基于行驶里程的北京市延庆区机动车排放清单建立及特征分析

调查统计北京市延庆区机动车类型、车流量、汽车里程、燃油类别等,运用COPERT模型计算了小客车、大客车、小货车、中货车、特大货车的CO、HC、NO_x、PM排放因子。基于现场调查和卫星影片解译建立延庆区机动车行驶里程(VKT)数据库,应用ArcGIS建立机动车高分辨率排放清单,以实际车流量信息计算出VKT和对应的各污染物排放量。结果表明:CO、HC、NO_x、PM的年排放量分别为1 995.49、478.84、2 466.06、156.65 t/a。小客车对CO和HC排放量的贡献率最大,分别为36%和72%;特大货车对NO_x和PM排放量的贡献率最大,分别为54%和49%。污染物高排放量主要分布在城区,原因是城区路网密集,车流量较大。     

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.      

唐山市机动车排放清单与减排经济效益研究

基于唐山市机动车定期环保检测数据获取不同类型车辆的本地年均行驶里程,建立城区内典型车辆的\"里程-注册年\"特征曲线.采用车载排放测试法获取唐山市典型国Ⅵ阶段轻重型汽车实际道路排放因子.利用COPERT模型进行机动车排放因子本地化修正,建立涵盖不同排放阶段和燃料动力类型的唐山市机动车排放清单,结合唐山市路网信息,建立基于ArcGIS的3km×3km高时空分辨率网格化排放清单,并分析了国三及以下中重型柴油车（简称高排放车）不同淘汰与DPF排放治理比例情景下机动车减排与投入成本效益.研究表明,2020年机动车CO,HC,NOx,PM_2.5,PM₁₀年排放量分别为92403.51,10034.53,70568.35,2036.51,2160.65t,其中：NO_x,PM_2.5和PM₁₀排放主要来源于柴油车,分担率分别为92%,89%和89%;CO和HC排放主要来自汽油车,分担率分别为71%和73%.唐山市实施二环内国Ⅳ及以下柴油货车限行区政策后,二环内CO和HC年排放量削减率分别为22.41%和21.68%;而NO_x,PM₁₀和PM_2.5污染物排放强度显著降低,年排放量削减率分别为78.60%,84.85%和84.79%.在高排放车淘汰与治理情景下,随着高排放车淘汰比例的增长,投入成本和NO_x年均减排量呈线性上升趋势,且NOx减排效果更加显著,而PM减排辆略呈下降趋势.高排放车淘汰率每增长10%,NO_x年均减排量增加892.41t,PM年均减排量减少7.56t,年投入成本增加1.13亿元.     

杭州市机动车污染物排放清单的建立

基于调研的基础数据,运用修正后的IVE排放模型及GIS系统建立了杭州市2010年1km×1km的高时空分辨率的机动车排放清单.结果表明,2010年杭州市机动车污染物CO、HC、NOx、PM的年排放量分别为44.06,2.31,4.43,0.65万t,主要来自线源道路的排放.各车型污染物分担率各不相同,汽油乘用车和公交车排放CO和HC最大,柴油重型货车和公交车是NOx和PM排放的主要来源,两种燃油下的机动车排放差异十分明显.机动车污染排放与路网密集程度及道路长度密切相关,因此西湖区和江干区排放总量远远高出其他区域.机动车各污染物排放强度空间分布均呈现由城市中心向城市边缘的递减趋势,各污染物中心城区排放量占总排量的70%以上.机动车污染物排放日变化十分明显,与人群出行规律有极大的相关性.     

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SO₂、NO_x、CO、PM₁₀、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、PM₁₀、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...     

中国机动车污染物排放系数研究

中国机动车污染物排放已成为影响空气质量的重要来源。基于控制技术的机动车污染排放系数研究有助于排放控制。根据机动车使用状况,车用燃料硫含量,行驶状况和活动水平,运用MOBILE6.2的方法和原理确定了中国各类型机动车HC、CO、NOx的排放系数。小型汽油客车国0阶段CO、HC、NOx分别为78．18t/v、7．89t/v和1．95t／v;国Ⅰ阶段CO、HC、Nox分则为7．16t／v、0．64t/v和1．02t／v;国Ⅱ阶段CO、HC、NOx分则为0．64t／v、0．45t/v和0．25t／v。     

长三角城市群机动车污染物排放清单建立及特征研究

为研究长三角城市群机动车污染物排放特征,本研究应用COPERTⅣ模型估算1999—2017年长三角城市群机动车污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)、CO_2、CH_4、N_2O、NH_3和SO_2排放因子,建立排放清单,并对其排放特征展开分析,结果表明:1999—2017年不同污染物时间变化趋势存在差异,污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)和CH_4排放量呈现先增长后下降的趋势,但开始下降的年份不同,CO_2和NH_3排放量增长趋势显著,2017年相对于1999年分别增加621%和3925%,N_2O和SO_2排放量总体呈上升趋势并在特定年份下降明显;污染物排放空间分布与路网分布基本一致,沿海地区的排放强度要明显大于内陆地区,特别是长江下游、杭州湾和太湖附近的城市最为明显;轻型客车为污染物CO、NMVOC、CO_2、CH_4、N_2O和NH_3的主要贡献车型,重型货车和重型客车为污染物NO_x、PM_(2.5)、PM_(10)和SO_2主要贡献车型;长三角城市群各城市机动车污染物排放量的差别主要与各城市机动车保有量有关,上海市各污染物贡献率下降幅度明显,机动车污染物主要贡献城市除了省会城市和直辖市之外,其余城市的污染物排放也不容忽视.     

