新疆拖拉機污染物排放時間序列及其影響因素

吐爾遜買買提,丁為民,謝海巍

?

新疆拖拉機污染物排放時間序列及其影響因素

吐爾遜×買買提1,2,丁為民1*,謝海巍2

(1.南京農業(yè)大學工學院,江蘇 南京 210031；2.新疆農業(yè)大學交通與物流工程學院,新疆 烏魯木齊 830052)

基于燃油消耗建立了新疆1993～2017年農田作業(yè)拖拉機PM10,PM2.5,HC,NO和CO排放時間序列清單,并分析了其演變趨勢.從經濟發(fā)展水平,拖拉機自身的影響和科學技術3個維度出發(fā)構建了以柴油機為主要動力的拖拉機污染物排放影響因素清單,并基于粗糙集理論定量分析了污染物排放影響因素.結果表明:1993～2017年新疆拖拉機污染物排放總量處于上升趨勢,25a增長了2.0527倍,年均增長率3.67%,單位功率排放量下降了40.03%.農業(yè)機械排放標準的提高對污染物排放治理的作用明顯.對污染物排放影響因素的定量分析結果顯示,總動力、拖拉機數量、機耕面積、機播面積、機收面積、農業(yè)機械購置投入、農戶固定資產投入和單位功率排放量對污染物排放的影響程度分別為0.2591,0.2491,0.0841,0.0759,0.0934, 0.0568,0.0701, 0.0701.經濟發(fā)展水平、拖拉機自身的影響和科學技術對拖拉機污染物影響程度分別為:0.6350,0.2530和0.1119.建立的排放清單和變化趨勢較好的反映新疆農業(yè)機械污染物排放現狀,所得出的結果較好的反映了新疆社會經濟,農業(yè)機械化和科技水平對拖拉機污染物排放的影響程度.

柴油機；污染物排放；排放趨勢；影響因素；新疆

全球工業(yè)、農業(yè)、交通等領域的快速發(fā)展引發(fā)的大氣污染已成為人們最為關注的問題之一.為了有效治理大氣污染,各國家和地區(qū)相繼出臺了相關的法律和法規(guī),并開展了廣泛的研究.但相比之下,包括拖拉機在內的非道路移動排放源方面的研究尚處于起步狀態(tài)[1].

排放清單是大氣污染治理的基礎.在政府層面, 2014年12月環(huán)保部發(fā)布了《非道路移動源大氣污染物排放清單編制技術指南》(試行)[2],為各地建立排放清單提供了指導意見.相關研究表明,農業(yè)生產用各類拖拉機對非道路移動源排放的貢獻率較大,其排放量占非道路移動源排放總量的81%[3-5].大氣污染物排放標準、排放源活動水平對排放源污染物排放影響較大,文獻[5-6]中基于污染物排放標準的變化現狀,估算了研究區(qū)域CO、NO、HC、PM2.5等污染物排放總量,并從時間、空間和各污染物在污染物總量中占用比例等維度對其演變趨勢進行了分析.從估算各類排放源排放不同污染物總量來看,非道路移動源排放SO2和NO在總量中的占比已經達到8.6%和13.5%,因此,提高農業(yè)機械等非道路移動排放源的排放標準,從空間和時間維度對研究區(qū)域進行細分,對減少區(qū)域污染物排放方面有重要意義.文獻[9]中統(tǒng)計分析城市非道路移動機械的種類,使用特點,燃油類型,功率分布情況和實行的排放標準的基礎上提出了城市非道路移動機械排放清單建立方法和步驟.部分研究[10]中對農業(yè)機械和機動車的排放進行了對比分析,發(fā)現農業(yè)機械單機排放的NO和PM總量分別是機動車的2.0倍和1.5倍.宏觀上,區(qū)域污染物排放源集由多個單個排放源組成,并從微觀上,每個排放源不同工況下的具體排放特性會對區(qū)域宏觀排放趨勢的變化影響較顯著[11-12].

