生物源挥发性有机物（BVOCs）排放模型及排放模拟研究综述

张富华 黄明祥 张晶 李顺 秦宇

(1.首都师范大学 资源环境与旅游学院 三维信息获取与应用教育部重点实验室 资源环境与地理信息系统北京市重点实验室，北京 100048；2.环境保护部信息中心，北京 100029)

生物源挥发性有机物（BVOCs）排放模型及排放模拟研究综述

张富华1黄明祥2*张晶1李顺2秦宇2

(1.首都师范大学 资源环境与旅游学院 三维信息获取与应用教育部重点实验室 资源环境与地理信息系统北京市重点实验室，北京 100048；2.环境保护部信息中心，北京 100029)

近30年来，为了掌握BVOCs排放的规律和特征，进一步定量分析评价空气质量和气候变化，向决策者制定相应措施提供科学有效的依据，研究者们致力于研究BVOCs排放机理及其影响因素，并据此建立多种BVOCs排放模型，以模拟区域及全球BVOCs排放。从算法、数据、应用以及局限性4个方面入手，系统回顾了BEIS、GloBEIS、MEGAN等BVOCs排放模型的研发进程，并评述了国内外BVOCs排放模拟的研究历程，最后从加强机研究、遥感数据的应用、与气候模型及动态植被模型耦合等方面对BVOCs排放模型发展方向进行了展望。

生物源挥发性有机物；排放模型；排放模拟；MEGAN

引言

近年来，由于工业的突飞猛进、城市化进程的日益加快，全球性和区域性大气污染日趋严重，而挥发性有机化合物(Volatile Organic Compounds， VOCs）在其中扮演着重要角色，它不仅是光化学反应生成臭

氧、二次有机气溶胶及细颗粒污染的共同重要前体物，而且在城市光化学烟雾和灰霾等污染过程中起着重要作用，对气候变暖和全球碳循环也有间接影响[1]。

VOCs 的来源比较广泛且复杂， 大体可分为人为源(Anthropogenic VOCs ，AVOCs)和生物源(Biogenic VOCs ，BVOCs)两类，前者则包括机动车排放、生物质燃烧、工业活动等；后者包括森林火灾，火山喷发，植被、农作物呼吸等。尽管在某些地区，特别是城市地区，AVOCs是大气中VOCs的主要来源，但在全球尺度上，BVOCs的排放量远远高于AVOCs。据Guenther[2]估算，全球 BVOCs 年排放量达1150Tg（1Tg=1012g）C，而AVOCs年排放量仅为110TgC左右， 总量不到生物源释放量的10%[3，4]。

BVOCs排放研究在进一步定量分析评价空气质量和气候变化中所起的作用已逐渐为大家所认识，国际上建立了一系列的BVOCs排放算法和模型，经过近30年的完善和发展，在全球及区域BVOCs排放研究中得到了广泛应用。

1．BVOCs排放模型的建立、完善与应用

从20世纪60年代起国际上就已经开始重视BVOCs的排放问题[5]。BVOCs的排放与区域气候、植被类型和分布状况等密切相关，综合各种影响因素，国际上建立了一系列的区域及全球BVOCs 排放模型.本文选取具有代表性的BEIS、G95、BEIS2、GloBEIS、MEGAN为例，回顾了BVOCs排放模型的发展历程。

1.1 生物源排放清单系统（BEIS，1991）

BVOCs排放模型的研发始于20世纪80年代中期，美国环境保护署（Environmental Protection Agency，EPA）在大量观测数据的基础上首次建立了一个BVOCs排放模型——生物源排放清单系统(Biogenic Emissions Inventory System， BEIS)，该模型使用土地利用、叶生物量、排放因子和气象环境等参数，计算美国某一郡县的BVOCs的总排放速率ER（Emission Rate），公式如下[6]：

其中ERi为排放物i的排放速率（µg/h）；Aj为j种土地利用的覆盖面积（m2）;BFj为叶生物量（g/ m2）;EFij为排放因子（µg/（g·h）），即基于叶生物量的排放速率;Fi(S，T)为与温度和光照相关的环境校正因子，由环境温度、相对湿度、风速、云覆盖数据计算得到;BFj与EFij的综合即为排放物i的标准排放通量（µg/（m2·h））。

BEIS模型使用美国橡树岭国家实验室（the Oak Ridge National Laboratory）的地质生态学数据库，将美国土地利用划分为25个类型;鉴于比较少的排放因子观测数据，模型将数据库中106种森林树种简化为橡树、其他落叶林和常绿林3类;叶生物量和排放因子数据来源于Lamb[7]等人的研究结果，模型只包括异戊二烯（isoprene）、蒎烯（α-pinene）、其他单萜烯（monoterpene）以及其他未知烃类的排放因子，未考虑叶生物量的季节变化; BVOCs排放对光照和温度具有较高的敏感性，基于Tingey[8，9]等人的观测结果开发了冠层环境模型来模拟森林冠层内太阳辐射和叶片温度的分布。

基于上述原理和方法，Pierce应用BEIS模型模拟了美国北卡罗来纳州威克郡1988年8月19日一日内BVOCs的排放，结果显示BVOCs排放明显受光照和温度影响，最大排放通量（3709μg/（m2·h））发生在太阳辐射强、温度高的当地时间下午2点。

BEIS首次提供了一个计算BVOCs的排放方法，并被改编为个人电脑版本，用户只需提供每小时的环境温度、相对湿度、风速、云覆盖数据及美国郡县代码，为相关的研究提供了方便。然而BEIS只适用于区域尺度（美国郡县）的BVOCs排放模拟，空间分辨率较低（约16km），并且存在着较大的不确定性，在排放因子的准确性、森林树种的进一步分类、环境校正因子的重新定义以及土地利用数据的更新等方面需做进一步努力。

1.2 全球排放清单活动算法（G95，1995）

大气中VOCs自然来源主要包括海洋和淡水，土壤和沉积物，微生物分解有机物，地质烃库，植物叶面排放以及人类影响的农作物收割和燃烧6大类，除植物叶面排放外，其他几类贡献小且不确定因素较多，基本可以忽略。早在1991年和1993年Guenther[10，11]就对几种植物的异戊二烯的排放速率进行了测定，并由此推断得出异戊二烯和单萜烯排放速率的计算方法G91和G93，但比较粗糙，在此不做详细介绍。1995年Guenther在总结原有算法和数据的基础上，在BVOCs排放源、排放速率、环境影响因子以及时空模拟等方面进行了改进，首次建立了BVOCs排放的全球模式，即全球排放清单活动（Global Emissions Inventory

