排序方式: 共有10条查询结果,搜索用时 3 毫秒
1
1.
为研究未来西安市机动车污染控制策略的实施效果,基于情景分析法,以MOVES模型为平台,预测2020年西安市机动车PM_(2.5)、PM_(10)、NO_x、总碳氢化合物(THC)、CO、SO_2排放量分别为1 531.41、1 596.33、44 159.48、14 029.62、383 200.08、5 164.63t。设置5类不同控制措施情景,分析其对机动车的减排效果。结果显示:单一措施中,淘汰"黄标车"和老旧车对污染减排效果最明显,6种污染物均有较大幅度减排;调控轻型客车保有量可明显削减THC、CO的排放,减排比例分别为13.49%、18.59%;提升燃油质量可使各车型SO_2的减排比例均达到90%以上;使用替代燃料情景的污染物减排比例相对较低,但也是一种有效的控制策略;综合控制措施的减排效果最为显著,与基准情景相比,2020年PM_(2.5)、PM_(10)、NO_x、THC、CO和SO_2减排比例分别为78.50%、78.37%、71.77%、72.47%、76.94%、98.30%。 相似文献
2.
3.
4.
5.
针对二氧化碳的轻型汽油车VSP区间划分 总被引:1,自引:1,他引:0
利用PEMS对北京市16辆轻型汽油车进行了排放测试,分析了机动车比功率VSP对CO2的排放影响.在此基础上,同时考虑排放速率和排放分担率两种因素,按CO2排放特性对VSP区间重新划分.新划分区间的排放率最小值为0.5587g.s-1,最大值为3.4013g.s-1,排放分担率最小值为4.61%,最大值为14.17%.此外,VSP=0的数据排放率为0.5587g.s-1,低于周围区间,分担率为14.17%,与其它区间相当,因此,其被划入独立区间.接着,引入速度及发动机负荷ES两个参数,对VSP区间进行再划分,分别分为30个排放区间.最后,通过北京不同类型道路排放实例进行验证,发现针对快速路和非快速路而言,MOVES预测误差分别为11.43%,14.34%,IVE为12.23%,15.53%,新VSP划分方式为10.05%,12.57%,新VSP-速度组合区间的划分方式为9.10%,11.56%,新VSP-ES组合区间的划分方式为9.90%,12.23%,其中,新VSP-速度组合区间的划分方式误差最小. 相似文献
6.
7.
基于MOVES模型对参数进行本地化修正,计算机动车排放的气态污染物排放因子,以2012年为基准年建立关中城市群的道路移动源常规和非常规气态污染物的排放总量清单,并得到不同车型、不同城市区域的机动车污染物排放分担率.结果显示,关中城市群的道路移动源常规气态污染物中一氧化碳(CO)的排放量为45.40万t,氮氧化物(NOx)为8.190万t、二氧化硫(SO2)为0.420万t、氨(NH3)为0.10万t;非常规气态污染物中非甲烷碳氢化合物(NMHC)的排放量为4.168万t,甲醛(HCHO)为0.057万t、乙醛(CH3CHO)为0.027万t、丙烯醛(C3H4O)为0.004万t、1,3-丁二烯(C4H6)为0.012万t、苯为0.090万t、甲烷(CH4)为0.123万t、氧化亚氮(N2O)为0.004万t.此外,各城市按照排放分担率从高至低依次为西安(50%)、渭南(23%)、咸阳(含杨凌)(12%)、宝鸡(10%)和铜川(5%).本研究还发现污染物排放分担率在不同车型中差异显著,其中NOx排放以重型货车(33.85%)和中型货车(21.21%)为主;SO2、醛类物质在重型货车中排放分担率分别为31.31%和30%;而CO、NMHC、C4H6、苯和CH4的排放主要来自小客车(分别为32.86%、17.55%、26.64%、26.45%和38.85%)和摩托车(分别为32.64%、55.21%、43.29%、49.04%和30.97%);NH3的小客车和重型货车排放分担率分别为49.5%和31.31%. 相似文献
8.
PM2.5是公路机动车主要污染物之一,对沿线居民的呼吸健康有直接的危害,因此有必要在公路建设环境影响评价中增加对交通源PM2.5扩散浓度的评估。本文通过分析空气质量模型AERMOD、PM2.5排放清单测算模型MOVES以及建模数据需求,在交通量调查、气象数据预处理以及道路源PM2.5排放清单测算的基础上,应用AERMOD模型评估了我国某高速公路沿线PM2.5的浓度分布水平。结果表明:在研究路段沿线下风向距路肩400m范围内,均受到公路交通源PM2.5污染(PM2.5净浓度≥4μg/m3)的影响;AERMOD模型可以精细化地评估道路机动车PM2.5对空气质量的影响,为道路沿线PM2.5浓度分布评估提供了一套研究方法,其评估结果对道路规划环境影响评价具有重要的参考价值。 相似文献
9.
10.
1