基于MOVES2014a的海口市机动车污染物排放特征及分担率研究

谢荣富，陈振斌，邓小康，贠福康，李云朋

(海南大学 机电工程学院，海南 海口570228)

基于MOVES2014a的海口市机动车污染物排放特征及分担率研究

谢荣富，陈振斌，邓小康，贠福康，李云朋

(海南大学 机电工程学院，海南 海口570228)

采用美国环保署最新的MOVES2014a模型并对其进行本地化修正，获得了海口市机动车尾气排放因子，结合2015年海口市机动车的保有量、车型构成和年均行驶里程数据，计算了海口市不同车型、不同燃料类型和不同国标机动车的污染物排放总量和排放分担率.研究结果表明：2015年海口市机动车的HC，CO，NOX和PM排放量分别是5 675 t，46 014 t，9 232 t和1 006 t；轻型汽油客车是HC和CO的主要贡献车型，其贡献率分别占44.3%和72.2%；柴油车的NOX和PM排放分担率分别为57.1%和85.6%，是其保有量占比的4.9倍和7.0倍；保有量占比仅为11.7%的国Ⅰ及国Ⅰ前机动车，其HC，CO，NOX和PM排放分担率分别达到46.4%，46.9%，42.7%和54.9%.

机动车污染物； MOVES2014a； 排放特征； 分担率； 海口市

近年来，随着海口市经济的飞速发展和城镇化建设的推进，海口市机动车保有量持续地和快速地增长.截止2015年底，海口市注册的民用机动车有65.8万辆，其中，汽车56.5万辆[1]，小客车千人拥有率达到209辆.与2011年相比，注册的民用机动车数量增长了54.5%，汽车数量增长了97.6%.随着机动车保有量的大幅增加，机动车尾气污染物的排放总量占大气污染物排放总量的比重也日剧加重.据海口市生态环境环保局所做的机动车排放的分析报告可知：海口市有88%的一氧化碳、78%的氮氧化物以及29%的PM2.5来自机动车尾气排放[2].机动车尾气排放所造成的污染已成为海口市大气污染的首要污染来源.然而目前相关的研究只针对海口市机动车排气对空气质量的影响，仅局限在整个机动车排放总量对空气质量的影响，并未对不同类型机动车的排放污染特征作出具体判断和分析.因此为了客观评价海口市机动车污染物排放的特征，本研究计算了海口市机动车污染物排放因子，分析了不同类型机动车的排放分担率，这对海口市的大气污染防治具有重要的意义.

国内外的许多研究者已开展了机动车污染物排放特征及分担率的研究，他们主要是借助国际主流机动车排放的模型，分车型、燃油类型、排放标准、道路类型、启动及运行计算其排放特征和分担率[3-7]，有些研究者还进行了区域性的机动车排放分担率的研究，如对广州[8]、杭州[9]、乌鲁木齐[10]等地进行研究.部分研究者还计算了机动车排放的污染物总量在大气总排放源中的分担率，如Wang[11]，Anjaneyulu[12]，Syahril S[13]等人的研究；张清宇等人[14]还计算和分析了机动车源在总排放源中的浓度分担率.

研究者使用美国环保署的MOVES，MOBILE等机动车排污分析软件，对城市的空气污染源进行了分析，并制定了有针对性的环保措施，使城市空气质量得到了有效改善[15-16].基于此，本研究以2015年海口市高速公路、主干道、次干道以及支路上的机动车为调研目标，利用美国环保署(USEPA)最新的MOVES2014a机动车排放因子模型，估算了2015年海口市机动车污染物HC，CO，NOX和PM的排放因子和排放总量，计算和分析了分车型、燃料类型以及排放标准的机动车的主要污染物排放分担率及其特征，旨在为海口市大气污染的防治工作和机动车的科学管理提供依据.

1 研究方法

1.1机动车排放因子的确定目前，机动车排放因子的确定包括实测法和模拟法，实测法主要有台架测试法(或称为底盘测功机测试法)、公路隧道测试法、遥感测试法和车载测试法[17].由于实测法对机动车、场地、仪器设备等都有较高的要求，且实测法测试样本的容量有限，故其结果难以表征整个车队的排放水平，因此本研究采用模拟法.