Activity），简称G95，即植物叶面源(Foliar)BVOCs计算方法，具体如下[2]：

其中D为叶生物量密度（kg•m-2）；ε为基于生态系统的标准排放速率（μgCm-2h-1），即光合有效辐射PAR（Photosynthetically Active Radiation）=1000μmolm-2s-1，温度为303.15K条件下的排放速率 ；γ为与光照和温度有关的环境校正因子，无量纲。

G95使用全球网格化的生态系统类型、全球植被指数（Global Vegetation Indices，GVI）、降水、温度、云量数据作为模型输入进行叶面排放计算。G95将全球划分为57个生态系统类型，分辨率为0.5°×0.5°；全球0. 5°×0. 5°分辨率的GVI由NOAA-11卫星的高分辨率探测仪(AVHRR )提供的可见光波段、近红外波段的资料获得；全球月平均温度、云量和月累积降水量数据分辨率也为0. 5°×0. 5°。模型使用的参数在接下来做详细介绍。

1.2.1 叶生物量密度参数，D

公式（2）中的参数D即为月平均生物量密度Dm，每个网格的年叶生物量密度峰值（DP）由植物净第一生产力（Net Primary Production，NPP）计算得到，而NPP（g（干物质）m-2yr-1）可由年平均温度T（℃）和年累计降水P（mm）经以下经验公式计算得到：

选取公式（3a）、公式（3b）结果较小者为实际NPP值，DP即月平均Dm最大值：

其中Dr为依赖于生态系统类型的经验系数。而GVI可由卫星遥感数据——归一化植被指数（NDVI，Normalized Difference Vegetation Index）计算得到：

月平均叶面密度（Dm）由月平均GVI和Dp计算得到：

其中，Gmax为月平均GVI的最大值，G2为经验系数。

1.2.2 标准排放速率，ε

G95介绍了两种确定每种生态系统类型进行排放速率的方法。第一种是量化每类生态系统的植被组成，据现有的植被的排放速率确定每种植被类型的排放速率，适用于植被多样性低的地区；第二种是直接分配给每类生态系统一个排放速率，适用于植被多样性高的地区。G95基于以上两种方法对所有生态系统进行了排放速率分配，并采用密闭室法和区域平均通量测量法对分配结果进行验证。密闭室法可获得单种植被的实际排放速率，而区域平均通量测量法可对单个生态系统类型的进行直接分配。

1.2.3 环境校正因子，γ

异戊二烯的排放受光照和温度共同影响:

其中光照影响因子确定方法为：

其中，Q为光合有效辐射（PAR）通量（μmolm-2s-1），α(=0.0027)和cL1（=1.066）为经验参数。而温度影响

其中，T为叶温（K）；TS为标准条件下的叶温（如303K）；R为常量（= 8.314JK-1mol-1）； cT1(= 95000Jmol-1)、cT2(=230000Jmol-1)和TM(=314 K) 都为经验参数。而单萜烯主要受温度控制：

其中β（=0.09K-1）为经验参数。虽然有研究证明一些植被的单萜烯排放速率也受光照影响，但还没有相应的数值模式，而G95还没有确定光照和温度对ORVOC和OVOC排放的影响。

1.2.4 冠层辐射传输模型（Canopy Radiative Transfer Model）

G95 采用冠层辐射传输模型来模拟冠层阴影效应，将冠层叶面积分为光照和阴影两部分，光照部分：

其中，f为叶面积指数LAI（Leaf Area Index， m2-叶面积，m-2-陆面积），A为平均叶-太阳角（假设为60︒，代表一个叶片球状分布的冠层）；B为太阳高度角，月平均f计算方法如下：

其中，SLW为基于生态系统类型的平均叶重（gm-2），而阴影部分为：

光照部分的光合有效辐射通量密度：

其中，Qdir为层顶的直射光合有效辐射通量，而光照部分的光合有效辐射通量密度：

其中，Q1为来自层顶直射的多向散射：

其中，Qdiff为层顶散射光合有效辐射通量。一个冠层可被分为若干层，公式（11）-公式（16）用于模拟每层的辐射传输。

在以上算法和数据的基础上对1990年全球异戊二烯、单萜烯、OAVOC以及OVOC的排放量进行了估算，空间分辨率为0.5°×0.5°。结果表明，全球的BVOCs年排放量约为1150TgC，其中异戊二烯约占44%，热带地区异戊二烯的排放量要占到全球异戊二烯年排放量的80%。

G95具有算法灵活、模块化的特点，易于数据的更新和算法的改进，且易于与未来版本进行融合。然而由于缺乏实测数据，研究只侧重于异戊二烯和单萜烯的排放，而对于其他VOCs只进行了粗略的估算，而这些VOCs对总VOCs的贡献是不容忽视的，因此需要进一步地确定其他VOCs的排放速率。模型中的参数（如温度、降水、云量等）较粗糙，多采用月平均值，不确定性较大。未来模型改进也需着眼于湿度、CO2浓度、气孔导度等环境条件及叶生长状态对排放的影响，BVOCs在冠层内的消耗也不容忽视。

1.3 第二代生物源排放清单系统（BEIS2，1998）

20世纪90年代后期， 第二代生物源排放清单系统BEIS2[12]取代了之前的模型。BEIS2由BEIS1和G95发展而来，结合了当时最新的研究成果，对数据和算法等做了及时更新。相比BEIS1，BEIS2采用了新的土地利用清单，更新了排放速率，修订了环境校正公式。相比G95，BEIS2使用更高时间分辨率环境校正因子，从每月提高到每小时；引进高空间分辨率的土地利用数据，即生物源排放土地利用数据库BELD（Biogenic Emissions Landuse Database)[13]，植被分类更加精细，达76个树种，而BEIS1只有3种类型，从宽泛的生态系统水平提高到属水平。

基于BEIS1和G95，BEIS2主要对环境因子校正方法进行了修订，BEIS2将排放速率标准化到温度为30℃，PAR为1000μmolm-2s-1条件下，异戊二烯（Isoprene）排放通量校正方法如下：

其中，I为校正过的异戊二烯排放通量；IS为标准条件(叶片或土壤温度为30℃，PAR为1000µmolm-2s-1)下的异戊二烯排放通量；CL、CT分别为光照和温度校正因子，校正方法参见G95。BEIS2采用简单冠层模型来模拟林冠内太阳辐射的分布，模型将林冠分为5层，每层的PAR计算方法：

其中，PARZ为高度Z的函数，PAR0为层顶PAR，LAIZ为层顶（Z=0）往下到层高Z之间的LAI总和。模型并对松树、阔叶林、针叶林的LAI进行了简单分配，分别为3m2m-2、5 m2m-2、7 m2m-2。单萜烯及其他VOCs排放通量校正方法如下：

