工程机械是非道路机械中尾气排放贡献率较大的一类, 例如:中国长三角地区工程机械的NOx和PM2.5排放贡献率分别为49%和35%[1].工程机械主要包括:挖掘机、装载机、推土机、起重机、叉车、压路机和摊铺机等.截至2017年底, 中国工程机械数量增至720万台[2].由于工程机械主要以柴油为燃料, 其排放的NOx和PM通常比汽油等其他燃料高[3], 加之如此庞大的保有量, 所带来的污染不可忽视.
排放清单的估算是量化污染的重要手段, 也是空气质量改善政策制定的依据.保有量、活动水平和排放因子是估算排放清单的三大要素, 其数据准确与否对排放清单的影响巨大.
为了全面掌握工程机械大气污染物排放特征, 一些专家学者先后根据中国工程机械的保有情况建立了全国[4~6]及地区[7~11]尺度的工程机械大气污染物排放清单, 但其所使用的活动水平和排放因子等数据大多借用国际上现有的一些研究或模型数据, 如美国环保署的NONROAD模型[12], 从而存在很多的不确定性.因此, 针对我国使用的工程机械开展其活动水平调研和排放因子本地化测试是非常必要且迫切的.然而, 由于我国在这方面的研究起步较晚, 预测我国未来年份工程机械尾气排放清单的相关工作相对较少.
因此, 本研究的主要目的是利用本地化数据分析我国工程机械的使用特征及其尾气排放趋势.一方面, 可以弥补我国在工程机械活动水平和排放因子实测数据等方面的不足, 减少现有排放清单的不确定性, 另一方面, 以期为我国工程机械的尾气排放管控提供科学支撑.
1 材料与方法为分析我国工程机械的使用特征并预测其未来的尾气趋势, 需要收集和整理全国范围内的工程机械活动水平数据, 并对不同种类的工程机械开展实际使用条件下的尾气排放测量.工程机械活动水平主要通过实际调研获取, 包括部门走访、现场调研、电话询访和文献收集等.使用特征的分析包括:①不同机械类型的活动水平差异; ②同一机械在不同地区的活动水平差异; ③活动水平与机械车龄的关系等.同时, 利用便携式尾气排放测量系统(PEMS)对选取的不同种类的工程机械进行现实使用条件下的尾气排放测量以量化其污染物排放水平.此外, 利用BP神经网络模型[13, 14]预测未来年份的工程机械保有量, 结合实际调研的活动水平和实测的尾气排放因子估算相应年份的尾气排放清单.
1.1 工程机械使用特征分析本研究通过多种调研方式获取工程机械的活动水平, 建立活动水平数据库, 并量化分析工程机械的使用特征.活动水平的实际调研主要在西南(四川成都、重庆等)、华北(山西太原)和西北(陕西西安、新疆乌鲁木齐)等地区开展.调研的形式主要包括部门走访、现场问卷调查、电话询访和文献收集.调研的主要信息包括:机械种类、型号、燃料类型、生产厂家、引擎排量、额定功率、生产及出厂日期、尾气排放后处理设施、日平均使用时间、年平均使用时间、使用的季节性变化、执行的排放标准和年均燃油消耗等.其中, 部门走访的主要目的是获取机械的类型及其具体的使用情况, 走访的部门包括建设委员会和安全监督部门等.现场问卷调查的目的是从机械的具体使用者处获取第一手的机械使用情况以及详细的机械信息.这些信息的获取, 除设计问卷, 填写相关信息外, 还结合其他记录方式, 如照片和信息的后续查询及完备等; 电话询访则主要针对现场调查中不常见的机械类型.通常在此类调研之前, 需明确目标调查机械的类型、使用用途和区域分布, 再通过电话向相关单位(如机械销售处等)询问.此种方法所获取的数据准确度不如上述两种方法, 但却是对调研数据的有效补充.此外, 收集整理有关学者在工程机械活动水平方面的研究成果也是本研究完善工程机械活动水平数据库的另外一种手段.
