2020, Vol. 41
2. 香港理工大学土木与环境工程系, 香港 999077
, SUN Shi-da1 , WANG Peng2 , LIN Ying-chao1 , WANG Ting1 , WU Lin1 , WEI Ning1 , CHANG Jun-yu1 , MAO Hong-jun1
2. Department of Civil and Environmental Engineering, Hong Kong Polytechnic University, Hong Kong 999077, China
改革开放以来, 随着经济的高速发展和城市化进程的不断推进, 我国机动车保有总量呈逐年攀升之势.截至2017年底全国机动车达到3.1亿辆.目前, 机动车排放已成为城市地区大气污染的主要来源之一, 是导致雾霾污染和光化学烟雾的重要因素[1].此外, 由于机动车多行驶在人口密集区域, 其排放将直接危害人群健康[2~4].
机动车排放清单是考察机动车污染物排放特征, 评价其对空气质量影响的重要工具.机动车排放模型是建立机动车排放清单的基础, 常用的排放模型有COPERT[5~7]、MOBILE[8, 9]、IVE[10~12]和MOVES[13~15]等.其中, 由于中国与欧洲有着较为接近的机动车排放控制体系, 在欧洲地区较为流行的COPERT模型在中国机动车排放清单的建立过程中得到了广泛应用.基于COPERT模型, 孙世达等[16]建立了青岛市2000~2014年机动车排放清单, 发现CO、VOCs和SO2的排放量呈下降趋势, 而PM10和CO2的排放量不断增加.在排放清单的基础上, 借助ArcGIS技术可以精准刻画机动车排放的空间分布特征, 并为空气质量模型提供数据基础.李荔等[5]改进了机动车空间分配方法, 并基于ArcGIS技术建立了2015年江苏省机动车排放清单.基于区域内机动车排放的历史演变趋势, 使用情景分析法, 还可以预测不同的政策情景下机动车排放的未来变化状况, 定量评价各控制措施的实施效果, 以期获得最佳排放控制方案.Guo等[17]为京津冀地区机动车污染防治设置了5个控制情景, 发现在升级排放标准情景下将大幅度减少污染物排放, 淘汰高排放机动车情景在短期可以比长期更有效地减排.已有的机动车排放清单研究涵盖了全国[18, 19]、区域[20~22]、省级[5, 6, 23]和市级[16, 24]等多个层级, 然而, 这些研究多集中在发达地区, 如京津冀[20]、长三角[22]和珠三角[21]地区, 对于发展中地区机动车排放的研究仍相对有限.
辽宁省作为《重点区域大气污染防治“十二五”规划》中的重点控制省份[25], 大气污染呈现出较为明显的区域型和复合型特征.近年来, 该地区机动车保有量增长迅速, 所引发的大气污染问题已成为防治工作中的重点和难点.因此, 对该地区机动车排放进行系统地研究, 显得尤为必要与迫切.本文基于COPERT模型, 建立了辽宁省2000~2016年机动车排放清单, 考察排放演变趋势, 同时借助ArcGIS手段, 分析了排放的空间特征, 结合情景分析法, 预测了2017~2030年不同情景下机动车排放的未来走向, 评估了控制措施的实施效果, 以期为相关政策的制定提供参考.
1 材料与方法 1.1 排放清单计算方法本研究所采用的机动车排放量计算公式如下：
|
(1) |
式中, Q表示排放量, t；P表示机动车保有量, 辆；VKT表示机动车年均行驶里程, km·a-1；EF表示机动车排放因子, g·km-1.
在本文中, 研究年份y 的范围是从2000~2030年；车型 i总体上分为轻型载客车、重型载客车、轻型载货车、重型载货车和摩托车共5类[26]；污染物 j涵盖了CO、NMVOC、NOx、PM10、SO2和CO2共6类；机动车排放标准s包括国零、国一、国二、国三、国四、国五和国六共7类.以此为基础, 计算辽宁省机动车各污染物的排放量.
