北京市不同功能区机动车排放特征研究

以东城区、顺义区、朝阳区、平谷区为例分析北京四大功能区的机动车排放特征并构建排放清单,通过调查统计各区路网分布、机动车类型、行驶里程等,运用COPERT模型计算不同车型各污染物的排放因子并分析污染物空间分布。结果表明,小客车数量均占据各区主导地位。CO、碳氢化合物主要由小客车贡献,而大客车及各类货车是PM2.5、PM10及NOx的主要贡献来源。顺义区和朝阳区的污染物年排放量明显高于其他两区。基于功能区划分来讨论机动车排放特征并建立排放清单能为城市规划及污染防治提供有效途径。     

基于交通大数据的机动车尾气动态排放清单的研制*——以广州内环为例

为更直观地展示机动车尾气污染物的空间分布和时变情况,采用COPERT模型计算排放因子,结合基础速度分配模型得到的分车型车速计算的排放速率,再结合格林希尔治速度—流量模型得到的分车型流量计算的污染物排放量,最后将各路段、各种污染物的机动车排放量在地图上渲染出来,即完成了机动车尾气动态排放清单的研制,以便于分析机动车污染物的排放规律。以广州内环为例,对内环路动态排放清单进行详细分析,结果表明:在早高峰时段有9个路段污染物排放量高于其他路段,而同一路段一天内污染物排放量的变化基本符合交通流的变化趋势,CO、挥发性有机物、NOx和PM2.5排放量两两之间线性相关性强。     

西安市机动车污染物排放清单与空间分布特征

基于机动车排放因子(MOVES)模型和地理信息系统(ArcGIS)技术,建立了西安市2017年分辨率为1km×1km的机动车污染物排放清单。结果显示:2017年西安市机动车污染物PM_(2.5)、PM_(10)、NO_x(NO+NO_2)、NO、NO_2、N_2O和挥发性有机物(VOCs)的年排放总量分别为126.1×10~4、138.2×10~4、2 884.2×10~4、2 577.8×10~4、306.4×10~4、27.9×10~4、1 281.2×10~4 kg;柴油车是PM_(2.5)、PM_(10)和NO_x排放的主要来源,贡献率分别为80.2%、79.5%和75.8%;VOCs和N_2O则主要来自汽油车,贡献率分别为74.2%、89.7%;总体看来,研究区域内不同污染物的空间分布规律相似,这与西安市公路分布有关,PM_(2.5)和NO_x的排放主要集中在主城区及周边县区的高速路和国道,而VOCs的排放主要集中在主城区二环及环内。     

隧道实验测定南京市机动车PM_（10）排放因子

选取南京城市隧道进行机动车PM10平均排放因子的测试研究。采用质量平衡模型和多元线性回归方法计算了4种车型PM10的综合排放因子。结果表明：隧道内机动车PM10平均排放因子为0.347±0.100 g/（km·辆）;大型车的PM10排放因子远高于其他车型的排放因子,其次是中型车和摩托车,小型车最小,其综合排放因子分别为1.440 g/（km·辆）、0.850 g/（km·辆）、0.790 g/（km·辆）和0.320 g/（km.辆）;在车速相似的情况下,本隧道实验所测机动车的PM10排放因子与国内隧道实验结果相仿,却远大于国外隧道实验结果。     

机动车污染排放模型研究综述

过去几十年,为了掌握机动车污染排放的规律和特征,向决策者提供科学有效的机动车污染控制措施,研究者们致力于研究机动车污染物排放的物化原理和影响机动车污染的主要因素,并据此建立多种尺度的机动车排放模型,以模拟城市区域或者街道的污染物排放.为了分析机动车的瞬态排放特征,目前的机动车排放模型研究正逐渐从宏观向微观发展,排放测试方法注重获取逐秒的排放数据,排放模型模拟的时间尺度和空间尺度逐步趋向微观.此外,机动车模型研究正趋向与交通模型进行耦合,从而揭示机动车在实际道路交通流中的排放特征.从机动车排放的主要影响因素、机动车排放测试、机动车排放因子模型及机动车排放清单等4个方面综述了国内外机动车排放研究现状和发展动向,对比并评价各种机动车排放模型方法的优缺点和适用范围,对我国的机动车排放模型发展方向进行了展望.     

