2023, Vol. 44
推动空气质量持续改善, 实现“双碳”目标是我国基于当前经济社会发展阶段做出的重大战略决策[1, 2].交通排放已经成为我国大气污染的重要来源之一[3~5], 交通污染防治的紧迫性日益凸显.尽管目前交通部门CO2排放约占全国CO2总排放量的9%[6], 但1990~2018年期间, 我国交通领域的碳排放增长率为976%, 远高于同期碳排放总量增长率(470%)[7], 相较于水泥和钢铁等即将步入碳排放峰值平台期的重点行业[8], 交通部门的碳排放分担率可能会持续增长, 节能降碳任务面临巨大挑战.铁路运输是现代运输的主要方式之一, 由于其受气候与自然条件影响小、运输能力和单车装载量大、运输成本低等优势, 在我国交通运输领域中占有重要地位[9].因此, 厘清我国铁路运输的CO2和污染物排放, 对于制定铁路运输发展规划和节能减排措施等方面具有重要意义.
随着蒸汽机车的淘汰, 内燃机车已成为铁路运输过程中的直接排放源, 而源排放清单是定量表征特定时空范围内污染源排放的重要手段[10~13].早在20世纪90年代, 美国和欧盟就基于油耗和发动机台架测试结果, 建立了内燃机车排放因子估算模型并开展了“自上而下”的源清单编制工作.Dincer等[14]依据美国环保署(EPA)的推荐方法, 估算了土耳其内燃机车的排放总量, 结果显示, 在所有大气污染物当中, 内燃机车排放的NOx对移动源排放总量的贡献最大.然而, 由于本地化排放因子相对缺乏, 活动水平数据收集困难, 我国对内燃机车排放清单的相关研究起步较晚且尚处于初步阶段.樊守彬等[15]最早结合EPA的内燃机车排放标准限值和国内相关测试数据[16], 估算了2007年北京铁路运输的尾气排放, 其中CO、HC、NOx和PM10的排放量分别为728、316、7 232和181 t.之后, 珠三角[17]、京津冀地区[18]、东北地区[19]、四川[20]、江苏[21]和天津[22, 23]等地区在开展非道路移动源排放清单的编制工作中, 也相继估算了内燃机车的排放总量, 研究发现铁路机车在非道路移动源中的排放比重较低[24, 25], 是一种理想的绿色运输方式.然而这些研究均为针对特定地区和特定时间的断面研究, 缺乏从国家层面对铁路排放变化趋势的系统梳理, 对未来铁路运输发展规划制定的借鉴意义有限.徐雨晴等[26]参考蒸汽机车[27]和内燃机车[28]的实测研究数据, 基于燃料消耗法估算了中国铁路运输早期(1975~2007年)大气污染物排放变化趋势.但是铁路运输需求的不断增加和机车构成的变革(蒸汽机车的淘汰和电力机车的兴起)都将导致其排放发生巨大演变.因此, 开展针对我国铁路运输近期排放变化特征和趋势预测研究显得尤为必要.
随着铁路电气化进程的不断推进, 电力机车的工作量不断增加, 尽管其在能源使用过程中被视为“零排放”, 但电力生产过程中排放的CO2和污染物不容忽视.燃料生命周期(well to wheels, WTW)分析是一种实现从能源生产到能源使用各个阶段CO2和污染物排放评估的科学方法[29, 30].然而, 目前我国尚未开展基于WTW分析的铁路运输排放研究, 内燃机车和电力机车的CO2和污染物排放特征仍不明晰, 制约了对未来铁路运输排放趋势的精准评估和相关减污降碳措施的科学制定.本研究基于WTW分析, 建立了2001~2018年铁路运输CO2和污染物排放清单, 全面分析其排放演变特征; 结合情景分析, 预测了2019~2030年积极和消极应对情景下的排放趋势, 以期为铁路运输减污降碳相关政策的制定提供参考.
1 材料与方法 1.1 WTW阶段排放清单计算方法WTW分析的研究边界分为两个阶段：①包括能源开采与加工、燃料生产、运输、分配和储存等过程的上游阶段排放, 即从“矿井”到“油罐”的过程(well to tank, WTT); ②燃料使用的下游阶段排放, 即从“油罐”到“车轮”的过程(tank to wheels, TTW)[31].火车WTW阶段排放清单计算方法如式(1)所示.
|
(1) |
式中, EWTW, p、EWTT, p和ETTW, p分别为火车在WTW、WTT和TTW阶段气态物质p(CO2、NOx、CO、BC和SOx)的排放总量, t.
1.1.1 WTT阶段排放火车在WTT阶段的排放计算公式如下：
|
(2) |
式中, D为电力机车的耗电量, kW·h; Y为内燃机车的燃油消耗量, kg; EFWTT, d, p和EFWTT, y, p分别为电力机车和内燃机车在WTT阶段气态物质p的排放因子, g·(kW·h)-1或g·kg-1.
