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.     

基于交通流的成都市高分辨率机动车排放清单建立

提出一种基于交通流监测数据的道路机动车高分辨率排放清单建立方法,对成都市道路交通流特征进行分析并建立了成都市机动车尾气高分辨率排放清单.结果表明,成都市道路车流量及排放均呈现明显的"双峰"分布,早晚高峰时段机动车通行量占全天的39.85%,车队结构中排放标准以国Ⅳ车为主,车辆类型以小型车为主,燃料类型以汽油车为主;道路机动车SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC和VOCs(不含驻车蒸发)日排放量分别为3.89、 162.08、 324.11、 4.79、 4.36、 1.89、 0.78和44.37 t,空间分布整体呈现从城市中心到外围排放强度逐渐降低趋势,时间分布基本呈现"双峰"分布,颗粒物相关指标受货车流量影响较大; NO_x、PM_(10)、PM_(2.5)、BC和OC主要来源为大型柴油车,CO主要来源为小型汽油车,其中大型车对NO_x的贡献率达80%;基于保有量的计算方法对成都市道路机动车污染物排放存在一定高估,高估比例在1%～30%.     

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.     

海峡西岸地区人为源大气污染物排放特征研究

采用以"自下而上"为主的方法建立了2007年海峡西岸地区的人为源大气污染物排放清单.计算结果显示,海西地区人为源SO2、NOx、CO、PM10、PM2.5、VOCs和NH3排放总量分别为69.5×104、96.1×104、413.1×104、93.9×104、40.6×104、85.0×104和28.5×104t.电厂和工业燃烧设施分别占SO2排放的48%和39%,以及NOx排放的51%和25%.水泥、砖瓦等制造过程贡献了约51%的PM10排放和36%的PM2.5排放.秸秆燃烧、加油站和涂料等VOCs面源分别占到其排放总量的27%、15%和4%.NH3的主要排放源为畜禽养殖和氮肥施用等农业部门,占到总排放量的89%.海西地区的单位面积大气污染物排放量仅相当于长三角地区的25%左右,略高于全国平均水平.该地区人为源和天然源VOCs排放比重分别占56%和44%,人为源VOCs排放比重低于全国大部分地区.海西大气污染高排放地区主要集中在沿海一带,以泉州、潮汕、福州和温州等地区为主,建议"十二五"发展过程中,重点关注上述高排放地区,限制重点排放源的发展,开发低耗能、低污染的发展模式.     

Dovehicular emissions dominate the source of C6-C8aromatics in the megacity Shanghai of eastern China?

The characteristic ratios of volatile organic compounds (VOCs) to i-pentane, the indicator of vehicular emissions, were employed to apportion the vehicular and non-vehicular contributions to reactive species in urban Shanghai. Two kinds of tunnel experiments, one tunnelwith more than 90% light duty gasoline vehicles and the otherwithmore than 60% light duty diesel vehicles, were carried out to study the characteristic ratios of vehicle-related emissions from December 2009 to January 2010. Based on the experiments, the characteristic ratios of C6-C8 aromatics to i-pentane of vehicular emissions were 0.53 ± 0.08 (benzene), 0.70 ± 0.12 (toluene), 0.41 ± 0.09 (m,p-xylenes), 0.16 ± 0.04 (o-xylene), 0.023 ± 0.011 (styrene), and 0.15 ± 0.02 (ethylbenzene), respectively. The source apportionment results showed that around 23.3% of C6-C8 aromatics in urban Shanghai were from vehicular emissions, which meant that the non-vehicular emissions had more importance. These findings suggested that emission control of non-vehicular sources, i.e. industrial emissions, should also receive attention in addition to the control of vehicle-related emissions in Shanghai. The chemical removal of VOCs during the transport from emissions to the receptor site had a large impact on the apportionment results. Generally, the overestimation of vehicular contributions would occur when the VOC reaction rate constant with OH radicals (k_OH) was larger than that of the vehicular indicator, while for species with smaller kOH than the vehicular indicator, the vehicular contribution would be underestimated by the method of characteristic ratios.     

