長春市餐飲源PM2.5和VOCS排放清單

吳雪偉,陳衛衛,王 堃,修艾軍,張世春,趙紅梅,張學磊

?

長春市餐飲源PM2.5和VOCS排放清單

吳雪偉1,2,陳衛衛1*,王 堃3,修艾軍1,張世春1,趙紅梅1,張學磊1

(1.中國科學院東北地理與農業生態研究所濕地生態與環境重點實驗室,吉林 長春 130102；2.中國科學院大學,北京 100049；3.北京市勞動保護科學研究所,大氣污染控制研究室,北京 100054)

采用自下而上的四種不同清單編制方法(以人口、就餐次數、用油量和灶頭為核算基準),評估了長春市轄區2014年不同餐飲活動(家庭餐飲、社會餐飲和食堂餐飲)的大氣污染物PM2.5和VOCS的排放量,編制了餐飲源大氣污染物PM2.5和揮發性有機物(VOCS)排放清單,并分析了餐飲源排放的時空分布特征.結果表明:2014年長春市轄區餐飲源PM2.5總排放量183~770t,VOCS總排放量9~586t;長春市轄區餐飲源PM2.5和VOCS的最大排放源是家庭餐飲,其貢獻率分別為74%~81%和28%~78%,食堂餐飲的貢獻率分別為8%~22%和3%~26%,社會餐飲的貢獻率分別為2%~17%和2%~69%;排放強度空間分布表明,長春市轄區餐飲源污染物在排放區域上:朝陽區>南關區>綠園區>二道區>寬城區>雙陽區;時間變化特征顯示,日變化峰值為07:00~08:00,11:30~12:30,18:00~20:00;周變化中周三、周六和周日排放量較大;季節變化中,冬季排放強度高于其他季節,其中十二月份貢獻率最大(9.98%);不同方法計算的大氣污染物排放清單中,以人口為基準的不確定性最大,VOCS的不確定性為302%,以用油量為基準的不確定性最小,PM2.5和VOCS的不確定性分別為31%和61%,可以作為區域餐飲源大氣污染物清單推薦方法.未來的工作將側重于典型餐飲源本地排放因子的測定,從而有效減少排放清單的不確定性.

長春市；大氣污染物；空氣質量；餐飲污染

餐飲源屬于低空排放,而且都在人群密集區,所以餐飲行業排放特征對精準排放清單和保障身體健康具有重要意義.餐飲排放是城市大氣環境PM2.5和揮發性有機物(VOCS)的重點來源之一[1-4].餐飲源釋放的PM2.5和VOCS主要是食用油和食物在烹飪過程中,高溫條件下發生的熱氧化和熱分解等化學反應形成的,受食材特點、烹飪方式和翻炒程度的影響[4-8].研究表明,餐飲油煙中檢測到的VOCS達上百種[6],餐飲油煙對人體具有潛在的致癌危險性,是室內空氣污染的重要來源[9-10].餐飲活動主要包括家庭餐飲、社會餐飲和食堂餐飲[11].美國國家排放清單(2004年)結果顯示,商業餐飲排放的PM2.5和PAH在總排放量中各自占1%[12],比重較小.而在我國,廣州排放清單數據(2013年)顯示,餐飲PM2.5的排放占其排放總量的12%[13];北京排放清單數據(2015年)顯示,餐飲PM2.5在排放總量中占14.1%[14],這說明餐飲源是我國城市大氣污染物的重要來源.

目前,針對于我國餐飲源的研究主要集中在污染物成分的分析、排放因子的探索、細顆粒物排放空間分配、對健康的影響等方面以及餐飲油煙污染現狀及凈化技術進展[15-19].研究城市及區域的大氣污染問題,不僅要對PM2.5和VOCS的污染現狀展開調查,還需要制定不同區域PM2.5和VOCS的排放清單,為數值模擬和減控措施的制定提供所必須的科學數據.而現階段對餐飲源排放清單的研究還處于起步階段,尚未形成統一的餐飲源清單編制規范,同時僅有少量的城市和區域編制了相關的排放清單,因此這進一步增加了數值模擬、來源解析等研究的不確定性.

