青島市機動車排放清單與空間分布特征

孫世達,姜 巍,高衛(wèi)東 (濟南大學資源與環(huán)境學院,山東 濟南 250022)

青島市機動車排放清單與空間分布特征

孫世達,姜 巍*,高衛(wèi)東 (濟南大學資源與環(huán)境學院,山東 濟南 250022)

以青島市 2000～2014年機動車保有量與活動水平數(shù)據(jù)為基礎(chǔ),綜合考慮排放標準與燃油品質(zhì)的動態(tài)變化,以及機動車在城市路、郊區(qū)路和高速路的行駛比例與行駛工況,基于COPERT模型和GIS技術(shù)建立了0.02°×0.02°高分辨率機動車排放清單.結(jié)果表明,青島市機動車CO、VOCs與 SO2的排放量由 2000年的 168.68,33.57,5.27kt下降至 2014年的 155.14,17.51,2.44kt,NOx、PM10與 CO2的排放量則由23.88,1.22,2647.32kt上升至57.82,2.76,17736.06kt.其中,CO與VOCs排放主要貢獻車型為輕型載客車和摩托車,NOx與PM10排放主要來自于重型載客車與重型載貨車,而CO2和SO2排放主要來源于輕型載客車與重型載貨車.機動車排放空間分布呈現(xiàn)出由城市中心向城市邊緣的遞減趨勢,并沿高速路呈明顯的帶狀分布.李滄區(qū)、市北區(qū)、市南區(qū)和城陽區(qū)機動車排放強度較高,平度市、萊西市與嶗山區(qū)機動車排放強度較低.

排放清單；機動車排放；時空分布；青島

在工業(yè)化與城市化的聯(lián)合作用下,我國機動車保有量進入了高速增長期,機動車排放帶來的大氣環(huán)境問題引發(fā)了越來越多的關(guān)注,準確、詳細的機動車排放清單是確定機動車排放趨勢、分析減排潛力的基礎(chǔ).李新興等[1]建立了2010年杭州市區(qū)機動車CO、HC、NOx和PM10排放清單.何立強等[2]計算了 2010年中國機動車 CH4和N2O排放量.這些研究可以識別研究區(qū)域在特定年份的機動車排放特征,但難以把握機動車排放的總體變化趨勢.當前我國機動車正處于高速增長期,對這種趨勢的把握尤為重要[3],國內(nèi)一些學者開始建立長時間序列的機動車排放清單.Lang等[4]建立了中國 1999～2011年機動車排放清單,分析了機動車排放變化趨勢以及省級層次的分布特征.Wang等[5]、王慧慧等[6]、Zhang等[7]分別在在北京、上海、廣州建立了長時間序列機動車排放清單.這些研究普遍集中在國家層面或經(jīng)濟相對發(fā)達的地區(qū),對普通城市機動車排放的趨勢變化研究較少[8].此外,僅提供排放量數(shù)據(jù)的機動車排放清單空間識別性較低,難以提供全局、客觀、立體的機動車排放信息,而高分辨率排放清單是正確評估機動車排放對空氣質(zhì)量影響的關(guān)鍵[9].已有研究中機動車排放空間分配多采用參數(shù)(如人口密度、經(jīng)濟發(fā)展水平)替代法.如宋翔宇等[10]采用第二產(chǎn)業(yè)增加值為替代變量得到了中國 40km×40km高分辨率機動車排放清單.這種方法得到的空間分配結(jié)果與實際路網(wǎng)有一定偏差,有學者提出以實際道路網(wǎng)絡(luò)作為機動車排放的分配基底可以有效降低空間分配偏差,保證分配結(jié)果落于機動車空間排放源范圍之內(nèi)[11].總體而言, 目前我國對于城市級別的長時間序列、高分辨率機動車排放清單的研究仍處于起步階段.

青島位于山東東部沿海,隨著經(jīng)濟的高速發(fā)展,近年來青島市機動車保有量增長迅速,機動車排放已成為當?shù)卮髿馕廴镜闹匾獊碓碵12].建立青島市機動車排放清單,分析機動車排放的時間變化趨勢與空間分布特征,是做好大氣污染防治工作的基礎(chǔ),目前針對這一地區(qū)機動車排放的研究較少.本文基于 COPERT模型建立了青島市2000～2014年機動車主要污染物排放清單,并基于道路信息對機動車排放進行空間分配,分析各類污染物的總量趨勢、來源變化以及空間分布特征,以期為決策者制定機動車污染防治措施提供參考.

