谭裕沟隧道CO,SO2和NOx排放因子研究

通过1997年7月谭裕沟隧道内CO,SO₂和NO_x的连续分析,研究了其污染状况和特征,根据分析结果计算了机动车排放CO,SO₂和NO_x的平均排放因子.结果表明,机动车能排放出较高水平的CO和NO_x,在城市中CO和NO_x有相当大的部分来源于机动车排放,而SO₂的排放量则非常小.      

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.      

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%).      

基于精细化年均行驶里程建立机动车排放清单

基于环保检测数据，提出“里程-车龄”曲线用以获取满足“车辆类型-燃料种类-排放标准”三级分类的精细化年均行驶里程.使用《道路机动车大气污染物排放清单编制技术指南（试行）》推荐值、车辆类型均值、“里程-车龄”曲线3种方式获取年均行驶里程并分别建立排放清单，发现年均行驶里程的本地化与精细化可以极大降低行驶里程不确定性对排放清单准确性的影响.采用精细化年均行驶里程，计算得到青岛市2017年机动车CO、VOCs、NO_x、PM₁₀、NH₃和SO₂的排放量分别为7.07，1.14，2.84，0.10，0.08和0.08万t.分析排放构成可知，老旧车淘汰在当前仍可作为青岛市机动车排放治理的有效举措.结合路网信息与交通数据，得到0.01°×0.01°高时空分辨率网格化排放清单.结果表明，青岛市机动车排放分布在不同时段变化明显.以NO_x为例，排放的早晚高峰分别出现在8：00与17：00，占到了全天总排放的8.17%和7.53%.同时，排放分布存在着空间异质性，排放从城市中心至边缘呈逐渐降低趋势，沿高速路呈明显带状分布.     

基于热异常探测的北京水泥厂大气污染排放评估

为对水泥行业实现大气污染排放动态监测,反映污染排放的时空分布特征,提出基于热异常点探测数据的新型干法水泥气态污染物排放量测算方法.利用VIIRS热异常点的FRP(fire radiation power,辐射功率)参数结合水泥产业结构特点,建立FRP与污染物排放之间的定量估算关系.利用2013—2017年北京市水泥生产统计信息和热异常点探测数据进行了大气污染排放评估,结果显示:①利用热异常产品的FRP参数估算北京市水泥厂的污染排放水平,利用NO_x和SO₂排放量的统计数据对排放估算值进行相关性验证,二者统计值与估算值之间的相关性系数分别为0.65和0.63.②2013—2017年北京市所有水泥厂的热异常点数据与环境统计数据中水泥总产量、熟料总产量、煤炭总产量以及NO_x、SO₂和烟(粉)尘排放量的相关性均较好,相关性系数均在0.7左右.③自2013年以来,北京市金隅琉水环保科技有限公司和北京金隅北水环保科技有限公司的热异常点数均呈下降趋势.由于采取了减排措施,水泥总产量和污染排放量也均呈逐年减少的趋势.研究显示,基于热异常点探测数据的新型干法水泥气态污染物排放量测算方法可快速获取水泥厂的位置信息、热释放规模,结合污染排放因子可间接评估水泥厂NO_x和SO₂等主要污染物的排放情况.      

2010~2015年中国燃煤电厂NOx排放特征

基于中国2011~2015年发电企业逐台燃煤机组基础信息、活动水平及控制技术等,建立了燃煤电厂NO_x排放量计算方法和排放数据库.利用该方法,计算了2011~2015年逐个机组NO_x排放量,分析了2010~2015年中国燃煤电厂NO_x排放特征.结果表明：中国燃煤电厂NO_x排放量自2010年的1073万t增加到2011年的1132万t,达到排放峰值,随后逐年下降,到2015年下降到522万t.燃煤电厂NO_x排放地区分布不均衡,2015年内蒙、山东、江苏、江西、河南、河北、辽宁是排放量最大的省份,占中国燃煤电厂排放总量的48.8%.上海、江苏、天津、宁夏、山东、浙江和山西是排放强度最大的省份.从机组规模来看,单台容量在300~≤600MW之间的燃煤机组是NO_x排放的主要来源,当机组装机容量从100MW提高到1000MW时,NO_x平均排放绩效从2.91g/kWh降至0.48g/kWh,下降了近84%,这主要是由于装机容量越大的燃煤发电机组,电力工业技术水平和污染治理水平越高,NO_x平均绩效越低,环境行为越好.     

