中国机动车污染物排放因子及其修正方法研究

中国机动车污染物排放已成为影响空气质量的重要源。机动车污染的研究中,排放因子的确定是关键。根据机动车使用状况,车用燃料硫含量和行驶状况,运用MOBILE6．2的方法和原理确定了中国各类型机动车HC、CO、NOx的综合排放因子。小型汽油客车国0阶段CO、HC、NOx的综合排放因子分别为34．29g／km、3．45g／km和0．856g／km;国Ⅰ阶段CO、HC、NOx的综合排放因子分别为2．80g／km、0．25g/km和0．40g／km;国Ⅱ阶段CO、HC、NOx的综合排放因子分别为1．39g／km、0．16g／km和0．09g／km。     

杭州市区机动车污染物排放特征及分担率

选取杭州市区绕城高速、快速路、主干道和民用支路4种典型道路进行工况测试,建立了2010年机动车CO、HC、NOx和PM10排放清单,获得了分车型、燃料类型、排放标准以及道路类型的机动车污染物排放分担率.结果表明,杭州市机动车的污染物排放分担率差别显著,乘用车、出租车和公交车是CO和HC排放的主要来源,重型货车和公交车是NOx和PM10排放的主要来源,且乘用车的NOx排放分担率也较大;柴油车的NOx和PM10的排放分担率远大于其保有量的贡献率,是其排放的主要来源,汽油车是CO和HC排放的主要来源;占保有量30%的国0和国I车辆,对CO、HC、NOx和PM10排放分担率分别为67%、69%、58%和82%;主干道是机动车CO、HC和NOx排放的主要来源,其排放分担率分别为66%、65%和64%,民用支路是PM10排放的主要来源,分担率为55%.     

基于COPERT模型的江苏省机动车时空排放特征与分担率

利用COPERT模型和Arc GIS技术建立了江苏省2015年1 km×1 km、小时分辨率的机动车网格化排放清单.采用改进的"标准道路长度"方法,利用路网信息以及拥堵延时指数的月变化、周变化和日变化数据提高清单的时空分辨率.基于COPERT模拟结果分析了分车型、排放标准以及道路类型的机动车污染物排放分担率.结果表明,江苏省2015年NOx、HC、CO、PM_(2.5)、SO_2、OM和BC的排放量分别为49.09、16.63、161.48、1.69、0.19、0.36和0.67万t,其中苏州和徐州排放量占比之和达34%~45%;HC蒸发排放量为2.02万t,占HC排放总量的12%;小型客车和摩托车对于HC和CO排放量的分担率最大,均超过30%;重型柴油货车对NOx、PM_(2.5)、SO_2、OM、BC的分担率在36%~54%之间,远高于其他车型;苏州和徐州的重型和中型柴油货车是NOx、PM_(2.5)的最主要排放源;国Ⅲ标准柴油车对NOx、PM_(2.5)、SO_2和BC的分担率均最大,在42%~55%之间;国Ⅲ标准重型柴油货车和国0标准中型柴油货车是全省NOx、PM_(2.5)、OM和BC的首要和次要贡献车型,两者分担率之和在40%~56%之间.国0标准摩托车对全省HC和CO排放的分担率较高,约为16%.     

