张明棣,何冬一,古添发,孙天乐,林晓玉,黄晓锋,何凌燕*

深圳市道路交通源温室气体排放特征分析

张明棣1,何冬一2,古添发1,孙天乐1,林晓玉2,黄晓锋2,何凌燕2*

(1.广东省深圳生态环境监测中心站,广东 深圳 518049；2.北京大学深圳研究生院环境与能源学院大气观测超级站实验室,广东 深圳 518055)

于2019年9月～2020年7月对深圳市福田区路边的大气CO2、CH4、N2O和CO浓度进行了观测分析.结果显示,其观测时段平均浓度分别为(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与CO浓度的季节变化表现为冬季高、夏季低,CH4和N2O浓度的季节变化表现为秋季高、夏季低;在秋冬季浓度较高是由于采暖期的化石燃料排放的远距离输送导致,夏季浓度较低主要是由于远距离传输源的减少以及植物光合作用或光化学反应等汇的增强.CO2浓度的日变化特征表现为“两峰一谷型”,主要受植物的光合作用、早晚交通高峰等影响;CO浓度的日变化特征表现为“两峰型”,主要受早晚交通高峰的影响;CH4、N2O浓度日变化特征都表现为夜间高、日间低,主要受日间光化学反应的影响.将2020年新冠肺炎交通封锁期与2021年同时段进行对比,结果显示大气CO2、CH4、N2O和CO浓度分别降低了3.1%、10.6%、0.5%和13.9%,说明实施交通管控对于促进城市温室气体的减排至关重要.

温室气体；季节变化；日变化；道路交通源

CO2、CH4和N2O是大气中3种与人为活动有密切关联的重要温室气体[1],分别占长寿命温室气体总辐射强迫的66%、17%和7%[2].另外,CO虽然不是温室气体,但是它能通过与OH自由基发生光化学反应影响大气的氧化能力,从而影响大气CO2和CH4的浓度.因此,CO是一种间接的温室气体.CO2主要来源是化石燃料燃烧和水泥生产排放[3-4];CH4的主要来源包括湿地排放和畜牧业、水稻种植、化石燃料利用、垃圾填埋和生[5-6];大气N2O主要来源于海洋、土壤、生物质燃烧、化肥的使用和各种工业过程[7].

世界气象组织全球大气(GAW)原位观测网观测结果的最新分析显示,全球长寿命温室气体CO2、CH4和N2O浓度在2019年达到新高,分别为工业化前水平的148%、260%和123%[2].因此,全球不同地区对该3种温室气体进行在线监测势在必行.

城市活动是温室气体排放的重要贡献源[8-9],其中城市客运、货运车辆数量和行驶里程的增加是城市温室气体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温室气体排放特征对了解城市温室气体的源汇及其行为具有重要意义.但是,目前我国气象部门对温室气体的观测研究主要集中在青海瓦里关、北京上甸子、浙江临安和黑龙江龙凤山等4个大气区域本底站[11-13],而对国内城市地区的温室气体的监测相对较少[14-15],且多集中于对单一物种CO2的观测.与这些大气本底站所在区域相比,城市区域交通频繁,温室气体的源汇以及排放规律均有别于非城市区域[16],因而对城市道路交通源温室气体进行连续监测,分析城市交通源温室气体浓度变化特征,对了解城市源汇特征和污染模式,科学制定城市温室气体的减排政策至关重要.

深圳是全国性经济中心城市和国际化城市,交通活动强度较大,截止2020年末,全市民用汽车拥有量约为358.89万辆[17].本研究在深圳市路边监测站点开展了为期近1年的温室气体连续观测实验,以期了解深圳市道路交通源温室气体排放浓度水平,季节和日变化特征;同时,探讨了城市交通运输对于深圳市温室气体排放的影响,为深圳市后续温室气体减排制定防控策略方案提供科学依据.

1 材料与方法

1.1 观测点位概况

本次观测时间为2019年9月6日～2020年7月31日以及2021年1月23日～2月17日.观测点地处深圳市东南部地区,位于深圳市东南部福田区深南中路(22.54°N,114.10°E),道路类型为I类干线,双向共8条车道,采样点距离路边仅3m,存在代表典型的道路交通排放源,且周边无显著工业源.采样头架设在站房开放式阳台屋顶,距地面约4m.如图1所示,监测点西侧78m处存在T型路口,东侧378m处为深南路与红岭路交叉路口,西侧480m为深南路与上步路交叉路口,500m范围内共5个红绿灯,其中3个分别处于西侧T型路口,东侧交叉路口,西侧交叉路口,另外2个处于监测点与西侧交叉路口中间路段,说明此监测点车流量较大,交通频繁.