非道路移動排放源方面,國外研究較豐富,美國早就提出了NON-ROAD模型,并被廣泛用于非道路移動源污染物排放分析中.早在20世紀90年代,研究人員就用燃油消耗法建立了國家尺度上的非道路移動機械污染物排放清單,對其在總的污染物排放量中的分布趨勢進行了分析,并提出了針對不同排放源的排放清單編制方法[13-14].近年來,美國、歐盟和日本分別發(fā)布了非道路移動機械排放標準.在歐洲,目前瑞士等國已開發(fā)了官方的非道路移動源排放清單[16].

研究顯示,新疆非道路移動源排放總量占移動源排放總量的29.5%,人均排放顯著高于同期全國平均水平[5].目前非道路移動源方面的研究多圍繞著國家層面和東部沿海地區(qū)的污染物排放現狀進行.中西部地區(qū)的相關研究尚缺.此外農業(yè)機械等非道路移動排放源污染物排放方面的研究主要圍繞著排放清單的建立,排放特性,演變趨勢和統(tǒng)計分析等方面進行.由于各地區(qū)在自然環(huán)境、社會經濟發(fā)展水平、農業(yè)機械化水平以及氣候等方面存在不同的特點,所以不同地區(qū)在排放特性影響因素,排放源活動水平以及排放不確定性因素方面存在較大差異,因此研究農業(yè)機械在內的非道路移動源排放清單和驅動因素時需要充分考慮地域差異,并進行針對性的研究.

新疆作為農業(yè)大區(qū),在農業(yè)生產中使用的農業(yè)機械總功率處于快速增長期,到2017年末已達到2148.83萬kW.農業(yè)機械排放總量及其占總的大氣污染物排放量的比例逐年增加.因此農業(yè)機械污染物排放對區(qū)域大氣污染的影響不容忽視.

基于上述現狀,建立了新疆1993~2017年拖拉機PM10、PM2.5、CO、HC和NO排放清單,并基于粗糙集理論分析了新疆農田作業(yè)拖拉機污染物排放影響因素及變化趨勢.

1 數據與方法

1.1 數據來源

各年度新疆農業(yè)機械農機總動力、燃油消耗、機耕面積、機播面積、機收面積、財政農業(yè)機械購置投入等數據來自于新疆農機局官網.新疆各年度拖拉機數量,農戶固定資產投入來自于國家統(tǒng)計局官網(www.stats.gov.cn).所用的排放因子參考生態(tài)環(huán)境部2014年發(fā)布的《非道路移動源大氣污染物排放清單編制技術指南》(試行)[2].

1.2 研究方法

1.2.1 排放清單的編制方法 排放清單是區(qū)域污染物排放趨勢分析和排放控制的基礎.本文應用2014年生態(tài)環(huán)境部發(fā)布的《非道路移動源大氣污染物排放清單編制技術指南(試行)》[2]中方法2建立1993~2017年新疆農田作業(yè)拖拉機PM10、PM2.5、HC、NO和CO排放清單.計算方法如式(1):

式中:為拖拉機PM10、PM2.5、HC, NO、CO排放量,t;為拖拉機類別;為排放階段;為燃油消耗量,kg;EF為排放因子, g/kg.排放因子來自于文獻[2].

1.2.2 排放源燃油消耗量及排放階段的確定方法 基于燃油消耗估算和分析新疆農田作業(yè)拖拉機污染物排放量時,本文從國家統(tǒng)計局和自治區(qū)農機局的統(tǒng)計資料中獲取1993~2017年新疆農用柴油量.由于農業(yè)生產燃油消耗含農田作業(yè)(機耕、機播、機收和植保)機械,農田排灌機械,農田基本建設所用機械,畜牧業(yè)生產機械以及農產品加農用運輸車輛所用的柴油使用量.考慮到數據的可獲得性,本文估算污染物排放時,主要以農田作業(yè)拖拉機(簡稱拖拉機)燃油消耗量作為依據.

