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。     

利用IVE模型建立成都市轻型汽油客车排放清单

城市机动车污染物排放清单的建立是控制机动车污染的关键.本研究以2012年为基准年,通过对成都市轻型汽油客车技术水平分布、活动水平和保有量等数据的调查,将IVE模型本地化,计算了成都市2012年轻型汽油客车VOCs、PM、NOx、CO的排放清单,并分析了清单的不确定性.结果表明:成都市2012年轻型汽油客车排放的VOCs、PM、NOx和CO分别为2.23×104t、1.6×102t、1.26×104t和2.03×105t;轻型汽油客车中黄标车VOCs、PM、NOx、CO的排放量分别占排放总量的27.5%、18.1%、37.2%和42.5%,表明黄标车是轻型汽油客车污染物排放的主要来源;排放清单的不确定性主要来自于排放因子,VOCs、PM、NOx和CO清单的不确定性分别为-31.67%~32.35%、-54.75%~55.09%、-6.56%~6.76%和-12.22%~12.51%.     

长江三角洲2017年机动车IVOCs排放清单构建及其对SOA的生成影响

中等挥发性有机物（IVOCs）对大气中二次有机气溶胶（SOA）的生成有重要贡献,但尚未包括在目前的排放清单中.本研究以长三角地区为研究对象,分别基于排放因子法和IVOCs/POA比例系数法对长三角地区2017年机动车IVOCs的排放量进行估算,构建长三角地区2017年机动车IVOC排放清单,分析其不确定性并估算其对SOA生成潜势的影响.基于排放因子法的结果表明,2017年长三角地区机动车IVOCs排放总量为3.58万t,SOA的生成潜势为695 t,其中载货汽车的IVOCs排放量在长三角大部分城市的占比均超过70%;从燃料类型来看,柴油车的IVOCs排放量远高于汽油车.基于IVOCs/POA比例系数法的结果表明,由不同的IVOCs/POA比例以及不同的POA/PM_2.5占比得到的排放清单结果差别巨大,最大值可达64.2万t,最小仅为5.2万t,造成的SOA生成潜势分别为1.55万t和1032 t.本研究表明基于不同的估算方法构建的IVOCs排放清单结果差别巨大,具有很大的不确定性,将直接影响后续空气质量模型对SOA的模拟结果.因此,需进一步将不同清单结果用于空气质量模型中对SOA进行模拟,通过与观测值的比较,从而获得较为准确的长三角地区机动车IVOCs排放清单.     

不同城市机动车尾气排放比较及数据可分享性评价

针对我国绝大多数城市缺乏机动车相关基础数据的实际国情,探讨一种基础数据共享的可能性,用于城市机动车尾气排放清单的计算.以北京、上海、天津及成都4个城市为例,通过综合这些城市现有的机动车相关的基础数据（如机动车保有量,车龄分布,基于驾驶特征的发动机比功率（VSP）,外界环境等）,运用模型预测他们的机动车尾气排放并和相应城...     

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.     

环境规划与环境管理

X32 2(X)30l991澳门机动车排放清单/吴烨…(清华大学环境科学与工程系)//清华大学学报(自然科学版)/清华大学一2(X犯,42(12)一1印1一1以只环图N一5 建立机动车排放清单是实行机动车污染控制的基础。通过对澳门机动车保有量及其构成、车辆登记分布和累积里程分布的调查分析,获得了澳门机动车基本的运营特征参数。采用修正的MOBll正万模式和P戌民巧模式,计算了澳门机动车排放的气态污染物和颗粒污染物的排放系数,并确定了澳门机动车污染物的排放总量和分车型的排放分担率。1999年澳门机动车CO、NOx、HC、PMI。和PMZ万的总排放量分别为…     

兰州市交通限行措施机动车尾气减排量核算及空间分布

运用排放系数法建立2016年兰州市道路移动源排放清单,并利用GIS技术和机动车速度-流量模型估算得到限行后的排放清单,对比执行限行措施前后限行区内机动车尾气的排放量和空间分布,得出结论:常态化尾号限行期间,限行区内机动车尾气CO、HC、NO_x、PM_(2.5)、PM_(10)和SO_2的年排放量分别为21 177.39,4 539.84,8 159.60,212.27,235.08,8.97 t;重污染天气下,执行单双号限行措施每天可减少限行区内机动车排放上述污染物的量分别为36.27,5.92,8.20,0.24,0.26,0.01 t,削减率分别为62.69%、47.69%、36.78%、40.59%、40.57%、33.00%;空间上,城关区中西部、七里河区北部、安宁区中部以及西固区中部区域减排效果最明显。     

