基于情景分析的北京市机动车污染排放控制研究

为了研究未来北京市机动车排放控制措施的减排效果,本文基于情景分析法,以2010年为基准年,通过设置3类控制措施情景,估算2011~2020年不同情景下北京市机动车常规污染物排放量,并在基准情景基础上,估算污染物减排量,分析控制措施对不同类型机动车的减排贡献.结果表明,尽管未来北京市机动车保有量会有较大增长,实施机动车排放控制措施仍可取得显著的减排效果.单一措施中,淘汰高排放车减排量最大.其中,淘汰轻型客车可有效减少CO的排放,减排贡献率为89.4%;淘汰重型客车可对NOx、HC和PM10达到有效削减,其贡献率分别为65.5%、55.8%、93.4%.实施新的排放标准对重型柴油车的排放也有明显控制效果,且4种污染物都能得到有效削减.综合实施各种措施的效果最为显著,2020年对CO、NOx、HC、PM10的削减效果分别达到46.4%、42.1%、8.6%和50.6%.     

红河州机动车污染物排放特征研究

基于《道路机动车大气污染物排放清单编制技术指南》建立了红河州2019年机动车排放清单。结果表明:2019年红河州CO、HC、NOx、PM2. 5、PM10和SO2排放总量分别为29494、11908、13259、273、301和138t/a。机动车污染物分担率差别显著,小型汽油载客车、轻型汽油载货车和摩托车是CO的主要排放来源,小型汽油载客车和摩托车对HC排放贡献最大,对NOx、PM2. 5和PM10贡献最大的是大型柴油载货车。汽油车是CO和HC机动车污染物排放的主要贡献源,其排放量分别占排放总量的82. 01%和96. 64%,柴油车是NOx、PM2. 5和PM10的主要贡献源。     

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.     

基于情景分析的杭州市机动车尾气排放控制协同效应研究

为了研究杭州市机动车尾气排放控制措施对大气污染物和温室气体的协同减排效应,本文以2015年为基准年,估算2020年杭州市机动车常规大气污染物和温室气体排放量,通过设置8种控制措施情景,测算大气污染物和温室气体的减排量,运用弹性系数法和协同效应坐标系法分析了大气污染物和温室气体的协同效应.结果表明,在各种控制情景下,杭州市机动车大气污染物和温室气体排放量均有削减,且具有正向的协同减排效应.单一控制措施中淘汰高排放老旧车对大气污染物和温室气体排放量的减排效果最明显,协同效应突出,淘汰国Ⅲ柴油货车和推广新能源车的减排效果和协同效应次之,这3种措施是杭州市交通领域减少大气污染物排放和应对气候变化综合管理的关键措施.采取综合性措施或者结构性措施,无疑可以最大幅度削减杭州市机动车大气污染物和温室气体排放,为实现杭州市大气环境质量限期达标和碳排放达峰协同"双达"奠定基础.     

海峡西岸经济区大气污染物排放清单的初步估算

以2009年为基准年,结合污染源普查数据、统计年鉴及工业活动、居民生活等多个方面对海峡西岸经济区包括SO2、NOx、PM2.5、VOCs和NH3在内的大气污染物的排放量进行了估算,建立了海西区大气污染物排放清单.结果发现,上述5类污染物基准年的排放量分别为40.67×104、55.84×104、50.57×104、152.26×104和26.18×104t.其中,SO2、NOx及PM2.5的排放主要来自电厂,占排放总量的比例分别为25.58%、34.89%和38.75%;VOCs和NH3的主要排放源分别来自植被排放和养殖业,其贡献量分别为49.12%和47.07%.采用GIS对排放清单进行网格化处理,得出SO2、NOx及PM2.5的高排放强度区域与固定源的空间分布较为一致.此外,结合国家和地方"十二五"发展规划,采用情景分析方法估算了2015年海西区大气污染物的排放清单.与基准年相比,SO2、NOx和NH3的排放量呈下降趋势,PM2.5和VOCs的排放量呈大幅度增加.基准年排放清单的不确定性分析显示,VOCs排放估算的不确定度最大,为225%.     

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.     