图1 监测点位(五角星位置)道路交通位置情况

1.2 采样与分析方法

本次温室气体观测使用的设备为Uow FITR温室气体在线分析仪(ECOTECH Pty Ltd, Australia),该设备应用多光程的傅里叶红外变换(FTIR)光谱测量解析技术和高性能红外检测元器件,结合了完善的控制软件系统,能够全自动地运行,在线精确连续测量大气中CO2、CO、CH4和N2O的浓度.设备时间分辨率为3min,采样流量为1L/min. CO2(×10-6)、CO(×10-9)、CH4(×10-9)和N2O(×10-9)气体的测量精度分别为0.05、0.2、0.06和0.2,远远高于世界气象组织-全球大气检测网(WMO-GAW)测量标准.同时,每个月采用3种浓度梯度的CH4,CO2,CO,N2O混合标准气体做外标校准曲线对测量值进行标定保证数据的准确性,标准气体来自美国国家标准局(NIST).

2 结果与讨论

2.1 深圳市道路交通站点温室气体平均浓度水平

如表1所示,在研究时段内(2019年9月6日～2020年7月31日)深圳市路边站点CO2、CH4、N2O和CO平均浓度分别为(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.本研究站点CO2、CH4浓度与2019年青海瓦里关站相比分别高4.7%和20.0%,与2019年全球温室气体浓度相比分别高4.8%和21.3%,与城市站点武汉2013年浓度相比也较高,与2006～2007年天津站点浓度相近;本研究站点N2O浓度与青海瓦里关2019年浓度相近,与全球2019年浓度相比仅高0.2%.结果表明,CO2、CH4等来源于交通排放的化石燃料燃烧源的温室气体浓度相比背景点位较高,而来源于农业、土壤排放的N2O浓度与背景点位相近,这一结果与研究站点环境相吻合.

表1 深圳市路边站与我国其他地区温室气体浓度对比

2.2 深圳市道路交通站点温室气体季节变化特征

深圳市路边站大气CO2、CH4、N2O和CO浓度的季节变化范围分别为(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之间.由图2(a)可看出,深圳市大气CO2浓度表现为冬春季高、夏秋季低的季节变化特征.这与浙江临安、黑龙江龙凤山和北京上甸子等受人为源影响较大的3个区域本底站的CO2季节变化较为类似,但与瓦里关等清洁本底区域的变化特征显著不同[18,23].如图3所示,在冬季,深圳市主导风向为东北季风,受北方内陆地区和东部沿海的传输影响较大,而北方内陆地区和东部沿海由于冬季采暖化石燃料的消耗量大幅增加使得大气CO2排放源增加[24];同时冬季植物光合作用减弱,对CO2的吸收减少,大气中累积的CO2浓度呈现上升趋势.在夏季,深圳市的气团主要来源于清洁的南海海面,CO2区域传输排放源减少;另外,夏季植物生长旺盛,植物光合作用强,CO2的汇增强,因此大气中的CO2浓度降低.结果表明影响CO2浓度季节变化的因素主要是植物光合作用和不同气团的传输作用[25-26].由图2(b)可看出,大气CO浓度表现为秋冬季高、春夏季低的季节变化特征.大气中CO的源主要包括化石燃料燃烧、生物质燃烧以及CH4和非甲烷烃的氧化,CO的汇主要是与OH自由基的氧化反应[27].如图3所示,在秋冬季,大气CO浓度同样受北方内陆地区和东部沿海的传输影响较大,冬季采暖化石燃料的消耗量大幅增加使得大气CO排放源强增加;而在夏季,由于CO和OH自由基的反应速率高、扩散条件好使得CO浓度大幅度降低.由此可看出影响CO浓度季节变化的因素主要是光化学反应的汇和化石燃料源的远距离传输作用.

