杭州市机动车污染物排放清单的建立

基于调研的基础数据,运用修正后的IVE排放模型及GIS系统建立了杭州市2010年1km×1km的高时空分辨率的机动车排放清单.结果表明,2010年杭州市机动车污染物CO、HC、NOx、PM的年排放量分别为44.06,2.31,4.43,0.65万t,主要来自线源道路的排放.各车型污染物分担率各不相同,汽油乘用车和公交车排放CO和HC最大,柴油重型货车和公交车是NOx和PM排放的主要来源,两种燃油下的机动车排放差异十分明显.机动车污染排放与路网密集程度及道路长度密切相关,因此西湖区和江干区排放总量远远高出其他区域.机动车各污染物排放强度空间分布均呈现由城市中心向城市边缘的递减趋势,各污染物中心城区排放量占总排量的70%以上.机动车污染物排放日变化十分明显,与人群出行规律有极大的相关性.     

北京市机动车排放的空间聚类特征研究

城市交通排放是大气环境污染的主要因素,研究污染物排放的空间分布对制定减少排放的公共政策提供依据。该研究根据北京市城区路网车流数据计算机动车尾气排放量基于空间自相关分析和聚类分析的方法确定污染物排放的空间模式。结果表明:轻型汽车流量在路网中比例为93%,对CO和HC排放的贡献率分别为93%和89%重型汽车流量在路网中比例为6%对PM和NO_x排放的贡献率分别为92%和73%,摩托车的流量和污染物排放比例均较低;通过全局空间自相关分析发现,车流量和污染物排放强度的空间模式为聚集模式通过高/低聚类分析发现车流量和污染物总排放量的空间模式为高值聚集;热点图分析结果表明;北京市机动车尾气排放的热点地区主要位于二环至四环之间的中部和北部地区。     

基于城市功能区划分的道路机动车大气污染物排放清单研究——以厦门市海沧区为例

道路机动车尾气排放是造成城市近地面空气污染的主要原因之一,建立基于城市功能区划分的道路机动车大气污染物排放清单对改善中观尺度的城市空气质量具有重要辅助作用.本文以厦门市海沧区为例,基于城市功能区划分方法,结合各功能区内监测道路的机动车通行量实测数据,建立道路机动车大气污染物排放清单,并分析各功能区道路机动车大气污染物排放特征.结果发现,海沧区道路机动车尾气排放物中CO的排放贡献率最高,工业区和居住区的道路机动车大气污染物排放量对海沧区的空气污染贡献率最大,海沧区夜间大气污染物的主要排放源来自于工业区道路机动车大气污染物排放;生态服务区及公共管理与公共服务区的道路机动车排放特征受相邻工业区机动车大气污染物排放的影响较为显著.研究表明:城市功能区分布欠合理是导致道路机动车大气污染物高排放量的重要原因之一;基于城市功能区划分构建道路机动车大气污染物排放清单的研究方法,不仅可为中观尺度下的城市大气污染排放情况提供有效的调查途径,而且能为城市功能格局的合理规划提供重要的理论依据.     

成都市大气污染物排放清单高分辨率的时空分配

传统的污染物时空分配方法由于分辨率较低而常无法满足空气质量模拟的需要.本研究根据各污染源的排放特点,确定可用于高分辨率时空分配的识别因子和建立时空分配权重的估算方法,并以成都市为例,建立了2012年成都地区高分辨率时空分配清单.结果表明,根据清单的时空分配结果,成都市的污染物排放主要集中在成都市区、成都周边的工业区(特别是东部城区)及交通流量大的高速路地区,且排放时间大部分集中在冬季和春季.这与实际的污染排放来源及环境空气质量的实际监测结果较为一致.说明本研究提出的高分辨时空分配方法较为合理可靠,可以有效降低传统方法空间分配的偏差和提高分配结果的精度,可满足后续的空气质量模拟的需要.     

基于实际道路交通流信息的北京市机动车排放特征

通过模型模拟和调查统计方法获取了北京路网的车流量、车型构成和车速基础数据.基于具有时空分布特征的实际道路交通流信息和排放因子,以Arc GIS为平台构建了北京市机动车尾气排放清单,并分析实际道路排放特征及污染物排放的空间分布特征.结果表明,北京市城区各类型道路上小客车比例均在89%以上,郊区道路也为小客车比例最高,但小货车、中货车、大货车、大客车、拖拉机和摩托车均占一定比例.污染物排放强度与车流量呈正相关性,污染物排放强度总体上呈现白天高夜间底的趋势,但是郊区道路PM排放昼夜变化趋势不明显,高速路的PM排放强度夜间大于白天.污染物排放的空间分布为城区、南部、东南以及东北部接近城区的区域排放强度较高,西部山区及北部山区由于路网密度较小排放强度较低,城区环路和郊区高速公路附近由于车流量大,排放强度较高.     