由于工程机械的功能和种类繁多, 且具有较强的区域性, 在实际调查过程中无法兼顾所有的机械类型.因此, 本研究根据文献[2, 15]中工程机械分类, 重点关注常见的工程机械类型, 并将调研类型划分为挖掘机、装载机、叉车、起重机、压路机、推土机、摊铺机、平地机和其他机械等9类.其中, 其他机械指的是混凝土搅拌车、混凝土泵车、混凝土拖泵和混凝土车载泵等.
在分析活动水平数据之前, 需对调研的数据进行质量控制后建立活动水平数据库, 数据的质量控制主要是剔除条目不全和信息明显有误等数据.活动水平数据分析主要采用常见的统计方法描述机械的活动水平, 例如均值和标准偏差, 以及活动水平与其影响要素之间的关系曲线等.活动水平分析的内容主要包括:各类机械的年平均活动水平、活动水平的地区差异和活动水平与机械车龄之间的变化关系, 分析方法详述如下.
(1) 各类机械的年均活动水平 按不同机械种类整理分析调研收集的活动水平数据.机械类型按上述的9大类划分而不再按功率或其他特性细分.对于不在上述划分前8类的机械, 都归属于其他机械类.
(2) 同一机械活动水平的区域差异 本研究工程机械活动水平调研在全国范围内开展.对于同一类机械, 如果存在实际的调研数据, 则分地区进行对比, 如果数据不存在, 则结合文献的研究成果或现有的数据(例如文献[16]给出的参考数值)进行对比分析.
(3) 活动水平与机械车龄的关系 由于实际的调研数据相对有限, 特别是同一类机械中不同车龄的样本量相对较少.因此, 为研究活动水平与机械车龄的关系, 本研究先将所有工程机械车龄划分为3个车龄区间, 即0~3、4~6和7~9 a, 对于任一车龄区间, 不同车龄机械的活动水平用该区间的平均值替代, 然后用一元二次方程拟合活动水平与机械车龄之间的关系, 如式(1)所示:
(1) |
式中, a、b和c表示拟合参数; x表示机械车龄, a; y表示机械活动水平, h·a-1.
公式(1)的a和b两个系数对所有的工程机械均是一样.但为区分不同种类的工程机械, 本研究通过改变c值来满足每类机械所有车龄(0~9 a)活动水平的均值与该类机械的平均活动水平一致.因此, 不同种类工程机械的活动水平与车龄关系曲线的位置参数计算方法如式(2)所示:
(2) |
式中, ci表示i类机械活动水平与车龄关系曲线的位置参数; HRSi表示i类机械的年均活动水平, h·a-1.
则每类机械活动水平与车龄的关系曲线为式(3)所示:
(3) |
采用排放因子法估算的工程机械的尾气排放清单为机械保有量、活动水平和排放因子三者的乘积.本研究将工程机械划分为如上所述的9大类, 并按这些分类预测其未来年份的保有量, 结合调研和尾气排放实测结果确定相应车龄的活动水平和排放因子, 估算尾气排放清单.本研究以2015年为基准年, 并假设工程机械的使用年限为10 a[2].本部分的内容主要包括:①保有量车龄分布及预测; ②活动水平确定; ③排放因子数据获取及处理; ④尾气排放清单估算方法.
1.2.1 保有量车龄分布及预测本研究保有量数据主要来源于国家和行业统计年鉴[2].年鉴给出了各类型工程机械2006~2015年间每年新增机械的数量.本研究假设新增机械在其被淘汰之前数量均保持不变, 也即是在机械的使用年限内, 其对应车龄的新增量与2006~2015年新增机械数量总和的比值就是该车龄的数量分布.例如, 按文献[2]的数据, 挖掘机在2006年的新增量为70 018, 而2006~2015年全国的挖掘机新增量为1 246 008, 因此, 车龄为9 a的挖掘机占全部挖掘机的数量比为5.6%.以此类推, 即可估算其他车龄挖掘机占全部挖掘机的数量占比.但由于统计数据的不完整、使用年限有超过10 a的机械等的不确定性, 文献[2]中推荐将2006~2015年每年新增机械数量相加后, 再增加20%才为2015年该类机械的全国保有量.
