唐山市机动车排放清单与减排经济效益研究

基于唐山市机动车定期环保检测数据获取不同类型车辆的本地年均行驶里程,建立城区内典型车辆的"里程-注册年"特征曲线.采用车载排放测试法获取唐山市典型国Ⅵ阶段轻重型汽车实际道路排放因子.利用COPERT模型进行机动车排放因子本地化修正,建立涵盖不同排放阶段和燃料动力类型的唐山市机动车排放清单,结合唐山市路网信息,建立基于ArcGIS的3km×3km高时空分辨率网格化排放清单,并分析了国三及以下中重型柴油车（简称高排放车）不同淘汰与DPF排放治理比例情景下机动车减排与投入成本效益.研究表明,2020年机动车CO,HC,NOx,PM_2.5,PM₁₀年排放量分别为92403.51,10034.53,70568.35,2036.51,2160.65t,其中：NO_x,PM_2.5和PM₁₀排放主要来源于柴油车,分担率分别为92%,89%和89%;CO和HC排放主要来自汽油车,分担率分别为71%和73%.唐山市实施二环内国Ⅳ及以下柴油货车限行区政策后,二环内CO和HC年排放量削减率分别为22.41%和21.68%;而NO_x,PM₁₀和PM_2.5污染物排放强度显著降低,年排放量削减率分别为78.60%,84.85%和84.79%.在高排放车淘汰与治理情景下,随着高排放车淘汰比例的增长,投入成本和NO_x年均减排量呈线性上升趋势,且NOx减排效果更加显著,而PM减排辆略呈下降趋势.高排放车淘汰率每增长10%,NO_x年均减排量增加892.41t,PM年均减排量减少7.56t,年投入成本增加1.13亿元.     

大城市机动车污染物排放与控制的情景预测

机动车排放控制措施的有效实施对改善城市大气环境质量具有重要意义. 以北京市为例,利用情景预测法评估2011—2020年各项控制措施对城市机动车常规污染物(CO、NO_x、HC、PM₁₀)的削减效果.建立Gompertz模型并估算动态车龄分布以预测机动车保有量,运用排放因子法估算6种机动车排放控制情景的污染物削减量. 结果表明:与基准情景相比,轻型客车保有量调控情景对CO、HC和PM₁₀的削减效果较显著,在2020年可分别削减7.81%、9.88%和5.78%;排放标准更新情景对4种污染物均能有效削减,尤其是对NO_x和PM₁₀,可分别削减21.19%和24.67%;而淘汰高排放机动车情景的短期削减效果显著,但中、长期效果较差;新能源车推广情景因受到经济、技术条件的限制,削减效果较弱;综合情景考虑了以上所有的削减控制措施并达到最大的削减效果,2020年对CO、NO_x、HC和PM₁₀的削减率分别达到29.45%、42.54%、28.04%和41.30%,与基准年(2010年)相比,分别削减约2.81×105、0.63×104、3.77×104和0.17×104t.      

基于LEAP模型的兰州市道路交通温室气体与污染物协同减排情景模拟

基于LEAP模型,构建了2015～2040年兰州市道路交通发展“零措施”的基准（BAU）情景以及低碳（LC）和强化低碳（ELC）这2个节能减排情景,模拟评估各项政策和措施下能源消耗情况和温室气体与大气污染物协同减排效果.结果表明,LC情景能源消耗和CO₂排放将于2026年达峰,ELC情景能源消耗和CO₂排放将于2020年达峰;两种情景下,NO_x、 CO、 HC、 PM_2.5和PM₁₀等污染物排放量于2015～2017年间开始出现大幅下降,下降趋势于2023年前后逐渐减缓.结合措施可行性和减排成本,LC情景可作为兰州市道路交通碳达峰减排情景：到2040年能源消耗量、 CO₂、 NO_x、 CO、 HC、 PM_2.5和PM₁₀排放相对于BAU情景的削减率分别达到-24.17%、-26.57%、-55.38%、-65.91%、-72.87%、-76.66%和-77.18%.兰州市道路交通当前应以公共...     