1.2 机动车保有量机动车分车型、分排放标准的保有量数据是计算排放清单的重要基础参数.辽宁省及各市分车型机动车保有量数据来源于辽宁省统计年鉴(2000~2016年)[27].综合考虑历史趋势与模型效果, 2017~2030年间各车型机动车保有量采用弹性系数法[28]进行预测.最终得到2000~2030年辽宁省机动车保有量的变化情况(图 1). 2000~2030年各车型的分排放标准保有量则基于Hao等[29]研究的存活曲线和车龄分布规律获得.
|
图 1 辽宁省2000~2030年分车型机动车保有量 Fig. 1 Vehicle population for different types in Liaoning from 2000 to 2030 |
年均行驶里程是用以描述机动车单车活动水平的重要参数.受经济水平、道路条件和政策变化等因素的影响, 即便是同种车型, 在不同地区和不同年份的年均行驶里程也会存在差异.本研究收集整理了以往研究的调研成果[30~36], 参考与辽宁省经济发展和机动车保有量水平相近地区的调研值作为2016年辽宁省分车型的年均行驶里程, 并以此为基准, 推算2000~2015年期间的年均行驶里程.推算基于以下假设进行：①基于千人机动车保有量推算轻型载客车的年均行驶里程[37]; ②基于人均GDP推算轻型载货车、重型载货车和重型载客车的年均行驶里程[30]; ③基于城市化率推算摩托车的年均行驶里程[37]. 2017~2030年的值则根据历史趋势进行外推.最终得到2000~2030年辽宁省分车型的年均行驶里程(图 2).
|
图 2 辽宁省2000~2030年各车型年均行驶里程 Fig. 2 Vehicle kilometers travelled for different types in Liaoning from 2000 to 2030 |
本研究应用COPERT模型模拟辽宁省的机动车排放因子.模型输入包括平均速度、燃料参数及气象数据等.平均速度基于已有研究成果确定[32, 33, 38], 参考了辽宁省城市沈阳及大连的机动车行驶速度.燃料参数包括硫含量和蒸气压, 均来自车用燃料标准[39].气象数据包括相对湿度和每月最高、最低温度, 均来自气象统计年鉴[40].
1.5 情景设置常见的机动车排放控制措施包括淘汰黄标车, 升级排放标准和改善燃料质量等.本研究综合考虑了已被广泛实施的以及未来可能实施的几类排放控制措施, 设计了1个基准情景和8个控制情景. 6种基本控制措施包括淘汰黄标车、优先发展公共交通、升级排放标准、普及新能源电动车、推进运输结构调整及综合情景.尽管目前在全国范围内黄标车比例已相对较小, 尤其是在北京、天津等发达地区, 黄标车淘汰工作已基本完成或接近尾声.然而, 辽宁省的黄标车淘汰工作进展却相对缓慢, 未能按文献[41]在2017年完成全部黄标车的淘汰工作[42].淘汰黄标车仍是辽宁省未来机动车排放控制的重点工作[43].本研究据此设置了淘汰黄标车情景.另外, 因升级排放标准情景设有两种不同的控制力度, 这使得综合情景也分为两种情况.表 1列出了各方案的具体说明.
|
表 1 机动车排放控制情景设定说明 Table 1 Definitions and descriptions of vehicle control scenarios |
1.6 空间分配
借助ArcGIS技术, 以辽宁省的道路路网为基础, 根据各市级机动车保有量和道路密度, 建立辽宁省0.5°×0.5°高分辨率的机动车网格化排放清单.机动车排放量的空间分配分两步处理[44]：①根据省级和市级机动车保有量的关系将省级机动车排放量分配到市级; ②根据每个网格内道路总长度占所在市道路总长度的比例将市级排放量分配到网格单元.空间分配的详细公式如式(2)所示：
|
(2) |
式中, i表示各个市；g表示网格单元；p表示污染物；y表示年份；E 表示机动车排放量, t；R表示道路长度, km.
2 结果与讨论 2.1 历史演变 2.1.1 污染物排放特征图 3展示了辽宁省2000~2016年机动车不同污染物的排放状况.其中, CO、NMVOC、NOx和PM10排放量在2000~2016年间均呈现先增后降的趋势.CO和NMVOC的排放量从2000年的37.4万t和5.4万t增加至2011年的57.4万t和8.7万t.从2012年开始, 排放量平均以每年9.1%和8.1%的速率下降, 到2016年CO和NMVOC的排放量降至34.4万t和5.5万t.这一下降趋势是由2011年机动车国四排放标准的出台以及对摩托车数量的限制所致.NOx和PM10的排放量在2000~2011年间平均以每年13.5%和11.5%的速率不断增长, 2012年后NOx和PM10则平均以每年5.5%和10.6%的速率逐渐下降.同时可以看出, NOx的下降速率显著低于PM10, 说明现有的控制措施对NOx的减排效果不甚明显, 需要探寻更有效的减排对策.
|
图 3 辽宁省2000~2016年机动车污染物排放量 Fig. 3 Vehicle emissions trends in Liaoning from 2000 to 2016 |
而SO2的排放量呈波动变化, 在2002与2011年其排放量分别有两次突降, 降幅分别为43.2%和76.7%, 其主要原因是SO2的排放与含硫量紧密相关, 含硫量随着燃料质量的提升不断下降, 所以SO2的排放量也随之下降.