本研究利用BP神经网络模型[13, 14]预测2018~2025年中国工程机械的保有量.该模型的输入层有3个神经元, 即施工面积、竣工面积和建筑业总产值, 而输出层为工程机械保有量.具体的模型建立及验证方法在前期研究[17]中已经介绍, 这里不再赘述.但需要特别说明的是本研究将该模型变量数据更新至2018年, 保有量数据更新至2017年, 在具体的模型构建时, 先用2000~2015年的数据搭建和训练神经网络模型, 再用2013~2017年的数据进行模型验证.
1.2.2 活动水平确定本研究使用式(1)~(3)的方法建立不同机械的活动水平与机械车龄之间的关系.在具体使用时, 需要根据预测年份与基准年份确定该类机械的车龄并预测其相应地活动水平.
1.2.3 排放因子数据获取及处理方法本研究使用PEMS测量了47台不同类型、不同功率和不同车龄的工程机械的尾气排放.机械的选择兼顾种类和其是否可供测量, 具体的机械信息如表 1所示.研究所用的PEMS由研究团队自己开发.该系统可实时报告逐秒的发动机参数数据、气体污染物质量排放速率和油耗速率, 以及基于滤膜的间歇性的颗粒物平均质量排放速率(即两次滤膜更换之间的颗粒物排放).该系统用电化学传感器测量NO和O2的浓度; 用非分散红外(NDIR)光学传感器测量CO、CO2和HC等浓度; 用滤膜称重法测量颗粒物的质量排放; 同时用温度、压力和转速传感器测量发动机进气口温度、尾气温度、主管压力和转速等.最后, 整合上述各类数据, 结合化学反应平衡和理想气体方程, 估算各种污染物的质量排放数据[18].此外, 测量系统前期已经验证并应用于工程机械尾气的实际测量[19, 20], 并取得较好的效果.该测量系统各气体的测量精度分别为:NO 3×10-6, CO和CO2 0.01%, HC 1×10-6; 其他传感器的测量精度均经计量检定单位测试合格.测量相对误差分别为:NO±4%, CO、HC和CO2±5%.此外, 为了确保仪器的正常工作, 每次测量前后均采用标准气体对仪器进行标定.用于标定的标准气体浓度分别为:CO 8.02%, CO2 20.06%, C3H8 1 603×10-6, NO 2 905×10-6.
由于我国对工程机械的排放标准越来越严格, 因此未来年份新增机械尾气污染物的排放因子与基准年有所差异.由于本研究中实测的各类型机械的排放因子随车龄升高的趋势较弱, 因此本研究假设在基准年, 不同车龄的机械排放水平保持一致, 且使用实际测量的平均值.但文献[21]规定, 2016年起, 新增机械实施国3排放标准, 2020年起, 新增机械实施国4排放标准.因此, 本研究假设对于没有实测结果的未来年份的机械的尾气排放水平严格遵守相关的排放标准要求, 即2016~2020年之间, 新增机械在其使用年限内均满足国3排放标准, 2020~2025年新增机械的排放因子均满足国4排放标准.满足国3和国4排放标准的各类机械在其使用年限内的排放因子均采用文献[1, 22]中排放因子的推荐值.这些研究的排放因子主要参考文献[12, 16]的推荐值.就满足不同排放标准的测量机械对应的排放因子而言, 国3排放阶段的CO、HC和NO排放因子分别比国2阶段降低6%、16%和31%, PM2.5基本无降低; 而国4排放阶段的CO、HC和NO排放因子基本无降低, PM2.5比国3阶段降低33%.
1.2.4 尾气排放清单估算方法由于工程机械的工作环境复杂多样, 不同机械的操作工况和发动机功率差别较大, 其相应地尾气排放存在着较大的变化性.相关研究表明, 采用基于油耗的排放清单比基于时间的排放清单具有较小的变化性[23, 24], 因此, 本研究采用基于油耗的排放因子估算尾气排放清单, 计算方法如式(4)所示:
(4) |
式中, Ek为k类污染物的排放总量, 万t; Pop为机械的保有量, 台; i为机械类型, j为年份, l为机械车龄; FR为机械的小时油耗, kg·h-1; HRS为机械的年均活动水平, h·a-1; EF为基于油耗的排放因子, g·kg-1.
2 结果与讨论本部分主要介绍利用工程机械活动水平实际调研和尾气排放实测结果, 分析我国工程机械的使用特征以及其尾气排放水平和变化趋势.