全国机动车污染物排放量——《2013年中国机动车污染防治年报》（第Ⅱ部分）

环境保护部日前发布（（2013年中国机动车污染防治年报》,公布了2012年全国机动车污染排放状况。本期“研究成果展示”专栏以六篇形式连载。本文刊载2012年全国机动车污染物排放量现状及其变化趋势的内容,以飨读者。该年报指出,2012年,全国机动车排放污染物4612．1万吨,比2011年增加0．1％,其中氮氧化物（NOx）640．0万吨,碳氢化合物（HC）438．2万吨,一氧化碳（CO）3471．7万吨,颗粒物（PM）62．2万吨。汽车是污染物总量的主要贡献者,其排放的NOx和PM超过90％,HC和CO超过70％。按车型分类,全国货车排放的NOx和PM明显高于客车,其中重型货车是主要贡献者;而客车CO和HC排放量则明显高于货车。按燃料分类,全国柴油车排放的NOx接近汽车排放总量的70％,PM超过90％;而汽油车CO和HC排放量则较高,超过排放总量的70％。按排放标准分类,占汽车保有量7．8％的国I前标准汽车,其排放的四种主要污染物占排放总量的35．0％以上：而占保有量61．6％的国Ⅲ及以上标准汽车,其排放量还不到排放总量的30．0％。按环保标志分类,仅占汽车保有量13．4％的“黄标车”却排放了58．2％的NOx、56．8％的Hc、52．5％的CO和81．9％的PM。2012年,全国机动车保有量比2011年增长了7．8％,但四项污染物排放总量与2011年基本持平,这与实施更严格的机动车排放标准、加快淘汰高排放的“黄标车”、提升车用燃料品质等措施有关。     

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。     

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.      

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.      

哈尔滨市道路机动车尾气排放清单及特征分析研究

通过对哈尔滨市道路机动车信息的调研,完成了2016年哈尔滨市道路机动车尾气排放清单的建立,同时分析了研究区域内机动车尾气的排放特征。结果表明,2016年哈尔滨市道路机动车尾气CO、NOx、HC、PM2.5、PM10排放总量分别约为76 569.55、10 763.78、35 014.53、1 106.04、1 228.39吨。其中,小型载客汽车是CO、HC的主要贡献源,而载货汽车是NOx、PM2.5、PM10的主要贡献源;就燃料类型而言,汽油是CO、HC的主要贡献源,而NOx、PM2.5及PM10的主要贡献源是柴油。     

乌鲁木齐市区机动车污染物排放特征研究

选择乌鲁木齐市125条道路调研测试得来的数据分析了乌鲁木齐市在用机动车的行驶分布的规律、污染物的排放特点和机动车道路的行驶特点。然后使用COPERT本地化模型计算CO、NMVOC、NOx和PM的排放因子,并计算了2012年CO、NMVOC、NOx和PM的排放量。通过估算得到2012年乌鲁木齐市机动车CO、NMVOC、NOx和PM的排放量分别为94 087,17 886,25 079,1 489 t。柴油机动车对NOx、PM的排放分担比率较大,而柴油机动车的保有量的贡献比率偏低;柴油汽车的CO、NMVOC的保有量的贡献比率跟它的排放分担率相比,贡献率要大;占保有量22.3%的国Ⅰ、国Ⅰ前标准的机动车辆对机动车CO、NMVOC、NOx、PM的排放分担比率分别为50.5%、41.0%、51.5%和55.0%;占保有量64.3%的国Ⅲ、和国Ⅳ车辆对CO、NMVOC、NOx和PM的贡献率分别为35.2%、42.7%、35.6%和33.9%。     

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。     

机动车排放污染的速度-加速度耦合影响分析

利用OBS-2200车载测试系统,分别在高峰期、平峰期和低峰期的天津市典型路段进行了车载测试,并获得了碳氢化合物(HC)、一氧化碳(CO)和氮氧化物(NOx)等车辆排放的污染物的逐秒数据.结果显示在这3个时段内,车辆的加速度大都集中在-1.5~1.5m/s2,速度大都集中在0~70km/h,并且HC、CO和NOx的最高排放率为0.0673、0.706和0.0178g/s,都集中在高速(速度(v)>30km/h, 加速度(a)>0.5m/s2)工况范围内.通过拟合发现,HC、CO和NOx的排放率与比功率(Vehicle Specific Power,简称VSP)之间的拟合决定系数分别为0.71、0.86和0.85,相关性较高,说明VSP可以作为评价车辆排放率的一个重要参考性指标.     