武汉市2020年机动车常规污染物排放预测及减排潜力分析研究

采用情景分析方法预测武汉市"十三五"期间不同情景下机动车保有量和主要污染物(NOx、CO、VOCs、PM10和PM2.5)排放量,同时进行减排潜力的初步核算.结果表明:在不淘汰黄标及老旧车辆的情况下,预计2020年武汉市机动车保有量将增长至352.5万辆,机动车排放NOx、CO、VOCs、PM10和PM2.5约为6.6万吨、13.5万吨、4.0万吨、0.2万吨和0.2万吨."十三五"期间采取结构减排、工程减排及管理减排方案措施后,2020年机动车排放NOx、VOCs、CO、PM10和PM2.5可在2015年的排放基础上分别减排0.51%、43.17%、40.74%、38.99%和38.45%.     

杭州市“十二五”机动车NOx减排对策研究

以杭州市为研究区域,建立2010年机动车NOx排放清单,预测杭州市“十二五”期间新增机动车NOx排放量,并设定了“现行管理”、“改善方案”和“强化方案”3个机动车管理情景,对NOx的减排潜力进行分析.结果表明,2010年杭州市主城区NOx排放量为4.43万t,其中重型货车所占比例最大,为34.1%. “十二五”杭州市机动车将增加22万辆,新增NOx排放0.197万t.执行“改善方案”—机动车淘汰工程和油品替代工程,可减少NOx排放0.746万t,削减率为16.84%.增加混合动力公交车和新能源汽车的市场占有率可以提高NOx的减排潜力.     

利用IVE模型建立成都市轻型汽油客车排放清单

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2.23×104t、1.6×102t、1.26×104t和2.03×105t;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%.     

上海市机动车尾气排放协同控制效应研究

以2007~2012年为一个时间序列,通过详细调查上海市机动车道路交通等基础资料对机动车各污染物排放量进行测算,并利用协同控制坐标系评价方法,设计单一措施、结构性措施和综合性措施等3种机动车污染减排控制情景.结果表明:2007~2012年,上海市机动车污染物年排放量呈递减趋势,其中摩托车(MC)、小型汽油客车(LDGV)、重型柴油货车(HDDT)和大型柴油客车(HDDV)是机动车污染物主要的排放源,其排放量总和占到机动车污染物总量的90%以上.按当前上海市机动车保有量增长速度,2018年机动车尾气排放的可吸入颗粒物(PM₁₀)增长7%,温室气体增长比例为15%~108%,其中二氧化碳(CO₂)增长比例达到45%以上.在各控制情景下污染物和温室气体均有不同程度下降,但减排效果有明显差异.在单一措施控制情景下,淘汰黄标车和提高排放标准对两类污染物的削减效果明显,削减比例均在20%以上;而结构性控制措施对这两类污染物的削减尤为明显,削减比例达到40%以上且正向协同效应突出.     

河南省2016~2019年机动车大气污染物排放清单及特征

基于城市机动车保有量和高速公路交通流量,结合行驶里程和VOCs源谱,采用排放因子法建立了河南省2016~2019年城市和2016年高速公路机动车高分辨率大气污染物排放清单.结果表明,2016年小型客车和普通摩托车等汽油车是CO、VOCs和NH₃的主要贡献源,SO₂、NO_x和PM主要来自重型和轻型柴油货车,国1、国3和国4标准车对污染物排放贡献突出,郑州、周口和南阳的排放量较大;高速公路8~10月的车流量较高,11月最低,城市主干道周变化和日变化分别呈现出明显的周末效应和双峰特征;排放高值区集中在交通网密集、交通流量大的城市中心及市区附近向外辐射的道路上,连霍高速和京港澳高速是高排放道路;轻型汽油车对臭氧生成潜势（OFP）贡献最大,乙烯和丙烯等5个物种对VOCs排放量和OFP贡献均较大;2016~2019年机动车保有量年均增长率为5.7%;与2016年相比,2019年VOCs排放增加2.8%,SO₂、PM_2.5、PM₁₀、NH₃、CO和NO_x的降幅分别为76.3%、51.7%、50.3%、43.1%、16.7%和5.9%;2019年各污染物在控制政策下的实际排放量相对基准情景的减排比例在15.6%~82.4%之间.     

北京市机动车新车排放标准效益的灰色关联评价

为对机动车排放的控制措施进行效益评估,引入“机动车当量排放”的概念,通过对执行不同时期新车排放标准的机动车计算当量排放,给出了北京市2000—2004年的机动车NO_x总排放量,并将该排放量与相应的区域环境污染物质量浓度进行了灰色关联分析. 结果表明,北京市交通环境ρ(NO₂)年际变化与基于当量排放的NO_x总排放量年际变化在总体上呈现中等程度的关联,说明实施新车排放标准对区域环境质量的改变有着较大的关联作用.      

