基于衛星圖像的廠區尺度溫室氣體排放核算模型：以制漿造紙企業為例

摘要： 本研究以制漿造紙企業為例，構建了一種融合了衛星圖像和機器學習方法的廠區尺度溫室氣體排放核算模型。首先通過衛星圖像將制漿造紙企業分成原生纖維制漿企業、高定量紙張生產企業、低定量紙張生產企業和特種紙企業4類；然后采用Lasso算法，將廠區面積與碳排放進行擬合，4種不同類型企業的R2均在0. 74以上。采用碳排放核算模型對全國重點排放單位名單中的112家造紙企業，進行了廠區尺度的溫室氣體排放核算。結果表明，112家造紙行業重點排放單位之間溫室氣體排放差異較大，最小排放量為4. 45萬t CO2eq，最大排放量達426. 01萬t CO2eq，該方法也為廠區尺度的碳排放核算提供了一種新思路。

關鍵詞：衛星圖像；機器學習；廠區尺度；溫室氣體排放；制漿造紙企業

中圖分類號：TS7 文獻標識碼：A DOI：10. 11980/j. issn. 0254-508X. 2025. 02. 008

在應對全球氣候變化的過程中，溫室氣體排放核算是實現可持續發展的關鍵任務之一。在“雙碳”背景下，我國工業企業面臨節能減排壓力。明確排放責任并落實減排任務，首要步驟是開展廠區尺度溫室氣體排放核算。在工業生產過程中，由于生產流程的復雜性和多樣性，會直接和間接排放溫室氣體 [1]。因此，如何從廠區尺度核算工業溫室氣體排放，是亟待解決的問題。

目前，溫室氣體核算方法包括實測法和排放因子法[2]。其中，實測法依賴于先進的儀器設備，直接測量溫室氣體通量。Faubert等[3]采取實測法，通過現場測量中試規模的CH4通量，量化廢物填埋廠的溫室氣體排放情況，結果表明，與直接土地利用相比，填埋的溫室氣體排放量增加了3倍。在測量CH4通量的基礎上，部分研究人員開發了同時測量CO2、CH4和N2O3種溫室氣體通量的方法，并更新碳排放因子，已在加拿大某大型工廠進行實驗[4]。盡管實測法具有實時性高、檢測準確的優勢，但是受限于高昂的設備成本以及生產現場復雜環境帶來的測量誤差等問題，實測法并未進行大規模推廣。

排放因子法是我國工業企業碳排放核算過程中使用最普遍的一種方法，主要是通過活動水平數據乘以碳排放因子，得到對應的碳排放數據[5]。其中，活動水平數據可以通過省市、行業的統計數據或者企業的實測數據獲得；碳排放因子可以通過企業實測或參考標準指南提供的默認數據獲得。已有大量研究學者采用排放因子法，對煤炭企業[6]、制藥企業[7]、鋼鐵企業[8]、火力發電工廠[9]等不同類型工廠，進行了碳排放核算。但在許多行業中，企業能耗數據收集困難，導致溫室氣體排放核算不準確，且自報數據可能存在偏差，難以反映真實的溫室氣體排放情況。此外，傳統的排放因子法通常基于特定行業或生產過程的統計數據，缺乏普適性，導致其在實際應用中難以滿足不同行業或企業的需求[10]。

造紙工業作為能源密集型產業，在生產過程中會排放大量CO2，已有部分學者對造紙企業進行了碳排放核算。Zhao等[11]依據造紙企業提供的生產過程的用能數據，核算了斯道拉恩索（廣西） 漿紙有限公司的備料、制漿、造紙、堿回收4個生產過程的溫室氣體排放量。Man等[12]收集了我國23家造紙企業42條生產線的實際能耗數據，核算了42條生產線的實際碳排放數據，結果表明，我國造紙企業溫室氣體排放水平遠優于國家標準。Kuparinen 等[13]從生命周期角度出發，核算了北歐硫酸鹽針葉木紙漿廠和南美硫酸鹽桉木紙漿廠的碳排放量，并根據全球紙漿生產數據估計了全球碳捕獲潛力。由于排放因子更新速度慢，研究人員將目光投向準確性更高、可以動態預測溫室氣體排放的機器學習法[14]。在造紙廢水處理過程中，降解污染物會產生CO2、CH4和N2O等溫室氣體并直接排放[15]，這引起了研究人員的廣泛關注。由于造紙廢水處理過程具備長期非線性動態環境的特征，基于PSO-BP[16]和DNN-LSTM的深度神經網絡模型[17]，已被開發用于預測造紙廢水處理過程中的溫室氣體排放情況，并識別影響溫室氣體排放量的關鍵變量。但深度神經網絡建模過程需要大量的樣本點，并且可能比較耗時[18]，因此計算資源使用更少、計算速度更快的溫室氣體代理模型急需被開發出來，以用于預測造紙廢水處理的溫室氣體排放量[19]。綜上所述，造紙工業和其他工業均面臨著相同的碳排放核算問題，無論是排放因子法還是機器學習方法，由于數據收集困難，且均是針對單一企業，難以對企業進行大規模的溫室氣體排放核算。

