京津冀及周边地区“2+26”城市结构性调整政策的CO2协同减排效益评估

《打赢蓝天保卫战三年行动计划》（"三年行动计划"）明确提出,产业结构调整、能源结构调整、交通结构调整和用地结构调整是大幅减少大气污染物和CO₂排放的重要抓手,这种协同效应非常明显,但在城市群层面还未被量化研究.为此,采用京津冀温室气体-空气污染物协同控制综合评估模型（GAINS-JJJ）,构建了2017年京津冀及周边地区"2+26"城市群基础排放清单,定量分析了"三年行动计划"的实施带来的CO₂和主要大气污染物的排放变化情况.结果表明,与2017年相比,2020年政策情景下"2+26"城市的CO₂、一次PM_2.5、SO₂、NO_x和NH₃的减排量分别为29.1 Mt （相当于2017年排放量的2%）、203.8（21%）、281.8（27%）、485.5（17%）和34.3 kt （3%）,排放量较大的城市或部门都实现了较为明显的减排.碳协同减排效益结果显示,产业结构调整的一系列重大举措（淘汰落后产能、工业锅炉升级改造和散乱污企业综合整治等）取得了良好的CO₂和大气污染物协同减排效应,而不同污染物中NO_x的碳协同减排效应最高.     

辽宁省2000~2030年机动车排放清单及情景分析

机动车排放已经成为城市地区大气污染的主要来源.基于COPERT模型和ArcGIS技术,建立了2000~2030年辽宁省机动车排放清单,分析6类污染物（CO、NMVOC、NO_x、PM₁₀、SO₂和CO₂）排放的总体趋势与空间演变特征,同时以2016年为基准年,基于情景分析法设置8类控制措施情景并评估不同控制措施对污染物的减排效果.结果表明2000~2016年,机动车的CO、NMVOC、NO_x和PM₁₀排放量呈现先增后降的趋势,SO₂排放量呈现波动变化,而CO₂排放量则呈现持续增长态势.轻型载客车和摩托车是CO和NMVOC排放的主要贡献车型,重型载客车和重型载货车是NO_x和PM₁₀的主要排放源,SO₂和CO₂则主要是由轻型载客车排放.辽宁省中部及南部机动车排放量明显高于辽东和辽西.从城市层面来看,排放主要集中在沈阳市和大连市.情景分析表明,实施更加严格的排放标准可以增强减排效果,且升级排放标准的时间越提前减排效果越好.综合情景将实现减排最大化,强化综合情景对CO、NMVOC、NO_x、PM₁₀、CO₂和SO₂的削减率达到了30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.     

基于燃料生命周期的中国铁路排放趋势

铁路运输是现代运输的主要方式之一,在空气质量改善和"双碳"目标的双重约束下,厘清铁路运输CO₂和污染物排放趋势,对于交通领域的减污降碳工作具有重要意义.基于燃料生命周期法分析了中国火车2001~2018年的CO₂和污染物排放特征,在此基础上,结合情景分析评估了2019~2030年的铁路排放趋势.结果表明,随着铁路电气化进程的推进、内燃机车新车投入使用和燃油标准的不断升级,铁路运输燃料生命周期的CO₂和污染物排放整体分别呈上升和下降趋势,而其上游阶段的排放占比逐年升高.2018年铁路运输的CO₂、NO_x、CO、BC和SO_x排放总量分别为3780.29万t、11.98万t、3.94万t、0.20万t和3.08万t.情景分析表明,加快电力结构改善和降低单位运输能耗分别是降低铁路CO₂、SO_x和NO_x、BC、CO排放的最佳单一控制手段.积极应对铁路减污降碳工作的综合情景下,CO₂、NO_x、CO、BC和SO_x的减排率可分别达35%、37%、39%、32%和45%.电力结构改革和铁路电气化进程的停滞均会造成铁路运输排放总量的显著增加,铁路减污降碳工作仍需高度重视.     

