Emission factors лісового диму: Andreae 2019, Akagi 2011, та глобальна база GFED

10 Квітня, 2026

Опубліковано в Блог

Emission factors лісового диму: Andreae 2019, Akagi 2011, та глобальна база GFED
arrow

Що таке emission factor — методологічна основа

Emission factor (EF) для конкретного забруднювача X — маса X, що виділяється на одиницю маси спаленого сухого палива, типово виражається у г/кг (грами забруднювача на кілограм сухої маси). Для CO2 типове значення 1500-1800 г/кг (тобто більшість маси палива переходить у вуглекислий газ); для CO — 50-150 г/кг; для PM2.5 — 5-30 г/кг; для метану — 1-10 г/кг.

EF — не константа, а функція трьох головних змінних: типу палива (бореальний хвойний, тропічний листяний, торф, трава, agricultural), стадії горіння (полум’яна — flaming, тліюча — smoldering, residual smoldering combustion), і конкретного забруднювача. Modified Combustion Efficiency (MCE = ΔCO2 / (ΔCO2 + ΔCO)) — метрика стадії: MCE > 0,9 відповідає flaming-режиму з низькими EF для PM, CO, NMVOC; MCE < 0,8 — smoldering з високими EF для тих самих компонентів. Каноничне визначення MCE — Ward & Radke 1993.

Akagi 2011 — фундаментальний компендіум

Канонічний компендіум emission factors для атмосферно-хімічного моделювання — Akagi, Yokelson, Wiedinmyer et al. 2011 (Atmos. Chem. Phys. 11:4039-4072). Стаття синтезує EF з кількох десятків лабораторних та польових кампаній (1980-2010) у вигляді узагальнених значень для 14 категорій палива: тропічний ліс, savanna, екстратропічний ліс, бореальний ліс, торф, peatland, sugar cane, agricultural residue, residential biofuel, charcoal making, ground fuel, dung fuel, garbage burning, відкрите згоряння побутових відходів. Для кожної категорії наводяться EF для 90+ компонентів: CO2, CO, CH4, NMHC, оксидів азоту, аміаку, сірчанистих, твердих частинок (PM2.5, PM10, BC, OC), HONO, формальдегіду, ацетальдегіду, метанолу, ацетонітрилу, бензолу, толуолу, ксилолів, фенолу, фурану, поліциклічних ароматичних вуглеводнів та десятків інших.

Akagi 2011 досі — стандартний референс, що використовується у глобальних моделях GEOS-Chem, GFAS, FINN, GFED. Його перевага — детальність і охоплення; недолік — статика (один середній EF на категорію без явної залежності від MCE або стадії горіння).

Andreae 2019 — оновлений компендіум на 25 категорій

Найновіша велика синтетична робота — Andreae 2019 (Atmos. Chem. Phys. 19:8523-8546). Це продовження класичної роботи Andreae & Merlet 2001 (Glob. Biogeochem. Cycles 15:955-966), але з додаванням 18 років нових вимірювань і розширенням до 25 категорій палива з географічним розбиттям. Andreae 2019 явно виділяє різницю між північним бореальним лісом (Скандинавія, Сибір, Канада) і південним бореальним; різницю торф’яників за географією (тропічний індонезійський, бореальний палеоарктичний, помірний європейський); специфіку savannah pre-rainy vs post-rainy.

Andreae 2019 додає EF для нових компонентів, що раніше були погано виміряні: HONO (азотиста кислота), ізоціанова кислота (HNCO), глиоксаль, метилгліоксаль, монотерпени, сесквітерпени; розширений список оксиgenated VOCs (OVOCs); метилнітрат і інші alkyl nitrates. Для атмосферної хімії це критично: HONO і HNCO — джерела радикалів OH у плюмі; OVOCs контролюють формування вторинних органічних аерозолів (SOA).

Порівняння з Akagi 2011: середні значення для CO, CO2, CH4 близькі (різниця менше 10-15% для більшості категорій). Для PM2.5 розбіжність ширша — 20-40% — через різні набори польових даних і різну ваговку lab vs field. Для торф’яників Andreae 2019 виділяє індонезійський тип з EF для PM2.5 25-35 г/кг — у 2-3 рази вищі за бореальні торфи.

