英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
一种新方法开发的高分辨率农业机械排放清单——以长三角为例
摘 要
近期农业机械使用量的增加使我国东部长江三角洲( YRD )地区大气污染物排放量上升。鉴于繁忙季节机械使用量增加可能对环境和健康造成巨大影响，必须准确估算排放量的大小、空间和时间分布。我们结合卫星数据、土地和土壤信息，以及室内调查，研发了一种估算实际使用中的农业机械排放量的新方法。根据作物的空间分布、生长和轮作方式，确定机械的使用方式。在我们的研究方法中考虑了一个在以往的研究中被忽略的问题，即土壤质地的差异对机械功率的不同要求。通过探究当地农业活动持续时间与活动地理位置的定量相关性，确定了机械使用的时空格局。进而得到了一个网格型( 30 times; 30 m ) 的日排放量清单，在时空分辨率上取得显著提高。它极大地减少了以往基于机械普查或电力安装普查数据的库存偏差。YRD的NOX、PM2.5、CO和THC的估算排放量分别为36300、2000、36900和8430公吨，其中安徽和江苏贡献最大。位于皖北和江苏中部的10个城市机械排放量贡献最大，占长三角地区机械排放总量的60 %。研究发现收获期的排放量最大，其次是耕作和种植。在作物方面，小麦和水稻相关机械的使用排放最大。在繁忙季节(春秋两季)，安徽和江苏42 %的县市区机动车日均NOX和PM2.5排放量均大于公路车辆，这表明在优先排放源控制方面需要慎重制定策略。
引言
随着我国农业机械化的发展，过去以畜力和人力为主的农业劳动力，在近几十年已被机械取代。由于农业机械的重要性日渐提升，研究人员开始估算城市层面、地区层面以及国家层面的排放量。我国2012年农业机械NOX、PM2.5、THC和CO排放量估算值分别为1743、147、295和1212Gg，并且该数据到2014年已增长至2192、263、1211和1448Gg。相比于THC和CO，农业机械（柴油驱动为主）对移动源NOX、PM2.5的排放贡献更大。报告显示，2019年农业机械NOX排放量占中国珠江三角洲非道路移动源NOX排放总量的12.8％ 。Lang等人计算出2014年我国农业机械与公路车辆排放的NOX和PM2.5比例分别为71.9%和34.5%。农业机械在一年中的排放并不是均匀分布，在播种与收获季节可能会尤为巨大，因此即使其排放量低于公路车辆，依旧不可忽视。当大量农业机械投入使用时，其排放量可与公路车辆相当，并且在大气质量中充当重要角色。随着严格的公路车辆排放标准的颁布与实施，车辆的排放可以得到有效的控制，更加突出了农业机械的重要性。
目前的农业机械排放清单主要是根据农机活动数据（里程、功率或燃油使用）以及相应的排放因子，即单位活动水平的排放量。一种简单的方法是进行柴油消耗的普查以及统一基于燃料的排放因子。Yao等人根据农机数量、年均里程以及里程的排放因子更严谨地估算了排放量。一些研究还根据机械数量、不同机械类型的装机功率、工作时间或基于人口、燃料消耗率和工作时长的总燃料使用量计算总的工作输出作为活动数据。
即使发展了不同的方法，当前数据与实际的使用活动之间仍然存在着巨大的差距。首先，地区的机械设备数量并不能代表实际的机械使用，农忙时节大量租用机械投入使用，通常为轻型的地方所有的机械被搁置。 尽管柴油消费普查数据可能某种程度上代表了机械的总使用量，但其无法区分机械种类。其次，非均质土壤（壤土或砂土）需要不同功率的耕作机，进而影响排放。然而这类区分并没有在我国目前的排放量估算中被考虑进去。因此迫切需要更多与实际农机使用和土壤质地的信息。
