北京市机动车污染分担率的研究

研究建立了以GIS为平台的北京市机动车排放清单,获得了北京市规划市区内分车型以及分区域的机动车排放分担率.在此基础上,采用修正的ISCST3模型模拟了1995年规划市区CO和NO_x浓度的时空分布情况,并分析了机动车排放对北京市大气浓度的贡献率.结果表明,1995年北京市规划市区CO和NO_x的年排放分担率分别达到了76.8%和40.2%;相应的年浓度分担率则分别为76.5%和68.4%,在城市中心区以及道路边2种污染物的浓度分担率则更高.因此,在北京市对机动车排放污染实施控制是有效削减CO和NO_x的主要途径.     

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.      

宁波市区道路机动车综合排放因子

机动车综合排放因子是计算城市机动车污染物排放总量和排放分担率的基础,是降低城市机动车排放的重要依据,是控制城市道路交通污染的源头.根据宁波市区道路机动车运行工况的研究成果,利用加速模拟工况(ASM)排放测试系统,检测主要污染物HC,CO和NO_x的排放浓度;依据试验车变速器和主减速器的结构参数,以及试验车在宁波市区道路运行时的档位分布计算排污值,并依据机动车的年代和车型分布对该值进行修正,计算宁波市区道路机动车综合排放因子.结果表明,宁波市区道路机动车主要污染物HC,CO和NO_x的综合排放因子分别为5.89,21.22和18.91 g/(km·辆).      

重庆城区机动车排放污染研究

通过调查研究首先弄清重庆城区主干道机动车排放污染的现状，算出机动车排污负荷在城区道路大气环境中的分担率，利用美国ＥＰＡ推荐的ＭＯＢＩＬＥＳ模型计算城区道路机动车排放的综合排放因子，由此估算重庆城区机动车排放总量并预测２００５、２０１０年的发展趋势。     

珠江三角洲机动车污染物排放特征及分担率

建立了2006年珠江三角洲(以下简称为珠三角)地区机动车排放清单,获得了该地区分车型、区域以及燃料类型的机动车排放分担率. 结果表明:①珠三角地区不同车型的机动车污染排放分担率有显著差别,其中柴油大货车、汽油小客车和柴油小货车是机动车排放NO_x的主要来源,摩托车、汽油小货车和汽油小客车是机动车排放VOCs的主要来源,柴油大货车、柴油大客车和柴油小货车是机动车排放PM₁₀的主要来源;②广州、佛山、东莞和深圳等经济发达和快速发展地区的机动车污染物排放量均较大,这4个城市机动车NO_x,VOCs和PM₁₀的排放量之和分别占珠三角地区机动车排放总量的79.7%,69.8%和77.9%;③机动车燃油比例对污染排放影响显著. 汽油车(含摩托车)对VOCs的排放分担率较大(约为93.8%),而柴油车对NO_x和PM₁₀的排放分担率较大(分别为61.5%和84.0%).      

我国机动车排放标准的大气污染物减排效果研究

中国汽车工业的快速发展和汽车保有量的快速增长,带来了日益严峻的环境污染问题.国家通过及时制订和加严机动车污染物排放标准,使我国机动车污染减排取得了显著成效.自实施国l阶段标准以来,新车单车污染物排放削减了57%～96%,带动了整体在用汽车平均污染物排放因子明显下降,有效控制了机动车污染物排放总量,使城市空气质量得到改善...     

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.     

城市机动车排放因子隧道试验研究

选取典型城市隧道进行机动车排放因子测试,应用隧道试验原理,通过连续48h的现场采样监测,获得了隧道内机动车排放污染物NO_x.CO、SO₂、PM₁₀、VOC和HC浓度、交通参数(车型、车速、交通流量)和气象参数(如风速、风量、温度、湿度)等实测数据.通过质量平衡计算出隧道内机动车NO_x.CO、SO₂、PM₁₀和HC的平均排放因子分别为1.379、15.404、0.142、0.637、1.857g·(km·辆)^-1.并在此基础上应用多元回归方法计算出8大类机动车各种排放污染物的单车排放因子.结果反映目前中国城市机动车污染物排放水平及各污染物排放特征.     

北京市轻型汽车排放新标准

如何有效地控制汽车污染,已经成为我国一些大型城市迫切需要解决的问题．对北京市机动车污染状况的调查分析表明,NOx和CO的排放分担率已达41％和82％;在4种不同控制方案的排放削减效果与成本计算中发现,严格的新车排放标准,才能有效地削减NOx排放;而且,这些严格的排放标准方案具有更低的削减成本,因此,在具备可行性的前提下,北京市应该尽可能采用严格的新车排放标准方案,才能尽快控制汽车排放污染,改善城市大气环境质量．     

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.     

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.     