疫情背景下的福建省高速公路机动车污染物排放清单

机动车排放污染物已经成为大气污染的重要来源.基于福建省高速公路交通流量数据,采用自下而上的计算方法建立了2020年1—7月福建省高速公路机动车高分辨率污染物排放清单.结果表明,受疫情影响,福建省高速公路月均车流量和污染物排放量呈先下降后上升的变化趋势,4月污染物排放量达到最低,5月污染物排放量又迅速恢复到疫情前的排放水平,其中,疫情中期污染物CO、HC、NO_x、PM_2.5和PM₁₀排放较疫情后期分别减少了90.68%、89.06%、92.58%、89.58%和89.63%.在整个研究期内,不同城市高速公路机动车污染物排放的分担率有所不同,泉州、福州和漳州的高速公路机动车排放分担率较高;从车型来看,小型客车和轻型货车是CO和HC的主要贡献车型,NO_x和PM主要来自重型货车和轻型货车;从燃料类型来看,汽油车是CO和HC的主要贡献源,柴油车则对NO_x和PM贡献突出;从排放标准来看,国三和国四车对各项污染物的贡献率最大.各项污染物空间分布一致,排放高值区位于东部沿海地区路段,西部内陆的...     

机动车排放控制标准对污染物排放因子的影响

基于我国机动车排放控制标准,利用适应性调整后的IVE模型及改进的LEAP模型,结合机动车燃油经济性,建立了研究区域2004—2030年机动车CO,VOCs,NO_x,PM10和CO₂的动态排放因子.结果表明,国Ⅰ和国Ⅱ规定的机动车排放控制标准(除摩托车外)对降低各类机动车型污染物排放因子作用不大; 而国Ⅳ标准将自2010年起执行,只有执行该标准才能显著降低所有汽油和柴油车型的污染物排放因子. 研究结果同时显示,2010年后机动车污染物的排放因子将继续降低.      

首都国际机场航空器排放清单的计算分析

基于微脉冲激光雷达提取的混合层高度与首都机场的实际运行数据,采用美国EPA方法,更准确的估算了2016年首都国际机场航空器排放清单.结果表明：在航空器起飞着陆（LTO）循环排放的各种污染物中,NO_x和CO排放量最多,分别占排放总量的53.3%和38.5%.滑行阶段和爬升阶段的排放总量较多,占排放总量的49.7%和25.7%.滑行阶段是航空器排放CO、SO_x、HC和PM的主要阶段.在滑行阶段的主要排放物是CO和NO_x,分别占滑行阶段排放总量的71.7%和17.2%.混合层高度变化对航空器排放的NO_x与CO影响最大,对SO_x、HC与PM影响较小.在所有的起降航班机型中,A320对排放影响最小,B77W影响最大.航空器场面滑行时间是影响污染物排放量的一个非常重要的因素.优化航空器滑行效率,减少滑行时间,对减少机场排放量会有非常积极的作用.     

我国水泥工业大气污染物排放量估算

水泥工业是粉尘,SO₂和NO_x等多种大气污染物的重要排放源.根据各地水泥工业的工艺现状、活动水平、除尘器的除尘效率和污染物排放因子,估算了1995—2005年我国水泥工业生产过程中排放的粉尘,PM₁₀,PM_2.5,SO₂,NO_x,氟化物和CO等的排放量,并给出了2005年分省区、分工艺的排放清单.结果表明,污染物排放量与水泥活动水平呈正相关.1995年以来,随着水泥产量增加,污染物排放量增长迅速,2005年我国水泥工业排放排放粉尘520.69×104 t,PM₁₀437.24×104 t,PM_2.5301.06×104 t,SO₂ 86.09×104 t,NO_x286.67×104 t,氟化物57.72×104t,CO1 987.97×104 t;山东、浙江、江苏、河北和广东等水泥生产大省污染物排放量较大,污染物排放总量占全国总排放量的46.6%,新型干法的推广应用有助于大气污染物的减排.      

基于路网车流量的北京城市副中心机动车污染控制情景

应用基于路网车流信息的情景分析方法,对北京城市副中心地区依据不同控制情景,以2015年为基准年建立机动车尾气排放清单.通过计算未来年路网车流信息和各情景下实际路网机动车污染物的排放清单,预测2020年和2025年的污染物排放变化.结果表明,未来10年北京城市副中心路网密度和机动车行驶里程持续增长,与基准情景相比,各控制情景对污染物排放量均有削减,新能源车推广情景对各污染物减排效果显著,且对NOx和PM的减排效果更好.外埠车限行情景对各污染物减排效果均较为显著,淘汰高排放车措施在短时间内削减效果显著,但长期削减效果较弱.综合情景对污染物的削减率达到最佳,机动车污染物CO、NOx、HC和PM排放量分别下降39.0%、58.7%、49.2%和55.5%.     

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.     