隨著地理信息技術的發展，通過衛星圖像可以觀察城市或者工廠的空間布局、建筑分布等，完成對建筑形態方面的分析，并通過對建筑物的位置、數量及面積的分析，核算溫室氣體排放[20]。部分研究人員通過對比不同時間點的衛星圖像，追蹤城市[21]和工業園區[22]內建筑物的變化，并據此估算其碳排放量的動態變化。以上研究表明，利用衛星圖像進行溫室氣體核算是可行的方法。造紙廠具有占地面積大、涉及多個生產和處理設施的特點。通過衛星圖像，可以有效監測和分析造紙廠的空間布局和設施分布[23]，從而估算其溫室氣體排放量。如原材料存儲區、生產車間和廢水處理設施等結構或建筑的面積和位置數據，均可以通過衛星圖像獲取和分析，為廠區尺度溫室氣體核算提供可靠數據支持。

本研究以制漿造紙企業為例，通過融合地理信息技術和機器學習算法，利用衛星圖像探究造紙廠區不同建筑形態與溫室氣體排放之間的關聯關系，建立了造紙企業廠區尺度的溫室氣體核算模型。不僅利用建立的溫室氣體核算模型，核算多個造紙企業的廠區尺度溫室氣體排放，從廠區尺度估算2022年全國造紙行業重點排放單位的溫室氣體排放，也為其他工業進行廠區尺度溫室氣體核算提供了新思路。

1 基于衛星圖像的造紙廠區溫室氣體核算模型

1. 1 數據收集

本研究收集的數據包含4個部分，第1部分數據為制漿造紙上市企業名錄數據，來源于《2022中國造紙年鑒》；第2部分數據為企業POI數據，來源于百度地圖開放平臺；第3部分數據為企業衛星圖像數據，來源于國家地理信息公共服務平臺；第4部分為企業碳排放數據，來源于企業的環境、社會和公司治理報告、可持續性發展報告和年度報告。通過POI數據將碳排放數據、衛星圖像數據進行匹配。

1. 2 造紙企業建筑物特征分類

造紙企業的不同區域在衛星圖像上具有明顯的特征差異，這些區域在建筑規模、形狀和顏色等方面各具特點，可將造紙廠區劃分為以下5個不同的區域，如圖1所示。

1） 木片堆垛區域。木片堆垛區域邊界較為清晰，在衛星圖像中與周圍環境形成顯明對比，顏色為黃色或深棕色，形狀為圓形或方形。為滿足造紙企業長時間的原料需求，木片堆垛區域的規模通常較大，能達到廠區面積的30%左右。

2） 廢水處理區域。廢水處理區域有多個大型的沉淀池、氧化池和處理池，這些水體區域在衛星圖像中通常呈現規則的圓形或方形；此外由于不同處理階段的廢水水體顏色不同，如未處理的廢水可能水體顏色較深，而經過處理的水體顏色會變淺，水體顏色呈現階段性變化也是廢水處理區域明顯的特征之一。

3） 熱電站區域。熱電站區域通常具備高大的煙囪，這些煙囪在衛星圖像中通常是細長的陰影或高亮的柱狀物；另一種常見的大型建筑冷卻塔，通常是圓形或橢圓形的結構，頂部開口，這2種建筑冒出的蒸汽云，在衛星圖像中通常呈現為白色或淺色的云狀物。

4） 其他堆垛區域。其他堆垛區域的物料通常以規則的方式、采用小包的類型堆放，在衛星圖像中呈現出明顯的幾何形狀，一般為矩形，且不同類型的物料呈現出不同的顏色，物料之間存在明顯邊界，上有覆蓋物進行雨水遮擋。