由于秋冬季大氣邊界層低,且容易發生逆溫現象,從而造成大量污染物的累積.明確不同大氣污染物來源的排放特征和準確定量其排放量,是很多其他研究(例如:數值模擬、環境管理)的基礎.目前,餐飲源的研究主要集中在北京、上海和廣州等發達地區[15,20-21],關于東北地區的餐飲源排放清單尚未有報導.盡管東北地區人口僅占全國人口的8%,但是人口主要分布在省會城市及其相近的城市群,特別是吉林省和黑龍江省.同時,東北地區的飲食習慣與其他地區差異較大,表現為油量大、火候足、時間長,因此,東北地區餐飲源PM2.5和VOCS的排放潛力也不容忽視. 本文采用基于統計資料的自下而上的清單編制方法,用所收集到的4種餐飲源清單計算方法,對東北地區地理中心長春市餐飲源PM2.5和VOCS的排放量進行評估.本文首次對現有餐飲源大氣污染物清單編制方法進行對比分析,篩選出最優方法,并首次編制了長春市高精度餐飲源排放清單.分析其時空分布規律、各類餐飲活動的貢獻,及排放清單的不確定性,為該區域其他城市群餐飲源大氣污染物排放清單編制提供科學依據.

1 數據與方法

1.1 研究區域概況

東北地區(38°40′N~53°30′N,115°05′E~135°02′E)包括黑龍江省、吉林省、遼寧省以及內蒙古自治區東部四盟市(即呼倫貝爾市,興安盟,赤峰市和通遼市圖 1).東北地區的冬季寒冷且漫長,室外活動減少,飲食成了人們的重要活動.東北地區的飲食以溜、炸、爆、燉、醬、烤為主要特點,形糙色重味濃,再加上用油量大、火候足和時間長,產生的餐飲油煙量自然較多.長春市轄區(43°31′N~43°59′N,125°10′E~ 125°42′E)包括朝陽區、南關區、寬城區、綠園區、二道區和雙陽區六個區.長春市位于歐亞大陸東岸的中國東北大平原腹地,是東北地區天然地理中心,地處京哈與琿烏兩條交通線交匯處,東北亞十字經濟走廊的核心地帶,是吉林省的政治、經濟和文化中心.屬于典型的東北城市.長春是一個多民族的區域,特別是滿族、朝鮮族和蒙古族等生活聚居區較多,飲食習慣上以東北口味為基礎,在此同時又形成了吉林特有的飲食文化.

圖1 研究區域:中國東北地區和長春市轄區

1.2 清單編制方法

1.2.1 排放量方法 采用排放因子法對長春市的家庭餐飲、社會餐飲和食堂餐飲3類餐飲源進行排放量的計算.基本計算公式如下[11]:

E,j= EF,j′A,j(1)

式中:E是餐飲源PM2.5或VOCS的排放量;EF是對應的排放因子;A是類餐飲烹飪方式下的活動水平數據.

1.2.2 時空分布特征 王堃等[22]利用POI數據對區域清單進行了分配,因此選擇餐飲源活動PM2.5和VOCS排放量以及長春市轄區行政區劃數據,結合POI數據,利用ARCGIS繪制長春市轄區餐飲源PM2.5和VOCS排放量1km′1km網格排放強度空間分布.根據東北地區餐飲活動及調查獲得的人們就餐行為信息,計算家庭餐飲、社會餐飲和食堂餐飲3種主要餐飲活動大氣污染物的時間譜(日變化、周變化和月變化).

1.2.3 不確定性分析 根據活動水平數據和排放因子數據使用加法合并和乘法合并計算排放清單各類排放源的不確定性[23].加法合并公式如下:

式中:x為不確定量,U為相應的不確定性值(95%置信區間的一半);total為所有量的乘積的不確定性.