1.1.1 模型选择目前机动车排放的计算模型有：USEPA(美国环保署)开发的MOVES模型和MOBILE模型，欧洲共同体的COPERT模型，美国加州空气资源局的EMFAC模型，IVE模型以及CMEM模型等[18].其中MOVES模型是在已有30年历史的MOBILE模型的基础上进行修正、补充和改善而得来的[19].2011年，MOVES2010取代了MOBILE6.2，成为美国环保署官方的机动车排放测算模型[20-21].在众多模型中，由于MOBILE系列模型和MOVES模型在国内已被学者拿来测算排放因子并且已经得到了较好的运用[22-24]，因此本研究选取USEPA最新的MOVES2014a模型来估算海口市机动车的排放因子.

1.1.2 MOVES2014a模型基本参数的确定MOVES模型的排放测算可根据空间范围分为国家(nation) 、郡县(county) 和项目(project) 3个层次.为了使不同地区均可广泛应用，在country层次中设置有自定义区域模块(Custom Domain)，用户可以根据本地区的实际情况进行模型本地化的应用[19].本研究的测算区域为整个海口市(包括市区和郊区)，其道路类型包括快速路、非快速路、高速路和非高速路4种，其是通过设置自定义区域模块(Custom Domain)来输入本地化数据的.

1)时间和空间设定：测算基准年为2015年，测算周期为全年12个月，工作日和非工作日均进行全天24 h测算.由于我国的机动车排放标准限值的执行滞后于美国5年左右[25]，为使测算结果更加符合我国机动车的实际排放状况，本研究将模拟时间提前5年，为此，MOVES中选择2010年为模拟年份；MOVES中的“道路类型”选择城市限制型道路、非限制型道路，郊区限制型道路、非限制型道路4类，其分别对应海口市区的快速路和非快速路、郊区高速路和非高速路.

2)车辆类型：根据MOVES2014a模型中机动车分类的标准，参考国内机动车分类标准以及海口市机动车的实际使用状况，将海口市的机动车划分为五大类，即轻型客车、轻型货车、中型车、重型车以及摩托车.

3)机动车保有量和车龄分布：经查阅海口市2001—2016年的统计年鉴，可获得该城市各类机动车的保有量，再通过核算逐年的机动车新增量可获取车龄分布.

4)平均车速分布：利用GPS设备对5辆载客汽车和5辆载货汽车开展了两周(包括工作日和非工作日，日高峰期和非高峰期)的逐秒行驶速度的数据收集，覆盖了海口市的主干路、次干路以及支路等多种类型的道路，将数据进行处理后就可得到海口市分车型机动车在各类道路上的时速分布.因海口市市区已禁摩，因此摩托车的平均车速分布采用模型的默认值.

5)年均行驶里程(VMT)和里程分布：年均行驶里程是通过实地问卷调查，并参考环保部所发布的《道路机动车大气污染物排放清单编制技术指南》[26]以及林秀丽[27]、吴大磊[28]等人所进行的年均行驶里程的研究所得.由于MOVES模型中还需输入各车型在时间(小时、天、月)和空间(不同类型道路)上的行驶里程分布比例，故本文根据GPS所获得的逐秒行驶速度数据，通过计算得到了各车型的行驶里程的道路类型分布比例和分小时、分天(工作日和非工作日) 的里程分布比例，月里程分布比例则采用模型默认值.

6)燃料参数：海口市于2015年10月底全面供应车用国五汽柴油，其燃油组分信息1～10月份和11～12月份分别依据车用燃料油国四以及国五标准录入.

7)气象参数：气象参数(主要包括环境温度和湿度)采用的是海口市气象站的监测数据.

8)测算的污染物：CO，HC，NOX，PM.

9)其他参数如I/M制度，匝道比例等采用模型的默认值.

1.2机动车污染物排放量的计算

1.2.1 计算方法机动车污染物排放量是通过MOVES2014a模拟输出的分车型机动车的不同污染物排放因子、分车型机动车的保有量以及分车型机动车的年均行驶里程数(VMT)这三者的乘积计算得到的.

