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%.     

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.      

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.     

基于实际道路交通流信息的北京市机动车排放特征

通过模型模拟和调查统计方法获取了北京路网的车流量、车型构成和车速基础数据.基于具有时空分布特征的实际道路交通流信息和排放因子,以Arc GIS为平台构建了北京市机动车尾气排放清单,并分析实际道路排放特征及污染物排放的空间分布特征.结果表明,北京市城区各类型道路上小客车比例均在89%以上,郊区道路也为小客车比例最高,但小货车、中货车、大货车、大客车、拖拉机和摩托车均占一定比例.污染物排放强度与车流量呈正相关性,污染物排放强度总体上呈现白天高夜间底的趋势,但是郊区道路PM排放昼夜变化趋势不明显,高速路的PM排放强度夜间大于白天.污染物排放的空间分布为城区、南部、东南以及东北部接近城区的区域排放强度较高,西部山区及北部山区由于路网密度较小排放强度较低,城区环路和郊区高速公路附近由于车流量大,排放强度较高.     

成都市大气污染物排放清单高分辨率的时空分配

传统的污染物时空分配方法由于分辨率较低而常无法满足空气质量模拟的需要.本研究根据各污染源的排放特点,确定可用于高分辨率时空分配的识别因子和建立时空分配权重的估算方法,并以成都市为例,建立了2012年成都地区高分辨率时空分配清单.结果表明,根据清单的时空分配结果,成都市的污染物排放主要集中在成都市区、成都周边的工业区(特别是东部城区)及交通流量大的高速路地区,且排放时间大部分集中在冬季和春季.这与实际的污染排放来源及环境空气质量的实际监测结果较为一致.说明本研究提出的高分辨时空分配方法较为合理可靠,可以有效降低传统方法空间分配的偏差和提高分配结果的精度,可满足后续的空气质量模拟的需要.     

基于实时交通信息的道路机动车动态排放清单模拟研究

以上海市为例开展了实际道路车流分布、行驶工况和车辆技术的实地调查,建立了道路车流、VSP分布和车辆技术数据库.在此基础上,基于实时的车流、车速等交通信息,构建了动态化的道路机动车污染物排放清单模拟方法,并开展了城区典型道路的机动车小时排放模拟案例研究.调查结果表明,上海市城区道路车流以轻型客车和出租车为主,分别占各时段车流总量的48%～72%和15%～43%;VSP分布与平均车速存在较好的规律,各车型VSP峰值随平均车速的上升向高负荷去移动,且峰值逐渐降低;当前上海市车辆以国2和国3车型为主,经过年检站调查结果的校正,国2和国3车型分别占各车型的11%～70%和17%～51%.模拟案例结果显示,道路机动车CO、VOC、NOx和PM日排放峰谷比可达3.7、4.6、9.6和19.8左右,CO和VOC排放主要来自轻型客车和出租车,与车流变化的相关性较好,而NOx和PM排放主要来自重型客车和公交车,且主要集中在早晚高峰时段.采用建立的动态排放模拟方法可实时反映实际道路的机动车排放变化,获取高排放路段和时段,为交通环境管理提供重要的技术手段和决策依据.     

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。     

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.     

阳泉市2017年基于交通流量的机动车排放清单

通过van Aerde速度-流量模型模拟和交通流量调查获取了阳泉市路网的车流量、车型构成和车速基础数据,利用自下而上的方法,基于实际交通流量数据、机动车排放因子和路段,构建了阳泉市道路机动车排放清单,并分析了机动车污染物排放特征。结果表明:2017年阳泉市道路机动车排放的CO、HC、NO_x、PM分别为4.56×10⁴、0.96×10⁴、1.76×10⁴、0.024×10⁴ t。按道路类型划分,高速公路(含城市快速路)机动车污染物排放量较大,CO、HC、NO_x、PM排放量分别占排放总量的48.4%、48.9%、40.0%和34.3%;按车辆类型划分,小型客车是CO、HC排放的主要贡献者,重型货车是NO_x、PM排放的主要贡献者;按排放阶段划分,国4机动车排放的CO和HC占比较高,国3机动车排放的NO_x和PM占比较高;按区县划分,污染物排放量最大的为盂县,其次是平定县和郊区。机动车在道路上的实际排放量与道路类型、道路所属行政区域及车辆类型密切相关。     

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%.     