表1 新疆農田作業(yè)拖拉機各排放階段及功率段分布情況

本研究中考慮到研究時段內新疆農用機械排放階段,功率分段等數據的可獲得性因素后,以新疆農機局統(tǒng)計數據、2004年開始實施的農機購置補貼統(tǒng)計數據作為基本依據,結合專家咨詢法測算各排放階段和功率段拖拉機在1993~2007年拖拉機總量中所占百分比系數.具體數據見表1.

1.2.3 單位功率農田作業(yè)拖拉機排放量估算 拖拉機是農田作業(yè)中主要動力源,也是重要的污染物排放源.分析拖拉機排放趨勢時,單位功率拖拉機污染物排放量可以反映在農機總動力逐年增長趨勢下總動力和排放量的關系.它在研究排放標準等技術因素對單位功率和排放量的影響方面有一定意義,因此本文基于新疆農機總動力歷史數據和本文估算的PM10、PM2.5、HC、NO、CO排放總量的基礎上測算了單位功率拖拉機排放.具體方法如式(2).

式中:EI是單位功率排放量,t/萬 kW;是年份; EPM10、EPM2.5、EHC、ENO、ECO是對應污染物的排放量,t;TP是農業(yè)機械總動力,kW.

1.2.4 基于粗糙集的影響因素量化方法 粗糙集(Rough Sets)是波蘭數學家Z.Pawlak提出的分析數據理論[17].本文采用粗糙集理論中的計算屬性依賴度和重要度方法[18]計算每個影響因素對污染物排放的重要程度,進而量化候選影響因素對新疆農業(yè)機械污染物排放的影響程度.

計算步驟為:

知識表達系統(tǒng)的建立:設(,,,)為一個知識表達系統(tǒng),其為所有對象的集合,=[1,2,…],為屬性的非空集合;為各屬性離散化值域的并集;為信息函數,它為每個屬性賦予一個屬性值.=∪,∩≠,這里的是參考屬性,是決策屬性,從而生成二維的決策表.論域中,對象根據條件屬性的不同被劃分到不同決策屬性的決策類中.

屬性依賴度計算:若/={1,2,…X-1,X},/={1,2,…Y-1,Y},決策屬性對條件屬性的依賴度可以定義為:

式中:表示集合中包含的元素個數.其中0() <1.依賴度越接近1,則表明該決策屬性對條件屬性依賴度越高.實際應用中分別計算,依次刪除每個條件屬性時,決策屬性對剩余的條件屬性的依賴度,并生成決策屬性依賴度向量.

計算第種條件屬性對決策屬性的重要度

(=1,2,…,)

計算屬性權重k的方法

2 結果與討論

2.1 新疆農田作業(yè)拖拉機污染物排放清單

以表1和新疆各年度農田作業(yè)用柴油消耗情況作為基本數據源,應用式(1)估算新疆1993~2017年農田作業(yè)用拖拉機排放PM10、PM2.5、CO、HC、NO的清單,應用1.2.3方法測算了基于功率拖拉機排放量,結果見表2.

2.1.1 排放現狀及其演變趨勢 表2表明,在研究時段內新疆農業(yè)生產作業(yè)中各類拖拉機排放PM10、PM2.5、CO、HC和NO的總量從1993年的6993.36t增加到22461.86t,增加了2.0527倍,年均增長率4.56%.從時間維度上,1993~2017年排放總量呈現出持續(xù)增長的趨勢.可能的原因是,隨著政府相關惠農政策的實施,尤其是2004年以來國家實施的農機購置補貼政策引起了農戶的購買熱情,因此農機總動力由2004年的766萬kW增加到2017年的2148萬kW.再加上西部大開發(fā)的穩(wěn)步推進,使農業(yè)生產燃油消耗量的大幅增加,因此新疆拖拉機污染物排放量也呈現出了穩(wěn)步增長的趨勢.本文結果與文獻[5]中獲得的包括農業(yè)機械在內的非道路移動源污染物排放趨勢基本一致,表明目前新疆農業(yè)機械污染物排放總體趨勢依然嚴峻.

