GIS技术在机动车尾气排放扩散模拟方向的应用

从排放因子的确定、排放模型的选取和模拟结果与GIS技术结合三方面研究了城市机动车尾气排放扩散特征:总结和评述了确定排放因子的方法、排放扩散模型的发展以及国内外学者在机动车尾气排放扩散模型与GIS技术结合方面所做的工作;从数据获取、排放扩散模型的建立、计算分析、可视化等方面提出了一些改进方法.     

应用COPERTⅢ模型计算中国机动车排放因子

介绍了计算机动车污染物排放因子的COPERTⅢ模型,并根据中国机动车实际构成、行驶工况和燃油特征确定了模型所需参数,然后应用该模型计算得到了2002年中国机动车排放CO、NO_x、NMVOC和PM的排放因子.通过比较COPERTⅢ模式、MOBILE模式和台架测试得到的中国机动车排放因子发现,应用COPERTⅢ模型计算获得的排放因子更接近中国机动车实际排放情况.     

机动车排放模型的研究进展

综述了美国机动车的排放模型，讨论了美国环保局(USEPA)颁布的机动车源排放模型(MOBILE)、加州空气资源局(CARB)认证的排放因子模型(EMFAC)以及由加州大学河边分校和密西根大学主持研究的综合模式排放模型(CMEM)的发展、分类及最新重点模型版本，提出了建立基于我国情况的排放因子模型组的思路。     

基于遗传算法的运行模式分布模型及排放测算

针对交通系统易于收集到的平均速度,以及排放模型计算所需的运行模式分布参数,建立基于平均速度的运行模式分布模型,并采用遗传算法对模型进行优化.对比所建立模型、MOVES模型中的行驶周期所获取数据与真实数据之间的排放结果差异,发现本模型有82.5%的区间平均排放率预测误差低于MOVES,本模型的最大误差为50.0%,而MOVES模型为304.2%.使用本模型评价了北京市限行前后污染物排放情况,发现限行后二环路高峰小时HC、CO、NO_x总体排放依次减少了9.58%、11.41%、0.49%.与真实值相比,预测值R²方高于0.700,预测误差大幅度低于MOVES模型预测误差,并实现对交通策略下路网排放的动态评价应用.     

北京市机动车尾气排放因子研究

通过调研北京市机动车车型构成、车辆行驶工况、环境温度、油品品质等基础数据,利用COPERTⅣ模型计算了机动车尾气中CO、NOx、HC和PM的排放因子.应用车载测试系统对典型轻型汽油客车和柴油货车的实际道路排放因子进行测量,并将测量结果与模型计算结果对比,结果发现国Ⅳ标准下,轻型汽油客车的CO排放因子的实测数据是模型数据的0.96倍,NOx的实测数据是模型数据的0.64倍,HC的实测数据是模型数据的4.89倍.对于国Ⅲ排放标准的柴油货车,轻型、中型和重型货车的CO排放因子,实测数据分别是模型数据的1.61、1.07和1.76倍,NOx排放因子的实测数据是模型数据的1.04、1.21和1.18倍,HC排放因子的实测数据是模型数据的3.75、1.84和1.47倍,PM排放因子则为模型数据是实测数据的1.31、3.42和6.42倍.     

重型柴油车实测排放因子和MOBILE6预测值的对比分析

利用车载尾气检测技术(PEMS)可以获得实时的机动车排放数据.笔者利用PEMS实测了重型柴油车的排放数据,在此基础上分析了CO、HC、NOx和PM的排放因子与速度、加速度的关系,同时使用MOBILE6模型,经过模型参数的校正,从而得到相应的预测排放因子,最终对排放因子的实测值、MOBILE6模型预测值以及欧Ⅱ的排放标准估测值进行了对比分析.     

运用CMEM模型计算北京市机动车排放因子

采用由美国加州大学Riverside分校开发的综合模式排放模型(CMEM)分析和研究北京市机动车污染物的排放特征,以9辆代表北京市典型技术类型的轻型机动车为实验车辆,收集了运行CMEM模型所需要的数据和参数.通过CMEM模型Access 2.02版本计算,得到了在不同交通行驶状况下北京市4类典型轻型机动车的CO2,CO,HC,NOx单车排放因子及各车型综合排放因子.通过与同一车辆的在路实测排放因子比较发现,用CMEM模型计算的CO,HC和NOx与实测排放因子及排放特征有较好的一致性,因此适用于计算北京市机动车CO,HC和NOx排放因子.      

不同排放标准下大型柴油客车实测排放因子与MOBILE6预测值的对比分析

在利用先进的车载尾气检测技术（PEMS）收集了我国大型柴油客车尾气的实时排放数据的基础上,分析了不同排放标准下车辆（国Ⅰ、国Ⅱ、国Ⅲ）的CO、HC、NOx和PM排放因子与速度的关系;使用MOBILE6模型,经过模型参数校正,预测了相应车辆的排放因子,并与不同排放标准下的车辆排放实测值进行对比,从而验证了MOBILE6模型对我国大型柴油客车尾气排放预测的适用性。     

中国机动车排放模型的研究与展望

通过介绍美国环保局(USEPA)颁布的机动车源排放模型(MOBILE)的发展、分类及最新模型版本,提出了根据这一思路开发的中国机动车排放模型.重点介绍了机动车类型划分、基本排放因子测试及有关修正因子的确定等.      

