基于昆明市機(jī)動車溫室效應(yīng)污染物排放清單的減排研究

摘要：采用MOVES進(jìn)行本地化調(diào)整，以計(jì)算2021年的昆明高速公路道路移動源溫室效應(yīng)污染物排放總量清單，得出了不同車型和排放標(biāo)準(zhǔn)的分擔(dān)比率。結(jié)果顯示，該場景下的CO、NO、CO、CH、BC（黑碳）的排放量分別為13 663.2 t、11.4 t、2 488 004.2 t、76.9 t、18.9 t，總計(jì)CO當(dāng)量為2 532 121.8 t。排放分擔(dān)率在不同車型中差異顯著，小型客車CO、CO和CH較高，均在50％以上，N2O的主要排放源是輕型貨車和小型客車，BC的排放源主要是中型貨車和輕型貨車。時(shí)間分布上，工作日期內(nèi)，客車污染物排放呈現(xiàn)出9時(shí)和13時(shí)左右的雙高峰結(jié)構(gòu)，而非工作日期內(nèi)，污染物排放在14時(shí)至17時(shí)期間持續(xù)較高水平。昆明市主城區(qū)為主要排放核心地帶，污染物呈放射狀擴(kuò)散至周邊地區(qū)。

關(guān)鍵詞：MOVES；排放清單；時(shí)空分布；溫室效應(yīng)氣體

中圖分類號：U469.79 收稿日期：2024-09-22

DOI：10.19999/j.cnki.1004-0226.2024.12.019

1 前言

機(jī)動車排放的CO、CO、CH、NO和BC（黑碳）是導(dǎo)致溫室效應(yīng)的主要成分。國際能源署（IEA）[1]發(fā)布的《2022年CO排放報(bào)告》指出，2022年交通運(yùn)輸部門的碳排放量增加了2.1%，達(dá)到1.37億t。同時(shí)，1990—2021年期間，中國交通領(lǐng)域的碳排放量從9 400萬t增至約9.6億t，增長了約10倍。目前，全球機(jī)動車已成為溫室氣體排放增長的主要來源之一，這一趨勢值得深入研究并采取控制措施。至2021年，交通領(lǐng)域碳排放量約占中國總碳排量的10%。

近年來，為應(yīng)對機(jī)動車產(chǎn)生的溫室效應(yīng)，相關(guān)國家和地區(qū)制定了政策，國內(nèi)外學(xué)者也開展了溫室氣體研究。Li等[2]采用交通速度-流量模型結(jié)合MOVES模型，建立了北京市2018年溫室氣體高分辨排放清單；Clairotte等[3]對歐洲道路溫室氣體排放因子進(jìn)行了傅里葉分析；Wu等[4]運(yùn)用全生命周期評估方法，分析了京津冀、長三角和珠三角三大地區(qū)輕型車輛的能耗和CO?排放，并評估了未來輕型電動車的減排效益；汪晶發(fā)等[5]基于MOVES模型和ArcGIS技術(shù)，建立了西安市1 km2分辨率的機(jī)動車污染物排放清單。

昆明市地處我國西南地區(qū)，位于云貴高原腹地，該地區(qū)公路（尤其是高速公路）多建于高海拔、低氣壓、陡坡較多等環(huán)境。本文旨在研究發(fā)動機(jī)在高海拔地區(qū)燃燒受損條件下的污染物排放，開展針對高原地區(qū)的溫室效應(yīng)氣體排放研究。

2 研究方法與數(shù)據(jù)來源

2.1 模型的選取

傳統(tǒng)的排放因子模型主要是以MOBILE系列為代表的基于平均速度的宏觀模型和由IVE代表的微觀車輛行駛工況為基礎(chǔ)的微觀模型，它們基于固定的排放因子，而MOVES模型的動態(tài)模擬可以考慮到多種變化因素（車速、交通、環(huán)境因素等）。此外，MOVES模型的視野立體性更好，可用于微觀、中觀、宏觀3個(gè)層面計(jì)算，利用最新的實(shí)測數(shù)據(jù)和研究成果，分析排放的影響因素，同時(shí)預(yù)測政策改變帶來的排放影響?；诖?，本研究采用MOVES模型在中觀層面可用于計(jì)算昆明市地區(qū)的機(jī)動車排放量。