推广新能源汽车碳减排和大气污染控制的协同效益研究——以上海市为例

随着我国机动车数量的持续增长,交通运输行业已经成为仅次于工业部门的第二大能源消费部门,也是温室气体排放和空气污染物的主要贡献部门.为了支持低碳发展,自2009年起,中国便开始使用新能源汽车取代传统燃油汽车.通过上海市2016年纯电动和插电式混合动力的私家车、出租车和公交车的行驶情况、能源消耗和排放因子等数据,对新能源汽车运行过程以及所需电能生产过程中产生的大气污染物和CO₂的排放量进行了测算,利用协同控制坐标系评价和污染物减排量交叉弹性分析方法探讨了新能源汽车的协同减排能力与效果.基于协同效益潜力分析结果,对推广3类新能源汽车的协同效益进行了排序,结果表明纯电动公交车具有最佳的碳减排和大气污染控制协同效益,纯电动以及插电式混合动力私家车和出租车对CO、NO_x、NMHC、PM₁₀都具有协同效益,而插电式混合动力公交车不具备协同效益.     

基于10辆轻型汽油车的实际行驶与台架工况排放特征及影响因素研究

利用便携式排放测试系统（Portable emission measurement system, PEMS）分析了10辆轻型汽油车分别在实验室台架和实际行驶排放（Real driving emission, RDE）工况下典型空气污染物的排放特征和影响因素.测试结果表明,轻型汽油车在冷启动和热启动阶段产生的一氧化碳（CO）、碳氢化合物（HC）、氮氧化物（NO_x）分别是热运行1阶段和热运行2阶段的28.0、 32.9、 28.4倍和4.0、 11.2、 5.4倍,表明车辆启动对机动车排放贡献显著.台架工况排放因子受车辆启动排放影响较大,在台架实验去除启动排放影响的情况下,台架CO₂、CO、HC和NO_x排放因子将分别减小2.3%±1.3%、44.2%±30.6%、47.5%±29.6%和44.9%±30.8%.在相同速度下,RDE工况下的CO₂排放因子相比不考虑启动排放的台架工况排放因子要高出31.7%±5.0%.单车瞬态排放数据分析结果表明,RDE测试相比于台架工况测试覆盖了更多的机动车行驶工况特征,可以更准确地量化车辆在实际道路行驶过程中不同工况下的排放特征.因此,开展RDE排放测试对于准确量化机动车尾气排放特征,尤其是对 建立微观尺度机动车排放清单支撑城市精细化管控具有重要意义.     

基于摩拜骑行数据的上海市共享单车减排效益时空分析

移动互联网环境下的共享单车能够有效减少机动化出行,可在一定成程度上缓解当下交通污染、气候变化等问题,具有显著的减排效益.本研究基于上海市摩拜单车的骑行数据,结合精细化的交通方式排放因子及共享单车替代率调查数据,计算共享单车与其替代交通方式相比所减少的温室气体排放和污染物排放,并分析共享单车减排效益的时空分布特征.结果表明：2016年上海市共享单车的CO₂、CO、HC、NO_x、PM_2.5和PM₁₀减排量分别为6322、74、8.57、6.33、0.32、0.48 t;在时间上具有典型的峰谷现象,其中,早晚高峰贡献了约45%的减排量;在空间上主要分布于中心城区,其中,南京东路街道单位面积减排量最高.因此,上海市共享单车的减排效益主要产生于早晚通勤交通与人口集聚的地区.为了提高共享单车的减排效益,政府和运营者需要在未来继续扩大共享单车的覆盖范围,增加在郊区的投放数量,鼓励更多外围居民使用共享单车.     

