深圳市道路交通源溫室氣體排放特征分析

張明棣,何冬一,古添發(fā),孫天樂,林曉玉,黃曉鋒,何凌燕*

深圳市道路交通源溫室氣體排放特征分析

張明棣1,何冬一2,古添發(fā)1,孫天樂1,林曉玉2,黃曉鋒2,何凌燕2*

(1.廣東省深圳生態(tài)環(huán)境監(jiān)測中心站,廣東 深圳 518049；2.北京大學深圳研究生院環(huán)境與能源學院大氣觀測超級站實驗室,廣東 深圳 518055)

于2019年9月～2020年7月對深圳市福田區(qū)路邊的大氣CO2、CH4、N2O和CO濃度進行了觀測分析.結果顯示,其觀測時段平均濃度分別為(430.8±6.1)×10-6、(2318.5±137.9)×10-9、(332.6±1.6)×10-9和(333.4±121.2)×10-9.CO2與CO濃度的季節(jié)變化表現(xiàn)為冬季高、夏季低,CH4和N2O濃度的季節(jié)變化表現(xiàn)為秋季高、夏季低;在秋冬季濃度較高是由于采暖期的化石燃料排放的遠距離輸送導致,夏季濃度較低主要是由于遠距離傳輸源的減少以及植物光合作用或光化學反應等匯的增強.CO2濃度的日變化特征表現(xiàn)為“兩峰一谷型”,主要受植物的光合作用、早晚交通高峰等影響;CO濃度的日變化特征表現(xiàn)為“兩峰型”,主要受早晚交通高峰的影響;CH4、N2O濃度日變化特征都表現(xiàn)為夜間高、日間低,主要受日間光化學反應的影響.將2020年新冠肺炎交通封鎖期與2021年同時段進行對比,結果顯示大氣CO2、CH4、N2O和CO濃度分別降低了3.1%、10.6%、0.5%和13.9%,說明實施交通管控對于促進城市溫室氣體的減排至關重要.

溫室氣體；季節(jié)變化；日變化；道路交通源

CO2、CH4和N2O是大氣中3種與人為活動有密切關聯(lián)的重要溫室氣體[1],分別占長壽命溫室氣體總輻射強迫的66%、17%和7%[2].另外,CO雖然不是溫室氣體,但是它能通過與OH自由基發(fā)生光化學反應影響大氣的氧化能力,從而影響大氣CO2和CH4的濃度.因此,CO是一種間接的溫室氣體.CO2主要來源是化石燃料燃燒和水泥生產(chǎn)排放[3-4];CH4的主要來源包括濕地排放和畜牧業(yè)、水稻種植、化石燃料利用、垃圾填埋和生[5-6];大氣N2O主要來源于海洋、土壤、生物質燃燒、化肥的使用和各種工業(yè)過程[7].

世界氣象組織全球大氣(GAW)原位觀測網(wǎng)觀測結果的最新分析顯示,全球長壽命溫室氣體CO2、CH4和N2O濃度在2019年達到新高,分別為工業(yè)化前水平的148%、260%和123%[2].因此,全球不同地區(qū)對該3種溫室氣體進行在線監(jiān)測勢在必行.

城市活動是溫室氣體排放的重要貢獻源[8-9],其中城市客運、貨運車輛數(shù)量和行駛里程的增加是城市溫室氣體排放增加的主要原因之一[10].因此,分析城市地面道路交通源的溫室氣體排放特征對了解城市溫室氣體的源匯及其行為具有重要意義.但是,目前我國氣象部門對溫室氣體的觀測研究主要集中在青海瓦里關、北京上甸子、浙江臨安和黑龍江龍鳳山等4個大氣區(qū)域本底站[11-13],而對國內城市地區(qū)的溫室氣體的監(jiān)測相對較少[14-15],且多集中于對單一物種CO2的觀測.與這些大氣本底站所在區(qū)域相比,城市區(qū)域交通頻繁,溫室氣體的源匯以及排放規(guī)律均有別于非城市區(qū)域[16],因而對城市道路交通源溫室氣體進行連續(xù)監(jiān)測,分析城市交通源溫室氣體濃度變化特征,對了解城市源匯特征和污染模式,科學制定城市溫室氣體的減排政策至關重要.

