上海市機動車尾氣排放協(xié)同控制效應研究

王慧慧,曾維華,吳開亞

?

上海市機動車尾氣排放協(xié)同控制效應研究

王慧慧1,曾維華1,吳開亞2*

(1.北京師范大學環(huán)境學院,北京 100875；2.復旦大學公共管理與公共政策創(chuàng)新基地,上海 200433)

2007~2012年為一個時間序列,通過詳細調(diào)查上海市機動車道路交通等基礎(chǔ)資料對機動車各污染物排放量進行測算,并利用協(xié)同控制坐標系評價方法,設(shè)計單一措施、結(jié)構(gòu)性措施和綜合性措施等3種機動車污染減排控制情景.結(jié)果表明:2007~2012年,上海市機動車污染物年排放量呈遞減趨勢,其中摩托車(MC)、小型汽油客車(LDGV)、重型柴油貨車(HDDT)和大型柴油客車(HDDV)是機動車污染物主要的排放源,其排放量總和占到機動車污染物總量的90%以上.按當前上海市機動車保有量增長速度,2018年機動車尾氣排放的可吸入顆粒物(PM10)增長7%,溫室氣體增長比例為15%~108%,其中二氧化碳(CO2)增長比例達到45%以上.在各控制情景下污染物和溫室氣體均有不同程度下降,但減排效果有明顯差異.在單一措施控制情景下,淘汰黃標車和提高排放標準對兩類污染物的削減效果明顯,削減比例均在20%以上;而結(jié)構(gòu)性控制措施對這兩類污染物的削減尤為明顯,削減比例達到40%以上且正向協(xié)同效應突出.

機動車；排放因子；溫室氣體；協(xié)同效應；上海市

隨著我國經(jīng)濟的高速發(fā)展和城市化進程的加快,國內(nèi)機動車保有量呈現(xiàn)大幅度增加的趨勢.截止到2012年底,全國機動車保有量達到2.24億輛,其中汽車1.08億輛,摩托車1.04億輛同比增長16.43%、2.6%,機動車保有量與1980年相比,增加了近30倍[1].2012年,全國機動車污染物排放達4612.1萬t,其中一氧化碳 (CO)3471.7萬t,碳氫化合物(HC)438.2萬t,氮氧化物(NO)640.0萬t,顆粒物(PM)62.2萬t.其中汽車是污染物總量

的主要貢獻者,其排放的NO和PM超過90%,HC和CO超過70%,機動車尾氣排放已經(jīng)成為我國城市空氣污染的主要來源之一[2].部分國外學者[3-8]通過使用歐盟環(huán)保署開發(fā)的COPERT模型定量計算城市機動車污染物的排放;我國研究人員[9-15]分別利用IVE模型或MOBILE模型研究上海、北京、廣州、南京等城市的機動車尾氣中污染物排放特征,研究結(jié)果表明機動車污染物是造成城市空氣污染的主要原因.

本文針上海市機動車污染物排放情況和機動車污染控制的迫切需求,對近年來的研究成果[16-18]及現(xiàn)有數(shù)據(jù)進行分析,對上海市2007~2012年機動車污染物排放量進行測算,并運用協(xié)同控制坐標系評價方法,設(shè)計三類機動車污染減排的控制情景:“單一措施控制情景、結(jié)構(gòu)性措施控制情景、綜合性措施控制情景”,分析在不同的機動車控制措施情景下各污染物(CO、SO2、NO、PM10、PM2.5)與溫室氣體(CO2、CH4、N2O)的之間協(xié)同效應,為上海市今后開展機動車污染減排提供依據(jù).

1 研究方法

1.1 排放量計算

機動車污染物排放量按照式(1)計算:

式中:為某個城市;為車型;Q為第個城市的機動車排放量,t;P,j為在城市第車型的機動車保有量,輛;M為第車型的年平均行駛里程,km; EF,j為在城市第車型的排放因子,g/(km·輛).