Vehicle emissions of primary air pollutants from 2009 to 2019 and projection for the 14th Five-Year Plan period in Beijing, China

Over the past decade, the emission standards and fuel standards in Beijing have been upgraded twice, and the vehicle structure has been improved by accelerating the elimination of 2.95 million old vehicles. Through the formulation and implementation of these policies, the emissions of carbon monoxide (CO), volatile organic compounds (VOCs), nitrogen oxides (NO_x), and fine particulate matter (PM_2.5) in 2019 were 147.9, 25.3, 43.4, and 0.91 kton in Beijing, respectively. The emission factor method was adopted to better understand the emissions characteristics of primary air pollutants from combustion engine vehicles and to improve pollution control. In combination with the air quality improvement goals and the status of social and economic development during the 14th Five-Year Plan period in Beijing, different vehicle pollution control scenarios were established, and emissions reductions were projected. The results show that the emissions of four air pollutants (CO, VOCs, NO_x, and PM_2.5) from vehicles in Beijing decreased by an average of 68% in 2019, compared to their levels in 2009. The contribution of NO_x emissions from diesel vehicles increased from 35% in 2009 to 56% in 2019, which indicated that clean and energy-saving diesel vehicle fleets should be further improved. Electric vehicle adoption could be an important measure to reduce pollutant emissions. With the further upgrading of vehicle structure and the adoption of electric vehicles, it is expected that the total emissions of the four vehicle pollutants can be reduced by 20%-41% by the end of the 14th Five-Year Plan period.     

APEC会议期间北京机动车排放控制效果评估

机动车尾气排放是影响北京市大气环境质量的首要因素,为了保障APEC期间的空气质量,北京市采取了包括控制机动车排放在内的严格的控制措施.本研究基于路网车流量、车速和车型变化数据,提出了一种基于自下而上排放清单的控制措施效果评估方法.结果表明,APEC会议期间北京市路网车流量下降,车速上升,小客车的车流量下降幅度最大;APEC会议期间机动车尾气CO、NO_x、HC和PM排放削减比例分别为:快速路15.1%、22.4%、18.4%和21.8%,主干道29.9%、36.4%、32.7%和35.8%,次干道35.7%、41.7%、38.4%和41.2%,支路40.8%、46.5%、43.1%和46.0%.基于自下而上的排放清单方法,建立了APEC会前和会期的机动车尾气排放清单,结果显示研究区域内会期机动车尾气排放量CO、NO_x、HC和PM排放量分别削减37.5%、43.4%、39.9%和42.9%.     

IVE机动车排放模型应用研究

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。     

中国国道和省道机动车尾气排放特征

近年来,随着我国机动车保有量的持续增长,机动车排放已成为我国重要的大气污染物来源之一.现有的机动车排放研究多关注城市内的机动车大气污染物排放,针对城市间的大气污染物排放研究较少.我国城市间交通道路主要包括国道和省道,截止至2015年我国国道里程18.53万km、省道里程32.97万km,约占全国等级公路总里程的13%,因此开展我国国道和省道机动车大气污染物排放研究十分重要.本研究基于全国国道和省道交通监测站的年均监测数据,采用环境保护部发布的《道路机动车大气污染物排放清单编制技术指南(试行)》中的指导方法,计算了2015年我国国道和省道机动车的大气污染物排放清单,分析了污染物排放的时空分布特征.结果表明,我国国道和省道公路机动车排放的一氧化碳(CO)、氮氧化物(NO_x)、颗粒物(PM)和碳氢化合物(HC)排放量分别占全国机动车污染物总排放量的4.5%、27.9%、14.4%和7.7%;不同车型对国道和省道机动车大气污染物排放的分担率不同,其中大货车是NO_x、PM_(10)、PM_(2.5)的主要来源,摩托车是CO和HC的主要来源;不同道路类型中各车型的大气污染物排放分担率也不同,如高速路上大货车是NO_x、PM_(10)和PM_(2.5)的主要来源,普通道路上大客车和大货车是NO_x、PM_(10)和PM_(2.5)的主要来源.     