2.1 工程机械使用特征本研究在全国各地区共调研工程机械385台, 对不能使用和条目不全的数据进行剔除后, 剩余有效数据374条.其中叉车25台, 挖掘机77台, 装载机52台, 起重机64台, 压路机38台, 推土机28台, 摊铺机10台, 平地机22台, 其他机械58台.本部分内容主要介绍:①不同类型工程机械活动水平; ②活动水平的地区性差异; ③工程机械活动水平与车龄关系.
2.1.1 不同类型工程机械活动水平如图 1所示, 工程机械的年平均活动水平随机械类型的不同而有所不同, 可以从1 439 h·a-1变化至4 332 h·a-1.其中, 摊铺机的年均活动水平最小, 约为1 439~2 005 h·a-1, 其他机械的年均活动水平最大, 约为3 167~4 332 h·a-1, 这是由于摊铺机主要用于高速公路上各种材料的摊铺作业, 使用功能单一, 且有规定速度, 累积工作时间受限; 而其他机械主要由混凝土机械构成, 其为生产建筑过程中所需混凝土的设备, 需求大, 使用多.挖掘机的年均活动水平在所有机械类型中变化范围最小, 为1 795~2 171 h·a-1, 平地机的年均活动水平变化范围最大, 为1 578~3 526 h·a-1, 这可能与机械功能和调研数量等有关.
本研究中西南地区活动水平的调研主要采取问卷调查的方式, 而华北及西北地区则采用问卷调查与电话询访相结合的形式进行.如表 2所示, 从相同类别的工程机械活动水平的调研结果来看, 活动水平存在着较大的地区差异.例如, 华北地区挖掘机的平均活动水平高于西南和西北地区, 原因可能是由于调研区域主要在山西, 矿产资源丰富, 挖掘机使用较多.在不同的研究中同一地区同一机械类型活动水平的调研结果均有差别, 最大的差别可达3倍以上.总体上, 本研究确定的各类机械年均活动水平高于文献[16]及其他研究中推荐的小时数, 这与调研区域、工地类型和作业内容等有关.
目前文献[16]对所有的工程机械只给出一个活动水平, 但实际调研结果表明, 随着作业类型与区域的不同, 其活动水平将会出现大的波动.这充分说明, 为提高排放清单估算的精准度, 需要加强本地化活动水平的调研.
2.1.3 工程机械活动水平与车龄的关系如图 2所示, 工程机械年均活动水平通常随着车龄的增大呈现明显的减小趋势.
但在具体预测不同类型机械不同车龄下的活动水平时, 需首先根据图 2中的公式系数值与式(2)对式(3)中的c值进行估算.不同机械活动水平与车龄关系曲线各参数如表 3所示.
2.2 工程机械尾气排放趋势
本部分内容主要介绍:①工程机械保有量车龄分布与预测结果; ②活动水平结果分析; ③各类工程机械排放因子结果分析; ④排放清单估算; 以及⑤不确定性分析.
2.2.1 工程机械保有量车龄分布与预测结果(1) 2015年各类工程机械车龄分布
2015年中国工程机械保有量约为690万台[2], 各类机械的保有量占比及估算的车龄分布如表 4所示.其中, 叉车、装载机和挖掘机是保有量较大的三类机械, 分别占工程机械总保有量的31.9%、25.6%和22.9%.因此, 在研究工程机械尾气排放时, 应该更多地关注叉车、装载机和挖掘机等保有量较大从而尾气排放相对较大的工程机械.在后续工程机械保有量的预测分析中, 本研究假设各类工程机械的保有量占比保持不变.
不同的机械类型, 保有量的车龄分布不同.总体上, 车龄4~5 a的机械最多, 约占工程机械总保有量的30%.与总体不同的是, 车龄1~2 a的叉车保有量超过车龄为5 a的叉车.平地机与其他机械保有量多集中在2~4 a.
(2) 工程机械保有量预测结果
本研究采用2013~2017年模型变量及保有量的数据检验构建的工程机械保有量BP神经网络预测模型.结果表明, 预测的保有量的相对误差较小, 分别为0.85%、0%、0%、0.29%和1.44%.都在可以接受的范围之内.
