广州市机动车尾气排放特征研究

文章利用COPERT IV模型计算广州市机动车尾气排放因子,结合机动车保有量和构成,获得2008年广州市机动车尾气排放总量并对排放因子的速度敏感性,以及不同车型、不同排放标准、不同燃料类型机动车排放特征进行了分析。结果表明:2008年广州市机动车CO、NOX、VOC和PM的排放总量分别为138 772.42 t、80 868.69 t、24 907.26 t和3 171.97 t。摩托车和小客车是CO和VOC的主要贡献车型,贡献率总和分别达到78.31%和70.52%;而作为NOX和PM的主要贡献车型,大客车和重型货车的贡献率总和分别达到78.94%和83.72%。国0标准机动车排放水平高于其他排放标准的车型,CO和VOC的排放分担率接近于保有量比例的2倍。汽油车是CO和VOC的主要贡献车型,其排放贡献率超过80%;而PM排放主要以柴油车为主;柴油车的NOX排放总量高,接近于汽油车的2倍。     

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%.     

应用IVE模型计算上海市机动车污染物排放

为了解上海市机动车污染现状,建立上海市机动车源排放清单,分别选择上海市中心城区、商业区和收入相对较低区域中的主干道、快速道和次干道3种共9条典型道路,开展机动车技术水平参数、比功率(VSP)分布状况、启动状况等测试,并在此基础上将International Vehicle E-mission(IVE)模型本地化.调查结果表明,上海市区实际道路上轻型客车、出租车、公交巴士、卡车和摩托车(包含助动车)分别占道路总车流量的41.0%、30.8%、15.6%、6.9%和5.7%;从技术组成看,约85%的轻型客车和97%的出租车均安装有三元催化装置,约30%的公交巴士和90%的卡车没有达到欧Ⅰ标准;机动车的VSP分布主要集中在-2.9～1.2 kw·t-1.模式计算结果表明,2004年上海市机动车CO、VOC、NOx和PM排放量分别为57.06×104t、7.75×104t、9.20×104t和0.26×104t;20%的高排放车对总排放量的贡献占到25%～45%;启动过程中排放的CO、VOC和PM占总排放量的15%～25%,NOx仅占总排放量的4.5%.     

基于工况的城市机动车排放模型DCMEM的开发

基于我国5个城市实际道路车载测试数据,引入比功率（VSP）和发动机负荷（ES）作为反映机动车行驶状况的特征参数,建立轻型车基于VSP和ES的60个排放单元BIN的排放率数据库,开发了基于工况的城市机动车排放模型（DCMEM）,该模型能够计算城市或任一工况下轻型车不同车型的CO、NO_xp>和HC排放因子.DCMEM模型计算值与上路测试结果相比,CO与NO_xp>偏差<10%,HC<18%.     

2006—2012年广东省机动车尾气排放特征及变化规律

利用广东省年鉴及实地调查资料,基于COPERTⅣ模型计算并分析了2006─2012年广东省珠三角和非珠三角地区的机动车尾气排放清单.结果表明:研究地区2006─2012年机动车保有量上升,国Ⅲ、国Ⅳ车辆所占比例提高,其中珠三角地区优化程度大于非珠三角地区;2006─2012年2个地区污染物(CO、VOC、NOx、PM2.5)排放因子均有降低,降幅在24.54%~57.89%之间.机动车污染物排放量上升趋势及贡献特征地区性差异明显,2006─2012年非珠三角地区CO、VOC排放量分别上升了37.20%、26.93%,增幅高于珠三角地区,而珠三角地区2012年的NOx、PM2.5排放量增幅(分别为21.65%、14.60%)高于非珠三角地区.轻型客车是2个地区CO和VOC的主要贡献车型,贡献率均达46.96%以上,并且处于上升状态,但珠三角地区增幅小于非珠三角地区;重型客车和重型货车是2个地区NOx、PM2.5的主要来源,贡献率均在40.78%以上.     

