首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  完全免费   5篇
  综合类   8篇
  2018年   1篇
  2015年   2篇
  2010年   1篇
  2007年   1篇
  2006年   3篇
排序方式: 共有8条查询结果,搜索用时 31 毫秒
1
1.
应用IVE模型计算上海市机动车污染物排放   总被引:26,自引:1,他引:25  
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%.  相似文献
2.
IVE机动车排放模型应用研究   总被引:19,自引:5,他引:14       下载免费PDF全文
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。  相似文献
3.
机动车排放控制标准对污染物排放因子的影响   总被引:9,自引:1,他引:8  
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,NOx,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.  相似文献
4.
利用IVE模型建立成都市轻型汽油客车排放清单   总被引:3,自引:3,他引:0       下载免费PDF全文
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2.23×104 t、1.6×102 t、1.26×104 t和2.03×105 t;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%.  相似文献
5.
乌鲁木齐市城区机动车大气污染物排放特征   总被引:1,自引:1,他引:0       下载免费PDF全文
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、NOx、HC和PM的排放量分别为20.22×104、2.60×104、1.84×104和0.44×104 t·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NOx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NOx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.  相似文献
6.
Intemational Vehicle Emissions (IVE) model funded by U.S. Environmental Protection Agency (USEPA) is designed to estimate emissions from motor vehicles in developing countries. In this study, the IVE model was evaluated by utilizing a dataset available from the remote sensing measurements on a large number of vehicles at five different sites in Hangzhou, China, in 2004 and 2005. Average fuel-based emission factors derived from the remote sensing measurements were compared with corresponding emission factors derived from IVE calculations for urban, hot stabilized condition. The results show a good agreement between the two methods for gasoline passenger cars' HC emission for all 1VE subsectors and technology classes. In the case of CO emissions, the modeled results were reasonably good, although systematically underestimate the emissions by almost 12%-50% for different technology classes. However, the model totally overestimated NOx emissions. The IVE NOx emission factors were 1.5-3.5 times of the remote sensing measured ones. The IVE model was also evaluated for light duty gasoline truck, heavy duty gasoline vehicles and motor cycles. A notable result was observed that the decrease in emissions from technology class State II to State I were overestimated by the IVE model compared to remote sensing measurements for all the three pollutants. Finally, in order to improve emission estimation, the adjusted base emission factors from local studies are strongly recommended to be used in the IVE model.  相似文献
7.
介绍了IVE尾气排放模型并与MOBILE模型进行了比较分析。使用GPS对上海市公交车多条运行线路进行了实时运行速度测量,得到上海公交车运行模式的BIN分布,对上海市CNG公交车和柴油公交车的尾气排放进行了模拟计算。结果表明使用CNG公交车代替柴油公交车后,NOX和PM的排放均有显著的降低,但采用不同技术的CNG公交车尾气排放仍有很大的差异,无催化转化和尾气再循环的CNG公交车的CO排放量远高于同类型柴油公交车的排放量。认为IVE模型的模拟结果具有较好的可靠性,其计算模式适用于我国机动车尾气排放清单分析的研究。  相似文献
8.
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、NOx、SO2、PM10和NH3排放量分别为4.2×105、4.5×104、7.2×104、0.4×103、1.1×104和6.2×103 t.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.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号