卫星监测中国近海船舶运输的氮氧化物排放外文翻译资料

Maritime NO_x Emissions Over Chinese Seas Derived From Satellite Observations

Abstract

By applying an inversion algorithm to NO_x satellite observations from Ozone Monitoring Instrument, monthly NO_x emissions for a 10 year period (2007 to 2016) over Chinese seas are presented for the first time. No effective regulations on NO_x emissions have been implemented for ships in China, which is reflected in the trend analysis of maritime emissions. The maritime emissions display a continuous increase rate of about 20% per year until 2012 and slow down to 3% after that. The seasonal cycle of shipping emissions has regional variations, but all regions show lower emissions during winter. Simulations by an atmospheric chemistry transport model show a notable influence of maritime emissions on air pollution over coastal areas, especially in summer. The satellite‐derived spatial distribution and the magnitude of maritime emissions over Chinese seas are in good agreement with bottom‐up studies based on the Automatic Identification System of ships.

Plain Language Summary

This paper presents NOx emissions derived from satellite observations over the Chinese seas for the last 10 years. The maritime emissions have a continuous increase rate of about 20% per year until 2012 and slow down to about 3% afterward. This reflects that almost no effective regulations on NOx emissions have been implemented for ships in China. The impact of maritime emissions on air quality over coastal areas in China is significant as shown by simulations using a chemical transport model.

1 Introduction

NO_x (NO_x = NO₂ NO) emissions from oceangoing ships contribute more than 10% of the total anthropogenic NO_x emissions worldwide (Corbett et al., 1999). They have a large impact on the atmospheric chemistry and air quality in the marine boundary layer and consequently have an impact on climate change (Eyring et al., 2010; Lawrence amp; Crutzen,1999) and human health (H. Liu et al., 2016). Furthermore, the aerosol particles from ships may affect the maritime deep convection. This could lead to enhanced lightning and therefore additional NO_x formation over shipping lanes (Thornton et al., 2017). Maritime transport emissions have large uncertainties due to the difficulty in determining shipping activities and emission factors. Fortunately, satellite observations of NO₂ provide the possibility to detect ship tracks and estimate emissions. Beirle et al. (2004) showed the first detection of NO_x ship emissions derived by satellite observations of GOME over the Indian ocean by fitting the observations with a Gaussian function. Richter et al. (2004) found a clear NO₂ signal over the Red Sea and the Indian Ocean using the observations from the SCanning Imaging Absorption spectroMeter for Atmospheric CHartographY instrument. Furthermore, the combination of satellite observations with modeled columns of a chemical transport model (CTM) can be used to evaluate NO_x emissions in ship tracks. This was, for instance, used by Franke et al. (2009) to estimate the total NO_x emissions along the ship track from Sri Lanka to Indonesia. By using a mass balance approach applied to the high spatial resolution measurements from the Ozone Monitoring Instrument (OMI) (Levelt et al., 2006), Vinken et al. (2014) derived shipping emission estimates over parts of the European seas. Note that all mentioned methods are only applicable for specific ship tracks far away from sources over land. The NO_x emissions from shipping activities are difficult to detect from space near Chinese coastal areas since the ship tracks are hidden in the outflow of NO₂ plumes from the mainland (see Figure 1a). Traditional ship inventories are often lacking information on these ship activities or have large uncertainties on their ship emissions (C. Wang et al., 2008; Y. Zhang et al., 2017). Ding et al. (2017) showed clear satellite‐derived NO_x emissions near Chinese coastal areas by using the inversion algorithm DECSO (Daily Emission estimates Constrained from Satellite Observations) combining CTM simulations

剩余内容已隐藏，支付完成后下载完整资料

卫星监测中国近海船舶运输的氮氧化物排放

摘要

本研究通过将反演算法应用于臭氧监测仪的氮氧化物卫星观测,首次呈现了中国海洋10年来(2007年至2016年)每月的船运氮氧化物排放。由于中国尚未实施船舶污染控制，这在趋势分析中也得以反映。在2012年之前,海运排放量每年持续增长约20%,此后放缓至3%。航运排放的季节性周期有着区域性差异, 但所有的区域中显示冬季的排放量较低。大气化学传输模式的模拟结果显示, 海洋排放对沿海地区的空气污染有显著的影响,特别是在夏季。本研究基于卫星反演的空间分布与基于船舶自动识别系统获得的中国海域海上排放量的空间分布结果具有一致性。

总结

本文介绍了基于卫星观测的中国海域船舶运输在过去10年的氮氧化物排放趋势。在2012年之前,海运排放量每年持续增加20%左右,之后又降至3%左右。这反映出中国几乎没有对船舶实施有效的氮氧化物排放控制.本研究同时还利用化学传输模式证实海运排放对中国沿海地区的空气质量影响巨大。

