珠江三角洲机动车排放控制措施协同效应分析

预测了2015年珠江三角洲机动车空气污染物和温室气体排放量,设计了6类单一控制、技术控制、结构控制以及综合控制措施的情景,并运用基准线年排放清单编制和协同效应坐标系法分析了污染物与温室气体减排的协同效应.结果表明,按目前机动车保有量增长趋势,2015年污染物和温室气体将以18%~120%的幅度增加;各控制措施下污染物和温室气体排放量均有下降,且均具有正向的协同效应,但减排的贡献差异较大.6类单一控制措施中淘汰黄标车和结构性控制措施分别对各污染物和温室气体的削减效果最明显,减排幅度均在40%以上,且正向协同效应突出,但相比其他措施,结构性控制措施实施难度大.     

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.     

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%.     

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%.     

道路机动车温室气体排放评估与情景分析:以北京市为例

基于LEAP模型（long-range energy alternatives planning system）评估北京市历史阶段（2000—2018年）道路机动车温室气体排放量的变化规律,并设置5种情景预测未来阶段（2019—2030年）机动车保有量、能源需求、温室气体排放量的发展趋势,探究达峰年份,寻求最优发展路径。结果显示:未来北京市机动车保有量仍将持续增长,但平均年增长率降低至1.63%。机动车温室气体排放总量已于2013年达峰,峰值为21758563 t CO_2e,对应能源消耗量为306383 TJ,未来所有情景下机动车温室气体排放量均呈不同程度下降。单一措施中提高机动车燃料经济性的减排效果最佳,综合3种减排措施的ODS情景（最优发展情景）是最优发展路径。     

非珠三角机动车尾气控制措施协同效果评估

广东非珠三角机动车保有量的大量增长带来了交通尾气污染物和CO_2的高强度、集中性排放,严重影响空气质量以及碳排放治理工作。因此,迫切需要设计更加高效可行的碳减排政策来控制交通尾气污染物以及CO_2的排放。该文基于平均行驶里程法预测了非珠三角地区2015-2020年5种污染物(CO、VOCs、NO_x、PM_(2.5)和CO_2)在不采取专门控制措施情景下的排放量,并根据现有经济、技术和政策规划设计了5种减排情景,计算不同减排情景下的减排量,定量分析了不同减排情景对多污染物的协同控制效应及其成本效益。研究表明:(1)在不采取专门的控制措施下,2015-2020年污染物排放量持续增长,2020年CO_2排放量将达到5 488.6×10~4t,相比2014年增长了141%;(2)在各类减排情景下,污染物排放量呈现不同程度的削减(VOC_S除外),其中,2020年提高燃油品质对NO_x(削减率37%)和CO(削减率41%)的削减率最高;(3)提高排放标准对CO_2和PM_(2.5)的协同控制效应最好,公交优先对CO_2和NO_x的协同控制效应最好;(4)综合考虑对各污染物的减排效果,提高排放标准成本效益最优,对空气污染物和CO_2的平均减排率为29%,平均单位成本为0.13元/g。研究显示,由于低费效比及其对多污染物的协同控制效应好,提高排放标准在研究中是最优的污染物减排措施。     

废弃物焚烧处理温室气体排放情景模拟与预测

为模拟废弃物焚烧处理过程中产生的温室气体排放,积极推动温室气体减排工作,早日实现碳达峰碳中和目标.基于系统动力学和IPCC温室气体排放计算方法,构建了以基准情景（BAU）为基础,从单一和综合技术类型减排情景出发的焚烧处理温室气体排放模型,并模拟预测了2010~2050年温室气体排放量（以CO_2e计,CO_2e为CO₂当量）的趋势变化、减排潜力以及空间分布.结果表明：①2010~2019年我国废弃物焚烧处理温室气体排放量呈增长趋势,于2016年后显著提升,年增速为18.61%.②2020~2050年,单一技术减排情景的中端改进情景（S2）和终端减排情景（S3）温室气体排放量分别于2043年和2036年达到峰值8410万t和6966万t.综合技术减排情景相较于单一技术减排情景较早达到排放峰值,综合技术减排情景中全过程减排情景（S7）采用多种减排技术协同控制温室气体排放,2050年累积排放量为205927万t,相对BAU情景减排了78.27%,排放达峰时间最早且减排潜力最大.③焚烧处理温室气体排放空间差异显著,排放量较多的省份主要分布在人口密集且经济发达的区域,江苏和广东省排放量最多,甘肃、吉林和宁夏等6个省份为排放低值区.     

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.     

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.      