表2 新疆1993~2017年農田作業(yè)拖拉機污染物排放清單

2.1.2 單位功率拖拉機排放趨勢 統(tǒng)計數據表明,1993~2017年新疆農業(yè)機械總動力由424.32萬kW增加到2148萬kW,在25a間增加了4.0612倍,其變化趨勢見圖1.

結合表2和圖1表明,研究時段內新疆農田作業(yè)拖拉機總動力增加了4.0612倍,但污染物排放量增加了2.0353倍,同時測算基于總動力的單位功率排放量及其演變趨勢表明,新疆農機總動力和燃油消耗大幅增長的背景下,單位功率排放量下降了40.03%(圖2).

圖1 農機總動力變化趨勢

圖2 單位功率排放演變趨勢

單位功率排放演變趨勢揭示了在國家和自治區(qū)層面對環(huán)境污染和污染物排放問題越來越重視的大背景下,出臺的各類治理措施以及排放控制技術層面提出的更高的柴油機污染物排放標準對控制新疆拖拉機等農業(yè)機械污染物排放起到的作用較明顯.同時圖2表明,2003,2008,2009年單位功率排放量趨勢發(fā)生了較大的震蕩,可能的原因是,農機補貼、西部大開發(fā)、農田生產作業(yè)固有的季節(jié)性、退耕還林以及統(tǒng)計數據誤差等可能會導致單位功率排放量的較大波動.

隨著防治環(huán)境污染政策的進一步完善,柴油機排放控制技術的進一步發(fā)展,非道路移動源污染物排放標準的提高和各級政府各類環(huán)境保護政策的進一步落實,將來包括拖拉機在內非道路移動排放源的污染物排放問題及其演變趨勢有望逐步的得到解決和優(yōu)化.

2.2 影響因素的選取及量化

2.2.1 拖拉機污染物排放影響因素 拖拉機等非道路移動農業(yè)機械的污染物排放是受到多個因素交叉影響和制約的時間序列.分析研究區(qū)域污染物排放演變趨勢時需要從不同維度選取和量化影響因素.

拖拉機污染物排放主要影響因素包括經濟發(fā)展水平、拖拉機自身的影響和科學技術等3個方面.本文結合文獻[19-20]和新疆農業(yè)機械化發(fā)展現狀、應用農機總動力、拖拉機數量、機耕面積、機播面積、機收面積、農業(yè)機械購置投入、農戶固定資產投入、單位功率排放量等8項指標作為污染物排放影響因素.其中機耕面積、機播面積、機收面積反映拖拉機自身的影響、農機總動力、拖拉機數量、農業(yè)機械購置投入和農戶固定資產投入反映經濟發(fā)展水平的影響,單位功率排放量反映科學技術的影響.本研究中,分析拖拉機污染物排放影響因素時,考慮到數據的可獲得性等因素后,以2008年~2017年的相關指標作為研究對象,建立了新疆拖拉機污染物排放影響因素關系數據模型,見表3.

2.2.2 影響因素量化 由于農業(yè)機械污染物排放數據格式為連續(xù)的數值型時間序列,因此,本文應用自組織特征映射(Self-organizing feature maps, SOM)神經網絡離散化方法對新疆2008~2017年農業(yè)機械化效率評價候選指標值進行離散化.并生成對應的知識表達系統(tǒng),建立對應的決策表.具體方法見文獻[21].本文中,新疆2008~2017年農機總動力、拖拉機數量、機耕面積、機播面積、機收面積、農業(yè)機械購置投入、農戶固定資產投入和單位功率排放量作為參考屬性,決策屬性為相應年污染物排放總量(表1).

權重計算結果顯示,農機總動力、拖拉機總數量、農業(yè)機械購置投入和農戶固定資產投入等反映經濟發(fā)展水平的指標對區(qū)域農業(yè)機械污染物排放的影響程度為0.6290.計算結果也表明,反映科學技術的指標,即單位功率排放量對污染物排放的影響程度最小.

表3 新疆農用機械污染物排放影響因素

表4 影響因素的依賴度,重要度和權重

注:具體計算方法見注:具體計算方法見式(3)~式(5).