其中，ES为标准排放通量，T为叶温（K），TS为标准温度（30℃）。

在此基础上，对1988年7月28日到8月6日美国宾夕法尼亚州斯科舍的BVOCs排放进行了模拟。相对BEIS1 和G95，BEIS2虽然在土地利用数据更新、

提高空间分辨率、环境校正方法的修订等方面做了一些改进，但还存在需要进一步改善的地方，如由于缺乏可靠的叶能量平衡模型而使用环境温度代替叶片温度，缺乏健壮的冠层模型来模拟太阳辐射的分布，以上因素都会增加排放模拟的不确定性。

1.4 全球生物源排放和交互系统(GloBEIS，1999）

20世纪90年代末期，美国环境保护署EPA和国家大气研究中心NCAR联合开发了GloBEIS （Global Biosphere Emissions and Interactions System），至此BEIS系列已经由区域模式发展到全球模式。GloBEIS是基于Guenther提出的G95算法（主要是异戊二烯的计算方法）建立的[14，15]：

其中，ε为景观平均排放速率；DP为叶生物量年峰值，Df为叶生物量比例；γp、γT、γA分别为光合光量子通量密度PPFD（Photosynthetic Photon Flux Density）、温度、叶龄影响因子；ρ为逸散效率，代表能逸散到大气中的排放。算法中ε和D的时间步长为年，Df和γA是季节变化的，γp、γT、γA的时间分辨率为1小时，接下来介绍各因子的计算方法。

1.4.1 景观平均排放速率， ε

GloBEIS采用基于景观的排放速率：

其中，ε0（=100μgg-1h-1）为异戊二烯排放植物的基本排放能力；ϕw，ϕh分别为木本、禾本植物对总叶生物量的贡献；ϕw，f，ϕh，f分别为木本、禾本植物的叶生物量，GloBEIS假设景观内只有木本、禾本两类植物，因此ϕh=1- ϕw。

1.4.2 叶生物量比例与叶龄影响因子，Df、γA

Df为年内某时间叶生物量与DP的比值，由月平均LAI计算得到，LAI由卫星遥感获得。研究发现，新老叶排放能力较低，因而叶龄影响因子可由Df的季节差异或温度及降水获得，增长的Df表明相新叶比例正在变大，减少的Df表明老叶所占比例正在变大，GloBEIS采用一个简单模型来描述景观平均排放能力：

其中，A1（=0.33）为新老叶的平均排放活性（average emission activity）； A2（=0。95）为最大叶生物量发生月成熟叶所占比例；∆Df为当前月与前一月的叶生物量差的绝对值。

1.4.3 光照和温度影响因子，γp, γT

其中，Q为当前PPFD（μmolm-2s-1），α和CL为经验系数，在G95和BEIS2中α=0.0027，CL=1.066，之后有研究发现两系数随冠层深度变化，据此GloBEIS假设：

其中，LAI为层顶到一定冠层深度之间的累计叶面积指数，温度影响因子：

其中，T为当前叶温（K）；R（=0.00831）为气体常数；Eopt为标准排放速率的最大值；Topt为发生时的温度；CT1（=95）和CT2（=230）为经验系数，研究发现Eopt和Topt受之前若干天内叶片温度的影响：

其中Td为过去15天平均温度（K）。

1.4.4 冠层环境模型

GloBEIS采用G95的冠层辐射传输模型并做了修改：改进了冠层内散射和透射的计算方法；提出描述林深的比叶重，即单位叶面积的叶片重量；增加了叶能量平衡模型，用于描述风速、湿度和太阳辐射对叶温的影响。

GloBEIS对G95算法做了改进，相比之前的模型也做了多方面的改善:（1）引进网格化的高分辨率（1km）生物排放土地利用数据库——BELD3（ Biogenic Emissions Landuse Database，version3），覆盖北美地区，包括270种植被;（2）提出基于土地利用类型的景观平均排放速率计算方法；（3）考虑了叶

生长状态对排放的影响，利用卫星源LAI数据来模拟冠层新老成熟叶的组成及排放的空间分布；（4）开始考虑冠层内的消耗，提出了逸散效率；（5）模型模块化，包括数据预处理、模拟冠层环境及植被特性的冠层环境模型、排放算法、排放合算与格式整理4个模块；（6）使用当时最先进的排放算法;（7）引进GOES卫星数据来模拟太阳辐射数据;（8）可模拟干旱和持续高温的影响;（9）建立了叶片能量平衡模型；此外，GloBEIS具有更高的空间分辨率，在细节表现方面具有明显的优势。GloBEIS使用区域测量法参数化模型可对全球范围进行排放模拟，然而测量数据有限，某些参数取值较粗糙，如景观排放速率取平均值、叶生物量取季节平均值，而这些参数在其他地点和时间可能并不具有代表性。

1.5 自然气体、气溶胶排放模型（MEGAN，2006）

Guenther在 2006 年推出自然气体、气溶胶排放模型（MEGAN: Model of Emissions of Gases and Aerosol from Nature ），该模型是Guenther 等在大量实验资料以及G95算法基础上，通过进一步完善机理和地表资料数据库提出的关于气态污染物、气溶胶自然源排放模型，相比其他模型，MEGAN不仅能够很好地替代之前的模型，且具有更高分辨率，即1km×1km经纬度网格点， 能够同时满足区域和全球尺度模拟的要求，在国内外BVOCs 排放研究中得到了普遍应用。

MEGAN建立的基础是覆盖全球的地表状况(LAI和PFTs（Plant Function Type）)和天气条件(太阳辐射传输、大气温度、空气湿度、风速和土壤湿度等)数据库。MEGAN 采用了6 个LAI数据库， 12 个PFTs数据库和6个天气条件数据库。其中，LAI数据库包括卫星资料提供的高精度数据和动态植被模式的输出结果。PFTs数据库包括了卫星观测资料、生态系统模式的输出结果、生态系统分布图以及植被清单。MEGAN 输入的环境变量包括环境温度、光量子通量密度(PPFD)、空气湿度、风速和土壤湿度。这些输入场的获得途径包括: 观测资料的差值(IIASA和CRU)、全球气候模式的输出结果与观测资料进行同化得到的资料(NCEP-DOE 再分析和MM5)， 以及两个全球气候模式的输出结果(HadCM2和CSM1)。在上述数据库的基础上，Guenther 利用冠层环境模型(Canopy environment model)对全球BVOCs排放的季节变化以及年际变化情况做了较为合理的估算， 该方法也是目前公认的较为合理的BVOCs算法之一。MEGAN针对某一地点计算每种植被功能型（Plant Functional Type，PFT ）的排放量，最后合算为总排放。陆地生态系统BVOCs净排放速率计算方法如下[16]:

式中，ε（mg m-2h-1）为LAI=5（80%成熟叶，10%新叶，10%老叶）、太阳高度角为60︒、大气层光量子通量密度(PPFD)的透过率为0.6（即到达林冠顶部的PPFD 与大气层顶PPFD 之比，而太阳高度角为60︒、PPFD的透过率为0.6时，冠层顶部PPFD约为1500μmol m-2s-1）、气温为303 K、湿度为14g·kg-1、风速为 3m · s-1、土壤湿度为 0.3m3· m-3时 BVOCs 的排放速率;过去24h到240h的平均冠层环境条件包括叶温为297K、光照叶PPFD为200μmol m-2s-1、阴影叶PPFD为50μmol m-2s-1；ρ为逸散系数，通常取常数1;γ为与光照、温度、叶龄等相关的排放校正因子。

1.5.1 排放因子，ε

MEGAN使用基于PFTs的排放因子，将全球分为不同的PFTs和无植被区，用于模拟不同冠层类型的光照和温度分布，如PFT-1只有一个排放因子，用于简单模拟；PFT-REG用于区域模拟；PFT-7为MEGAN标准全球分类方案，包括常绿阔叶林、常绿落叶林、常绿针叶林、落叶针叶林、灌木、农作物和草地7种。

1.5.2 排放校正因子，γ

γ为与驱动排放速率变化的生理、物候过程相关的排放校正因子，计算方法如下:

式中， γCE为LAI、光照、温度、湿度、风速校正因子，γage为叶龄因子， γSM为土壤湿度校正因子。而其中冠层环境校正因子γCE的模拟方法如下：

其中CCE将排放活动统一到标准条件下，在MEGAN的标准冠层环境条件下CCE等于0.57，γPT为温度和PPFD因子（γT，γP）的加权平均。

1.5.3 冠层环境模型

MEGAN对GloBEIS的冠层环境模型做了进一步

改进，考虑了过去一段时间内光照和温度对排放的影响，据此调整了公式（24）-（29）中参数：

其中，P0等于200μmolm-2s-1(光照叶)、50μmolm-2s-1（阴影叶）。此外，MEGAN还建立了参数化冠层环境排放活动（Parameterized Canopy Environment Emission Activity，PCEEA）算法，如下：

其中γP为冠层尺度的PPFD对异戊二烯排放影响因子，计算方法如下：

其中，Pdaily为模拟时期内冠层顶部的日平均PPFD（μmolm-2s-1）；a为太阳角；Ф为层顶PPFD透过率：

其中，Pac为冠层顶部PPFD，Ptoa为大气层顶PPFD：

其中，DOY为积日。温度影响因子γP：

Thr为每小时平均空气温度（K）；Tdaily为模拟时期内的日平均空气温度（K）；CT1（=80）、CT2（=200）为经验系数，而

PCEEA所需计算资源和驱动变量较少，主要用于简单模拟。

1.5.4 叶龄校正因子，γage

MEGAN假设常绿冠层的γage=1，将落叶林分为4部分：排放基本可以忽略的新叶（Fnew），排放速率低于最大值的生长叶（Fgro），排放速率达到最大值的成熟叶（Fmat）；排放速率降低的老叶（Fmat）；冠层加权因子：

其中，Anew(=0.05)、Agro(=0.6)、Amat(=1.125)、 Aold(=1)为冠层每部分的相对排放速率。冠层组成是根据当前LAI（LAIC）和之前的LAI（LAIP）的变化的确定的，当LAIC=LAIP时，Fmat=0.8，Fnew=0，Fgro=0.1，Fold=0.1;当LAIC＜ LAIP时，Fgro=0，Fold=[(LAIP-LAIC)/ LAIP] ，Fmat=1-Fold；当LAIC＞LAIP时，Fold=0，其他部分计算方法如下：

其中，t为LAIC和LAIP之间的时间步长，ti为开始发芽到开始排放异戊二烯之间的天数，tm为开始发芽到异戊二烯排放达到最大值的天数，而研究发现这些参数与温度相关:

其中Tt为上一个是上一个时间间隔内的平均空气温度（K），公式（52）-公式（54）对于高分辨率和叶片迅速生长时期的模拟非常重要。

1.5.5 土壤湿度校正因子，γSM

MEGAN冠层环境模型还可以模拟土壤水分对排放的影响，研究发现，土壤水分通过气孔导度影响叶温间接作用于排放，水分不足会导致叶片气孔导度降低，光合作用也会降低，当水分降到一定程度时，尤

其是严重干旱时，异戊二烯的排放几乎为零：

其中，θ为土壤湿度（m3m-3） ；θw为凋萎点（m3m-3），土壤水分低于凋萎点时植物不再从土壤吸收水分；θ1（=0.06）为经验系数，θ1=θw+∆θ1。MEGAN采用高分辨率（～1km2）的凋萎点数据库，对于黏性土壤θw介于0.01～0.138 m3m-3之间。

1.5.6 逸散效率，ρ

叶片排放的BVOCs并不能全部排放大气中，一部分被土壤和植被表面的生物、化学和物理过程所消耗，一部分与冠层内部的空气发生反应，或者以其他形式排放到大气中。MEGAN使用逸散因子ρ来计算冠层内BVOCs的损失和转换，其中逸散到大气中的与排放到光层中的异戊二烯之比：

其中，D为冠层深度（m）；u*为摩擦速度（ms-1），τ为排放到大气的异戊二烯的寿命（s）；λ为经验系数。

MEGAN针对异戊二烯的排放做了多方面的改进:标准条件的使用，可将在不同条件下得到的观测数据整合到模型中；将全球划分为不同的植被功能区，可模拟光照和温度在不同冠层内的分布，并具有多个分类方案，用于不同尺度及复杂度的模拟；考虑了土壤湿度对排放的影响，可模拟干旱条件下的排放；提出逸散效率的计算方法；考虑了过去一段时间内光照和温度对排放影响，据此对冠层环境模型的一些参数（a，CP，Topt，Eopt等）做了改进。应用MEGAN模型模拟了2003年全球异戊二烯排放，约600TgC。此外MEGAN已经能够满足区域和全球尺度的化学和传输建模的要求，然而在物理（如温度、光照）和化学（如CO2、O3）环境对排放的影响方面还需做更多的观测研究来进一步完善模型。