佛山市发展公交车尾气削减潜力分析

采用COPERTⅣ模型计算佛山市公交车、摩托车和小型客车排放因子,结合保有量、年平均行驶里程计算其排放量,对佛山市公交车出行环境效果及尾气削减潜力进行情景分析。结果表明:2011年佛山市公交车CO、VOC、NOx和PM的排放量为804.57、283.85、3 365.32和73.00 t。单人单次公交车出行CO和VOC的排放量较摩托车和小型客车低,但NOx则较高。公交车载客人数从17人上升至25、35、45人,单人单次出行每公里排放量分别下降32.00%、51.43%和57.50%。佛山市低排放标准的柴油公交车全部更换成国Ⅳ排放标准柴油车,CO、VOC、NOx和PM的年排放量分别削减611.66、151.6、1 231.18和58.39 t。EEV标准天然气公交车替代柴油公交车可减少NOx和PM的排放,但对VOC的削减并无优势。佛山市现有柴油公交车更换成EEV标准天然气公交车,CO、NOx和PM的年排放量分别削减293.71 t、2 086.87 t和70.34 t,但VOC的年排放量升高228.01 t。     

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.     

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%。     

北京市压缩天然气公交车的环境效果分析

经过对北京市2007年公交车队的详细技术构成与实际运营情况的调研,发现北京市公交车队的主力车型为国三和国四车辆,应用修正的COPERTIV模型计算出北京市各技术水平的汽油、柴油和压缩天然气(CNG)公交车的排放因子.2007年北京市国三CNG公交车PM2.5和NOx单车排放因子分别比国三柴油车削减了97%和30%,而公交车队中排放控制最为严格的EEV天然气公交车的PM2.5和NOx单车排放因子分别比国四柴油公交车削减了93%和69%.但由于CNG公交车的CH4排放水平较高,导致CNG公交车的总碳氢化合物(THC)单车排放因子显著高于相近控制水平的柴油公交车.在单车排放水平的基础上建立了北京市公交车排放清单,2007年北京市公交车排放的CO、NMHC、THC、NOx和PM2.5分别为9051t、955t、1222t、8553t和161t.与没有CNG公交车的对照情景进行比较,在使用了CNG公交车后,2007年北京市公交车CO、NMHC、NOx和PM2.5排放总量分别削减了293t、62t、775t和33t,削减比例分别为3.1%、6.1%、8.3%和17.2%.2007年北京市通过在公交车队中使用CNG车辆共减少了柴油消耗量约5.0×104t,相当于北京市各行业柴油总消耗量的2.6%.2007年北京市公交车尾气排放的温室气体的CO2当量为8.3×105t,比不使用CNG车辆的情景略微增加了2.4%.     

基于ES-VSP分布的交通状态对公交车动态排放的影响

为评估不同交通状态下公交车运行特征和排放水平的差异,现场采集广州市B9、226线路公交车的逐秒GPS数据,以ES-VSP（发动机负荷-机动车比功率）分布表征畅通、轻度拥堵和中度拥堵下的公交车运行特征,结合IVE（international vehicle emission）模型求得公交车平均排放因子并分析其差异.结果表明:①所测公交车的发动机低负荷区中bin11（-1.6 < ES ≤ 3.1,-2.9 kW/t ≤ VSP < 1.2 kW/t）频率范围为50.55%~83.39%,中度拥堵时bin 11频率是畅通时的1.1~1.3倍;② 3种交通状态下公交车的CO、VOC（运行产生的挥发性有机物）、VOC_evap（蒸发产生的挥发性有机物）、NO_x（氮氧化物）和PM（颗粒物）平均排放因子范围分别为7.63~11.40、0.26~0.46、0.68~1.56、0.32~0.51和0.72×10-2~1.28×10-2 g/km;③同种交通状态下,主干路公交车专用道和BRT车道的公交车的大部分污染物平均排放因子低于次干路混行车道、主干路混行车道,中度拥堵时主干路BRT车道的CO、VOC、VOC_evap、NO_x和PM平均排放因子相对其他道路最低,分别为7.66、0.27、0.87、0.32和0.75×10-2 g/km;④次干路混行车道、主干路混行车道的公交车污染物平均排放因子随交通状态愈加拥堵而增大,但畅通时主干路BRT车道的公交车行驶速度、加速度较高,导致CO平均排放因子较高,对应3种交通状态其比例为1.0:0.9:0.8.研究显示,交通状态对公交车运行和排放具有显著影响.      