炼油企业碳排放估算模型及应用

随着石油产品需求不断增长,中国炼油企业CO2排放量占石油工业比重大幅上升。相较于发达国家,中国炼油企业CO2排放核算起步较晚,尚未形成通用的核算方法及模型,不利于炼油产业节能减排。分析了中国炼油企业碳排放现状,将炼油企业碳排放源分成燃烧排放、工艺排放、间接排放3类,构建了中国炼油企业碳排放估算模型。模型应用结果表明:1 250万t原油加工规模的炼油企业碳排放量为461.118万t,其中工艺排放占比55%,燃烧排放占比38%,间接排放7%。该模型能够快速有效估算炼油企业碳排放量,为相关企业节能降耗提供参考。     

北京市机动车污染物排放特征

定量分析计算机动车污染物排放特征 ,对城市汽车污染控制决策具有重要意义 .在利用实测数据确定基本参数的基础上 ,用 MOBILE5模型计算了北京市机动车污染物排放因子 ,获得了城区和全市机动车污染物排放总量和排放分担率 ,并分析了不同车型车种在城市区域汽车污染中的贡献率 .结果表明 ,北京市城区 CO,HC和 NO_x 的排放总量中 ,汽车源排放分担率分别为 :78% ,83%和 46% .     

基于路网车流量的北京城市副中心机动车污染控制情景

应用基于路网车流信息的情景分析方法,对北京城市副中心地区依据不同控制情景,以2015年为基准年建立机动车尾气排放清单.通过计算未来年路网车流信息和各情景下实际路网机动车污染物的排放清单,预测2020年和2025年的污染物排放变化.结果表明,未来10年北京城市副中心路网密度和机动车行驶里程持续增长,与基准情景相比,各控制情景对污染物排放量均有削减,新能源车推广情景对各污染物减排效果显著,且对NOx和PM的减排效果更好.外埠车限行情景对各污染物减排效果均较为显著,淘汰高排放车措施在短时间内削减效果显著,但长期削减效果较弱.综合情景对污染物的削减率达到最佳,机动车污染物CO、NOx、HC和PM排放量分别下降39.0%、58.7%、49.2%和55.5%.     

IVE机动车排放模型应用研究

对IVE模型进行了系统分析和介绍,以北京市为研究对象给出了模型的主要输入参数的确定方法和思路,运用IVE模型对北京市不同车型车队的排放进行计算。结果显示：公交车和卡车的排放因子明显较高,特别是颗粒物排放因子,分别为普通轻型车的14和44倍。北京市机动车的CO、VOC、NOx和PM的平均日排放总量分别为2767.4、182.5、353.8和7.1t。对于CO和VOC,普通轻型车的分担率分别为42.0%和34.7%;对于NOx和PM而言,卡车的贡献率最高,分别达到66.3%和83.0%。此外,比较了IVE模型与MOBILE6模型的方法和计算结果,讨论了IVE模型在我国的主要应用优势。     

基于情景分析的北京市机动车污染排放控制研究

为了研究未来北京市机动车排放控制措施的减排效果,本文基于情景分析法,以2010年为基准年,通过设置3类控制措施情景,估算2011~2020年不同情景下北京市机动车常规污染物排放量,并在基准情景基础上,估算污染物减排量,分析控制措施对不同类型机动车的减排贡献.结果表明,尽管未来北京市机动车保有量会有较大增长,实施机动车排放控制措施仍可取得显著的减排效果.单一措施中,淘汰高排放车减排量最大.其中,淘汰轻型客车可有效减少CO的排放,减排贡献率为89.4%;淘汰重型客车可对NOx、HC和PM10达到有效削减,其贡献率分别为65.5%、55.8%、93.4%.实施新的排放标准对重型柴油车的排放也有明显控制效果,且4种污染物都能得到有效削减.综合实施各种措施的效果最为显著,2020年对CO、NOx、HC、PM10的削减效果分别达到46.4%、42.1%、8.6%和50.6%.     

北京市机动车污染分担率的研究

研究建立了以GIS为平台的北京市机动车排放清单,获得了北京市规划市区内分车型以及分区域的机动车排放分担率.在此基础上,采用修正的ISCST3模型模拟了1995年规划市区CO和NO_x浓度的时空分布情况,并分析了机动车排放对北京市大气浓度的贡献率.结果表明,1995年北京市规划市区CO和NO_x的年排放分担率分别达到了76.8%和40.2%;相应的年浓度分担率则分别为76.5%和68.4%,在城市中心区以及道路边2种污染物的浓度分担率则更高.因此,在北京市对机动车排放污染实施控制是有效削减CO和NO_x的主要途径.     