排放的时间和空间分布对了解污染源以及制定控制策略具有重要意义。部分研究估算了农业机械排放量的时间差异。Lang等人总结确定了不同作物的播种与收获季节，并建立了分辨率为10天的排放清单。然而这种时间上的区分方法无法被广泛采用，因为即使是同一作物，因天气条件不同，播种和收获时间也会有很大差异。因此为了改进农业机械排放时间特征的估算，需要更多针对作物生长季节的详细调查。关于空间分布，以往的研究通常根据植被或耕地覆盖情况分配排放量。由于信息缺失或错误，这些研究中存在局限性。首先，部分土地被树木或蔬菜覆盖，劳作主要靠人力而不是机械。其次，由于地形以及耕作习惯的不同，农田地区机械的使用率分布不均。因此，基于植被或耕地面积的排放分配可能导致偏离实际情况。
为解决上述问题并量化实际农业机械的排放量，我们选择长三角为样本，并结合可用卫星的观测、土壤特征分布以及现场调查，开发了一种新颖的方法。排放量估算以及时间和空间分辨率得到明显改善。机械排放对区域大气质量的影响会更好理解，有关高效的排放控制政策含义可以更进一步。
方法
-
- 农机排放估算简介
该研究目前覆盖了我国三个省（江苏、安徽、浙江）以及长三角地区的直辖市上海2015年农业机械排放估算。排放主要发生在耕作、种植（包括播种和移栽）、保护（喷洒液体农药和化肥）和收割四个过程中。农产品的运输主要由柴油卡车进行，因其被视为公路运输工具，农产品运输并不包括在此项中。由于活动水平低，且长三角地区电动泵使用的比例大，灌溉过程也不包括在其中，且长三角地区气候潮湿，灌溉的需求不高。灌溉常用地表水而不是地下水，因此耗能较低，且据我们调查，很大一部分灌溉泵为电动泵，运行时没有任何空气污染物的排放。我们开发了一种“网格型”的方法，在研究区域内收集机械活动以及排放因子的所有信息并应用于地理网格级别。通过量化每个网格内的事迹机械使用情况，可通过如下公式利用机械使用过程和农作物类型计算给定污染物的排放量。
其中E是排放量（吨）；W是工作输出功率（千瓦时/格）；EF是排放因子（克/千瓦时）；beta;是使用机械的耕地所占的百分比（PAMU，%）；i，j，k分别代表过程、网格和作物类型。图一用于说明相关参数与数据源，确定 W，EF和beta;，其简要说明如下。
过程i，作物k和网格j的输出功率Wi,j,k可用以下等式计算：
其中P是额定功率（千瓦）；R是调整土壤耕作所需功率的土壤阻力校正系数，种植、保护和收获过程为1，0.65是我国生态环境部技术指标中额定功率到实际功率的转换系数；t是每个网格的工作时间（小时），N是调查得到的维护的次数（其他过程为1）。
图1 方法示意图。参数W、分、b由彩色矩形中的九个因子决定，这些因子是从三个数据类别中获得的，以相应的颜色显示在椭圆中。对于每个类别，原始来源在右边的六个矩形中。
排放因子主要根据目前我国的国家排放标准确定，过程i的EF值可用以下公式估算：
其中m表示使用的国家排放标准的级别（国家一级或二级），是采用该级别排放标准的机械比例。，并且。
按过程和作物类型划分的网格j中的PAMU取决于网格中的农田坡度，给定坡度机械使用率的数据源和判定将在2.4节描述。
-
-
地理信息数据
- 卫星数据
-
地理信息数据
从Landsat8和GF-1获得的卫星图像以30times;30m的空间分辨率制成作物分布图，应用的数据从2015年6月1日至10月1日。如S1.1中支持信息所述，采用一种受监督的分类方法用于数据处理与解释。长三角地区有五种主要经济作物，小麦，水稻，玉米，油菜籽和大豆。 蔬菜和水果或茶树的生长是靠人工来维持的，因此未包括在本研究中。 支持信息中的图S1给出了各种作物的空间分布。 小麦，大米和油菜籽覆盖整个长三角地区，而玉米和大豆仅在安徽和江苏种植。 在浙江和上海这两种作物都作为蔬菜种植在小面积的农田上，成熟之前是通过人工收获的，并没有被卫星检测到。
-
-
- 土壤和地形数字数据库(SOTER)
-
SOTER是一个包含矢量图形数字地图单位以及相应的景观，地质和土壤特性的数据库（粮农组织，2008年）。 该数据库中的土壤质地分为六类，分别为黏土，黏土-壤土，壤土，壤土-砂土，沙质和石质，以估算耕作机械的工作量。 遵循Breuning-Madsen和Jensen（1996）的方法，我们设置了相应的电阻校正系数，以调整耕作过程中所需的实际功率（支持信息中的表S1）。 通常，在粘土土壤中耕作比在沙土中需要更大的功率。