1.1.2 TTW阶段排放在TTW阶段, 通常认为仅存在内燃机车的尾气排放, 其排放总量可采用油耗法进行计算, 如式(3).
|
(3) |
式中, F为内燃机车的油耗系数, kg·(104 t·km)-1; Tj为货运或客运周转量, 万t·km; N为内燃机车工作量占比, %; EFTTW, j, p为j种类型(货运或客运)内燃机车污染物p的排放因子, g·kg-1.由于尾气SOx和CO2排放仅与燃油中的硫含量和碳含量有关, 因此内燃机车尾气SOx和CO2排放量分别按照式(4)和式(5)计算.
|
(4) |
式中, ETTW, SOx为内燃机车尾气SOx排放量(t); S为燃油硫含量, g·kg-1, 不同柴油标准下的柴油硫含量如表 1所示.
|
(5) |
|
表 1 不同柴油标准的实施年份和硫含量限值 Table 1 Sulfur content limits and implementation years of different diesel standards |
式中, ETTW, CO2为内燃机车尾气CO2排放量, t; C为燃油碳含量, 870 g·kg-1[32].
1.2 数据来源与统计分析 1.2.1 铁路运输量与能源消耗本研究中, 铁路运输的客运和货运周转量来自文献[33]; 内燃机车的年总油耗量和单位运输油耗系数、电力机车的年总耗电量和单位电耗系数均来自于文献[34].
图 1为2001~2018年铁路运输周转量及其能源消耗的变化趋势.由图 1(a)可见, 我国铁路运输周转量整体呈持续增长态势, 其中客运周转量由2001年的4 766.82亿t·km(这里将客运周转量按1∶1的比例换算为货物周转量)增长到2018年的14 146.58亿t·km.然而, 铁路货运周转量自2011年起呈现逐年下降趋势.“公转铁”政策的颁布[35]促使铁路货运周转量由2016年的23 792.26亿t·km增加至2018年的28 820.99亿t·km, 运输结构调整初见成效.此外, 随着我国铁路电气化进程的不断推进, 内燃机车工作量占比不断降低, 由2001年的65%逐步降低到2018年的12%.
|
2019~2030年为预测数值 图 1 2001~2030年铁路运输周转量与能源消耗变化趋势 Fig. 1 Trend of railway transportation turnover and energy consumption from 2001 to 2030 |
伴随着铁路运输量的逐步增加和内燃机车工作量的下降, 其燃油总消耗量呈现先升高后降低的趋势[图 1(b)].2018年, 内燃机车的燃油消耗量为171.68万t, 相较于2001年(465.55万t)降低63%.然而, 货运机车的单位周转量油耗却呈现先降低后显著增加的趋势, 整体由2001年的25.70 kg·(104 t·km)-1上升至2018年的32.36 kg·(104 t·km)-1, 增长率高达26%.这可能是由于内燃机车工作量降低导致其单次载货量(或满载率)下降, 致使货物单位周转量的分担油耗增加.另一方面, 铁路运输电力消费总量显著增长[图 1(c)], 2018年总耗电量为413.41亿kW·h, 是2001年的3.81倍.2001~2010年, 电力机车保有量的增长率(110%)低于电力机车工作量的增长率(247%), 致使其满载率持续增长, 2011年后, 电力机车保有量显著增加, 满载率有所回落.因此铁路单位运输电耗整体呈先降低后升高趋势, 2011年单位电耗最低, 为100.58 (kW·h)·(104 t·km)-1.
1.2.2 WTT阶段排放因子使用美国阿贡实验室开发的GREET模型[36]模拟计算内燃机车和电力机车WTT阶段的排放因子.其中, 电力结构对电力机车排放因子的影响较大[31, 37].图 2为2001~2018年我国电力结构变化情况[38, 39].水能、太阳能和风能等可再生能源发电比例从2001年的19%逐步提升至2018年的25%; 核能发电占比从1%增加至4%.燃气和燃煤等火力发电量持续下降, 发电占比从81%降至71%, 其中燃煤发电降幅最大.整体来看, 我国电力结构改善效果显著, 但目前仍以燃煤发电为主, 电力结构绿色低碳转型进程仍需大力推进.
|
2019~2030年为预测数值 图 2 2001~2030年我国电力结构变化趋势 Fig. 2 Trend of power structure from 2001 to 2030 |
目前, 我国在用干线铁路内燃机车主要包括和谐(HX)和东风(DF)这两个系列型号, 其中, 旅客运输全部由DF机车承担; 货运由HX和DF共同承担[29].DF内燃机车从1964年开始批量生产, 未受任何排放标准限制; 而HX机车是与美国联合制造并于2008年开始生产的新型机车, 符合EPA的Tire Ⅱ标准.然而, 文献[40]中针对铁路内燃机车仅提供了统一的尾气排放因子推荐值, 未进行详细分类分级.同时由于有关我国在用干线铁路内燃机车排放因子的实测研究较为匮乏, 仅有的道路实测研究表明DF和HX机车的排放因子差异显著[41].因此, 本研究参考已有研究中DF和HX机车的排放因子, 获得客运和货运列车污染物排放因子如表 2所示.