我国工程机械2000~2025年的历史和预测保有量如图 3所示. 2000~2014年正是我国经济建设高速增长的时期, 与此相对应, 这些年间的工程机械的数量增长速度较快. 2015年以后, 与我国乃至世界的经济发展趋势一致, 工程建设相对趋于平缓, 相对应工程机械的数量增长也相对稳定.
由图 2中公式可以计算出, 工程机械车龄每增加1 a, 其相应的活动水平可减少约140~150 h.依据表 3估算而得的各类工程机械在不同车龄下的活动水平如表 5所示.由于我国现有的工程机械排放标准以及减排政策中, 几乎未涉及对工程机械工作时间的限制, 因此, 未来年份新增工程机械的年均活动水平随车龄的变化与基准年一致.
2.2.3 各类型工程机械排放因子分析
本研究使用PEMS系统测量的工程机械数量相对较少, 其集中在挖掘机、装载机和叉车等.对于测量样本数较多的几类机械, 其排放因子采用实测的结果.对于测量样本数量较少的机械, 例如压路机、平地机、摊铺机和推土机等, 其排放因子为这几类机械实际测量结果的平均值.这里需要指出的, 有研究表明, 非道路机械的尾气排放受多种要素影响[24], 包括机械类型、车龄、引擎技术、作业内容、运行工况和环境要素等.如表 6所示, 工程机械类型不同, 其排放水平将出现一定的变化性.本研究挖掘机、装载机和叉车单位油耗的NO实测排放因子分别为:11.0~31.0、6.9~58.7和18.8~31.6 g·kg-1, 以装载机的排放变化率最大, 叉车的排放变化率最小.而对PM2.5而言, 叉车的排放因子最大, 分别是挖掘机和装载机排放因子的1.8和1.6倍.当然, 如表 7所示, 排放标准不同, 其排放水平也会有所差异.从理论上讲, 随着排放标准的提升, 各污染物排放水平呈下降趋势, 但由于本研究中每一类型机械如按照功率和排放标准划分后, 其测试样本量很少, 详细划分后排放因子变化性较大且无法全面描述相应机械的代表性排放水平.
此外, 也由于测试机械数量相对较少, 按不同类型划分之后, 不同车龄的机械数量少之又少, 因此导致机械尾气排放与车龄之间的关系不明显.例如图 4所示, 各类机械的NO和PM2.5排放与车龄呈离散关系.随着车龄的增加, 其相应尾气排放的增加趋势并不明显.排放相对较大的车龄段主要集中在5~9年之间.这可能与这些车龄的机械较其他车龄段使用更为频繁, 引擎的劣化程度较高等有关.由于本研究主要关注的是工程机械的使用特征, 特别是保有量和活动水平的变化趋势, 以及这些使用特征对排放清单估算的影响, 因此, 为量化工程机械的保有量和活动水平变化对尾气排放清单估算的影响, 本研究假设工程机械的尾气排放水平由其满足的排放标准决定且不受车龄的影响.当然, 尾气排放实测数据存在较大的变化性同时也说明继续加强非道路机械尾气排放实测研究和完善其排放因子数据库的重要性.
本研究同时对比了已有的国内外排放因子测试结果, 从表 6中可以看出, 各个研究之间所得到的平均排放因子相差较大, 这主要是由于目前缺乏统一的测试方法和规范, 而且不同的研究测试设备不尽相同, 测试对象的选取也有所差异.例如:各研究NO的测量方法多样, 本研究与文献[24]均使用电化学传感器, 而文献[25]则采用非分散紫外(NDUV)传感器; 对PM, 本研究采用滤膜称重法, 而文献[24, 25]均采用激光散射法.在测试对象的选取上, 由于测量研究开展的时间不同, 所选择机械的生产年份也有所差异, 例如, 本研究测量机械的生产年份大都在2007~2014年, 而本文罗列的其他研究[23~25]的测量机械的生产年份相对较老, 因此, 其排放也相对较本研究高.此外, 造成同一类型机械尾气排放存在差异的原因还有很多, 包括:作业内容、引擎技术和功率大小、驾驶员的操作习惯、作业环境和不同辅助作业工具的使用等.就挖掘机的NO排放因子而言, 本研究结果范围(11.0~31.0g·kg-1)低于各类研究的范围内(31.1~54.9 g·kg-1), 尽管该范围低于同类研究的高值区, 但实际测试过程中也存在高NO的作业工况, 所以NO结果范围的偏低一方面可能是由于测试机械本身活动及作业内容引起, 另一方面可能是由于近年非道路机械排放标准收严引起.就PM2.5来说, 本研究挖掘机结果范围(1.8~4.0 g·kg-1)处于同类研究范围内(0.3~6.6 g·kg-1), 且处于中值区.对装载机, 与挖掘机相同, 本研究NO排放因子结果范围(6.9~58.7 g·kg-1)低于同类研究(42.6~83.4 g·kg-1)或处于低值区, PM2.5排放因子结果范围(2.2~4.2 g·kg-1)基本处于同类研究范围内(0.3~4.0 g·kg-1).