Yokelson, Stockwell і лабораторні FLAME-кампанії

Лабораторні вимірювання emission factors — основа калібрування. Найбільший корпус — серія Fire Lab at Missoula Experiments (FLAME), проведена USFS Missoula Fire Sciences Laboratory у 2003-2016. Каноничні роботи: Yokelson et al. 2009 (J. Geophys. Res.: Atmospheres 114) з характеризацією EF для 33 типів палива; Stockwell et al. 2015 (Atmos. Chem. Phys. 15:845-865) з повним характеризуванням FLAME-4 кампанії 2012 року, включно з 200+ NMVOC видами через PTR-TOF-MS.

Лабораторні кампанії дозволяють контролювати MCE через варіювання вологості і компактності палива; вимірювати рідкі компоненти, що швидко окислюються в реальному плюмі (HONO, NMVOC); проводити повторні запуски для статистичної потужності. Недолік — лабораторні умови (відсутність вітру, обмежені розміри, одноразове запалення) не повністю відтворюють польові режими, особливо для крупних smoldering епізодів.

Польові кампанії: SAFARI, ARCTAS, FIREX-AQ, AEROMMA

Польові кампанії доповнюють лабораторні. Каноничні приклади: SAFARI-2000 в південній Африці (Sinha et al. 2003) з характеризацією savannah-fires; ARCTAS 2008 над Канадою (Jacob et al. 2010) з вимірюваннями бореальних плюмів; FIREX-AQ 2019 над західними США (Warneke et al. 2023) — найбільша одноразова мобілізація з NASA DC-8, NOAA Twin Otter і ground-based supersites; AEROMMA 2023 продовжила цей підхід для атмосферної хімії метрополісів і disturbed ecosystems.

FIREX-AQ дав ключові оновлення EF для західних США: для smoldering-домінованих пожеж EF для NMVOC у 2-3 рази вищий за середнє Akagi 2011; для черноуглецю — у 1,5-2 рази нижчий (через краще розрізнення BC і brown carbon). Liu et al. 2022 (Atmos. Chem. Phys.) опублікувала детальний аналіз aerosol емісій FIREX-AQ; Decker et al. 2023 (J. Geophys. Res.: Atmospheres) — еволюції плюму у нічний час з нітратною хімією.

Hatch 2017 і характеризація NMVOC за PTR-TOF-MS

Найповніша характеризація NMVOC-емісій — Hatch et al. 2017 (Atmos. Chem. Phys. 17:1471-1489) з аналізом FLAME-4 даних через PTR-TOF-MS і GC-MS. Стаття ідентифікує понад 500 індивідуальних видів VOC у диму, з кількісними EF для 200+. Це критично для атмосферної хімії — формування озону і вторинних органічних аерозолів залежить від конкретного спектра NMVOC, не від агрегованого “NMVOC”.

Hatch et al. показали, що для бореальних і помірних лісових палив 60-80% масової фракції NMVOC припадає на 20 видів (метанол, ацетон, ацетальдегід, етилен, форммальдегід, фенол, тощо). Цього достатньо для модельного представлення з 30-40 species у CMAQ або WRF-Chem без значної втрати точності.

GFED4 — глобальна база емісій, що рухає кліматичні моделі

GFED (Global Fire Emissions Database) — найвикористовуваніша глобальна база даних емісій від пожеж, інтегрована з MODIS-detection, GFED-burned area і Akagi/Andreae EF. Канонічна публікація поточного релізу — van der Werf et al. 2017 (Earth Syst. Sci. Data 9:697-720) для GFED4s з дрібномасштабною small-fire корекцією.

GFED4 надає глобальні поля емісій з добовою роздільною здатністю і просторовою сіткою 0,25°×0,25° (близько 25 км на екваторі) з 1997 року. Емісійні поля доступні для CO2, CO, CH4, NMVOC, NOx, NH3, SO2, BC, OC, PM2.5 з фракціями за категоріями палива (savanna, forest, deforestation, peat, agricultural waste). Це базовий вхід для GEOS-Chem, CAM-Chem, ECHAM, EMAC і інших кліматично-хімічних моделей.

GFED4 не оптимізований для оперативного використання у NRT-режимі. Альтернатива — Copernicus GFAS (Global Fire Assimilation System) від ECMWF, що використовує Kalman-filter асиміляцію MODIS і VIIRS FRP-даних для оцінки емісій з затримкою декількох годин. Опис: Kaiser et al. 2012 (Biogeosciences 9:527-554).

