基于GPS浮动车法的机动车尾气排放量分布特征

以广州市城市干道东风路1902～1903路段为研究对象,根据交通流理论建立了速度-流量模型,采用GPS浮动车速度数据和视频检测流量数据计算了模型的关键参数——阻塞密度,实现了从速度到流量的推算,并采用COPERT Ⅳ模型计算了不同速度等级下的综合排放因子,通过源强法计算该路段00:01─24:00的小时排放量. 对CO,NO_x,VOC和PM综合排放因子的速度敏感性分析表明,当平均速度达50 km/h后,随速度的增加综合排放因子下降明显变缓;对小时排放量的分析表明,污染物排放量主要集中在车流量的高峰时段,且与车流密度有很好的线性相关性,相关系数均大于0.90.      

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.      

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%.     

北京市压缩天然气公交车的环境效果分析

经过对北京市2007年公交车队的详细技术构成与实际运营情况的调研,发现北京市公交车队的主力车型为国三和国四车辆,应用修正的COPERTIV模型计算出北京市各技术水平的汽油、柴油和压缩天然气(CNG)公交车的排放因子.2007年北京市国三CNG公交车PM2.5和NOx单车排放因子分别比国三柴油车削减了97%和30%,而公交车队中排放控制最为严格的EEV天然气公交车的PM2.5和NOx单车排放因子分别比国四柴油公交车削减了93%和69%.但由于CNG公交车的CH4排放水平较高,导致CNG公交车的总碳氢化合物(THC)单车排放因子显著高于相近控制水平的柴油公交车.在单车排放水平的基础上建立了北京市公交车排放清单,2007年北京市公交车排放的CO、NMHC、THC、NOx和PM2.5分别为9051t、955t、1222t、8553t和161t.与没有CNG公交车的对照情景进行比较,在使用了CNG公交车后,2007年北京市公交车CO、NMHC、NOx和PM2.5排放总量分别削减了293t、62t、775t和33t,削减比例分别为3.1%、6.1%、8.3%和17.2%.2007年北京市通过在公交车队中使用CNG车辆共减少了柴油消耗量约5.0×104t,相当于北京市各行业柴油总消耗量的2.6%.2007年北京市公交车尾气排放的温室气体的CO2当量为8.3×105t,比不使用CNG车辆的情景略微增加了2.4%.     

基于COPERT模型的江苏省机动车时空排放特征与分担率

利用COPERT模型和Arc GIS技术建立了江苏省2015年1 km×1 km、小时分辨率的机动车网格化排放清单.采用改进的"标准道路长度"方法,利用路网信息以及拥堵延时指数的月变化、周变化和日变化数据提高清单的时空分辨率.基于COPERT模拟结果分析了分车型、排放标准以及道路类型的机动车污染物排放分担率.结果表明,江苏省2015年NOx、HC、CO、PM_(2.5)、SO_2、OM和BC的排放量分别为49.09、16.63、161.48、1.69、0.19、0.36和0.67万t,其中苏州和徐州排放量占比之和达34%~45%;HC蒸发排放量为2.02万t,占HC排放总量的12%;小型客车和摩托车对于HC和CO排放量的分担率最大,均超过30%;重型柴油货车对NOx、PM_(2.5)、SO_2、OM、BC的分担率在36%~54%之间,远高于其他车型;苏州和徐州的重型和中型柴油货车是NOx、PM_(2.5)的最主要排放源;国Ⅲ标准柴油车对NOx、PM_(2.5)、SO_2和BC的分担率均最大,在42%~55%之间;国Ⅲ标准重型柴油货车和国0标准中型柴油货车是全省NOx、PM_(2.5)、OM和BC的首要和次要贡献车型,两者分担率之和在40%~56%之间.国0标准摩托车对全省HC和CO排放的分担率较高,约为16%.     

佛山市中心城区机动车限行对污染物削减效果的分析

为改善2010年亚运会期间空气质量,佛山市对中心城区内部分道路进行试限行.采用欧洲COPERT模式,计算出不同排放标准、不同车速、不同车型下的机动车排放因子,通过交通流调查,获取限行前后典型道路交通流运行状态,并以此为依据评估限行后区内机动车污染减排效果.结果表明,限行期间,主要路段道路交通流量平均下降32.5%,车型比例变化较大,摩托车流量下降显著.各种污染物降幅比例并不一致.按照此流量降幅可以预计,如在区内全面展开机动车限行,单位路段污染物(CO、NOx、VOC、PM)年排放量分别下降48.1%、39.2%、43.6%、49.2%.     