海口市机动车分车型污染物排放量的计算方法如式(1)所示：

EQij=EFij×Pi×VMKI×10-6，

(1)

式中:EQij为i类机动车j类污染物的排放量/t；EFij为i类机动车j类污染物的排放因子/(g·km-1)；Pi为计算年份i类机动车的保有量/辆；VMKi为计算年份i类机动车的年均行驶里程数/km.

1.2.2 海口市机动车的年均行驶里程和保有量本次研究中的分车型机动车的年均行驶里程以及保有量数据在1.1.2节已做详细阐述，具体见表1所示.

表1 2015年海口市各车型的保有量和年均行驶里程

注：2015年海口市其他燃料类型的机动车共计1 569辆，因其污染排放较小，故未纳入统计.

2 结果与分析

2.1海口市机动车排放因子通过对MOVES2014a模型的部分参数值进行本地化修正，模拟得到海口市轻型客车(汽油)、轻型客车(柴油)等9种车型的排放因子，各车型的排放因子见表2所示.

表2 2015年海口市不同车型机动车污染物的排放因子

2.2海口市机动车污染物的排放清单利用机动车污染物的计算公式，通过计算可得出2015年海口市机动车污染物的排放清单，具体见表3所示.

表3 2015年海口市分车型机动车的排放清单

2.3海口市机动车的排放特征和排放分担率分车型机动车的排放分担率是指在所研究地区内不同类型机动车的污染物排放量与该污染物的机动车排放总量之比.不同类型的机动车因在排放因子、营运比例、运行特征、行驶里程和保有量等特征参数方面存在差异，因而其在机动车污染物排放总量中所占的比例会有一定的差别.

2.3.1 海口市机动车的分车型排放特征和排放分担率根据2015年海口市机动车污染物排放清单和分车型分担率的定义，通过计算可得到2015年海口市机动车分车型各污染物的排放分担率，如图1、图2、图3和图4所示.

图1 2015 年海口市机动车各车型CO 排放的分担率

由图1可知，对于不同类型的机动车，其CO排放的分担率差异显著.超过70%的CO来自于轻型汽油客车的排放，一部分原因是由于轻型汽油客车的CO排放因子相对较高，另一部分原因则是由于轻型汽油客车具有超大的保有量的缘故；摩托车的年均行驶里程虽然远低于其他车型的年均行驶里程，但由于其具有较高的排放因子和保有量，故其CO排放的分担率也达到10.4%，它是CO排放的第二大贡献源；虽然中/重型机动车的年均行驶里程大和CO排放因子高，但由于其具有较低的保有量，故其CO排放的分担率较低.

图2 2015 年海口市机动车各车型HC 排放的分担率

由图2可知，轻型汽油客车、摩托车和轻型柴油货车是HC的主要贡献者，三者的排放分担率之和占HC排放总量的79.3%.摩托车因其具有较大的保有量和较高的HC排放因子而使得其分担率达到了23.8%，这一现状和其他滨海城市的状况有一定差异.

由图3可知，轻型汽油客车、重型柴油车和轻型柴油货车是NOX的主要来源.轻型汽油客车的NOX排放因子虽然不到重型柴油车NOX排放因子的十分之一，但其超高的保有量使得其排放分担率要大于重型柴油车的排放分担率.重型柴油车的NOX排放分担率远大于其保有量的贡献率，这是由于重型柴油车具有较大的NOX排放因子的缘故.

由图4可知，重型柴油车和轻型柴油货车的PM排放量已接近于PM排放总量的四分之三，其原因在于轻型柴油车和重型柴油车具有超高的PM排放因子；轻型汽油客车的PM排放量已接近于PM排放总量的10%，这主要是由于轻型汽油客车的保有量达到了总保有量的80%的缘故，所以虽然其排放因子较低，但其最终的污染物贡献率也到达10%.由上述分析可知，要想进一步降低海口市大气中的PM，控制和降低重型柴油车和轻型柴油货车的PM排放是关键.