长沙市人为源大气污染物排放清单及特征研究

根据收集的长沙市人为源活动水平数据,建立了该地区2014年1 km×1 km人为源大气污染物排放清单.结果显示,2014年长沙市SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放总量分别为53.5×10~3、78.3×10~3、284.6×10~3、102.3×10~3、42.1×10~3、4.0×10~3、7.2×10~3、64.2×10~3、27.1×10~3t.化石燃料固定燃烧源为最大的SO_2排放贡献源,道路移动源是主要的NO_x贡献源,CO排放主要来自化石燃料固定燃烧源和道路移动源,长沙市VOCs的最大贡献源是溶剂使用源,PM_(10)、PM_(2.5)最主要的排放源是扬尘源,BC最大的排放贡献源为化石燃料固定燃烧源,生物质燃烧源是最大的OC贡献源,NH_3排放主要来源于畜禽养殖和农业施肥.空间分布结果显示,长沙市NH_3的排放在宁乡县、望城区、长沙县、浏阳市分布较多,主要呈现片状分布.其他污染物排放高值区则主要分布在中心城区、工业区及道路分布区域.     

City-specific vehicle emission control strategies to achieve stringent emission reduction targets in China''s Yangtze River Delta region

The Yangtze River Delta (YRD) region is one of the most prosperous and densely populated regions in China and is facing tremendous pressure to mitigate vehicle emissions and improve air quality. Our assessment has revealed that mitigating vehicle emissions of NOx would be more difficult than reducing the emissions of other major vehicular pollutants (e.g., CO, HC and PM_2.5) in the YRD region. Even in Shanghai, where the emission control implemented are more stringent than in Jiangsu and Zhejiang, we observed little to no reduction in NOx emissions from 2000 to 2010. Emission–reduction targets for HC, NOx and PM_2.5 are determined using a response surface modeling tool for better air quality. We design city-specific emission control strategies for three vehicle-populated cities in the YRD region: Shanghai and Nanjing and Wuxi in Jiangsu. Our results indicate that even if stringent emission control consisting of the Euro 6/VI standards, the limitation of vehicle population and usage, and the scrappage of older vehicles is applied, Nanjing and Wuxi will not be able to meet the NOx emissions target by 2020. Therefore, additional control measures are proposed for Nanjing and Wuxi to further mitigate NOx emissions from heavy-duty diesel vehicles.     

珠江三角洲机动车挥发性有机物排放化学成分谱研究

根据珠三角地区机动车挥发性有机物排放(VOCs)贡献特征,选取在用轻型汽油车、轻型柴油车、液化石油气(LPG)出租车和摩托车,采用底盘测功机及实际道路测试,获取了以上车型尾气排放的VOCs化学成分(59种非甲烷碳氢化合物)特征谱.轻型汽油车以及摩托车的尾气组成中芳香烃含量最高,其次为烷烃;苯系物、异戊烷以及乙烯占轻型汽油车尾气VOCs组成的54.5%;苯系物、异戊烷以及乙炔占摩托车尾气组成的54.6%.轻型柴油车的尾气组成中烷烃比例最高,其次是芳香烃和烯炔烃.除了苯和甲苯,正十一烷、正十二烷、正癸烷、乙烯、丙烯、1-丁烯亦在柴油车尾气中占有重要比例(41.2%).LPG出租车尾气组成以丙烷、正丁烷、异丁烷为主,并伴有较高比例的1,2,4-三甲基苯、1,2,3-三甲基苯和甲苯.与类似研究比较结果表明:由于在油品、排放标准及采样与分析方法等方面的差异,机动车排放源成分谱相关研究结果仍存在一定的差异性,建议对机动车成分谱研究在尾气采样与分析方法等方面进行规范化和标准化.     

西宁市生物质燃烧源大气污染物排放清单

本研究根据调查的西宁市生物质燃烧源活动水平数据,采用排放因子方法,建立了 2018年西宁市生物质燃烧源9种大气污染物的排放清单,并分析了清单的时空分布特征和不确定性.结果表明,西宁市2018年生物质燃烧源CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 的排放量分别为 11 718.34、604.41、167.80、209.72、1 617.97、2 054.04、2 135.04、281.07和 1 224.78 t.秸秆露天焚烧 CO、NOx、VOCs、PM2.5、PM10、BC 和OC 的排放对生物质燃烧源的排放贡献率最高;其中,秸秆露天焚烧NOx、VOCs和CO的贡献率分别为72.35％、63.94％和53.18％.户用生物质炉NH3和SO2的排放对生物质燃烧源的贡献率最大,分别为41.49％和42.05％.生物质燃烧源大气污染物排放地区分布不均衡,主要集中于大通县和湟中区.生物质燃烧源9项污染物的排放量在1、2、3、10、11和12月较大,占比在5％～33％.蒙特卡罗模拟结果表明,在95％置信区间下,不确定度最高的是森林和草原火灾的PM2.5排放,不确定度为-26.71％～29.78％.     