2.2 清單計(jì)算方法

2.3 數(shù)據(jù)來源及模型本地化

本研究數(shù)據(jù)來源于2021年度昆明市交通運(yùn)行統(tǒng)計(jì)報(bào)告和云南交投集團(tuán)（2021）云南省高速公路車流量統(tǒng)計(jì)，同時(shí)結(jié)合部分時(shí)段昆明市高速公路真實(shí)的車流量統(tǒng)計(jì)。在“Source Type Population”模塊中定義小型客車、中型客車、大型客車、輕型貨車、中型貨車和重型貨車這6類昆明典型車輛類型，調(diào)整尺寸；汽油車輛和柴油車輛分別按照GB 17930—2016《車用汽油》標(biāo)準(zhǔn)[6]和GB 19147—2016《車用柴油》標(biāo)準(zhǔn)[7]進(jìn)行設(shè)置；道路類型設(shè)定為Rural Restricted Access；根據(jù)昆明地區(qū)的交通狀況將車速標(biāo)準(zhǔn)設(shè)定為avgSpeedBinID7-13，代表中等車速范圍；氣象數(shù)據(jù)根據(jù)月平均氣溫和濕度分別輸入，確保模型能夠準(zhǔn)確反映不同氣候條件下的排放情況。

3 結(jié)果與討論

3.1 車齡及排放標(biāo)準(zhǔn)分析

通常車輛的平均使用壽命約為15年，針對這一問題，本研究獲取了昆明市2005—2020年間的車輛注冊數(shù)據(jù)，運(yùn)用VEIN模型中的算法推斷車輛的壽命情況，選擇采用威布爾分布曲線來判斷車輛的壽命情況，結(jié)合r語言和不同車型排放標(biāo)準(zhǔn)確定了車輛的壽命存活率結(jié)果，如圖1所示。

通過存活曲線法估算得到各類型車車齡占比（圖2）和不同排放標(biāo)準(zhǔn)機(jī)動車占比（表1）。隨著車輛使用年限的增長，小型客車車齡分布基本呈現(xiàn)遞減的趨勢。新的小型客車占比較高，車齡大的車輛則相對較少。

3.2 排放因子分析

2021年昆明市高速公路各車型的溫室效應(yīng)氣體排放因子如表2所示?？梢钥闯?，作為溫室氣體之一的的CO在機(jī)動車排放的污染物中是最高的，而其中重型貨車的CO排放遠(yuǎn)超其他類型車輛，這一差異的主要原因在于重型貨車的能耗和負(fù)載量顯著高于其他車型，因此其燃料消耗和相應(yīng)的CO排放也顯著增加。對于BC來說，重型貨車的BC排放也是最高，相比之下，輕型汽油車排放的顆粒物中黑碳含量較低，僅為0.0001 g/（km·輛）。此外，CH的排放量重型貨車最高，為0.172 g/（km·輛），而輕型貨車僅為0.003 g/（km·輛），這是由于在高海拔地區(qū)含氧量較低的空氣使重型貨車在負(fù)載時(shí)，發(fā)動機(jī)燃燒更不充分。由于，排放后處理過程不同，不同類型車輛的NO排放差異顯著。CO和NO的排放，中型客車最高，分別為8.289 g/（km·輛）和0.026g/（km·輛），這是由于昆明地區(qū)中型客車的車齡要明顯高于小型客車，排放劣化更為嚴(yán)重。

3.3 溫室氣體排放特征分析

3.3.1 排放分擔(dān)率

根據(jù)模型計(jì)算得到2021年昆明市高速公路機(jī)動車溫室氣體排放總量清單（表3），可以看出不同車輛類型、燃料類型和對應(yīng)的排放標(biāo)準(zhǔn)對排放分擔(dān)率存在較大影響。

從車型來看，中小型客車CO、CO和CH排放量均占機(jī)動車CO、CO、CH總排放量的50％以上，占比較高。同時(shí)小型客車對溫室氣體排放總量的貢獻(xiàn)相較于其他車型高，分擔(dān)率為54.5%。這是由于在昆明高速路區(qū)域內(nèi)，機(jī)動車行駛流量中，小型客車交通流量占比較大。輕型貨車和小型客車主要是N2O的主要排放源，重型貨車和輕型貨車主要是BC的排放源。