昆明市高速公路机动车温室气体排放清单及时空性分布特征

为研究昆明市高速公路机动车的CO、CO₂、N₂O、CH₄温室气体排放清单,使用2021年昆明市高速公路客车交通流量数据、机动车GPS信息数据获得了高速公路网上的车型构成、车流量等基础数据,应用本土化修正后MOVES模型计算了昆明市高速公路的机动车CO、CO₂、N₂O、CH₄排放因子。基于实际交通流量数据、温室气体排放因子和昆明市高速公路实际道路信息,构建了昆明市高速公路机动车温室气体排放清单,并对其排放特征以及空间分布特征进行分析。结果表明：昆明市2021年高速公路机动车CO、CO₂、N₂O和CH₄的排放量分别为20 337.1、2 575 677.1、33.8和72.9 t,总计CO₂当量为2 626 212.5 t。按排放标准划分,国Ⅳ排放标准的机动车是4种温室气体排放的主要贡献车型;按车辆类型划分,小型客车是CO、CO₂、N₂     

珠江三角洲地区机动车源排放特征

建立了2009年珠三角地区机动车SO2、NOx、PM10、THC和CO等五项典型污染物的排放清单,分析了该地区分车型、分城市的机动车排放特征。     

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%.     

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.     

北京机动车尾气排放特征研究

近年来随着机动车保有量的快速增加,北京市机动车排放污染受到越来越多的关注。本研究应用COPERTⅣ模型计算了北京不同类型机动车排放因子,根据保有量和年均行驶里程等基础数据计算了2009年机动车尾气污染物排放量;调查了北京典型道路车流量和车辆运行速度等参数,计算机动车尾气排放强度,得出了典型道路不同污染物的综合排放因子;应用COPERTⅣ模型分析了车速对不同污染物排放的影响,将基于G IS的机动车活动强度、行驶速度和排放因子结合在一起,得到了北京机动车尾气排放网格分布清单。结果表明:CO排放量为71.58×104t,HC排放量为7.95×104t,NOx排放量为8.77×104t,PM排放量为0.38×104t。北京城区高峰小时CO排放量为143.9 t/h,HC排放量为18.6 t/h,NOx排放量为12.5/h,PM10排放量为1.14 t/h。     

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.     

红河州机动车污染物排放特征研究

基于《道路机动车大气污染物排放清单编制技术指南》建立了红河州2019年机动车排放清单。结果表明:2019年红河州CO、HC、NOx、PM2. 5、PM10和SO2排放总量分别为29494、11908、13259、273、301和138t/a。机动车污染物分担率差别显著,小型汽油载客车、轻型汽油载货车和摩托车是CO的主要排放来源,小型汽油载客车和摩托车对HC排放贡献最大,对NOx、PM2. 5和PM10贡献最大的是大型柴油载货车。汽油车是CO和HC机动车污染物排放的主要贡献源,其排放量分别占排放总量的82. 01%和96. 64%,柴油车是NOx、PM2. 5和PM10的主要贡献源。     

2000～2020年天津市机动车全过程VOCs排放特征及演变

机动车排放已成为城市地区人为源挥发性有机物(VOCs)的重要来源,排放清单是量化其环境影响的重要手段.针对已有研究中存在的过程区分不清、排放因子测试不全和气象参数考虑不细等问题,基于文献调研与实验测试完善了排放因子库,在月尺度上提出了涵盖尾气排放和蒸发排放(包括运行损失、昼间排放、热浸排放和加油排放)的机动车全过程VOCs逐月排放清单构建方法,并应用此方法建立了2000～2020年天津市机动车全过程VOCs排放清单.研究期内,天津市机动车VOCs排放总量呈现出先缓慢上升后逐步下降的趋势,2020年排放总量为2.14万t,小型客车是对排放总量贡献最大的车型,贡献率达75.00%.排放标准升级对不同过程VOCs排放的影响存在差异.与尾气排放量的持续下降不同,蒸发排放量呈现出先升后降的倒U型走势,且对总排放量的贡献逐年上升,2020年时贡献率为31.69%.机动车排放的月度变化受活动水平与排放因子的双重影响.VOCs排放量呈现出秋冬季高和春夏季低的特点,2020年新冠疫情期间,封控措施限制了机动车活动水平,使得VOCs排放量显著低于往年同期.计算方法和数据结论可为大气污染防治工作提供技术参考...     

北京市实行机动车排放欧洲标准的环境效果分析

以2005年为基准年,在全面调查北京市城区道路交通、机动车保有运营状况的基础上建立机动车污染源排放清单,并借助ADMS-城市模型建立机动车污染物扩散模型,对北京市城区内的机动车污染物浓度进行了模拟;对国Ⅰ、国Ⅱ标准实施的污染物排放量变化及其对大气环境质量的影响进行回顾性评估,并预测实施国Ⅲ、国Ⅳ标准后,在未来能取得的污...     