乘法合并公式:

式中:total為所有量的乘機的百分比不確定性;U為與每個量相關的百分比不確定性(95%置信區間的一半).

活動水平信息不確定性:直接源于統計數據,不確定度為±30%[24].

排放因子信息不確定性:排放因子是現場測試,行業差異不大,可代表我國該類源平均水平時,不確定度為±80%;如果是通過法規限值獲取,法規實施效果好,但是不能代表我國該類源平均水平時,不確定度為±300%[24].

1.3 數據來源

本文考慮的餐飲PM2.5和VOCS排放源包括家庭餐飲、社會餐飲和食堂餐飲3種餐飲活動.其中食堂餐飲只統計了中學食堂、高校食堂和機關單位食堂,不包括幼兒園食堂、小學食堂、賓館食堂和工業企業食堂.

表1 長春市轄區餐飲活動水平數據

1.3.1 活動水平 數據來源中,長春市轄區的總人口、總戶數數據來源于2015年長春統計年鑒[25];中學、?？坪捅究茖W校的在校生以及教職工數據來源于2014年長春統計年鑒[26]以及各個學校的官方網站;人均每年的食用油用量數據來源于2014年長春統計年鑒[26];小區的居民總戶數數據來源于長春房天下網站[27];社會餐飲每月的消費額數據來源于國家統計局統計數據[28];食堂餐飲和家庭餐飲的就餐行為信息來源于實地調查和參考文獻[29-31].以每人每月外出就餐2次[1],來評估社會餐飲排放量.高校和中學在校生按每日3餐,其中中學在校生約三分之一是走讀生,不計算在食堂餐飲.學校教職工和機關單位的工人都按每人每天1餐來評估食堂餐飲排放量;其余為居民餐飲排放.油煙凈化器的實際效率為30%[32].根據實地調查和相關文獻[33-34],按每戶家庭1個爐頭,抽油煙機排煙量為600m3/h,平均每天做菜時間0.5小時,每年360天計算;社會餐飲中的中小型餐飲企業在社會餐飲中占到80%以上[35],根據相關文獻[4,34-36],均按照中型餐館4個灶頭,煙氣通道排放流量8000m3/h,每天的營業4h,每年360d計算;根據實地調查和環評愛好者網站的問答信息[37],以及GB 18483飲食業油煙排放標準[36],對于學校食堂,按照每150人一個排煙量為2000m3/h的灶頭,按照在校生每天6h,教職工每天1.5h計算;對于高校食堂,去除寒暑假,按照每年300d計算;對于中學食堂,去除寒暑假、雙休日和國家法定節假日,按照每年200d計算;機關單位食堂則按照1個排煙量為2000m3/h的灶頭,每天1.5h,去除雙休日和國家規定的節假日,每年240d來計算.

1.3.2 排放因子 不同核算方法中的排放因子差異較大,本研究排放因子數據主要來自于參考文獻資料及大氣揮發性有機物源排放清單編制技術指南[38],具體數值見表2.

表2 餐飲活動對應的PM2.5和VOCS排放因子

注:東北菜采用的家常菜的排放因子;小吃快餐采用的是街邊小吃的PM2.5排放因子、中式快餐的VOCS排放因子;日韓料理采用的是餐廳蒸煮的排放因子;其余的菜系的排放因子采用的是Wang 等(2015)文章中家常菜、山東菜和湖南菜的均值.

2 結果與討論

2.1 長春市轄區餐飲源PM2.5和VOCS排放清單

2014年長春市轄區餐飲PM2.5和VOCS年排放量分別為182.83~770.33t和8.97~586.18t(表3).所有餐飲活動中,家庭餐飲分別貢獻了總量的74%~81%和28%~78%(圖2),是第一大排放源.食堂餐飲是第二大排放源,分別占PM2.5和VOCS總排放量的8%~22%和3%~26%.社會餐飲分別占PM2.5和VOCS總排放量的2%~17%和2%~69%.