基于EMIT模型探讨机动车污染物排放清单构建方法——以天津城区主干道为例

随着城市机动车数量的急剧增加,机动车污染物对人体健康的危害更为严重。构建城市主要道路的机动车污染物排放清单,可以厘清机动车的大气污染排放状况,为中国不同城市制定机动车尾气治理政策提供技术支持。以天津城区主干道为例,通过现场调研的方式取得机动车流量数据,运用修正的EMIT模型计算天津干道机动车污染物排放清单,并通过Mapper工具绘制天津城区主干道的机动车污染物排放的空间分布,探讨了中国城市机动车污染物排放清单的构建方法。     

机动车大气污染物排放清单构建的研究

随着机动车保有量的增加,大气污染物排放已经成为空气污染的一个重要来源,总结出一套完整的机动车大气污染物排放清单建立方法,即从机动车车况调查着手,掌握研究区域机动车基本情况,然后通过实洲或排放模型方法确定机动车排放因子,配合道路状况的调查,建立宏观、中观或微观等不同尺度的机动车大气污染物排放清单.另外,在整个排放清单建立过程中设置数据来源质量保证,选择合适的不确定性定量分析方法.通过探讨每个步骤中目前所采用的方法和存在的问题,以拓宽刚涉足机动车大气污染物排放清单方面研究者的思路.     

京津冀及周边“2+26”城市碳排放强度时空演变规律及影响因素分析

基于2008—2018年相关面板数据,参考政府间气候变化专门委员会(IPCC)温室气体排放清单,采用碳排放系数法测算“2+26”城市碳排放强度,并运用空间杜宾模型考察影响城市碳排放强度的关键因素及空间溢出水平。结果表明：(1)“2+26”城市碳排放强度先后经历了“下降期”和“波动期”两个阶段。(2)城市碳排放强度具有明显的空间集聚特征,碳排放强度低的城市主要分布在北京和河北,而高排放城市大多集中在河南和山西,呈现“两极化”分布格局。从空间分布来看,碳排放强度总体从东北至西南逐渐增加,碳排放强度高的城市与碳排放强度低的城市在空间上分布相对集中。(3)环境规制与经济规模对碳排放强度的降低具有显著的促进作用,目前的能源结构和产业结构阻碍碳排放强度的降低,科技投入的影响并不显著。环境规制和经济规模具有负向的空间溢出效应,能源结构表现为正向的空间溢出效应,其余因素的空间溢出效应不显著。     

隧道实验测定南京市机动车PM10排放因子

选取南京城市隧道进行机动车PM10平均排放因子的测试研究.采用质量平衡模型和多元线性回归方法计算了4种车型PM10的综合排放因子.结果表明:隧道内机动车PM10平均排放因子为0.347±0.100 g/(km·辆);大型车的PM10排放因子远高于其他车型的排放因子,其次是中型车和摩托车,小型车最小,其综合排放因子分别为1.440 g/(km·辆)、0.850 g/(km·辆)、0.790 g/(km·辆)和0.320 g/(km·辆);在车速相似的情况下,本隧道实验所测机动车的PM10排放因子与国内隧道实验结果相仿,却远大于国外隧道实验结果.     

中国县域能源消费碳排放估算及其空间分布

将传统的碳排放因子法与人口权重分配法相结合,估算了2015年中国2 170个县域的碳排放量,并将县域分为高/低碳排放量-高/低碳排放强度的4种类型。分析表明:(1)县域的平均碳排放量为1 287×103 t,但差异较大,空间分布上整体呈现东高西低;81.58%的县域的碳排放强度在0.01～1.05t/万元,空间分布上呈现西部及西北高、东部及东南低。(2)低碳排放量-低碳排放强度类县域数量最多(占45.81%),在全国除东南沿海区域均有分布;高碳排放量-低碳排放强度类县域分布在中国部分华北地区及东部、东南沿海地区,中部也有少量分布;高碳排放量-高碳排放强度类县域主要分布在东北三省;低碳排放量-高碳排放强度类县域主要分布在中国西北的西藏自治区、新疆维吾尔自治区和青海省,同时山西省境内也有较多分布。(3)整体看,中低收入、处于发展提速的中西部县域发展仍需预留一定的碳排放空间;对于高收入的东部县域,则要提出更高的减排要求。     

郑州市裸露地面风蚀扬尘排放清单研究

以郑州市为研究对象,2013年为基准年,通过提取卫星遥感资料中的土地利用信息,利用排放系数法计算郑州市裸露地面风蚀扬尘源中PM_(2.5)、PM_(10)、总悬浮颗粒物(TSP)的排放系数及年排放量,并对排放量做分辨率为1km×1km的空间分配,建立郑州市裸露地面风蚀扬尘源颗粒物的排放清单。结果表明:郑州市裸露地面类型主要为北部黄河滩涂,西部嵩山裸露山体以及中东部建筑施工、土方开挖等形成的空地;郑州市裸露地面面积为208km~2,占郑州市总面积的2.8%;2013年郑州市裸露地面风蚀扬尘中PM_(2.5)、PM_(10)、TSP的排放系数分别为(3.36±2.24)、(20.16±13.44)、(67.21±44.81)t/(km~2·a),PM_(2.5)、PM_(10)、TSP年排放量分别为597、3 581、11 937t。     

2008-2018年山东省人为源氨排放清单研究

为探究山东省氨排放特征,基于统计数据,运用排放因子法建立了山东省全省及各地级市2008—2018年的人为源氨排放清单,重点研究了山东省人为源氨排放的总量、排放源分布、空间分布与变化趋势.结果表明,2018年山东省人为源氨排放总量为75.823万t,平均排放强度为4.80 t/km 2.畜禽养殖是山东省最大的人为源,占全...     