|
|
表 2 客运和货运列车污染物排放因子/g·kg-1 Table 2 Pollutant emission factors of passenger and freight trains/g·kg-1 |
1.3 基准预测与情景设置
为了厘清中国铁路运输未来CO2和污染物排放量, 本研究以2018年为基准年, 针对是否持续实施“公转铁”政策的假设, 设置了2个基准情景以预测未来铁路运输的基准排放.未考虑“公转铁”政策情景中, 铁路运输的客运和货运周转量均按照弹性系数法[42]进行预测, 其2030年的周转量分别为21 361.58亿t·km和35 618.82亿t·km, 是2018年的1.51倍和1.24倍; 考虑“公转铁”政策的情景中, 客运周转量按照弹性系数法预测, 货运周转量按照4%的年增长率预测, 2030年, 其周转量为46 143.33亿t·km, 比未考虑“公转铁”政策情景高10 524.51亿t·km, 如图 1(a)所示.内燃机车工作量占比根据趋势外推法[43]预测, 依照目前铁路电气化发展进程, 2030年内燃机车工作量占比仅为4%.燃油消耗量和电力消耗量根据预测获得的客运和货运周转量、内燃机车占比以及2018年柴油和电力消耗系数计算获得(图 1).在未考虑“公转铁”政策的情景下, 2030年燃油和电力消耗量分别为68.61万t和577.18亿kW·h; 考虑“公转铁”政策的情景下, 其消耗量分别为81.28万t和683.79亿kW·h.电力结构根据不同方式发电量的趋势外推预测, 随着新能源开发和应用规模的不断壮大, 2030年, 水能、太阳能和风能等可再生能源发电比例上升为41%, 火力发电占比降至48%(图 2).
为了探讨现有可持续发展停滞(即铁路电气化与能源结构改善停滞等)条件下对铁路运输的排放影响, 本文针对2个基准情景均设置了3个消极应对情景; 同时设置了4个积极应对铁路减污降碳的情景, 以进一步评估不同措施下的铁路排放特征, 具体说明如表 3所示.
|
|
表 3 铁路运输排放情景设置说明 Table 3 Description of railway transportation emission scenario setting |
2 结果与讨论 2.1 WTT阶段排放变化趋势 2.1.1 排放量
2001~2018年铁路运输WTT阶段的CO2和污染物排放总量如图 3所示.整体来看, 随着电力机车工作量占比的不断提升, 内燃机车和电力机车上游阶段污染物的总排放量分别呈现逐步下降和上升的趋势, 但电力机车排放的增加量高于内燃机车排放的减少量, 导致铁路运输上游阶段的总排放量呈增加趋势.此外, 铁路运输WTT阶段的排放以电力机车为主导.2001年, 电力机车WTT阶段的CO2、NOx、CO、BC和SOx排放分别为957.59万、0.73万、0.30万、0.002 8万和0.95万t, 占铁路WTT阶段排放总量的80%、68%、58%、47%和91%, 电力机车和内燃机车排放的BC差异最小, SOx差异最大.随着铁路电气化改革的不断深化, 电机车排放比重逐渐升高.2018年, 电力机车排放的CO2、NOx、CO、BC和SOx分别为3 142.74万、2.37万、1.01万、0.009 3万和3.05万t, 是内燃机车排放量的34.97、19.75、12.62、7.75和92.42倍.
|
图 3 2001~2018年铁路运输WTT阶段CO2和污染物排放的变化趋势 Fig. 3 Trend of CO2 and pollutant emissions in the WTT stage of railway transportation from 2001 to 2018 |
2001~2018年, 电力机车单位运输平均能耗为43.42 kg·(104 t·km)-1, 高于内燃机车的38.87 kg·(104 t·km)-1, 以基于基低发热值折算的标准煤计.同时, 由于我国电力生产仍以煤电为主, 在WTT阶段电力机车的CO2和污染物排放强度(单位周转量排放)均高于内燃机车.然而, 受机车单位周转量能耗变化和电力结构改善的影响, 电力机车和内燃机车上游阶段的排放强度分别呈现逐步降低和增加的趋势, 其差异逐渐缩小.
2018年, 电力机车WTT阶段NOx和CO的排放强度分别为60.40 g·(104 t·km)-1和25.78 g·(104 t·km)-1, 相较于2001年降低约20%和18%, 是内燃机车的2.59和1.68倍.电力机车WTT阶段排放的首要污染物为SOx, 其排放强度与内燃机车差别最大(12.49~20.13倍).BC主要来自于化石燃料的不完全燃烧过程, 目前燃煤电厂普遍采用煤粉燃烧技术, 同时具有较为完善的末端治理措施, 导致其BC排放因子较低[44], 因此两类机车在WTT阶段的BC排放强度差异最小, 可以预见, 随着电力结构的持续优化, 内燃机车WTT阶段的BC排放强度或将超过电力机车.