作为反映农田地形的重要因素，农田坡度直接影响机械利用率，因为在坡度相对较大的土地之间运输机器比较困难（Han等人，2019）。同时其他一些因素，例如每户的农田面积和农民的收入水平，也可能会影响机器的使用。由于这些因素在长三角地区中几乎是一致的，因此仅采用坡度来确定PAMU。在这项研究中，根据标准，SOTER数据库提供的坡度分为五个范围（0,2]，（2,6]，（6,15]，（15,25]和（25， infin;）。委员会的地貌学调查和制图参数W，EF和b由彩色矩形中的九个因子确定，这些因子是从椭圆形所示的三个数据类别中获得的，并带有相应的颜色。对于每个类别，原始来源都显示在右侧的六个矩形中。
-
-
- 地理数据叠加
-
通过重叠卫星数据和SOTER数据库获得的作物图，可以在网格级别获得具有相应土壤质地和坡度的各种作物的空间分布。 支持信息中的图S2列出了按省份划分的每种作物土壤质地和作物坡度的耕地面积。 安徽是长三角地区最大的耕地面积，其次是江苏。 浙江和上海的耕地面积要少得多，分别仅占安徽的13％和3％。 江苏，安徽和上海的农田地形平坦，坡度小于2的农田比例分别达到96％，89％和98％。 浙江的这一数字下降到35％，而24％和14％的农田坡度分别在（15-25]和gt; 25，表明该省的地形更为陡峭。
-
- 在用机械调查
如支持信息中的图S3所示，通过问卷调查了长江三角洲八个城市的实际农业机械使用状况。 调查覆盖了相对较大的城市（盐城和徐州），中等规模的城市（扬州，淮南和马鞍山）和耕地面积较小的城市（杭州，台州和衢州州）。 包括小坡度（盐城，徐州，扬州和台州）和大坡度（衢州和杭州）的农田。 由于其农田坡度较小且与江苏相似，因此未选择上海进行问卷调查。 每个城市选择了50个家庭，因此整个长三角地区共收集了400份问卷。
为了用等式计算每个网格的工作输出（式（2）），我们开发了一种基于个人家庭调查的方法，以估算特定过程的额定功率（Pi）和每个电网的工作时间（tj）的平均水平。在调查表中调查了每个过程的机器的额定功率。对于租赁机器且无法提供信息的农民，则提供了机器的工作宽度（分别为耕种，播种，保护和收获机械的耕作，播种或种植，喷洒和切割的宽度）。我们检查了农机市场，找到了具有相同工作宽度的主要型号，并应用了相应的额定功率来填补信息缺失的空白。支持信息中的表S2总结了每个过程的额定功率范围。在种植，保护和收获方面，长三角地区用于单个过程的机器模型是相似的。在耕作过程中，浙江省使用的机型（占家庭使用的小型耕作机的50％，工作宽度仅为1.3 m）与其他省份不同。我们假设上海的耕作机械工作产出与江苏和安徽相似。对于保护机器，90％是电动或手动的，剩下的10％是汽油的，而柴油机则很少。因此，用于保护工作的工作量中只有10％需要与汽油机的排放量进行核算。每个网格的工作时间是根据所应用机器模型的每小时工作面积的平均值计算的，后者可以从机器手册中简单地获得。估计了单位面积或网格的平均功输出，并在支持信息中的表S2中显示。根据我们的问卷调查，大米，小麦，油菜籽，玉米和大豆的平均保护机器使用时间（式（2）中为N）分别为六小时，四小时，三小时，四小时和三小时。
耕作机，播种机和收割机都使用柴油发动机，针对2007年12月31日之前和2008年1月1日至2015年9月30日之间注册的机器分别执行国家一级和国家二级的排放标准，而所有被调查的机器均在2015年9月30日之前注册，因此，2015年在长三角地区没有使
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[260838]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
