 排放因子

1.3.1 起塵因子的選取 作為排放因子計算過程中最重要的參數之一,起塵因子反映了土壤的起塵能力,是土壤表層自身性質的體現[11,14].中國土壤數據庫[23]中詳細收錄了中國每個縣級行政區中所有的土地利用類型和對應的土質類型,中國濕地科學數據庫[24]中詳細收錄了中國各省濕地的土質類型情況.本研究收集匯總了每個省份不同土地利用類型的對應表土的土質類型,共隨機選取了1007個樣本(包括865個土壤樣本和142個濕地樣本),每個省份每種土地利用類型至少選取3個樣本,若某省份某種土地利用類型的土質類型并未被上述數據庫收錄,則選取其周圍省份對應土地利用類型的平均土質類型作為其土質類型,如“寧夏自治區-園地”的土質類型即為1/2黏壤土(甘肅省-園地)+1/2壤質黏土(陜西省-園地).由于內蒙古自治區東西距離過長,和寧夏相交的邊界有限,因此未考慮其對寧夏的影響.

《指南》中較為詳細的給出了各類土質類型起塵因子的參考值,能較真實的反映我國不同類型土壤的起塵能力.由于缺乏實測條件,本文按照先前確定的土質類型確定并計算各個省份的“平均起塵因子”,以期盡可能接近實際,達到排放因子本地化精細化的目的.

1.3.2 氣候因子的選取 選取中國氣象數據網[25]和《中國統計年鑒》[26]收集的1995~2015年全國31個省級行政區省會氣象地面站歷史年平均氣溫、降水量和站點風速數據作為本文相關參數估算的基礎數據.

2 結果與討論

2.1 歷史排放趨勢

基于桑氏威特降水蒸發指數計算氣候因子的方法,自下而上核算了1995~2015年中國土壤風蝕揚塵TSP、PM10和PM2.5的年排放量變化趨勢如圖1所示.近20年,中國土壤風蝕揚塵顆粒物排放量呈現波動的趨勢.估算2015年全國風蝕揚塵顆粒物TSP、PM10和PM2.5的年排放量分別約為2.27′107、6.77′106和1.17′106t.在1995~2015年間,1997,2001和2008年出現了3次排放峰值,其中1997年為排放量最高的年份,其TSP、PM10和PM2.5的年排放量分別約為4.50′107,1.36′107和2.31′106t,排放強度和早先使用同一種計算模型的相關研究結果處于同一水平[9,11-12],但其他學者使用修正的土壤風蝕方程(revised wind erosion equation,RWEQ)、綜合風蝕模擬系統(Integrated Wind Erosion Modeling System, IWEMS)等利用遙感反演數據作為輸入的風蝕揚塵排放模型計算所得的排放強度的結果遠高于本研究[13-14].推測結果產生差異的原因是由于不同計算模型應用在不同尺度的研究區域會產生系統誤差,并且遙感反演識別土地利用類型的結果和年鑒統計值也會存在誤差,其他研究也發現了類似問題[8].對比不同研究,雖然各研究區域的風蝕揚塵顆粒物排放量受風速影響較大,呈逐年波動趨勢,但不論是北方地區還是全國,排放總量與強度均呈現緩慢下降的態勢,也從側面說明我國防沙治沙有一定成效[13-14].此外,自2009年至今,排放量的波動趨勢較為平穩;2012年后,顆粒物排放量分地區貢獻有所改變(圖2).隨著華北地區局地氣象條件的變化,如年均風速增大,土壤風蝕揚塵顆粒物的排放量呈現逐年上升趨勢.

圖1 1995~2015年中國風蝕揚塵TSP、PM10和PM2.5排放變化趨勢 Fig.1 Historical trends of TSP, PM10 and PM2.5 emissions from wind erosion in China, 1995~2015

2.2 排放量分地區貢獻

按照省級行政區所屬的地理分區核算了中國6大地理分區的排放量貢獻,TSP、PM10和PM2.5的分區域貢獻比例相似.由圖2可知,1997,2001和2008年等峰值年份的分區域排放量構成具有顯著特點,對應年份西北地區的排放量占全國排放總量的90%左右.這主要是由于新疆沙漠地區,如塔克拉瑪干沙漠和古爾班通古特沙漠(位于準噶爾盆地)出現持續大風和沙塵暴等極端天氣所致.Xuan等[11-12]早先使用US EPA方法核算20世紀末中國北方地區揚塵排放量約為2.50′107t,稍低于本研究的結果,但考慮到計算模型中所選取參數的精確程度存在出入,可以認為本研究結果與其基本相符.

2014和2015年,華北地區省份的排放量占比增高,超過了排放總量的50%,主要原因是內蒙古中西部地面風速明顯增長[27],使得巴丹吉林沙漠的土壤風蝕揚塵排放量升高.同時,西北地區2014~2015年間的平均風速相較于2000~2005年間平均風速有所下降,導致其排放量相對于其他年份也有所降低.兩者共同作用導致了區域貢獻比例產生變化.