2.2 TTW阶段排放变化趋势 2.2.1 排放量2001~2018年内燃机车尾气CO2和污染物排放量如图 4所示.内燃机车的尾气CO2排放与其燃油消耗量的变化趋势一致.2001~2005年, 内燃机车尾气CO2排放量缓慢由1 485.12万t升至1 640.41万t, 尽管铁路运输周转量持续增加, 但内燃机车工作量的大幅降低导致其尾气CO2排放在2005~2008年期间达到峰值平台期, 之后迅速下降至2018年的547.67万t.
|
图 4 2001~2018年铁路运输TTW阶段CO2和污染物排放的变化趋势 Fig. 4 Trend of CO2 and pollutant emissions in the TTW stage of railway transportation from 2001 to 2018 |
铁路运输TTW阶段的NOx、CO和BC排放于2006年达到峰值, 分别为30.8万、9.83万和0.59万t.在电气化进程不断深化的同时, 2010年新投入使用了排放因子更低的HX系列内燃机车, 促使铁路运输TTW阶段的污染物排放大幅降低, 2018年, NOx、CO和BC排放量分别为9.48万、2.84万和0.19万t, 与2006年相比降低约69%、71%和68%.
SOx排放量仅与燃油中的硫含量相关.一方面, 内燃机车燃油消耗量整体呈下降趋势, 另一方面, 我国从2002年开始相继颁布了车用柴油标准(国Ⅰ~国Ⅵ), 硫含量限值(10-6)从5 000逐步降低至10, 促使我国铁路运输SOx直接排放从2001年的4.66万t阶段性下降至2018年的0.003万t, 减排成效显著.
2.2.2 排放强度尽管目前铁路运输CO2和污染物的直接排放均已达峰值, 并呈现快速下降的趋势.但由于单位周转量油耗的增加, CO2和污染物(除SOx以外)排放强度均呈上升趋势.2018年, 内燃机车CO2、NOx、CO和BC的尾气排放强度分别为103.23、1.79、0.54和0.035 kg·(104 t·km)-1, 分别是2001年的1.26、1.17、1.10和1.21倍.因此, 在提升铁路电气化率和降低内燃机车工作量的同时, 优化铁路运行组织也是降低能耗、减少CO2和污染物排放的有效方式.
2.3 WTW阶段排放变化趋势图 5为2001~2018年中国铁路运输WTW阶段的CO2和污染物排放特征.从中可见, 铁路运输WTT阶段的排放占比逐年升高, 其中, 电力机车WTT阶段CO2、NOx、CO、BC和SOx占比分别由2001年的36%、3%、3%、1%和17%增加至2018年的83%、20%、26%、5%和99%.
|
图 5 2001~2018年铁路运输WTW阶段CO2和污染物排放的变化趋势 Fig. 5 Trend of CO2 and pollutant emissions in the WTW stage of railway transportation from 2001 to 2018 |
值得注意的是, 尽管铁路运输TTW阶段的CO2排放早已于2006年达到峰值, 但由于WTT阶段排放量的大幅增长, 其WTW阶段的总排放量于2011年才达到峰值, 为4 385.75万t.与此同时, 由于2015~2018年铁路运输周转量的回升, 导致WTW阶段的CO2排放呈增加趋势.随着铁路周转量的持续增加, 未来铁路运输碳减排工作或将面临巨大挑战.
尽管在WTT阶段, 电力机车的NOx、CO和BC的排放强度稍高于内燃机车, 但较其TTW阶段的排放强度低1~2个数量级, 因此, 降低内燃机车工作量占比可大幅减少铁路运输燃料生命周期的总排放.2018年, 铁路运输WTW阶段的NOx、CO和BC总排放分别为11.98万、3.94万和0.20万t, 与峰值期相比, 分别降低约63%、63%和67%.
对于铁路运输排放的SOx来说, 前期以内燃机车尾气排放为主, 燃油标准的制定与提升, 促使其排放量的大幅削减.然而煤炭燃烧也是SOx的主要来源之一, 随着铁路运输耗电量的逐渐增加, 其WTW阶段的SOx总排放呈现“燃油标准更换期大幅下降, 执行期缓慢反弹”的趋势.一方面, 目前我国内燃机车工作量占比与现行柴油标准硫含量限值均已处在较低水平, 内燃机车SOx减排潜力较低.另一方面, 我国电力结构仍以煤电为主体, 电力机车运输量的大幅提升可能导致铁路运输SOx排放总量的增加.因此, 为有效降低未来铁路运输SOx排放, 需要持续推进电力结构调整进程.
2.4 情景分析不同情景设置下铁路运输WTW阶段的CO2排放总量如图 6所示. 未考虑“公转铁”政策的基准情景下, 2030年铁路运输CO2排放总量为3271.15万t, 相较于2018年减排约13%.降低铁路机车单位运输能耗可在短期内显著减少CO2排放, 但随着铁路运输量的持续增加, 其减排潜力逐渐降低.加大改善电力结构幅度可使2030年的CO2排放量降至2 285.32万t.在积极应对综合情景中, 2030年的CO2排放量相较于基准情景减少1 138.65万t, 降幅约为35%.尽管在铁路电气化进程停滞的情景中, CO2排放整体仍呈下降趋势, 但其2030年排放量约为基准情景的1.09倍.若电力结构维持现状, 铁路运输的CO2排放则随着其运量的增加持续增长至4 642.54万t.消极综合情景中, 2030年的铁路运输CO2排放较2018年增长1 049.20万t, 显著高于2011年的排放峰值, 是基准情景的1.48倍.