河北省国道和省道机动车基于交通流量的尾气排放量估算

河北省各城市均已开展利用机动车保有量等宏观统计数据的城市移动源排放清单编制工作,但尚缺乏对跨省及全省各城市间国省道高时空分辨率的移动源排放清单研究.本研究利用2017年河北省国道、省道日均交通流量监测数据,计算了2017年河北省国道和省道机动车大气污染物排放量.结果表明：2017年河北省国道和省道机动车CO、HC、NO_x、PM_2.5和PM₁₀排放量,与利用宏观统计数据计算得到的全省机动车排放总量相比,分别占27.8%、15.7%、55.6%、58.3%和58.5%.重型货车是国道和省道机动车CO、NO_x、PM_2.5和PM₁₀排放的主要来源.河北省南部国省道的机动车排放量以南部各城市为中心呈网状辐射,东北部沿海地区的排放量主要在沧州-天津-唐山-秦皇岛-承德沿线分布,西北部则主要在保定-张家口-内蒙沿线分布.月均排放量分布情况为1月最高,9月最低;周日均分布情况为周一—周三逐日增加,周四开始回落,周日降至最低;每日小时平均分布呈现明显的双高峰现象,两次高峰分别出现在11：00和18：00左右;最低值出现在凌晨4：00.河北省内,各市国省道机动车污染物排放分担率前3位的依次为保定、沧州和张家口.跨省交通车辆排放的CO、HC、NO_x、PM_2.5、PM₁₀分别占河北省国省道机动车总排放量的48.1%、48.7%、42.9%、41.3%和41.3%,其中天津市出入河北省的车辆排放分担率最高,其次是北京.京津冀应在区域层面建立机动车污染联合防治协调机制,从调整区域货运交通运输结构、推动柴油车污染控制措施升级等方面改善区域环境空气质量.     

辽宁省2000~2030年机动车排放清单及情景分析

机动车排放已经成为城市地区大气污染的主要来源.基于COPERT模型和ArcGIS技术,建立了2000~2030年辽宁省机动车排放清单,分析6类污染物（CO、NMVOC、NO_x、PM₁₀、SO₂和CO₂）排放的总体趋势与空间演变特征,同时以2016年为基准年,基于情景分析法设置8类控制措施情景并评估不同控制措施对污染物的减排效果.结果表明2000~2016年,机动车的CO、NMVOC、NO_x和PM₁₀排放量呈现先增后降的趋势,SO₂排放量呈现波动变化,而CO₂排放量则呈现持续增长态势.轻型载客车和摩托车是CO和NMVOC排放的主要贡献车型,重型载客车和重型载货车是NO_x和PM₁₀的主要排放源,SO₂和CO₂则主要是由轻型载客车排放.辽宁省中部及南部机动车排放量明显高于辽东和辽西.从城市层面来看,排放主要集中在沈阳市和大连市.情景分析表明,实施更加严格的排放标准可以增强减排效果,且升级排放标准的时间越提前减排效果越好.综合情景将实现减排最大化,强化综合情景对CO、NMVOC、NO_x、PM₁₀、CO₂和SO₂的削减率达到了30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.     

大城市机动车污染物排放与控制的情景预测

机动车排放控制措施的有效实施对改善城市大气环境质量具有重要意义. 以北京市为例,利用情景预测法评估2011—2020年各项控制措施对城市机动车常规污染物(CO、NO_x、HC、PM₁₀)的削减效果.建立Gompertz模型并估算动态车龄分布以预测机动车保有量,运用排放因子法估算6种机动车排放控制情景的污染物削减量. 结果表明:与基准情景相比,轻型客车保有量调控情景对CO、HC和PM₁₀的削减效果较显著,在2020年可分别削减7.81%、9.88%和5.78%;排放标准更新情景对4种污染物均能有效削减,尤其是对NO_x和PM₁₀,可分别削减21.19%和24.67%;而淘汰高排放机动车情景的短期削减效果显著,但中、长期效果较差;新能源车推广情景因受到经济、技术条件的限制,削减效果较弱;综合情景考虑了以上所有的削减控制措施并达到最大的削减效果,2020年对CO、NO_x、HC和PM₁₀的削减率分别达到29.45%、42.54%、28.04%和41.30%,与基准年(2010年)相比,分别削减约2.81×105、0.63×104、3.77×104和0.17×104t.