深圳是全國性經(jīng)濟中心城市和國際化城市,交通活動強度較大,截止2020年末,全市民用汽車擁有量約為358.89萬輛[17].本研究在深圳市路邊監(jiān)測站點開展了為期近1年的溫室氣體連續(xù)觀測實驗,以期了解深圳市道路交通源溫室氣體排放濃度水平,季節(jié)和日變化特征;同時,探討了城市交通運輸對于深圳市溫室氣體排放的影響,為深圳市后續(xù)溫室氣體減排制定防控策略方案提供科學依據(jù).

1 材料與方法

1.1 觀測點位概況

本次觀測時間為2019年9月6日～2020年7月31日以及2021年1月23日～2月17日.觀測點地處深圳市東南部地區(qū),位于深圳市東南部福田區(qū)深南中路(22.54°N,114.10°E),道路類型為I類干線,雙向共8條車道,采樣點距離路邊僅3m,存在代表典型的道路交通排放源,且周邊無顯著工業(yè)源.采樣頭架設在站房開放式陽臺屋頂,距地面約4m.如圖1所示,監(jiān)測點西側78m處存在T型路口,東側378m處為深南路與紅嶺路交叉路口,西側480m為深南路與上步路交叉路口,500m范圍內共5個紅綠燈,其中3個分別處于西側T型路口,東側交叉路口,西側交叉路口,另外2個處于監(jiān)測點與西側交叉路口中間路段,說明此監(jiān)測點車流量較大,交通頻繁.

圖1 監(jiān)測點位(五角星位置)道路交通位置情況

1.2 采樣與分析方法

本次溫室氣體觀測使用的設備為Uow FITR溫室氣體在線分析儀(ECOTECH Pty Ltd, Australia),該設備應用多光程的傅里葉紅外變換(FTIR)光譜測量解析技術和高性能紅外檢測元器件,結合了完善的控制軟件系統(tǒng),能夠全自動地運行,在線精確連續(xù)測量大氣中CO2、CO、CH4和N2O的濃度.設備時間分辨率為3min,采樣流量為1L/min. CO2(×10-6)、CO(×10-9)、CH4(×10-9)和N2O(×10-9)氣體的測量精度分別為0.05、0.2、0.06和0.2,遠遠高于世界氣象組織-全球大氣檢測網(wǎng)(WMO-GAW)測量標準.同時,每個月采用3種濃度梯度的CH4,CO2,CO,N2O混合標準氣體做外標校準曲線對測量值進行標定保證數(shù)據(jù)的準確性,標準氣體來自美國國家標準局(NIST).

2 結果與討論

2.1 深圳市道路交通站點溫室氣體平均濃度水平

如表1所示,在研究時段內(2019年9月6日～2020年7月31日)深圳市路邊站點CO2、CH4、N2O和CO平均濃度分別為(430.8±6.1)×10-6、(2318.5±137.9)×10-9、(332.6±1.6)×10-9和(333.4± 121.2)×10-9.本研究站點CO2、CH4濃度與2019年青海瓦里關站相比分別高4.7%和20.0%,與2019年全球溫室氣體濃度相比分別高4.8%和21.3%,與城市站點武漢2013年濃度相比也較高,與2006～2007年天津站點濃度相近;本研究站點N2O濃度與青海瓦里關2019年濃度相近,與全球2019年濃度相比僅高0.2%.結果表明,CO2、CH4等來源于交通排放的化石燃料燃燒源的溫室氣體濃度相比背景點位較高,而來源于農(nóng)業(yè)、土壤排放的N2O濃度與背景點位相近,這一結果與研究站點環(huán)境相吻合.