|
图 6 2001~2030年铁路运输WTW阶段CO2排放总量 Fig. 6 Total CO2 emission in the WTW stage of railway transportation from 2001 to 2030 |
然而, 考虑“公转铁”政策基准情景下的铁路运输CO2排放呈缓慢增加趋势, 2030年达3 875.35万t.降低单耗和电力结构改善情景下2030年的CO2排放量相较于基准情景分别降低6%和30%, 积极综合情景可实现CO2减排1 348.96万t.与之相反, 电力结构改善和铁路电气化进程的停滞, 将会导致2030年铁路运输CO2排放量较基准情景分别增加42%和9%, 消极综合情景下的CO2排放量将达5 721.52万t.
图 7为不同情景下2001~2030年铁路运输WTW阶段的污染物排放量.未考虑“公转铁”政策基准情景下[图 7(a)~7(d)]的各污染物排放均呈现逐渐降低趋势, 2030年NOx、CO、BC和SO2的排放量分别为6.11万、2.19万、0.08万和2.78万t.若考虑“公转铁”政策持续推进[图 7(e)~7(h)], 基准情景下的NOx、CO和BC排放持续下降, 但SOx排放量却逐步增加至3.29万t, 主要与铁路周转量尤其是电气化铁路周转量的大幅增加有关.
|
(a)~(d)为未考虑“公转铁”, (e)~(h)为考虑“公转铁” 图 7 2001~2030年铁路运输WTW阶段污染物排放总量 Fig. 7 Total pollutant emissions in the WTW stage of railway transportation from 2001 to 2030 |
降低铁路运输单位能耗是减少铁路运输NOx、CO和BC排放的最佳单一控制手段, 淘汰老旧内燃机车同样可获得显著的减排效果.加快电力结构改善进程的短期减排效果不突出, 但随着电力机车工作量的不断提升, 其长期减排潜力或将超过降低单耗和淘汰老旧车两个方案.在积极综合情景下, 2030年, 不考虑“公转铁”政策的铁路运输NOx、CO和BC的排放量分别为3.87万、1.34万和0.06万t; 考虑“公转铁”政策时, 其排放量分别为4.59万、1.59万和0.07万t, 相较于基准情景减排约36%、38%和31%.由于目前铁路运输排放的NOx、CO和BC主要由内燃机车的尾气排放贡献, 因此电力结构改善停滞情景下的排放依然呈现下降趋势.但若铁路电气化进程停滞, 铁路运输的NOx、CO和BC排放则显著增加, 分别是基准情景的2.35、2.15和2.95倍.在消极综合情景下, 不考虑“公转铁”政策时, 2030年铁路运输的NOx、CO和BC排放量分别为15.37万、5.07万和0.25万t; 考虑“公转铁”政策时, 其排放量将分别为18.11万、5.95万和0.30万t.
铁路运输的SOx排放主要来自于电力机车上游排放, 因此加快改善电力结构进程是降低铁路运输SOx排放的最佳手段, 而降低单耗和淘汰老旧车的减排放效果甚微.值得注意的是, 在消极情景中, 铁路电气化进程停滞也能促进铁路运输总排放量的降低, 但电力结构改善的停滞则会导致SOx排放量的显著提升.不考虑“公转铁”政策时, 2030年积极综合和消极综合情景下的SOx总排放分别为1.53万t和3.94万t; 考虑“公转铁”时, 其排放量分别为1.81万t和4.67万t.
2.5 不确定性分析铁路机车的排放因子及其活动水平的精细化程度, 是影响本研究结果准确性的主要因素.
首先, 目前我国在用干线铁路内燃机车尾气排放因子的实测研究匮乏, 文献[40]针对铁路内燃机车也仅提供了统一的排放因子推荐值.本研究根据发动机类型对客运和货运牵引内燃机车尾气排放因子进行了细分, 一定程度上提高了结果的准确性. 但研究中未考虑调车机车的排放, 与铁路实际排放情况可能仍然存在差异.其次, 由于铁路长途运输特性, 机车归属地和运输往返地存在不一致现象, 导致相关活动水平数据难以统计.例如, 铁路客运与货运相对应的内燃机车工作量占比难以获取, 仅能通过年鉴中的统一数据来进行计算, 导致结果存在一定不确定性.最后, 不同地区的铁路周转量和电力结构存在差异, 然而铁路网纵横交错[45], 接触电网的电力来源复杂, 铁路运输尤其是跨区域运输的电力使用溯源困难, 制约了铁路燃料生命周期排放清单的精细化表征, 也是本研究基于全国平均电力结构模拟铁路排放的重要不确定性来源之一.因此, 加强铁路排放基础研究、提升活动水平等关键参数统计精度、打通区域和部门间信息壁垒, 是提升铁路排放清单精细化程度和降低其不确定性的重要手段, 也是未来铁路排放研究工作的重点.
3 政策建议(1) 为有效实现铁路CO2和污染物的协同减排效益, 需要加大电力结构改善力度, 同时提升铁路组织运行效率以降低机车单位运输能耗.