基于DMSP/OLS夜间灯光数据的成渝城市群碳排放时空动态特征研究

基于1992—2013年国防气象卫星计划(DMSP/OLS)夜间灯光数据和能源统计数据,对成渝城市群碳排放进行研究,应用空间自相关模型,并结合趋势分析和地理信息系统(GIS)空间分析方法,探究成渝城市群碳排放时空变化规律。研究结果表明:(1)基于DMSP/OLS夜间灯光数据估算的碳排放与基于能源消耗统计数据计算的碳排放动态变化趋于一致,且存在较好相关性;(2)1992—2013年成渝城市群碳排放增加趋势明显,碳排放增加区域面积高达76.26%,分布在成都、重庆主城及周围德阳、璧山等地区,碳排放不变或降低区域零散分布在研究区边缘地带,面积占比23.74%;(3)成渝城市群所有年份的全局空间自相关系数(Ⅰ)值均大于0,表现出较强空间自相关性,且在研究时段Ⅰ值总体呈增长趋势,说明其空间集聚性持续增强;(4)成渝城市群碳排放空间集聚模式主要为高-高集聚型、低-低集聚型,两者空间分布动态变化均呈增加模式,高-高集聚区域主要分布在成都、重庆主城以及邻近县域,低-低集聚区域主要零散分布在边缘相对落后地区,表明成渝城市群碳排放空间分布具有极强的相互依赖性。     

基于混合效应模型的京津冀地区PM2.5数值模拟

采用2017年京津冀地区中分辨率成像光谱仪提供的3km气溶胶光学厚度(AOD)和气象数据,分别在有无气象因子作为自变量的情况下对PM_(2.5)与AOD的关系进行解释。比较基于空间、时间及时空的78种混合效应模型的模拟效果,并利用十折交叉模型进行验证。经相关系数、拟合程度和模型误差对比,最终确定将气温、相对湿度、风速和气压4种气象因子作为影响因子的基于时空的混合效应模型效果最佳。利用该模型估算2017年京津冀地区的PM_(2.5)监测值,结果表明,PM_(2.5)监测值与模拟值的R~2为0.90(经十折交叉模型校正后为0.81),均方根误差、平均绝对误差分别为13.44、10.12μg/m~3,模型的拟合精度较高。同时研究表明,整体来说,京津冀地区呈现南高北低、平原地区东南高西北低、非平原地区高纬度区域相对低的空间格局。     

行驶速度对机动车尾气排放的影响

利用COPERTIV模型计算和车载尾气测量系统实测得到不同行驶速度下的机动车尾气排放因子,并分析不同车型不同排放标准等级车辆的行驶速度对排放的影响。调查研究北京市城区路网早高峰、平峰、晚高峰和夜间的车流量、车型构成、行驶速度,基于Arc GIS建立平均车速和行驶里程的网格分布数据库,并对比车速修正前后不同道路类型不同污染物的排放强度。结果表明,基于COPERT IV模型和车载测量系统计算的小客车NOx和HC排放因子随车速的变化趋势类似,均随车速的增加呈现U型分布;柴油公交车与柴油卡车NOx和HC排放因子随着车速的升高而减小。4个时间段平均车速大小排序为:夜间(44 km·h~(-1))晚高峰(34 km·h~(-1))平峰(32 km·h~(-1))早高峰(28 km·h~(-1))。车速修正后CO和HC的排放量上升,上升幅度分别为10.6%~11.8%和8.8%~9.2%,NOx和PM排放量下降,下降幅度分别为22.1%~23.3%和12.7%~13.5%。     

基于受体模型和排放清单的杭州市挥发性有机物来源解析及其对臭氧生成的影响分析

为了解杭州市挥发性有机物(VOCs)的污染特征及其对臭氧生成的影响,利用2020年9月至2021年8月的VOCs在线监测数据,全面分析了杭州市VOCs污染特征,并利用正定矩阵因子分析(PMF)和排放清单对VOCs进行来源解析,分析不同组分的臭氧生成能力。结果显示,杭州市VOCs逐月变化呈现“冬高夏低”的特征,烷烃在总VOCs中的占比最高。根据PMF解析,对杭州市VOCs浓度贡献最大的为机动车尾气排放源和溶剂使用排放源。排放清单中,溶剂使用排放源和工业排放源为贡献最大的来源。与排放清单结果相比,PMF结果中机动车尾气排放源和汽油挥发排放源贡献率偏高,与监测点位于城区环境、距离工业园区较远有关,因此VOCs污染防控应针对不同区域精准施策。从各组分对臭氧生成潜势的贡献来看,烯烃和芳香烃是贡献最大的组分。     