机动车排放空间分配模型评估及应用

污染源排放清单及时空分布特征对大气污染管理至关重要,受数据采集量较大等因素的影响,应用自下而上的方法基于实际交通流信息计算机动车排放清单及分析空间分布特征具有一定困难,因此开展机动车自上而下的排放清单并进行空间分配模型及评估研究。该研究以北京城区为例,应用4种机动车排放的分配模型进行空间分布模拟,基于Hellinger距离参数对模拟数据和参考数据进行对比分析,对机动车排放的空间分配精度进行评估。结果表明:依据城市化面积比例、人口密度、主干路密度和城市化面积比例与主干道密度相结合的空间分配模型的模拟结果与参考数据之间的Hellinger距离分别为0.25、0.23、0.18和0.16,依据主干路密度的分配模型空间分配精度相对较高。     

轻型柴油车排放特性与机动车比功率分布的实例研究

引入机动车比功率概念研究了驾驶条件(DrivingCondition)对机动车排放的影响及二者间的关系.利用美国Sensors公司生产的SEMTECH-D车载排放测试仪在上海选取2辆轻型柴油客货两用车开展了实际道路排放测试.测试道路包括城市快速道、主干道和次干道,2辆轻型车测试的道路全长分别为31·8和39·7km.通过计算逐秒的比功率值,研究了实际行驶中机动车比功率(VSP)与机动车油耗、空燃比和污染物排放的关系.回归分析结果表明,比功率比加速度能够更好地反映与NOx排放之间的关系,不同道路上机动车的CO、TC、NOx排放速率和油耗的比功率区间(VSPbin)分布具有较好的一致性.实测研究中VSPbin分布于-20~20kW·t-1的范围内,其中超过50%的数据分布在-3~1kW·t-1之间.高排放集中在分布频率较低的高VSP区间.应用污染物排放与VSP分布的关系式和VSPbins的频率分布可以估算机动车污染物排放总量.排放速率计算式具有一定的不确定性,还有待将来进一步修正.     

基于交通流的成都市高分辨率机动车排放清单建立

提出一种基于交通流监测数据的道路机动车高分辨率排放清单建立方法,对成都市道路交通流特征进行分析并建立了成都市机动车尾气高分辨率排放清单.结果表明,成都市道路车流量及排放均呈现明显的"双峰"分布,早晚高峰时段机动车通行量占全天的39.85%,车队结构中排放标准以国Ⅳ车为主,车辆类型以小型车为主,燃料类型以汽油车为主;道路机动车SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC和VOCs(不含驻车蒸发)日排放量分别为3.89、 162.08、 324.11、 4.79、 4.36、 1.89、 0.78和44.37 t,空间分布整体呈现从城市中心到外围排放强度逐渐降低趋势,时间分布基本呈现"双峰"分布,颗粒物相关指标受货车流量影响较大; NO_x、PM_(10)、PM_(2.5)、BC和OC主要来源为大型柴油车,CO主要来源为小型汽油车,其中大型车对NO_x的贡献率达80%;基于保有量的计算方法对成都市道路机动车污染物排放存在一定高估,高估比例在1%～30%.     

成都市道路移动源排放清单与空间分布特征

以成都市为例开展了路网、交通流、道路行驶工况和机动车保有量等数据的收集工作,运用自下而上的方法,基于实测校正和本地化的IVE模型计算了不同区域机动车在高速路、主干道、次干道和支路的排放因子,应用GIS技术建立了1 km×1 km的成都市高时空分辨率道路移动源排放清单.结果表明,2016年成都市道路移动源CO、VOCs、NO_x、SO_2、PM_(10)和NH_3排放量分别为4.2×10~5、4.5×10~4、7.2×10~4、0.4×10~3、1.1×10~4和6.2×10~3t.CO排放主要贡献车型为小型客车、中型客车和大型客车,VOCs排放主要源于小型客车和摩托车,NOx和SO2排放主要产生于小型客车和重型货车,PM10排放主要贡献车型为重型货车,NH3排放主要由小型客车贡献.污染物排放量空间分布呈现出由城市中心向卫星城市、远郊区递减趋势,中心城区和二圈层区域路网密集,排放呈片状分布,三圈层则呈带状分布.排放清单机动车技术分布数据可靠性较高,而交通流数据和排放因子存在一定不确定性.     