大气CO2摩尔分数升高对高、低应答水稻稻田N2O排放的影响

依托稻田大气CO₂摩尔分数（x［CO₂］）升高平台FACE （free-air CO₂ enrichment）,采用静态透明箱-气相色谱法研究x［CO₂］升高（正常x［CO₂］+200 μmol·mol^-1）对高、低应答水稻（产量对x［CO₂］升高的响应分别为>30%和10%~15%）稻田N₂O排放的影响.本试验设置4个处理：A-W （正常x［CO₂］+低应答水稻）、F-W （x［CO₂］升高+低应答水稻）、A-S （正常x［CO₂］+高应答水稻）和F-S （x［CO₂］升高+高应答水稻）.结果表明,对比正常x［CO₂］处理（A-S和A-W）,x［CO₂］升高条件下高、低应答水稻（F-S和F-W）稻田N₂O排放分别降低52.54%（P<0.05）和38.40%（P<0.05）,水稻产量分别增加22.96%（P<0.05）和12.11%（P>0.05）,稻田N₂O排放强度分别降低61.68%（P<0.05）和45.13%（P<0.05）.另外,高、低应答水稻稻田N₂O排放与稻田土壤NH₄⁺-N含量呈显著相关关系,而与NO₂^--N含量无显著相关.x［CO₂］升高条件下,土壤温度是影响高应答水稻稻田N₂O排放的重要因素.综合考虑,未来x［CO₂］升高条件下,高应答水稻品种的"增产减排"效果最佳.     

河南省2016~2019年机动车大气污染物排放清单及特征

基于城市机动车保有量和高速公路交通流量,结合行驶里程和VOCs源谱,采用排放因子法建立了河南省2016~2019年城市和2016年高速公路机动车高分辨率大气污染物排放清单.结果表明,2016年小型客车和普通摩托车等汽油车是CO、VOCs和NH₃的主要贡献源,SO₂、NO_x和PM主要来自重型和轻型柴油货车,国1、国3和国4标准车对污染物排放贡献突出,郑州、周口和南阳的排放量较大;高速公路8~10月的车流量较高,11月最低,城市主干道周变化和日变化分别呈现出明显的周末效应和双峰特征;排放高值区集中在交通网密集、交通流量大的城市中心及市区附近向外辐射的道路上,连霍高速和京港澳高速是高排放道路;轻型汽油车对臭氧生成潜势（OFP）贡献最大,乙烯和丙烯等5个物种对VOCs排放量和OFP贡献均较大;2016~2019年机动车保有量年均增长率为5.7%;与2016年相比,2019年VOCs排放增加2.8%,SO₂、PM_2.5、PM₁₀、NH₃、CO和NO_x的降幅分别为76.3%、51.7%、50.3%、43.1%、16.7%和5.9%;2019年各污染物在控制政策下的实际排放量相对基准情景的减排比例在15.6%~82.4%之间.     

螃蟹活动对闽江河口互花米草沼泽湿地土壤温室气体排放通量的影响

于2015年1月（冬季）、4月（春季）、6月（夏季）和9月（秋季）,以闽江河口互花米草沼泽湿地为研究区,采用静态箱与气相色谱结合的方法,研究螃蟹对湿地土壤CO₂、CH₄和N₂O排放通量及综合增温潜势的影响。研究表明：温室气体排放季节变化较为显著,CO₂、CH₄排放通量最大值均出现在夏季,N₂O排放通量最大值出现在秋季,CO₂、CH₄和N₂O排放通量最小值均出现在春季。与无螃蟹组相比,高潮滩和中潮滩螃蟹组CO₂、CH₄和N₂O排放通量均值都增大,其中高潮滩螃蟹组CO₂、CH₄和N₂O排放通量依次增大了46.36%、66.67%和69.66%,中潮滩螃蟹组CO₂、CH₄和N₂O排放通量依次增大了53.57%、142.97%、73.08%。相关性分析结果表明：土壤CO₂排放通量与土壤温度显著正相关（n=96,p＜0.05）,CH₄和N₂O排放通量与土壤温度显著正相关（n=96,p＜0.01）;N₂O排放通量与土壤pH显著正相关（n=96,p＜0.01）,与土壤含水量显著正相关（n=96,p＜0.05）。综上所述,螃蟹活动对闽江河口互花米草沼泽湿地土壤的干扰促进了温室气体的排放,为有效调节湿地碳、氮固持作用和湿地生态系统科学管理提供了参考。     