基于多源数据融合的浙江省温室气体与大气污染物排放协同研究

减污降碳协同是中国新发展阶段经济社会发展全面绿色转型的必然选择。以浙江省为研究对象,应用多源数据融合方法构建1 km×1 km的温室气体与大气污染物排放网格,采用耦合协调模型识别温室气体和大气污染物排放的协同高值区、磨合区、拮抗区等。研究结果显示,占浙江省国土空间0.68%的协同高值区集聚了30.6%的温室气体排放和38.3%的大气污染物排放,根据不同区域协同排放特性提出减污降碳治理的空间管控优先次序建议、重点行业治理建议、重点因子治理建议等,丰富了区域减污降碳协同的精细化定量分析方法和中长期治理路径优化技术方法。     

基于积尘负荷的北京市典型城区道路扬尘排放特征研究

对典型道路扬尘进行采样,分析夏季北京市西城区、海淀区、门头沟区不同类型道路积尘负荷和PM_(2.5)粒度乘数(K_(2.5),g/(km·辆)),并对高峰与非高峰期K_(2.5)进行统计分析,通过计算得到了PM_(2.5)、PM_(10)排放因子和排放强度。结果表明:除北营房中街和阜外大街以外的积尘负荷总体表现为支路次干道主干道快速路,门头沟区海淀区西城区。不同道路类型PM_(10)排放因子表现为主干道次干道支路快速路(西城区除外),PM_(10)排放强度表现为快速路主干道次干道支路。K_(2.5)的分析结果表明,K_(2.5)表现为快速路主干道次干道支路,西城区海淀区门头沟区,高峰期K_(2.5)普遍比非高峰期大,其中午高峰最大。此外,北营房中街积尘负荷为0.681g/m~2,PM_(10)排放因子和排放强度分别为1.04g/(km·辆)和8.43kg/(km·d),明显小于其他区支路;阜外大街积尘负荷为0.724g/m~2,PM_(10)排放因子和排放强度分别为1.28g/(km·辆)和44.74kg/(km·d),明显小于其他区主干道;这可能与两条道路的日平均洒水次数较多有关。研究结果可为北京市道路扬尘排放清单的构建提供数据参考。     

北京市机动车排放遥感监测分析

机动车排放遥感监测反映实际道路行驶中的排放状况,对全面分析排放水平有很强的统计意义。北京市机动车排放遥感监测的CO、HC和NOx的平均浓度分别为1.94%、388×10-6和700×10-6。北京市机动车排放的CO、HC和NOx中50%分别来自于15.90%、13.98%、11.13%的高排放车,但某车辆对于一种污染物出现高排放并不意味着它对其他污染物也是高排放。根据遥感监测得到北京市轻型汽油车基于油耗的CO、HC和NOx平均尾气管排放因子分别为200.1g/L、11.05 g/L和6.68 g/L。     

三明市大气污染物排放特征研究

通过实地调查和统计获得区县尺度排放源活动水平数据,采用物料衡算法和排放因子法,估算三明市2015年大气污染物排放清单,选取经纬度坐标、路网、土地类型和人口等数据作为权重因子,利用地理信息系统(GIS)技术建立1km×1km高精度网格,分析各类排放源污染排放的数值和空间特征。结果显示,2015年三明市SO_2、NO_x、挥发性有机物(VOCs)、PM_(10)、PM_(2.5)和NH_3的排放总量分别为5.22×10~4、5.80×10~4、1.88×10~5、7.92×10~4、3.23×10~4、2.26×10~4 t。污染贡献方面:工业源是SO_2的排放主要来源;NO_x的主要排放源为工业源和移动源;天然源对VOCs排放有显著贡献;工业源和扬尘源是PM_(10)和PM_(2.5)的主要贡献源;NH_3排放主要来自农业源。空间分布方面:SO_2、NO_x、PM_(2.5)和PM_(10)的排放主要集中在城镇化程度高的永安市和梅列区,VOCs与NH_3排放则与植被分布和农业生产水平密切相关。与2007年和2009年三明市的排放清单对比,发现工业排放控制政策及秸秆禁烧令的实施对PM_(2.5)、PM_(10)和VOCs的减排有明显效果。