图3 2015 年海口市机动车各车型NOX 排放的分担率

图4 2015 年海口市机动车各车型PM 排放的分担率

2.3.2 海口市不同燃料机动车的排放特征及分担率为进一步确定不同燃料类型的机动车污染物排放现状，对排放清单中的柴油机动车和汽油机动车的各污染物排放总量进行了求和，结果如表4所示.

表4 2015年海口市柴油车和汽油车各污染物的排放总量

结合表4中排放总量的数据，由分担率的定义可得到不同燃料机动车的排放分担率，见图5.

由图5可知，海口市不同燃料类型的机动车保有量占比与不同污染物排放的分担率占比差异明显，尤其是NOX和PM.2015年海口市柴油车的保有量只占12.2%，其NOX，PM和HC的排放分担率却高达57.1%、85.6%和18.2%，分别是其保有量占比的4.9倍、7.0倍和1.5倍；柴油车的CO排放分担率为10.7%，略低于其保有量占比.汽油车保有量的比例为87.8%，其NOX和PM的排放分担率占比仅为42.9%和14.4%，分别低于其保有量百分比(44.9%和73.4%)；汽油车对CO的排放分担率为89.3%，高出其保有量贡献率1.5%.

由此可以得出：柴油车是PM和NOx排放的主要贡献车源，尤其是PM的排放.经换算，2015年海口市一辆柴油车的PM排放量约是一辆汽油车PM排放量的42倍；汽油车是CO排放的主要贡献车源.若要减少机动车的PM和NOx排放总量，则应加强对柴油车尾气排放的控制；若要减少机动车的CO排放总量，则应加强对汽油车尾气排放的控制.

2.3.3 不同排放标准的机动车的排放特征及分担率近年来，我国不断提高机动车污染物的排放标准，以达到控制和减少机动车尾气排放的目的，对于高排放标准的机动车则主要是通过优化发动机构造和尾气控制系统等技术手段来达到减排的效果.海口市不同国标机动车的保有量状况及其污染物排放的分担率如图6所示.

图5 2015 年海口市不同燃料类型的机动车保有量率和排放分担率

图6 2015 年海口市不同国标机动车的排放分担率

由图6可知，2015年海口市不同国标机动车保有量的百分比与不同污染物的排放分担率所占的百分比是截然不同的.随着我国机动车排放标准的逐步提升，机动车各主要污染物的排放分担率呈现出较大幅度的下降.对于国Ⅱ及国Ⅱ以下标准的机动车，其各项污染物的排放分担率占比都远高于其保有量占比，而对于国Ⅳ及国Ⅳ以上的机动车，其各项污染物的排放分担率占比均远低于其保有量占比.国Ⅰ前机动车的保有量不足4%，然而其各项污染物的排放分担率却远远高于其保有量，尤其是NOX和PM的排放，其排放分担率分别高达19.8%和26.8%，分别为其保有量占比的5.1倍和6.9倍.国Ⅳ及国Ⅳ以上机动车占比超过一半的机动车保有量，然而其HC和PM的排放分担率仅为12.4%和9.8%.通过保有量和分担率的数据换算可得：一辆国Ⅰ前机动车所排放的HC，CO，NOX和PM分别是一辆国Ⅳ以上机动车所排放的HC，CO，NOX和PM的19.0倍、14.14倍、15.39倍和36.16倍.若对保有量占比仅为3.9%的国Ⅰ前机动车进行淘汰，那么HC，CO，NOX和PM的排放量将分别减少17.1%，16.0%，18.8%，26.8%；若把国Ⅰ前机动车等量更换为国Ⅳ及国Ⅳ以上机动车，那么HC，CO，NOX和PM的排放量将分别减少16.2%，15.0%，17.5%，26.0%，在这两种措施下各项污染物的减排效果都很显著.

3 模拟结果的验证分析

为检验MOVES2014a模型对于计算海口市机动车污染物排放的准确性，本文利用相关的研究成果和统计年鉴数据对模拟结果进行了验证分析.

根据《2016年海南省统计年鉴》以及海南省生态环保厅所公布的2015年海口市机动车污染物的排放数据，可获得2015年海口市机动车主要污染物排放量的官方统计数据，如表5所示.