1 材料與方法

1.1 研究區(qū)域與對象

本研究建立了青島市2000年至2014年長時間序列、高分辨率的機動車排放清單,涵蓋CO、VOCs、NOx、PM10、CO2與SO2共6種污染物,包括汽車與摩托車兩大類排放源.由于非道路移動源(如農(nóng)用運輸車、工業(yè)機械等)的排放計算方式與機動車存在較大差異[13],故本研究所建立排放清單不包含非道路移動源排放.根據(jù) COPERT模型車型劃分要求以及我國機動車數(shù)據(jù)統(tǒng)計現(xiàn)狀,本文將機動車劃分為輕型載客車、輕型載貨車、重型載貨車、重型載客車與摩托車5類.

1.2 清單估算

機動車污染物排放量的計算基于排放因子法,主要涉及三個參數(shù):機動車保有量、年均行駛里程和機動車排放因子.計算公式為[14]:

式中:E表示機動車污染物排放量,t;i表示機動車類型,j表示污染物種類,h表示排放標準(國Ⅰ前到國Ⅳ),k表示研究年份(2000年至2014年);P表示機動車保有量,VKT表示年均行駛里程,ef表示機動車排放因子,g/(km?輛).

1.2.1 機動車保有量 根據(jù)《山東統(tǒng)計年鑒》數(shù)據(jù)[15],青島市機動車保有量從2000年的65.15萬輛增長到了2014年的207.73萬輛,年均增長率為8.69%(圖1).從分車型增長率來看,輕型載客車增速最快,年均增長率達到了 25.14%.輕型載貨車、重型載貨車與重型載客車年均增長率差異較小,但均低于平均增長水平,分別為7.99%、6.02%和 6.32%.近些年來,摩托車的主體地位逐漸讓渡給輕型載客車,摩托車數(shù)量占機動車保有總量的比例從 2000年的 77.34%下降到 2014年的17.69%,而輕型載客車的比例則從10.19%上升至72.45%.機動車保有量的高速增長消耗了大量化石能源的同時,也給青島市大氣污染防治工作帶來了巨大壓力.

圖1 青島市機動車保有量(2000～2014)Fig .1 Vehicle populations in Qingdao (2000～2014)

1.2.2 年均行駛里程 研究表明,受城市化水平以及交通運輸業(yè)發(fā)展的影響,機動車年均行駛里程處于動態(tài)變化中[16].本研究搜集整理了過往年份研究中年均行駛里程的調(diào)研成果[3,17-19],選擇與青島市經(jīng)濟發(fā)展水平、機動車保有狀況相近地區(qū)的年均行駛里程數(shù)據(jù),經(jīng)平均、插值、外推處理后,得到青島市2000～2014年各類機動車年均行駛里程(圖2).輕型載客車的普及使其年均行駛里程逐年下降[16].隨著城市公共交通與物流業(yè)的發(fā)展,重型載客車、輕型載貨車、重型載貨車的年均行駛里程呈上升態(tài)勢.摩托車在農(nóng)村地區(qū)應(yīng)用較為廣泛,城市化率的提升使得摩托車的年均行駛里程逐漸下降.

圖2 各類機動車年均行駛里程(2000～2014)Fig.2 Mileage for each vehicle type (2000～2014)

1.2.3 排放因子 排放因子用以衡量機動車單位行駛里程污染物排放量,其獲取方式分為排放測試與模型模擬兩類[20].由于排放測試獲取到的排放因子樣本量較少,不適用于建立區(qū)域尺度的宏觀機動車排放清單.因此多數(shù)研究者建立排放清單時采用機動車排放模型模擬排放因子,常見的機動車排放模型有MOBIE[21]、COPERT[22]、IVE[23]等.其中,歐洲環(huán)境署(EEA)開發(fā)的COPERT模型適用于建立區(qū)域尺度機動車排放清單,且所需數(shù)據(jù)量較少,具備較強的可操作性,可兼容我國目前和未來一段時間的機動車排放標準,在我國國家級別[24]和地區(qū)級別[25]的機動車排放清單編制工作中得到了較好的推廣.

COPERT模型將機動車污染物排放與平均行駛速度進行關(guān)聯(lián),采用大量實驗數(shù)據(jù),基于不同的車型以及排放標準擬合出一系列經(jīng)驗公式模擬排放因子[26].COPERT模型認為機動車污染物排放來自發(fā)動機熱穩(wěn)定排放、冷啟動排放以及燃料蒸發(fā)3種排放源,各排放源排放因子計算方式有所不同.熱穩(wěn)定排放中,不同類型發(fā)動機排放因子是機動車平均行駛速度的函數(shù).冷啟動排放則是在熱穩(wěn)定排放基礎(chǔ)上經(jīng)修正后得到.燃料蒸發(fā)排放是燃料蒸氣壓和環(huán)境溫度的函數(shù).各類污染物的排放因子計算公式詳見文獻[27].