表1 深圳市路邊站與我國其他地區(qū)溫室氣體濃度對比

2.2 深圳市道路交通站點溫室氣體季節(jié)變化特征

深圳市路邊站大氣CO2、CH4、N2O和CO濃度的季節(jié)變化范圍分別為(424.6～434.8)×10-6、(2238.0～2486.5)×10-9、(330.6～334.4)×10-9和(161.2～424.6)×10-9之間.由圖2(a)可看出,深圳市大氣CO2濃度表現(xiàn)為冬春季高、夏秋季低的季節(jié)變化特征.這與浙江臨安、黑龍江龍鳳山和北京上甸子等受人為源影響較大的3個區(qū)域本底站的CO2季節(jié)變化較為類似,但與瓦里關等清潔本底區(qū)域的變化特征顯著不同[18,23].如圖3所示,在冬季,深圳市主導風向為東北季風,受北方內陸地區(qū)和東部沿海的傳輸影響較大,而北方內陸地區(qū)和東部沿海由于冬季采暖化石燃料的消耗量大幅增加使得大氣CO2排放源增加[24];同時冬季植物光合作用減弱,對CO2的吸收減少,大氣中累積的CO2濃度呈現(xiàn)上升趨勢.在夏季,深圳市的氣團主要來源于清潔的南海海面,CO2區(qū)域傳輸排放源減少;另外,夏季植物生長旺盛,植物光合作用強,CO2的匯增強,因此大氣中的CO2濃度降低.結果表明影響CO2濃度季節(jié)變化的因素主要是植物光合作用和不同氣團的傳輸作用[25-26].由圖2(b)可看出,大氣CO濃度表現(xiàn)為秋冬季高、春夏季低的季節(jié)變化特征.大氣中CO的源主要包括化石燃料燃燒、生物質燃燒以及CH4和非甲烷烴的氧化,CO的匯主要是與OH自由基的氧化反應[27].如圖3所示,在秋冬季,大氣CO濃度同樣受北方內陸地區(qū)和東部沿海的傳輸影響較大,冬季采暖化石燃料的消耗量大幅增加使得大氣CO排放源強增加;而在夏季,由于CO和OH自由基的反應速率高、擴散條件好使得CO濃度大幅度降低.由此可看出影響CO濃度季節(jié)變化的因素主要是光化學反應的匯和化石燃料源的遠距離傳輸作用.

由圖2(c)可看出,大氣CH4濃度表現(xiàn)為秋季高夏季低的季節(jié)特征.這一結果與青海瓦里關、浙江臨安站等大氣區(qū)域背景點存在差異[13],與北京城區(qū)結果一致[28].本研究監(jiān)測點位于城市中心區(qū)域,本地農(nóng)業(yè)和畜牧業(yè)等排放來源較弱,因此CH4主要來源于城市交通、生物源的排放和其他地區(qū)氣團的遠距離傳輸.在秋季,深圳市光照強度仍然較強,氣溫較高,因此生物源較強;另外在秋季深圳市主導風向為東北季風,受北方內陸地區(qū)傳輸影響較大.雖然在冬季深圳市也存在北方內陸地區(qū)氣團的強烈傳輸,但是在2019年冬季由于交通封鎖原因,本地交通污染源強度大大減弱,導致相對于秋季的CH4濃度低.在夏季時,盡管CH4生物源強,但是光化學反應強烈,CH4很容易與對流層中的羥基自由基(OH)發(fā)生反應,形成二氧化碳和水蒸氣而實現(xiàn)對CH4的去除,另外夏季受深圳市季風氣候的影響,主導風向為西南季風,空氣氣團主要來自清潔的海面,擴散條件好,使得污染物濃度較低.因此,可以看出CH4的源不僅受區(qū)域傳輸和生物源的影響,本地交通排放也對其影響較大.由圖2(d)可看出,大氣N2O濃度季節(jié)差異較小,其中夏季最低,秋季最高,這與北京大氣N2O濃度季節(jié)變化結果[29]以及Cicerone等在美國密歇根州市中區(qū)的觀測結果相似[30].這可能是由于城市地區(qū)N2O主要來源于化石燃料燃燒等非生物源的排放,且受污水處理、垃圾填埋等人為源影響較小,因此沒有顯著的季節(jié)性差異.

總體來看,CO2、CH4、N2O和CO濃度在夏季較低,秋季或冬季較高.這是由于在秋冬季取暖對化石燃料需求的增加使得溫室氣體濃度增加;而在夏季光照較強使得各氣體匯增強同時擴散條件較好導致溫室氣體濃度較低.