表5 2015年海口市机动车污染物的排放量

为了检验MOVES模型计算的准确性，在此利用偏差率进行分析，其计算方法如式(2)所示.

(2)

由式(2)得到2015年海口市机动车污染物的总体排放偏差率，具体见表6.

表6 2015年海口市机动车污染物总体排放偏差率

由表6可知，HC，NOX和PM的偏差率分别为-9.92%，-3.67%和-11.90%，这表明采用MOVES2014a模型来计算海口市机动车污染物(HC，NOX和PM)排放具有一定的准确性；但由于CO的偏差率较大，故仍需对其做进一步的修正.

4 结 论

(1)2015年海口市机动车的HC，CO，NOX和PM排放总量分别为5 675 t，46 014 t，9 232 t和1 006 t.

(2)按车型划分机动车可得：轻型汽油客车是HC和CO的主要贡献车型，其贡献率分别占44.3%和72.2%；NOX主要是来源于轻型汽油客车、重型柴油车和轻型柴油货车的排放，三者排放之和超过了NOX排放总量的80%；重型柴油车和轻型柴油货车是PM排放的主要来源，二者排放占PM排放总量的73.9%.

(3)按燃料类型划分机动车可得：海口市不同燃料类型的机动车保有量的百分比与不同污染物排放分担率占比是截然不同的.柴油车NOX和PM排放分担率分别为57.1%，85.6%，分别是其保有量占比的4.7和7.0倍；汽油车CO排放的分担率为89.3%，略高于其保有量占比.

(4)按国标划分机动车可得：对于保有量占比仅为11.7%的国Ⅰ及国Ⅰ前的机动车，其HC，CO，NOX和PM排放的分担率分别达到46.4%，46.9%，42.7%和54.9%；对于国Ⅳ及国Ⅳ以上的机动车，其CO，HC，NOX和PM排放的分担率分别低于其保有量占比的37.4%，40.1%，35.2%和42.7%；对于一辆国Ⅳ及以上的机动车，其CO，HC，NOX和PM的排放量仅为一辆国Ⅰ前机动车排放量的7.1%，5.3%，6.7%和2.8%.

[1] 海南省统计局. 2016年海南统计年鉴[M].北京:中国统计出版社,2016.

[2] 党朝峰.海口机动车超50万辆一日不开PM2.5浓度将降低29%,[EB/OL].[2015-09-23]. http://haikou.hinews.cn/system/2015/09/23/017821391.shtml.

[3] 傅立新,都吉明,何东全,等.北京市机动车污染物排放特征[J].环境科学,2000,21(3):68-70.

[4] 车汶蔚,郑君瑜,钟流举.珠江三角洲机动车污染物排放特征及分担率[J].环境科学研究,2009,22(4):456-461.

[5] 蒋秋静,卢彬.基于BOBILE6.2的机动车气态污染物排放量与分担率研究[J].太原理工大学学报,2013，44(01)：31-97.

[6] 杨清玲,陈刚才,马宁.重庆市主城区机动车污染分担率研究[J].西南师范大学学报(自然科学版),2009,34(4):173-177.

[7] 马宁.重庆市主城区机动车污染状况与分担率研究[D].重庆：重庆大学,2008.

[8] 廖瀚博,余志,周兵,等.广州市机动车尾气排放特征研究[J].环境科学与技术,2012,35(1):134-138.

[9] 李新兴,孙国金,王孝文,等.杭州市区机动车污染物排放特征及分担率[J].中国环境科学,2013,33(9):1 684-1 689.

[10] 何丽,朱建雯,钱翌.乌鲁木齐市区机动车污染物排放特征研究[J].环境工程,2015，35(5)：90-94.

[11] 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(2):394-400.

[12] Syahril S, Resosudarmo B P, Tomo H S. Study on the Air Quality: Future Trends, Health Impacts, Economic Value and Policy Options:Jakarta, Indonesia[M].Asian Development Bank,2002.

[13] Anjaneyulu M V L R, Harikrishna M, Chenchuobulu S Modeling ambient carbon monoxide pollutant due to road traffic[J].Environmental and Ecological Engineering，2008,2(5):103-106.