表1本研究車型分類說明Table 1 Vehicle classification of the research

機動車類型采用《中國統(tǒng)計年鑒》[1]的劃分方法,主要考慮大型和小型載客汽車、重型和輕型載貨汽車以及摩托車,車型分類見表1.由上海市實施新車標準計劃獲得上海市分車型按不同排放標準的保有量分配系數(shù)[19-20].

1.2 機動車年均行駛里程

年均行駛里程是在計算機動車污染物排放過程中的一個主要參數(shù).通過收集相關(guān)資料,在機動車環(huán)保定期檢驗中,對車輛行駛里程進行調(diào)查和記錄,收集部分汽車的行駛里程數(shù)據(jù),得到其平均年行駛里程,分車型年均行駛里程見表2,從表2可知,各車型年均行駛里程大多隨車齡的增長呈下降趨勢,可知機動車使用頻率是隨車齡的增加而逐年減少的.

表2 分車型機動車年均行駛里程(′104km)Table 2 Annual mileage traveled by different types of motor vehicle (′104km)

1.3 排放因子

不同類型機動車尾氣排放標準下分車型顆粒物排放因子(表3).分車型排放因子與燃料類型、發(fā)動機、行駛速度和保養(yǎng)維護狀況等因素有關(guān).近幾年,我國學者相繼利用COPERT、MOBILE、IVE、PART5 等模型,獲得了不同車型顆粒物排放因子.在考慮到COPERT模型是主要用來研究不同排放標準體系對模型影響的結(jié)果,而我國當前還是采用與歐洲相同的機動車排放標準和測試工況,因此在研究不同排放標準對排放因子的影響主要還是參考了COPERT模型的計算結(jié)果[21].

表3 機動車污染物排放因子[g/(km·輛)]Table 3 Emission factors of mobile sources [g/(km·vehicle)]

1.4 協(xié)同效應分析方法

1.4.1 協(xié)同控制效應坐標系 利用協(xié)同控制坐標系評價方法,分析在不同機動車控制措施情景下對大氣污染物與溫室氣體減排之間的協(xié)同程度[22].協(xié)同控制效應坐標系是指在二維或多維空間坐標系中,不同坐標表達某種機動車污染控制措施對于不同污染物減排和溫室氣體的減排效果,某種機動車污染控制措施所處的坐標系位置,能反映出污染物減排效果及其兩者之間的“協(xié)同”狀況[23].

在圖1中的二維坐標系,橫坐標表示在某種控制措施情景下對機動車污染物的減排效果,縱坐標表示在該控制措施情景下對溫室氣體減排效果,點的橫、縱坐標可以直觀地反映出該措施對大氣污染物和溫室氣體的減排效果.在第一象限中,表明該控制措施能對污染物和溫室氣體同時進行減排;在第二象限中,表明該控制措施能減排溫室氣體但會增排污染物;在第三象限中,表明該控制措施能同時增排污染物和溫室氣體;在第四象限中,表明該控制措施能減排污染物但同時會增排溫室氣體.由圖1的第一象限可看出,某一點與原點的連線所形成的夾角(tg)越大,表示這一點所代表的控制措施在對等量的污染物進行減排時,對溫室氣體的減排則越好(圖1中,點E協(xié)同效果優(yōu)于點A,并且點A、點E所代表的措施協(xié)同效果均是具有正相關(guān)性的),當該連線與橫坐標形成夾角相同時,離原點距離越遠表示該控制措施對污染物和溫室氣體的減排效果越好(圖1中,點N優(yōu)于點M);而在第二象限中,B點所代表的控制措施能減少溫室氣體的排放但同時會增排污染物;第三象限C點所代表的控制措施能同時增加污染物排放和溫室氣體的排放;第四象限D(zhuǎn)點所代表的控制措施對污染物有一定的減排效果但會增排溫室氣體[23-24].