亚热带稻田生态系统CO2通量的季节变化特征

为估算和评价稻田生态系统碳源/汇强度及其对大气CO₂浓度变化的贡献,研究了稻田生态系统与大气间CO₂交换通量的季节变化特征及其影响因素.采用涡度相关技术对我国亚热带稻田生态系统CO₂交换通量进行了连续监测,在数据剔除、校正和差补的基础上,对瞬时CO₂通量值进行计算求得日CO₂通量值和年CO₂通量值,并对CO₂通量季节变化及其与主要气象因子的关系进行了探讨.结果表明,稻田生态系统光合吸收CO₂通量（GPP）、呼吸排放CO₂通量（R_eco）和净吸收CO₂通量（NEE）的季节变化均呈6～9月较高,1～5月和10～12月较低的对称分布.其中5～9月水稻生长时期的NEE总量占年总量的80%以上,对年NEE总量起决定性作用.光合有效辐射（PAR）和日平均气温（T_a）是GPP与NEE季节变化的最主要影响因子,二者与GPP和NEE分别存在显著的二元线性关系.年净吸收CO₂总量为2?475.6 g/(m²·a),这表明我国亚热带稻田生态系统是大气CO₂的汇.     

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.     

河北省国道和省道机动车基于交通流量的尾气排放量估算

河北省各城市均已开展利用机动车保有量等宏观统计数据的城市移动源排放清单编制工作,但尚缺乏对跨省及全省各城市间国省道高时空分辨率的移动源排放清单研究.本研究利用2017年河北省国道、省道日均交通流量监测数据,计算了2017年河北省国道和省道机动车大气污染物排放量.结果表明：2017年河北省国道和省道机动车CO、HC、NO_x、PM_2.5和PM₁₀排放量,与利用宏观统计数据计算得到的全省机动车排放总量相比,分别占27.8%、15.7%、55.6%、58.3%和58.5%.重型货车是国道和省道机动车CO、NO_x、PM_2.5和PM₁₀排放的主要来源.河北省南部国省道的机动车排放量以南部各城市为中心呈网状辐射,东北部沿海地区的排放量主要在沧州-天津-唐山-秦皇岛-承德沿线分布,西北部则主要在保定-张家口-内蒙沿线分布.月均排放量分布情况为1月最高,9月最低;周日均分布情况为周一—周三逐日增加,周四开始回落,周日降至最低;每日小时平均分布呈现明显的双高峰现象,两次高峰分别出现在11：00和18：00左右;最低值出现在凌晨4：00.河北省内,各市国省道机动车污染物排放分担率前3位的依次为保定、沧州和张家口.跨省交通车辆排放的CO、HC、NO_x、PM_2.5、PM₁₀分别占河北省国省道机动车总排放量的48.1%、48.7%、42.9%、41.3%和41.3%,其中天津市出入河北省的车辆排放分担率最高,其次是北京.京津冀应在区域层面建立机动车污染联合防治协调机制,从调整区域货运交通运输结构、推动柴油车污染控制措施升级等方面改善区域环境空气质量.     