FINN — alternative inventory від NCAR

FINN (Fire INventory from NCAR), Wiedinmyer et al. 2011 (Geosci. Model Dev. 4:625-641) — альтернативна глобальна база даних з 1 км просторовою роздільною здатністю і добовим часовим кроком. На відміну від GFED4 (площа з MODIS burned area), FINN використовує MODIS active fire detection як проксі і власні алгоритми оцінки спаленої площі. Це дає трохи інші пророди в багатьох регіонах: для невеликих стохастичних пожеж (тип, що домінує у Західній Африці і Південно-Східній Азії) FINN іноді дає вищі емісії, GFED — нижчі.

Інтер-порівняння FINN, GFED4 і GFAS: Pan et al. 2019 (Atmos. Chem. Phys.) показав, що для глобальних агрегатів три інвентори згоджуються у межах 30-50%; для регіональних — розбіжність може досягати фактору 2-3 (особливо для торф-домінованих екосистем Південно-Східної Азії).

QFED і satellite-FRP підходи

QFED (Quick Fire Emissions Dataset) — система NASA GMAO для оперативного розрахунку емісій від пожеж з MODIS і VIIRS FRP-даних. Опис — Darmenov & da Silva 2015 (NASA Tech Memo). QFED використовує лінійну калібровку EF проти GFED для забезпечення консистентності з кліматичним стандартом, але оновлюється кожні 3 години у NRT-режимі.

FRP-підхід (Fire Radiative Power) дає альтернативний шлях оцінки емісій без явної залежності від моделі consumption. Канонічна робота — Wooster et al. 2003 (Geophys. Res. Lett.) та подальші Wooster et al. 2005 (J. Geophys. Res.). FRP коваріює лінійно зі швидкістю спалення палива; помножений на коефіцієнт smoke yield (типово 0,1-0,2 для PM2.5), дає оцінку емісії. Це основа GFAS і QFED.

Емісійні фактори для торф’яників — окрема глава

Торф (peat) — окремий клас палива з принципово іншою фізикою горіння. Smoldering combustion з MCE 0,5-0,75 (проти 0,9-0,95 для flaming-домінованих лісових пожеж) дає радикально вищі EF для PM2.5 (15-35 г/кг проти 5-15 для лісу), CO (200-300 г/кг проти 50-100), CH4 (10-20 г/кг проти 2-5), і вкрай високі — для ароматичних і поліароматичних вуглеводнів. Stockwell et al. 2015 (Atmos. Chem. Phys.) опублікували повну характеризацію EF для торфів Сезонної Кампанії Borneo 2015.

Індонезійські торф’яні пожежі 2015 року — найкращий задокументований випадок: Liu et al. 2016 (Atmos. Chem. Phys.) оцінили загальну емісію PM2.5 у 11 Tg для одного епізоду — порівняно з річною антропогенною емісією PM2.5 всього ЄС. Аналогічні (хоча менші) епізоди трапляються у канадських і скандинавських торфах; українські Поліські торф’яники мають режим, ближчий до бореального, з періодичними flare-ups у посушливі літа (Чорнобиль 2020 — каноничний приклад).

Дизельне і гумове паливо у урбан-WUI пожежах

Урбан-WUI пожежі (Wildland-Urban Interface) додають клас “anthropogenic” палив: дизельне паливо у складах, бензин у заправках, гума в шинах і конвеєрах, полістирол і поліуретан у будівлях. EF для цих компонентів радикально відрізняються від рослинних. Для дизельного паливного баку: EF PM2.5 50-100 г/кг (через сажистий вугільний димний шлейф); EF поліциклічних ароматичних вуглеводнів — на порядок-два вищий за рослинне паливо. Lacey et al. 2018 (Atmos. Chem. Phys.) характеризували WUI-пожежі у Каліфорнії і показали, що для пожеж із значним housing involvement (Camp Fire 2018, Marshall 2021) EF діоксинів і фуранів у 100-1000 разів вищі за чисто рослинні.

Аграрні залишки та field burning

Аграрне field burning (стерня пшениці, рисові залишки, цукрова тростина) — ще одна окрема категорія. EF близькі до savannah grass, але з регіональною специфікою. Hayashi et al. 2014 (Atmos. Environ.) характеризували japanese rice straw burning; McCarty 2011 (J. Geophys. Res.) — Європейський union agricultural burning через MODIS-detection. Для України це особливо актуально — agricultural field burning офіційно заборонено, але реалістичний обсяг (за супутниковими detection-ами) — десятки тисяч hotspot-подій на рік у весняно-осінні періоди.