[14] Zhang Q,Wei Y,Tian W,et al. GIS-based emission inventories of urban scale:A case study of Hangzhou, China[J]. Atmospheric Environment,2008,42(20):5 150-5 165.

[15] EEA (European Environment Agency).Air Quality in Europe—2016[R].Copenhagen：2016.

[16] NSW (New South Wales) Government.Current Air Quality in New South Wales, Australia—A Technical Paper Supporting the Clean Air Forum[R].New South Wales,2010,8.

[17] 郝吉明,傅立新,贺克斌,等.城市机动车排放污染控制—国际经验分析与中国的研究成果[M].北京：中国环境科学出版社,2011.

[18] 霍红,贺克斌,王歧东.机动车污染排放模型研究综述[J].环境污染与治,2006,28(7):526-530.

[19] U.S.Environmental Protection Agency(EPA). Draft motor vehicle emission simulator MOVES2014a software design and reference manual[R].Washington D.C. EPA:2014.

[20] 黄冠涛,宋国华,于雷,等.综合移动源排放模型—MOVES[J].交通信息与安全,2010,28(4):49-59.

[21] 黄冠涛.基于MOVES的微观层次交通排放评价[D].北京：北京交通大学,2011.

[22] 陈玉婷.基于MOVES道路交通排放特性及影响因素研究[D].南京：东南大学,2016.

[23] 杨凯茜.西安市机动车尾气排放量化模拟研究[D].西安：长安大学,2015.

[24] 吴希.城市道路网机动车排放预估研究[D].长沙：湖南大学,2015.

[25] 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(2) : 308-316.

[26] 环境保护部科技标准司.道路机动车排放清单编制技术指南(试行)[M].北京:中华人民共和国环境保护部,2014.

[27] 林秀丽,汤大钢,丁焰,等.中国机动车行驶里程分布规律[J].环境科学研究,2009,22(3):377-380.

[28] 吴大磊,林怡青,彭美春,等.利用小样本数据计算车辆年平均行驶里程的研究[J].交通运输系统工程与信,2009,9(2):155-160.

Abstract：In the report, the modified USEPA MOVES2014a model was used to obtain the emission factors of motor vehicles in Haikou. Based on the population, types and the Vehicle-Miles of Travel (VMT) of the cars of Haikou in 2015, the total amount of pollutants and the sharing rates of the vehicles with different types, different fuel usage and different emission standard were calculated. The results showed that the total emission of HC, CO, NOx, and PM was 5 675 t, 46 014 t, 9 232 t and 1 006 t, respectively, in 2015. Light gasoline passenger vehicles were the major contributor of HC and CO, and the sharing rates was 44.3% and 72.2%, respectively. The NOx and PM contribution rates of diesel vehicles was 57.1% and 85.6%, respectively, and which was 4.9 times and 7.0 times as much as the number of diesel vehicles, respectively. We also found that the contribution rates of HC, CO, NOx and PM emission of Euro I and Pre-Euro I vehicles with the population of 11.7% was 46.4%, 46.9%, 42.7%, and 54.9%, respectively.

Keywords：Haikou; vehicle exhaust; MOVES2014a model; emission characteristics; contribution rates

CharacteristicsofMotorVehiclePollutantEmissionandShareRatioinHaikouCityBasedonMOVES2014a

Xie Rongfu, Chen Zhenbin, Deng Xiaokang, Yun Fukang, Li Yunpeng

(College of Mechanical and Electrical Engineering, Hainan University, Haikou 570228, China)

X 511

A DOl：10.15886/j.cnki.hdxbzkb.2017.0044

2017-03-30

中国清洁发展机制基金赠款项目子课题(CDM2013008)；大学生创新创业训练计划项目(国家级)(201610589007)

谢荣富(1989-)，男，重庆人，海南大学机电工程学院2015级研究生，E-mail：283694008@qq.com

陈振斌(1968-)，男，福建建瓯人，博士，教授，研究方向：汽车节能环保与新能源，E-mail：zhenbin1208@hainu.edu.cn

1004-1729(2017)03-0282-08