考虑车辆类型变化的中国乘用车排放特征

通过引入Lotka-Volterra模型预测了中国未来30年的乘用车竞争趋势;通过引入CHG、VOC、CO、SO₂、PM_2.5、NO_x6类污染物更新了全生命周期清单;并据此建立了政策影响模型和敏感性模型评估电动化、轻量化和清洁化政策情景减排效果.结果表明,乘用车市场的主要竞争力来源于新能源与传统能源的竞争,且纯电动与混合动力乘用车呈S型曲线发展,汽油乘用车占比由92%减少到1%;全生命周期中,纯电动乘用车对CHG、VOC、CO减排效益最优,为20%~85%;汽油与天然气乘用车对SO₂和PM_2.5的减排效益最优,为50.0%;3类情景下税收补贴类政策敏感性最强,CHG、VOC和CO的最优减排情景为电气化情景,PM_2.5、NO_x的最优减排情景为清洁化情景,而SO₂的最优减排情景则为整车轻量化.     

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%.     

京津冀地区非道路机械清单建立与政策情景分析

非道路机械是大气污染物的重要来源,已经逐渐引起了人们的关注.本研究旨在建立2020年京津冀地区典型非道路机械排放清单,分析排放控制政策和成本.结果表明：2020年京津冀地区典型非道路机械CO、HC、NO_x、PM_2.5、SO₂的排放量分别为286.96×10³、232.17×10³、364.30×10³、34.15×10³、4.14×10³ t.农业机械的排放量明显大于建筑机械的排放量,约占总量的46.36%～91.62%.在综合情景(IS)下,2030年CO、HC、NO_x、PM_2.5、SO₂的排放量与2020年基准情景(BAU)相比分别增加了-54.16%、-33.76%、-42.46%、-54.07%、-10.37%.在单一控制措施下,更新排放标准(UES)对5种污染物的减排效果最好,淘汰老旧非道路机械(CIV)对NO_x和P...     

上海市机动车尾气排放协同控制效应研究

以2007~2012年为一个时间序列,通过详细调查上海市机动车道路交通等基础资料对机动车各污染物排放量进行测算,并利用协同控制坐标系评价方法,设计单一措施、结构性措施和综合性措施等3种机动车污染减排控制情景.结果表明:2007~2012年,上海市机动车污染物年排放量呈递减趋势,其中摩托车(MC)、小型汽油客车(LDGV)、重型柴油货车(HDDT)和大型柴油客车(HDDV)是机动车污染物主要的排放源,其排放量总和占到机动车污染物总量的90%以上.按当前上海市机动车保有量增长速度,2018年机动车尾气排放的可吸入颗粒物(PM₁₀)增长7%,温室气体增长比例为15%~108%,其中二氧化碳(CO₂)增长比例达到45%以上.在各控制情景下污染物和温室气体均有不同程度下降,但减排效果有明显差异.在单一措施控制情景下,淘汰黄标车和提高排放标准对两类污染物的削减效果明显,削减比例均在20%以上;而结构性控制措施对这两类污染物的削减尤为明显,削减比例达到40%以上且正向协同效应突出.     

疫情背景下的福建省高速公路机动车污染物排放清单

机动车排放污染物已经成为大气污染的重要来源.基于福建省高速公路交通流量数据,采用自下而上的计算方法建立了2020年1—7月福建省高速公路机动车高分辨率污染物排放清单.结果表明,受疫情影响,福建省高速公路月均车流量和污染物排放量呈先下降后上升的变化趋势,4月污染物排放量达到最低,5月污染物排放量又迅速恢复到疫情前的排放水平,其中,疫情中期污染物CO、HC、NO_x、PM_2.5和PM₁₀排放较疫情后期分别减少了90.68%、89.06%、92.58%、89.58%和89.63%.在整个研究期内,不同城市高速公路机动车污染物排放的分担率有所不同,泉州、福州和漳州的高速公路机动车排放分担率较高;从车型来看,小型客车和轻型货车是CO和HC的主要贡献车型,NO_x和PM主要来自重型货车和轻型货车;从燃料类型来看,汽油车是CO和HC的主要贡献源,柴油车则对NO_x和PM贡献突出;从排放标准来看,国三和国四车对各项污染物的贡献率最大.各项污染物空间分布一致,排放高值区位于东部沿海地区路段,西部内陆的...     