由图2(c)可看出,大气CH4浓度表现为秋季高夏季低的季节特征.这一结果与青海瓦里关、浙江临安站等大气区域背景点存在差异[13],与北京城区结果一致[28].本研究监测点位于城市中心区域,本地农业和畜牧业等排放来源较弱,因此CH4主要来源于城市交通、生物源的排放和其他地区气团的远距离传输.在秋季,深圳市光照强度仍然较强,气温较高,因此生物源较强;另外在秋季深圳市主导风向为东北季风,受北方内陆地区传输影响较大.虽然在冬季深圳市也存在北方内陆地区气团的强烈传输,但是在2019年冬季由于交通封锁原因,本地交通污染源强度大大减弱,导致相对于秋季的CH4浓度低.在夏季时,尽管CH4生物源强,但是光化学反应强烈,CH4很容易与对流层中的羟基自由基(OH)发生反应,形成二氧化碳和水蒸气而实现对CH4的去除,另外夏季受深圳市季风气候的影响,主导风向为西南季风,空气气团主要来自清洁的海面,扩散条件好,使得污染物浓度较低.因此,可以看出CH4的源不仅受区域传输和生物源的影响,本地交通排放也对其影响较大.由图2(d)可看出,大气N2O浓度季节差异较小,其中夏季最低,秋季最高,这与北京大气N2O浓度季节变化结果[29]以及Cicerone等在美国密歇根州市中区的观测结果相似[30].这可能是由于城市地区N2O主要来源于化石燃料燃烧等非生物源的排放,且受污水处理、垃圾填埋等人为源影响较小,因此没有显著的季节性差异.

总体来看,CO2、CH4、N2O和CO浓度在夏季较低,秋季或冬季较高.这是由于在秋冬季取暖对化石燃料需求的增加使得温室气体浓度增加;而在夏季光照较强使得各气体汇增强同时扩散条件较好导致温室气体浓度较低.

图3 观测期间监测点位各季节气团反向轨迹

2.3 深圳市道路交通站点温室气体日变化特征

温室气体CO2、CH4、N2O以及常规污染物CO日变化特征如图4所示.CO2浓度的日变化特征表现为“两峰一谷型”的分布形态,这与北京市的观测结果一致[31].在日间,由于对流输送和植物光合作用等汇比较活跃,使得在15:00左右浓度达到最低值,随后由于汇的作用减弱导致CO2浓度逐渐上升.直到18:00～21:00由于化石燃料燃烧(如交通工具、餐饮、取暖等)造成的源排放增强出现峰值.在夜晚,由于温度的降低,植物的光合作用和对流输送作用变弱,夜间大气边界层降低,CO2浓度在近地层大气中开始积累,至凌晨22:00由于化石燃料燃烧源的减弱使得CO2浓度开始下降,从4:00人为源开始活跃使得CO2浓度开始上升,直到早高峰8:00～9:00达到峰值,之后由于汇的强度高于源的强度使得CO2浓度降低.CO浓度的日变化特征表现为“两峰型”的分布形态,如图4(b)所示,2个峰值分别出现在7:00～10:00和18:00～21:00,这与天门市的观测结果一致[32].这2个时间段分别对应早、晚交通高峰,有研究表明这种时间的对应关系与机动车尾气排放对污染物浓度影响较大[33];总体上,CO浓度日间比夜间浓度低,这主要是因为日间污染物的扩散输送能力强,同时随着辐射的加强,光化学反应会造成CO的消耗从而使浓度下降[34].如图4(c)所示,CH4的日变化特征表现为凌晨高、下午低的单峰型分布形态[33],在5:00～6:00达到最高峰后开始下降,至午后达到最低,这一结果与北京市城区结果相似.这是因为大气中CH4的主要汇是与OH自由基的反应,日间随着污染物的积累和光照强度的增加,大气中OH自由基的浓度在中午时分达到日变化的峰值,CH4的分解速度也达到最大,加上此时较强的大气对流输送作用,CH4浓度迅速下降,并在15:00或16:00左右达到最低值.然而随夜晚的来临,光照强度减弱并逐渐趋于零,CH4的分解也逐渐停止,同时由于夜间对流输送弱,CH4不断积累因而达到浓度最大值.由于CH4生物源较强,人类活动的影响较小,源减少的影响小于累积效应,所以在21:00不会出现与CO2一样的峰值.如图4(d)所示,N2O主要来源于农业活动(如施肥、土壤呼吸等)、废水处理过程,故无显著的日变化特征.总体上, N2O的日变化特征呈现出夜晚高白天低的特征,日间N2O浓度低主要是由于光化学反应造成的[34].

