Evaluation of the International Vehicle Emission （IVE） model with on-road remote sensing measurements

Intemational Vehicle Emissions （IVE） model funded by U.S. Environmental Protection Agency （USEPA） is designed to estimate emissions from motor vehicles in developing countries. In this study, the IVE model was evaluated by utilizing a dataset available from the remote sensing measurements on a large number of vehicles at five different sites in Hangzhou, China, in 2004 and 2005. Average fuel-based emission factors derived from the remote sensing measurements were compared with corresponding emission factors derived from IVE calculations for urban, hot stabilized condition. The results show a good agreement between the two methods for gasoline passenger cars＇ HC emission for all 1VE subsectors and technology classes. In the case of CO emissions, the modeled results were reasonably good, although systematically underestimate the emissions by almost 12%-50% for different technology classes. However, the model totally overestimated NOx emissions. The IVE NOx emission factors were 1.5-3.5 times of the remote sensing measured ones. The IVE model was also evaluated for light duty gasoline truck, heavy duty gasoline vehicles and motor cycles. A notable result was observed that the decrease in emissions from technology class State II to State I were overestimated by the IVE model compared to remote sensing measurements for all the three pollutants. Finally, in order to improve emission estimation, the adjusted base emission factors from local studies are strongly recommended to be used in the IVE model.     

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.      

IVE模型中区间划分方法对排放因子估算的影响

利用便携式排放测试系统（Portable Emission Measurement System,简称PEMS）和GPS系统（Global Position System,简称GPS）选取多辆天津市机动车进行了道路测试,并对其排放及行驶数据进行了研究,分析了在IVE（International Vehicle Emissions,简称IVE）模型中不同区间的划分方法下,机动车比功率（Vehicle Specific Power,简称VSP）与排放相关系数的差异.CO、CO₂、NO_x排放与VSP相关系数在Paps（Preaverage Power Stress,前平均比功率负载,简称Paps）方案下进行划分时的平均值从原有的引擎负载（Engine Stress,简称ES）方案下的0.1以下上升到0.4以上;但是HC排放与VSP相关系数在ES方案下的均值为0.0370,在Paps方案下却为-0.0766.分别计算污染物实测排放因子与IVE模型改进前和改进后的污染物排放因子的比值,发现采用Paps区间划分方法计算得出的排放因子数据比ES区间划分方法得出的数据显著接近于实测排放因子,显示Paps区间划分方法有助于改善机动车排放估算的准确度.     

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.     

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.     

运用CMEM模型计算北京市机动车排放因子

采用由美国加州大学Riverside分校开发的综合模式排放模型(CMEM)分析和研究北京市机动车污染物的排放特征,以9辆代表北京市典型技术类型的轻型机动车为实验车辆,收集了运行CMEM模型所需要的数据和参数.通过CMEM模型Access 2.02版本计算,得到了在不同交通行驶状况下北京市4类典型轻型机动车的CO2,CO,HC,NOx单车排放因子及各车型综合排放因子.通过与同一车辆的在路实测排放因子比较发现,用CMEM模型计算的CO,HC和NOx与实测排放因子及排放特征有较好的一致性,因此适用于计算北京市机动车CO,HC和NOx排放因子.      

乌鲁木齐市城区机动车大气污染物排放特征

对乌鲁木齐市城区车辆信息(包括车流量和车辆构成、车辆控制技术水平、车辆行驶工况、车辆启动分布等)进行调研和测试,并根据IVE模型计算得到机动车污染物排放清单,获得分车型、燃料类型及启动/运行方式的机动车污染物排放分担率.结果表明:2011年乌鲁木齐市机动车CO、NO_x、HC和PM的排放量分别为20.22×104、2.60×104、1.84×104和0.44×10~4t·a~(-1),机动车污染物排放分担率差别显著,乘用车、公交车和重型货车是CO和HC主要排放源;重型货车和乘用车是NO_x的主要排放源;重型货车是PM的主要排放源.汽油车是CO和HC排放的主要来源,柴油车是NO_x和PM排放的主要来源,天然气车各类污染物排放量均较低.控制柴油重型货车是消减机动车污染物排放的重要方式.     

机动车排放控制标准对污染物排放因子的影响

基于我国机动车排放控制标准,利用适应性调整后的IVE模型及改进的LEAP模型,结合机动车燃油经济性,建立了研究区域2004—2030年机动车CO,VOCs,NO_x,PM10和CO₂的动态排放因子.结果表明,国Ⅰ和国Ⅱ规定的机动车排放控制标准(除摩托车外)对降低各类机动车型污染物排放因子作用不大; 而国Ⅳ标准将自2010年起执行,只有执行该标准才能显著降低所有汽油和柴油车型的污染物排放因子. 研究结果同时显示,2010年后机动车污染物的排放因子将继续降低.      

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。     

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.      

