基于无人机的污水处理厂温室气体排放原位观测：Aeris Strato中红外激光气体分析仪在多气体测量中的应用
研究团队在瑞典多座采用厌氧消化（anaerobic digestion, AD）的污水处理厂（WWTP）开展了基于无人机的原位（in situ）多气体观测，用“质量守恒/质量平衡（mass balance）”方法在空中构建虚拟垂直“墙（flight wall）”，在同一时空下同步获取温室气体浓度与风场信息，进而反演污水处理厂的净排放通量。该研究的关键方法学亮点，是将 Aeris 的轻量级高频气体分析仪（Aeris Strato CH₄/C₂H₆、Aeris Strato N₂O/CO₂、Aeris Mira Pico CH₄ 等）与机载风速仪及气象/定位传感器集成到 iUAS（independent uncrewed aerial system）平台，实现对污泥堆场、氮处理构筑物等高排放源的快速分区定量。结果显示：污泥贮存不仅是 CH₄ 的主要来源，也可能是此前被低估的 N₂O 重要来源，导致基于排放因子（IPCC Tier 1、瑞典 Tier 2）的清单估算在多数厂站显著偏低。
污水处理厂承载着社会中最大规模之一的含氮有机物通量，但其温室气体（GHG）排放高度不确定。现行国家清单多依赖 IPCC 指南的排放因子（EF）方法，在缺乏足够现场观测约束时，既可能遗漏关键源项，也可能产生系统性偏差。研究团队指出，既往对全厂尺度（full-WWTP）CH₄ 排放的少数综合观测已提示 EF 可能低估；而对 N₂O 的关注主要集中在硝化/反硝化等氮去除单元，厌氧消化污泥（AD sludge）露天堆放被 EF 框架普遍假设为 N₂O 可忽略。该研究提出并验证了相反假设：AD 污泥在出罐后暴露于空气，表层会形成氧梯度与类堆肥（compost-like）的微环境，具备产生并释放 N₂O 的机理基础。
2.1 iUAS 的核心思想：同位测量浓度与风场，构建“虚拟通量墙”
研究使用 iUAS（机载集成系统）在飞行轨迹上以高频率同步记录 CH₄、N₂O（以及部分配置下的 C₂H₆、CO₂）浓度、风速风向、温度/湿度/气压与三维定位。通过在目标区域上风与下风飞行多条垂直墙面（wall flights），将墙面上的“气体浓度 × 垂直于墙面的风速分量”积分得到穿墙质量通量，再对比上风输入与下风输出，获得目标区域的净排放（export − import）。该方法可适配从单个污泥堆到公顷尺度构筑物群的不同面积，并能在复杂厂区中进行源区分离。
2.2 Aeris 机载气体分析仪配置：从单气体到多气体同步
研究共使用两套无人机系统。iUAS-1 以 DJI Matrice 300 为平台，按任务选择搭载 Aeris Mira Pico CH₄ 或 Aeris Strato N₂O（单次飞行一台气体分析仪）。每台分析仪质量约 1.9 kg，适配 2.3 kg 的最大载荷；系统配备 Trisonica 风速仪（安装于螺旋桨上方的碳纤维杆上），并辅以气压、气温、相对湿度等传感器与数据记录器。iUAS-2 采用更大载荷的 Airolit Explorian XLT（最大载荷 5 kg），可同时挂载 Aeris Strato CH₄/C₂H₆ 与 Aeris Strato N₂O/CO₂，实现 CH₄ 与 N₂O 的同步观测，并继续搭载 Trisonica 风速仪与同类辅助传感器。研究还通过“呼气测试”标定进气管路延迟（iUAS-1 约 8 s；iUAS-2 约 5.5 s），并采用外接电池在起飞前持续供电以缩短传感器稳定时间。
2.3 Aeris 传感器在本研究中的“应用优势”归纳
3.1 全厂尺度排放量级与源区贡献
在 12 座完整污水厂与 1 座集中污泥贮存设施的观测中，总 CH₄ 年排放量范围为 3.7–471 t CH₄·yr⁻¹，平均 78% 来自污泥贮存；总 N₂O 年排放量范围为 1.9–68.3 t N₂O·yr⁻¹，平均 47% 来自污泥贮存。更重要的是，研究在 5 座厂的 AD 污泥堆场发现“持续且普遍”的 N₂O 排放，其强度约为污泥 CH₄ 排放的 8.6 ± 2.5%（按质量比），并在 100 年尺度 CO₂ 当量中贡献了污泥贮存排放的 46 ± 7%。
3.2 与 IPCC/国家 Tier 方法的对比：观测值普遍更高