結合文獻[22]進一步分析可以發(fā)現,農機總動力、拖拉機總數量、農業(yè)機械購置投入和農戶固定資產投入等指標也是評價研究區(qū)域農業(yè)機械化發(fā)展水平和影響區(qū)域農機化水平的正向指標.因此,計算結果進一步驗證了區(qū)域經濟發(fā)展水平對農業(yè)機械化發(fā)展和農業(yè)機械污染物排放的雙重影響,并對影響程度進行量化.

3 結論

3.1 時間維度上,分析新疆1993~2017年拖拉機總動力變化趨勢和農田作業(yè)拖拉機PM10、PM2.5、HC、NO和CO排放清單發(fā)現,25a當中新疆農田作業(yè)拖拉機總動力增加了4.0612倍,排放總量增加了2.0527倍,單位功率拖拉機排放量下降了39.68%,表明近些年建立的排放標準在減排方面起到的作用較明顯.結合新疆25a社會經濟,農業(yè)機械化發(fā)展水平分析表明,新疆大氣污染物排放治理當中拖拉機等以柴油為主要動力的排放源和排放標準對區(qū)域大氣污染物排放的影響不容忽視.

3.2 從經濟發(fā)展水平、拖拉機自身的影響和科學技術等3個維度建立了由拖拉機總動力、拖拉機數量、機耕面積、機播面積、機收面積、農業(yè)機械購置投入、農戶固定資產投入和單位功率排放量等組成的污染物排放影響因素清單.基于粗糙集理論定量分析各因素對污染物排放的影響程度.結果顯示,經濟發(fā)展水平,拖拉機自身的影響和科學技術對拖拉機污染物影響程度分別為:0.6350,0.2530,0.1119.表明,現階段,經濟發(fā)展水平對區(qū)域污染物排放總量及變化起到決定性作用.

3.3 本文研究結果揭示了農業(yè)機械污染物排放總量變化趨勢和污染物排放影響因素與農業(yè)機械化發(fā)展水平變化趨勢和農機化發(fā)展水平影響因素之間有較密切的關聯關系.

[1] Wang F, Li Z, Zhang K, et al. An overview of non-road equipment emissions in China [J]. Atmospheric Environment, 2016,132:283-289.

[2] 生態(tài)環(huán)境部.非道路移動源大氣污染物排放清單編制技術指南(試行).[EB/OL]. (2014-12-31)[2018-10-18].http://www.mep.gov.cn/gkml/ hbb/bgg/201501/W020150107594587960717.pdf. Ministry of Ecology and Environment of China. Technical Guidelines for the Compilation of Air Pollutant Emissions Inventories from Non-Road Mobile Sources (trial implementation). [EB/OL]. (2014- 12-31) [2018-10-18]. http://www.mep.gov.cn/gkml/hbb/bgg/201501/ W020150107594587960717.pdf.

[3] 傅立新,程玲琳,粘桂蓮,等.移動污染源大氣環(huán)境影響研究報告[R]. 北京:清華大學環(huán)境工程系, 2005,57-93. Fu L X, Cheng L L, Nian G L, et al. Research report on atmospheric environmental impact of mobile pollution sources [R]. Beijing: Department of Environmental Engineering, Tsinghua University, 2005:57-93.

[4] 張楚瑩,王書肖,邢 佳,等.中國能源相關的氮氧化物排放現狀與發(fā)展趨勢分析[J]. 環(huán)境科學學報, 2008,28(12):2470-2479.Zhang C Y, Wang S X, Xing J, et al. Current status and future projections of NOemissions from energy related Industries in China [J]. Journal of Environmental Sciences, 2008,28(12):2470-2479.

[5] 寧亞東,李宏亮.我國移動源主要大氣污染物排放量的估算[J]. 環(huán)境工程學報, 2016,10(8):4435-4444. Ning Y D, Li H L. Estimation for main atmospheric pollutants emissions from mobile sources in China [J]. Chinese Journal of Environmental Engineering, 2016,10(8):4435-4444.