与其他污染物不同, CO2的排放量在2000~2016年间平均以每年14.2%的增长率持续高速增长, 这是由于发动机燃烧的燃料中近99%的碳被转化为了CO2[45], 虽然机动车排放标准不断提高, 但是机动车燃油经济性的提升却相对有限, 因此如何应对机动车CO2排放量的快速增长将成为中国实现碳减排目标的重要挑战.
2.1.2 车型贡献特征在2000~2016年间, 对CO和NMVOC有重要排放贡献的车型为轻型载客车和摩托车.在2000年, 轻型载客车和摩托车对CO的分担率分别为53.7%和34.6%, 对NMVOC的分担率分别为54.4%和33.2%.然而, 近年来随着经济的不断发展和人民生活水平的提高, 轻型载客车的数量迅速增长, 而摩托车的保有量则不断下降, 这使得轻型载客车对CO和NMVOC的贡献不断上升, 在2016年时的分担率已分别达到了65.7%和67.6%.
重型载客车和重型载货车是污染物NOx和PM10的主要来源.重型载客车和重型载货车对NOx排放的分担率之和从2000年的62.3%增长到2016年的84.3%.交通运输业的发展导致了重型载货车保有量和年均行驶里程的不断增长, 对NOx和PM10排放的分担率也持续上升.除此之外, 轻型载客车对PM10的分担率呈现上升趋势, 在2000~2016期间从6.4%增加到22.1%.轻型载客车保有量的迅速增加是其分担率上升的主要原因.
轻型载客车是SO2和CO2的主要贡献车型.轻型载客车对SO2和CO2的分担率在2000年分别为14.5%和36.3%, 保有量的增加使得其排放分担比例持续上升, 到2016年, 轻型载客车对SO2和CO2的分担率增加到了51.4%和51.1%.
2.2 未来预测 2.2.1 基准情景在BAU情景下, 图 4展示了辽宁省2017~2030年机动车污染物CO、NMVOC、NOx、PM10、SO2和CO2排放总量的趋势.结果表明, CO、NMVOC、NOx和PM10排放量均表现为先降低后增加, 而SO2和CO2的排放量则持续增加.
|
图 4 基准情景下污染物排放变化趋势 Fig. 4 Vehicle emission trends in BAU scenario |
CO和NMVOC的排放量呈现先明显下降后缓慢增加的趋势, 从2017~2025年平均以每年5.2%和3.6%的变化率持续下降, 黄标车的自然淘汰和黄标车报废政策的严格实施是排放量下降的主要原因.在保持2016年污染控制政策的情况下, 由于车辆保有量的持续增加, 自2025年开始, CO和NMVOC的排放量将再次呈现上升趋势.NOx和PM10排放量则相对稳定, 这两种污染物在开始时均略有下降, 后持续增加, 到2030年, NOx和PM10的排放量与2016年相比反而增加了10.3%和7.5%. 2017~2030年间, SO2和CO2的排放量呈现持续增长趋势, 尤其是CO2, 年均增长率达到了26.2%.其主要原因是目前实施的政策对于这些污染物的控制效果不明显, 此外, 物流业的急速发展和人们对出行需求的与日俱增使得车辆的保有量和年均行驶里程数均有所增加, 导致NOx、PM10、SO2和CO2的排放量不降反增.