平均速度的選取在COPERT模型參數(shù)設(shè)定中尤為重要,直接影響著排放因子模擬的準確性,而以往研究[28-29]通常對所有類型機動車取同一平均速度.事實上,不同種類的機動車由于行駛特征和所運行路段交通流量的差異,平均速度存在著較大差別.近些年來,雖然也有部分研究[7,17]開始對不同種類機動車設(shè)定不同的平均行駛速度,但對機動車在不同道路類型上的行駛頻率考慮較少.例如,輕型載客車通常行駛在城市路,而重型載貨車則經(jīng)常行駛在郊區(qū)路或高速路[30].摩托車則在郊區(qū)路行駛較多,城市路行駛較少[31].不同道路上機動車行駛速度也有差異,一般市區(qū)路平均速度要低于郊區(qū)路,郊區(qū)路則低于高速路.本研究將道路劃分為城市路、郊區(qū)路與高速路三種類型,基于已有研究成果[19,32]結(jié)合青島市機動車實際運行工況,確定了各類機動車在不同道路類型上的行駛比例(表1)與平均速度(表2).

表1 各類機動車不同道路類型行駛比例(%)Table 1 Trip rates for each vehicle type on different roads (%)

除平均速度外,COPERT模型還需要設(shè)定燃料參數(shù)、氣候參數(shù)、單次出行平均里程、負載和坡度.燃料參數(shù)包括燃料蒸氣壓以及各種成分的含量,參考青島市在不同年份執(zhí)行的燃油標準進行設(shè)定.氣候參數(shù)包括每月最高與最低氣溫和相對濕度,數(shù)據(jù)來源為氣象統(tǒng)計資料[33].單次出行平均里程,即機動車一個運行過程行駛的平均距離,取國內(nèi)平均水平 12km[24].道路坡度和負載均采用模型默認值,道路坡度設(shè)定為 0,負載設(shè)定為50%[28].

表2 各類機動車不同道路類型平均速度(km/h)Table 2 Average speeds for each vehicle type on different roads (km/h)

表3 機動車污染物排放因子(g/km)Table 3 Vehicle emission factors (g/km)

研究期內(nèi)青島市機動車共經(jīng)歷了國Ⅰ前至國Ⅳ五套排放標準,不同排放標準下的排放因子存在著較大差異[34].基于以上參數(shù)設(shè)定,使用COPERT模型模擬得到青島市機動車不同污染物分車型分排放標準的排放因子(表3)

本研究采用存活曲線法[35]計算得到研究期內(nèi)各類機動車不同排放標準構(gòu)成比例,根據(jù)各年份機動車保有狀況,結(jié)合表3排放因子數(shù)據(jù)計算2000-2014年機動車污染物的綜合排放因子.計算公式為:

式中:EF表示在不同研究年份機動車污染物分車型的綜合排放因子;i,j,h和 k分別表示機動車類型、污染物種類、排放標準和研究年份;ef表示各類機動車在不同排放標準下污染物的排放因子;P表示機動車保有量.

1.3 空間分配

本研究以青島市路網(wǎng)信息為基礎(chǔ)(圖3),基于WGS1984 投影,以 119.508°～120.976°E 和35.582°～37.146°N為模型域,應(yīng)用 GIS建立了0.02°×0.02°分辨率的空間網(wǎng)格,模型域內(nèi)共包含3042個網(wǎng)格.計算每個網(wǎng)格內(nèi)各類道路長度占地區(qū)道路總長度的比例,將不同種類污染物在各類道路上的總排放量按這一比例分攤到每一個網(wǎng)格上,并對每個網(wǎng)格內(nèi)各類道路的各種污染物的排放量分別求和,最終得到污染物在各網(wǎng)格中的排放量.分配公式為:

式中:Q表示網(wǎng)格機動車排放量;n表示網(wǎng)格編號;c表示道路類型(包括城市路、郊區(qū)路和高速路);j表示污染物種類;L為道路長度;E為地區(qū)機動車排放總量.

本研究以各網(wǎng)格中包含的道路長度為權(quán)重對污染物排放總量進行空間分配.該分配方法假定網(wǎng)格內(nèi)包含道路長度越多,則排放量越大,保證了分配結(jié)果落于機動車空間排放源范圍之內(nèi).這一假定的現(xiàn)實基礎(chǔ)是交通繁忙的地帶往往擁有較高的道路密度,機動車污染物排放量較大,而郊區(qū)往往道路密度較低,污染物排放量也相應(yīng)降低.當然,這種假定也存在著一定缺陷,例如即便是包含同樣道路長度的網(wǎng)格,由于其所處區(qū)域的不同(如城市和郊區(qū)),其實際排放量也應(yīng)是不同的.受數(shù)據(jù)可得性限制,本研究在空間分配過程中并未采取真實流量信息.事實上,盡管基于真實流量信息的空間分配更為準確,但由于在我國多數(shù)地區(qū)路網(wǎng)流量信息的獲取較為困難,相較而言本研究所采用的空間分配方法更具操作性與普適性.