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.     

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.     

北京市机动车污染物排放特征

定量分析计算机动车污染物排放特征 ,对城市汽车污染控制决策具有重要意义 .在利用实测数据确定基本参数的基础上 ,用 MOBILE5模型计算了北京市机动车污染物排放因子 ,获得了城区和全市机动车污染物排放总量和排放分担率 ,并分析了不同车型车种在城市区域汽车污染中的贡献率 .结果表明 ,北京市城区 CO,HC和 NO_x 的排放总量中 ,汽车源排放分担率分别为 :78% ,83%和 46% .     

北京市农业机械排放因子与排放清单

利用车载排放测试技术对典型的联合收割机、拖拉机、农用运输车和农田建设机械实际工况下的尾气进行测试,建立了实际工况下农业机械的排放因子和2017年北京市农用机械排放清单.结果表明,不同的工作状态对农业机械尾气排放有较大的影响,怠速和行走时CO、NO_x、HC和PM排放趋于平稳;而切地和翻地模式下的波动较为明显.根据各类机械的分类和排放标准对排放因子进行细化,建立了较为完整的实际工况下的排放因子.根据农业机械排放因子和燃油消耗量计算出2017年北京市CO、NO_x、HC和PM的排放量分别是2 566.60、 1 239.29、 563.08和538.32 t.拖拉机、运输机械和联合收割机的污染物总量占CO、NO_x、HC和PM这4种污染物总量的98%、 95%、 95%和98%.因此,农用拖拉机、运输机械和联合收割机在农业机械污染减排中应作为重点控制对象.     

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.     

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.     

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%.     

Vehicle emissions of primary air pollutants from 2009 to 2019 and projection for the 14th Five-Year Plan period in Beijing, China

Over the past decade, the emission standards and fuel standards in Beijing have been upgraded twice, and the vehicle structure has been improved by accelerating the elimination of 2.95 million old vehicles. Through the formulation and implementation of these policies, the emissions of carbon monoxide (CO), volatile organic compounds (VOCs), nitrogen oxides (NO_x), and fine particulate matter (PM_2.5) in 2019 were 147.9, 25.3, 43.4, and 0.91 kton in Beijing, respectively. The emission factor method was adopted to better understand the emissions characteristics of primary air pollutants from combustion engine vehicles and to improve pollution control. In combination with the air quality improvement goals and the status of social and economic development during the 14th Five-Year Plan period in Beijing, different vehicle pollution control scenarios were established, and emissions reductions were projected. The results show that the emissions of four air pollutants (CO, VOCs, NO_x, and PM_2.5) from vehicles in Beijing decreased by an average of 68% in 2019, compared to their levels in 2009. The contribution of NO_x emissions from diesel vehicles increased from 35% in 2009 to 56% in 2019, which indicated that clean and energy-saving diesel vehicle fleets should be further improved. Electric vehicle adoption could be an important measure to reduce pollutant emissions. With the further upgrading of vehicle structure and the adoption of electric vehicles, it is expected that the total emissions of the four vehicle pollutants can be reduced by 20%-41% by the end of the 14th Five-Year Plan period.     

基于大数据分析和IVE模型的杭州市机动车污染物排放变化特征研究

以杭州市全市域为研究对象,基于机动车排放管理数据库和IVE模型本地化后计算出市区、城区、城郊和郊区4类区域及快速路、主干路和次干路3类道路的各类机动车排放清单,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,分析了机动车污染物排放特征.结果显示,杭州市机动车各污染物NO_x、CO、PM_(2.5)和VOCs的年排放量分别为4.9×10~4、12.5×10~4、0.2×10~4、2.1×10~4t.各种车型中,中重型货车对NO_x和PM_(2.5)的贡献均最大,分别为45.8%和36.3%,其次为大中型客车、公交客运,小微型客车对CO和VOCs的排放贡献最大,分别为69.3%和51.1%.机动车各污染物排放强度均呈现由城市中心向城市边缘递减的趋势,高排放区域集中在城中心及城南和城北区域,同时各污染物排放量日变化特征明显,均出现弱双峰现象.