圖3 觀測期間監(jiān)測點位各季節(jié)氣團反向軌跡

2.3 深圳市道路交通站點溫室氣體日變化特征

溫室氣體CO2、CH4、N2O以及常規(guī)污染物CO日變化特征如圖4所示.CO2濃度的日變化特征表現(xiàn)為“兩峰一谷型”的分布形態(tài),這與北京市的觀測結果一致[31].在日間,由于對流輸送和植物光合作用等匯比較活躍,使得在15:00左右濃度達到最低值,隨后由于匯的作用減弱導致CO2濃度逐漸上升.直到18:00～21:00由于化石燃料燃燒(如交通工具、餐飲、取暖等)造成的源排放增強出現(xiàn)峰值.在夜晚,由于溫度的降低,植物的光合作用和對流輸送作用變弱,夜間大氣邊界層降低,CO2濃度在近地層大氣中開始積累,至凌晨22:00由于化石燃料燃燒源的減弱使得CO2濃度開始下降,從4:00人為源開始活躍使得CO2濃度開始上升,直到早高峰8:00～9:00達到峰值,之后由于匯的強度高于源的強度使得CO2濃度降低.CO濃度的日變化特征表現(xiàn)為“兩峰型”的分布形態(tài),如圖4(b)所示,2個峰值分別出現(xiàn)在7:00～10:00和18:00～21:00,這與天門市的觀測結果一致[32].這2個時間段分別對應早、晚交通高峰,有研究表明這種時間的對應關系與機動車尾氣排放對污染物濃度影響較大[33];總體上,CO濃度日間比夜間濃度低,這主要是因為日間污染物的擴散輸送能力強,同時隨著輻射的加強,光化學反應會造成CO的消耗從而使?jié)舛认陆礫34].如圖4(c)所示,CH4的日變化特征表現(xiàn)為凌晨高、下午低的單峰型分布形態(tài)[33],在5:00～6:00達到最高峰后開始下降,至午后達到最低,這一結果與北京市城區(qū)結果相似.這是因為大氣中CH4的主要匯是與OH自由基的反應,日間隨著污染物的積累和光照強度的增加,大氣中OH自由基的濃度在中午時分達到日變化的峰值,CH4的分解速度也達到最大,加上此時較強的大氣對流輸送作用,CH4濃度迅速下降,并在15:00或16:00左右達到最低值.然而隨夜晚的來臨,光照強度減弱并逐漸趨于零,CH4的分解也逐漸停止,同時由于夜間對流輸送弱,CH4不斷積累因而達到濃度最大值.由于CH4生物源較強,人類活動的影響較小,源減少的影響小于累積效應,所以在21:00不會出現(xiàn)與CO2一樣的峰值.如圖4(d)所示,N2O主要來源于農(nóng)業(yè)活動(如施肥、土壤呼吸等)、廢水處理過程,故無顯著的日變化特征.總體上, N2O的日變化特征呈現(xiàn)出夜晚高白天低的特征,日間N2O濃度低主要是由于光化學反應造成的[34].

溫室氣體CO2、CH4、N2O以及常規(guī)污染物CO的日變化特征結果表明,影響4種氣體日變化的因素主要是植物光合作用和光化學反應的匯、源排放強度以及擴散輸送條件.另外,CO2和CO日變化特征受早晚高峰影響較明顯,說明CO2和CO對交通源排放較敏感.

2.4 深圳市道路交通排放對溫室氣體的影響

本研究根據(jù)深圳市實際交通情況將7:00～10:00、18:00～21:00分別定義為早高峰、晚高峰;2020年1月23日～2月17日因新型冠狀病毒肺炎(COVID-19)防控的需求對城市進行了封鎖,使得道路交通大大減少,本研究定義其為交通封鎖期;而2021年同時段未對城市進行封鎖,本研究定義其為非交通封鎖期.根據(jù)深圳市交通局發(fā)布的《2021年1月交通運輸運營指標統(tǒng)計月報》和《2021年2月交通運輸運營指標統(tǒng)計月報》顯示,2021年1月和2月的貨運量比2020年同期分別增加了14.0%和14.1%,其中公路運輸分別增加了19.4%和15.7%; 2021年1月和2月的公共交通客流量比2020年同期分別增加了22.4%和78.9%,說明2020年疫情管控期間對于交通量的影響顯著.如表2所示,2020年交通封鎖期比非交通封鎖期的大氣CO2、CH4、N2O及CO濃度分別降低了3.1%、10.6%、0.5%及13.9%,可看出CO2、CH4和CO的濃度降低幅度都較大,說明道路交通源對于減少城市溫室氣體的排放能發(fā)揮重要作用.有研究表明在COVID-19期間由于政府的政策改變了世界各地的能源需求模式,2020年4月初與2019年同期相比全球日均CO2排放量減少了17%[35].