2.2.2 控制措施情景图 5展示了6种减排情景中污染物CO、NMVOC、NOx、PM10、CO2和SO2的排放变化, 用以比较单一控制措施对不同污染物的减排效果.
|
图 5 6种单一控制情景下污染物排放变化趋势 Fig. 5 Vehicle emission trends in six single control scenarios |
|
图 6 辽宁省2000和2016年机动车排放空间分布 Fig. 6 Spatial distributions of vehicle emissions in Liaoning in 2000 and 2016 |
UES情景对于污染物中CO、NMVOC、NOx和PM10的影响最大, 尤其是CO、PM10和NOx. 2030年, CO的排放在UES-S情景和UES-M情景下分别削减了22.2%和12.9%, PM10的排放削减了21.7%和16.7%.与CO相比, 对NMVOC的减排效果相对较弱, 至2030年削减率分别为8.4%和8.1%.UES情景对NOx的影响较为显著.可以看到, 在升级排放标准的两个情景中, 明显减排的节点均出现在实行国六排放标准后(2020年和2025年), 在2030年, UES-S情景与UES-M情景对NOx的削减率分别达到了79.9%和50.1%.表明了实施更加严格的排放标准可以增强减排效果, 同时表明实行排放标准的时间越提前减排效果越好.
PTSA情景对NOx和PM10的排放控制效果较好, 尤其是对NOx的削减较为显著.随着运输结构调整的不断推进, 在2020年和2030年, PTSA情景对NOx的削减率分别可达2.8%和5.3%, 这一结果印证了长期坚持推进运输结构调整的必要性.
PTP情景在前期也可以有效削减CO、NMVOC、NOx和PM10的排放, 但在后期减排效果较弱.虽然在6种控制情景下, CO2和SO2的排放量仍在不断增加, 但是PTP情景对CO2和SO2的削减效果最佳, 在2030年, CO2和SO2相对于基准情景的削减率均为5.2%.
EYV情景同样在前期有较好效果, 在2017年对CO、NMVOC、NOx、PM10、CO2和SO2的削减率分别为2.2%、1.8%、1.1%、0.8%、0.4%和0.4%, 但是由于车辆会随着年份推移自然报废, 此单一情景下难以有效应对机动车保有量的增长带来的排放, 在后期由于黄标车已经基本淘汰, 排放反而会呈现上升趋势.
EP情景对污染物削减效果较弱, 是由于考虑到技术和经济限制, 短期内新能源电动车的保有量在整个车队中占比较小.但是从长期来看其减排效果仍不可小觑.与基准情景相比, 在2030年EP情景对CO、NMVOC、NOx、PM10、CO2和SO2可分别削减2.6%、2.3%、3.0%、2.5%、2.7%和2.7%.因此, 大力推广新能源电动车在中、长期规划中对机动车排放的控制效果更佳.
2.2.3 综合情景应用了多种控制措施的综合情景, 对6种污染物均有显著减排效果.表 2列出了IS-M和IS-S对污染物的削减率.可以看出, 考虑了所有控制措施的IS情景将实现减排最大化.与基准情景相比, 到2030年, IS-M情景将分别削减CO、NMVOC、NOx、PM10、CO2和SO2的22.2%、14.0%、54.2%、24.9%、12.4%和12.3%.而IS-S情景将分别削减CO、NMVOC、NOx、PM10、CO2和SO2的30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.与IS-M情景相比, IS-S情景对于CO、NOx和PM10的排放控制更为有效, 对于NMVOC、CO2和SO2的排放控制则差异不大.
|
|
表 2 综合情景下各污染物的削减率/% Table 2 Reductions of different pollutants in integrated scenario/% |
2.3 空间分布
图 6展示了2000年和2016年辽宁省机动车高分辨率网格化排放清单.可以发现, 机动车排放主要分布于辽宁省中部及南部沿渤海区域, 而东、西两地区污染物排放相对较低, 这主要与辽宁省地形有关, 辽宁省中部为辽河平原, 而辽西、辽东两侧均为山地丘陵, 森林繁茂, 路网并不密集, 从而导致辽东、辽西机动车污染物排放量较低.高排放区主要分布在城市市区, 以及从市区向外辐射的路网上, 这符合中国机动车多行驶在城市地区的实情.在2016年, 沈阳市和大连市6种污染物排放量占到了辽宁省排放总量的43.2%.沈阳市为省会城市, 大连市为旅游城市, 两市均为交通运输业发达和机动车活动水平较高的区域, 这就导致了机动车污染物排放的明显聚集. 2000年与2016年污染物CO、NMVOC和PM10具有相似的排放强度, 这是由于在2000~2016年间CO、NMVOC和PM10的排放量均呈现先增后降的趋势, 到2016年3种污染物的排放强度均下降至与2000年相近的水平, 因此在2000年与2016年空间分布特征相似.与2000年相比, 2016年SO2的排放强度下降, 高排放区域面积明显减少.但是, 对于NOx和CO2, 2016年高排放区域的强度明显增加, 同时高排放区域的面积在2016年显著增大.