5） 建筑區域。建筑區域包含制漿車間、造紙車間、倉庫、辦公樓等建筑，在衛星圖像上，表現為密集的建筑群，呈現為大片的連續色塊，與其他功能區域如其他堆垛區域和廢水處理區域等有明顯的分隔。

1. 3 造紙企業廠區形態特征分類

由于造紙企業生產原料、產品種類、生產規模和所處地區的不同，廠區包含的建筑存在差異，在衛星圖像上呈現出不同的形態特征。根據造紙企業廠區的形態特征，可以將造紙企業劃分成4類。第1類造紙企業廠區為原生纖維制漿企業。原生纖維制漿企業的形態特征為存在較大的木片堆垛區域，如圖2（a）所示。第2類造紙企業廠區為高定量紙張生產企業。高定量紙張生產企業主要生產包裝用紙、文化用紙和工業用紙等產品，不包含原料制漿，而是以廢紙制漿或外購漿板為主，在衛星圖像上展現較大的其他堆垛區域，且顏色較為多樣，擁有細長的生產線和較大的倉儲空間，如圖2（b）所示。第3類造紙企業廠區為低定量紙張生產企業。低定量紙張生產企業的主要產品為生活用紙，如圖2（c）所示，相比原生纖維制漿企業和高定量紙張生產企業，低定量紙張生產企業整體廠區規模較小，擁有一定的其他堆垛區域，在衛星圖像中堆垛物體較為方正且多呈現為綠色和藍色，建筑物呈現網格狀。第4類企業為特種紙企業。特種紙企業主要產品為特種紙，如圖2（d）所示，其衛星圖像上幾乎只包含建筑區域，建筑物同樣呈現網格狀，無其他堆垛區域。

1. 4 基于衛星圖像的造紙廠區溫室氣體核算模型的建立

根據1.3 中的企業形態特征分類方式，將造紙企業分成4類，分別構建造紙廠區碳排放核算模型。基于1.2 中的建筑特征，采用地理信息系統（GIS） 工具進行輔助分析，對于不同區域的占地面積進行測算，為構建溫室氣體排放模型提供空間數據。

本研究的碳排放模型是基于多元線性回歸法建立的，即采用機器學習算法中的最小絕對收縮和選擇算子（least absolute shrinkage and selection operator，LASSO） 算法，構建碳排放量與廠區建筑面積之間的函數關系。LASSO算法的核心是在損失函數中引入1個正則化系數，來減少模型復雜度，同時保持預測的準確性，損失函數如式（1）所示。

式中，J （θ ）為損失函數；θ 為回歸系數；m 為樣本數量；xi 和yi 分別為x 和y 的第i 個值；λ 為正則化系數。

2 全國造紙重點碳排放單位碳排放核算

通過收集各省（直轄市、自治區） 生態環境廳發布2022年度納入全國碳排放權交易配額管理的重點排放單位名單數據，除遼寧省、香港特別行政區、澳門特別行政區、臺灣地區、西藏自治區外，全國2022年度重點排放單位共2 206家，其中制漿造紙行業114家，約占5.17%，2家造紙企業未找到相關圖像數據。各省（直轄市、自治區） 造紙企業分布如圖3所示。由圖3可知，共計23個省（直轄市、自治區） 公布的重點排放單位名單中包含造紙企業，其中廣東省有24家造紙企業為重點排放單位，屬于全國最多的省（直轄市、自治區）。

收集上述112家造紙企業的衛星圖像數據，根據1.2 中的方法對造紙企業廠區進行建筑特征的劃分，隨后依據1.3 中的廠區分類方式，將112家造紙企業進行分類并統計數量，結果如圖4 所示。由圖4 可知，原生纖維制漿企業和高定量紙張生產企業數量較多，分別有37家和62家，表明這2種類型造紙企業生產過程中的碳排放量較高。

通過天地圖平臺分別測算112家造紙企業的木片堆垛區域面積、其他堆垛區域面積、廢水處理區域面積、熱電站區域面積和建筑區域面積，并根據造紙企業分類輸入1.4 中所搭建好的碳排放核算模型。