天津市2017年移动源高时空分辨率排放清单

移动源已成为城市地区大气污染的主要贡献源.已有研究多关注道路移动源（机动车）或非道路移动源（工程机械、农业机械、船舶、铁路内燃机车和民航飞机）中单一源类的排放,欠缺对移动源总体排放特征的把握.本研究提出了移动源高时空分辨率排放清单的构建方法,据此建立了天津市2017年移动源排放清单,并分析其排放构成与时空特征.结果表明,天津市移动源CO、VOCs、NO_x和PM₁₀的排放量分别为18.30、6.42、14.99和0.84万t.道路移动源是CO和VOCs的主要贡献源,占比分别为85.38%和86.60%.非道路移动源是NO_x和PM₁₀的主要贡献源,占比分别为57.32%和66.95%.从时间变化来看,移动源所有污染物排放在2月均为最低,CO和VOCs在10月排放最高,而NO_x和PM₁₀则在8月排放最高.节假日（如春节和国庆节等）对移动源排放的时间变化影响显著.从空间分布来看,CO和VOCs排放主要集中于城区和车流量大的公路（高速路和国道）上,NO_x和PM₁₀在城区与港区均具有较高排放强度.污染物的空间分布差异是由其主要贡献源的空间位置决定的.本研究可为天津市大气污染的精细化管控和空气质量模拟提供数据支撑,同时可为其他地区移动源排放清单的建立提供方法参考.     

城市汽车年检碳排放数据挖掘及其应用研究

基于城市汽车年检中CO₂的过程动态检测数据,对小型汽油客车CO₂的排放因子和排放水平信息进行了挖掘,并与文献研究结果进行了对比.结果表明,从城市汽车年检数据中挖掘的CO₂排放结果可以作为研究城市机动车碳排放的重要参考依据;合理有效地利用汽车年检数据可以为城市车辆尾气排放的精准分级管控、城市交通运输碳排放达峰的量化分析,以及城市交通源的污染物和CO₂协同减排提供重要的数据支撑;从国Ⅰ到国Ⅴ不同排放阶段汽油车的常规污染物CO、NO_x和HC的排放水平下降非常明显,而对应的CO₂排放水平差异不大;CO₂排放因子随累计行驶里程、车龄、基准质量和排量的变化关系反映出,如果需要削减城市汽车碳排放水平,应鼓励使用基准质量小或者排量小的车辆,淘汰高油耗高排放的老旧车辆,鼓励公共绿色出行而降低单车活动水平,增加纯电动车辆优化车队能源结构.     

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.     

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...     

杭州市机动车NO_x排放清单的建立及其对空气质量的影响

以杭州市主城区为例,对车辆信息(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)进行了调研和测试,并根据IVE模型计算了机动车NOx的排放清单.结果表明,2004年杭州市主城区机动车NOx排放总量为25 100 t,其中,轻型客车、出租车、公交车、重型货车和轻型货车的年排放量分别为5 800,1 100,7 300,9 200和1 700 t.在此基础上,通过AERMOD模型模拟了城市机动车源NOx年均质量浓度以及城市空气中总的NOx年均质量浓度空间分布,得出机动车排放的NOx对总的NOx年均质量浓度的贡献率为40.91%,并对贡献率的空间分布进行了分析.     

乌鲁木齐市散煤燃烧大气污染物排放清单及时空分布特征

为研究乌鲁木齐市散煤燃烧对大气污染物的贡献情况,根据实地调研收集到的散煤燃烧活动水平数据,利用排放因子法建立2015年乌鲁木齐市散煤燃烧PM_2.5、SO₂和NO_x的排放清单,利用ArcGIS空间分析工具进行空间分布特征分析,使用蒙特卡罗方法进行不确定性分析.结果表明:2015年散煤燃烧排放PM_2.5、SO₂、NO_x分别为1.70×104、4.13×104、2.80×103 t.PM_2.5和SO₂排放的主要贡献区域为乌鲁木齐县,分别占排放总量的27.35%和26.23%,这是由于乌鲁木齐县社区居民和大棚种植耗煤量较大所致;NO_x排放的主要贡献区域为米东区,贡献率高达28.03%,这是因为米东区社区居民所用炉灶为手动炉排层燃炉灶,其排放因子较大所致.空间分布特征表明,污染物主要分布在米东区南部、沙依巴克区北部及乌鲁木齐县中部.不确定性分析表明,村庄、社区、大棚种植、商业和事业单位在95%的置信区间时不确定性分别为-69%~165%、-57%~116%、-68%~171%和-67%~165%.蒙特卡罗预测结果（平均值）高于排放清单的计算结果.研究显示,乌鲁木齐市散煤燃烧对污染物排放贡献较大,并且具有明显的季节性和区域性特征.