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。     

中国典型城市机动车排放演变趋势

选择中国12个典型城市建立1990~2009年机动车排放清单,分析各城市机动车排放历史演变趋势.结果显示,1990~2009年,研究各城市CO、VOCs、NOx和PM排放因子分别降低57%~81%、53%~78%、22%~74%和31%~76%.20年间,各城市CO和VOCs排放量总体在2000年后陆续达到增长峰值后开始下降,总量分别增长1.0倍和1.4倍;NOx和PM排放量总体保持持续增长,分别增长3.2倍和3.3倍.各城市汽油车是CO和VOCs排放主要贡献源,LDA-G、MDTB-G和HDTB-G对各城市机动车CO和VOCs排放的贡献和分别为约70%~90%和约50%~85%,其中LDA-G的排放贡献明显提高.LDA-G、MDTB-G、MDTB-D和HDTB-D贡献了80%~90%的NOx排放,其中MDTB-D和HDTB-D的排放贡献率从平均57.8%上升为72.7%.对于PM,MDTB-D和HDTB-D占排放的70%~90%.此外,部分城市摩托车排放的贡献不容忽视.     

中国机动车有毒有害空气污染物排放估算

有毒有害空气污染物的环境影响是国内外研究的热点,而机动车排放是其重要源之一.通过资料调研,获得各车型年均行驶里程以及有毒有害空气污染物排放与非甲烷挥发性有机物(NMVOC)排放的质量分数,梳理各车型保有量,利用COPERT Ⅳ模型计算NMVOC排放因子,建立了2005年中国分车型、分省域的有毒有害空气污染物排放清单.结果表明:2005年中国苯,1,3-丁二烯,甲醛,乙醛和丙烯醛的机动车排放总量分别为31.65×104,7.45×104,13.26×104,5.11×104和1.65×104 t,其主要来源于摩托车、汽油小客车和重型柴油货车;广东、山东、江苏、浙江、河北和河南六省排放量较高.      

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%.     

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%.     

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.      

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.     

北京市机动车排放趋势与协同控制情景分析

为了分析北京市长时间尺度的机动车尾气排放趋势,研究机动车排放大气污染物和温室气体的协同控制效应。应用COPERT 5模型构建2005—2020年北京市机动车污染物CO、NO_x、VOCs、PM_2.5和CO₂、CH₄、N₂O的排放清单,以2020年为基准年,设置5种减排情景评估2025年各情景下的机动车污染物减排效果,并利用协同减排弹性系数法和坐标系法分别分析了大气污染物与温室气体的协同效应。结果表明：CO₂排放增长趋势显著,相比2005年,2020年其排放增长率达到85.25%,而其他污染物相比2005年均呈下降趋势。不同控制情景下,北京市机动车大气污染物和温室气体排放量相比于基准情景(BAU)均具有减排效果,综合控制情景(RIS)减排效果最好。从协同减排弹性系数法和坐标系法分析结果看,不同控制情景下大气污染物和温室气体均具有协同效应,且RIS下协同效应最优。未来北京市应积极采取综合控制对策,兼顾统筹各种减排措施,为尽快实现降碳减污协同治理和绿色低碳经济社会转型奠定基础。

     

广州市机动车尾气排放系数及污染趋势探讨

本文运用美国MOBILE 5尾气排放系数模式，结合广州市实际情况，进行了机动车排放系数的探讨，并据此预测广州市机动车尾气排放浓度，估算广州市机动车尾气排放在环境空气污染中所占的比例和所起的作用。可为城市机动车尾气污染控制提供参考。     

疫情背景下的福建省高速公路机动车污染物排放清单

机动车排放污染物已经成为大气污染的重要来源.基于福建省高速公路交通流量数据,采用自下而上的计算方法建立了2020年1—7月福建省高速公路机动车高分辨率污染物排放清单.结果表明,受疫情影响,福建省高速公路月均车流量和污染物排放量呈先下降后上升的变化趋势,4月污染物排放量达到最低,5月污染物排放量又迅速恢复到疫情前的排放水平,其中,疫情中期污染物CO、HC、NO_x、PM_2.5和PM₁₀排放较疫情后期分别减少了90.68%、89.06%、92.58%、89.58%和89.63%.在整个研究期内,不同城市高速公路机动车污染物排放的分担率有所不同,泉州、福州和漳州的高速公路机动车排放分担率较高;从车型来看,小型客车和轻型货车是CO和HC的主要贡献车型,NO_x和PM主要来自重型货车和轻型货车;从燃料类型来看,汽油车是CO和HC的主要贡献源,柴油车则对NO_x和PM贡献突出;从排放标准来看,国三和国四车对各项污染物的贡献率最大.各项污染物空间分布一致,排放高值区位于东部沿海地区路段,西部内陆的...     