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%.     

基于典型城市隧道观测的机动车排放年际变化与控制政策评估

为探究典型城市机动车污染物排放特征和年际变化,分别于2017年、2019年和2021年在天津城市隧道开展机动车污染物排放观测研究,并对交通排放政策控制效果进行量化评估.结果表明,2021年天津市混合车队的NOx、CO和PM_2.5平均排放因子分别为(30.1±4.2)、(316.4±23.9)和(6.9±1.5) mg·km-1·辆-1,比2019年分别降低了51.2%、22.3%和17.9%,比2017年分别降低了62.3%、33.0%和25.8%.污染物排放呈明显的日变化特征,0:00—5:00时段车队平均排放因子显著高于白天,这与柴油车占比高度相关.通过最小二乘法线性回归分析发现,2021年观测期间隧道内柴油车NOx、CO和PM_2.5平均排放因子分别为403.7、1597.4和112.8 mg·km^-1·辆^-1,分别是汽油车排放因子的18.4、5.3和34.2倍.基于排放因子年际变化的政策评估分析表明,老旧车淘汰政策对NO_x、CO和PM_2.5减排分别贡...     

北京一次重污染过程的天气成因及来源分析

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日~3月6日一次PM_2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明：此次重污染过程北京市PM_2.5浓度存在明显日变化,在3月4日20：00达到污染峰值,观测数据显示海淀站PM_2.5浓度达到506.4μg/m³.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM_2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM_2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4~50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50~80h,山西源贡献占主导地位,贡献比例在50%以上.     

京津冀煤改电对PM2.5浓度的影响

基于WRF-Chem模型,结合气象要素,从PM_2.5浓度的消减量及时空变化特征等方面模拟分析了煤改电政策实施前后京津冀地区采暖期（2018年11月~2019年3月）PM_2.5的排放变化.结果表明,WRF-Chem模型很好地模拟了京津冀地区PM_2.5浓度变化,北京、天津和石家庄模拟值与观测值的相关系数分别为0.66、0.66和0.52,表现出良好的相关性.煤改电政策的实施对京津冀重点地区PM_2.5减排效果明显,PM_2.5日均减少量分布在0.2~6.1μg/m³,减少比例分布在1.2%~7.8%.PM_2.5小时均值变化显示,2018年12月PM_2.5减少量分布在0.4~8.3μg/m³,减少比例分布在2.3%~7.7%.其中,北京大兴区减排量达8.3μg/m³,天津地区减排比例达7.7%.在特殊气象条件下,煤改电政策影响范围可扩散至山东、江苏、河南北部以及山西西部,PM_2.5小时均值减少量最大超过50μg/m³.     

京津冀地区居民采暖"煤改电"的大气污染物减排潜力与健康效益评估

散煤燃烧等低矮面源的排放对京津冀等地区采暖季ρ（PM_2.5）贡献较大,是重污染天气形成的重要原因之一.针对京津冀地区居民采暖“煤改电”治理工程,以2025年为目标年,以不做任何散煤治理工作为基准情景,同时设计2种不同的控制情景（控制情景1、控制情景2）,评估不同控制情景下“煤改电”带来的健康效益.通过综合考量民用散煤占燃煤消费量的比例、散煤PM_2.5排放强度,结合京津冀地区各城市PM_2.5源解析结果,确定民用散煤对大气环境ρ（PM_2.5）的贡献系数,计算空气质量改善情况.在此基础上,综合流行病学相关研究成果,运用环境健康风险评估方法,预测不同控制情景中京津冀地区居民采暖“煤改电”带来的健康效益.结果表明:①京津冀地区在控制情景1中ρ（PM_2.5）年均值分别下降4.9、4.9和1.1 μg/m3,在控制情景2中分别下降5.4、5.6和2.0 μg/m3;②在控制情景1、控制情景2中京津冀地区居民采暖“煤改电”带来的健康效益分别为266.55×108和352.34×108元,分别约占京津冀地区2015年GDP的0.38%和0.51%.研究显示,通过实施”煤改电”,京津冀地区可实现的健康效益相当可观,其中,北京市获得的健康效益最大,其次是河北省和天津市.      