在早高峰時段,2020年交通封鎖期的大氣CO2、CH4、N2O和CO濃度比非交通封鎖期分別降低了5.7%、26.7%、0.9%和28.7%;在晚高峰時段,2020年交通封鎖期的大氣CO2、CH4、N2O和CO濃度比非交通封鎖期分別降低了2.6%、3.9%、0.4%和14.9%;結果可以看出,在交通封鎖期的早高峰時段比晚高峰時段降低幅度較大.從表2可看出,在早高峰相對于日間非高峰時段的升幅中,非交通封鎖期較交通封鎖期的大氣CO2、CH4、N2O和CO濃度的升高幅度高;但是,在晚高峰時段相對于夜晚非高峰時段的升幅中,只有CO濃度在非交通封鎖期比交通封鎖期的升高幅度大,而大氣CO2、CH4及N2O濃度在非交通封鎖期比交通封鎖期的降低幅度大,這可能是由于夜晚CO2的光合作用與CH4、N2O的光化學反應停止,三者的匯都大幅度減少,導致在夜晚濃度累積,導致夜間的整體濃度比晚高峰的濃度要高.

由表3可看出,在交通封鎖期和非交通封鎖期,4種氣體都達到了極顯著相關,但是非交通封鎖期4種氣體相關性比交通封鎖期強,表明深圳在交通封鎖期和非交通封鎖期4種氣體都具有較好的同源性,在兩時期都顯著受到人為源的影響,但是由于非交通封鎖期機動車排放的人為源更強,因此4種氣體表現(xiàn)出更好的同源性.張林等人研究北京上甸子與青海關瓦里關的溫室氣體也發(fā)現(xiàn)受到較大人為源影響的北京上甸子站的溫室氣體同源性更強[18].這些結果表明,深圳市的溫室氣體(CO2、CH4和N2O)與CO的排放特征均顯著受到道路交通源的影響.

表2 深圳市路邊站在交通封鎖期與未封鎖期早晚高峰4種氣體濃度

注:①早高峰時段:7:00～10:00晚高峰時段:18:00～21:00; ②日間非高峰時段:10:00～18:00夜晚非高峰時段:21:00～7:00; ③早高峰升高幅度是指早高峰時段相對于日間非早高峰時段; ④晚高峰升高幅度是指晚高峰時段相對于晚間非晚高峰時段

表3 交通封鎖期和非交通封鎖期深圳市路邊站溫室氣體的相關性矩陣

注:**表示<0.01,極顯著相關;*表示<0.05,顯著相關.

3 結論

3.1 深圳市路邊站點CO2、CH4、N2O和CO平均濃度分別為(430.8±6.1)×10-6、(2318.5±137.9)×10-9、(332.6±1.6)×10-9和(333.4±121.2)×10-9,其中3種溫室氣體(CO2、CH4和N2O)與2019年青海瓦里關站(中國背景點)濃度相比分別高4.7%、20.0%和0%,與2019年全球濃度相比分別高4.3%、21.3%和0.2%,與中國其他城市點的濃度相近.

3.2 CO2、CH4、N2O和CO濃度季節(jié)特征總體上表現(xiàn)為夏季較低,秋冬季較高.秋冬季溫室氣體濃度高的原因主要是秋冬季取暖對化石燃料需求的增加和光照的減弱導致匯的強度降低,而在夏季溫室氣體濃度低的主要原因是夏季光照較強使得各氣體的匯的強度增大以及擴散條件較好.

3.3 CO2濃度的日變化特征表現(xiàn)為“兩峰一谷型”,主要受植物的光合作用、早晚高峰等影響;CO濃度的日變化特征表現(xiàn)為“兩峰型”,主要受早晚高峰的影響;CH4、N2O濃度日變化特征表現(xiàn)為夜間高、日間低,主要是受日間光化學反應的影響.其中CO2、CO的濃度對交通源的排放較為敏感.