呼和浩特交通扬尘排放清单研究

颗粒物污染是影响中国城市空气质量的首要因素,交通扬尘是城市大气颗粒物污染的主要来源之一,排放清单及排放特征研究是进行环境影响分析、控制措施成本效益分析、控制方案制定以及进行环境管理的基础。本文对呼和浩特城区典型道路路面尘负荷进行采样分析,现场调研不同类型道路车流量和车辆构成,应用AP-42排放因子计算典型道路交通扬尘排放因子,建立了基于G IS的排放清单数据库。结果显示:胡同的PM10排放因子最大,其次分别为环城路、支路、次干道和主干道;环城路的PM10排放强度最大,其次为主干道、次干道、支路和胡同;基准年2006年呼和浩特城区交通扬尘PM10排放量为22 715 t;从空间分布看,环城路以内网格排放源强较高,中心城区排放强度最大。     

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。     

北京市交通扬尘PM2.5排放清单及空间分布特征

为建立一种自下而上的交通扬尘PM_2.5排放清单方法,对北京市不同区域、不同类型道路的路面积尘负荷进行了采样和实验室分析,对各类路网的道路车流量和车辆类型进行了调查和统计,建立了北京市道路交通扬尘PM_2.5排放清单,并对其空间分布进行了分析. 结果表明:北京市城区快速路、主干道、次干道、支路和胡同的交通扬尘PM_2.5排放因子分别为(0.05±0.03)(0.09±0.05)(0.11±0.05)(0.16±0.14)和(0.27±0.20)g/(km·辆),相应各类型道路的交通扬尘PM_2.5排放强度分别为(7.21±4.66)(5.27±3.03)(3.34±1.49)(2.84±2.49)和(0.54±0.40)kg/(km·d);郊区高速路、国道、省道、县道、乡道和城市道路的交通扬尘PM_2.5排放因子分别为(0.10±0.03)(0.50±0.33)(0.39±0.37)(0.41±0.41)和(0.65±0.31)(0.19±0.08)g/(km·辆),各类型道路交通扬尘的PM_2.5排放强度分别为(3.82±1.31)(10.00±6.58)(3.93±3.74)(1.64±1.63)(0.65±0.31)和(0.74±0.32)kg/(km·d). 北京市道路交通扬尘PM_2.5的年排放量为13 565 t,从空间分布上看,郊区交通扬尘PM_2.5年排放量、单位道路长度排放量以及排放因子均高于市区,而城区单位行政区面积的交通扬尘PM_2.5排放量高于远郊区县. 从交通扬尘PM_2.5排放的空间分布特征看,在继续加强城区交通扬尘控制的同时,应采取措施控制远郊区县公路的扬尘排放. 自下而上的交通扬尘PM_2.5排放清单提高了排放的时空分辨率,能够识别路网中高排放的区域和路段,为交通扬尘总量管理和减排目标考核提供了一种技术手段.      

城市道路交通噪声预测理论-统计模型

在分析影响道路交通噪声各因素的基础上 ,根据道路交通噪声预测的理论公式 ,结合实测数据 ,建立了适合中国城市交通、路况和环境标准的理论 -统计模型 .该模型对机动车参考噪声、车流量、车速、路面坡度、地面植被等因素对噪声的影响作了有效的预测 ,使模型在实际应用中计算更简单、结果更准确 .     

2010年中国机动车CH4和N2O排放清单

中国大部分机动车温室气体排放研究都集中于CO₂排放,对于CH₄和N₂O等排放的研究鲜见. 以中国机动车污染防治年报(2011年)、中国汽车工业年鉴(2011年)、中国统计年鉴(2011年)以及交通运输部发布的相关信息和数据(2011年)等为基础,结合文献调研和2008─2010年对北京、广州等国内10余座典型城市的实地调查结果,获得2010年我国机动车活动水平及排放特征. 基于上述基础信息,解析得到按不同车型、燃料和车龄分布的机动车保有量、年均行驶里程及排放因子,建立2010年中国机动车CH₄和N₂O排放清单. 结果表明:2010年中国机动车CH₄和N₂O排放量分别为23.90×104和6.01×104t,折算成CO₂分别为501.99×104和1862.51×104t. 不确定性分析则显示,中国CH₄排放量在18.21×104～27.52×104t之间,N₂O排放量在4.32×104～7.62×104t之间. 在机动车中,汽车CH₄和N₂O排放量最大,分担率(某车型污染物排放量占机动车排放总量的比例)分别为77.99%和94.22%,而摩托车和农用车排放分担率较小. 在各类汽车中,CH₄排放主要来源于轻型汽油车和天然气出租车,二者的排放分担率分别为47.98%和23.42%;N₂O排放则主要源于轻型汽油车,其分担率为73.09%. 因此,轻型汽油车是削减机动车CH₄和N₂O排放的重点车型,同时天然气出租车也应作为控制CH₄排放的主要车型.