经过近30年的发展，BVOCs排放模型在算法与数据各方面不断完善，各模型版本也在不断更新（BEIS-3、GloBEIS3.5、MEGAN2.1），此外在上述核心算法的基础上，研究者们建立了其他一些适用于区域或全球模拟的BVOCs排放模型，如基于BEIS2的中国台湾TBEIS（Taiwan Biogenic Emission Inventory System）[17-19]、基于G95的CCSM（Community Climate System Model）[20]以及同样基于G95的欧洲BEM（Biogenic Emission Model）[21]和就不再做详细介绍，表1对以上模型做了简单对比。

2．国内外BVOCs排放模拟

BVOCs模拟结果是区域空气质量模型和全球化学传输模型的重要输入，对区域及全球大气科学研究具有重要作用，国外对BVOCs排放特性的研究起步较早，在BVOCs的排放算法、气候模拟、植被分类、排放因子等方面不断完善，且随着研究的进展对BVOCs排放进行了多次模拟，全球BVOCs年排放量在175～1150TgC之间。按照模拟方法的复杂度，本文将BVOCs排放模拟发展历程分为简单模拟、基本算法建立、模型算法完善及应用三个阶段，并将各阶段具有代表性的排放实践活动进行简要概述，表2为区域及全球BVOCs排放模拟对比。

2.1 简单模拟阶段(1950s～1980s)

Went（1960）最早将全球植被覆盖分为针叶林、阔叶林、农田、草地4类，并据艾草的排放速率，将BVOCs（主要为carotenoids，phytol，terpenes）排放推广到全球尺度，粗略估算结果约为175Tgyr-1[5]；同样Rasmussen和Went（1965）利用全球植被覆盖和当年正在生长的植被数据，将少量密闭测量的BVOCs排放速率外推到全球尺度，结果每年全球BVOCs排放量为438Tg，其中叶片级异戊二烯的排放速率最高达到了150µgg-1h-1，如果根据这个速率每年全球BVOCs排放量将达到25000Tg，然而由于环境条件的限制，异戊二烯的排放速率也只有最高速率的2%[22]；Zimmerman（1979）在大量野外测量BVOCs排放速率工作的基础上，首次建立了一个定量估算BVOCs排放清单的概述方法[23]；之后一些学者也对BVOCs排放量进行了研究，如Müller(1992)估算的异戊二烯排放量为250TgCyr-1，单萜类为147TgCyr-1[24]，Allwine(1992)估算结果为827Tgyr-1[25]，这些估算都是建立在有限的野外测量数据基础上，排放速率、叶生物量、土地利用、植被类型等分类粗糙，将区域性清单推广到全球尺度，不确定性较大。

2.2 基本算法建立阶段(1990s～2000s)

随着大量野外测量数据的支持，1990s起建立了一系列区域及全球BVOCs排放算法和模型，如BEIS（1991）、G95（1995）、BEIS2（1998）、GloBEIS（1999）、TBEIS（2000）等，排放模拟的精度也不断提高，其中Guenther（1995）估算全球BVOCs排放量达1150TgCyr-1[2]，此后G95不仅成为大多数BVOCs排放模型的核心基础，在排放模拟实践中也得了广泛应用，如Simpson(1999，欧洲)、Guenther(2000，北美)、Adams(2001)、Klinger（2002，中国）、Tao(2005)、Valdes（2005）在G95的基础上分别对区域及全球的BVOCs进行了模拟，其中全球异戊二烯年排放量约530～601TgC[3，27-30]。

2.3 模型算法进一步完善及与其他模型耦合阶段(2000s至今)

Guenther（2006）在大量实验资料以及G95算法基础上，通过进一步完善机理和地表资料数据库建立了MEGAN模型，MEGAN不仅能够很好地替代之前的模型，能够同时满足区域和全球尺度模拟的要求，在BVOCs 排放研究中得到了普遍应用，且估算的全球异戊二烯排放量约为（500～750）TgCyr-1，空间分辨率为1km2[16]；Leung(2010)使用MEGAN模型结合中国香港地域特征模拟了中国香港BVOCs的排放，研究了排放在日、季节、年、空间变化特征，并对模拟存在的不确定性进行了讨论[31]；Arneth（2011）通过变化模型的不同设置对比讨论了MEGAN、LPJGUESS、BVOCEM三种模型在时间和空间上的健壮性，并对全球异戊二烯的排放进行了模拟，异戊二烯年排放量介于378～496TgCyr-1之间[32]；Li（2012）联合使用MODIS-MM5-MEGAN来估算了2006年中国BVOCs排放及其空间分布和时间的差异性[33]。此外，近年来各类陆地生态系统模型也逐渐参与到BVOCs排放模拟中，如Wang(2000)提出以G95为基础的陆面模型LSM（Land Surface Model）与对流层化学传输模型3-D CTM（tropospheric Chemistry Transport Model）有效耦合方案，其中LSM为模拟提供高分辨率的叶温、PAR及植被分布等数据，而大尺度的传输、边界层混合、云对流、对流层光化学、大气排放由3-D CTM计算，此耦合方案还可模拟气候变化（如温度升高）、植被分布变化对排放的影响[34]；Levis（2003）将G95与通用陆面模型CLM（Community Land Model）进行耦合，CLM作为CCSM（Community Climate System Model）的一部分，通过一系列的生物地理物理过程模拟陆面和大气间的物质（水、碳、痕量气体等）、能量和动力交换，并采用PFT来描述全

球植被，最终输出BVOCs算法所需数据，该试验的时间尺度为1年，空间分辨率为1°×1°，从而得到全球范围每个网格点的BVOCs排放情况，CCSM的使用还减少了在气候模拟时的不确定性[20]。

2.4 国内排放模拟研究

在此领域的研究起步较晚， 但自从20世纪90年代以来， 也取得了一些初步研究成果， 对北京、云南、内蒙古、华南、东北、珠江三角洲、香港、台湾等地植被释放的BVOCs排放规律及通量估算的研究已逐步展开[17-19，31，36-43]，全国BVOCs年排放量介于12.97～21TgC之间，其中异戊二烯约为4.1～9.36TgC[28，33，44]，模拟年份、植被覆盖、气候及算法造成了模拟结果的不同。