(2) 电力结构改善进程和铁路电气化的停滞, 政策推动下(如“公转铁”)铁路运输周转量的显著提升, 都将可能导致铁路CO2和污染物排放的增加, 因此需要进一步加强铁路运输管理, 持续积极应对铁路减污降碳工作.
4 结论(1) 尽管铁路运输TTW阶段的CO2排放早已于2006年达峰, 但由于WTT阶段排放量的大幅增长, 其WTW阶段的总排放量整体呈上升趋势, 2018年总排放量为3 780.29万t, 是2001年的1.41倍.
(2) 随着铁路电气化进程的推进、内燃机车新车投入使用、燃油标准不断升级, 铁路运输WTW阶段的污染物排放整体呈下降趋势, 但WTT阶段的排放占比逐年升高.2018年NOx、CO、BC和SOx的排放总量分别为11.98万、3.94万、0.20万和3.08万t, 分别是2001年的0.42、0.42、0.37和0.54倍.
(3) 积极应对铁路减污降碳工作的综合情景下, 2030年, 铁路运输WTW阶段的CO2、NOx、CO、BC和SOx减排率可分别达35%、37%、39%、32%和45%.
| [1] |
徐北瑶, 王体健, 李树, 等. "双碳"目标对我国未来空气污染和气候变化的影响评估[J]. 科学通报, 2022, 67(8): 784-794. Xu B Y, Wang T J, Li S, et al. Assessment of the impact of "dual-carbon" goal on future changes in air pollution and climate in China[J]. Chinese Science Bulletin, 2022, 67(8): 784-794. |
| [2] |
朱信凯, 龚斌磊. 高质量发展背景下实现"双碳"目标的风险挑战与路径选择[J]. 治理研究, 2022, 38(3): 13-23, 124. Zhu X K, Gong B L. Risks, challenges and pathways towards carbon peaking and climate neutrality in the context of high-quality development[J]. Governance Studies, 2022, 38(3): 13-23, 124. |
| [3] | Guo S, Hu M, Zamora M L, et al. Elucidating severe urban haze formation in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(49): 17373-17378. DOI:10.1073/pnas.1419604111 |
| [4] | Wang M, Tian P F, Wang L G, et al. High contribution of vehicle emissions to fine particulate pollutions in Lanzhou, Northwest China based on high-resolution online data source appointment[J]. Science of the Total Environment, 2021, 798. DOI:10.1016/j.scitotenv.2021.149310 |
| [5] |
肖致美, 徐虹, 李立伟, 等. 基于在线观测的天津市PM2.5污染特征及来源解析[J]. 环境科学, 2020, 41(10): 4355-4363. Xiao Z M, Xu H, Li L W, et al. Characterization and source apportionment of PM2.5 based on the online observation in Tianjin[J]. Environmental Science, 2020, 41(10): 4355-4363. |
| [6] | IEA. Greenhouse gas emissions from energy[EB/OL]. https://www.iea.org/data-and-statistics/data-product/co2-emissions-from-fuel-combustion, 2021-12-31. |
| [7] | Agency International-Energy. CO2 emissions by sector, People's Republic of China 1990-2018[EB/OL]. https://www.iea.org/data-and-statistics, 2021-12-31. |
| [8] |
刘峰, 郭林峰, 赵路正. 双碳背景下煤炭安全区间与绿色低碳技术路径[J]. 煤炭学报, 2022, 47(1): 1-15. Liu F, Guo L F, Zhao L Z. Research on coal safety range and green low-carbon technology path under the dual-carbon background[J]. Journal of China Coal Society, 2022, 47(1): 1-15. |
| [9] |
崔艳萍, 肖睿. 铁路运输能力研究综述[J]. 铁道运输与经济, 2015, 37(6): 20-26. Cui Y P, Xiao R. Study on railway transport capacity[J]. Railway Transport and Economy, 2015, 37(6): 20-26. DOI:10.3969/j.issn.1003-1421.2015.06.005 |
| [10] |
高丹丹, 尹沙沙, 谷幸珂, 等. 河南省2016~2019年机动车大气污染物排放清单及特征[J]. 环境科学, 2021, 42(8): 3663-3675. Gao D D, Yin S S, Gu X K, et al. Vehicle air pollutant emission inventory and characterization in Henan province from 2016 to 2019[J]. Environmental Science, 2021, 42(8): 3663-3675. DOI:10.13227/j.hjkx.202011125 |
| [11] |
潘玉瑾, 李媛, 陈军辉, 等. 基于交通流的成都市高分辨率机动车排放清单建立[J]. 环境科学, 2020, 41(8): 3581-3590. Pan Y J, Li Y, Chen J H, et al. Method for high-resolution emission inventory for road vehicles in Chengdu based on traffic flow monitoring data[J]. Environmental Science, 2020, 41(8): 3581-3590. DOI:10.13227/j.hjkx.202002082 |
| [12] |
孙世达, 金嘉欣, 吕建华, 等. 基于精细化年均行驶里程建立机动车排放清单[J]. 中国环境科学, 2020, 40(5): 2018-2029. Sun S D, Jin J X, Lv J H, et al. Developing vehicle emission inventory based on refined annual average vehicle kilometers travelled[J]. China Environmental Science, 2020, 40(5): 2018-2029. DOI:10.3969/j.issn.1000-6923.2020.05.019 |