1.4.2 大氣環(huán)境效益經(jīng)濟指標 考慮到各類污染物之間減排量量綱范圍的差異性,使得該減排效果有一定的可比性,對機動車排放的5種大氣污染物和3種溫室氣體采用經(jīng)濟指標衡量它們之間的減排協(xié)同效應.我國2003年頒布的《排污費征收標準管理辦法》[25],將機動車排放的五種污染物排放量全部轉(zhuǎn)換為經(jīng)濟指標,計算公式為:

式中:為污染物類型;Q為第類污染物的總排放量,萬t/a;K為第類污染物當量值;E為污染物當量排放應征收的單價,計為600元/t[24,26].

根據(jù)IPCC有關(guān)規(guī)定可知溫室氣體CH4和N2O的增溫潛力分別為CO2的21和310倍,通過CH4、N2O和CO2排放量變換成CO2的當量排放量,再由CO2所要征收單價將CO2的當量排放量轉(zhuǎn)換為經(jīng)濟指標[27].

2 結(jié)果分析與討論

2.1 測算結(jié)果

利用公式(1)測算出2007~2012年上海市機動車各污染物排放量,結(jié)果見圖2.

由圖2可見,2007~2012年期間,上海市機動車污染物年排放總量呈遞減趨勢,從2007年的56.47萬t下降到2012年的50.79萬t,其中CO、NO、PM10和PM2.5年排放量均呈遞減趨勢;而HC和SO2年排放量呈增長趨勢.說明近幾年上海市機動車污染物排放情況得到一定的緩解,但污染仍然很嚴峻.

2.2 上海市分車型污染物排放量變化情況

不同車型的機動車由于各自的保有量、排放因子、年均行駛里程和運營比例等特征參數(shù)的不同,其在污染物排放總量中占的比例也會有顯著的差異.城市分車型排放分擔率(G,%)是指在所研究區(qū)域內(nèi)不同車型的污染物排放量(Q,)與該污染物的排放總量(Q,)的比值[28].通過計算得出2007~2012年上海市分車型污染物排放量結(jié)果和分車型分擔率結(jié)果,見圖3、圖4.

由圖3和圖4可看出,在2007~2012年期間, MC、LDGV、HDDT和HDDV是機動車污染物主要的排放源,其排放量總和占到機動車污染物總量的90%以上.其中MC、HDDV和HDDT對污染物總量分擔率逐年下降,而LDGV則呈現(xiàn)出逐年遞增態(tài)勢,2012年分擔率達到46.84%.同時由于LDDV、LDDT和LDGT保有量相對較少,因此污染物分擔率較小,三者之和在4%左右.

2.3 上海市基準線年污染物排放清單

有關(guān)機動車排放控制措施效果評估通常是對目標年與基準年之間污染物排放量的變化情況進行研究[29-31].本文則是通過引入基準線年,對基準線年的無機動車控制措施與實施了機動車控制措施的減排效果進行對比,比較在這兩種情形下的各污染物和溫室氣體的減排效果[32].以2012年為基準年,2018年為基準線年,即先以2012年為基準年,預測2018年無控制情景下的排放量,預測結(jié)果見表4.

表4 2018年上海市機動車污染物排放量預測Table 4 Emission inventory for the target year of 2018 in Shanghai

由表4可知,根據(jù)近幾年上海市機動車保有量增長速度,如不采取任何控制方案,2018 年上海市機動車污染物排放狀況將更加嚴峻,其中一次排放的可吸入顆粒物PM10增長7%,同時溫室氣體也將大幅增加,其增長比例為15%~108%,其中CO2增長比例達到45%以上.因此,由以上分析結(jié)果知,一方面,當前上海市正從傳統(tǒng)煤煙型污染,向灰霾和臭氧復合型大氣污染轉(zhuǎn)變,若按以上增長趨勢,由機動車引發(fā)的上海市復合型大氣環(huán)境污染將會越來越嚴重;另一方面,若按以上增長趨勢,機動車污染物排放將阻礙上海市2017 年底PM2.5年均濃度比2012年下降20%的目標;同時也會阻礙上海市實現(xiàn)“十二五”單位生產(chǎn)總值CO2的排放量比2010年下降19%的目標.