2010年中国机动车CH4和N2O排放清单

中国大部分机动车温室气体排放研究都集中于CO₂排放,对于CH₄和N₂O等排放的研究鲜见. 以中国机动车污染防治年报(2011年)、中国汽车工业年鉴(2011年)、中国统计年鉴(2011年)以及交通运输部发布的相关信息和数据(2011年)等为基础,结合文献调研和2008─2010年对北京、广州等国内10余座典型城市的实地调查结果,获得2010年我国机动车活动水平及排放特征. 基于上述基础信息,解析得到按不同车型、燃料和车龄分布的机动车保有量、年均行驶里程及排放因子,建立2010年中国机动车CH₄和N₂O排放清单. 结果表明:2010年中国机动车CH₄和N₂O排放量分别为23.90×104和6.01×104t,折算成CO₂分别为501.99×104和1862.51×104t. 不确定性分析则显示,中国CH₄排放量在18.21×104～27.52×104t之间,N₂O排放量在4.32×104～7.62×104t之间. 在机动车中,汽车CH₄和N₂O排放量最大,分担率(某车型污染物排放量占机动车排放总量的比例)分别为77.99%和94.22%,而摩托车和农用车排放分担率较小. 在各类汽车中,CH₄排放主要来源于轻型汽油车和天然气出租车,二者的排放分担率分别为47.98%和23.42%;N₂O排放则主要源于轻型汽油车,其分担率为73.09%. 因此,轻型汽油车是削减机动车CH₄和N₂O排放的重点车型,同时天然气出租车也应作为控制CH₄排放的主要车型.      

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...     

Real-world gaseous emission characteristics of natural gas heavy-duty sanitation trucks

As compared to conventional diesel heavy-duty vehicles, natural gas vehicles have been proved to be more eco-friendly due to their lower production of greenhouse gas and pollutant emissions, which are causing enormous adverse effects on global warming and air pollution. However, natural gas vehicles were rarely studied before, especially through on-road measurements. In this study, a portable emission measurement system (PEMS) was employed to investigate the real-world emissions of nitrogen oxides (NOx) (nitrogen monoxide (NO), nitrogen dioxide (NO₂)), total hydrocarbons (THC), carbon monoxide (CO), and carbon dioxide (CO₂) from two liquified natural gas (LNG) China V heavy-duty cleaning sanitation trucks with different weight. Associated with the more aggressive driving behaviors, the vehicle with lower weight exhibited higher CO₂ (3%) but lower NOx (48.3%) (NO₂ (78.2%) and NO (29.4%)), CO (44.8%), and THC (3.7%) emission factors. Aggressive driving behaviors were also favorable to the production of THC, especially those in the medium-speed range but significantly negative to the production of CO and NO₂, especially those in the low-speed range with high engine load. In particular, the emission rate ratio of NO₂/NO decreased with the increase of speed/scaled tractive power in different speed ranges.     

乌鲁木齐市城区机动车大气污染物排放特征

对乌鲁木齐市城区车辆信息(包括车流量和车辆构成、车辆控制技术水平、车辆行驶工况、车辆启动分布等)进行调研和测试,并根据IVE模型计算得到机动车污染物排放清单,获得分车型、燃料类型及启动/运行方式的机动车污染物排放分担率.结果表明:2011年乌鲁木齐市机动车CO、NO_x、HC和PM的排放量分别为20.22×104、2.60×104、1.84×104和0.44×10~4t·a~(-1),机动车污染物排放分担率差别显著,乘用车、公交车和重型货车是CO和HC主要排放源;重型货车和乘用车是NO_x的主要排放源;重型货车是PM的主要排放源.汽油车是CO和HC排放的主要来源,柴油车是NO_x和PM排放的主要来源,天然气车各类污染物排放量均较低.控制柴油重型货车是消减机动车污染物排放的重要方式.     