[6] 張禮俊,鄭君瑜,尹沙沙,等.珠江三角洲非道路移動源排放清單開發(fā)[J]. 環(huán)境科學, 2010,31(4):886-891. Zhang L J, Zheng J Y, Yi S S, et al. Development of non-road mobile source emission inventory for the Pearl River Delta Region [J]. Journal of Environmental Sciences, 2010,31(4):886-891.

[7] 金陶勝,陳 東,付雪梅,等.基于油耗調查的2010年天津市農業(yè)機械排放研究[J]. 中國環(huán)境科學, 2014,34(8):2148-2152.Jin T S, Chen D, Fu X M, et al. Estimation of agricultural machinery emissions in Tianjin in 2010 based on fuel consumption [J]. China Environmental Science, 2014,34(8):2148-2152.

[8] 樊守彬,聶 磊,闞睿斌,等.基于燃油消耗的北京農用機械排放清單建立[J]. 安全與環(huán)境學報, 2011,11(1):145-148. Pan S B, Nie L, Kan R B, et al. Fuel consumption based exhaust emission estimating from agriculture equipment in Beijing [J]. Journal of Safety and Environment, 2011,11(1):145-148.

[9] 魯 君,黃 成,胡磬遙,等.長三角地區(qū)典型城市非道路移動機械大氣污染物排放清單[J]. 環(huán)境科學, 2017,38(7):2738-2746. Lu J, Huang C, Hu B Y, et al. Air pollutant emission inventory of non-road machineries in typical cities in eastern China [J]. Journal of Environmental Sciences, 2017,38(7):2738-2746.

[10] 孫俊華,陸桂良,劉勝吉.江蘇省農機污染排放狀況的分析研究[J]. 中國農機化, 2010,(1):25-27+31. Sun J H, Lu G L, Liu S J. Research on status of agricultural pollution in Jiangsu province [J]. Journal of Chinese Agricultural Mechanization, 2010,(1):25-27+31.

[11] 付明亮,丁 焰,尹 航,等.實際作業(yè)工況下農用拖拉機的排放特性[J]. 農業(yè)工程學報, 2013,29(6):42-48. Fu M L, Ding Y, Yi H, et al. Characteristics of agricultural tractors emissions under real-world operating cycle[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(6):42-48.

[12] Fu M, Ge Y, Tan J, et al. Characteristics of typical non-road machinery emissions in China by using portable emission measurement system. [J]. Science of the Total Environment, 2012,437(20):255-261.

[13] Kean A J, Sawyer R F, Harley R A. A fuel-based assessment of off-road diesel engine emissions [J]. Journal of the Air & Waste Management Association, 2000,50(11):1929-1939.

[14] U. S. Environmental Protection Agency. 2007 Progress report, vehicle and engine compliance activities, EPA-420-R-08-011 [R]. NW Washington, DC: United States Environmental Protection Agency, 2008.

[15] 李東玲,吳 燁,周 昱,等.我國典型工程機械燃油消耗量及排放清單研究[J]. 環(huán)境科學, 2012,33(2):518-524. Li D L, Wu H, Zhou Y, et al. Fuel Consumption and emission inventory of typical construction equipment’s in China [J] Journal of Environmental Sciences, 2012,33(2):518-524.

[16] Federal Office for the Environment. Non-road fuel consumption and pollutant emissions, study for the period from 1980 to 2020 [R]. Bern: Federal Office for the Environment, 2008.

[17] Pawlak Z, Grzymala-Busse J, Slowinski R, et al. Rough sets [J]. International Journal of Computer & Information Sciences, 1982, 11(5):341-356.

[18] 鄭文鐘,何 勇.基于粗糙集的糧食產量組合預測模型[J]. 農業(yè)機械學報, 2005,36(11):75-78. Zheng W Z, He Y. Study on integrated forecasting methods for grain yield based on rough set theory [J]. Transactions of the Chinese Society for Agricultural Machinery, 2005,36(11):75-78.