表3 2014年長春市轄區餐飲PM2.5和VOCS排放量(t)

家庭餐飲和食堂餐飲PM2.5和VOCS排放量的最大值都是出現在以就餐次數為基準核算排放量的方法中.社會餐飲的最高值都是出現在以灶頭為基準核算排放量的方法中,原因是缺乏本地化的排放因子,同一菜系不同文獻中得到的排放因子差異較大和排放因子不齊全.以人口為基準核算排放量的過程中,由于PM2.5排放因子的缺失,只計算了VOCS的排放量,并且在3類餐飲活動中,VOCS排放的最小值都是出現在該方法中,《大氣揮發性有機物源排放清單編制技術指南》中直接給出以人為基準的餐飲VOCS年排放系數3.5g/(人·a),這和按用油量以及按就餐人次計算的排放因子相差6~60倍[1,16,21,42],因此,以人口為基準核算得到的排放量最低.以就餐次數為基準核算得到的PM2.5和VOCS排放量是以油量為基準得到的PM2.5和VOCS排放量的2.4和1.9倍,是以灶頭為基準得到的PM2.5和VOCS排放量的4.2和4.3倍,是以人口為基準得到的VOCS排放量的65.4倍.此外,研究表明,餐飲油煙PM2.5質量濃度的50%~85%是PM1[4],這些細粒子可以長期存在于大氣中,危害性更大.

2.2 長春市轄區餐飲源PM2.5和VOCS排放空間分布

圖3 長春市轄區餐飲源PM2.5 和VOCS 排放總量空間分布特征

a:按人口計算VOCS排放總量;b1:按灶頭計算VOCS排放總量; c1:按用油量計算VOCS排放總量; d1:按就餐次數計算VOCS排放總量; b2:按灶頭計算PM2.5排放總量; c2:按用油量計算PM2.5排放總量; d2:按就餐次數計算PM2.5排放總量

2014年長春市轄區各個區的餐飲PM2.5和VOCS年排放量:朝陽區為35~162t和1.8~120t;二道區為37~144t和1.7~113t;寬城區為34~142t和1.7~108t;綠園區為39~155t和1.9~121t;南關區為35~155t和1.8~156t;雙陽區為2~13t和0.1~9t.雙陽區是長春市的一座新城區(1995年撤縣設區),面積占到長春市轄區總面積的46.7%,其中66%是耕地和林地.雙陽區的人口占市轄區總人口的10.3%,故雙陽區是長春餐飲源PM2.5和VOCS排放量最小的區.雙陽區餐飲源PM2.5和VOCS排放量為2.4~13t和0.1~9t,分別占總量的1.3%~1.6%和1.5%~1.8%.老城區(朝陽區、南關區、二道區、寬城區和綠園區)是長春市轄區餐飲源的主要排放源,長春市轄區90%的人口都在老城區,且居民、餐館和企事業單位分布較為密集.城區三環內(朝陽區和南關區的北部,二道區的西部,寬城區的南部以及綠園區的東部)聚集了市轄區85%的餐飲點排放源,其中65%的高校,73%的中學,78%的事業單位,75%的住宅小區和85%的餐館.城區三環內餐飲源PM2.5和VOCS排放量為111~555t和6~422t,分別占總量的61%~72%和67%~ 98%.

二道區和南關區排放的PM2.5相當,為19%~ 21%;朝陽區和南關區排放的VOCS相當,為20%~ 22%;綠園區排放的PM2.5最多,占排放總量的20.1%~21.3%;朝陽區排放的VOCS最多,占排放總量的20.4%~21.6%.餐飲源大氣污染物排放量在空間分布上,朝陽區>南關區>綠園區>二道區>寬城區>雙陽區.

由圖3可以看出,不同的核算方法得到的結果之間的差別較大,以人口為基準得到的排放量<以灶頭為基準得到的排放量<以用油量為基準得到的排放量<以就餐次數為基準得到的排放量.