2.4 不确定性分析在建立辽宁省机动车排放清单时, 应用的是自上而下的计算方法, 其不确定性的主要来源为机动车保有量、年均行驶里程数据的全面性和模型模拟排放因子与本地化因子的差异性.虽然从官方统计年鉴中获取了较为可靠的机动车保有量历史数据, 但分排放标准的保有量数据是根据文献[29]中的方法进行计算的.由于我国统计车型与COPERT的车型设定有所不同, 在进行车型转换过程中也会产生一定误差.本研究根据以往研究中的方法估算年均行驶里程数据, 可以较准确地表现机动车长时间活动水平的动态变化, 但部分数据参考了文献总结的结果, 可能无法准确反映辽宁省实际机动车活动状况.本研究使用的排放因子是通过将本地化参数输入COPERT模型中模拟得到, 不确定性较小, 但是模型难以反映真实世界中机动车排放的细节, 例如不同驾驶条件下排放因子的差异.关于空间分配, 本研究假设各种道路类型的排放密度是相同的, 但是实际条件下, 在不同道路类型上驾驶条件不同, 排放量也不尽相同, 因此可能存在一定的误差.在预测未来机动车排放趋势时, 主要的不确定性来自保有量和年均行驶里程预测结果的准确性.
目前对于辽宁省机动车排放的研究相对较少, 本文将2016年清单结果中4种污染物CO、NMVOC、NOx和PM10的排放量与文献[39]进行了对比.NOx的排放量与年报值一致性较好.CO、NMVOC和PM10的排放量均低于年报值, 其主要原因可能在于对轻型载客车年均行驶里程取值的差异.轻型载客车是CO、NMVOC和PM10的重要贡献车型, 本研究在设定中考虑到随着机动车保有量的增加, 轻型载客车的年均行驶里程呈下降趋势[30], 因此对轻型载客车年均行驶里程取值较低, 可能导致排放量低于年报值.且年报中研究的污染物分别为碳氢化合物和颗粒物, 而本文研究的污染物NMVOC代表碳氢化合物中的非甲烷总烃化合物, 污染物PM10代表颗粒物中粒径在10 μm以下的颗粒物, 因此这两种污染物排放量计算结果低于年报值.
3 结论(1) 机动车排放的CO、NMVOC、NOx、PM10和SO2排放量在2000~2016年间均呈现先增后降的趋势, 而CO2的排放量在2000~2016年间以较高的增长率持续增长.轻型载客车和摩托车为CO和NMVOC排放的主要贡献车型, 重型载客车和重型载货车是NOx和PM10的主要排放源, SO2和CO2则主要是由轻型载客车排放.
(2) 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.淘汰黄标车情景在前期有较好效果, 在后期减排效果减弱.优先公共交通情景、替代新能源电动车情景和推进运输结构调整政策从长期来看其减排效果不可小觑.
(3) 综合情景将实现减排最大化.与基准情景相比, 强化综合情景将分别减少CO、NMVOC、NOx、PM10、CO2和SO2的30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.
(4) 辽宁省机动车排放主要分布于中部及南部沿渤海区域, 而辽东、辽西机动车污染物排放量较低.高排放区主要分布在城市市区, 以及从市区向外辐射的路网上.从城市层面来看, 排放主要集中在沈阳市和大连市.与2000年相比, 2016年NOx和CO2高排放区域的强度明显增加, 同时高排放区域的面积显著增大.