北京及周边地区夏季PM2.5中含碳组分污染特征与来源解析

为研究《打赢蓝天保卫战三年行动计划》等政策实施后北京及其周边区域夏季环境PM_2.5含碳组分特征及来源,2019年7月分别在北京城区与河北郊区的2个站点同步连续采集大气PM_2.5样品,利用热光碳分析仪分别测定了有机碳(OC)和元素碳(EC)及其组分的质量浓度;通过最小OC/EC比值法、最小相关系数法估算了二次有机碳(SOC)浓度;利用主成分分析、后向轨迹分析等方法探究了含碳气溶胶的来源。结果表明:夏季北京城区PM_2.5中ρ(OC)和ρ(EC)平均分别为(6.34±0.64),(1.96±0.29)μg/m3,分别占ρ(PM_2.5)的18.65%和5.78%;河北郊区PM_2.5中ρ(OC)与ρ(EC)平均分别为(6.29±0.79),(3.54±0.63)μg/m3,分别占ρ(PM_2.5)的17.69%和9.53%。2种方法估算出北京城区的ρ(SOC)分别为(3.35±0.59),3.98μg/m3,分别占ρ(OC)的(51.77±6.97)%和68.48%;河北郊区的ρ(SOC)分别为(3.28±0.69),4.17μg/m3,分别占ρ(OC)的(62.42±9.62)%和68.32%。此外,夏季北京城区与河北郊区均存在较为严重的二次污染;北京城区含碳组分主要污染源是混合机动车排放、道路扬尘及燃烧源;而工业燃煤排放、机动车尾气及扬尘是河北郊区含碳组分的主要污染源。后向轨迹分析发现,夏季气团轨迹主要来自东南、西南及偏南方向,且对北京城区与河北郊区2个区域PM_2.5中碳组分的影响较大。     

2015年冬季京津冀两次重污染天气过程气象成因

为了分析京津冀地区2015年11月27日~12月1日和12月19日~25日这2次重污染过程,从环流形势、大气稳定度条件、动力条件、水汽条件、近地层风场输送等几个方面对重污染天气的形成机制展开分析,结果表明：这2次重污染天气过程均属于静稳型,津京冀各地重度以上污染时长均超过50%.在大范围静稳形势存在时,过程一期间边界层内的垂直扩散条件较过程二偏弱,过程一期间地面辐合线位置偏北且维持不动,过程二期间辐合线位置偏南且略微南北摆动,导致了2次过程重污染区域和污染增长速率的不同.对北京而言,过程一前期降雪融化提供了有利水汽条件,弱偏南风有利于污染物和水汽的输送,混合层高度持续异常偏低（京津冀平均混合层高度339m）、过程期间伴随弱下沉运动（0~2Pa/s）、多层逆温（且厚度大）造成日变化不明显,地面辐合线在北京中部维持等多重因素,使得污染浓度极高,北京地区PM_2.5峰值浓度达593mg/m³.过程二前期采取了减排措施,能见度和PM_2.5日变化大、污染发展较过程一前期平缓;后期不利气象条件叠加污染排放,导致了PM_2.5爆发式增长,其中邢台PM_2.5峰值浓度达70mg/m³,增长率超过7.2mg/（m³·h）.     