| [13] |
金嘉欣, 孙世达, 王芃, 等. 辽宁省2000~2030年机动车排放清单及情景分析[J]. 环境科学, 2020, 41(2): 665-673. Jin J X, Sun S D, Wang P, et al. Vehicle emission inventory and scenario analysis in Liaoning from 2000 to 2030[J]. Environmental Science, 2020, 41(2): 665-673. DOI:10.13227/j.hjkx.201904268 |
| [14] | Dincer F, Elbir T. Estimating national exhaust emissions from railway vehicles in Turkey[J]. Science of the Total Environment, 2007, 374(1): 127-134. DOI:10.1016/j.scitotenv.2006.12.043 |
| [15] |
樊守彬, 杨涛, 田刚, 等. 北京铁路机车尾气排放清单的建立[J]. 安全与环境学报, 2010, 10(1): 90-93. Fan S B, Yang T, Tian G, et al. Estimating exhaust emissions from railway vehicles in Beijing[J]. Journal of Safety and Environment, 2010, 10(1): 90-93. |
| [16] |
任福民, 于敏, 张玉磊, 等. 机车柴油机有害排放试验与预测[J]. 内燃机车, 2008(1): 12-15. Ren F M, Yu M, Zhang Y L, et al. Exhaust emissions test and forecast for locomotive diesel engine[J]. Diesel Locomotives, 2008(1): 12-15. |
| [17] |
张礼俊, 郑君瑜, 尹沙沙, 等. 珠江三角洲非道路移动源排放清单开发[J]. 环境科学, 2010, 31(4): 886-891. Zhang L J, Zheng J Y, Yin S S, et al. Development of non-road mobile source emission inventory for the Pearl River Delta region[J]. Environmental Science, 2010, 31(4): 886-891. |
| [18] | 隗潇. 京津冀非道路移动源排放清单的建立[A]. 见: 2013中国环境科学学会学术年会论文集(第三卷)[C]. 昆明: 中国环境科学学会, 2013. 652-658. |
| [19] |
高成康, 由焕, 巴乔, 等. 东北地区非道路移动源排放清单研究及情景预测[J]. 东北大学学报(自然科学版), 2021, 42(3): 358-366. Gao C K, You H, Ba Q, et al. Study on a non-road mobile source emission inventory and scenario prediction in Northeast China[J]. Journal of Northeastern University (Natural Science), 2021, 42(3): 358-366. |
| [20] |
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. |
| [21] |
徐文文, 许雪记, 殷承启. 江苏省非道路移动源大气污染排放清单研究[J]. 能源环境保护, 2019, 33(2): 59-64. Xu W W, Xu X J, Yin C Q. Study on non-road mobile source emission inventory for Jiangsu province[J]. Energy Environmental Protection, 2019, 33(2): 59-64. |
| [22] |
张意, Andre M, 李东, 等. 天津市非道路移动源污染物排放清单开发[J]. 环境科学, 2017, 38(11): 4447-4453. Zhang Y, Andre M, Li D, et al. Development of a non-road mobile source emissions inventory for Tianjin[J]. Environmental Science, 2017, 38(11): 4447-4453. |
| [23] |
刘庚, 孙世达, 孙露娜, 等. 天津市2017年移动源高时空分辨率排放清单[J]. 环境科学, 2020, 41(10): 4470-4481. Liu G, Sun S D, Sun L N, et al. Mobile source emission inventory with high spatiotemporal resolution in Tianjin in 2017[J]. Environmental Science, 2020, 41(10): 4470-4481. |
| [24] |
马冬, 尹航, 黄志辉, 等. 我国非道路移动源排放管理现状及展望[J]. 环境与可持续发展, 2017, 42(2): 36-40. Ma D, Yin H, Huang Z H, et al. The outlook and status of non-road mobile source emission management in China[J]. Environment and Sustainable Development, 2017, 42(2): 36-40. |
| [25] |
王燕军, 黄志辉, 唐祎骕, 等. 我国非道路移动源排放清单估算及技术减排潜力分析[J]. 环境与可持续发展, 2021, 46(4): 64-69. Wang Y J, Huang Z H, Tang Y S, et al. Estimation on non-road mobile source emission inventory in 2017 and its technological reduction potential analysis[J]. Environment and Sustainable Development, 2021, 46(4): 64-69. |
| [26] |
徐雨晴, 何吉成, 王长科. 33年来中国铁路运输行业的大气污染物排放[J]. 环境科学, 2011, 32(5): 1217-1223. Xu Y Q, He J C, Wang C K. Air pollutants emissions of locomotives in China railways in recent 33 Years[J]. Environmental Science, 2011, 32(5): 1217-1223. |
| [27] | 陈哲京. 郑州至宝鸡段铁路电气化改扩建工程大气环境影响评价[J]. 铁道劳动安全卫生与环保, 1990(3): 38-41. |
