共查询到10条相似文献,搜索用时 46 毫秒
1.
北京机动车尾气排放特征研究 总被引:7,自引:0,他引:7
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。 相似文献
2.
《环境科学与技术》2016,(11)
通过建立2012年长株潭区域机动车尾气排放清单,分析了区域内机动车尾气排放特征,研究了排放的时空分配因子,并对清单进行了不确定性分析。结果表明:2012年长株潭区域道路机动车尾气CO、HC、NO_x、PM_(2.5)、PM_(10)、VOCs、NH_3排放量分别约为11.86、1.78、3.88、0.23、0.26、2.52、0.06万t。其中,载货汽车是NOx、PM、PM2.5的主要贡献源,载客汽车和摩托车是CO主要贡献源,摩托车是VOCs的主要贡献源,而载客汽车是NH3的主要贡献源。国I前标准车辆对CO、HC、VOCs的贡献率分别约为33.5%、31.8%、53.9%,国I标准车辆CO、HC、NO_x、PM_(2.5)、PM_(10)、VOCs、NH_3的贡献率分别约为38.6%、40.4%、47.4%、54.1%、54.1%、17.1%、16.2%,均高于车辆保有量的占有率,因此控制尾气排放应从国I前、国I车入手。此外,一周中工作日,每天08:00和17:00排放量占比较大,城区的空间分配因子明显高于郊区及乡镇区域,城镇居民使用车量对机动车尾气排放量影响较大。道路机动车排放清单估算过程中不确定性主要来自活动水平数据,尤其是平均行驶里程的选取上。 相似文献
3.
吴凡 《辽宁城乡环境科技》2005,25(5):46-48
调查和研究了9种车型:轿车、出租车、摩托车、中型客车、小型面包车、大公共汽车、轻型货车、中型货车、重型货车的汽油和柴油的NOx,CO、HC、SO2、PM10污染排放量及分别在主干线、次干线、支路、街巷路中每条路段不同时间车流量密度及利用排放因子,求出每条路段机动车污染物排放量。同时分别汇总主干线、次干线、支路、街巷路中9种车型车流量密度及污染物排放量,最后估算出污染物排放总量。 相似文献
4.
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、NOx、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、NOx、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NOx、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NOx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。 相似文献
5.
基于本地化的综合移动源排放模型(Motor Vehicle Emission Simulator,MOVES)模型模拟典型机动车的CO2排放因子,并建立排放因子与速度变化关系的评估方程,结合各省路网平均速度与区域电网排放因子核算中国31个省份分车型的CO2排放因子.同时,综合考虑载客汽车的载客量和客座率,载货汽车的载重量和载货率,建立各省单位客运,货运周转量的机动车CO2排放因子库.结果表明,各类机动车的平均CO2排放因子分别为:柴油公交车0.880kgCO2/km,重型货车0.877kgCO2/km,电动公交车0.676kgCO2/km,中型货车0.508kgCO2/km,轻型货车0.374kgCO2/km,柴油小客车0.227kgCO2/km,微型货车0.216kgCO2/km,汽油小客车0.203kgCO2/km,电动小客车0.108kgCO2/km,摩托车0.062kgCO2/km.车辆满载时,柴油公交车和电动公交车的人均CO2排放量比汽油小客车分别降低了63%和73%,电动小客车的人均CO2排放量较汽油和柴油小客车分别下降了46%和51%.较高的机动车保有量,频繁的道路拥堵导致上海,北京和重庆等市的机动车CO2排放因子相对较高.倡导公共交通,提高客座率,降低私家车使用频率,推广纯电动汽车并通过减少道路拥堵以提高车速是降低道路交通CO2排放量的有效途径. 相似文献
6.
7.
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、NOx、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、NOx、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NOx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。 相似文献
8.
基于实际道路交通流信息的北京市机动车排放特征 总被引:5,自引:7,他引:5
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. 相似文献
9.
阐述了青岛市城市机动车的发展现状和道路交通状况,采集典型交通状况的车流量和车速数据,对评价区域进行了移动线源、面源的源强分析计算,得到了该区域内机动车排放网格数据,通过修正的排放因子计算了青岛市机动车主要尾气污染物的年排放量,目的是为机动车污染治理提供了理论数据。研究表明从排放源源强分析机动车道路污染状况和污染区域分布,不受扩散模式的影响,可以简单有效的评价机动车排放污染程度;青岛市城市主干道以成为机动车污染物的主要排放源,针对青岛市机动车尾气污染情况提出了合理的污染物治理建议。 相似文献
10.
基于实时交通数据的南京市主次干道机动车排放特征分析 总被引:2,自引:3,他引:2
通过2014年RFID实时数据得到南京市主干道和次干道车流量、车速、车队构成等交通信息,基于COPERT模型获取排放因子数据,利用高时空分辨率机动车排放(HTSVE)清单系统计算道路机动车排放量.运用非参数检验和道路聚类分析,结合Arc GIS技术,分析南京市主次干道机动车排放特征.结果表明,2014年南京市主次干道机动车以小型客车为主,比例均达80%,国Ⅲ和国Ⅳ车量总数超过90%,其中以国Ⅲ车排放贡献率最大.特殊时段(低谷时段、平峰时段、高峰时段)机动车日均排放量受道路类型和周末效应共同影响,南京市主次干道以排放分担率变化规律可分为5类,同类道路具有相似的变化特征且受空间地理位置影响.基于聚类结果,对不同类型道路的小时排放特征进行分析,以期为交通环境管理提供技术手段和决策依据. 相似文献