圖3 青島市路網(wǎng)分布Fig.3 Road network in Qingdao

2 結(jié)果與討論

2.1 排放因子變化

2000～2014年間,青島市機動車各類污染物的綜合排放因子均呈現(xiàn)出不同程度的下降(圖4),原因在于車隊中排放標準構(gòu)成的變化以及燃油品質(zhì)的提升.從機動車排放標準的構(gòu)成來看,2000年時幾乎所有機動車均為國Ⅰ前排放標準,之后隨著排放標準的不斷提升,低排放標準機動車逐步淘汰,高排放標準機動車保有量穩(wěn)步增長.至2014年,青島市車隊總體中國Ⅰ前、國Ⅰ、國Ⅱ、國Ⅲ和國Ⅳ排放標準的機動車比重分別為0.34%、7.81%、14.1%、31.66%和46.09%[12].從燃油品質(zhì)的提升來看,2014年青島市已全面供應(yīng)了國Ⅳ標準汽油與國Ⅲ標準柴油,進一步減少了機動車污染物的排放.

對比不同車型各類污染物排放因子可知,輕型載客車、輕型載貨車與摩托車 CO與 VOCs的排放因子較高,重型載客車與重型載貨車NOx、PM10、CO2與SO2的排放因子較高.

從排放因子下降幅度來看,不同污染物排放因子降幅在不同車型間差異較大.盡管輕型載客車、輕型載貨車與摩托車擁有較高的 CO與VOCs排放因子,但下降速度較快,在 2000～2014年間,CO排放因子分別下降了91.39%、83.90%、79.36%,VOCs排放因子分別下降了 94.46%、95.62%、77.12%.重型載貨車與重型載客車的NOx與PM10排放因子較高,在研究期內(nèi),NOx排放因子降幅分別為30.20%、32.63%,PM10排放因子降幅分別為52.43%、62.26%.總體而言,作為不同種類污染物的高排放因子車型,重型載貨車、重型載客車的NOx與PM10排放因子降幅低于輕型載客車、輕型載貨車與摩托車的 CO與 VOCs排放因子降幅,這與Shen等[36]的研究結(jié)論一致.

圖4 青島市各車型機動車排放因子(2000～2014)Fig.4 Emission factors of the vehicle types in Qingdao (2000～2014)

CO2排放因子最為穩(wěn)定,各車型CO2排放因子變化不大,原因在于CO2的排放與燃料消耗量密切相關(guān),而排放標準的提升對于燃油經(jīng)濟性(即單位行駛里程的燃料消耗量)提升作用較小.SO2排放因子呈現(xiàn)出顯著的階段性下降特征,這是由于 SO2的排放取決于燃料中的含硫量,而燃油品質(zhì)的提升具有階段性.如2014年柴油含硫量由 0.2%下降至 0.035%,重型載貨車與重型載客車的SO2排放因子分別從0.84,1.38g/km下降至 0.15,0.24g/km.SO2排放因子下降最快的車型為重型載貨車和重型載客車,2000～2014年間降幅分別為92.9%與94.0%.

2.2 總量特征

綜合考慮各年度車隊組成、排放因子與年均行駛里程的動態(tài)變化,計算得到青島市 2000～2014年6類機動車污染物分車型排放量(圖5).

2000～2014年間,CO、VOCs、SO2的排放量均有不同程度的下降.CO和VOCs排放量呈現(xiàn)先升后降的趨勢.以2007年為界,CO排放量從2000年的168.68kt增長至2007年的238.37kt,年均增長率為5.2%.之后CO排放量開始下降,2014年排放量僅為 155.14kt,與 2007年相比降幅達到了34.92%.VOCs排放量在 2003年即達到峰值,從2000年的33.57kt增長至2003年的41.29kt,年均增長率為7.35%,隨后便開始下降.2014年,VOCs排放量降至 17.51kt,與峰值相比,降幅達到了57.59%.CO與VOCs的下降得益于兩方面原因:一方面由于嚴格排放標準的實施以及低排放標準機動車的淘汰,CO與VOCs的車隊綜合排放因子下降較快;另一方面,高CO與VOCs排放因子車型輕型載客車與摩托車的年均行駛里程近些年來也一直在下降.SO2排放則呈現(xiàn)波狀起伏變化,排放總量從2000年的5.27kt降至2014年的2.44kt,研究期內(nèi)SO2排放量在2002年和2014年經(jīng)歷了兩次大幅下跌,降幅分別為 43.16%與68.56%.原因在于SO2排放與燃油品質(zhì)密切相關(guān),燃料中含硫量的下降會減少 SO2的排放,從 2.1節(jié)排放因子分析也可以看出,SO2排放因子具有明顯的階段性下降特征.然而,燃油品質(zhì)升級帶來的減排效果會被高速增長的機動車數(shù)量所削弱,2000～2014年間,SO2排放除在少數(shù)燃油品質(zhì)升級的年份有所下降外,在大部分年份一直處于上升狀態(tài).