胡勇涛（2001）估算了1998年华南地区满足区域空气质量数值模拟要求的高时空分辨率BVOCs排放清单，结果表明，华南地区夏季典型日的BVOCs排放总量约1.12×1010g[40];王志辉（2003）综合利用GIS、RS数据和野外测量数据，包括实时测量的土地利用数据，归一化植被指数（NDVI），温度以及光合有效辐射数据等，估算了1998年BVOCs的排放量，空间分辨率达到了1km×1km，时间分辨率为1h，结果北京地区的BVOCs年排放量为1.6×1010gC，其中异戊二烯7.9×109gC，单萜3.5×109gC，其他BVOCs 4.8×109gC[36];闫雁（2005）采用中国卫星气象中心提供的年度每旬的NOAA卫星 8km分辨率归一化差异植被指数(NDVI)数据集得到LAI的旬度变化，按照Guenther(1999)提出的算法[14]，结合土地使用情况，对中国植被 VOC 的排放情况进行了比较全面和系统的研究。结果表明，全国植被 VOC 的年总排放量约为17.1TgC，其中异戊二烯为4.85TgC，单萜烯为3.29TgC，其他 VOC(OVOC)为8.94TgC[44];郑君瑜（2009）利用实际观测的气象数据和基于遥感图像解译的土地利用现状和植被资料，运用GloBEIS模型，对珠江三角洲2006年度生物源VOCs排放总量进行了估算。结果表明，该区生物源 VOCs 的年度排放总量达29.6×107g，其中异戊二烯7.30×107g，占24.7%，单萜 10.2×107gC，占 34.4%。其排放量具有夏季高冬季低的典型特征，夏季占全年排放量的40.5%，冬季占 11.1%。其空间特征与土地利用和植被分布密切相关，生物源VOCs 排放主要集中在城镇化程度较低和林区较密集的区域。此外，对生物源 VOCs 排放估算过程中可能的不确定性来源进行了讨论[42];司徒淑娉（2009）利用MEGAN对典型夏季日珠江三角洲地区植被异戊二烯的排放进行了初步研究，结果估算的日珠江三角洲植被异戊二烯总的排放量为1.73 ×106 kg[45];常杰（2012）通过实地调查台州地区的植被构成和分布，综合BVOC 排放速率的测定值和文献数值、当地气象资料等，研究了台州城市和周边地区的BVOC 排放强度、时空格局及种类特征。结果表明，2009 年台州地区的BVOC 年排放量为4.6×1010 g C，其中异戊二烯、单萜和其他VOC 所占的比重分别为93.8%、3.5%和2.7%。研究结果也可为处在相近气候带的城市中绿化树种的选择和大气质量的改善提供科学依据[46];宋媛媛（2012）利用遥感资料获得了叶面积指数（LAI）和叶生物量（LMD）最新信息，结合其他数据将其输入MEGAN模型，获得了中国东部地区2008—2010年高时空分辨率的BVOCs排放清单，并研究了其时空分布特征[47];宁文涛（2012）以2010年7月为例，采用MEGAN估算东亚地区排放的BVOCs，而土地利用、植被、陆地-水覆盖、土壤类型以及其他相关数据均从美国地质勘探局数据中心 USGS（United States Geological Survey）获得[48]。图1为中国各地区年BVOCs排放量对比[35-37，42，43，46]，云南地区较大的排放（～1100×109gC）是由于该区温度高，光照充足，排放速率较大。

国内BVOCs排放的研究主要是利用国际上已有的算法，结合国内植被、土地覆盖等数据来进行BVOCs排放量的估算，而在排放速率、环境影响因子方面的研究较少。

3．展望

目前BVOCs模型研发和应用研究存在着尚未完

全掌握排放机理，已有的排放估算模型还不成熟，不确定性仍然很大等问题，具体如（1）一些机理过程描述仍然是经验性的，从而影响到模型的适用性；（2）数据的获取是困扰模型区域应用的主要问题。

3.1 进一步加强机理研究

到目前为止，虽然已经有几千次实验对大量植被BVOCs的排放速率进行了封闭式测量[2]基本掌握了诸如植被种属、温度、光照、叶龄、过去的气候条件等因素对BVOCs的排放速率的影响机制，BVOCs的计算方法也日趋成熟， 但还有些机理性方面的问题没有研究透彻， 如臭氧浓度、物理应力、二氧化碳浓度、氮素利用率等对BVOCs排放的影响， 但现有的观测资料和试验， 还不能解释这些影响，还需进一步来研究。此外，还需建立覆盖全球的、植被种类齐全的植被排放率数据库， 这不仅仅有助于在大范围精确估算BVOCs的排放量， 而且还能为模拟结果提供可靠的依据。

3.2 排放模型与气象模式耦合

目前BVOCs排放模型使用的气象数据大多通过对野外实测数据、实验室调查数据、遥感资料等进行插值获得，结果粗糙、分辨率低。近年来诸如WRF、MM5等高精度气象模式发展迅速[49，50]，气象模式可以弥补气象数据来源不足，数据成本昂贵的现实缺点，提供高分辨率的气象数据作为BVOCs排放模型的输入，既能有效提高模型模拟效果，又可以对未来情景进行模拟，在BVOCs排放模拟中应用潜力巨大。

3.3 遥感数据的应用

卫星资料有着覆盖范围广， 观测频率高的特性，在BVOCs排放的研究方面， 卫星遥感资料已经开始展现出其较大的应用潜力。目前，随着气候模型在排放模拟的开始应用，除将遥感资料直接作为BVOCs排放模型的输入外，遥感资料也可以作为气候模型的输入，如实时的土地利用数据等，可以大大提高气候模型的模拟效果，从而为排放模型提供高分辨率的气象数据。这两种遥感资料的应用可以有效帮助我们估计过去、当前和未来的BVOCs排放的时空分布特征，此外遥感技术在BVOCs排放估算方面的另一个应用趋势是利用遥感资料获取BVOCs氧化产物（如甲醛和一氧化碳）的全球分布状况，间接进行BVOCs估算，能够在一定程度上反映BVOCs的排放速率，但无法估计的过去(前卫星时代)和未来的排放[51，52]。

3.4 排放算法与动态植被模型耦合

动态全球植被模型（Dynamic Global Vegetation Model，DGVM)是20世纪90年代以来植被模型研究的热点，主要模拟植被生理过程、植被动态以及生态系统碳和水的平衡[53]。BVOCs排放算法与动态植被模型耦合，不仅能够模拟不同植被组成和CO2浓度等条件下BVOCs的排放，还能预测BVOCs排放对地球系统变化的响应，且相比传统的排放模型，耦合模型具有能够模拟的时间尺度更大的特点，BVOCs排放算法与动态植被模型耦合成为新的研究趋势。

[1] 陈颖，史奕，何兴元.沈阳市四种乔木树种BVOCs排放特征[J]. 生态学杂志，2009， 28（12）: 2410- 2416.

[2] Guenther A， Hewitt C N， Erickson D， et al. .A global model of natural volatile organic compound emissions[J]. Journal of Geophysical research， 1995， 100（D5）: 8873-8892.

[3] Simpson D， Winiwarter W， Börjesson G， et al. .Inventorying emissions from nature in Europe[J]. Journal of Geophysical Research， 1999， 104（D7）: 8113-8152.