基于IVE模型和大数据分析的杭州市道路移动源主要温室气体排放清单研究

利用IVE模型和对杭州市机动车排放管理数据库大数据的分析,得到杭州市2015年各类机动车主要温室气体高分辨率排放清单,分析了排放分担情况及时间变化特征,并利用Arc GIS及杭州市路网信息建立了1 km×1 km网格化空间分布.结果表明,杭州市道路移动源温室气体排放中CO_2、CH_4和N_2O的年排放量分别为818.11×10~4、0.85×10~4和0.07×10~4t,合计856.79×10~4t(以CO2当量计).从温室气体种类来看,CO_2占道路移动源温室气体排放总量的绝大部分,为95.5%;从机动车类型来看,小微型客车对道路移动源温室气体排放的贡献率最大,占72.8%;从道路类型的排放情况来看,杭州市市中心、城区、城郊和郊区中温室气体合计CO_2当量贡献率最高的均为主干路,分别为43.4%、61.8%、58.0%和42.4%.杭州市道路移动源温室气体排放强度均呈现由城市中心向城市边缘递减的趋势,同时温室气体排放量日变化特征明显,均出现弱双峰现象.     

基于实时交通信息的道路机动车动态排放清单模拟研究

以上海市为例开展了实际道路车流分布、行驶工况和车辆技术的实地调查,建立了道路车流、VSP分布和车辆技术数据库.在此基础上,基于实时的车流、车速等交通信息,构建了动态化的道路机动车污染物排放清单模拟方法,并开展了城区典型道路的机动车小时排放模拟案例研究.调查结果表明,上海市城区道路车流以轻型客车和出租车为主,分别占各时段车流总量的48%～72%和15%～43%;VSP分布与平均车速存在较好的规律,各车型VSP峰值随平均车速的上升向高负荷去移动,且峰值逐渐降低;当前上海市车辆以国2和国3车型为主,经过年检站调查结果的校正,国2和国3车型分别占各车型的11%～70%和17%～51%.模拟案例结果显示,道路机动车CO、VOC、NOx和PM日排放峰谷比可达3.7、4.6、9.6和19.8左右,CO和VOC排放主要来自轻型客车和出租车,与车流变化的相关性较好,而NOx和PM排放主要来自重型客车和公交车,且主要集中在早晚高峰时段.采用建立的动态排放模拟方法可实时反映实际道路的机动车排放变化,获取高排放路段和时段,为交通环境管理提供重要的技术手段和决策依据.     

东莞市低碳路径下加速电气化对CO2和污染物协同减排影响

城市是能源消耗的中心，电气化可以整合城市能源结构，实现清洁能源高效利用，探究城市低碳路径下加速电气化的协同减排影响对实现城市减污降碳至关重要.基于长期能源替代规划模型(LEAP-DG),设置了基准情景、低碳情景和加速电气化情景等3类情景，评估电气化措施在不同电力结构下的减排潜力，量化重点部门的措施贡献，探讨广东省典型制造业城市东莞的协同减排效果.结果表明，电力结构优化促进了电气化措施的协同减排效果，低碳路径下加速电气化将进一步降低电力污染物排放强度，2050年，东莞市CO₂、 NO_x、 VOC和CO减排7.35×10⁶、 1.28×10⁴、 1.62×10⁴和8.13×10⁴ t, SO₂和PM_2.5消费侧减排量和生产侧增排量达到平衡.电气化渗透速率和电力结构优化协调发展是电气化措施实现减排效益的关键，工业和交通部门加速电气化将同时降低CO₂和大气污染物排放，交通部门得益于燃油车和电动车的高...     

乌鲁木齐市机动车排放清单研究

近年来随着乌鲁木齐市机动车数量的快速增加,致使机动车排放污染突出. 通过调查乌鲁木齐市2007年机动车的保有情况及技术水平分布,研究了各类型机动车的排放因子以及年均行驶里程,并测算了该市2007年机动车污染物排放总量、分区排放量及各类型机动车的分担率. 结果表明:2007年在乌鲁木齐市注册的各类型机动车排放的CO总量为11.09×104 t,HC总量为1.53×104 t,NO_x总量为2.73×104 t,PM总量为0.38×104 t;其中CO和HC排放主要集中在城区,NO_x和PM排放主要集中在外埠;在城区的机动车排放中,CO和HC排放以轻型载客汽车为主,NO_x排放以中重型公交车为主,PM排放以中、重型载货汽车为主.