京津冀农业源氨排放对PM2.5的影响

根据收集的京津冀区域农业氨排放源活动水平数据,使用排放因子法建立了2014年京津冀地区农业氨排放清单.结果表明,2014年京津冀地区农业源氨排放总量为1750695t,平均排放强度为8.09t/km²;河北省、北京市和天津市农业氨排放量分别为1594087t、58822t和97786t.;猪和蛋鸡是畜禽养殖业中氨排放的主要来源,分别占31.29%和26.07%.模拟结果表明,农业氨减排使京津冀地区PM_2.5的年均浓度下降12.04μg/m³,下降比例约为18.36%,4月份和7月份农业氨减排对PM_2.5的影响较大,而1月份影响较低;农业氨减排使无机盐（硫酸盐+铵盐+硝酸盐）的年均浓度下降10.00μg/m³,年均浓度下降比例为41.84%,对硝酸盐的影响最大,铵盐次之,硫酸盐最小.     

京津冀一次重污染过程的成因和来源

2016年12月16~21日,京津冀地区经历了一次大范围重污染过程.本文基于空气质量监测资料及实况天气图分析了此次极端区域重污染事件的天气成因,并利用嵌套网格空气质量预报模式（NAQPMS）对京津冀主要城市PM_2.5污染来源进行定量解析.结果表明：污染前中期500hPa高空为偏西气流伴空中回暖,后期转槽前偏南气流增温增湿明显;对应地面气压逐渐降低,辐合不断增强;垂直方向上,逆温层不断抬升加厚,中低层暖平流明显,风垂直切变小;大气长时间处于极度静稳状态也是造成此次重污染过程的天气因素.污染期间,京津冀各主要城市PM_2.5污染本地贡献占40%~60%;北京市PM_2.5本地贡献为48%,其中16~17日北京市主要受沿太行山东侧的西南向输送通道（邯郸-邢台-石家庄-保定-北京）影响,其后风速减小,北京本地及周边城市贡献增大.     

不同季节天津市PM2.5与O3潜在源区及传输路径分析

为探究天津市各季节PM_2.5与O₃污染的非本地源贡献情况,本文以2017—2019年为研究时段,应用HYSPLIT模型,基于MeteoInfo软件对不同季节气流后向轨迹进行聚类分析,通过计算潜在源贡献因子(potential source contribution function, PSCF)、浓度权重轨迹(concentration-weighted trajectory, CWT)对天津市PM_2.5与O₃污染的外来潜在源区以及可能的污染传输途径进行研究. 结果表明:①天津市PM_2.5和O₃污染均较为严重,且具有明显季节性特征. 天津市各季节的气流变化明显,春、秋两季以西南方向气流为主,夏季以来自渤海的气流为主,冬季则以西北方向气流为主. ②天津市西南方向气流在各季节对应的污染物浓度均较高,春、秋两季西南方向气流携带的ρ(PM_2.5)和O₃浓度8 h滑动平均值〔简称“ρ(O₃-8 h)”〕均最高;夏季,西南方向气流携带的ρ(O₃-8 h)最高;冬季,西南方向轨迹携带的ρ(PM_2.5)最高. ③西南方向上河北省南部的邯郸市,山东省西部的菏泽市、聊城市,以及河南省北部的开封市、濮阳市、新乡市均为天津市PM_2.5与O₃污染的主要潜在源区. 此外,冬季张家口市和唐山市对天津市PM_2.5污染的潜在影响也较大. 冬季影响天津市PM_2.5污染的外来潜在源区情况较为复杂,除西南气流外,其还受西北部与东部气流的影响. 研究显示,天津市大气污染区域联防联控需重点关注河北省南部、河南省北部以及山东省西部城市的潜在输送影响.      

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_2.5传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_2.5浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_2.5以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%~66.01%,京津冀受区域外传输的贡献率范围为0.11%~26.54%.传输通量结果表明,冬季PM_2.5的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线性响应关系,主导风向变化导致重污染前的传输效应明显大于重污染期间,高湿环境的传输效应明显小于低湿环境.