2.2.4 排放清单估算结果根据前期所收集的数据, 采用基于油耗的排放因子法, 同时考虑机械车龄对工程机械活动水平的影响, 本研究建立了我国2015年工程机械的尾气排放清单, 并与国家发布的2015年工程机械排放清单对比, 详见表 8.其中, 挖掘机和装载机的NO排放贡献率最大, 分别为33.7%和26.0%.虽然叉车的保有量较挖掘机和装载机多, 但排放贡献率比挖掘机和装载机小, NO的贡献率仅为6.4%.对PM2.5而言, 挖掘机的贡献率最大, 为27.8%, 其次是装载机, 贡献率为15.4%.这说明挖掘机和装载机是工程机械尾气减排的重点关注机械类型.
本研究估算的我国2015年工程机械CO、HC、NO和PM2.5排放量分别为209.9、46.2、345.2和57.4万t.各污染物排放量比文献[15]估算数据偏大, 这主要是由于本研究调研的工程机械活动水平比文献[16]推荐值大.另一方面凸显了对工程机械在现实工况下调研和实测以获取相对准确的活动水平及尾气排放因子的必要性.
如前所述, 污染物排放清单的准确估算是减排控制的基础.而预测未来的尾气排放趋势更是对制定尾气控制措施有重大意义.因此, 本部分的主要内容是通过上述章节预测的未来工程机械保有量和排放标准的提升带来的排放因子变化, 对我国2020~2025年工程机械的尾气排放清单进行预测.
预测结果如图 5所示, CO、HC和PM2.5的排放呈下降趋势, NO的排放在2020年左右达到峰值.到2020年, CO、HC和PM2.5排放分别比2015年下降3.6%、2.4%和33.1%;到2025年, CO、HC和PM2.5排放分别比2015年下降10.1%、7.1%和64.7%.排放标准提升是排放下降的主要原因. 2020年与2025年的NO排放分别比2015年上升了21.9%和19.4%, 但2025年比2020年的NO排放减少了2.0%.因此, 加严工程机械排放标准尤其是NO的排放限值及继续加快老旧机械的淘汰对减少工程机械的污染物排放尤为重要.
工程机械排放清单在我国的研究起步较晚, 本地化数据积累较少, 不确定性主要来自于工程机械的保有量、活动水平和排放因子这3个部分.
本研究中保有量数据来自于国家统计年鉴, 具有较小的不确定性; 年均工作小时数来源于实际调研, 尽管对调研数据进行了筛选, 但可能由于数据量有限引起不确定性.另外, 排放因子数据来源于部分工程机械现实工况下的尾气测量, 但由于测量数量有限, 新增机械的排放因子参考了文献[16]或其他研究中推荐使用的数据, 而机械类型、使用时长、燃油品质、工作工况、排放标准和生产厂家等都能导致排放因子发生较大的变化, 因此, 排放因子也是导致清单不确定性的重要来源.目前, 已经有不少学者对工程机械中占比较大的挖掘机和装载机进行了排放因子测试研究, 但其他种类机械的尾气排放实测研究还很少, 为了提高排放清单的准确性, 需要加强对挖掘机和装载机外其他机械的实测研究.