佛山市发展公交车尾气削减潜力分析

采用COPERTⅣ模型计算佛山市公交车、摩托车和小型客车排放因子,结合保有量、年平均行驶里程计算其排放量,对佛山市公交车出行环境效果及尾气削减潜力进行情景分析。结果表明:2011年佛山市公交车CO、VOC、NOx和PM的排放量为804.57、283.85、3 365.32和73.00 t。单人单次公交车出行CO和VOC的排放量较摩托车和小型客车低,但NOx则较高。公交车载客人数从17人上升至25、35、45人,单人单次出行每公里排放量分别下降32.00%、51.43%和57.50%。佛山市低排放标准的柴油公交车全部更换成国Ⅳ排放标准柴油车,CO、VOC、NOx和PM的年排放量分别削减611.66、151.6、1 231.18和58.39 t。EEV标准天然气公交车替代柴油公交车可减少NOx和PM的排放,但对VOC的削减并无优势。佛山市现有柴油公交车更换成EEV标准天然气公交车,CO、NOx和PM的年排放量分别削减293.71 t、2 086.87 t和70.34 t,但VOC的年排放量升高228.01 t。     

广州市机动车尾气排放特征研究

文章利用COPERT IV模型计算广州市机动车尾气排放因子,结合机动车保有量和构成,获得2008年广州市机动车尾气排放总量并对排放因子的速度敏感性,以及不同车型、不同排放标准、不同燃料类型机动车排放特征进行了分析。结果表明:2008年广州市机动车CO、NOX、VOC和PM的排放总量分别为138 772.42 t、80 868.69 t、24 907.26 t和3 171.97 t。摩托车和小客车是CO和VOC的主要贡献车型,贡献率总和分别达到78.31%和70.52%;而作为NOX和PM的主要贡献车型,大客车和重型货车的贡献率总和分别达到78.94%和83.72%。国0标准机动车排放水平高于其他排放标准的车型,CO和VOC的排放分担率接近于保有量比例的2倍。汽油车是CO和VOC的主要贡献车型,其排放贡献率超过80%;而PM排放主要以柴油车为主;柴油车的NOX排放总量高,接近于汽油车的2倍。     

The performance evaluation of WinOSPM model for urban street canyons of Nantes in France

Air quality modelling is primarily the quantative approach. It is more difficult as it demands input data accuracy, uncertainties and the efficient methodologies to judge the extent of models accuracy. As a result, model validation has to be regarded as an integral part of the modelling process. Furthermore, models are often validated on a limited number of testcases therefore, appropriate evaluation procedure must be implemented to ensure these models will be applicable for various conditions. The study presented here was carried out to evaluate theWinOSPM (Preliminary version of windows based Operational Street Pollution Model) for air pollutants viz. CO, NO, NO₂, NO_x and C₆H₆ for three street canyons of Nantes (France) and for the three base years 1999, 2000, and 2001. Each street canyon selected for this study has typical and unidentical features. The rue de Strasbourg and Boulevard Victor Hugo have many building exceptions whereas rue Crébillon has not any. Application of the model above to the three street canyons revealed that WinOSPM could be used in the case when measurements are not available. This was justified from the results at rue Crébillon. The special interest was in the benzene modelled values as its content in fuel has been targeted to reduce to 1% for the years 2000 and onwards (from its 5% until the year 1999). The 50 to 70% reduction in the benzene concentrations is found for both the years i.e. in 2000 and 2001. This has further justified that air quality models are useful and interesting tools in optimising emission reduction strategies. Moreover, it is also the new pollutant added to the measurement campaign of Air Pays de la Loire (APL) for the city of Nantes. For benzene weekly averages are estimated from the hourly-modelled values for all the streets and compared with that of measurements. They are found in excellent agreement with each others. For other pollutants annual means and percentiles were compared. The statistical analysis was done to evaluate the models performance using index of agreement and correlation coefficient. The index of agreement (d) and correlation coefficient (r) for all the streets show that estimated concentration levels are in good agreement with that of measurements. From the index of agreements, it can be inferred that model has very less potential for errors. The models sensitivity to building-exceptions was also tested for the rue de Strasbourg. Results did not reflect this feature very well. It is perceived that the influence of this feature might have been suppressed in averaging the annual hourly values. This influence is apparently seen in hourly average time series variations. Finally, WinOSPM model was found a simple but very useful model. It could very well represent the detailed flow and dispersion conditions in urban streets.     

乌鲁木齐市区机动车污染物排放特征研究

选择乌鲁木齐市125条道路调研测试得来的数据分析了乌鲁木齐市在用机动车的行驶分布的规律、污染物的排放特点和机动车道路的行驶特点。然后使用COPERT本地化模型计算CO、NMVOC、NOx和PM的排放因子,并计算了2012年CO、NMVOC、NOx和PM的排放量。通过估算得到2012年乌鲁木齐市机动车CO、NMVOC、NOx和PM的排放量分别为94 087,17 886,25 079,1 489 t。柴油机动车对NOx、PM的排放分担比率较大,而柴油机动车的保有量的贡献比率偏低;柴油汽车的CO、NMVOC的保有量的贡献比率跟它的排放分担率相比,贡献率要大;占保有量22.3%的国Ⅰ、国Ⅰ前标准的机动车辆对机动车CO、NMVOC、NOx、PM的排放分担比率分别为50.5%、41.0%、51.5%和55.0%;占保有量64.3%的国Ⅲ、和国Ⅳ车辆对CO、NMVOC、NOx和PM的贡献率分别为35.2%、42.7%、35.6%和33.9%。