基于LEAP模型的兰州市道路交通温室气体与污染物协同减排情景模拟

基于LEAP模型,构建了2015～2040年兰州市道路交通发展“零措施”的基准（BAU）情景以及低碳（LC）和强化低碳（ELC）这2个节能减排情景,模拟评估各项政策和措施下能源消耗情况和温室气体与大气污染物协同减排效果.结果表明,LC情景能源消耗和CO₂排放将于2026年达峰,ELC情景能源消耗和CO₂排放将于2020年达峰;两种情景下,NO_x、 CO、 HC、 PM_2.5和PM₁₀等污染物排放量于2015～2017年间开始出现大幅下降,下降趋势于2023年前后逐渐减缓.结合措施可行性和减排成本,LC情景可作为兰州市道路交通碳达峰减排情景：到2040年能源消耗量、 CO₂、 NO_x、 CO、 HC、 PM_2.5和PM₁₀排放相对于BAU情景的削减率分别达到-24.17%、-26.57%、-55.38%、-65.91%、-72.87%、-76.66%和-77.18%.兰州市道路交通当前应以公共...     

温室气体与大气污染物协同控制效应评估与规划

提出一套完整的温室气体与大气污染物协同控制效应评估与规划方法：首先,采用排放因子法分别计算减排措施（减排主体）对各类温室气体（全球污染物）和局地大气污染物减排量;其次,以《中华人民共和国环境保护税法》规定的污染物当量值、税额,以及碳排放权交易价格、IPCC发布的温室气体全球增温潜势（GWP）值等参数为依据,将全球和局地两类污染物归并为综合大气污染物排放量（Q_IAP）,或将2类污染物减排量归并为综合大气污染物协同减排量（ICER）,二者皆以综合大气污染物当量（IAPeq）计量;最后,采用协同控制效应坐标系、协同控制交叉弹性、单位污染物减排成本等评估指标和方法开展协同控制效应评估,绘制并依据边际减排成本曲线进一步开展协同控制成本-效果优化规划.应用此方法体系开展的钢铁、交通、电力等行业协同控制评估,城市协同控制规划,以及城市协同控制绩效评估的结果表明,该方法体系具有科学性、简明性和可操作性.     

城市交通大气污染物与温室气体协同控制效应评价

针对乌鲁木齐城市交通领域12项减排措施开展协同控制效应评估,构建空气污染物与温室气体协同减排当量(APeq)指标进行减排效果归一化,识别措施是否具有协同减排效果,并进一步计算单位APeq减排成本,从成本有效性角度对各项减排措施进行排序.研究结果表明,出租车、私家车油改气以及纯电动轿车替代汽油轿车3项措施不具有协同控制效应;而提高尾气排放标准、天然气公交替代柴油公交、提升小客车燃油经济性、油品升级、淘汰黄标车、发展轨道交通、引入快速公交等措施可以实现局地大气污染物与温室气体的协同减排.费用-效果分析表明,提高小客车燃油经济性的单位APeq减排成本最低,具有良好的成本有效性;而发展轨道交通虽然单位APeq减排成本较高,但总体减排效果较好.     

北京市减污降碳协同控制情景模拟和效应评估

将能源、建筑、产业和交通作为减污降碳重点领域,设置了基准情景、政策情景和强化情景,以2020年为基准年,2035年为目标年,开展北京市大气污染物和CO₂减排潜力测算,并构建了一种协同控制效应分级评估方法,对政策情景和强化情景下大气污染和CO₂协同控制效应进行量化评估.结果表明,与基准情景相比,政策情景和强化情景下大气污染物减排率分别在11%～75%和12%～94%,CO₂分别为41%和52%.优化机动车结构对于NO_x、 VOCs和CO₂的减排贡献最大,政策情景下减排率分别达到74%、 80%和31%,强化情景下分别达到68%、 74%和22%;完成农村地区散煤清洁能源改造对SO₂的减排贡献最大,政策和强化情景下分别达到47%和35%;提升新建建筑绿色化水平对PM₁₀的减排贡献最大,政策和强化情景下分别达到79%和74%.优化出行结构和推动数字基础设施绿色发展的协同控制效应最佳;强化情景下,完成农村地区散煤清洁能源改造、优化机动车结构和...     

上海城市交通与机动车排气污染调查

上海市机动车保有量逐年增加，车辆的排气污染愈来愈严重，据调查，１９９７年机动画排放的ＣＯ，ＭＮＨＣ，ＮＯＸ和ＰＭ分别达到５８．６，９．０８，６．２０和０．２３万吨。中心城区机动车排放的ＣＯ，ＮＭＨＣ和ＮＯＸ污染物５０％以上来自于小型车，是影响上海城区环境空气质量的主要污染源。     

泉州市"十二五"期间机动车污染物排放特征研究

建立了泉州市"十二五"期间机动车排放清单,获得了不同机动车排放贡献率.结果表明:摩托车和小型客车占总机动车保有量的比例最大,成为泉州市机动车排放的主要来源;污染物排放量排序:CO>NOx>HC>PM;甲醛>苯>乙醛>1,3-丁二烯>氨;CO2>N2O>CH2;不同车型对机动车污染物的排放贡献率有显著不同,小型客车对于CO和HC排放贡献最大,NOx、PM的主要排放源为重型货车;摩托车、小型客车、中型货车对有毒有害物的贡献率最大;小型客车对温室气体的贡献率最大.