不同排污收费情景下的发电企业减排模型研究

考虑未来多种污染物排污收费情景及区域电力需求的固有随机特性,建立了2阶段电源规划优化模型,分析了不同排污收费情景、不同电力需求水平下的区域电力结构变化以及污染物和CO2减排策略.在同时征收SO2排污费和CO2排放费的情景(情景3)下,清洁能源发电在发电系统中的比重增加,以煤电为主的火电比重下降;系统减排CO2 8.438′106t,同时协同减排SO2 5202t、NOx 7854t、颗粒物17.42t,但系统费用会显著增加.在同时征收SO2、NOx排污费和CO2排放费的情景下,系统减排SO2 8515t、NOx 13878t、颗粒物23.52t、CO2 12.988′106t,同时系统费用也会进一步增加.在目前征收SO2排污费的基础上征收CO2排放费或同时征收NOx排放费和CO2排放费,可以提高清洁发电方式在发电系统中的比重,降低SO2、NOx和CO2的排放量.     

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.     

Real-world vehicle emission factors in Chinese metropolis city--Beijing

The dynamometer tests with different driving cycles and the real-world tests are presented. Results indicated the pollutants emission factors and fuel consumption factor with ECE15 EUDC driving cycle usually take the lowest value and with real wodd driving cycle occur the highest value, and different driving cycles will lead to significantly different vehicle emission factors with the same vehicle. Relative to the ECE15 EUDC driving cycle, the increasing rate of pollutant emission factors of CO, NOx and HC are - 0.42--2.99, - 0.32--0.81 and - 0.11--11 with FTP75 testing, 0.11--1.29, - 0.77--0.64 and 0.47--10.50 with Beijing 1997 testing and 0.25--1.83, 0.09--0.75 and - 0.58--1.50 with real wodd testing. Compared to the carburetor vehicles, the retrofit and MPI TWC vehicles‘ pollution emission factors decrease with different degree. The retrofit vehicle (Santana) will reduce 4.44%--58.44% CO, - 4.95%--36.79% NOx, -32.32%--33.89% HC, and -9.39%--14.29% fuel consumption, and especially that the MPI TWC vehicle will decrease CO by 82.48%--91.76%, NOx by 44.87%--92.79%, HC by 90.00%--93.89% and fuel consumption by 5.44%--10.55%. Vehicles can cause pollution at a very high rate when operated in high power modes; however, they may not often operate in these high power modes. In analyzing vehicle emissions, it describes the fraction of time that vehicles operate in various power modes. In Beijing, vehicles spend 90% of their operation in low power modes or decelerating.     

我国轻型汽车污染物排放因子的测试研究

采用底盘测功机按ＥＣＥ－１５规程测试了我国１３辆（１２种）正在使用的轻型汽车的ＣＯ、ＨＣ和ＮＯｘ的排放量分别为８７．２５±５６．３１、１１．３６±５．１３和８．２０±６．６８ｇ／ｔｅｓｔ;在相同测试条件下,测试了其中１１种轻型车在不同车速匀速行驶时的ＣＯ、ＨＣ和ＮＯｘ排放因子．测试结果表明、轻型汽车污染物排放因子随车速的变化有良好的规律性．用统计方法拟合了轻型汽车污染物排放因子的车速变化系数的计算公式。当车速＜９０ｋｍ／ｈ时,轻型车ＣＯ、ＨＣ排放因子随车速的增加而减小,当车速＞９０ｋｍ／ｈ时,又略有增加,而ＮＯｘ排放因子随车速的增加而增大。     

成都市非道路施工机械排放清单研究

随着大气污染控制形势的日益严峻,非道路移动源排放日益受到关注.本研究通过软件调研获得了成都市非道路施工机械保有量、功率分布,通过现场及文献调研获得了非道路施工机械活动水平数据.参照《非道路移动污染源排放清单编制技术指南(试行)》中的方法,计算了成都市2018年非道路施工机械排放清单.结果表明,2018年成都市非道路施工机械PM、HC、NO_x和CO的排放量分别为845、2898、16738、11231 t.按机械类型划分,挖掘机4项污染物排放占比最高,PM、HC、NO_x和CO分别占59%、61%、59%和62%;按排放阶段划分,国2机械4项污染物排放占比最高,PM、HC、NO_x和CO分别占55%、66%、68%和65%.排放清单结果的不确定性受到多种因素的影响,其中影响最大的为排放因子.