Carbonyl emissions from heavy-duty diesel vehicle exhaust in China and the contribution to ozone formation potential

Fifteen heavy-duty diesel vehicles were tested on chassis dynamometer by using typical heavy duty driving cycle and fuel economy cycle. The air from the exhaust was sampled by 2,4- dinitrophenyhydrazine cartridge and 23 carbonyl compounds were analyzed by high performance liquid chromatography. The average emission factor of carbonyls was 97.2 mg/km, higher than that of light-duty diesel vehicles and gasoline-powered vehicles. Formaldehyde, acetaldehyde, acetone and propionaidehyde were the species with the highest emission factors. Main influencing factors for carbonyl emissions were vehicle type, average speed and regulated emission standard, and the impact of vehicle loading was not evident in this study. National emission of carbonyls from diesel vehicles exhaust was calculated for China, 2011, based on both vehicle miles traveled and fuel consumption. Carbonyl emission of diesel vehicle was estimated to be 45.8 Gg, and was comparable to gasolinepowered vehicles （58.4 Gg）. The emissions of formaldehyde, acetaldehyde and acetone were 12.6, 6.9, 3.8 Gg, respectively. The ozone formation potential of carbonyls from diesel vehicles exhaust was 537 mg O3/km, higher than 497 mg O3/km of none-methane hydrocarbons emitted from diesel vehicles.     

2010~2017年四川省机动车污染物排放趋势分析

四川省机动车保有量日益增加,本研究基于特定的清单计算方法及多口径的活动水平数据,得到四川省2010~2017年机动车尾气污染物排放量.结果表明,四川省小型载客汽车的保有量增长最快,不管是机动车还是小型载客车保有量的增速,均高于全国平均增速;2017年四川省机动车共排放CO、NO_x、SO₂、NH₃、HC、PM_2.5、PM₁₀、BC和OC分别为706.9、275.3、0.3、5.7、164.8、8.1、8.9、4.1和1.4 kt,除NH₃以外,四川省所排放的其他污染物呈现波动中下降的趋势,在2014~2016年前后达到高值.柴油车的保有量变化与NO_x的变化显示出较强的相关性;新车排放标准加严是最具有减排潜力的措施之一,同时随着实施年份的增长,显示的减排潜力越大,燃油品质的提升对于污染物的减排每年也会有6%以上的减排效力.未来应将HC和NO_x减排作为四川省机动车管控的重要内容.     

京津冀地区机动车细颗粒物污染的健康影响分析

机动车尾气排放对城市空气污染的影响日益严峻，而对特定污染源大气污染排放特征及健康影响进行评估可以为环境空气质量管理提供科学依据.以PM_2.5为研究对象，分析京津冀地区2010～2020年机动车污染排放特征、导致的健康效应与经济损失.结果表明，2010～2020年间京津冀地区机动车PM_2.5排放量呈现先逐年递增后缓慢下降的趋势；不同车型污染物排放贡献率显示，重型货车和重型客车为PM_2.5主要贡献车型；不同城市机动车污染物排放特征存在差异，北京市污染物贡献率下降幅度明显，其余城市污染减排也不容忽视.机动车PM_2.5污染对人群健康影响的评估结果表明，京津冀地区各健康终端发生人数总体呈上升趋势，其中，2020年PM_2.5污染造成约34 337人(95%CI:9 025～57 209人)早逝、4.55万人(95%CI:1.08～8.02万人)住院、 28.23万人(95%CI:14.05～41.63万人)门诊及43.90万人(95%CI:16.03～67.92万人)患病；研究期间(201...     

应用PART5模式计算机动车尾气管的颗粒物排放

采用修正的PART5模式获得了北京市机动车尾气管的颗粒物(PM10和PM2.5)排放因子.在此基础上,计算了北京市1995和1998年机动车PM10和PM2.5的排放总量,并确定了分车型的排放分担率和颗粒物中各组分(铅、硫酸盐、可溶性有机物和残余碳等)的比例.结果表明,北京市机动车PM10和PM2.5的平均排放因子很高,其中汽油车、摩托车和重型柴油车的排放因子分别是美国同期水平的1.7～8.6倍、2.1～3.5倍和1.3～1.5倍.1995年北京市机动车尾气管排放的PM10和PM2.5分别为2445t和1890t,1998年则分别增至3359t和2694t,增加的幅度为37.4%和42.5%.     