從燃料類型來看，相對于柴油車，汽油車對溫室氣體排放總量（TGHG）的貢獻(xiàn)比例更高，達(dá)到了77%。主要原因同樣是汽油車的交通流占比過大。

從排放標(biāo)準(zhǔn)來看，國四排放標(biāo)準(zhǔn)車和國三標(biāo)準(zhǔn)車是昆明市CO、CO、NO、CH、BC污染物的首要和次要貢獻(xiàn)車型，而其中國四車輛的排放占據(jù)主導(dǎo)地位，對CO、CH、NO、CO、BC的貢獻(xiàn)率分別為41.27%、44.49%、42.77%、42.69%、44.96%，可見對國四車實(shí)施有計(jì)劃的提前淘汰，將有助于削減污染物的排放。

結(jié)果表明，小型客車、汽油車和國四機(jī)動車是昆明市高速公路機(jī)動車溫室氣體排放的主要車型，在機(jī)動車溫室效應(yīng)污染物減排控制中，需要對其嚴(yán)管。

3.3.2 時(shí)間分布

本文對昆明市以CO為例展開分析機(jī)動車排放小時(shí)分布，如圖4所示，工作日與非工作日的小時(shí)排放分擔(dān)率變化趨勢基本一致，同時(shí)研究發(fā)現(xiàn)，非工作日中的城市居民在日間時(shí)間段的出行具有較為顯著的連續(xù)性特點(diǎn)，這一現(xiàn)象與他們在節(jié)假日期間的出行模式是相一致的。

由圖4～圖8可知，工作日內(nèi)CO的小時(shí)排放分擔(dān)率變化趨勢與貨車的小時(shí)排放分擔(dān)率變化趨勢大致相同。在工作日，各車型交通流量占比中，輕型貨車交通占比最高，小客車次之。由于小客車在工作日主要在城市道路行駛，即使在高速公路上也以短程環(huán)城運(yùn)行為主，這種行駛模式主要受到城市居民日?；顒右?guī)律的影響。在工作日，人們的活動范圍主要限于城市內(nèi)部，城市內(nèi)的活動頻繁度相對較高，相比城際長途活動更為頻繁。因此，工作日內(nèi)排放污染物的總體小時(shí)分布規(guī)律受到貨車的主導(dǎo)作用，變化趨勢與輕型貨車和中型貨車的變化趨勢基本一致。

而非工作日的汽車總體排放污染物時(shí)段分布變化趨勢與小客車的基本保持一致。小客車交通流量相較于工作日有所增加，在所有車型中占比最大。這主要是因?yàn)樵诜枪ぷ魅眨藗兊幕顒臃秶粌H限于城市內(nèi)部，大部分人選擇自駕外出旅行、跨城市活動等。因此，非工作日的總污染物排放時(shí)段分布變化趨勢總體與小客車流量相關(guān)性較大，基本保持一致的趨勢。

3.3.3 空間分布

空間分布利用ArcGIS（10.8.1版），在CGCS2000坐標(biāo)系基準(zhǔn)面上以0.01°×0.01°的水平分辨率將昆明市的高速公路道路網(wǎng)重新網(wǎng)格化為768個(gè)網(wǎng)格（圖9）。獲取總排放量，估計(jì)不同車輛的總排放量以計(jì)算排放強(qiáng)度，模擬網(wǎng)格化排放。

如圖10所示，昆明市的路網(wǎng)密集區(qū)域主要集中在兩個(gè)區(qū)域，其中路網(wǎng)密度最高的是呈貢區(qū)與官渡區(qū)的交匯處，這幾條線路的交匯導(dǎo)致交通量增大。另一個(gè)重點(diǎn)區(qū)域是五華區(qū)。與此同時(shí)，高速公路收費(fèi)站和服務(wù)區(qū)的分布也會影響車輛行駛節(jié)奏和排放。