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%.     

Recent advances and perspectives towards emission inventories of mobile sources: Compilation approaches, data acquisition methods, and case studies

In recent years, great efforts have been devoted to reducing emissions from mobile sources with the dramatic growth of motor vehicle and nonroad mobile source populations. Compilation of a mobile source emission inventory is conducive to the analysis of pollution emission characteristics and the formulation of emission reduction policies. This study summarizes the latest compilation approaches and data acquisition methods for mobile source emission inventories. For motor vehicles, a high-resolution emission inventory can be developed based on a bottom-up approach with a refined traffic flow model and real-world speed-coupled emission factors. The top-down approach has advantages when dealing with macroscale vehicle emission estimation without substantial traffic flow infrastructure. For nonroad mobile sources, nonroad machinery, inland river ships, locomotives, and civil aviation aircraft, a top-down approach based on fuel consumption or power is adopted. For ocean-going ships, a bottom-up approach based on automatic identification system (AIS) data is adopted. Three typical cases are studied, including emission reduction potential, a cost-benefit model, and marine shipping emission control. Outlooks and suggestions are given on future research directions for emission inventories for mobile sources: building localized emission models and factor databases, improving the dynamic updating capability of emission inventories, establishing a database of emission factors of unconventional pollutants and greenhouse gas from mobile sources, and establishing an urban high temporal-spatial resolution volatile organic compound (VOC) evaporation emission inventory.     

基于CSGD的排放清单处理工具研究

CSGD（crowd sourcing geographic data,众源地理数据）是通过互联网向大众或相关机构提供的一种开放地理空间数据,具有易获取、时效性好、准确性高等特点,在排放清单时空分配方面具有应用潜力.然而,现有排放清单处理工具不支持CSGD数据直接输入且难以满足排放清单空间分配和空气质量模式所需清单格式,因此,亟待开发一套可以拓展该类数据在排放清单领域应用的工具.以CSGD中的POI（城市设施兴趣点）数据为主要研究对象,基于QGIS平台、C++语言及Python语言,开发了在Windows系统下的ISAT（inventory spatial allocate tool,排放清单空间分配工具）工具及在Windows或Linux系统下的ISAT.M工具.结果表明:ISAT工具以POI数据为基础制作出的空间分配结果与排放源排放强度的空间分布特征的一致性较好;ISAT.M工具输出的inline清单可以作为CMAQ空气质量模式及其DDM敏感性分析模块的输入文件并开展模拟,通过与SMOKE模型的关闭源法模拟结果对比发现,二者在数据及空间分布上呈较好的一致性.研究显示,CSGD数据应用于排放清单空间分配可较好地反映排放源空间分布特征,同时由于此类数据存在信息冗杂、近郊区数据缺失等问题,在应用过程中应注意数据清洗及数据种类的选取工作.      

珠江三角洲大气面源排放清单及空间分布特征

估算了珠江三角洲地区2006年大气面源污染物的排放清单,并利用2006年珠江三角洲人口分布栅格数据作为代用空间分配权重因子,建立了该地区大气面源3km′3km的SO2、NOx、PM10和VOC网格化排放清单.结果表明,2006年珠江三角洲大气面源排放的SO2为1.12′105 t, NOx为5.25′104 t, PM10为1.6′105 t, VOC为3.14′105 t.SO2、NOx和PM10排放量较大的区域集中在广州市区、佛山、东莞和中山,而VOC排放量较大的区域位于广州市区、东莞和深圳.     

