北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

日期: 2023-08-09
浏览次数: 114

说到温室气体,大家熟知二氧化碳占比最大,而仅次于它的第二大温室气体正是甲烷(CH4)。尽管甲烷在大气中的浓度比二氧化碳低得多,但它的温室效应却比二氧化碳高数十倍。这意味着每单位的甲烷会比二氧化碳更有效地捕获和保留地球表面的热量,加剧全球气温上升。

据 《全球甲烷评估》报告表明,目前全球甲烷排放中有60%与能源开采、农业活动、废弃物处理这三类人类活动直接相关。

人类主要聚集地——城市,主要的甲烷排放就是废弃物处理。国内的研究团队在杭州,通过塔基CH4观测网络进行了全球变暖下废物处理CH4排放的相关研究。

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

大气中的甲烷是导致全球变暖的第二大人为因素。然而,从城市到全国尺度,其排放量、成分、时空变化等在很大程度上仍不确定。废物处理(包括固体废物填埋场、固体废物焚烧和污水)产生的CH4排放占城市人为CH4总排放量的50%以上,考虑到CH4排放因子(EFs)对基于生物过程的源(如废物处理)的高温敏感性,在不同全球变暖情景下估算未来CH4排放量时会出现较大差异。此外,温度与废物处理CH4排放之间的关系仅在少数特定地点进行了研究,缺乏整个城市的代表性。上述因素导致城市尺度CH4排放(尤其是来自废物处理)的评估存在不确定性,并且预测的变化仍未得到探索。本文通过杭州塔基CH4观测网络进行了全球变暖下废物处理CH4排放的相关研究。

研究人员将2020年12月1日至2021年11月30日杭州3个塔基观测网络(临安大气本底观测站:30.30° N,119.72° E;138.6 m a.s.l.,Picarro G2401气体浓度分析仪,进气口高度53 m;大明山观测站:30.03° N,119.00° E;1485.0 m a.s.l.,Picarro G2401气体浓度分析仪,进气口高度10 m;杭州站::30.23° N,120.17° E;43.2 m a.s.l.,Picarro G2301气体浓度分析仪,进气口高度25 m)获取的每小时CH4浓度与WRF-STILT大气传输模型和贝叶斯反演方法相结合,以限制CH4排放清单。并建立月温度与反演后废物处理CH4排放之间的关系,以量化排放因子在所预测的不同全球变暖情景下的变化。

测量系统(建议横屏查看)

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

●使用真空泵经外径为10 mm的专用取样管线取样,以5 L/min的速度传送至仪器,环境空气从塔顶至仪器的停留时间小于 30 s。

●样气首先通过泵前端的过滤器。其次,通过(泵之后)设置为1 atm表压的减压阀旁通,以释放多余的空气压力。

●样气通过冷阱干燥以减少水汽影响。通过质量流量控制器将玻璃阱的流出气流设置为300 mL/min,略高于分析仪的流量需求,多余的气体通过一个不锈钢“T” 型三通接头排放至周围环境中,以确保传送入分析仪的样品处于接近环境气压的状态。

●VICI 8 通多位阀切换工作标气/目标气体/样气。

●使用充满压缩环境空气的校准气瓶作为目标气体 (T),定期检查系统的精度和稳定性。两个标气每6 h/12h测量一次,通过两点线性拟合校准CH4观测值。

WRF-STILT大气传输模型:模拟CH4浓度,其中选择蒙古UUM,韩国TAP,日本RYO和YON,以及瓦里关5个NOAA CH4大气背景站作为潜在背景值。

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

贝叶斯反演方法:约束模拟的CH4排放通量,优化模拟结果

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

【结果】

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

(a)杭州站,(b)临安站和(c)大明山站的模拟足迹年平均值;EDGAR v6.0清单中的(d)人为CH4排放总量,(e)废物处理CH4排放量;(f) 废物处理占人为CH4排放总量的比例

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放
Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

杭州市每小时CH4浓度观测值和模拟值(反演前)(a)、模拟值(反演后)(b)对比;(c)杭州市日平均CH4浓度对比

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

反演前后杭州市甲烷排放量对比

Picarro | 杭州塔基甲烷观测网络估算全球变暖下废物处理产生的甲烷排放

未来气候变化情景下温度对垃圾填埋甲烷排放因子的影响

【结论】

1、模拟的CH4浓度存在明显的季节性偏差,主要是年和月尺度废物处理偏差所致。反演后的CH4排放呈现出明显的季节变化,夏峰冬谷,主要是废物处理的贡献;

2、先验清单中,杭州废物处理CH4年排放量为10.4×104t,反演后下降至5.5(±0.6)×104t,下降了47.1%。人为CH4排放总量(不包括农业土壤)从15.0×104t下降到9.6(±0.9)×104t,表明2021年全年高估了36.0%;临安站观测结果表明,浙江省或长三角地区的年CH4排放量被略微低估了7.0%;

3、反演后,每月废物处理产生的CH4排放量与气温呈显著线性关系,温度升高10℃时排放量增加38%-50%;