與2000年相比,NOx、PM10與CO2的排放量均有較大幅度的增長,排放量分別由 2000年的23.88、1.22和2647.32kt上升至57.82、2.76與17736.06kt,增幅分別達到了 142.11%、125.93%和 569.96%.由于排放標準的不斷升級以及低排放標準機動車的淘汰,自2012年起NOx與PM10的增長勢頭已基本得到控制,2012～2014年間NOx與 PM10的總排放量增幅僅為 0.70%與2.04%.與CO和VOCs相比,NOx與PM10減排效果較弱,原因有二:從排放因子來看,結(jié)合2.1節(jié)分析可知 NOx與 PM10排放因子的降幅整體低于CO與 VOCs;從活動水平來看,物流業(yè)與公共交通的發(fā)展使得高NOx與PM10排放因子車型重型載貨車與重型載客車的年均行駛里程不斷上升,導(dǎo)致了排放量的增長.CO2排放一直處于高速增長狀態(tài),2000～2014年間年均增長率達到了14.70%.由于燃料中的碳元素絕大部分轉(zhuǎn)化為CO2,因此 CO2與機動車所消耗的化石燃料的數(shù)量直接相關(guān).盡管我國機動車排放標準的提升相對較快,但燃油經(jīng)濟性提升進展較慢,CO2排放因子一直較為穩(wěn)定,從而使得CO2增速一直處于較高水平.

2.3 車型貢獻

輕型載客車與摩托車是CO與VOCs的排放主體.2000年時輕型載客車與摩托車對CO的分擔率分別為38.94%與37.26%,對VOCs的分擔率分別為 27.59%與 52.54%.近些年來,隨著輕型載客車保有量的增長以及摩托車保有量的下跌,輕型載客車對CO與VOCs的分擔率逐年攀升,成為最主要的貢獻車型,在 2014年分別達到了65.02%和52.29%.而摩托車對CO與VOCs的分擔率則在2014年分別下降至4.99%和13.75%.

重型載貨車與重型載客車是NOx與PM10的主要貢獻車型.重型載貨車與重型載客車在2000年對NOx與VOCs的分擔率差異很小,對NOx的分擔率分別為35.98%和35.81%,對PM10的分擔率分別為 34.40%和 35.51%.受交通運輸業(yè)發(fā)展的影響,重型載貨車對NOx和PM10的分擔率逐漸上升,至2014年達到了58.17%和40.63%.而重型載客車對NOx和PM10的分擔率在2014年則分別下降至 28.93%和 17.22%.這種趨勢產(chǎn)生的原因在于輕型載客車的普及導(dǎo)致了重型載客車保有量的下降,進而造成其排放分擔率的減少.

圖5 青島市分車型機動車排放(2000～2014)Fig.5 Emissions of the vehicle types in Qingdao (2000～2014)

CO2的排放取決于機動車消耗的燃料數(shù)量,受機動車活動水平和保有量的影響較大.2000年時 CO2主要貢獻車型為輕型載客車、重型載貨車與重型載客車,分擔率分別為22.49%、25.54%、26.33%.近年來盡管輕型載客車的年均行駛里程有所下降,但保有量逐漸超過了其他各類機動車的總和,成為了CO2排放的主要分擔車型,CO2分擔率在2014年達到了53.30%.重型載貨車由于其較高的燃油消耗水平,在2014年CO2分擔率仍然保持在21.78%,為CO2第二大排放源.SO2的排放與燃油品質(zhì)密切相關(guān),近些年來,我國柴油含硫量一直高于汽油含硫量,因此重型載貨車與重型載客車為SO2的主要分擔車型,2000年時分擔率分別為39.74%與42.00%.SO2主要分擔車型的變動與CO2類似,近些年來由于輕型載客車保有量在車隊總體中的絕對優(yōu)勢以及柴油含硫量的降低,輕型載客車對SO2的分擔率在2014年上升至39.49%,成為最重要的SO2分擔車型.較高的燃油消耗水平、較快的保有量增速使得重型載貨車SO2分擔率在2014年仍保持在34.09%,而重型載客車則由于其保有量的下降 SO2分擔率降至15.83%.