2.4 機動車污染物控制措施情景

根據(jù)國內(nèi)外機動車污染控制的主要手段同時結(jié)合上海市實際情況,本文設(shè)計了三類機動車污染減排的控制情景:包括“單一措施控制情景、結(jié)構(gòu)性措施控制情景、綜合性措施控制情景”,其中在單一措施控制情景中包含了五類具體的控制措施(表5).

表5 機動車排放控制情景描述Table 5 Descriptions of vehicle emissions control measurement scenarios in 2018 in Shanghai

2.5 各控制措施下對污染物減排的貢獻分析

根據(jù)表5,計算出在各控制情景下的污染物排放量削減比例(表6).由表6可知,上海市機動車污染物排放量在各控制情景下均有不同程度下降,但在不同控制情景下,不同污染物削減比例差別較大,即控制措施對污染物減排的貢獻差異較大.

表6 各控制措施下污染物的削減比例(%)Table 6 Emissions reduction under different control scenarios compared to the baseline scenario (%)

由表6也可看出,在單一措施控制情景下,淘汰黃標車對機動車污染物削減效果最好,其中對NO、PM10和PM2.5的削減比例均在50%以上,SO2也近14%;而提高排放標準對SO2和CO削減效果比淘汰黃標車要好,但對PM2.5就明顯低于淘汰黃標車.以上這2類控制措施的削減效果高于其他3類措施主要是由于黃標車,這類汽車車齡接近報廢年限,累計行駛里程長,尾氣排放控制技術(shù)落后,排放因子較高,污染物排放量是新車的5至10倍;同時黃標車對NO、PM10及PM2.5排放的貢獻也遠比國Ⅲ標準以上的汽車高.

淘汰摩托車對CO的削減比例為13.95%,但對其他污染物削減效果不明顯.這不僅與摩托車自身排放特征有關(guān),如一輛摩托車CO的排放量等同于5輛輕型汽油車排放量;同時也與上海市機動車保有量結(jié)構(gòu)有一定的關(guān)系.表6也表明,公交優(yōu)先策略、提升燃油品質(zhì)對污染物減排也有一定的效果;公交優(yōu)先策略可使大氣污染物排放量下降4%~9%左右,而提升燃油品質(zhì)可使大氣污染物排放量下降在1%~16%左右.

相對于單一控制措施,結(jié)構(gòu)性控制及綜合控制措施的減排效果則更好.其中在結(jié)構(gòu)性控制和綜合性控制情景下,機動車污染物排放量下降幅度均在56%以上.

2.6 各控制措施下對溫室氣體減排的貢獻分析

根據(jù)IPCC 的規(guī)定:溫室氣體CH4和N2O的增溫潛力分別是CO2的21倍和310倍,通過折算可知CO2當量值只占到機動車直接排放CO2的0.003~0.004和0.007~0.02,為簡化分析過程,只對機動車CO2的排放量進行分析.根據(jù)表5,計算在各控制情景下CO2的排放量,并與基準線年比較分析,結(jié)果見表7.在單一控制措施下,淘汰黃標車及提高排放標準能對CO2的排放量削減22%~ 32%,公交優(yōu)先對CO2減排效果略高于提升燃油品質(zhì)和淘汰摩托車的減排效果.結(jié)構(gòu)性控制措施和綜合性控制措施CO2的削減比例為42%和45%,說明實施這2項控制措施比實施單一控制措施的減排效果要好.

表7 各控制措施下CO2削減比例(%)Table 7 CO2emissions reduction under different control scenarios compared to the baseline scenario (%)

2.7 協(xié)同效應分析

通過協(xié)同效應坐標系法分析在各項機動車控制措施下對這兩類污染物減排的協(xié)同效應.首先根據(jù)公式2 分析在各項機動車排放控制措施下對污染物和溫室氣體減排的協(xié)同控制效應,如圖5所示.