美国加州机动车排放清单模型介绍

介绍了美国加州机动车排放清单模型(MVET7gc)的结构、功能、原理、特点和应用，可为开发和建立广州地区的机动车排放清单模型提供借鉴。     

哈尔滨市道路机动车尾气排放清单及特征分析研究

通过对哈尔滨市道路机动车信息的调研,完成了2016年哈尔滨市道路机动车尾气排放清单的建立,同时分析了研究区域内机动车尾气的排放特征。结果表明,2016年哈尔滨市道路机动车尾气CO、NOx、HC、PM2.5、PM10排放总量分别约为76 569.55、10 763.78、35 014.53、1 106.04、1 228.39吨。其中,小型载客汽车是CO、HC的主要贡献源,而载货汽车是NOx、PM2.5、PM10的主要贡献源;就燃料类型而言,汽油是CO、HC的主要贡献源,而NOx、PM2.5及PM10的主要贡献源是柴油。     

区县尺度机动车高分辨率排放清单建立方法及应用

提出了一种基于现场调查和卫片解译建立区县尺度机动车行驶里程(VKT)数据库和尾气排放高分辨率排放清单的方法,以北京市通州区为例进行了应用和排放特征分析.分别使用登记注册车辆信息(保有量方法)和实际车流量信息(车流量方法)计算出VKT和对应的各污染物排放量.结果表明,基于保有量方法计算得到的行驶里程比基于车流量方法的结果低约37%,应用实际车流量的计算方法与实际状况更接近.基于保有量的方法低估了小型载客汽车、大型载客汽车和中型载货汽车的行驶里程,高估了轻型载货汽车、重型载货汽车、低速载货汽车和摩托车的行驶里程.基于保有量的计算方法低估了小客车的尾气污染物排放量,低估比例约为51%.对于大客车、轻型载货汽车和中型载货汽车,2种方法计算的排放量差别较小.基于保有量的计算方法高估了重型载货汽车、低速载货汽车和摩托车的排放量的尾气排放量,高估比例分别约为41%、30%、30%.     

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%.     

不同城市机动车尾气排放比较及数据可分享性评价

针对我国绝大多数城市缺乏机动车相关基础数据的实际国情,探讨一种基础数据共享的可能性,用于城市机动车尾气排放清单的计算.以北京、上海、天津及成都4个城市为例,通过综合这些城市现有的机动车相关的基础数据(如机动车保有量,车龄分布,基于驾驶特征的发动机比功率(VSP),外界环境等),运用模型预测他们的机动车尾气排放并和相应城市已公布的预测值进行比较.结果表明,这几个城市的尾气排放因子有很强的相似性.而且,以成都市为例,预测的尾气排放总量与当地环保局公布的数值相比,就NOx和CO而言分别相差10.4%和1.4%;但就HC而言,相差较大,可达52.6%.尽管如此,分析表明在缺乏机动车相关的基础数据的条件下,现有的其他城市的基础数据可以用来粗略预测一般城市的机动车尾气排放的总体水平.     

中国机动车有毒有害空气污染物排放估算

有毒有害空气污染物的环境影响是国内外研究的热点,而机动车排放是其重要源之一.通过资料调研,获得各车型年均行驶里程以及有毒有害空气污染物排放与非甲烷挥发性有机物(NMVOC)排放的质量分数,梳理各车型保有量,利用COPERT Ⅳ模型计算NMVOC排放因子,建立了2005年中国分车型、分省域的有毒有害空气污染物排放清单.结果表明:2005年中国苯,1,3-丁二烯,甲醛,乙醛和丙烯醛的机动车排放总量分别为31.65×104,7.45×104,13.26×104,5.11×104和1.65×104 t,其主要来源于摩托车、汽油小客车和重型柴油货车;广东、山东、江苏、浙江、河北和河南六省排放量较高.      

北京机动车尾气排放特征研究

近年来随着机动车保有量的快速增加,北京市机动车排放污染受到越来越多的关注。本研究应用COPERTⅣ模型计算了北京不同类型机动车排放因子,根据保有量和年均行驶里程等基础数据计算了2009年机动车尾气污染物排放量;调查了北京典型道路车流量和车辆运行速度等参数,计算机动车尾气排放强度,得出了典型道路不同污染物的综合排放因子;应用COPERTⅣ模型分析了车速对不同污染物排放的影响,将基于G IS的机动车活动强度、行驶速度和排放因子结合在一起,得到了北京机动车尾气排放网格分布清单。结果表明:CO排放量为71.58×104t,HC排放量为7.95×104t,NOx排放量为8.77×104t,PM排放量为0.38×104t。北京城区高峰小时CO排放量为143.9 t/h,HC排放量为18.6 t/h,NOx排放量为12.5/h,PM10排放量为1.14 t/h。     

中国典型城市机动车排放演变趋势

选择中国12个典型城市建立1990~2009年机动车排放清单,分析各城市机动车排放历史演变趋势.结果显示,1990~2009年,研究各城市CO、VOCs、NOx和PM排放因子分别降低57%~81%、53%~78%、22%~74%和31%~76%.20年间,各城市CO和VOCs排放量总体在2000年后陆续达到增长峰值后开始下降,总量分别增长1.0倍和1.4倍;NOx和PM排放量总体保持持续增长,分别增长3.2倍和3.3倍.各城市汽油车是CO和VOCs排放主要贡献源,LDA-G、MDTB-G和HDTB-G对各城市机动车CO和VOCs排放的贡献和分别为约70%~90%和约50%~85%,其中LDA-G的排放贡献明显提高.LDA-G、MDTB-G、MDTB-D和HDTB-D贡献了80%~90%的NOx排放,其中MDTB-D和HDTB-D的排放贡献率从平均57.8%上升为72.7%.对于PM,MDTB-D和HDTB-D占排放的70%~90%.此外,部分城市摩托车排放的贡献不容忽视.     

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.     

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.