2.4 空間分配

基于青島市路網(wǎng)信息對2014年機動車各類污染物排放進行空間分配(圖6).

青島市機動車各類污染物排放空間分布整體上較為一致,呈現(xiàn)出由城市中心向城市邊緣的遞減趨勢.此外,由于高速路車流量遠高于郊區(qū)路與大部分城市路,因此機動車排放沿高速路呈明顯的帶狀分布.而郊區(qū)路分布較為稀疏,車流量不大,因此整體排放強度(單位面積污染物排放量)較低.

圖6 2014年青島市機動車排放空間分布Fig.6 Spatial distribution of vehicle emissions in Qingdao in 2014

表4 2014年青島市各區(qū)縣機動車排放強度(t/km2)Table 4 Distribution of vehicle emission intensity in Qingdao region by cities in 2014 (t/km2)

通過比較青島市各地區(qū)排放強度(表4)可知,李滄區(qū)、市北區(qū)和市南區(qū)作為青島市內(nèi)三區(qū),商業(yè)區(qū)和居民區(qū)分布相對集中,整體排放強度較高.而城陽區(qū)作為連通青島市區(qū)至內(nèi)陸地區(qū)的樞紐,交通發(fā)達、路網(wǎng)密集,同樣擁有較高的排放強度.平度市與萊西市由于轄區(qū)面積較大,使得區(qū)域內(nèi)整體排放強度較低.嶗山區(qū)作為青島市的旅游中心,山地較多而路網(wǎng)較為稀疏,各類污染物排放強度最低.

2.5 不確定性分析與排放清單對比

建立排放清單過程中,不確定性來源主要為活動水平數(shù)據(jù)缺失以及排放因子的本地化差異

[37].本研究機動車保有量數(shù)據(jù)來自相關(guān)統(tǒng)計年鑒,不確定性較小.但考慮到我國統(tǒng)計口徑與COPERT模型的車型設(shè)定存在差異,車型轉(zhuǎn)換的過程中可能會存在一定的誤差.受數(shù)據(jù)可得性限制,本研究未能考慮非青島市本地注冊車輛的跨地區(qū)流動所帶來的排放,增大了排放清單的不確定性.本研究采用的年均行駛里程數(shù)據(jù)可以較好的反映近些年來各類機動車活動水平在不同影響因素下的動態(tài)變化,但由于時間跨度較長,且部分數(shù)據(jù)參考了其他地區(qū)的調(diào)查成果,可能無法完全反映青島市的機動車年均行駛里程變化狀況.本研究基于COPERT模型模擬的排放因子綜合考慮了排放標準、燃油品質(zhì)、行駛工況、氣候條件等本地化因素,排放因子較為可靠.

目前,關(guān)于青島市機動車排放的研究較少.本文將清單結(jié)果與青島市環(huán)保局發(fā)布的《青島市機動車污染防治年報》[12]進行對比(表5).該年報發(fā)布的最新機動車排放清單年份為 2013年,包括CO、VOCs、NOx以及PM10.從對比結(jié)果來看,CO、VOCs與PM10與公報數(shù)據(jù)一致性較好,NOx高于公報數(shù)據(jù).這種差別來自于活動水平設(shè)定的不同與排放因子選取的差異.從活動水平設(shè)定上看,本文考慮到了 NOx主要貢獻車型重型載貨車與重型載客車年均行駛里程的上升對排放造成的影響.從排放因子選取上看,本文基于COPERT模型模擬的排放因子與青島市環(huán)保局基于CVEM模型模擬的排放因子存在著固有差異.

表5 2013年青島市機動車排放清單對比(×104t/a)Table 5 The comparison of vehicle emission inventory in Qingdao (2013) (×104t/a)

3 結(jié)論

3.1 2000～2014年間,青島市機動車CO、VOCs與 SO2排放量由 168.68,33.57,5.27kt下降至155.14,17.51,2.44kt, NOx、PM10與CO2排放量則由 23.88,1.22,2647.32kt上 升 至 57.82,2.76, 17736.06kt.

3.2 研究期內(nèi)各類污染物的主要貢獻車型存在差異.總體而言,CO與VOCs排放主要貢獻車型為輕型載客車和摩托車,NOx與PM10排放主要來自于重型載客車與重型載貨車,而CO2和SO2排放主要來源于輕型載客車與重型載貨車.