★淘汰黃標車 ■公交優(yōu)先 ▲提升燃油品質(zhì) ▼提高排放標準
☆淘汰摩托車 △結(jié)構(gòu)減排 ▽綜合措施

由圖5知,機動車控制措施對兩類污染物的協(xié)同效應均是正向的.在單一控制措施下,提高排放標準(tg=4.89)、公交優(yōu)先(tg=3)和淘汰摩托車(tg=2.61)這3項控制措施對溫室氣體比對污染物的減排效果要好;而淘汰黃標車(tg=0.91)和提升燃油品質(zhì)(tg=0.5)這兩項控制措施對污染物的減排效果比溫室氣體要好.同時從圖5 也可看出,對兩類污染物的減排效果,綜合控制措施(tg=1.16)的協(xié)同性要優(yōu)于結(jié)構(gòu)控制(tg=1.30),且綜合控制措施(tg=1.16)對污染物和溫室氣體減排的協(xié)同性.

NO、PM2.5與溫室氣體三者之間的協(xié)同效應,因為當前NO和PM2.5是我國重點關(guān)注的兩類機動車污染物.由圖6可知,提高排放標準(tg=7.99)在減排NO和PM2.5與溫室氣體的協(xié)同效應最優(yōu),其次減排效果依次減弱是淘汰摩托車(tg=7.84)、公交優(yōu)先(tg=4.20)、淘汰黃標車 (tg=1.45),而提升燃油品質(zhì)(tg=1.13)的協(xié)同效果是最差的.綜合以上分析知,實行結(jié)構(gòu)性控制措施將是上海市實現(xiàn)機動車污染物與溫室氣體減排達到最優(yōu)的最佳選擇.

綜上所述,根據(jù)國內(nèi)外機動車污染控制的主要手段同時結(jié)合上海市實際情況,機動車排放控制可在有目標性地提高排放標準的基礎(chǔ)上,優(yōu)化交通出行方式,大力發(fā)展城市低碳公共交通,同時逐步淘汰黃標車和摩托車,但從長遠形勢來看,提升燃油品質(zhì)也是一種不錯的選擇.

3 結(jié)論

3.1 在2007~2012年期間,上海市機動車污染物年排放總量呈現(xiàn)遞減趨勢;其中MC、LDGV、HDDT和HDDV是機動車污染物主要的排放源,四者排放量之和占機動車污染物排放總量的90%以上.

3.2 根據(jù)近年來上海市機動車保有量增長速度,若不采取任何控制措施,2018 年上海市機動車PM10排放量將增長7%,同時溫室氣體也將大幅增加,其中CO2增長比例將達到在45% 以上,機動車引發(fā)的上海市復合型大氣環(huán)境污染將越來越嚴重,機動車污染物排放將阻礙上海市2017 年底PM2.5年均濃度比2012年下降20%的目標.

3.3 在各控制情景下上海市機動車污染物排放量均有不同程度下降,但在不同控制措施情景下,不同污染物削減比例差別較大.在實施單一控制措施下,對機動車污染物削減效果最好的是淘汰黃標車,而相對于全部單一控制措施,結(jié)構(gòu)性控制和綜合性控制措施對這兩類污染物的削減效果最明顯.

[1] 中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒2013 [M]. 北京:中國統(tǒng)計出版社.

[2] 中華人民共和國環(huán)境保護部.中國機動車污染防治年報(2013) [Z]. 2013-12.

[3] Ntziachristos L, Samaras Z. COPERTIII Computer programme to calculate emissions from road transport, Methodology and emission factor (Version 2.1) [R]. Technical Report No 49. Copenhagen: European Environmental Agency, 2000.