2.3 2015年全國土壤風蝕揚塵排放空間分布特征

采用中國科學院資源環境科學數據中心[28]提供的2015年中國土地利用現狀遙感監測數據進行排放量空間分布,利用ArcGIS軟件(V10.2)將原始柵格數據歸類為6種主要的土地利用類型(荒漠化土地和濕地合并稱為未利用土地),重采樣為9km′9km分辨率的網格化空間分布數據,分省份分配對應土地利用類型的風蝕揚塵顆粒物排放量.

圖3 2015年土壤風蝕揚塵顆粒物排放空間分布 Fig.3 Spatial distribution of PM emissions from soil wind erosion in 2015 (a)TSP, (b)PM10, (c)PM2.5, (d)土地利用類型

如圖3所示,全國風蝕揚塵排放總體呈現“北強南弱”的空間分布,這主要是由于北方和南方地區氣候和地表覆蓋程度的差異所致.其中,排放強度最大的地區位于內蒙古的巴丹吉林沙漠以及新疆哈密的戈壁地區,這與早年間有關中國北方揚塵排放的研究結果相吻合[11-12].其排放量高的原因主要是由于該地區常年高溫干旱,年平均風速高[29],加之沙漠地區表土質地疏松所致.基于類似原因,塔里木盆地、吐魯番盆地和準噶爾盆地的排放強度也較高.由于草原沙化程度嚴重,內蒙東部地區草原的顆粒物排放量較為顯著.華北地區存在大面積耕地,地表覆蓋較好,對揚塵的去除效率較高,使得排放強度相對于荒漠化地區較弱.而南方地區除了大面積森林與林地覆蓋外,降水多、濕度較大也是另外一個導致風蝕揚塵排放強度較弱的原因.

另外,風蝕揚塵顆粒物排放量以“黑河-騰沖”(胡煥庸線)一線為界,呈現出比較明顯的“西強東弱”格局.中國東部是經濟發達和人口聚集區域,城市化程度較高,自然狀態下的裸土面積較少,西部地區的地表覆蓋仍然保持較為自然和原始的狀態[30].因此,可以認為經濟發展與城市化導致地表覆蓋(植被、城市建筑、鋪裝道路等)比例上升,裸土面積減少,是造成風蝕揚塵顆粒物排放呈現“西強東弱”空間分布特征的主要原因,進一步推測人類活動對風蝕揚塵大氣顆粒物排放可能造成顯著影響.

2.4 未來趨勢預測

根據《IPCC氣候變化2014綜合報告》[31]基于人類活動水平控制不同情景的預測結果,以2005年為基準年,以2035,2065和2100為節點年份,設計了4種不同氣溫和降水量變化的情景(表 1),預測風蝕揚塵顆粒物排放量的變化,由于缺乏相關人類活動控制情景下風速變化的預測,情境中并未考慮風速變化,節點年份之間各年份氣象參數采用線性插值,預測結果如圖4所示.

在低情景下,降水量增長相對氣溫上升為主導的氣象因素,桑氏威特降水—蒸發指數(PE)所代表的表土干燥度不斷下降.因此,低情景下的排放量持續下降.到2035年,風蝕揚塵顆粒物年排放量將相比2005年排放量下降約3.5%;2100年低情景下風蝕揚塵顆粒物年排放量將相對2005年下降約8.5%.

表1 基于IPCC長報告[31]的2035~2100年情景設計 Table 1 Prediction of meteorological parameters, 2035~2100

注:表中氣象參數以2005年數據為基準,正值表示目標年參數高于2005年;反之,負值則表示低于2005年.

中低情景下2035年的氣溫變化與低情景相同,而降水量相對低情景有所上升,相對于低情景,更加抑制了風蝕揚塵的排放.到2035年,全國風蝕揚塵顆粒物年排放量相對于低情景降低幅度更大,達到約4.5%;而后由于氣溫明顯上升,導致其排放量有所回升,在2065年達到最高點;21世紀后期,由于升溫減緩、降水增多,排放量有所下降,到2100年時,排放量將回落到2035年左右的水平.

中高情景下,由于降水和溫度的增速基本趨同,因此對氣候因子的影響不是很大,未來長時間內的排放量基本上保持現有水平.高情景下溫度變化將成為影響排放量的主導因素,隨著溫度的快速上升,地表土壤的干燥程度不斷加強,導致排放量不斷上升.相對于2005年,高情景下2100年時的排放量將上升約8%,TSP、PM10和PM2.5的排放量將分別超過2.50′107,7.65′106和1.30′106t.

此外,近年來人類活動對環境和氣候都造成了一定影響,極端天氣頻發.因此,未來不排除由于極端天氣導致的排放量急劇增高(荒漠化地區持續強風天氣)、下降(大面積長時間強降雨)及波動.