| [28] | 蔡惟瑾, 赵春亭, 杨玉森. 内燃机车用柴油机排放气态污染物的试验研究[J]. 铁道劳动安全卫生与环保, 1996, 23(2): 136-138. |
| [29] | Mao F, Li Z H, Zhang K. Carbon dioxide emissions estimation of conventional diesel buses electrification: a well-to-well analysis in Shenzhen, China[J]. Journal of Cleaner Production, 2020, 277. DOI:10.1016/j.jclepro.2020.123048 |
| [30] |
施晓清, 李笑诺, 杨建新. 低碳交通电动汽车碳减排潜力及其影响因素分析[J]. 环境科学, 2013, 34(1): 385-394. Shi X Q, Li X N, Yang J X. Research on carbon reduction potential of electric vehicles for low-carbon transportation and its influencing factors[J]. Environmental Science, 2013, 34(1): 385-394. |
| [31] |
黎土煜, 余大立, 张洪申. 基于GREET的纯电动公交车与传统公交车全生命周期评估[J]. 环境科学研究, 2017, 30(10): 1653-1660. Li T Y, Yu D L, Zhang H S. Using the GREET model to assess the life cycle of electric and conventional buses[J]. Research of Environmental Sciences, 2017, 30(10): 1653-1660. |
| [32] | Intergovernmental Panel on Climate Change. 2006 IPCC Guidelines for National greenhouse gas inventories[M]. Japan: Institute for Global Environmental Strategies, 2006. |
| [33] | 国家统计局. 中国统计年鉴(2001-2018)[M]. 北京: 中国统计出版社, 2001. |
| [34] | 中国铁道年鉴编辑部. 中国铁道年鉴(2001-2018)[M]. 北京: 中国铁道出版社, 2001. |
| [35] | 国务院办公厅. 推进运输结构调整三年行动计划(2018—2020年)[EB/OL]. http://www.gov.cn/zhengce/content/2018-10/09/content_5328817.htm, 2018-10-09. |
| [36] |
林婷, 吴烨, 何晓旖, 等. 中国氢燃料电池车燃料生命周期的化石能源消耗和CO2排放[J]. 环境科学, 2018, 39(8): 3946-3953. Lin T, Wu Y, He X Y, et al. Well-to-wheels fossil energy consumption and CO2 emissions of hydrogen fuel cell vehicles in China[J]. Environmental Science, 2018, 39(8): 3946-3953. |
| [37] |
王恩慈, 范松, 吴雪斌, 等. 基于GREET模型的新能源汽车污染排放特征分析[J]. 上海大学学报(自然科学版), 2017, 23(5): 810-820. Wang E C, Fan S, Wu X B, et al. GREET-based model for analyzing pollutant emissions characteristic of new energy vehicles[J]. Journal of Shanghai University (Natural Science Edition), 2017, 23(5): 810-820. |
| [38] | 国家统计局能源统计司. 中国能源统计年鉴(2001-2018)[M]. 北京: 中国统计出版社, 2001. |
| [39] | 中国电力企业联合会规划与统计信息部. 中国电力统计年鉴(2001-2018)[M]. 北京: 中国统计出版社, 2001. |
| [40] | 生态环境部. 非道路移动源大气污染物排放清单编制技术指南(试行)[R]. 2014. |
| [41] | Tong H, Peng J F, Zhang Y J, et al. Environmental benefit analysis of "road-to-rail" policy in China based on a railway tunnel measurement[J]. Journal of Cleaner Production, 2021, 316. DOI:10.1016/j.jclepro.2021.128227 |
| [42] |
李辉, 孙雪丽, 庞博, 等. 基于碳减排目标与排放标准约束情景的火电大气污染物减排潜力[J]. 环境科学, 2021, 42(12): 5563-5573. Li H, Sun X L, Pang B, et al. Emission reduction potential of air pollutants of thermal power industry based on carbon emission reduction target and emission standard constraint scenarios[J]. Environmental Science, 2021, 42(12): 5563-5573. |
| [43] |
刘东君, 邹志红. 最优加权组合预测法在水质预测中的应用研究[J]. 环境科学学报, 2012, 32(12): 3128-3132. Liu D J, Zou Z H. Application of weighted combination model on forecasting water quality[J]. Acta Scientiae Circumstantiae, 2012, 32(12): 3128-3132. |
| [44] |
刘晋宏, 孔少飞, 冯韵恺, 等. 超低排放燃煤电厂一次颗粒物和黑碳实时排放特征[J]. 地球化学, 2021, 50(1): 56-66. Liu J H, Kong S F, Feng Y K, et al. Real-time emission characteristics of primary particulate matter and black carbon from an ultra-low emission coal-fired power plant[J]. Geochimica, 2021, 50(1): 56-66. |
| [45] |
王辉, 李群湛, 刘炜, 等. 基于牵引电缆的电气化铁路牵引网长距离供电方案[J]. 中国铁道科学, 2021, 42(1): 137-146. Wang H, Li Q Z, Liu W, et al. Scheme of long distance power supply for electrified railway traction network based on traction cable[J]. China Railway Science, 2021, 42(1): 137-146. |