青岛市机动车排放清单与空间分布特征

以青岛市2000~2014年机动车保有量与活动水平数据为基础,综合考虑排放标准与燃油品质的动态变化,以及机动车在城市路、郊区路和高速路的行驶比例与行驶工况,基于COPERT模型和GIS技术建立了0.02°×0.02°高分辨率机动车排放清单.结果表明,青岛市机动车CO、VOCs与SO_2的排放置由2000年的168.68,33.57,5.27kt下降至2014年的155.14,17.51,2.44kt,NO_x、PM_(10)与CO_2的排放量则由23.88,1.22,2647.32kt上升至57.82,2.76,17736.06kt.其中,CO与VOCs排放主要贡献车型为轻型载客车和摩托车,NO_x与PM_(10)排放主要来自于重型载客车与重型载货车,而CO_2和SO_2排放主要来源于轻型载客车与重型载货车.机动车排放空间分布呈现出由城市中心向城市边缘的递减趋势,并沿高速路呈明显的带状分布.李沧区、市北区、市南区和城阳区机动车排放强度较高,平度市、莱西市与崂山区机动车排放强度较低.     

基于AERMOD模型的乌鲁木齐机动车排放大气污染物的数值模拟

以乌鲁木齐市主城区为例,将区域机动车排放清单数据作为排放源数据,利用AERMOD模型对乌鲁木齐市主城区域机动车排放的主要大气污染物质量浓度分布情况进行了数值模拟,并探讨了机动车排放的大气污染物对乌鲁木齐市城市空气质量的影响。结果表明:由机动车排放引起的乌鲁木齐市主城区域大气污染物CO、HC、NOx和PM10的质量浓度分布均表现为新市区和米东区高于其他几个区域,最大影响浓度点出现在新市区河南路北侧和米东区,为机动车所排放的大气污染物影响最为显著的区域;模拟得到的各大气污染物年均质量浓度在网格点最高值均低于相关标准浓度限值;显著影响区域范围内,NOx模拟预测浓度占区域环境空气质量浓度的44.12%,是区域环境空气中NOx的较为重要排放源,而可吸入颗粒物(PM10)仅占0.5%,说明机动车颗粒物排放不是乌鲁木齐城市空气中可吸入颗粒物的主要排放源。     

基于实时交通数据的南京市主次干道机动车排放特征分析

通过2014年RFID实时数据得到南京市主干道和次干道车流量、车速、车队构成等交通信息,基于COPERT模型获取排放因子数据,利用高时空分辨率机动车排放(HTSVE)清单系统计算道路机动车排放量.运用非参数检验和道路聚类分析,结合Arc GIS技术,分析南京市主次干道机动车排放特征.结果表明,2014年南京市主次干道机动车以小型客车为主,比例均达80%,国Ⅲ和国Ⅳ车量总数超过90%,其中以国Ⅲ车排放贡献率最大.特殊时段(低谷时段、平峰时段、高峰时段)机动车日均排放量受道路类型和周末效应共同影响,南京市主次干道以排放分担率变化规律可分为5类,同类道路具有相似的变化特征且受空间地理位置影响.基于聚类结果,对不同类型道路的小时排放特征进行分析,以期为交通环境管理提供技术手段和决策依据.     

中国国道和省道机动车尾气排放特征

近年来,随着我国机动车保有量的持续增长,机动车排放已成为我国重要的大气污染物来源之一.现有的机动车排放研究多关注城市内的机动车大气污染物排放,针对城市间的大气污染物排放研究较少.我国城市间交通道路主要包括国道和省道,截止至2015年我国国道里程18.53万km、省道里程32.97万km,约占全国等级公路总里程的13%,因此开展我国国道和省道机动车大气污染物排放研究十分重要.本研究基于全国国道和省道交通监测站的年均监测数据,采用环境保护部发布的《道路机动车大气污染物排放清单编制技术指南(试行)》中的指导方法,计算了2015年我国国道和省道机动车的大气污染物排放清单,分析了污染物排放的时空分布特征.结果表明,我国国道和省道公路机动车排放的一氧化碳(CO)、氮氧化物(NO_x)、颗粒物(PM)和碳氢化合物(HC)排放量分别占全国机动车污染物总排放量的4.5%、27.9%、14.4%和7.7%;不同车型对国道和省道机动车大气污染物排放的分担率不同,其中大货车是NO_x、PM_(10)、PM_(2.5)的主要来源,摩托车是CO和HC的主要来源;不同道路类型中各车型的大气污染物排放分担率也不同,如高速路上大货车是NO_x、PM_(10)和PM_(2.5)的主要来源,普通道路上大客车和大货车是NO_x、PM_(10)和PM_(2.5)的主要来源.