1引言

远洋船舶的氮氧化物（NO_x=NO₂ NO）排放量占全球人为氮氧化物排放总量的10%以上（Corbett等，1999年）。它们对海洋边界层的大气化学和空气质量有很大影响，因此对气候变化（Eyring等，2010；Lawrence amp; Crutzen，1999）和人类健康（Liu等，2016）有影响。此外，来自船舶的气溶胶颗粒可能会影响海洋深层对流。这可能导致闪电增强，从而在航道上形成更多的氮氧化物（Thornton等，2017年）由于海运活动和排放因子难以确定，海运排放具有很大的不确定性。幸运的是，NO₂的卫星观测提供了探测船舶航迹和估计排放量的可能性（Beirle等，2004）通过将观测值与高斯函数拟合，首次检测到印度洋Gome卫星观测得出的氮氧化物船舶排放量。（Richter等,2004）利用大气制图仪器的扫描成像吸收光谱仪的观测结果,在红海和印度洋发现了一个清晰的NO₂信号。此外,卫星观测与化学运输模型（CTM）的模型柱相结合，可用于评估船舶轨道上的氮氧化物排放。例如,Franke等（2009）使用这种方法估算斯里兰卡至印度尼西亚航线上的总氮氧化物排放量。采用质量平衡方法,对来自臭氧监测仪器（OMI）的高空间分辨率测量（Levelt等,2006）,Vinken等（2014）得出欧洲部分海域的衍生航运排放估算。

请注意，上述所有方法仅适用于远离陆地来源的特定船舶航迹。中国沿海地区附近的空间很难检测到航运活动产生的氮氧化物排放，因为船舶航迹隐藏在来自大陆的2号烟羽流中（见图1a）。传统的船舶库存通常缺乏这些船舶活动的信息，或对其船舶排放具有很大的不确定性（Wang等，2008；Zhang等，2017）。Ding等（2017年）通过结合CTM模拟和OMI卫星观测的反演算法DECSO（受卫星观测限制的每日排放量估计值）显示了中国沿海地区附近明显的卫星来源的氮氧化物排放。

Figure 1图1

Open in figure viewerPowerPoint

2007年至2016年期间观测到的(a)对流层NO₂柱海洋平均浓度;(b)每日排放量估计得出的海洋氮氧化物排放量, 这些观测的应用于这些观测的条件观察。(c)研究中国海岸附近航运排放的三个选定地区显示为有色区域。圆圈中的数字指示区域的名称。海岸上的数字表明了主要港口的位置。

在过去的十年里，东亚的海运贸易迅速增长。东亚地区范围内的航运排放研究数量有限，其中大部分都是港口或城市层面的研究（Zhang等，2017年）。自动识别系统（AIS）数据的应用显著降低了自底向上运输排放清单的不确定性（Jalkanen等，2009年）。Fan等（2016）建立基于AIS的模型，计算2010年中国长江三角洲及东海部分海域的高分辨率航运排放。使用类似的方法，Liu，Fu等（2016）估计2013年东亚的航运排放量占全球航运排放量的16%。他们还发现，与2001年的排放量相比，该地区的运输氮氧化物排放量几乎翻了一番。

根据OMI对根据OMI对NO₂卫星观测的长期记录，本研究利用DECSO对中国海域2007年至2016年的海洋氮氧化物排放进行了研究。长期一致的数据系列使我们能够分析中国海域海洋氮氧化物排放的季节周期和趋势。由于中国海上运输很少采用有关氮氧化物的空气质量法规，随着货物贸易量的趋势，预计船舶排放量将持续增加。利用区域CTM研究了海洋排放对沿海城市NO₂浓度的影响。为了验证结果，将排放量与最新的自底向上船舶排放清单进行比较，该清单基于根据船舶交通排放评估模型（STEAM）得出的AIS数据（Jalkanen等，2016年）。

卫星观测的长期记录，本研究利用DECSO对中国海域2007年至2016年的海洋氮氧化物排放进行了研究。长期一致的数据系列使我们能够分析中国海域海洋氮氧化物排放的季节周期和趋势。由于中国海上运输很少采用有关氮氧化物的空气质量法规，随着货物贸易量的趋势，预计船舶排放量将持续增加。利用区域CTM研究了海洋排放对沿海城市NO₂浓度的影响。

为了验证结果，将排放量与最新的自底向上船舶排放清单进行比较，该清单基于根据船舶交通排放评估模型（STEAM）得出的AIS数据（Jalkanen等，2016年）。

2排放估测

受卫星观测限制的日排放量估算是Mijling和van der A（2012）开发的一种快速逆建模算法，用于基于扩展卡尔曼滤波器更新NO_x的日排放量。该算法将一个区域CTM的模拟NO₂柱浓度与卫星观测相结合。通过包括一个简化的等压表面二维轨迹分析，计算了NO₂柱浓度对局部和非局部氮氧化物排放的敏感性。Ding等对DECSO最新版本（简称DECSO v5）的改进。（2017年）通过显著降低偏远地区估计氮氧化物排放的背景噪声，实现了中国海岸附近船舶航迹的检测。