[4] Ekstrom M, Sjodin A, Andreasson K. Evaluation of the COPERT III emission model with on road optical remote sensing measurementsAtmospheric Environment, 2004,38:6631- 6641.

[5] Borge R, De Miguel I, De la Paz D, et al. Comparison of road traffic emission models in Madrid (Spain) [J]. Atmosp-heric Environment. 2012,62:461-471.

[6] Kassomenos P, Karakitsios S, Pilidis G. Daily variation of traffic emissions in Athens, GreeceEnvironment and Pollution, 2009,36:324-335.

[7] Baltrenas P, Vaitiekūnas P, Vasarevi?ius S, et al. Modelling of motor transport exhaust gas influence on the atmosphere [J]. Journal of Environmental Engineering and Landscape Management, 2008,16(2):65-75.

[8] Soylu S. Estimation of Turkish road transport emissions [J]. Energy Policy, 2007,35:4088-4094.

[9] Wang H K, Chen C H, Huang C, et al. On-road vehicle emission inventory and its uncertainty analysis for Shanghai, China [J]. Science of the Total Environment, 2008,398(1/2/3):60-67.

[10] Wang H K, Fu L X, Lin X,. A bottom-up methodology to estimate vehicle emissions for the Beijing urban areaScience of the Total Environment, 2009, 407(6):1947-1953.

[11] 王海鯤,陳長虹,黃 成,等.應用IVE模型計算上海市機動車污染物排放 [J]. 環(huán)境科學學報, 2006,26(1):1-9.

[12] 傅立新,郝吉明,何東全,等.北京市機動車污染物排放特征 [J]. 環(huán)境科學, 2000,21(3):68-70.

[13] 何東全,郝吉明,賀克斌,等.應用模型計算機動車排放因子 [J]. 環(huán)境科學, 1998,19(3):7-10.

[14] 姚欣燦,黃如娜,農(nóng)加進,等.廣州市2010年道路機動車排放清單研究 [J]. 廣州環(huán)境科學, 2012,27(2):20-24.

[15] 李修剛,楊曉光,王 煒,等.用于城市交通規(guī)劃的機動車污染物排放因子 [J]. 交通運輸工程學報, 2001,1(4):87-91.

[16] 涂先庫,李傳志,李發(fā)宗.寧波市區(qū)道路機動車綜合排放因子 [J]. 環(huán)境科學研究, 2008,21(2):94-98.

[17] 王伯光,邵 敏,張遠航,等.機動車排放中揮發(fā)性有機污染物的組成及其特征研究 [J]. 環(huán)境科學研究, 2006,19(6):75-80.

[18] 王志霞,陸雍森.區(qū)域持久性有機物的健康風險評價方法研究 [J]. 環(huán)境科學研究, 2007,20(3):152-157.

[19] 中國汽車技術(shù)研究中心,中國汽車工業(yè)協(xié)會.中國汽車工業(yè)年鑒.2008-2013 [M]. 北京:《中國汽車工業(yè)年鑒》期刊社, 2008-2013.

[20] 中國汽車市場年鑒編輯部.中國汽車市場年鑒.2008-2013 [M]. 北京:中國商業(yè)出版社, 2008-2013.

[21] 蔡 皓,謝紹東.中國不同排放標準機動車排放因子的確定 [J]. 北京大學學報(自然科學版), 2010,46(3):319-326.

[22] 李麗平,周國梅,季浩宇,等.污染減排的協(xié)同效應評價研究:以攀枝花為例 [J]. 中國人口×資源與環(huán)境, 2010,20(5):91-95.

[23] 毛顯強,曾 桉,胡 濤,等.技術(shù)減排措施協(xié)同控制效應評價研究 [J]. 中國人口·資源與環(huán)境, 2011,21(12):1-7.

[24] 程曉梅,劉永紅,陳泳釗,等.珠三角洲機動車排放控制措施協(xié)同效應分析 [J]. 中國環(huán)境科學, 2014,34(6):1599-1606.