2006~2020年广东省大气甲醛排放演变特征

大气甲醛（HCHO）是臭氧（O₃）和细颗粒物（PM_2.5）二次组分的关键前体物,在大气光化学反应和二次污染形成过程中扮演着重要角色,并存在致癌性.然而,当前对大气HCHO排放来源认识存在不足,制约了二次污染形成机制研究和污染防控策略制定.采用排放因子和成分谱结合方法,建立2006~2020年广东省HCHO排放趋势清单,识别了广东省主要HCHO排放来源和排放时空演变特征.结果表明,2006~2020年期间广东省HCHO排放量在3.9~5.6万t区间波动,整体呈现极微弱的下降趋势;生物质燃烧源是广东省重要HCHO排放源,而受到管控措施的显著影响,其排放量占比从2006年的58%降至2020年的27%;溶剂使用源的HCHO排放则逐渐突显,2020年占比增长至28%,并成为广东省首要排放源,其中塑料制品和沥青铺路是主要贡献行业.移动源中以柴油作为燃料的工程机械和货车也是HCHO重要排放来源;虽然珠三角和非珠三角地区对广东省HCHO排放量贡献相当,但空间分布结果表明HCHO排放热点区域分别集中于珠三角中心区域和非珠三角的东西两角,这是由于珠三角主要来源为溶剂使用源和移动源,而非珠三角主要受生物质燃烧源影响.因此,未来应进一步加强珠三角中心区域的工业和移动源减排以及粤西地区的生物质燃烧监管.     

港口自有移动源大气污染物排放清单

基于全面开展大气污染源排放清单编制工作的要求,研究制定了天津市港口自有移动源排放清单.对道路和非道路移动源各源类6种大气污染物建立了分辨率为3 km×3 km的网格化排放清单,并分析其污染物排放时空分布特征,利用蒙特卡罗方法分析了清单的不确定性.结果表明,2020年港口自有移动源共排放PM₁₀ 148.22 t、 PM_2.5 135.34 t、 SO₂ 1 061.04 t、 NO_x 4 027.16 t、 CO 756.60 t和VOCs 237.07 t,其中道路和非道路移动源污染物总排放量占移动源排放量的比例分别为6.66%和93.34%.全港区自有道路移动源机动车污染物排放的主要贡献源是小型、中型、大型载客汽车(汽油)和重型载货汽车(柴油),非道路移动源排放的各污染物的主要贡献源均是船舶和工程机械.不确定性分析结果表明,移动源总体不确定性范围为-13.3%～16.53%.     

京津冀城市群大气污染传输规律研究——两组排放清单的比较分析

利用WRF/CALPUFF耦合模型,在同样重污染气象条件下,选择了当下模拟应用最广的两组排放清单对4种主要污染物（NO_x,SO₂,PM_2.5和PM₁₀）进行京津冀城市间区域传输贡献比较分析.其中一组排放清单来自政府的环境统计（以下称：环统排放清单）,另一组排放清单是来自中国多尺度排放清单（以下称：MEIC排放清单）.污染物的浓度空间分布表明,两种排放清单下污染物浓度均呈现北部以唐山中心,南部以石家庄-邯郸为中心的分布特征,均是由两个浓度最高的中心向外逐渐降低.但是环统排放清单下模拟的污染物浓度高值区范围更大,更接近实际监测数据.基于不同的清单输入,一些城市的传输角色存在一些差异.例如,对于4种污染物,两种排放清单模拟出的沧州与周边城市的净传输方向完全相反,在MEIC排放清单中,沧州以向外净传输为主,即为源;而在环统排放清单中,沧州则变成了净输入城市,即为汇.这些结论将影响大气联防联控中各城市源汇责任的认定,在实际环境管理中应注重多源数据的选择、验证和比较.     

Sectoral emission inventories of greenhouse gases for 1990 on a per country basis as well as on 1°×1°

A set of global greenhouse gas emission inventories has been compiled per source category for the 1990 annual emissions of the direct greenhouse gases CO₂, CH₄ and N₂O, as well as of the indirect greenhouse gases (ozone precursors) CO, NO_x and NMVOC, and of SO₂. The inventories are available by sector, both on a per country/region basis and on a 1°×1° grid. Developed by TNO and RIVM for constructing the Emission Database for Global Atmospheric Research (EDGAR) Version 2.0, in co-operation with the Global Emission Inventory Activity (GEIA) of IGAC/IGBP, the inventories meet the needs of both policy-makers and atmospheric modellers. The data sources for activity data, emission factors and grid maps are discussed with the focus on anthropogenic sources of primarily CO₂, CH₄ and N₂O. The estimates of a standard group of anthropogenic sources are presented for each compound per world region.     

基于WRF-Chem模拟验证的天水市主城区大气污染源排放清单

通过部门调研、现场调查和遥感解译等方法获取天水市主城区大气污染源活动水平数据,采用排放因子法估算了天水市主城区 10类污染源的9种污染物排放量,构建了2019年天水市主城区高分辨率排放清单,并采用横向比较法和模式验证法评估了排放清单的合理性.结果表明:(1)2019年天水市主城区 SO2、NOx、CO、VOCs、NH3...