2.5 不確定性來源分析

為了更精確估計風蝕揚塵顆粒物排放量,總結現有排放清單的數據來源和計算方法,本研究在排放量估算部分仍存在以下不確定性:(1)逐網格的地表土壤質地和土地利用數據對獲得更精確的排放量和更準確的空間分布特征會有所幫助;(2)本研究采用地面氣象站點的觀測數據計算所需的氣候因子,數據雖然具有代表性,但精細程度仍有提高的空間,因此,在計算中若能有更精細的氣象數據支持,可以更直接地獲得更詳細的歷史趨勢與空間分布特征;(3)本研究所采用顆粒物百分含量、地面粗糙因子等參數均選取排放清單指南中的推薦值,取值較為單一,在一定程度上增大了不確定性;為了獲取更為精確的排放因子,估算更為準確的排放量,得到更符合實際情況的空間分布,分地區及土地利用類型進行精細化的參數本地化工作是十分必要的;(4)應進一步完善起塵量的估算方法,半經驗公式(桑氏威特降水蒸發指數)計算排放量的方法的適用性有限,應根據不同地區及不同地表覆蓋類型情景的起塵機理研究更先進可靠的計算方法;此外,受氣候條件的影響,中國的風蝕作用主要發生在冬春季,采用年均氣候參數的方法雖然可以“削峰平谷”,在一定程度上可使年排放量估計接近真實,但若要實現高時空精度的動態排放清單,使其更合理地輸入空氣質量模式模擬及預報,需要結合高時空分辨率的氣象數據和土地利用活動水平建立更為先進的高時間和空間分辨率的風蝕揚塵顆粒物排放量估算方法.

3 結論

3.1 1995~2015年中國土壤風蝕揚塵顆粒物排放量呈現波動的趨勢.2015年全國風蝕揚塵顆粒物TSP、PM10和PM2.5的年排放量分別約為2.27′107, 6.77′106和1.17′106t,排放主要集中在地表裸露范圍廣、而又干燥少雨多風的西北地區.值得注意的是,受北方地區氣候變暖等因素影響,近年來華北地區的排放占比有所升高.

3.2 由于氣候和地表覆蓋程度有所差異,全國風蝕揚塵排放量總體呈現“北強南弱”的空間分布格局;此外,因為地區人口分布和經濟發展帶來的地表覆蓋差異,風蝕揚塵顆粒物排放量以“黑河-騰沖”(胡煥庸線)一線為界,呈現出比較明顯的“西強東弱”特征.

3.3 在降水量增長相對于氣溫上升為主導的氣象因素的低情景下,土壤風蝕揚塵排放量將持續下降;而在高情景下,隨著氣溫的明顯上升,排放量將呈現持續上升的情況,到2100年高情景下的風蝕揚塵顆粒物排放量將上升約8%.因此,針對“北強南弱”和“西強東弱”的排放分布特征,各地區應因地制宜采取植樹造林、退耕還林(草)等能有效恢復地表植被覆蓋和防風固沙的綜合防治措施,抑制土壤風蝕揚塵排放.

[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] 池彥琪,謝紹東.基于蓄積量和產量的中國天然源VOC排放清單及時空分布[J]. 北京大學學報(自然科學版), 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] 劉奧博,吳其重,陳雅婷,等.北京市平原區裸露地風蝕揚塵排放量[J]. 中國環境科學, 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.中國北方地面起塵總量分布[J]. 環境科學學報, 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] 成天濤,呂達仁,徐永福.渾善達克沙地起沙率和起沙量的估計[J]. 高原氣象, 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,燕啟社,等.鄭州市裸露地面風蝕揚塵排放清單研究[J]. 環境污染與防治, 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,王體健,石 睿,等.南京市揚塵源排放清單估計[C]//沈陽:中國氣象學會, 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] 環境保護部.揚塵源顆粒物排放清單編制技術指南(試行) [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] 國土資源部.國土資源統計年鑒 [M]. 北京:國土資源部, 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] 國家林業局.中國林業統計年鑒 [M]. 北京:中國林業出版社, 2015. National Forestry Administration.Forestry Statistical Yearbook of China [M]. Beijing: China Forestry Publishing House, 2015.

[23] 中國科學院南京土壤研究所CERN土壤分中心.中國土壤數據庫 [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] 中國科學院東北地理與農業生態研究所.中國濕地科學數據庫 [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] 國家氣象信息中心.中國地面累年值日值數據集(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] 中華人民共和國國家統計局.中國統計年鑒 [M]. 北京:中國統計出版社, 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,劉 博,等.近36年呼和浩特地區風速變化特征分析 [J]. 內蒙古農業大學學報(自然科學版), 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] 中國科學院資源環境科學數據中心.2015年中國土地利用現狀遙感監測數據 [EB/OL](2016)[2018-08-07].http://www.resdc.cn.

[29] 馬 寧,王乃昂,朱金峰,等.巴丹吉林沙漠周邊地區近50a來氣候變化特征 [J]. 中國沙漠, 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] 陸大道,王 錚,封志明,等.關于“胡煥庸線能否突破”的學術爭鳴 [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] 政府間氣候變化專門委員會(IPCC).氣候變化2014:綜合報告.政府間氣候變化專門委員會第五次評估報告[R/OL]. 瑞士日內瓦: 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

吳一鳴(1994-),男,陜西咸陽人,北京師范大學碩士研究生,主要從事大氣污染控制和大氣排放清單研究.發表論文2篇.

2018-08-07

國家重點研發計劃(2016YFC0201501);國家自然科學基金資助項目(21777008,21377012)

* 責任作者, 教授, hztian@bnu.edu.cn