3 结论(1) 经实际调研数据分析, 工程机械作业类型不同, 其活动水平有所差异, 最大差别达1.9倍.不同的区域其活动水平的调研结果也有差别, 最大的差别可达3倍以上.因此, 为提高排放清单估算的精准度, 需要继续加强本地化活动水平的调研.
(2) 整体上, 工程机械活动水平随着车龄的增大呈减小趋势, 车龄每增加1 a, 其年活动水平平均减少约150 h.这说明工程机械越老旧, 使用频率越低.
(3) 研究估算了2015年中国工程机械CO、HC、NO和PM2.5的尾气排放清单, 排放量在46~345万t不等, 以NO最大, CO次之, HC最小.在所有工程机械类型中, 挖掘机的污染物贡献最大.
(4) 经预测, 2015年后, 我国工程机械保有量增速放缓, 工程机械的尾气污染物排放量将呈现下降趋势.到2020年, CO、HC和PM2.5的排放量将比2015年下降2.4%至33.1%不等, 以PM2.5降幅最大; 至2025年, 排放量也将比2015年进一步减少7.1%至64.7%不等.同样以PM2.5降幅最大.而NO的排放将在未来一些年份里稍有增加, 但2020年后逐渐下降.由于道路移动源排放控制日益严格, 其对移动源的尾气排放贡献将逐年减少, 而相比之下, 非道路工程机械的尾气排放贡献将在未来年份日渐突出.
[1] |
黄成, 安静宇, 鲁君. 长三角区域非道路移动机械排放清单及预测[J]. 环境科学, 2018, 39(9): 3965-3975. Huang C, An J Y, Lu J. Emission inventory and prediction of non-road machineries in the Yangtze River Delta Region, China[J]. Environmental Science, 2018, 39(9): 3965-3975. |
[2] | 中国机械工业年鉴编辑委员会. 中国工程机械工业年鉴[M]. 北京: 机械工业出版社, 2018. |
[3] |
樊守彬, 田灵娣, 张东旭, 等. 北京市机动车尾气排放因子研究[J]. 环境科学, 2015, 36(7): 2374-2380. Fan S B, Tian L D, Zhang D X, et al. Emission factors of vehicle exhaust in Beijing[J]. Environmental Science, 2015, 36(7): 2374-2380. |
[4] |
李东玲, 吴烨, 周昱, 等. 我国典型工程机械燃油消耗量及排放清单研究[J]. 环境科学, 2012, 33(2): 518-524. Li D L, Wu Y, Zhou Y, et al. Fuel consumption and emission inventory of typical construction equipments in China[J]. Environmental Science, 2012, 33(2): 518-524. |
[5] | Wang F, Li Z, Zhang K S, et al. An overview of non-road equipment emissions in China[J]. Atmospheric Environment, 2016, 132: 283-289. |
[6] | 李明月.移动污染源排放清单研究[D].北京: 北京理工大学, 2016. 34-39. http://cdmd.cnki.com.cn/Article/CDMD-10007-1016716883.htm |
[7] | 隗潇.京津冀非道路移动源排放清单的建立[A].第十七届二氧化硫氮氧化物、汞污染防治技术暨细颗粒物(PM2.5)控制与监测技术研讨会论文集[C].杭州: 中国环境科学学会, 2013. 231-237. |
[8] |
张景文, 咸月, 陈报章. 南昌市移动源排放清单研究[J]. 环境科学学报, 2017, 37(7): 2449-2458. Zhang J W, Xian Y, Chen B Z. Study on the emission inventory from mobile source in Nanchang[J]. Acta Scientiae Circumstantiae, 2017, 37(7): 2449-2458. |
[9] |
卞雅慧, 范小莉, 李成, 等. 广东省非道路移动机械排放清单及不确定性研究[J]. 环境科学学报, 2018, 38(6): 2167-2178. Bian Y H, Fan X L, Li C, et al. A sector-based emission inventory and its uncertainty from non-road mobile machinery in Guangdong Province, China[J]. Acta Scientiae Circumstantiae, 2018, 38(6): 2167-2178. |
[10] |
解淑霞, 唐祎骕, 陈秋宇, 等. 成都市非道路施工机械排放清单研究[J]. 环境科学学报, 2019, 39(9): 2889-2895. Xie S X, Tang Y S, Chen Q Y, et al. Emission inventory of non-road construction machinery in Chengdu[J]. Acta Scientiae Circumstantiae, 2019, 39(9): 2889-2895. |
[11] |
范武波, 陈军辉, 李媛, 等. 四川省非道路移动源大气污染物排放清单研究[J]. 中国环境科学, 2018, 38(12): 4460-4468. Fan W B, Chen J H, Li Y, et al. Study on the non-road mobile source emission inventory for Sichuan province[J]. China Environmental Science, 2018, 38(12): 4460-4468. |