APEC会议期间北京机动车排放控制效果评估

机动车尾气排放是影响北京市大气环境质量的首要因素,为了保障APEC期间的空气质量,北京市采取了包括控制机动车排放在内的严格的控制措施.本研究基于路网车流量、车速和车型变化数据,提出了一种基于自下而上排放清单的控制措施效果评估方法.结果表明,APEC会议期间北京市路网车流量下降,车速上升,小客车的车流量下降幅度最大;APEC会议期间机动车尾气CO、NO_x、HC和PM排放削减比例分别为:快速路15.1%、22.4%、18.4%和21.8%,主干道29.9%、36.4%、32.7%和35.8%,次干道35.7%、41.7%、38.4%和41.2%,支路40.8%、46.5%、43.1%和46.0%.基于自下而上的排放清单方法,建立了APEC会前和会期的机动车尾气排放清单,结果显示研究区域内会期机动车尾气排放量CO、NO_x、HC和PM排放量分别削减37.5%、43.4%、39.9%和42.9%.     

北京市轻型汽车排放新标准

如何有效地控制汽车污染,已经成为我国一些大型城市迫切需要解决的问题．对北京市机动车污染状况的调查分析表明,NOx和CO的排放分担率已达41％和82％;在4种不同控制方案的排放削减效果与成本计算中发现,严格的新车排放标准,才能有效地削减NOx排放;而且,这些严格的排放标准方案具有更低的削减成本,因此,在具备可行性的前提下,北京市应该尽可能采用严格的新车排放标准方案,才能尽快控制汽车排放污染,改善城市大气环境质量．     

应用受体模型(CMB)对北京市大气PM_(2.5)来源的解析研究

为研究影响北京市大气环境PM2.5污染水平的主要来源,于2012年8月—2013年7月,依托北京市大气地面观测网络在10个监测点采集的491 d(次)大气PM2.5有效样本,对其化学组分进行了测试分析;从城市大气污染源组成出发,建立和完善了5类固定点源、2类流动源、4类无组织面源的PM2.5排放成分谱.应用受体模型(CMB)开展了来源解析研究.结果显示:1观测期间大气环境PM2.5的来源主要包括:一次来源机动车(16%)、燃煤(15%)、土壤尘(6%)、二次硫酸铵和硝酸铵(36%),以及有机物(20%)和其他未识别来源(7%);与历史解析结果相比,燃煤源分担率有所下降,二次无机盐与有机物分担率上升,且二次硝酸盐有赶超二次硫酸盐之势;2从主要组分的来源看,观测期间环境大气PM2.5中近25%的硫酸盐来自于燃煤锅炉和电厂排放,17%的有机物来自机动车排放;3北京市PM2.5来源类型大致相同,但各点位PM2.5来源种类和分担率具有一定差异,对一些排放量较大的局地排放源有比较明确的响应.研究表明,开展区域性PM2.5治理、大力削减前体物、严格控制本地机动车、燃煤等PM2.5排放都是改善北京市空气质量的重要途径.     

道路机动车温室气体排放评估与情景分析:以北京市为例

基于LEAP模型（long-range energy alternatives planning system）评估北京市历史阶段（2000—2018年）道路机动车温室气体排放量的变化规律,并设置5种情景预测未来阶段（2019—2030年）机动车保有量、能源需求、温室气体排放量的发展趋势,探究达峰年份,寻求最优发展路径。结果显示:未来北京市机动车保有量仍将持续增长,但平均年增长率降低至1.63%。机动车温室气体排放总量已于2013年达峰,峰值为21758563 t CO_2e,对应能源消耗量为306383 TJ,未来所有情景下机动车温室气体排放量均呈不同程度下降。单一措施中提高机动车燃料经济性的减排效果最佳,综合3种减排措施的ODS情景（最优发展情景）是最优发展路径。     

京津冀地区机动车细颗粒物污染的健康影响分析

机动车尾气排放对城市空气污染的影响日益严峻，而对特定污染源大气污染排放特征及健康影响进行评估可以为环境空气质量管理提供科学依据.以PM_2.5为研究对象，分析京津冀地区2010～2020年机动车污染排放特征、导致的健康效应与经济损失.结果表明，2010～2020年间京津冀地区机动车PM_2.5排放量呈现先逐年递增后缓慢下降的趋势；不同车型污染物排放贡献率显示，重型货车和重型客车为PM_2.5主要贡献车型；不同城市机动车污染物排放特征存在差异，北京市污染物贡献率下降幅度明显，其余城市污染减排也不容忽视.机动车PM_2.5污染对人群健康影响的评估结果表明，京津冀地区各健康终端发生人数总体呈上升趋势，其中，2020年PM_2.5污染造成约34 337人(95%CI:9 025～57 209人)早逝、4.55万人(95%CI:1.08～8.02万人)住院、 28.23万人(95%CI:14.05～41.63万人)门诊及43.90万人(95%CI:16.03～67.92万人)患病；研究期间(201...