我们利用DECSO v5计算了2007-2016年东亚地区（102-120°E，18-50°N）中国海域的氮氧化物排放量，其水平分辨率为0.25°times;0.25°。欧拉地区离线CTM Chimere v2013（Menut等，2013）用于模拟NO₂浓度。其在DECSO中的实施在Ding等中进行了描述（2015）。海洋上的先验辐射场设置为零。我们将新发现的海洋排放物注入高度设定为40米，代表了船只的平均漏斗高度。我们将DECSO应用于OMI的观测，因为其高空间分辨率,在最低点为24times;13km²，在条带末端增加到150times;28km²。Domino第2版算法（Boersma等，2011年）的对流层NO₂柱数据用于同化。为了确保检索质量良好,我们使用了Ding等人描述的过滤标准（2015、2017）。此外，为了检测清晰的船舶航迹，我们通过过滤线束两侧的8个像素来排除大像素尺寸的观测，不包括云辐射率大于50%的观测。

我们使用每月的氮氧化物排放量进行分析。为了计算各区域月排放量的不确定性，我们使用卡尔曼滤波器对每个网格单元进行日误差估计，该估计将观测误差和模型误差传播出去。我们假设每个网格单元的误差具有高的时间（每天）相关性（高达90%），但与八个相邻网格单元的空间相关性较低，上限为20%。

3结论

图1b显示了2007年至2016年中国海洋上DECSO v5得出的年平均氮氧化物排放量。我们看到上海和广州之间有一条清晰的航线。在黄海上空，江苏省附近的航运业排放量很高。从上海到烟台的航线分散在渤海。我们看到渤海以及上海和广州港口周围的海洋排放量很高。中国一半的海上平台位于渤海。在遥远的海洋区域，由于航运活动密度低，NO_X排放量低得多，而且没有明显的航运轨迹，这一点得到了来自AIS的实时航运地点的确认。

大多数航运活动发生在沿海地区附近。Ding等（2017年）描述了海岸线附近DECSO得出的航运排放量，并得出结论，其空间分布与航运活动密度一致。本文分析了该地区船舶和海上平台海洋排放的季节周期和趋势。我们对图1c所示的三个区域进行了分类，以研究中国海岸附近的航运排放演变。

3.1季节周期

图2显示了海洋上每个网格单元每月最大氮氧化物排放量的月份以及每个区域的季节性循环,10年平均每个地区月排放量相对误差的上限估计约为20%。在中国海域可以看到月最大分布的清晰模式。这意味着船舶排放的季节性周期具有区域性变化。中国南部海域5月份的船舶排放量达到最大值。越向北，黄海和渤海上空的月航运排放量越晚逐渐达到最大值。

这可以通过5月中旬中国南部海域开始的夏季风来解释，南部海域在中国东部稳步向北移动（Burke amp; Stott，2017年）。Wang等（2014）表明，季风气候和热带气旋降低了南海船舶的安全性，导致5月后船舶数量减少。除受天气影响外，这些地区夏季不同的休渔期也可能是造成排放高峰期差异的另一个原因。在黄海上空，夏季船舶排放量增加，这可能是旅游活动增加的原因，而9月份船舶排放量达到峰值，因为在取消了该地区的夏季禁令之后，预计本月会有更多的渔船（Shen amp; Heino，2014年）。尤其是渤海和黄海，冬季由于海冰和恶劣天气，航运活动减少，4月份又开始增加（Wang等，2013；Zhang等，2014）。

Figure 2图2

Open in figure viewerPowerPoint

海洋上每个网格单元每月最大氮氧化物排放量的月份。插图是图1c中所选三个区域的氮氧化物排放季节性循环。插图中阴影带表示不确定性。

3.2趋势分析

图3a显示了2007年至2016年每个网格单元中运输排放量的线性变化率。从广州到上海，再到黄海的山东省，沿南部海岸线的线路有明显的增长趋势，平均每年每个网格单元的增长率约为0.1Gg。图4显示了所选三个区域的年运输排放量，估计不确定性约为plusmn;20%。我们看到，相对增长率水平逐步下降，从2007年的每年30%左右下降到过去几年的一个非常小的趋势。

对于2013年和2016年的下降，我们目前没有任何解释。这与中国大陆的氮氧化物排放趋势和氮氧化物排放柱有很大不同，2012年以来，中国大陆的氮氧化物排放量开始下降（Liu等，2016；van der a等，2017）。

Figure 3

Open in figure viewerPowerPoint

（a）2007年至2016年海洋上每个网格单元氮氧化物排放量的线性变化率。（b）2007年至2016年的氮氧化物排放量和（c）2009年至2015年主要港口在图1c所示三个区域的货物吞吐量的时间序列。图（b）中阴影带表示不确定性。

Figure 4

Open in figure viewerPowerPoint

2015. 2015年1月和7月海洋排放对陆地上2号柱的相对影响。

为了使图3b所示趋势合理化，我们从国家统计局（2017）获得了2009-2015年沿海主要港口（图1

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21225]，资料为PDF文档或Word文档，PDF文档可免费转换为Word