2.3 長春市轄區餐飲源大氣污染物排放時間分布

由圖4a日變化可知,餐飲源早餐段、午餐段和晚餐段分別出現一個波峰,其排放的污染物分別占一天中排放總量的27.6%、28.1%和44.3%.在07點,12:00和18:00 3個時刻出現峰值點,分別占排放總量的12%、11%和13%.

圖4 長春市轄區餐飲源大氣污染物排放時間變化特征 Fig.4 Temporal variations proportion of cooking emissions in different time in Changchun City in 2014

由圖4b周變化可見,周六和周日的排放量最多,分別占到14.9%和15.0%,這是因為社會餐飲在周末的貢獻比平常要高0.8%,家庭餐飲在周末的貢獻比平常高0.9%.周一到周五的餐飲污染物排放量占比中,周三是極值點,這主要是家庭餐飲在周三的貢獻率增大,調查發現,大多數家庭一周會改善兩次生活,其中一次在周末,另一次在周三.社會餐飲中,周三也是周一到周五的一個極值點,周三的排放量占比一周的平均排放量占比高0.3%.

由圖4c月變化可見,12月份的排放量最多,7月和8月的排放量最少,分別占9.98%、 6.59%和6.60%,原因是冬季人們的飲食量較大且較為油膩,家庭餐飲排放量增多.夏季人們的飲食偏清淡,涼菜增多,使家庭餐飲的排放量減少.整體上是冬季排放>春季和秋季>夏季.這和人們天冷時飲食較油膩,天熱飲食較清淡是一致的.1月份和2月份是寒假,非長春市本地學生離校,因此,12月份的排放量高于其他月份.2月的排放量稍微高于1月,原因是2月的前半個月一般是春節,家庭餐飲的排放量會增大.7月和8月是中學和高校的暑假,高校中非本市學生離校,排放量減少.

2.4 排放清單的不確定性分析

不確定分析是清單質控、校對和核查的重要指標之一.定量分析清單的不確定性需要參考文獻的同時還需要大量的本地化監測數據和問卷調查數據.目前本文中沒有本地化的實測數據.以用油量為基準、以就餐次數為基準和以灶頭為基準的排放因子的不確定性是使用加法合并公式計算得出.目前我國對餐飲源排放清單和餐飲源排放清單的不確定性研究幾乎為空白.餐飲源屬于人為源排放,因此,活動水平信息不確定性參考《中國人為源VOC排放清單不確定性研究》[23]給出的活動水平信息不確定性等級分類表的分類級別確定的不確定性.以人口為基準得到的VOCS排放清單不確定最大,為302%(表4).以人為基準的排放因子幾乎是空白,設其誤差為300%[23].灶頭的數是參考其它文獻信息獲取,設其誤差為80%[23],烤肉和川菜PM2.5排放清單的不確定分別為81%和122%,西餐和小吃快餐VOCS排放清單的不確定為170%,其余菜系排放清單不確定為94%.用油量和人口信息是直接源于統計數據,設其誤差為30%.以用油量為基準得到的PM2.5和VOCS排放清單的不確定性最小,分別為31%和61%.

表4 餐飲源PM2.5和VOCS的不確定性(%)

根據文獻和實地調查結果,以人為基準的核算方法受個人口味、飲食風俗、習慣和年齡等的影響較大,排放因子很難統一.以就餐次數和以灶頭為基準的核算方法受地區發展水平(城鎮和農村)、餐飲業規模、食材、消費定位等影響較大,且會直接影響餐飲源PM2.5和VOCS的排放量.以用油量為基準的核算方法在3類餐飲活動中受食材、規模和消費定位的影響較小,且排放因子相對較多,統計數據的獲取較為簡便,核算方法相對簡單,結果可靠性較大,當然具體的還需要跟實際測定進行驗證.