[4] Singh H B， Zimmerman P B. Atmospheric distribution and sources of nonmethane hydrocarbons[J]. In: Gaseous pollutants: Characterization and cycling， pp. 177-235， 1992，1: 177-235.

[5] Went F W. Organic matter in the atmosphere， and its possible relation to petroleum formation[J]. Proceedings of the National Academy of Sciences of the United States of America， 1960，46（2）: 212.

[6] Pierce T E， Waldruff P S. PC-BEIS: A personal computer version of the biogenic emissions inventory system[J]. Journal of the Air & Waste Management Association， 1991， 41（7）: 937-941.

[7] Lamb B， Guenther A， Gay D， et al. .A national inventory of biogenic hydrocarbon emissions[J]. Atmospheric Environment（1967）， 1987， 21（8）: 1695-1705.

[8] Tingey D T， Manning M， Grothaus L C， et al. .Influence of light and temperature on monoterpene emission rates from slash pine[J]. Plant Physiology， 1980， 65（5）: 797-801.

[9] Tingey D T， Evans R， Gumpertz M. Effects of environmental conditions on isoprene emission from live oak[J]. Planta，1981， 152（6）: 565-570.

[10] Guenther A B， Monson R K， Fall R. Isoprene and monoterpene emission rate variability: observations with

eucalyptus and emission rate algorithm development[J]. Journal of Geophysical Research: Atmospheres （1984-2012）， 1991， 96（D6）: 10799-10808.

[11] Guenther A B， Zimmerman P R， Harley P C， et al. .Isoprene and monoterpene emission rate variability: model evaluations and sensitivity analyses[J]. Journal of Geophysical Research: Atmospheres （1984-2012）， 1993， 98（D7）: 12609-12617.

[12] Pierce T， Geron C， Bender L， et al.. Influence of increased isoprene emissions on regional ozone modeling[J]. Journal of Geophysical Research: Atmospheres （1984-2012）， 1998，103(D19): 25611-25629.

[13] Kinnee E， Geron C， Pierce T. United States land use inventory for estimating biogenic ozone precursor emissions[J]. Ecological Applications， 1997， 7（1）: 46-58.

[14] Guenther A， Baugh B， Brasseur G， et al. Isoprene emission estimates and uncertainties for the Central African EXPRESSO study domain[J]. Journal of Geophysical Research: Atmospheres （1984–2012）， 1999， 104（D23）: 30625-30639.

[15] Guenther A， Archer S， Greenberg J， et al..Biogenic hydrocarbon emissions and landcover/climate change in a subtropical savanna[J]. Physics and Chemistry of the Earth，Part B: Hydrology， Oceans and Atmosphere， 1999， 24（6）: 659-667.

[16] Guenther A;Karl T;Harley P;Wiedinmyer C Palmer P I Geron C.Estimates of global terrestrial isoprene emissions using MEGAN （Model of Emissions of Gases and Aerosols from Nature）[J].Atmospheric Chemistry and Physics，2006，6（11）:3181-3210.

[17] 陈杜甫.台湾地区生物源空气污染物排放量推估模式之建立及应用[D].台湾:云林科技大学，2000.

[18] 游智渊. 第三代台湾地区生物源空气污染物排放量推估模式之建立及应用[D]. 台湾:云林科技大学，2003.

[19] 林铭哲. 第三代台湾地区生物源空气污染物排放量推估模式之验证[D]. 台湾:云林科技大学，2003.

[20] Levis S， Wiedinmyer C， Bonan G B， et al.. Simulating biogenic volatile organic compound emissions in the Community Climate System Model[J]. Journal of Geophysical research， 2003， 108（D21）: 4659.

[21] Poupkou A， Giannaros T， Markakis K， et al.. A model for European biogenic volatile organic compound emissions: software development and first validation[J]. Environmental Modelling & Software， 2010， 25（12）: 1845-1856.

[22] Rasmussen R A， Went F W. Volatile organic material of

plant origin in the atmosphere[J]. Proceedings of the National Academy of Sciences of the United States of America， 1965， 53（1）: 215.

[23] Zimmerman，P R.Testing of hydrocarbon emissions from vegetation，leaf litter and aquatic surfaces，and development of a method for compiling biogenic emission inventories[R]，Rep.EPA-450/4-79-004， U.S. Environmental Protection Agency， Research Triangle Park， N.C 27711， 1979.

[24] Müller J F. Geographical distribution and seasonal variation of surface emissions and deposition velocities of atmospheric trace gases[J]. Journal of Geophysical Research: Atmospheres（1984-2012）， 1992， 97（D4）: 3787-3804.

[25] Fehsenfeld F， Calvert J， Fall R， et al.. Emissions of volatile organic compounds from vegetation and the implications for atmospheric chemistry[J]. Global Biogeochemical Cycles，1992， 6（4）: 389-430.

[26] Guenther A， Geron C， Pierce T， et al. Natural emissions of non-methane volatile organic compounds， carbon monoxide，and oxides of nitrogen from North America[J]. Atmospheric Environment， 2000， 34（12）: 2205-2230.

[27] Adams J M， Constable J V H， Guenther A B， et al.. An estimate of natural volatile organic compound emissions from vegetation since the last glacial maximum[J]. Chemosphere-Global Change Science， 2001， 3（1）: 73-91.

[28] Klinger L F， Li Q J， Guenther A B， et al..Assessment of volatile organic compound emissions from ecosystems of China[J]. Journal of Geophysical Research: Atmospheres（1984-2012）， 2002， 107（D21）: ACH 16-1-ACH 16-21.

[29] Tao Z， Jain A K. Modeling of global biogenic emissions for key indirect greenhouse gases and their response to atmospheric CO2 increases and changes in land cover and climate[J]. Journal of Geophysical Research: Atmospheres（1984-2012）， 2005， 110（D21）.

[30] Valdes P J， Beerling D J， Johnson C E. The ice age methane budget[J]. Geophysical Research Letters， 2005， 32（2）.

[31] Leung D Y C， Wong P， Cheung B K H， et al..Improved land cover and emission factors for modeling biogenic volatile organic compounds emissions from Hong Kong[J]. Atmospheric Environment， 2010， 44（11）: 1456-1468.

[32] Arneth A， Schurgers G， Lathiere J， et al..Global terrestrial isoprene emission models: sensitivity to variability in climate and vegetation[J]. Atmospheric Chemistry and Physics， 2011，11（15）: 8037-8052.

[33] Li M， Huang X， Li J， et al..Estimation of biogenic volatile organic compound（BVOC）emissions from the terrestrial ecosystem in China using real-time remote sensing data[J]. Atmospheric Chemistry and Physics Discussions， 2012， 12（3）: 6551-6592.