3.3 青島市機動車各類污染物排放空間分布整體上較為一致,呈現(xiàn)出由城市中心向城市邊緣的遞減趨勢,并沿高速路呈明顯的帶狀分布.李滄區(qū)、市北區(qū)、市南區(qū)和城陽區(qū)機動車排放強度較高,平度市、萊西市與嶗山區(qū)機動車排放強度較低.

[1] 李新興,孫國金,王孝文,等.杭州市區(qū)機動車污染物排放特征及分擔率 [J]. 中國環(huán)境科學, 2013,33(9):1684-1689.

[2] 何立強,胡京南,解淑霞,等.2010年中國機動車CH4和N2O排放清單 [J]. 環(huán)境科學研究, 2014,27(1):28-35.

[3] Lang J, Cheng S, Wei W, et al. A Study on the Trends of Vehicular Emissions in the Beijing—Tianjin—Hebei (BTH) Region, China [J]. Atmospheric Environment, 2012,62:605-614.

[4] Lang J, Cheng S, Zhou Y, et al. Air Pollutant Emissions From On-road Vehicles in China, 1999～2011 [J]. Science of the Total Environment, 2014,496:1-10.

[5] Wang H, Fu L, Lin X, et al. A Bottom-up Methodology to Estimate Vehicle Emissions for the Beijing Urban Area [J]. Science of the Total Environment, 2009,407:1947-1953.

[6] 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(yīng)研究 [J]. 中國環(huán)境科學, 2016,36(5):1345-1352.

[7] Zhang S, Wu Y, Liu H, et al. Historical Evaluation of Vehicle Emission Control in Guangzhou Based on a Multi-year Emission Inventory [J]. Atmospheric Environment, 2013,76:32-42.

[8] 姚志良,張明輝,張明輝,等.中國典型城市機動車排放演變趨勢[J]. 中國環(huán)境科學, 2012,32(9):1565-1573.

[9] Che W, Zheng J, Wang S, et al. Assessment of Motor Vehicle Emission Control Policies Using Model-3/CMAQ Model for the Pearl River Delta Region, China [J]. Atmospheric Environment, 2011,45:1740-1751.

[10] 宋翔宇,謝紹東.中國機動車排放清單的建立 [J]. 環(huán)境科學, 2006,27(6):1041-1045.

[11] 鄭君瑜,車汶蔚,王兆禮.基于交通流量和路網(wǎng)的區(qū)域機動車污染物排放量空間分配方法 [J]. 環(huán)境科學學報, 2009,29(4):815-821.

[12] 青島市環(huán)境保護局.青島市機動車污染防治年報 [R]. 青島:青島市環(huán)境保護局, 2014:3-6.

[13] 張禮俊,鄭君瑜,尹沙沙,等.珠江三角洲非道路移動源排放清單開發(fā) [J]. 環(huán)境科學, 2010,31(4):56-61.

[14] 郭秀銳,吉木色,郎建壘,等.基于情景分析的北京市機動車污染排放控制研究 [J]. 中國環(huán)境科學, 2013,33(9):1690-1696.

[15] 劉興慧.山東統(tǒng)計年鑒 [Z]. 北京:中國統(tǒng)計出版社, 2015:3-427.

[16] Huo H, Zhang Q, He K, et al. Vehicle-use Intensity in China: Current Status and Future Trend [J]. Energy Policy, 2012,43: 6-16.

[17] Zhang S, Wu Y, Wu X, et al. Historic and Future Trends of Vehicle Emissions in Beijing, 1998～2020: a Policy Assessment for the Most Stringent Vehicle Emission Control Program in China [J]. Atmospheric Environment, 2014,89:216-229.

[18] Wang H, Fu L, Zhou Y, et al. Trends in Vehicular Emissions in China's Mega Cities From 1995 to 2005 [J]. Environmental Pollution, 2010,158:394-400.

[19] Tang D, Ding Y, Yin H, et al. Developing a First-ever National Mobile Source Emissions Inventory for China [C]. 18th Annual International Emission Inventory Conference, [S.l.]: US EPA, 2009.

[20] 程 軻,薛志鋼,張增強,等.機動車大氣污染物排放清單構(gòu)建的研究 [J]. 環(huán)境污染與防治, 2009,31(9):89-94.

[21] 傅立新,賀克斌,何東全,等. MOBILE汽車源排放因子計算模式研究 [J]. 環(huán)境科學學報, 1997,17(4):474-479.

[22] 謝紹東,宋翔宇,申新華.應(yīng)用 COPERTⅢ模型計算中國機動車排放因子 [J]. 環(huán)境科學, 2006,27(3):415-419.