大氣污染物餐飲源排放清單豐富了清單中的污染源類型,提高了區域排放清單的準確性,可以為區域大氣污染模擬提供基礎數據.未來的工作將側重于典型餐飲源本地排放因子的測定,從而有效減少排放清單的不確定性;以及對餐飲源排放清單核算方法的進一步論證,形成統一的餐飲源清單編制規范.

3 結論

3.1 2014年長春市轄區PM2.5總排放量為183~ 770t,VOCS總排放量9~586t.區域集中排放主要位于城區三環以內,其中人口密度最大的朝陽區排放最多.對PM2.5來說,家庭餐飲在總排放中的貢獻超過3/4,對VOCS來說不同方法的貢獻率差異較大.餐飲源排放污染物日變化中的3個峰值為07:00、12:00和18:00,周變化中周三和周末的排放量較大,月變化中冬季月份1月、2月和12月的排放量較大.

3.2 餐飲源排放PM2.5的核算中,以灶頭為基準、以就餐次數為基準和以用油量為基準的不確定性分別為124%、82%和31%.VOCS的核算中,以人為基準、以灶頭為基準、以就餐次數為基準和以用油量為基準的不確定性分別為302%、125%、84%和61%.因此,以用油量為基準的核算方法誤差最小,且數據較易獲得,可以作為區域餐飲源大氣污染物清單推薦方法.

[1] 王秀艷,史建武,白志鵬,等.沈陽市烹飪油煙中VOCs排放特征分析[J]. 中國人口·資源與環境, 2011,21(127):364-366.

[2] Abdullahi K L, Delgado-Saborit J M, Harrison R M. Emissions and indoor concentrations of particulate matter and its specific chemical components from cooking: A review [J]. Atmospheric Environment, 2013,71(2):260-294.

[3] 張玉梅,張衛東,王軍玲.大氣PM2.5源解析“源清單化學質量平衡法(I-CMB)”模型的建立與應用[J]. 大氣科學學報, 2015,38(2):279- 284.

[4] 溫夢婷,胡 敏.北京餐飲源排放細粒子理化特征及其對有機顆粒物的貢獻[J]. 環境科學, 2007,28(11):2620-2625.

[5] Wang G. Chemical Characteristics of Fine Particles Emitted from Different Chinese Cooking Styles [J]. Aerosol & Air Quality Research, 2015,15(6S):2357-2366.

[6] Wang G, Cheng S, Lang J, et al. Characterization of volatile organic compounds from different cooking emissions [J]. Atmospheric Environment, 2016,145:299-307.

[7] 譚德生,鄺元成,劉 欣,等.餐飲業油煙的顆粒物分析[J]. 環境科學, 2012,33(6):1958-1963.

[8] 崔 彤,程婧晨,何萬清,等.北京市典型餐飲企業VOCs排放特征研究[J]. 環境科學, 2015,36(5):1523-1529.

[9] 厲曙光,黃 昕.家庭廚房烹調油煙污染的危害[J]. 上海預防醫學, 2003,15(2):57-59.

[10] Huang Y, Ho S S, Ho K F, et al. Characteristics and health impacts of VOCs and carbonyls associated with residential cooking activities in Hong Kong [J]. Journal of Hazardous Materials, 2011,186(1):344- 351.

[11] 秦之湄,毛名英,唐文雅,等.基于互聯網大數據的城市餐飲源清單高時空分辨研究[C]//秦之湄.2016全國環境信息技術與應用交流大會暨中國環境科學學會環境信息化分會年會論文集, 2016: 140-147.

[12] Roe S M, Spivey M D, Lindquist H C, et al. National emissions inventory for commercial cooking [C]//In Proceedings of the 13th International Emission Inventory Conference, Clearwater, FL, USA, 2004:8–10.

[13] 黃丹雯.烹飪油煙影響PM2.5? [J]. 環境, 2013,(11):69-71.

[14] 北京市政府關于《北京市大氣污染防治條例》實施情況的報告(書面) [J]. 北京市人大常委會公報, 2015,260(1):124-130.