[12] | United States Environmental Protection Agency. User's guide for the final NONROAD2005 model[R]. Washington D. C.: United States Environmental Protection Agency, 2005. |
[13] | Liu M, Pang Y L, Xiang W. The Population Prediction based on Grey Model and BP Neural Networks[A]. In: 2nd International Conference proceedings on Mechatronics Engineering and Information Technology (ICMEIT 2017)[C]. Paris: Atlantis Press, 2017. 299-303. |
[14] |
王栋. 基于灰色关联和BP神经网络的汽车保有量预测[J]. 计算技术与自动化, 2015, 34(1): 29-33. Wang D. Prediction of car ownership based on grey relational analysis and BP neural network[J]. Computing Technology and Automation, 2015, 34(1): 29-33. |
[15] | 环境保护部.中国机动车环境管理年报2017[R].北京:环境保护部, 2018. |
[16] | 环境保护部公告2014年第92号, 非道路移动源大气污染物排放清单编制技术指南(试行)[S]. |
[17] |
庞凯莉, 张凯山, 第宝锋, 等. 中国农业与工程机械尾气减排控制措施的费效分析[J]. 中国环境管理, 2019, 11(2): 55-61. Pang K L, Zhang K S, Di B F, et al. Cost-benefit analysis of emission control measures for agricultural and industrial equipment in China[J]. Chinese Journal of Environmental Management, 2019, 11(2): 55-61. |
[18] | 张凯山. 机动车尾气测量与预测[M]. 北京: 科学出版社, 2012. |
[19] | Li Z, Zhang K S, Pang K L, et al. A fuel-based approach for emission factor development for highway paving construction equipment in China[J]. Journal of the Air & Waste Management Association, 2016, 66(12): 1214-1223. |
[20] |
马帅, 张凯山, 王帆, 等. 现实工况下挖掘机尾气排放特征分析[J]. 环境科学, 2019, 40(4): 1670-1679. Ma S, Zhang K S, Wang F, et al. Characterization of tailpipe emissions from in-use excavators[J]. Environmental Science, 2019, 40(4): 1670-1679. |
[21] | GB 20891-2014, 非道路移动机械用柴油机排气污染物排放限值及测量方法(中国第三、四阶段)[S]. |
[22] |
鲁君, 黄成, 胡磬遥, 等. 长三角地区典型城市非道路移动机械大气污染物排放清单[J]. 环境科学, 2017, 38(7): 2738-2746. Lu J, Huang C, Hu Q Y, et al. Air pollutant emission inventory of non-road machineries in typical cities in eastern China[J]. Environmental Science, 2017, 38(7): 2738-2746. |
[23] | 夏泽群.基于实测的工程机械气态及颗粒态污染物排放特征研究[D].广州: 华南理工大学, 2017. 50-58. http://cdmd.cnki.com.cn/Article/CDMD-10561-1017733920.htm |
[24] | Frey H C, Rasdorf W, Lewis P. Comprehensive field study of fuel use and emissions of nonroad diesel construction equipment[J]. Transportation Research Record:Journal of the Transportation Research Board, 2010, 2158(1): 69-76. |
[25] | Fu M L, Ge Y S, Tan J W, et al. Characteristics of typical non-road machinery emissions in China by using portable emission measurement system[J]. Science of the Total Environment, 2012, 437: 255-261. |
[26] |
谭建伟, 宋亚楠, 葛蕴珊, 等. 大连海域远洋船舶排放清单[J]. 环境科学研究, 2014, 27(12): 1426-1431. Tan J W, Song Y N, Ge Y S, et al. Emission inventory of ocean-going vessels in Dalian Coastal area[J]. Research of Environmental Sciences, 2014, 27(12): 1426-1431. |