Військові залишки — ніша WildFiresUA для оригінальної науки

Україна 2022-2025 — унікальний корпус для нової науки про emission factors. Військові пожежі додають клас джерел, що раніше не характеризовано систематично у польовому форматі: палаючі паливні склади, обстріляні нафтобази, вибухи боєприпасів, пожежі залежавшого житла з полімерними матеріалами. EF для цих джерел частково можна екстраполювати з індустріальних пожеж (Buncefield 2005 у Британії, Watson et al. 2007 (ACP)), але повного польового дослідження немає.

WildFiresUA працює над першою спробою системної характеризації цього класу. Підхід: бекворд-моделювання FLEXPART з реальних spectroскопічних вимірювань (TROPOMI NO2, OMI SO2, Sentinel-5P CH4) над відомими подіями (удари по Кременчуцькому НПЗ 2022, Дрогобичі 2024, Сумах 2024). Зворотній розрахунок дає effective emission rate, який після нормалізації на оцінку маси палива (з відомих об’ємів сховищ) — ефективний EF. Ця робота у пайплайні до 2027 року; до публікації у міжнародному peer-reviewed форматі — pre-prints через EGU Copernicus.

Регіональне порівняння емісій від пожеж

Категорія паливаEF CO2 (г/кг)EF CO (г/кг)EF PM2.5 (г/кг)Джерело
Бореальний хвойний153012015Akagi 2011, Andreae 2019
Помірний листяний16209012Andreae 2019
Тропічний ліс16401009Akagi 2011
Savanna1660657Akagi 2011, SAFARI-2000
Тропічний торф143028028Stockwell 2015, Borneo
Бореальний торф152022018Andreae 2019, FLAME
Аграрні залишки1560758McCarty 2011, EU
Дизпаливо (склад)3160~3060-100Buncefield 2005 + промисл.

Brown carbon, BC vs OC і нові оптичні методи

За останні десять років виокремилася окрема галузь про відмінність black carbon (BC) і brown carbon (BrC) — з різними оптичними властивостями і різним радіаційним впливом. Saleh et al. 2018 (Science) переоцінили внесок BrC у глобальний радіаційний форсинг від лісових пожеж — у 2-3 рази вищий за раніше припущений. Sumlin et al. 2018 (J. Geophys. Res.: Atmospheres) характеризували оптичні властивості BrC від smoldering торфів.

Це впливає не лише на клімат, а й на атрибуцію пожеж до глобального теплового балансу — який стає важливим для політичних дискусій про forest carbon credits та net-zero pathways.

Де Україна — і що робить WildFiresUA

Українська емісійна інвентаризація поки спирається на GFED4s + Andreae 2019 для лісових і степових пожеж і екстраполяцію промислових EF для воєнних залишків. Це робочий компроміс: GFED4 калібровано на канадських і скандинавських даних, що близькі до українських поліських палив; Andreae 2019 явно виділяє помірно-бореальні категорії, що добре відповідають нашим лісостеповим масивам. Для агрегатних оцінок (річні емісії за категоріями) розбіжність з потенційно кращою національною інвентарзацією — у межах 20-30%, що достатньо для більшості грантових і політичних застосувань.

Ніша оригінальної науки WildFiresUA — характеризація воєнних залишків. Жоден з існуючих компендіумів не має дедикованої категорії для палаючих нафтобаз під обстрілом, вибухаючих боєскладів, чи руїн з полімерними матеріалами. Ми працюємо з партнерами — EcoCity, Arnika, Marzieiev Institute — над першою системною характеризацією, з планом публікації у Atmospheric Chemistry and Physics на горизонті 2027 року. Це не лише наука — це політична зброя для рахунку екологічних збитків від російської агресії.

Висновок

Emission factors для wildfire smoke — добре задокументоване поле для більшості природних типів палива, з двома канонічними компендіумами (Akagi 2011, Andreae 2019) і трьома основними глобальними інвентаризаціями (GFED4, GFAS, FINN). Розбіжність між сучасними оцінками — у межах 20-50% для більшості забруднювачів і категорій. Залишаються відкриті фронтири: brown carbon proxies, оперативні EF для торф’яних flare-ups, і — для України специфічно — характеризація воєнних залишків. WildFiresUA позиціонується як українська група, що використовує сучасний міжнародний стандарт (Andreae 2019 + GFED4) і одночасно займається оригінальною роботою у одній з небагатьох поки невідкритих ніш.

Українська стартап-екосистема: за матеріалами TechUkraine та AIN.ua — двох провідних видань про український tech, deep tech, climate tech і екологічні стартапи.