3.4 與2021年同期時段相比,2020年在新冠肺炎疫情封鎖期,大氣CO2、CH4、N2O和CO濃度分別降低了3.1%、10.6%、0.5%和13.9%,說明交通管控在促進城市溫室氣體的減排中能發(fā)揮重要作用.另外,4種氣體的相關性表明,在非交通封鎖期表現(xiàn)出了更好的同源性,表明深圳市溫室氣體(CO2、CH4和N2O)與CO明顯受到交通源的影響.

[1] Lashof D A, Ahuja D R. Relative contributions of greenhouse gas emissions to global warming [J]. Nature, 1990,344(6266):529-531.

[2] WMO. The state of greenhouse gases in the atmosphere based on global observations through 2019 [EB/OL]. https://gaw.kishou.go.jp/ publications/bulletin, 2020-11-23.

[3] Friedlingstein P, Jones M W, O'Sullivan M, et al. Global carbon budget 2019 [J]. Earth System Science Data, 2019,11(4):1783-1838.

[4] Le Quéré C, Andrew R M, Friedlingstein P, et al. Global carbon budget 2018 [J]. Earth System Science Data, 2018,10(4):2141-2194.

[5] Saunois M, Stavert A R, Poulter B, et al. The Global Methane Budget 2000–2017 [J]. Earth System Science Data, 2020,12(3):1561-1623.

[6] Kirschke S, Bousquet P, Ciais P, et al. Three decades of global methane sources and sinks [J]. Nature Geoscience, 2013,6(10):813- 823.

[7] Tian H, Xu R, Canadell J G, et al. A comprehensive quantification of global nitrous oxide sources and sinks [J]. Nature, 2020,586(7828): 248-256.

[8] Majumdar D, Chintada A, Sahu J, et al. Emissions of greenhouse and non-greenhouse air pollutants from fuel combustion in restaurant industry [J]. International Journal of Environmental Science and Technology, 2013,10(5):995-1006.

[9] Majumdar D,Gajghate D G. Sectoral CO2, CH4, N2O and SO2emissions from fossil fuel consumption in Nagpur City of Central India [J].Atmospheric Environment, 2011,45(25):4170-4179.

[10] Murshed D. Estimating Greenhouse Gases from Roadway Transportation—Methodology Overview [C]. International Conference on Traffic & Transportation Studies, 2010.

[11] 劉立新,周凌晞,張曉春,等.我國4個國家級本底站大氣CO2濃度變化特征 [J]. 中國科學, 2009,(2):222-228.

Liu L X, Zhou L X, Zhang C X, et al. CO2concentrations at four national background sites in China [J]. Scientia Sinica, 2009,(2):222- 228.

[12] 浦靜姣,徐宏輝,顧駿強,等.長江三角洲背景地區(qū)CO2濃度變化特征研究 [J]. 中國環(huán)境科學, 2012,32(6):973-979.

Pu J J, Xu H H, Gu J Q, et al. Study on the concenration variation of CO2in the Background area of the Yangtze Delta [J]. China Environmental Science, 2012,32(6):973-979.

[13] 趙玉成,溫玉璞,周曉春,等.青海瓦里關大氣CO2本底濃度的變化特征 [J]. 中國環(huán)境科學, 2006,26(1):1-5.

Zhao Y C, Wen Y P, Zhou X C, et al. Change characteristics of atmospheric CO2background concentration in Waliguan Qinghai [J]. China Environmental Science, 2006,26(1):1-5.

[14] 李燕麗,穆 超,鄧君俊,等.廈門秋季近郊近地面CO2濃度變化特征研究 [J]. 環(huán)境科學, 2013,34(5):2018-2024.

Li Y L, Mu C, Deng J J, et al. Near surface atmospheric CO2variations in autumn at suburban Xiamen, China [J]. Environmental Science, 2013,34(5):2018-2024.

[15] 師麗魁,婁運生,方文松.鄭州城區(qū)大氣CO2濃度變化特征及影響因素分析 [J]. 氣象與環(huán)境科學, 2013,1(1):40-40.

Shi L L, Lou Y S, Fang W S. Analysis of change characteristics and influence factor of atmospheric CO2concentration in Zhengzhou urban area [J]. Meteorological and Environmental Science, 2013,1 (1):40-40.

[16] Kennedy C, Steinberger J, Gasson B, et al. Greenhouse gas emissions from global cities [J]. Environmental Science and Technology, 2009, 43(19):7297-7302.