[19] 陳 亮,王金泓,何 濤,等.基于SVR的區(qū)域交通碳排放預測研究[J]. 交通運輸系統(tǒng)工程與信息, 2018,18(2):13-19.Chen L, Wang J H, He T, et al. Forecast study of regional transportation carbon emissions based on SVR [J]. 2018,18(2):13-19.

[20] 張樂勤,李榮富,陳素平,等.安徽省1995~2009年能源消費碳排放驅動因子分析及趨勢預測——基于STIRPAT模型[J]. 資源科學, 2012,34(2):316-327. Zhang L Q, Li R F, Chen S P, et al. Trend prediction and analysis of driving factors of carbon emissions from energy consumption during the period 1995~2009 in Anhui Province Based on the STIRPAT Model [J]. 2012,34(2):316-327.

[21] 馮志鵬,杜金蓮.粗糙集與神經網絡集成在故障診斷中應用研究[J]. 大連理工大學學報, 2003,43(1):70-76. Feng Z P, Du J L. Fault diagnosis based on integration of rough sets and neural networks [J]. Journal of Dalian University of Technology, 2003,43(1):70-76.

[22] 吐爾遜·買買提,米斯卡力·居馬瓦依,張學軍,等.基于BP神經網絡的農機化發(fā)展水平影響因素研究[J]. 農機化研究, 2018,40(8):21- 25,31. Tursun M, Miskal J, Zhang X J, et al. Research on impact factors of agricultural mechanization development level based on BP neural network [J]. Journal of Agricultural Mechanization Research, 2018,40(8):21-25,31.

Impact factor of pollutant emission time series from farmland tractors in Xinjiang.

Tursun Mamat1,2, DING Wei-min1*, XIE Hai-wei2

(1.Department of Engineering, Nanjing Agricultural University, Nanjing 210031, China；2.School of Traffic and Logistics Engineering, Xinjiang Agricultural University, Urumqi 830052, China)., 2019,39(5)：1823~1829

As the farmland tractors (FT) have dramatically increased in Xinjiang autonomous region of China in the past decades, FT emissions have become one of the major air pollution sources across the entire region. The emission time series inventories of PM10, PM2.5, HC, NOand CO for FT in Xinjiang from 1993 to 2017 were established based on fuel consumption, and the evolution trends of these air pollutants were also analyzed. The list of impact factors of FT’s emission mainly from diesel engines was constructed with the consideration of three aspects: economic development levels, FT’s own attributes, and the scientific and technological development. Based on the rough set theory, a quantitative analysis of factors affecting pollutants’ emission was also performed. The results showed that the total emission of all pollutants of FTs in Xinjiang had increased by more than 2times in recent 25 years from 1993 to 2017 with the annual growth rate of 3.67%, and the emission per ten thousand kilowatt had decreased by nearly 40.03%. It suggested that the emission standards for FTs proposed in recent years may played a substantial role. Second, the quantitative analysis of the impacting factors of pollution showed that the total FT power, the number of FTs, the area of ploughing, the area of sowing, the area of harvesting, the investment of agricultural machinery, the investment of fixed assets by farmers, and the emission per 10thousand kilowatt all had affected the emission with impacting factors of 0.2591, 0.2491, 0.0841, 0.0759, 0.0934, 0.0568, 0.0701, 0.0701, respectively. The affecting factors of economic development level, FT own attributes, and the science and technology on FT pollutants were 0.6350, 0.2530 and 0.1119, respectively. Third, the established mission inventory and the evolution trend can well reflect the status of pollutants emission from the agricultural machinery sector in Xinjiang. The results accurately reflected the influence of Xinjiang's social economic development, agricultural mechanization and scientific and technological progress on FT’s pollutant emission.

diesel engine；pollutant emission；emission trend；impact factor；Xinjiang

X511

A

1000-6293(2019)05-1823-07

吐爾遜·買買提(1975-),男,新疆阿克蘇人,講師,博士生,主要從事農業(yè)機械化,數據挖掘,交通環(huán)境方面的研究.發(fā)表論文13篇.

2018-09-02

國家自然科學基金資助項目(51768071)

*責任作者,教授,wmding@njau.edu.cn