IVE机动车排放模型应用研究

对IVE模型进行了系统分析和介绍,以北京市为研究对象给出了模型的主要输入参数的确定方法和思路,运用IVE模型对北京市不同车型车队的排放进行计算。结果显示：公交车和卡车的排放因子明显较高,特别是颗粒物排放因子,分别为普通轻型车的14和44倍。北京市机动车的CO、VOC、NOx和PM的平均日排放总量分别为2767.4、182.5、353.8和7.1t。对于CO和VOC,普通轻型车的分担率分别为42.0%和34.7%;对于NOx和PM而言,卡车的贡献率最高,分别达到66.3%和83.0%。此外,比较了IVE模型与MOBILE6模型的方法和计算结果,讨论了IVE模型在我国的主要应用优势。     

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%.     

WLTC循环下汽油车氨排放影响因素分析

为研究WLTC（worldwide light-duty test cycle,全球轻型汽车驾驶循环）循环下常规污染物和行驶工况对汽油车NH₃排放的影响,选定一辆满足国Ⅴ排放标准、配备TWC（three way catalyst,三元催化器）尾气后处理装置的轻型汽油车,测定其在WLTC循环下CO₂、CO、NO_x和NH₃的摩尔排放量.结果表明:CO、NO_x与NH₃排放的线性相关系数分别为0.626和0.321.NH₃高排放的出现除了伴有CO的高排放外,还需车辆具有高速和持续的正向加速度.用配备TWC尾气后处理装置前、后NO_x排放量的差值表示NO_x的转化量发现,NO_x的高转化量并不一定对应NH₃的高排放量,在循环后期大量产生的NO_x会抑制NH₃的排放.由于VSP（vehicle specific power,比功率）能综合反映行驶工况,研究行驶工况对NH₃排放的影响时主要分析VSP与NH₃之间的关系,通过VSP聚类方法将VSP划分为不同区间,得出当VSP Bin（vehicle specific power bin,比功率区间）大于0时,基于CO₂的NH₃排放基本呈随VSP Bin增大而增加的规律,并且基于CO₂的NH₃排放量最大值对应的VSP Bin为持续正向加速工况.研究显示,常规污染物中CO和NO_x对NH₃的排放会产生不同程度的影响,加速度作为行驶工况的表征参数之一会直接或通过影响CO和NO_x的排放间接影响NH₃的生成.      

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.     

辽宁省2000~2030年机动车排放清单及情景分析

机动车排放已经成为城市地区大气污染的主要来源.基于COPERT模型和ArcGIS技术,建立了2000~2030年辽宁省机动车排放清单,分析6类污染物（CO、NMVOC、NO_x、PM₁₀、SO₂和CO₂）排放的总体趋势与空间演变特征,同时以2016年为基准年,基于情景分析法设置8类控制措施情景并评估不同控制措施对污染物的减排效果.结果表明2000~2016年,机动车的CO、NMVOC、NO_x和PM₁₀排放量呈现先增后降的趋势,SO₂排放量呈现波动变化,而CO₂排放量则呈现持续增长态势.轻型载客车和摩托车是CO和NMVOC排放的主要贡献车型,重型载客车和重型载货车是NO_x和PM₁₀的主要排放源,SO₂和CO₂则主要是由轻型载客车排放.辽宁省中部及南部机动车排放量明显高于辽东和辽西.从城市层面来看,排放主要集中在沈阳市和大连市.情景分析表明,实施更加严格的排放标准可以增强减排效果,且升级排放标准的时间越提前减排效果越好.综合情景将实现减排最大化,强化综合情景对CO、NMVOC、NO_x、PM₁₀、CO₂和SO₂的削减率达到了30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.     

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%.     

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.     

电动汽车普及对江苏冬季大气污染影响的数值模拟

为研究电动汽车普及对空气质量的影响,首先利用机动车排放计算模型MOBILE估算了在电动汽车替代50%小型载客车情景下江苏省的大气污染物排放量,并利用中尺度气象-化学模式(WRF-Chem)模拟和分析了电动车替代前后冬季污染物浓度的变化特征.结果表明,如果用电动汽车替代小型载客车,江苏省13个地级市的CO、NO_x、VOC排放量都有所降低,减排量从地区来看,苏南苏中苏北.电动汽车替代将会造成江苏地区由交通排放引起的CO浓度降低20%～35%,氮氧化物浓度降低10%～30%,减排效果总体上苏南地区好于苏中和苏北地区.交通排放对于SO_2、一次PM_(2.5)和PM_(10)的贡献小,也可能是因为清单低估了交通源对它们的贡献,因此,减排效果不明显.受NO_x影响,交通减排增加了O_3浓度.