[17] 深圳市統(tǒng)計局.深圳統(tǒng)計年鑒2020 [M]. 北京:中國統(tǒng)計出版社, 2020.

Statistics Bureau of Shenzhen Municipality. Shenzhen Statistical Yearbook 2020 [M]. Beijing: China Statistics Press, 2020.

[18] 張 林,靳孟貴,劉延鋒,等.中國瓦里關和上甸子大氣溫室氣體濃度變化特征 [J]. 地球科學, 2021,46(8):15.

Zhang L, Jin M M, Liu Y F, et al. Concentration variation characteristics of atmospheric greenhouse gases at Waliguan and Shangdianzi in China [J]. Earth Science, 2021,46(8):15.

[19] 中國氣象局.2019年中國溫室氣體公報 [R]. 2020.

China Meteorological Administration. China Greenhouse Gas Bulletin in 2019 [R]. 2020.

[20] 呂桅桅,劉 敏,王 凱.武漢市大氣溫室氣體濃度變化特征分析 [C]. 中國氣象學會年會, 2015.

Lu W W, Liu M, Wang K. Analysis on variation characteristics of atmospheric greenhouse gas concentration in Wuhan [C]. Annual Meeting of Chinese Meteorological Society, 2015.

[21] 劉魯寧,王迎紅,徐小娟,等.長沙市郊大氣CH4濃度變化特征 [J]. 環(huán)境科學, 2013,(11):4165-4170.

Liu L N, Wang Y H, Xu X J, et al. Distribution of CH4in the suburb of Changsha, China [J]. Environmental Science, 2013,(11):4165-4170.

[22] 孔少飛,陸 炳,韓 斌,等.天津近海大氣中CH4, N2O和CO2季節(jié)變化分析 [J]. 中國科學:地球科學, 2010,(5):666-676.

Kong S F, Lu B, Han B, et al. Analysis of seasonal variations of CH4, N2O and CO2in the coastal atmosphere of Tianjin [J]. Scientia Sinica: Earth Sciences, 2010,(5):666-676.

[23] Zhou L, Conway T J, White JW C, et al. Long-term record of atmospheric CO2and stable isotopic ratios at Waliguan Observatory: Background features and possible drivers, 1991～2002 [J].Global Biogeochemical Cycles, 2005,19(3).

[24] 夏玲君,周凌晞,劉立新,等.北京上甸子站大氣CO2及δ13C(CO2)本底變化 [J]. 環(huán)境科學, 2016,37(4):72-79.

Xia L J, Zhou L X, Liu L X, et al. Monitoring atmospheric CO2and δ13C(CO2) background levels at Shangdianzi station in Beijing, China [J]. Environmental Science, 2016,37(4):72-79.

[25] Gioli B, Toscano P, Lugato E, et al. Methane and carbon dioxide fluxes and source partitioning in urban areas: The case study of Florence, Italy [J]. Environmental pollution, 2012,164:125-131.

[26] Helfter C, Famulari D, Phillips G J, et al. Controls of carbon dioxide concentrations and fluxes above central London [J]. Atmospheric Chemistry and Physics, 2011,11(5):1913-1928.

[27] Thompson A. The Oxidizing Capacity of the Earth's Atmosphere: Probable Past and Future Changes [J]. Science, 1992,256.

[28] 劉 強,王躍思,王明星.北京地區(qū)大氣主要溫室氣體的季節(jié)變化 [J]. 地球科學進展, 2004,19(5):817-823.

Liu Q, Wang Y S, Wang M X. Seasonal variational characteristics of atmospheric greenhouse gases in Beijng [J]. Advances In Earth Science, 2004,19(5):817-823.

[29] 王長科,王躍思,鄭循華,等.北京城市大氣N2O濃度及其變化 [J]. 中國環(huán)境科學, 2003,23(5):557-560.

Wang C K, Wang Y S, Zheng X H, et al. Concentration and its variations of atmospheric nitrous oxide in urban area of Beijing [J]. China Environmental Sciences, 2003,23(5):557-560.

[30] Cicerone R J, Shetter J D, Stedman D H, et al. Atmospheric N2O Measurements to determine its sources, sinks, and variations [J]. Journal of Geophysical Research: Oceans, 1978,83(C6):3042-3050.