长江三角洲地区人为源大气污染物排放特征研究

在收集整理长江三角洲地区（简称＂长三角＂）各城市人为大气污染源资料的基础上,采用以＂自下而上＂为主的方法建立了2007年长三角地区人为源大气污染物排放清单.清单结果显示,2007年长三角地区的SO2、NOx、CO、PM10、PM2.5、VOCs和NH3等大气污染物排放总量分别达到2391.8、2292.9、6697.1...     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.     

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.      

广东省非道路移动机械排放清单及不确定性研究

随着工业源和机动车等重点污染源减排空间的下降,非道路移动机械排放已成为大气污染防治领域的研究热点之一.本研究通过资料收集与实地调研,初步构建了广东省非道路机械基于机型的活动水平数据集、综合排放因子及时空分配因子,采用自下而上的排放因子法,建立了广东省2014年非道路移动机械排放清单.并利用蒙特卡洛方法定量评估清单结果不确定性.结果表明,广东省2014年非道路移动机械的SO_2、NO_x、PM_(10)、PM_(2.5)、VOCs和CO排放总量分别为4.9、61.1、4.8、4.5、11.6 kt和45.1 kt.其中,农业机械排放以四轮农用运输车和小型拖拉机为主,贡献率分别为38.4%和18.0%,主要分布在非珠三角的农村地区;工程机械排放以建筑运输车和挖掘机为主,贡献率分别为40.1%和33.9%,主要分布在珠三角地区.此外,不确定性分析结果显示VOCs和PM_(2.5)排放结果不确定性较大,不确定性范围分别为-25.2%~41.7%和-23.4%~32.8%.NO_x不确定性较小,不确定性范围为-15.2%~17.5%.     

Variation of spatio-temporal distribution of on-road vehicle emissions based on real-time RFID data

High-resolution vehicular emissions inventories are important for managing vehicular pollution and improving urban air quality. This study developed a vehicular emission inventory with high spatio-temporal resolution in the main urban area of Chongqing, based on real-time traffic data from 820 RFID detectors covering 454 roads, and the differences in spatio-temporal emission characteristics between inner and outer districts were analysed. The result showed that the daily vehicular emission intensities of CO, hydrocarbons, PM_2.5, PM₁₀, and NOx were 30.24, 3.83, 0.18, 0.20, and 8.65 kg/km per day, respectively, in the study area during 2018. The pollutants emission intensities in inner district were higher than those in outer district. Light passenger cars (LPCs) were the main contributors of all-day CO emissions in the inner and outer districts, from which the contributors of NOx emissions were different. Diesel and natural gas buses were major contributors of daytime NOx emissions in inner districts, accounting for 40.40%, but buses and heavy duty trucks (HDTs) were major contributors in outer districts. At nighttime, due to the lifting of truck restrictions and suspension of buses, HDTs become the main NOx contributor in both inner and outer districts, and its three NOx emission peak hours were found, which are different to the peak hours of total NOx emission by all vehicles. Unlike most other cities, bridges and connecting channels are always emission hotspots due to long-time traffic congestion. This knowledge will help fully understand vehicular emissions characteristics and is useful for policymakers to design precise prevention and control measures.     

生活垃圾无害化处理大气污染物排放清单

为全面评估中国大陆地区生活垃圾处理大气污染物排放状况,系统收集和整理全国31个省市基础统计信息,采取排放因子法建立了2016年中国大陆地区生活垃圾无害化处理大气污染物排放清单.结果表明,2016年,全国生活垃圾填埋处理排放气态污染物的CH₄、VOCs、NH₃、TSP、PM₁₀和PM_2.5总量分别是3472084.50、185117.10、66.45、54.94、25.99和3.92 t,焚烧处理排放气态污染物的CH₄、SO₂、NO_x、NH₃、VOCs、CO、TSP、PM₁₀、PM_2.5和BC总量分别是25389.10、6419.30、70923.84、221.36、435.33、3025.19、221.36、221.36、2.21和2.86 t.通过对固体废弃物处理源、大气污染物时空分布特征以及对各省市焚烧厂在生活垃圾无害化处理厂数量的占比分析,确定生活垃圾焚烧源和填埋源处理排放的气态污染物总量在2010~2016年期间呈现上升趋势,2016年生活填埋处理是我国最主要的垃圾处理方式,主要集中在中部和西部等人口密度适中和土地资源较多的地区,生活垃圾焚烧处理主要集中在长三角、珠三角和京津冀等地区的发达城市.