| [1] | Li L Y, Xie S D, Zeng L M, et al. Characteristics of volatile organic compounds and their role in ground-level ozone formation in the Beijing-Tianjin-Hebei region, China[J]. Atmospheric Environment, 2015, 113: 247-254. DOI:10.1016/j.atmosenv.2015.05.021 |
| [2] | 李加军, 黄晓丽. 城市交通对环境的影响及控制[J]. 天津科技, 2007, 34(4): 90-92. DOI:10.3969/j.issn.1006-8945.2007.04.041 |
| [3] |
贾晨霞, 包俊江, 田瑞. 机动车尾气对城市大气环境的影响及控制[J]. 北方环境, 2011, 23(8): 104-106. Jia C X, Bao J J, Tian R. The impact and control on the city air environment about the automobile exhausting[J]. Northern Environment, 2011, 23(8): 104-106. |
| [4] |
郭宇宏, 王自发, 康宏, 等. 机动车尾气排放对城市空气质量的影响研究——以乌鲁木齐市春节前后对比分析[J]. 环境科学学报, 2014, 34(5): 1109-1117. Guo Y H, Wang Z F, Kang H, et al. Impact of automobile vehicles exhaust emissions on metropolitan air quality:Analysis study on the air pollution change before and after the Spring Festival in Urumqi City, China[J]. Acta Scientiae Circumstantiae, 2014, 34(5): 1109-1117. |
| [5] |
李荔, 张洁, 赵秋月, 等. 基于COPERT模型的江苏省机动车时空排放特征与分担率[J]. 环境科学, 2018, 39(9): 3976-3986. Li L, Zhang J, Zhao Q Y, et al. Vehicle exhaust emission characteristics and their contributions in Jiangsu province[J]. Environmental Science, 2018, 39(9): 3976-3986. |
| [6] | Sun S D, Jiang W, Gao W D. Vehicle emission trends and spatial distribution in Shandong province, China, from 2000 to 2014[J]. Atmospheric Environment, 2016, 147: 190-199. DOI:10.1016/j.atmosenv.2016.09.065 |
| [7] | Lang J L, Cheng S Y, 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. DOI:10.1016/j.scitotenv.2014.07.021 |
| [8] |
吴烨, 郝吉明, 傅立新, 等. 澳门机动车排放清单[J]. 清华大学学报(自然科学版), 2002, 42(12): 1601-1604. Wu Y, Hao J M, Fu L X, et al. Emissions inventory for mobile sources in Macao, China[J]. Journal of Tsinghua University (Science and Technology), 2002, 42(12): 1601-1604. DOI:10.3321/j.issn:1000-0054.2002.12.011 |
| [9] |
车汶蔚.珠江三角洲高时空分辨率机动车污染排放清单开发及控制对策研究[D].广州: 华南理工大学, 2010. Che W W. A highly resolved mobile source emission inventory in the Pearl River Delta and assessment of motor vehicle pollution control strategies[D]. Guangzhou: South China University of Technology, 2010. http://cdmd.cnki.com.cn/Article/CDMD-10561-2010227941.htm |
| [10] |
周子航, 邓也, 吴柯颖, 等. 成都市道路移动源排放清单与空间分布特征[J]. 环境科学学报, 2018, 38(1): 79-91. Zhou Z H, Deng Y, Wu K Y, et al. On-road mobile source emission inventory and spatial distribution characteristics in Chengdu[J]. Acta Scientiae Circumstantiae, 2018, 38(1): 79-91. |
| [11] |
马因韬, 刘启汉, 雷国强, 等. 机动车排放模型的应用及其适用性比较[J]. 北京大学学报(自然科学版), 2008, 44(3): 308-316. Ma Y T, Liu Q H, Lei G Q, et al. Application of vehicular emission models and comparison of their adaptability[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2008, 44(3): 308-316. |
| [12] |
王海鲲, 陈长虹, 黄成, 等. 应用IVE模型计算上海市机动车污染物排放[J]. 环境科学学报, 2006, 26(1): 1-9. Wang H K, Chen C H, Huang C, et al. Application of the international vehicle emission model for estimating of vehicle emissions in Shanghai[J]. Acta Scientiae Circumstantiae, 2006, 26(1): 1-9. |
| [13] |
郝艳召, 邓顺熙, 邱兆文, 等. 基于MOVES模型的西安市机动车排放清单研究[J]. 环境污染与防治, 2017, 39(3): 227-231, 235. Hao Y Z, Deng S X, Qiu Z W, et al. Vehicle emission inventory for Xi'an based on MOVES model[J]. Environmental Pollution and Control, 2017, 39(3): 227-231, 235. |
| [14] |