温室气体CO2、CH4、N2O以及常规污染物CO的日变化特征结果表明,影响4种气体日变化的因素主要是植物光合作用和光化学反应的汇、源排放强度以及扩散输送条件.另外,CO2和CO日变化特征受早晚高峰影响较明显,说明CO2和CO对交通源排放较敏感.

2.4 深圳市道路交通排放对温室气体的影响

本研究根据深圳市实际交通情况将7:00～10:00、18:00～21:00分别定义为早高峰、晚高峰;2020年1月23日～2月17日因新型冠状病毒肺炎(COVID-19)防控的需求对城市进行了封锁,使得道路交通大大减少,本研究定义其为交通封锁期;而2021年同时段未对城市进行封锁,本研究定义其为非交通封锁期.根据深圳市交通局发布的《2021年1月交通运输运营指标统计月报》和《2021年2月交通运输运营指标统计月报》显示,2021年1月和2月的货运量比2020年同期分别增加了14.0%和14.1%,其中公路运输分别增加了19.4%和15.7%; 2021年1月和2月的公共交通客流量比2020年同期分别增加了22.4%和78.9%,说明2020年疫情管控期间对于交通量的影响显著.如表2所示,2020年交通封锁期比非交通封锁期的大气CO2、CH4、N2O及CO浓度分别降低了3.1%、10.6%、0.5%及13.9%,可看出CO2、CH4和CO的浓度降低幅度都较大,说明道路交通源对于减少城市温室气体的排放能发挥重要作用.有研究表明在COVID-19期间由于政府的政策改变了世界各地的能源需求模式,2020年4月初与2019年同期相比全球日均CO2排放量减少了17%[35].

在早高峰时段,2020年交通封锁期的大气CO2、CH4、N2O和CO浓度比非交通封锁期分别降低了5.7%、26.7%、0.9%和28.7%;在晚高峰时段,2020年交通封锁期的大气CO2、CH4、N2O和CO浓度比非交通封锁期分别降低了2.6%、3.9%、0.4%和14.9%;结果可以看出,在交通封锁期的早高峰时段比晚高峰时段降低幅度较大.从表2可看出,在早高峰相对于日间非高峰时段的升幅中,非交通封锁期较交通封锁期的大气CO2、CH4、N2O和CO浓度的升高幅度高;但是,在晚高峰时段相对于夜晚非高峰时段的升幅中,只有CO浓度在非交通封锁期比交通封锁期的升高幅度大,而大气CO2、CH4及N2O浓度在非交通封锁期比交通封锁期的降低幅度大,这可能是由于夜晚CO2的光合作用与CH4、N2O的光化学反应停止,三者的汇都大幅度减少,导致在夜晚浓度累积,导致夜间的整体浓度比晚高峰的浓度要高.

由表3可看出,在交通封锁期和非交通封锁期,4种气体都达到了极显著相关,但是非交通封锁期4种气体相关性比交通封锁期强,表明深圳在交通封锁期和非交通封锁期4种气体都具有较好的同源性,在两时期都显著受到人为源的影响,但是由于非交通封锁期机动车排放的人为源更强,因此4种气体表现出更好的同源性.张林等人研究北京上甸子与青海关瓦里关的温室气体也发现受到较大人为源影响的北京上甸子站的温室气体同源性更强[18].这些结果表明,深圳市的温室气体(CO2、CH4和N2O)与CO的排放特征均显著受到道路交通源的影响.

表2 深圳市路边站在交通封锁期与未封锁期早晚高峰4种气体浓度

注:①早高峰时段:7:00～10:00晚高峰时段:18:00～21:00; ②日间非高峰时段:10:00～18:00夜晚非高峰时段:21:00～7:00; ③早高峰升高幅度是指早高峰时段相对于日间非早高峰时段; ④晚高峰升高幅度是指晚高峰时段相对于晚间非晚高峰时段

表3 交通封锁期和非交通封锁期深圳市路边站温室气体的相关性矩阵

注:**表示<0.01,极显著相关;*表示<0.05,显著相关.