[23] 姚志良,賀克斌,王岐東,等. IVE機動車排放模型應(yīng)用研究 [J].環(huán)境科學, 2006,27(10):1928-1933.

[24] 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.

[25] 劉永紅,姚達文,黃建彰.珠三角地區(qū)機動車排放清單建立與來源分析 [J]. 環(huán)境科學與技術(shù), 2015,38(6):458-463.

[26] Ntziachristos Leon, Gkatzoflias Dimitrios, Kouridis Charis, et al. COPERT4Introduction: History, Methods, Data [R]. Greece: EMISIA, 2009.

[27] P. ahlvik S. eggleston-N. goriben et al. COPERTⅢ Computer programme to calculate emissions from road transport Methodology and emission factors (Version2.1) [M]. Copenhagen: EEA, 2000:14-20.

[28] 廖瀚博,余 志,周 兵,等.廣州市機動車尾氣排放特征研究[J]. 環(huán)境科學與技術(shù), 2012,35(1):134-138,163.

[29] 曾雪蘭,李紅霞,程曉梅,等.佛山市機動車尾氣排放清單及特征分析 [J]. 環(huán)境污染與防治, 2013,35(11):51-55.

[30] 趙新燕.鄭州市機動車污染排放特征與控制措施研究 [D]. 長春:吉林大學, 2014.

[31] 程曉梅,劉永紅,徐偉嘉,等.佛山限摩對摩托車出行特征及減排的影響分析 [J]. 環(huán)境科學與技術(shù), 2013,36(6L):400-404.

[32] 王岐東,賀克斌,姚志良,等.中國城市機動車行駛工況研究 [J].環(huán)境污染與防治, 2007,29(10):745-748:784.

[33] 許小峰.中國氣象年鑒 [Z]. 北京:氣象出版社, 2015:664-689.

[34] 王 剛,郎建壘,程水源,等.重型柴油車PM2.5和碳氫化合物的排放特征 [J]. 中國環(huán)境科學, 2015,35(12):3581-3587.

[35] Goel R, Guttikunda S K. Evolution of On-road Vehicle Exhaust Emissions in Delhi [J]. Atmospheric Environment, 2015,105:78-90.

[36] Shen X, Yao Z, Zhang Q, et al. Development of Database of Real-world Diesel Vehicle Emission Factors for China [J]. Journal of Environmental Sciences (China), 2015,31(4):209-220.

[37] 毛紅梅,張凱山,第寶鋒.四川省天然源VOCs排放量的估算和時空分布 [J]. 中國環(huán)境科學, 2016,36(5):1289-1296.

Vehicle emission inventory and spatial distribution in Qingdao.

SUN Shi-da, JIANG Wei*, GAO Wei-dong
(School of Resources and Environment, University of Jinan, Jinan 250022, China). China Environmental Science, 2017,37(1)：49～59

According to the variation of vehicle populations, vehicle-use intensity, emission standards and fuel quality, high-resolution vehicle emission inventory of 0.02°×0.02 grid in Qingdao from 2000 to 2014 were developed by COPERT model and GIS, considering the differences of driving conditions and trip rates for each vehicle type in urban road, suburban road and highway. Results show that total emissions of CO, VOCs and SO2decreased from 168.68kt, 33.57kt and 5.27kt to 155.14kt, 17.51kt and 2.44kt during the period of 2000 to 2014, while NOx, PM10and CO2increased from 23.88kt, 1.22kt and 2647.32kt to 57.82kt, 2.76kt and 17736.06kt at the same period. Passenger cars and motorcycles were the major contributors to CO and VOCs emissions, NOxand PM10mainly came from buses and heavy duty trucks, while passenger cars and heavy duty trucks were main sources of CO2and SO2. For spatial distributions, vehicle emissions presented decreasing trend from downtown areas to urban fringes and concentrated in highway with distinctive banding distribution. High vehicle emission intensity regions were Licang district, Shibei district, Shinan district and Chengyang district, and low emission intensity regions were Pingdu city, Laixi city and Laoshan district.

emission inventory；vehicle emissions；spatial distribution；Qingdao

X511

A

1000-6923(2017)01-0049-11

孫世達(1991-),男,山東菏澤人,濟南大學碩士研究生,主要從事機動車污染防治研究.發(fā)表論文2篇.

2016-06-09

山東省高校人文社科研究計劃項目(J16YH28);山東省自然科學基金(ZR2015DM014);山東省教育廳人文社科項目(J12WG59);教育部人文社科基金(13YJC790059, 14YJCZH087)

* 責任作者, 教授, stu_jiangw@ujn.edu.cn