张广昕, 孙晋伟. 基于MOVES的机动车排放分析及控制措施研究[J]. 交通节能与环保, 2013, 9(1): 24-29. Zhang G X, Sun J W. Research on analysis of vehicle emission based on MOVES and control measures[J]. Energy Conservation & Environmental Protection in Transportation, 2013, 9(1): 24-29. DOI:10.3969/j.issn.1673-6478.2013.01.005 |
| [15] |
吕宁宁.基于MOVES的交通排放评价系统及优化[D].西安: 长安大学, 2012. Lv N N. Traffic emission evaluation and optimization system based on motor vehicle emission simulator[D]. Xi'an: Chang'an University, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10710-1013018136.htm |
| [16] |
孙世达, 姜巍, 高卫东. 青岛市机动车排放清单与空间分布特征[J]. 中国环境科学, 2017, 37(1): 49-59. Sun S D, Jiang W, Gao W D. Vehicle emission inventory and spatial distribution in Qingdao[J]. China Environmental Science, 2017, 37(1): 49-59. |
| [17] | Guo X R, Fu L W, Ji M S, et al. Scenario analysis to vehicular emission reduction in Beijing-Tianjin-Hebei (BTH) Region, China[J]. Environmental Pollution, 2016, 216: 470-479. DOI:10.1016/j.envpol.2016.05.082 |
| [18] |
蔡皓, 谢绍东. 中国不同排放标准机动车排放因子的确定[J]. 北京大学学报(自然科学版), 2010, 46(3): 319-326. Cai H, Xie S D. Determination of emission factors from motor vehicles under different emission standards in China[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010, 46(3): 319-326. |
| [19] |
宋翔宇, 谢绍东. 中国机动车排放清单的建立[J]. 环境科学, 2006, 27(6): 1041-1045. Song X Y, Xie S D. Development of vehicular emission inventory in China[J]. Environmental Science, 2006, 27(6): 1041-1045. |
| [20] |
郎建垒, 程水源, 韩力慧, 等. 京津冀地区机动车大气污染物排放特征[J]. 北京工业大学学报, 2012, 38(11): 1716-1723. Lang J L, Cheng S Y, Han L H, et al. Vehicular emission characteristics in the Beijing-Tianjin-Hebei (BTH) Region[J]. Journal of Beijing University of Technology, 2012, 38(11): 1716-1723. DOI:10.11936/bjutxb2012111716 |
| [21] |
刘永红, 姚达文, 黄建彰. 珠三角地区机动车排放清单建立与来源分析[J]. 环境科学与技术, 2015, 38(S1): 458-463. Liu Y H, Yao D W, Huang J Z. Vehicle exhaust emissions inventory and characteristics in the Pearl River Delta Region[J]. Environmental Science and Technology, 2015, 38(S1): 458-463. |
| [22] |
吴晓璐.长三角地区大气污染物排放清单研究[D].上海: 复旦大学, 2009. Wu X L. The study of air pollutant emission inventory in Yangtze Delta[D]. Shanghai: Fudan University, 2009. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1967713 |
| [23] | Liu Y H, Liao W Y, Li L, et al. Vehicle emission trends in China's Guangdong Province from 1994 to 2014[J]. Science of the Total Environment, 2017, 586: 512-521. DOI:10.1016/j.scitotenv.2017.01.215 |
| [24] |
曾雪兰, 李红霞, 程晓梅, 等. 佛山市机动车尾气排放清单及特征分析[J]. 环境污染与防治, 2013, 35(11): 51-55. Zeng X L, Li H X, Cheng X M, et al. Study on traffic exhaust emissions and characteristics of Foshan City[J]. Environmental Pollution and Control, 2013, 35(11): 51-55. DOI:10.3969/j.issn.1001-3865.2013.11.012 |
| [25] | 钱伟. 重点区域大气污染防治"十二五"规划[J]. 中国环保产业, 2013(1): 4-18. |
| [26] |
谢绍东, 宋翔宇, 申新华. 应用COPERTⅢ模型计算中国机动车排放因子[J]. 环境科学, 2006, 27(3): 415-419. Xie S D, Song X Y, Shen X H. Calculating vehicular emission factors with COPERTⅢ mode in China[J]. Environmental Science, 2006, 27(3): 415-419. DOI:10.3321/j.issn:0250-3301.2006.03.003 |
| [27] | 魏红江, 张玉平. 辽宁统计年鉴[M]. 北京: 中国统计出版社, 2017. |
| [28] | Liu Y H, Liao W Y, Lin X F, et al. Assessment of Co-benefits of vehicle emission reduction measures for 2015-2020 in the Pearl River Delta region, China[J]. Environmental Pollution, 2016, 223: 62-72. |