四川省大气固定污染源排放清单及特征

根据收集到的四川省电厂、工业及民用部门的活动水平数据,采用合理的估算方法和排放因子,建立了四川省2010年大气固定污染源排放清单.结果表明:12010年四川省固定源共排放SO₂ 84.1万t、NO_x 44.9万t、CO 318.8万t、PM₁₀ 44.1万t、PM_2.5 25.5万t、VOC 17.9万t;2电厂和工业过程是固定源排放的主要贡献源;3燃煤是固定燃烧排放的主要贡献源,煤矸石、焦炭、天然气对污染物的贡献也不容忽视,水泥、钢铁、轻工业制造是本地区主要的工业过程排放源;4宜宾、成都及攀枝花是固定源污染物的主要贡献城市,约占四川省总排放量的20%~40%;5电厂、能源工业燃烧清单的不确定性主要来自排放因子,而工业过程涉及排放源种类繁多且复杂,排放测试研究较少,不确定性较高.     

2013～2017年江苏省人为源氨排放清单的建立及特征

根据江苏省各类氨排放源活动水平数据,采用合理的清单测算方法和排放因子,建立了2013～2017年江苏省人为源氨排放清单,对其历年来人为源氨排放量的变化趋势进行分析.利用Arc GIS软件对江苏省人为源氨排放量及排放强度的分布特征进行分析.结果表明,江苏省的氨排放量由2013年的624. 84 kt减少至2017年的562. 47 kt,年均下降率约为2. 6%.农业源一直是江苏省最主要的氨排放源,2017年时占江苏省氨排放总量的82. 4%;蛋鸡是畜禽养殖源中最大的氨排放源,占畜禽源氨排放量的49. 3%. 2017年江苏省氨平均排放强度为5. 3 t·km~(-2),其中盐城市和徐州市是江苏省人为源氨排放量和排放强度最大的两个城市,镇江市的氨排放量和排放强度最小.     

江苏省温室气体排放清单基础研究

随着气候问题日益严峻,温室气体排放清单编制已经成为温室气体研究的一项重要的基础工作。本文概述了中国温室气体清单编制的发展情况,并重点介绍了江苏省能源部门温室气体排放清单编制基础工作,包括江苏省温室气体排放清单编制计算方法和步骤,江苏省温室气体排放清单及数据来源等。江苏省能源部门温室气体清单编制主要统计二氧化碳、甲烷、氧化亚氮三种最主要的温室气体,将为国家及其他省份相关研究提供参考。     

广东货船水运的温室气体排放和低碳发展对策

作为我国港口大省和低碳试点省,广东需先行测算船舶水运的GHG(温室气体)排放量基线,以探究低碳水运对策. 通过文献调研收集适用数据和资料,基于引擎功率法,测算了广东抵港货船在2010年的GHG排放量. 结果表明:广东专属经济区海域内货船水运的GHG总排放量为2887×104t,不确定性在-36%~45%之间,其中在领海区域内的排放量为730×104t;远洋集装箱船是GHG最大排放源,占总排放量的43%;集装箱船、干散货船、油轮和其他货船的GHG排放量不确定性均介于-30%~50%之间,远洋货船的主引擎在正常航行模式下输出功率是最主要的不确定性源. 基于分析船舶水运的GHG排放特征,提出船舶减速、向远洋货船供应岸电和内河货船主引擎转用天然气共3项低碳节能措施,共可减排40%的GHG排放量.该研究结果不仅为广东低碳水运发展提供基础性的GHG排放数据,也可为其他港口地区提供估算水运业GHG排放量的技术方法参考和实践经验.      

2006~2020年广东省大气甲醛排放演变特征

大气甲醛（HCHO）是臭氧（O₃）和细颗粒物（PM_2.5）二次组分的关键前体物,在大气光化学反应和二次污染形成过程中扮演着重要角色,并存在致癌性.然而,当前对大气HCHO排放来源认识存在不足,制约了二次污染形成机制研究和污染防控策略制定.采用排放因子和成分谱结合方法,建立2006~2020年广东省HCHO排放趋势清单,识别了广东省主要HCHO排放来源和排放时空演变特征.结果表明,2006~2020年期间广东省HCHO排放量在3.9~5.6万t区间波动,整体呈现极微弱的下降趋势;生物质燃烧源是广东省重要HCHO排放源,而受到管控措施的显著影响,其排放量占比从2006年的58%降至2020年的27%;溶剂使用源的HCHO排放则逐渐突显,2020年占比增长至28%,并成为广东省首要排放源,其中塑料制品和沥青铺路是主要贡献行业.移动源中以柴油作为燃料的工程机械和货车也是HCHO重要排放来源;虽然珠三角和非珠三角地区对广东省HCHO排放量贡献相当,但空间分布结果表明HCHO排放热点区域分别集中于珠三角中心区域和非珠三角的东西两角,这是由于珠三角主要来源为溶剂使用源和移动源,而非珠三角主要受生物质燃烧源影响.因此,未来应进一步加强珠三角中心区域的工业和移动源减排以及粤西地区的生物质燃烧监管.     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.     