如圖9～圖10所示，總體上主城區(qū)路段的移動源排放強(qiáng)度顯著高于郊區(qū)縣路段。就排放總量而言，西山區(qū)的排放總量最為突出，約占比14.37%，其次為官渡區(qū)，最低為宜良，約為4.89%；然而從單個(gè)網(wǎng)格的排放強(qiáng)度來看，單個(gè)網(wǎng)格最高值在官渡區(qū)，最低值則在晉寧區(qū)；就排放均值而論，均值最高的是官渡區(qū)每網(wǎng)格3 905 t，而最低是晉寧區(qū)每網(wǎng)格2 897 t?？傮w排放呈現(xiàn)的趨勢是由城市中心向邊緣擴(kuò)散，市中心排放高，遠(yuǎn)離城市地區(qū)逐漸排放減少。

4 結(jié)語

小型客車是CO、CH和CO的排放分擔(dān)率最高的車型，輕型貨車和小型客車主要是NO的主要排放源，重型貨車和輕型貨車主要是BC的排放源；國IV排放標(biāo)準(zhǔn)車是排放的主要車型；在時(shí)間分布上，小時(shí)分布上客貨車基本呈現(xiàn)雙高峰結(jié)構(gòu)，工作日于9時(shí)和13時(shí)達(dá)到高峰，非工作日于10時(shí)和14時(shí)達(dá)到高峰，14時(shí)高峰后之后處于平穩(wěn)的連續(xù)狀態(tài)，再持續(xù)下降。各個(gè)污染物排放特征在空間分布上呈現(xiàn)出一定的一致性，排放量較高的區(qū)域主要集中在昆明市主城區(qū)，主城區(qū)位于核心地帶，污染物擴(kuò)散呈放射狀向周邊地區(qū)擴(kuò)散，遠(yuǎn)離市中心的區(qū)域，其承擔(dān)的污染物排放負(fù)擔(dān)逐漸減小。

因此，昆明的減排策略應(yīng)首先聚焦主城區(qū)，實(shí)施多層次的交通分流與限行措施，降低高峰期排放量；鼓勵(lì)公共交通與新能源車輛的使用，提升通勤效率和覆蓋率；加速老舊高排放車輛的淘汰更新，嚴(yán)格執(zhí)行尾氣排放檢測標(biāo)準(zhǔn)，并優(yōu)化城市外圍道路和高速公路的管理，進(jìn)一步減輕市中心的污染負(fù)荷。加強(qiáng)交通網(wǎng)絡(luò)與城市空間的協(xié)調(diào)，減少污染物的集中釋放和擴(kuò)散，才能有效提升昆明整體空氣質(zhì)量。

參考文獻(xiàn)：

[1]IEA–International Energy Agency[EB].

[2]Li Yanxia，Lv C，Yang N，et al.A study of high temporal-spatial resolution greenhouse gas emissions inventory for on-road vehicles based on traffic speed-flow model：A case of Beijing[J].Journal of Cleaner Production，2020，277：122419.

[3]Clairotte M，Suarez-Bertoa R，Zardini A A，et al.Exhaust emission factors of greenhouse gases（GHGs）from European road vehicles[J].Environmental Sciences Europe，2020，32（1）：125.

[4]Wu Y，Yang Z，Lin B，et al.Energy consumption and CO emission impacts of vehicle electrification in three developed regions of China[J].Energy Policy，2012，48：537-550.

[5]汪晶發(fā)，宋慧，巴利萌，等.西安市機(jī)動車污染物排放清單與空間分布特征[J].環(huán)境污染與防治，2020，42（6）：666-671+677.

[6]國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，國家標(biāo)準(zhǔn)化管理委員會.GB 17930—2016車用汽油[S].北京：中國標(biāo)準(zhǔn)出版社，2016.

[7]國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，國家標(biāo)準(zhǔn)化管理委員會.GB 19147—2016車用柴油[S].北京：中國標(biāo)準(zhǔn)出版社，2016.

作者簡介：

李熠璇，女，1997年生，研究生在讀，研究方向?yàn)槲廴疚锱欧徘鍐巍?/p>

何超（通訊作者），男，1980年生，教授，研究方向?yàn)闄C(jī)動車排放控制技術(shù)。