4、在RCP8.5、RCP6.0、RCP4.5和RCP2.6情景下,到本世纪末,杭州市废物处理CH4排放因子将分别增加17.6%、9.6%、5.6%和4.0%;

5、整个中国的相对变化也显示出高度异质性,表明未来全国甲烷排放总量预测存在很大的不确定性

6、建议在最近的CH4排放清单和未来的CH4排放预测中应耦合温度依赖性排放因子。

请点击下方链接,阅读原文:

https://mp.weixin.qq.com/s/mDRPvrV1WDudGXXK1vgqwQ


News / 相关新闻 More
2026 - 03 - 17
研究背景随着全球气候变化及水体富营养化加剧,蓝藻及其他藻类爆发已成为全球关注的环境问题。这些藻华不仅干扰航运与娱乐,更严重的是,部分蓝藻会释放致命毒素,威胁人类和野生动物的健康。传统监测方法往往难以快速、准确地在大空间尺度上区分产毒与不产毒的蓝藻属种。而光谱成像技术通过获取植物光合色素的“特征指纹”,为解决这一难题提供了可能。然而,现有的遥感监测也面临挑战:(1)光谱库不足:卫星遥感依赖端元光谱库,但经验证的代表性蓝藻光谱数据稀缺;(2)水体干扰强:水深、浊度等光学参数复杂,影响大范围遥感反演精度;(3)培养与野外的差异:实验室藻类光谱难以完全还原自然生境下的真实特征;基于此,美国地质调查局(USGS)联合美国国家标准与技术研究院(NIST)利用高光谱显微镜成像系统,以俄勒冈州上克拉马斯湖的不同区域水体的蓝藻样品为研究对象,通过系统验证与野外采样相结合的方法,获取了不同蓝藻属在细胞尺度的高...
2026 - 03 - 17
研究背景在北半球,多年冻土覆盖了约22%的陆地面积,封存着全球陆地最大的土壤碳库。然而,在全球变暖的驱动下,多年冻土正面临快速退化的严峻挑战。一旦这些被长期封冻的古老碳库随冻土融化而释放入大气,将触发剧烈的温室效应正反馈,从而进一步加速气候变暖。因此,系统探明冻土区碳储量及其稳定性特征,不仅是厘清碳循环机制的关键,更为预测气候变暖背景下全球碳平衡的动态演变提供重要依据。基于此,哈尔滨师范大学臧淑英老师团队以中国东北大兴安岭高纬度多年冻土区南部边界为研究对象,通过机械钻探及物理化学分组法,研究了不同地表类型深层土壤碳的组分与稳定性。研究发表在《Permafrost and Periglacial Processes》期刊。结果发现,深层冻土(尤其是森林地带)富含高活性碳,面临极高的变暖释放风险。该研究为气候模型中冻土碳反馈机制提供了重要的实测数据支撑。为什么选择大兴安岭?1. 大兴安岭位于高...
2026 - 03 - 09
研究背景 氮素是水稻生长发育的关键元素,其利用效率备受关注。传统研究多聚焦于土壤氮流失,而忽视了植株地上部分的氮气损失。研究发现,水稻植株尤其在开花和灌浆后期,会排放大量氨气。这一时期,叶片中的叶绿体成分大量降解,产生大量的NH4+。谷氨酰胺合成酶(GS)通常促进氮的循环利用,但衰老过程中GS活性的下降会损害NH4+的同化能力,导致NH3挥发损失。叶片由绿变黄是灌浆期氮素再利用最直观的指标。那么,叶片变色的快慢是否可以预测氨挥发的多少?中国水稻研究所的王丹英老师团队联合华中农业大学和浙江大学等团队对此进行了深入探讨。相关成果发表在《The Crop Journal》期刊。研究以灌浆期不同叶片颜色变化特征的水稻品种为研究对象,采用15N同位素示踪结合动态流通室技术精准量化植株源氨挥发,并同步监测叶片颜色动态变化及关键生理指标。研究发现,水稻叶片颜色变化率与灌浆期氨挥发量呈极显著正相关,叶片变...
2026 - 03 - 09
研究背景在陆地生态系统的水循环中,蒸散是连接地表与大气水分和能量交换的关键途径。尤其对于农田生态系统而言,准确估算作物的实际蒸散量,不仅有助于理解作物水分利用效率,还能为农业水资源管理和干旱应对提供科学依据。然而,现有的估算方法却面临诸多挑战:(1)传统气象模型:理论基础扎实,但依赖完整的气象数据,且难以捕捉植被光合作用的生理过程;(2)遥感指标局限性:太阳诱导叶绿素荧光(SIF)虽能直接反映光合活性,但在水分胁迫下存在响应滞后;光化学反射指数(PRI)能灵敏跟踪短期胁迫响应,但鲜少被纳入机器学习模型中;因此,如何融合多源数据,利用深度学习挖掘气象与生理指标的协同价值,成为了提高实际蒸散量(ETc act)估算精度的新途径。近期,西北农林科技大学蔡焕杰老师的团队联合沈阳大学和石河子大学的团队在《Agricultural Water Management》期刊发表最新研究成果,该研究通过融合...
关闭窗口】【打印
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910124070  010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 



 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开