[25] 國家紀委,財政部.排污費征收標準管理辦法 [Z]. 2003.

[26] 霍 紅,賀克斌,王歧東,等.機動車污染排放模型研究綜述 [J]. 環(huán)境污染與防治, 2006,7(28):526-530.

[27] 蘇 明,傅志華,許 文,等.碳稅開征建議:2012年10元/噸CO2[J]. 中國經(jīng)濟報告, 2010(1):36-41.

[28] 車汶蔚,鄭君瑜,鐘流舉.珠江三角洲機動車污染物排放特征及分擔率 [J]. 環(huán)境科學研究, 2009,22(4):456-461.

[29] 李新興,孫國金,田偉利,等.杭州市"十二五”機動車NO減排對策研究 [J]. 中國環(huán)境科學, 2012,32(8):1416-1421.

[30] 王 琛,王伯光,鐘流舉,等.珠江三角洲機動車污染控制對策研究 [J]. 環(huán)境科學與技術(shù), 2009,32(6):195-199.

[31] 高玉冰,毛顯強,Gabriel Corsetti,等.城市交通大氣污染物與溫室氣體協(xié)同控制效應評價——以烏魯木齊市為例 [J]. 中國環(huán)境科學, 2014,34(11):2985-2992.

[32] Che W W, Zheng J Y, Wang S S, et al. Assement of motor vehicle emission control policies using Model-3/CMAQ model for the Pearl River Delta region, China [J]. Atmospheric Environment, 2011,45:1470-1475.

[33] Lumbreras J, Valdés M, Borge R, et al. Assement of vehicle emissions projections in Madrid (Spain) from 2004 to 2012 considering several control strategies [J]. Transportation Research Part A, 2008,42:646-658.

* 責任作者, 教授, wuky@fudan.edu.cn

Co-control effects of motor vehicle pollutant emission in Shanghai

WANG Hui-hui1, ZENG Wei-hua1, WU Kai-ya2*

(1.School of Environment, Beijing Normal University, Beijing 100875, China；2.National Innovative Institute for Public Management and Public Policy, Fudan University, Shanghai 200433, China)., 2016,36(5)：1345~1352

Based on the information for the vehicle traffic during 2007-2012 in Shanghai, the pollutant emissions of motor vehicles were calculated. Three scenarios for vehicle pollutant reduction control were designed by applying the co-control evaluation method, which are single measurement, structural measurement and integrated measurement, respectively. The results indicated that the vehicle pollutant emissions from 2007 to 2012 in Shanghai presented a decrease trend. Motorcycle (MC), light-duty gasoline vehicle (LDGV), heavy-duty diesel trucks (HDDT) and heavy-duty diesel vehicle (HDDV) were the major pollution sources, which accounted for more than 90% of the total vehicle emission. According to the growth rate of ownership of motor vehicles in Shanghai currently, the inhalable particulate matter (PM10) emission from vehicle will increase by 7%, and the growth rate of greenhouse gas emission is between 15% and 108%, of which the carbon dioxide (CO2) will increase by 45% in 2018. The pollutants and greenhouse gases would be reduced under three control scenarios, but the effectiveness of emission reductions had obvious differences. Under the single control measurement scenario, eliminating yellow label cars and releasing stringent emission standards would be more effective to reduce vehicle pollutants and greenhouse gases. The reduction rate could be more than 20%. Moreover, under the structural control measurement scenario, vehicle pollutants and greenhouse gases would be more effectively reduced the reduction rate being more than 40%, and the co-control effect would be obviously positive.

motor vehicle；emission factors；greenhouse gas；co-benefit；Shanghai

X823

A

1000-6923(2016)05-1345-08

王慧慧(1989-),男,安徽樅陽人,北京師范大學博士研究生,主要從事環(huán)境影響評價及環(huán)境規(guī)劃與管理研究.

2015-09-30

國家自然科學基金(71173047,71573045)