将基于 iUAS 的观测年排放与 IPCC Tier 1 及瑞典 Tier 2 的 EF 估算比较，CH₄ 在除一座厂外均高于 Tier 1，且多数厂也高于 Tier 2；N₂O 在多数厂同样高于 EF 估算。按平均倍数计，观测推算相对 EF 的差异达到 CH₄ 约 4.4–6.3 倍、N₂O 约 2.9–3.0 倍，折算为 CO₂ 当量后仍有约 3.1–3.4 倍的差距。总体上，N₂O 的质量排放相当于 CH₄ 的 8–160%（中位数 14%），并主导总 CO₂ 当量（45–95%；平均 65 ± 18%）。
3.3 影响排放的关键控制因子：污泥“年龄”比气温更关键（在 >5 ℃ 时）
结合本研究与前期数据，作者指出：在气温高于 5 ℃ 的条件下，污泥堆 CH₄ 排放更受“污泥堆放时间/污泥年龄”影响，而非外界温度本身；这也解释了不同厂因污泥堆管理方式（从仅短暂堆放数周到按月堆放并可持续一年）而出现的排放跨度。基于此，作者在年尺度估算中采用了保守假设：5–30 ℃ 使用平均通量、低于 5 ℃ 视为无通量，并指出未来变暖会增加 >5 ℃ 天数从而提高排放风险。
4.1 “同位多气体”揭示被忽略的 N₂O 源项
研究第一阶段（iUAS-1）因假设污泥 N₂O 可忽略而优先进行 CH₄ 飞行；第二阶段（iUAS-2）凭借更大载荷实现 CH₄ 与 N₂O 同步测量后，才发现污泥堆 N₂O 排放在各厂普遍存在且不容忽视，并据同步测得的 N₂O/CH₄ 比值回算了第一阶段未测得的污泥 N₂O。这一过程凸显了 Aeris Strato CH₄/C₂H₆ 与 Aeris Strato N₂O/CO₂ “同机同飞”的价值：在同一风场与同一时间窗口内获得两种关键温室气体的协同证据，显著降低分时测量带来的系统性误差，也更容易识别以往 EF 框架中被设为零的源项。
4.2 “独立 iUAS 数据链”提升了场尺度通量反演的可追溯性
作者强调 iUAS 的关键在于“所有传感器在机”，从而避免依赖外部风廓线、单点气象站或其他假设。在通量墙算法中，气体分析仪输出的体积分数（ppm/ppb）与机载气压/温度共同进入理想气体方程，再与墙面法向风速分量相乘得到瞬时通量密度并积分。风速随高度变化显著，若缺少同位风测量将直接影响通量估算。因此，Aeris 传感器的高频浓度数据与 Trisonica 风速仪的同位风场数据共同构成了“第一性原理”式的通量链条。
4.3 对减排策略的启示：污泥堆与氮处理单元都需纳入优先清单
该研究表明，在采用厌氧消化的 WWTP 中，污泥露天堆放可能同时驱动 CH₄ 与 N₂O 的显著排放，且 N₂O 在 CO₂ 当量中可占主导。这意味着仅聚焦氮处理单元的 N₂O 控制或仅聚焦沼气系统的 CH₄ 泄漏控制都可能不够；而要制定“投资回报更高”的减排组合，需要首先用可分区、可定量的方法识别各厂的主导源项。作者指出，多数厂对 CH₄ 有常规监测但缺少对全尺度污泥堆的代表性测量，对 N₂O 更几乎不做常规监测；iUAS（及类似方法）可用于发现源区、论证投资、并在实施后评估减排效果。
总体而言，该研究以多厂站、场尺度的 iUAS 观测证明：采用厌氧消化的污水处理体系中，实际温室气体排放可能显著高于 EF 清单估算，并首次在多座厂的全尺度污泥堆场下证实了大且一致的 N₂O 排放。方法层面，Aeris Strato CH₄/C₂H₆ 与 Aeris Strato N₂O/CO₂ 的同步机载测量、以及 Aeris Miro Pico CH₄ 在小载荷平台上的部署，为 WWTP 复杂源区的“多气体、同位、可分区”定量提供了硬件基础，使得识别新源项、校正排放因子与优化减排优先级成为可能。
参考文献
Gålfalk, M.; Bastviken, D. In situ observations reveal underestimated greenhouse gas emissions from wastewater treatment with anaerobic digestion – sludge was a major source for both CH₄ and N₂O. Environmental Science & Technology https://doi.org/10.1021/acs.est.5c04780
上海奕枫仪器设备有限公司 CopyRight 2009-2019 All Rights Reserved. 沪ICP备07031178号