| [29] | Hao H, Wang H W, Ouyang M G, et al. Vehicle survival patterns in China[J]. Science China Technological Sciences, 2011, 54(3): 625-629. DOI:10.1007/s11431-010-4256-1 |
| [30] | Huo H, Zhang Q, He K B, et al. Vehicle-use intensity in China:current status and future trend[J]. Energy Policy, 2012, 43: 6-16. DOI:10.1016/j.enpol.2011.09.019 |
| [31] |
姜晓慧.沈阳市道路机动车尾气排放量及预测研究[D].哈尔滨: 哈尔滨师范大学, 2016. Jiang X H. Calculate and predict the exhaust emissions from motor vehicle pollution of Shenyang province[D]. Harbin: Harbin Normal University, 2016. http://cdmd.cnki.com.cn/Article/CDMD-10231-1016075049.htm |
| [32] |
张汝冬.大连市机动车排气污染特征与控制[D].大连: 大连理工大学, 2013. Zhang R D. Vehicle exhaust pollution characteristics and its control in Dalian[D]. Dalian: Dalian University of Technology, 2013. http://cdmd.cnki.com.cn/Article/CDMD-10141-1014154778.htm |
| [33] |
闫艳芳.沈阳市道路机动车污染排放清单的建立及控制对策研究[D].沈阳: 辽宁大学, 2017. Yan Y F. Research on establishment of vehicle emission inventory and its control measures in Shenyang[D]. Shenyang: Liaoning University, 2017. http://cdmd.cnki.com.cn/Article/CDMD-10140-1017080856.htm |
| [34] |
梁涛, 宋维薇, 王凤艳, 等. 东北地区典型城市哈尔滨市机动车排气污染物排放清单研究[J]. 黑龙江大学自然科学学报, 2016, 33(2): 226-235. Liang T, Song W W, Wang F Y, et al. Vehicle exhausts emission inventory of a typical city as Harbin in northeast China[J]. Journal of Natural Science of Heilongjiang University, 2016, 33(2): 226-235. |
| [35] |
姚志良, 张明辉, 王新彤, 等. 中国典型城市机动车排放演变趋势[J]. 中国环境科学, 2012, 32(9): 1565-1573. Yao Z L, Zhang M H, Wang X T, et al. Trends in vehicular emissions in typical cities in China[J]. China Environmental Science, 2012, 32(9): 1565-1573. DOI:10.3969/j.issn.1000-6923.2012.09.005 |
| [36] |
王岐东, 贺克斌, 姚志良, 等. 中国城市机动车行驶工况研究[J]. 环境污染与防治, 2007, 29(10): 745-748, 784. Wang Q D, He K B, Yao Z L, et al. Research in motor vehicle driving cycle of Chinese cities[J]. Environmental Pollution Control, 2007, 29(10): 745-748, 784. DOI:10.3969/j.issn.1001-3865.2007.10.006 |
| [37] | Cai H, Xie S D. Temporal and spatial variation in recent vehicular emission inventories in China based on dynamic emission factors[J]. Journal of the Air & Waste Management Association, 2013, 63(3): 310-326. |
| [38] | Huo H, Zhang Q, He K B, et al. Modeling vehicle emissions in different types of Chinese cities:Importance of vehicle fleet and local features[J]. Environmental Pollution, 2011, 159(10): 2954-2960. DOI:10.1016/j.envpol.2011.04.025 |
| [39] | 中华人民共和国环境保护部.中国机动车环境管理年报[R].北京: 中华人民共和国环境保护部, 2017. |
| [40] | 许小峰. 气象统计年鉴[M]. 北京: 气象出版社, 2016. |
| [41] | 辽宁省人民政府.辽宁省大气污染防治行动计划实施方案[EB/OL]. http://www.ln.gov.cn/zfxx/zfwj/szfwj/zfwj2011_103250/201404/t20140410_1309654.html, 2014-3-13. |
| [42] | 辽宁日报.辽宁省已淘汰黄标车72326辆[EB/OL]. http://www.ln.chinanews.com/news/2016/0920/7507.html, 2016-9-20. |
| [43] | 辽宁省2017年将淘汰10万辆黄标车[J].中国资源综合利用, 2017, 35(1): 58. http://www.cnki.com.cn/Article/CJFDTOTAL-ZWZS201701034.htm |
| [44] |
张文凯.郑州市机动车排放清单建立及减排情景研究[D].郑州: 郑州大学, 2015. Zhang W K. Research on establishment of vehicle emission inventory and its abatement scenarios in Zhengzhou[D]. Zhengzhou: Zhengzhou University, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10459-1015301430.htm |
| [45] | Wang H K, Fu L X, Zhou Y, et al. Trends in vehicular emissions in China's mega cities from 1995 to 2005[J]. Environmental Pollution, 2010, 158(2): 394-400. |