[15] 程婧晨,崔 彤,何萬清,等.北京市典型餐飲企業油煙中醛酮類化合物污染特征[J]. 環境科學, 2015,36(8):2743-2749.

[16] 王桂霞,董雪玲,許立男.餐飲源排放顆粒物的污染特征[C]//王桂霞.Proceedings of conference on environmental pollution and public health (CEPPH 2012). Scientific Research Publishing, USA (美國科研出版社), 2012:691-697.

[17] 秦之湄,唐文雅,尹元暢,等.基于互聯網大數據的成都餐飲源細顆粒物排放空間分配研究[J]. 環境科學學報, 2017,38(12):4511-4518.

[18] 尹元暢,蔣 燕,王 波,等.成都餐飲源PM2.5及VOCs排放因子的探索[J]. 環境監測管理與技術, 2015,27(5):63-67.

[19] 李亞倩,李建軍,李海嬌.餐飲油煙廢氣污染及其凈化技術進展[J]. 四川化工, 2018,21(1):13-16.

[20] 林 立,何校初,鄔堅平,等.上海餐飲油煙污染特征研究[J]. 環境科學與技術, 2014,(s2):546-549.

[21] 黃繼章,李偉鏗,張寶春.廣州市餐飲源排放研究[J]. 廣州環境科學, 2013,(2):1-2.

[22] 王 堃,高佳佳,田賀忠,等.基于POI興趣點的排放清單空間分配方法[J]. 中國環境科學, 2017,37(6):2377-2382.

[23] 曹國良,張小曳,龔山陵,等.中國區域主要顆粒物及污染氣體的排放源清單[J]. 科學通報, 2011,56(3):261-268.

[24] 魏 巍,王書肖,郝吉明.中國人為源VOC排放清單不確定性研究[J]. 環境科學, 2011,32(2):305-312.

[25] 長春市統計局.長春統計年鑒-2015 [M]. 北京:中國統計出版社, 2015.

[26] 長春市統計局.長春統計年鑒-2014 [M]. 北京:中國統計出版社, 2014.

[27] 長春房天下.http://changchun.fang.com/[EB/Z]. 2017-10-14.

[28] 餐飲收入_當期值.http://data.stats.gov.cn/easyquery.htm?cn=A01 [EB/Z]. 2017-11-1.

[29] 陳 瑤,付 靜,邵培基.四川師范大學學生食堂消費行為研究[J].管理學家:學術版, 2010,(7):10-19.

[30] 李 靜,江國虹,潘 怡,等.天津居民的就餐飲食行為調查[J]. 營養學報, 2014,36(4):327-330.

[31] 吳芳谷,汪 彤,陳虹橋,等.餐飲油煙排放特征[J]. 過程工程學報, 2002,11(2):319-323.

[32] 王秀艷,高 爽,周家岐,等.餐飲油煙中揮發性有機物風險評估[J]. 環境科學研究, 2012,25(12):1359-1363.

[33] Wang X, Shi J, Bai Z, et al. Measurement of VOCs emissions from cooking in the Northeast Area of China [C]//International Conference on Mechanic Automation & Control Engineering. IEEE, 2011:3212- 3215.

[34] 柳曉雷,李曉丹,熊安華,等.北京市餐飲油煙排放處理現狀和治理對策研究[C]//柳曉雷.中國環境科學學會學術年會論文集(2015), 2015:3112-3116.

[35] 范洪鐸.中小餐飲店油煙污染分析及對策[J]. 海峽科學, 2014,(5): 23-24.

[36] 飲食業油煙排放標準(試行) [Z]. 2001.

[37] 環評愛好者.http://www.eiafans.com/thread-134416-2-1.html [EB/Z]. 2017-11-13.

[38] 大氣揮發性有機物源排放清單編制技術指南(試行) [Z]. 2014.

[39] 張 騰,彭 林,李穎慧,等.餐飲源油煙中PM2.5的化學組分特征[J]. 環境科學研究, 2016,29(2):183-191.