[31] 李 晶,王躍思,劉 強,等.北京市兩種主要溫室氣體濃度的日變化 [J]. 氣候與環(huán)境研究, 2006,11(1):49-56.

Li J, Wang Y S, Liu Q, et al. Diurnal variation of two greenhouse gases in Beijing [J]. Climatic and Environmental Research, 2006,11(1):49-56.

[32] 馬德栗,鞠英芹,史瑞琴,等.天門市大氣污染物特征及其與氣象要素關系 [J]. 環(huán)境科學與技術, 2020,43(S2):1-6.

Ma D L, Ju Y Q, Shi R Q, et al. The characteristics of aatmospheric pollutants concentration and its relationship with meteorological factors in Tianmen City [J]. Environmental Science and Technology, 2020,43(S2):1-6.

[33] 謝雨竹,潘月鵬,倪長健,等.成都市區(qū)夏季大氣污染物濃度時空變化特征分析 [J]. 環(huán)境科學學報, 2015,(4):44-52.

Xie Y Z, Pan Y P, Ni C J, et al. Temporal and spatial variations of atmospheric pollutants in urban Chengdu during summer [J]. Acta Scientiae Circumstantiae, 2015,(4):44-52.

[34] 陳 陽,傅立新,郝吉明.城市光化學污染機理與規(guī)律研究進展 [J]. 上海環(huán)境科學, 2000,19(4):167-170.

Chen Y, Fu L X, Hao J M. Review on the mechanism and law of urban photochemical air pollution [J]. Shanghai Environmental Science, 2000,19(4):167-170.

[35] Le Quéré C, Jackson R B, Jones M W, et al. Temporary reduction in daily global CO2emissions during the COVID-19 forced confinement [J]. Nature Climate Change, 2020,10(7):647-653.

The characterization of greenhouse gas emission from road traffic sources in Shenzhen.

ZHANG Ming-di1, HE Dong-yi2, GU Tian-fa1, SUN Tian-le1, LIN Xiao-yu2, HUANG Xiao-feng2, HE Ling-yan2*

(1.Shenzhen Environmental Monitoring Center of Guangdong Province, Shenzhen 518049, China；2.Laboratory of Atmospheric Observation Supersite, School of Environment and Energy, Peking University Shenzhen Graduate School, Shenzhen 518055, China)., 2022,42(4)：1518～1525

In this study, three greenhouse gases (CO2, CH4, and N2O) and one conventional gas (CO) were observed at a roadside station in Shenzhen from September, 2019 to July, 2020. The average concentration of CO2, CH4, N2O, and CO was (430.8±6.1)′10-6, (2318.5±137.9)′10-9, (332.6±1.6)′10-9, and (333.4±121.2)′10-9, respectively. Seasonal variation of CO2and CO were high in winter and low in summer, Seasonal variation of CH4and N2O were high in autumn and low in summer. The high concentration in autumn and winter is due to the long-distance transmission of fossil fuel emissions during the heating period, and the low concentration in summer is mainly due to the reduction of long-distance transmission sources and the enhancement of sinks such as plant photosynthesis and photochemical reactions. The diurnal variation of CO2concentration showed a two-peak and one-valley pattern, which was mainly affected by plant photosynthesis and morning and evening traffic peak; The diurnal variation of CO concentration showed a two-peak pattern, which was mainly affected by the morning and evening traffic peaks. The diurnal variation of CH4andN2O concentration was high at night and low at day, which was mainly affected by daytime photochemical reaction. Among them, the concentration of CO2and CO is more sensitive to the emission of traffic sources. In addition, this study compared the COVID-19 lockdown period in 2020 with the same period in 2021, and the results showed that the concentration of CO2, CH4, N2O, and CO decreased by 3.1%, 10.6%, 0.5% and 13.9%, respectively, indicating that traffic control can play an important role in reducing urban greenhouse gas emissions.

green house gases；seasonal variation；diurnal variation；urban traffic emission

X511 文獻識別碼：A

1000-6923(2022)04-1518-08

張明棣(1964-),男,上海人,本科,主要從事環(huán)境監(jiān)測工作.發(fā)表論文11篇.

2021-09-06

廣東省重點領域研發(fā)計劃項目(2020B1111360003);深圳市科技計劃項目(JCYJ20200109110625819)

*責任作者, 教授, hely@pku.edu.cn