IPCC 类别 来源 描述 1 能源 1A 燃料燃烧活动 1A1 能源产业 1A1a 公共电力和热力生产 1A1ai 发电 1A1aiii 热电厂 1A1b 石油精炼 1A1c 固体燃料制造和其他能源产业 1A1ci 固体燃料制造 1A1cii 石油和天然气开采 1A1ciii 其他能源产业 1A2 制造业和建筑业 1A2a 钢铁 1A2b 有色金属 1A2c 化学品 1A2d 纸浆、造纸和印刷 1A2e 食品加工、饮料和烟草 1A2f 非金属矿物 1A2gvii 越野车和其他机械 1A2gviii 其他 1A3 运输 1A3a 国内航空 1A3b 公路运输 1A3bi 汽车 1A3bii 轻型卡车 1A3biii重型卡车和客车 1A3biv 摩托车 1A3bv 其他 1A3c 铁路 1A3d 国内航运 1A3e 其他运输(待指定) 1A3ei 管道运输 1A3eii 其他 1A4 其他行业
本文解决了基于环境的市场故障限制对通过电力发电外部性的量化量化对一系列替代商业和几乎商业技术的外部性的量化的影响。表明,如果将化石燃料燃烧造成的损害成本估计,如果将电力输出的价格内化,可能会导致许多可再生技术与燃煤电厂发电的实质性竞争。但是,在当前的技术选择和市场状况下,合并的自然天然气技术将对煤炭和可再生能源具有重要的财务优势。基于在成熟技术的假设和规模经济的存在下进行的成本预测,如果电力生产的外部性是“内部化”的,可再生技术将具有显着的社会成本优势。今天将环境外部性明确地纳入今天的电价将加速这一过渡过程。r 2005 Elsevier Ltd.保留所有权利。
自 20 世纪 70 年代初以来,选择性催化还原 (SCR) 已应用于固定源、化石燃料燃烧装置的排放控制,目前已在日本、欧洲和美国投入使用。该技术已应用于大型(2.5 亿美元英热单位/小时 (MMbtu/hr))公用事业和工业锅炉、工艺加热器和联合循环燃气轮机。SCR 在其他燃烧设备和工艺中的应用有限,例如简单循环燃气轮机、固定往复式内燃机、硝酸厂和钢厂退火炉 [4]。在美国,SCR 主要应用于燃煤和天然气发电锅炉,规模从 250 到 8,000 MMbtu/小时(25 到 800 兆瓦 (MW))。SCR 可以作为独立的 NOx 控制装置使用,也可以与其他技术(如燃烧控制)一起使用。SCR 系统很少出现运行或维护问题 [1]。
在 EPA 大气项目办公室,Vincent Camobreco 负责燃料燃烧排放研究。Sarah Roberts 和 Justine Geidosch 负责移动燃烧和运输研究。Melissa Weitz 和 Chris Sherry 负责能源部门的逸散甲烷排放研究。Rachel Schmeltz 负责废弃物部门的计算研究。Tom Wirth 负责农业和土地利用、土地利用变化和林业章节的研究,John Steller 提供支持。John Steller 和 Vincent Camobreco 负责工业过程和产品使用 (IPPU) CO 2 、CH 4 和 N 2 O 排放研究,Chris Sherry 和 Amanda Chiu 提供支持。Deborah Ottinger、Dave Godwin 和 Stephanie Bogle 负责 IPPU 部门的 HFCs、PFCs、SF 6 和 NF 3 排放研究。Mausami Desai 负责跨领域工作。
碳捕获与储存 (CCS) 和碳捕获、利用和储存 (CCUS) 涉及捕获二氧化碳并将其储存在地下以减少排放的活动。捕获活动通常在大型点源中进行,例如发电或利用化石燃料燃烧并产生排放的工业过程。关于储存,有两种类型:(i) 盐水层,可归类为 CCS;(ii) 枯竭的油气井,可归类为 CCUS。枯竭的油气井采用技术支持,以提高石油和天然气的产量,同时将二氧化碳储存在地下,这被称为“提高采油率”或“提高采气率”。排放源和储存地点通常不近,因此二氧化碳运输也是 CCS/CCUS 技术的重要组成部分。运输可以通过航运或管道进行。
室外空气污染源包括交通运输(公路、铁路和航空)、工业和农业。然而,大多数空气污染来自工业和家庭燃料燃烧,用于供热、发电和运输,其中公路运输排放是英国城市地区最大的空气污染源(环境、食品和乡村事务部,2022 年)。例如,汽油和柴油发动机会排放多种污染物,包括氮氧化物和颗粒物,而车辆刹车和轮胎的磨损也是颗粒物的来源(清洁空气战略 2019 年)。空气污染的最新趋势表明,虽然大多数室外空气污染物一直在稳步下降,但 PM2.5 在过去十年中停滞不前,并在首席医疗官 2022 年年度报告中被确定为需要特别关注的领域。
各种公共和私营部门的举措都旨在让美国在 2050 年之前实现全经济温室气体 (GHG) 净零排放。实现这一目标的近期和长期路径尚不确定,也难以严格预测。结果远未得到保证,而且风险很高。由于约四分之三的温室气体排放来自化石燃料燃烧,美国必须迅速扩大清洁电力生产规模,同时为高能耗行业实现电气化,并为难以电气化的排放源开发新技术。在这个关键时刻,采取气候行动的必要时间表表明,稳健、渐进的方法不足以满足需求。形势要求紧急结合公共政策实施、技术进步以及公共和私营部门参与者的运营规范和行为的改变。
抽象的城市化导致了由于工业活动,化石燃料燃烧和车辆交通的排放增加而导致空气质量下降。这种降解带来了严重的健康风险,包括呼吸道和心血管疾病。预测和监测城市空气质量很复杂,受人类活动和自然过程的影响。机器学习(ML)技术为建模和预测空气质量指标提供了有希望的解决方案。本文回顾了城市空气质量监测的当前状态,探讨了ML在该领域的应用,并讨论了相关的挑战和局限性。它强调了成功的案例研究,并建议使用高级ML技术改善城市空气质量监测的未来研究方向。关键字:城市空气质量,机器学习,空气污染,预测建模,健康影响。