3 結果與分析

3. 1 溫室氣體核算模型結果

基于Lasso回歸模型，得到部分造紙企業廠區尺度的碳排放擬合值，并建立散點圖，檢驗碳排放擬合值與真實值的相關性，結果如圖5所示。由圖5可知，當碳排放擬合值和真實值相同時，樣本點均分布在y=x的對角線上。基于Lasso回歸模型，建立的4種基于廠區面積的碳排放核算模型，決定系數（R2） 和百分比誤差（MAPE） 分別為0.99和9.10%（原生纖維制漿企業）；0.91和21.24%（高定量紙張生產企業）；0.74和25.17%（低定量紙張生產企業）；0.88和32.21%（特種紙企業）；表明碳排放核算模型擬合結果良好。

3. 2 全國造紙重點碳排放單位碳排放核算

3. 2. 1 省（直轄市、自治區） 碳排放分析

根據本研究建立的碳排放核算模型，估算2022年全國造紙行業重點碳排放單位的碳排放總量為8 126.37萬t CO2eq，各省（直轄市、自治區） 的碳排放情況如表1所示。由表1可知，2022年碳排放總量前3的省份分別為廣東省、山東省和江蘇省，碳排放總量分別為1 417.71萬t CO2eq、1 027.70萬t CO2eq和894.78萬t CO2eq，分別占全國碳排放總量的17.45%、11.01%和8.95%。山東省作為全國紙漿、紙和紙板產量前2的造紙工業大省，其碳排放總量遠低于廣東省，主要原因是山東省發布的全國重點碳排放單位名單中屬于造紙行業的企業僅有10 家，遠低于廣東省的24家。但從省（直轄市、自治區） 單位企業碳排放量來看，山東省單位企業碳排放量為114.15萬t CO2eq，大于廣東省的59.07萬t CO2eq。

綜上所述，中國造紙行業的碳排放量具有顯著的區域差異，東部和南部沿海地區由于工業化程度高，企業密集，碳排放量也較高，這些地區需要更嚴格的環保政策和技術改進來控制和減少碳排放量。

3. 2. 2 行業碳排放分析

從企業種類來看，原生纖維制漿企業碳排放量為5 095.93萬t CO2eq，占全國碳排放總量的59.01%；高定量紙張生產企業碳排放量為2 887.95萬t CO2eq，占全國碳排放總量的35.54%，這2種類型企業的碳排放總量約占全國重點排放單位名單中的制漿造紙企業碳排放總量的95%。

圖6為4種類型企業的碳排放量箱型圖，展示了不同分類企業的碳排放量的統計分布情況。由圖6可知，原生纖維制漿企業的碳排放量中位數最高，約為100 萬t CO2eq，且數據分布較廣，存在多個極端高值，最大值超過400萬t CO2eq。高定量紙張產品企業的碳排放量中位數約為50萬t CO2eq，分布較為集中，但也存在一些極端高值。低定量紙張生產企業的碳排放量中位數最低，其數據分布最為密集且無極端高值。特種紙企業的碳排放量中位數略高于低定量企業，約為20萬t CO2eq，數據分布相對集中。綜上所述，不同類型造紙企業在碳排放量上存在顯著差異，其中原生纖維制漿企業的碳排放量顯著高于其他類型企業。

3. 2. 3 企業碳排放分析

核算結果表明，核算中國東南部沿海地區高碳排放量的造紙企業較為集中，在這些高碳排放量企業中，原生纖維制漿企業和高定量企業的分布尤為顯著。如江蘇省、浙江省、山東省和廣東省等地區聚集了大量的原生纖維制漿企業和高定量紙張生產企業，存在大型造紙廠區，碳排放量大而聚集。同時，四川省和重慶市2個地區，也有大規模的造紙企業集群。此外，盡管特種紙企業的數量相對較少，但其碳排放量普遍在50萬t CO2eq以上，主要集中在江蘇省。低定量紙張生產企業的碳排放量相對較低，大部分在10 萬t CO2eq 以下，且分布較分散，無明顯的集中區域。

2022年全國重點排放單位造紙行業碳排放量前10企業如表2所示。由表2可知，經估算，碳排放量前10的造紙企業，其碳排放量均在200萬t CO2eq以上，且企業之間碳排放量差異較大。其中，海南金海漿紙業有限公司的碳排放量最高，達426.01萬t CO2eq，而廣西金桂漿紙業有限公司的碳排放量最低，為206.80萬t CO2eq，2家企業碳排放量差值達219.21萬t CO2eq。