Evaluating the emission status of light-duty gasoline vehicles and motorcycles in Macao with real-world remote sensing measurement

Roadside remote sensing measurement was used to explore the real-world emission status of light duty gasoline vehicles （LDGVs） and motorcycles in Macao. Both fuel-based and distance-based emission factors were derived using the mass balance method. The emission concentration profile of LDGVs illustrated the benefits of tightening emission standards at the source country or region of import. The distance-based emission factors for CO, HC and NOx of LDGVs registered before 2000 were 8.00, 1.04 and 1.36 g/km, respectively. The distance-based emission factors for CO, HC and NOx of LDGVs registered in or after 2000 were 1.16, 0.15 and 0.18 g/km, respectively. The fuel-based CO emission factors of light duty motorcycles （LDMCs） and heavy duty motorcycles （HDMCs） registered before 2000 were about 10 times higher than those of LDGVs of the same age group. As the emissions of LDGVs decreased more quickly after 2000, the gap widens for newer vehicles. The distance-based HC emission factors of LDMCs and HDMCs registered before 2000 were 4.81 and 2.91 g/km, respectively. The distance-based HC emission factors of LDMCs and HDMCs registered in or after 2000 were 3.52 and 0.93 g/km, respectively. The poor emission performance of motorcycles and their larger share in the traffic flow will cause them to be the major contributor to traffic CO and HC emissions. LDMCs, especially two-stroke models, should be the priority for vehicle emission control efforts in Macao.     

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%.     

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.     

北京市轻型汽车尾气排放检测结果分析

对北京市566辆在用轻型车排放尾气进行了BASM检测，对不同厂牌的化油器车、化油器改造车和电喷车排放的HC、CO和NO平均浓度进行了比较，结果表明，化油器改造车3种污染物平均浓度比化油器车低50％左右，电喷车3种污染物平均浓度可比化油器车低80％左右。同时对几种车型的劣化规律进行了分析，发现化油器车的劣化关系离散性大，而另外两种技术的车辆的劣化关系呈收敛性，说明化油器车的污染物排放和保养关系密切，电喷车劣化规律明显优于化油器车和化油器改造车。实验结果为I／M实施提供了科学依据。     

遥感法用于车辆实际道路行驶污染状况评估

为了评估满足不同排放标准的在用车在实际道路行驶条件下的污染状况,以2013年3-11月间在北京市朝阳区收集的16.5×104组在用汽油车排放遥感测试大数据为基础,对北京市的在用车实际道路排放水平进行分析和评价.结果表明:新车排放标准升级明显降低了在用车的CO、HC和NO平均排放浓度.从国Ⅰ/国Ⅱ到国Ⅲ以及从国Ⅲ到国Ⅳ/国Ⅴ,每次标准升级使得在用车的CO排放浓度平均降低12%~15%,HC和NO排放浓度分别降低13%和40%左右.与2003年相比,北京市2013年机动车CO、HC和NO排放的平均浓度分别下降了52.1%、82.1%和65.3%,排放标准升级带来的减排效果十分明显.未来排放标准升级过程中应当强化对在用车实际驾驶过程排放的监管,同时积极引导老旧车辆的淘汰更新,加大对排放造假行为的执法和处罚力度.      

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.     

City-specific vehicle emission control strategies to achieve stringent emission reduction targets in China's Yangtze River Delta region

The Yangtze River Delta (YRD) region is one of the most prosperous and densely populated regions in China and is facing tremendous pressure to mitigate vehicle emissions and improve air quality. Our assessment has revealed that mitigating vehicle emissions of NOx would be more difficult than reducing the emissions of other major vehicular pollutants (e.g., CO, HC and PM_2.5) in the YRD region. Even in Shanghai, where the emission control implemented are more stringent than in Jiangsu and Zhejiang, we observed little to no reduction in NOx emissions from 2000 to 2010. Emission–reduction targets for HC, NOx and PM_2.5 are determined using a response surface modeling tool for better air quality. We design city-specific emission control strategies for three vehicle-populated cities in the YRD region: Shanghai and Nanjing and Wuxi in Jiangsu. Our results indicate that even if stringent emission control consisting of the Euro 6/VI standards, the limitation of vehicle population and usage, and the scrappage of older vehicles is applied, Nanjing and Wuxi will not be able to meet the NOx emissions target by 2020. Therefore, additional control measures are proposed for Nanjing and Wuxi to further mitigate NOx emissions from heavy-duty diesel vehicles.     

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.     

2006—2012年广东省机动车尾气排放特征及变化规律

利用广东省年鉴及实地调查资料,基于COPERT Ⅳ模型计算并分析了2006─2012年广东省珠三角和非珠三角地区的机动车尾气排放清单. 结果表明:研究地区2006─2012年机动车保有量上升,国Ⅲ、国Ⅳ车辆所占比例提高,其中珠三角地区优化程度大于非珠三角地区;2006─2012年2个地区污染物(CO、VOC、NO_x、PM_2.5)排放因子均有降低,降幅在24.54%~57.89%之间. 机动车污染物排放量上升趋势及贡献特征地区性差异明显,2006─2012年非珠三角地区CO、VOC排放量分别上升了37.20%、26.93%,增幅高于珠三角地区,而珠三角地区2012年的NO_x、PM_2.5排放量增幅(分别为21.65%、14.60%)高于非珠三角地区. 轻型客车是2个地区CO和VOC的主要贡献车型,贡献率均达46.96%以上,并且处于上升状态,但珠三角地区增幅小于非珠三角地区;重型客车和重型货车是2个地区NO_x、PM_2.5的主要来源,贡献率均在40.78%以上.      

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.