[40] 舒 熳,李云春,曹軍驥.不同餐飲源的PM2.5排放特征[C]//2014中國環境科學學會學術年會, 2014:1-8.

[41] Wang L, Xiang Z, Stevanovic S, et al. Role of Chinese cooking emissions on ambient air quality and human health [J]. Science of the Total Environment, 2017,589:173-181.

[42] 蔣 燕,尹元暢,王 波,等.成都市川菜烹飪油煙中VOCs排放特征及其對大氣環境的影響[J]. 環境化學, 2014,(11):2005-2006.

[43] 周子航,鄧 也,陸成偉,等.成都市人為源揮發性有機物排放清單及特征[J]. 中國環境監測, 2017,33(3):39-48.

PM2.5and VOCSemission inventories from cooking in Changchun City.

WU Xue-wei1,2, CHEN Wei-wei1*, WANG Kun3, XIU Ai-jun1, ZHANG Shi-chun1, ZHAO Hong-mei1, ZHANG Xue-lei1

(1.Key Laboratory of Wetland Ecology and Environment, Northeast Institute of Geography and Agroecology, Changchun 130102, China；2.Univeresity of Chinese Academy of Sciences, Beijing 100049, China；3.Department of Air Pollution Control, Beijing Municipal Institute of Labour Protection, Beijing 100054, China)., 2018,38(8)：2882~2889

Cooking activities are one of important sources of atmospheric pollutants, but few corresponding emission inventory has been published. In this study PM2.5and VOCSemission inventories from cooking in Changchun City, Northeast China are developed. Based on four different bottom-up methods (i.e., based on population, dining out frequency, amount of edible oil and burner numbers), we collected the cooking activity data in Changchun City, Northeast China for the year of 2014. These data include the population, the frequency of dining out, the amount of edible oil, and the number of burners. The emission factors are obtained through literature review. Then the PM2.5and VOCSemission inventories from cooking based on the four different methods are developed and their spatial-temporal distributions analyzed. The results show the magnitude of annual cooking PM2.5emissions in Changchun City are from 183 tons to 770 tons and VOCSemissions between 9 tons and 586 tons in 2014. The PM2.5and VOCSemission from residential cooking were highest, which accounted for 74% to 81% and 28% to 78% of the total amount, while for 8% to 22% and 3% to 26% from cafeteria cooking and for 8% to 22% and 3% to 26% from commercial cooking. The spatial distribution of cooking emissions show that they are higher in Chaoyang District than in Nanguan District, Lvyuan District, Erdao District, Kuancheng District and Shuangyang District. Based on the temporal variation, emissions from cooking mainly occur from 7 am to 8am, 11:30 am to 12:30 pm, 18:00 pm to 20:00 pm during the day and are higher on Wednesday, Saturday and Sunday during the week. The emissions are higher in winter than other seasons, especially in January, February and December, which accounted for 9.23%, 9.47% and 9.98%. Considering the uncertainty of emission inventory, the VOCSemissions inventory based on the population has the highest uncertainty, and based on edible oil amount the lowest uncertainty. The uncertainties of the PM2.5and VOCSemissions based on edible oil amount are 31% and 61%, which can act as a reference method to calculate regional cooking emission inventory. This study can provide reference and basis for the formulation of cooking emission inventory specifications in China.

Changchun；air pollutant；air quality；cooking pollution

X511

A

1000-6923(2018)08-2882-08

吳雪偉(1991-),女,山東聊城人,中國科學院東北地理與農業生態研究所碩士研究生,主要研究方向為大氣環境監測和排放清單編制.

2017-12-15

國家重點研發計劃(2017YFC0212303);國家自然科學基金項目(41775116);中國科學院前沿科學重點研究項目(QYZDB-SSW-DQC045);吉林省科技發展項目(20180520095JH);中國科學院青年創新促進會項目(2017275);中科院東北地理所“一三五”項目(IGA-135-05)

* 責任作者, 副研究員, chenweiwei@iga.ac,cn