4 結論

本研究針對現有造紙工業碳排放核算方式存在的成本高昂、反饋滯后、操作復雜和數據收集困難等問題，提出一種基于衛星圖像的溫室氣體核算模型，可以實現廠區尺度碳排放核算。

4. 1 通過衛星圖像將廠區內的建筑物進行特征分類，根據不同廠區所包含建筑物的形態差異，可以將造紙企業分成原生纖維制漿企業、高定量紙張生產企業、低定量紙張生產企業、特種紙企業4類。

4. 2 針對以上4種不同企業，分別建立碳排放核算模型，決定系數（R2） 和百分比誤差（MAPE） 分別為0. 99和9. 10%（原生纖維制漿企業）；0. 91和21. 24%（高定量紙張生產企業）；0. 74和25. 17%（低定量紙張生產企業）；0. 88和32. 21%（特種紙企業）。

4. 3 利用碳排放核算模型，從廠區尺度對全國重點排放單位名單中的112家造紙企業進行碳排放核算。經估算，碳排放量前10的造紙企業，其碳排放量均在200萬t CO2eq以上，且企業之間碳排放量差異較大。

參考文獻

［1］ 黃 煒， 王逸倫， 肖相澤， 等. 工業生產過程碳排放核算方法研究［J］. 統計科學與實踐，2024（1）：50-53.

HUANG W， WANG Y L， XIAO X Z， et al. Research on CarbonEmission Accounting Methods in Industrial Production Processes［J］. Statistical Science and Practice， 2024（1）： 50-53.

［2］ 宋佳翼， 程正柏， 劉利琴， 等. 制漿造紙行業溫室氣體排放核算標準與方法淺析［J］. 中國造紙，2023，42（8）：11-18.

SONG J Y， CHENG Z B， LIU L Q， et al. Analysis on GreenhouseGas Emission Standards and Accounting Methods in Pulp and PaperIndustry［J］. China Pulp amp; Paper， 2023，42（8）：11-18.

［3］ FAUBERT P， BéLISLE C L， BERTRAND N， et al. Landapplication of pulp and paper mill sludge may reduce greenhouse gasemissions compared to landfilling［J］. Resources， Conservation andRecycling， DOI： 10. 1016/j. resconrec. 2019. 104415.

［4］ RIBEIRO PAULA R， CUSSON M， BERTRAND N， et al.Correction factors for large-scale greenhouse gas assessment frompulp and paper mill sludge landfill sites［J］. Waste Management，2024， 177： 178-181.

［5］ 葉佳蓉. 中國造紙和紙制品業碳排放時空分布及其驅動因素研究［D］. 南京：南京林業大學，2017.

YE J R. A Study on the Spatiotemporal Distribution of Carbon Emis?sions and Its Driving Factors in the Chinese Papermaking and PaperProducts Industry［D］. Nanjing： Nanjing Forestry University，2017.

［6］ LI Y， JIN X Y， WANG G L， et al. Construction and Application ofa Carbon Emission Model for China’s Coal Production Enterprisesand Result Analysis［J］. Frontiers in Energy Research， DOI：10. 3389/fenrg. 2022. 889877.

［7］ SHANG G D， YANG L， WANG J， et al. Case study on carbonemission of a traditional Chinese medicine pharmaceutical enterprisetoward carbon neutrality［J］. Journal of Cleaner Production， DOI：10. 1016/j. jclepro. 2024. 141600.

［8］ XU R， TONG D， DAVIS S J， et al. Plant-by-plant decarbonizationstrategies for the global steel industry［J］. Nature Climate Change，2023， 13（10）：1067-1074.

［9］ 馮 欣，李 璇，曹安琪. 遼寧省火力發電企業碳排放核算及減排建議［J］. 環境保護與循環經濟，2024，44（5）：1-6.

FENG X， LI X， CAO A Q. Carbon Emission Accounting and ReductionSuggestions for Thermal Power Enterprises in Liaoning Province［J］.Environmental Protection and Circular Economy， 2024， 44（5）： 1-6.

［10］ 何旭丹， 王煥松， 賈學樺， 等. 中國造紙和紙制品行業碳排放特征及減排路徑分析［J］. 中國造紙， 2023，42（11）：144-151.

HE X D， WANG H S， JIA X H， et al. Analysis of Carbon EmissionCharacteristics and Emission Reduction Path in China’s Paper andPaper Products Industry［J］. China Pulp amp; Paper， 2023，42（11）：144-151.