[34] Wang K Y， Shallcross D E. Modelling terrestrial biogenic isoprene fluxes and their potential impact on global chemical species using a coupled LSM–CTM model[J]. Atmospheric Environment， 2000， 34（18）: 2909-2925.

[35] Chang K H， Chen T F， Huang H C. Estimation of biogenic volatile organic compounds emissions in subtropical island—Taiwan[J]. Science of the total environment， 2005， 346（1）: 184-199.

[36] Zhihui W， Yuhua B， Shuyu Z. A biogenic volatile organic compounds emission inventory for Beijing[J]. Atmospheric Environment， 2003， 37（27）: 3771-3782.

[37] Wang Z， Bai Y， Zhang S. A biogenic volatile organic compounds emission inventory for Yunnan province[J]. Journal of Environmental Sciences， 2005， 17（3）: 353-359.

[38] 白建辉，Bradly Baker.热带人工橡胶林异戊二烯排放通量的模式研究[J].环境科学学报，2004，24（2）:197-203.

[39] 白建辉，王庚辰，任丽新等.内蒙古草原挥发性有机物排放通量的研究[J].环境科学，2003，24（6）:16-22.

[40] 胡泳涛，张远航，谢绍东等.区域高时空分辨率VOC生物源排放清单的建立[J].环境科学，2001，22（6）:1-6.

[41] 运方华， 王连喜， 安兴琴， 等. 结合气象模式与 GloBEIS模式研究气象条件对 BVOCs 排放的影响[J]. 南京信息工程大学学报（自然科学版）， 2013， 5（3）: 236-243.

[42] 郑君瑜，郑卓云，王兆礼等.珠江三角洲生物源VOCs排放量估算及时空分布特征[J].中国环境科学，2009，29（4）:345-350

[43] Tsui J K Y， Guenther A， Yip W K， et al..A biogenic volatile organic compound emission inventory for Hong Kong[J]. Atmospheric Environment， 2009， 43（40）: 6442-6448.

[44] 闫雁，王志辉，白郁华等.中国植被VOC排放清单的建立[J].中国环境科学，2005，25（1）:110-114.

[45] 司徒淑娉，王雪梅，Alex Guenther等.典型夏季珠江三角洲地区植被的异戊二烯排放[J].环境科学学报，2009，29（4）:822-829.

[46] 常杰， 任远， 史琰， 等.亚热带城乡复合系统 BVOC 排放清单——以台州地区为例[J]. 生态学报， 2012， 32（2）: 641-649.

[47] 宋媛媛，张艳燕，王勤耕，安俊岭. 基于遥感资料的中国东部地区植被VOCs排放强度研究[J].环境科学学报，2012，09:2216-2227.

[48] 宁文涛.生物源VOC的排放量估算和对区域空气质量影响的研究 [D].山东师范大学，2012.

[49] 章国材.美国WRF模式的进展和应用前景[J].气象，2004，30（12）:27-31.

[50] 戴进，余兴，岳治国等.MM5中尺度模式及其微物理过程[J].陕西气象，2004，（1）:11-14.

[51] Palmer P I， Barkley M P， Kurosu T P， et al..Interpreting satellite column observations of formaldehyde over tropical South America[J]. Philosophical Transactions of the Royal Society A: Mathematical， Physical and Engineering Sciences，2007， 365（1856）: 1741-1751.

[52] Curci G， Palmer P I， Kurosu T P，et al..Estimating European volatile organic compound emissions using satellite observations of formaldehyde from the Ozone Monitoring Instrument[J]. Atmospheric Chemistry and Physics Discussions， 2010， 10（8）: 19697-19736.

[53] 王旭峰，马明国，姚辉等.动态全球植被模型的研究进展[J].遥感技术与应用，2009，24（2）:246-251.

环境保护部积极办理政协提案——2013年承办335件，承办数量比2012年增加63%

日前从全国政协十二届二次会议上获悉，自全国政协十二届一次会议以来，政协委员、政协各参加单位和各专门委员会共提出提案5884件。其中，环境保护部承办335件，承办数量比2012年增加63%。

据了解，过去一年，围绕加强和改善宏观调控、加快产业结构调整、促进区域经济协调发展、推动城乡发展一体化、加强生态文明建设等议题的提案共2628件。其中关于淘汰落后和过剩产能，遏制钢铁、水泥等行业盲目扩张的提案，在国家有关部门制定政策时被吸收和采纳。

针对雾霾等大气污染问题，许多提案就强化区域联防联控、严控污染物新增量、减少交通污染等提出建议，环境保护部在会同有关部门起草《大气污染防治行动计划》时予以充分采纳。

2013年，环境保护部承办的335件提案中，主办件205件，会办件129件，转信1件。环境保护部对提案办理工作高度重视，在办理提案时，坚持将办理提案与解决环保重点难点问题相结合，将办理提案与促进工作相结合，将办理提案与改进工作作风相结合，把提案办理作为贯彻中央“八项规定”、开展党的群众路线教育实践活动的有效载体，积极探索环保新路，为推进生态文明建设、建设美丽中国注入新活力。

A review on research of Biogenic Volatile Organic Compounds (BVOCs) emission model and emission simulation

Zhang Fuhua1Huang Mingxiang22*Zhang Jing1Li Shun2Qin Yu
(1.Key Laboratory of 3-Dimentional Information Acquisition and Application, Ministry of Education, Capital Normal University, Beijing 100048；2. Information Center of Ministry of Environmental Protection, Beijing 100029).

For nearly 30 years, in order to know the rules and features of BVOCs emission,and to further quantitative analysis and evaluation of air quality and climate change, and to provide scientifc and effective basis to policymakers to formulate corresponding measures, researchers study BVOCs emission mechanism and its infuencing factors, and set up a variety of BVOCs emission models to simulate the regional and global BVOCs emission. Basing on the algorithm, data, applications and limitations of BVOCs emission model ,we review the development process of the BEIS, GloBEIS, MEGAN et al; Furthermore ,the research history of BVOCs emission simulation is summarized ; Finally, four development trends ,further strengthening mechanism research ,the application of remote sensing data ,emission algorithm coupling with dynamic vegetation model and climate mode, are prospected.

biogenic volatile organic compounds；emissions model；emission simulation；MEGAN

X826

A

1674-6252（2014）01-0030-14

国家自然科学基金（40901233）和国家科技支撑计划项目（2012BAH33B04）资助.

张富华（1987—）,女,山东日照人,在读硕士生,地图学与地理信息专业， E-mail:zhangfuhua_2011@163. com.

黄明祥(1978—）, 男，高级工程师。E-mail: huang. mingxiang@mep.gov.cn.