3 结论

3.1 深圳市路边站点CO2、CH4、N2O和CO平均浓度分别为(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种温室气体(CO2、CH4和N2O)与2019年青海瓦里关站(中国背景点)浓度相比分别高4.7%、20.0%和0%,与2019年全球浓度相比分别高4.3%、21.3%和0.2%,与中国其他城市点的浓度相近.

3.2 CO2、CH4、N2O和CO浓度季节特征总体上表现为夏季较低,秋冬季较高.秋冬季温室气体浓度高的原因主要是秋冬季取暖对化石燃料需求的增加和光照的减弱导致汇的强度降低,而在夏季温室气体浓度低的主要原因是夏季光照较强使得各气体的汇的强度增大以及扩散条件较好.

3.3 CO2浓度的日变化特征表现为“两峰一谷型”,主要受植物的光合作用、早晚高峰等影响;CO浓度的日变化特征表现为“两峰型”,主要受早晚高峰的影响;CH4、N2O浓度日变化特征表现为夜间高、日间低,主要是受日间光化学反应的影响.其中CO2、CO的浓度对交通源的排放较为敏感.

3.4 与2021年同期时段相比,2020年在新冠肺炎疫情封锁期,大气CO2、CH4、N2O和CO浓度分别降低了3.1%、10.6%、0.5%和13.9%,说明交通管控在促进城市温室气体的减排中能发挥重要作用.另外,4种气体的相关性表明,在非交通封锁期表现出了更好的同源性,表明深圳市温室气体(CO2、CH4和N2O)与CO明显受到交通源的影响.

[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] 刘立新,周凌晞,张晓春,等.我国4个国家级本底站大气CO2浓度变化特征 [J]. 中国科学, 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] 浦静姣,徐宏辉,顾骏强,等.长江三角洲背景地区CO2浓度变化特征研究 [J]. 中国环境科学, 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] 赵玉成,温玉璞,周晓春,等.青海瓦里关大气CO2本底浓度的变化特征 [J]. 中国环境科学, 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] 李燕丽,穆 超,邓君俊,等.厦门秋季近郊近地面CO2浓度变化特征研究 [J]. 环境科学, 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] 师丽魁,娄运生,方文松.郑州城区大气CO2浓度变化特征及影响因素分析 [J]. 气象与环境科学, 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] 深圳市统计局.深圳统计年鉴2020 [M]. 北京:中国统计出版社, 2020.

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

[18] 张 林,靳孟贵,刘延锋,等.中国瓦里关和上甸子大气温室气体浓度变化特征 [J]. 地球科学, 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] 中国气象局.2019年中国温室气体公报 [R]. 2020.

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

[20] 吕桅桅,刘 敏,王 凯.武汉市大气温室气体浓度变化特征分析 [C]. 中国气象学会年会, 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] 刘鲁宁,王迎红,徐小娟,等.长沙市郊大气CH4浓度变化特征 [J]. 环境科学, 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] 孔少飞,陆 炳,韩 斌,等.天津近海大气中CH4, N2O和CO2季节变化分析 [J]. 中国科学:地球科学, 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,刘立新,等.北京上甸子站大气CO2及δ13C(CO2)本底变化 [J]. 环境科学, 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] 刘 强,王跃思,王明星.北京地区大气主要温室气体的季节变化 [J]. 地球科学进展, 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] 王长科,王跃思,郑循华,等.北京城市大气N2O浓度及其变化 [J]. 中国环境科学, 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,王跃思,刘 强,等.北京市两种主要温室气体浓度的日变化 [J]. 气候与环境研究, 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] 马德栗,鞠英芹,史瑞琴,等.天门市大气污染物特征及其与气象要素关系 [J]. 环境科学与技术, 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] 谢雨竹,潘月鹏,倪长健,等.成都市区夏季大气污染物浓度时空变化特征分析 [J]. 环境科学学报, 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] 陈 阳,傅立新,郝吉明.城市光化学污染机理与规律研究进展 [J]. 上海环境科学, 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 文献识别码：A

1000-6923(2022)04-1518-08

张明棣(1964-),男,上海人,本科,主要从事环境监测工作.发表论文11篇.

2021-09-06

广东省重点领域研发计划项目(2020B1111360003);深圳市科技计划项目(JCYJ20200109110625819)

*责任作者, 教授, hely@pku.edu.cn