［11］ ZHAO Q， KUANG X. A Study on the Implementation of CorporateCarbon Emission Accounting in the Production Process［J］. PolishJournal of Environmental Studies， 2024， 33（3）：2941-2957.

［12］ MAN Y， YAN Y， WANG X， et al. Overestimated carbon emission ofthe pulp and paper industry in China［J］. Energy， DOI： 10. 1016/j.energy. 2023. 127279.

［13］ KUPARINEN K， VAKKILAINEN E， TYJALA T. Biomass-basedcarbon capture and utilization in kraft pulp mills［J］. Mitigation andAdaptation Strategies for Global Change， 2019， 24（7）：1213-1230.

［14］ ASSAEL J， HEURTEBIZE T， CARLIER L， et al. GreenhouseGases Emissions： Estimating Corporate Non-reported EmissionsUsing Interpretable Machine Learning［J］. Sustainability， DOI：10. 3390/su15043391.

［15］ 張 欣， 張 放， 蔡 慧， 等. 典型制漿造紙廠的CO2排放及碳強度的算法和分析［J］. 中國造紙，2019，34（1）：36-42.

ZHANG X， ZHANG F， CAI H， et al. Calculation and Analysis ofCO2 Emissions and Carbon Intensity of a Typical Integrated PaperMill in China［J］. China Pulp amp; Paper， 2019， 34（1）： 36-42.

［16］ 李文青. 造紙污水A/O處理過程N2O排放動力學模型構建及減排優化控制研究［D］. 廣州：華南理工大學，2023.

LI W Q. Construction of the N2O Emission Kinetic Model and Opti?mization of Emission Reduction Control in the A/O Treatment Pro?cess of Papermaking Wastewater［D］. Guangzhou： South ChinaUniversity of Technology， 2023.

［17］ 李世忠， 滿 奕， 何正磊. 基于DNN-LSTM 的造紙廢水處理過程溫室氣體排放分析模型［J］. 中國造紙，2024，43（4）：170-176.

LI S Z， MAN Y， HE Z L. Analysis Model of Greenhouse Gas Emis?sions from Papermaking Wastewater Treatment Process Based onDNN-LSTM［J］. China Pulp amp; Paper， 2024， 43（4）： 170-176.

［18］ SUN L， GAO H， PAN S， et al. Surrogate modeling for fluid flowsbased on physics-constrained deep learning without simulation data［J］. Computer Methods in Applied Mechanics and Engineering，DOI： 10. 1016/j. cma. 2019. 112732.

［19］ 鄭鴻澤， 何正磊， 洪蒙納， 等. 造紙廢水處理過程溫室氣體排放代理模型研究［J］. 中國造紙學報，2023，38（2）：59-68.

ZHENG H Z， HE Z L， HONG M N， et al. Study on SurrogateModel of Greenhouse Gas Emission in Papermaking WastewaterTreatment Process［J］. China Pulp amp; Paper， 2023， 38（2）： 59-68.

［20］ LEVIN N， KYBA C C M， ZHANG Q， et al. Remote sensing ofnight lights： A review and an outlook for the future［J］. RemoteSensing of Environment， DOI： 10. 1016/j. rse. 2019. 111443.

［21］ WANG M， WANG Y， WU Y， et al. Identifying the spatialheterogeneity in the effects of the construction land scale on carbonemissions： Case study of the Yangtze River Economic Belt， China［J］.Environmental Research， DOI： 10. 1016/j. envres. 2022. 113397.

［22］ HANNA J， BORTH D， MOMMERT M. Physics-guided MultitaskLearning for Estimating Power Generation and CO2 Emissions fromSatellite Imagery［J］. IEEE Transactions on Geoscience and RemoteSensing， DOI： 10. 1109/TGRS. 2023. 3286444.

［23］ BONDUR V G， CHIMITDORZHIEV T N， DMITRIEV A V， et al.Methods of Radar Interferometry and Optical Satellite ImageProcessing to Study Negative Effects on the Environment （a CaseStudy of the Baikalsk Pulp and Paper Mill）［J］. Izvestiya，Atmospheric and Ocean Physics， 2021， 57（12）：1527-1537.

（責任編輯：魏琳珊）

基金項目：制漿造紙工程國家重點實驗室開放基金資助項目（202419）。