Пов’язане читання на yourairtest.com

MASK0

Пов’язане читання — інші наукові огляди

Що зробити сьогодні

  1. Перевірити мапу повітря YourAirTest для свого міста — є дані про PM2.5 за останню годину.
  2. Якщо тема ваша — поділитися статтею з колегами-дослідниками. Ми відстежуємо share patterns у Google Search Console.
  3. Якщо ви хочете внести свої дані у наш корпус (sensor measurements, локальні моделі) — пишіть через контакт-форму.

References

  1. Akagi S.K., Yokelson R.J., Wiedinmyer C. et al. (2011). Emission factors for open and domestic biomass burning. Atmos. Chem. Phys. 11:4039-4072.
  2. Andreae M.O. (2019). Emissions of trace gases and aerosols from biomass burning — an updated assessment. Atmos. Chem. Phys. 19:8523-8546.
  3. Andreae M.O., Merlet P. (2001). Emission of trace gases and aerosols from biomass burning. Glob. Biogeochem. Cycles 15:955-966.
  4. van der Werf G.R. et al. (2017). Global fire emissions estimates during 1997-2016. Earth Syst. Sci. Data 9:697-720.
  5. Wiedinmyer C. et al. (2011). The Fire INventory from NCAR (FINN). Geosci. Model Dev. 4:625-641.
  6. Kaiser J.W. et al. (2012). Biomass burning emissions estimated with a global fire assimilation system based on observed fire radiative power. Biogeosciences 9:527-554.
  7. Ward D.E., Radke L.F. (1993). Emissions measurements from vegetation fires. J. Geophys. Res.
  8. Yokelson R.J. et al. (2009). Emissions from biomass burning in the Yucatan. J. Geophys. Res.: Atmospheres 114.
  9. Stockwell C.E. et al. (2015). Trace gas emissions from combustion of peat, crop residue, domestic biofuels. Atmos. Chem. Phys. 15:845-865.
  10. Stockwell C.E. et al. (2015). Field measurements of trace gases and aerosols emitted by peat fires in Central Kalimantan. Atmos. Chem. Phys.
  11. Sinha P. et al. (2003). Emissions of trace gases and particles from savanna fires in southern Africa. J. Geophys. Res.
  12. Jacob D.J. et al. (2010). The Arctic Research of the Composition of the Troposphere from Aircraft and Satellites (ARCTAS). Atmos. Chem. Phys.
  13. Warneke C. et al. (2023). Fire Influence on Regional to Global Environments and Air Quality (FIREX-AQ). BAMS.
  14. Liu X. et al. (2022). Emissions and aging of organic aerosol from western US wildfires. Atmos. Chem. Phys.
  15. Decker Z.C.J. et al. (2023). Nighttime chemical evolution of wildfire smoke. J. Geophys. Res.: Atmospheres.
  16. Hatch L.E. et al. (2017). Multi-instrument comparison and compilation of non-methane organic gas emissions. Atmos. Chem. Phys. 17:1471-1489.
  17. Pan X. et al. (2019). Six global biomass burning emission datasets: intercomparison. Atmos. Chem. Phys.
  18. Liu T. et al. (2016). Wildfire smoke transport from Indonesia 2015. Atmos. Chem. Phys.
  19. Watson R.A. et al. (2007). Atmospheric measurements during the Buncefield fire. Atmos. Chem. Phys.
  20. Lacey F.G. et al. (2018). Wildland-urban interface fires emit unique combustion products. Atmos. Chem. Phys.
  21. Hayashi K. et al. (2014). Estimation of NMVOC emissions from rice straw burning. Atmos. Environ.
  22. McCarty J.L. (2011). Remote sensing-based estimates of agricultural burning. J. Geophys. Res.
  23. Saleh R. et al. (2018). Brown carbon and internal mixing in biomass burning particles. Science.
  24. Sumlin B.J. et al. (2018). Optical properties of biomass burning aerosols from peat. J. Geophys. Res.: Atmospheres.
  25. Wooster M.J. (2003). Estimation of fire radiative power from MODIS. Geophys. Res. Lett.
  26. Wooster M.J. et al. (2005). Retrieval of biomass combustion rates and totals from fire radiative power. J. Geophys. Res.
  27. ECMWF Copernicus Atmosphere Monitoring Service. Global Fire Emissions (GFAS) documentation.
  28. Darmenov A.S., da Silva A. (2015). The Quick Fire Emissions Dataset (QFED) — Documentation. NASA Tech Memo.
  29. Reid C.E. et al. (2017). Differential respiratory health effects from wildfire smoke. J. Geophys. Res.: Atmospheres.