四川省2005~2014年农业源氨排放清单及分布特征

根据收集到的四川省2005~2014年农业源氨活动水平数据,采用合理的估算方法和排放因子,建立了该地区2005~2014年农业源氨排放清单,利用GIS建立了3 km×3 km的网格化清单,并分析了农业源氨排放与PM₁₀之间的关系.结果表明2005~2014年间,四川省农业源氨排放总体上呈现出下降趋势,2006年排放量最高;21个市（州）农业源氨变化趋势各不相同,年际变化较大的城市包括成都市、眉山市、自贡市、泸州市、宜宾市、攀枝花市、阿坝州和甘孜州;畜禽养殖和氮肥施用均为农业源氨主要排放来源,研究期间的贡献率分别为72%~79%和20%~27%;畜禽养殖中,绝大部分城市氨排放量较大的为生猪、家禽和牛,而自贡市由于特殊的饮食习惯,兔为氨排放量最高的牲畜,贡献率为39%;成都及周边地区、川东北地区和川南地区是四川省农业源氨排放的主要贡献地区;空间分布上,农业源氨主要分布在四川省东部,且主要来源于城市周边区县;农业源氨排放量与PM₁₀质量浓度的变化趋势呈现出较好的一致性,表明农业源氨排放对颗粒物生成有较大影响.     

四川省餐饮源挥发性有机物组分特征和清单

选取四川省12家典型餐饮单位开展了NMHCs浓度和VOCs组分监测,结合已有数据,综合建立了含117种VOCs组分的餐饮源组分谱,获得本地化NMHCs排放因子,基于自下而上的研究方法,建立了四川省餐饮源挥发性有机物排放清单.结果表明,含氧和烷烃两类组分为川菜、烧烤和食堂餐饮的最主要的组分,二者合计质量分数在75%以上,主要VOCs物种为乙醇、甲醛、乙烷、己醛、乙烯、 1,3-丁二烯和丙烯醛等;含氧组分对OFP的贡献最大,其次是烯烃,主要OFP贡献物种为甲醛、乙烯、乙醇、 1,3-丁二烯、丙烯醛和己醛等. 2019年四川省餐饮源VOCs排放量和OFP值分别为32 kt和141 kt,分别占四川省人为源VOCs排放量和OFP值的5%左右,餐饮源对臭氧生成可能有重要贡献,应加大餐饮源挥发性有机物管控力度.     

四川省基于第二次污染源普查数据的人为源大气污染源排放清单及特征

本研究根据自下而上和自上而下相结合的方法收集四川省人为源活动水平数据,其中工业源活动水平来自四川省第二次污染源普查数据,涵盖11 020台锅炉信息、 60 078家工业企业信息,成都市收集了19152家工业企业数据,占四川省企业总数的32%.各污染源选取合理的排放因子并结合GIS技术,构建了该地区2017年9 km×9 km人为源大气污染物排放清单.结果表明, 2017年四川省SO₂、 NO_x、 CO、 PM₁₀、 PM_2.5、 BC、 OC、 VOCs和NH₃排放总量分别为308.6×10³、 725.7×10³、 3 131.2×10³、 927.6×10³、 422.4×10³、 30.2×10³、 72.0×10³、 600.9×10³和887.1×10³t.固定燃烧源和工艺...     

四川省2012年人为源氨排放清单及分布特征

根据收集到的各类人为氨源的活动水平数据,采用合理的估算方法和排放因子,建立了四川省2012年人为源氨排放清单,并分析了氨排放的空间分布特征.结果表明:四川省2012年人为源氨排放总量为994.8×103t,排放强度为2.12 t·km-2;畜禽养殖为最主要的排放源,分担率达62.31%,其次为氮肥施用,分担率为23.14%;生猪和牛是畜禽养殖中主要贡献者,共占畜禽排放总量的64%;成都市和达州市为氨排放量较大的城市,均占四川省排放总量的10%;空间分布特征显示排放量较大的网格主要集中在四川省东部,且多来自于城市周边区县.