昆明市高速公路机动车温室气体排放清单及时空性分布特征

陈振瑜，何超,2*，李加强,2，付明亮，徐加臣,2，李菊,2

1.西南林业大学机械与交通学院

2.云南省高校高原山区机动车环保与安全重点实验室

3.中国环境科学研究院

近年来，由于机动车保有量不断上升，道路移动源的排放量不断增加[1-4]。CO、CO2、CH4、N2O 是机动车排放的几类主要温室气体[5-7]，温室气体排放量的增加，加剧了气候变暖的趋势。据国际能源署（IEA）统计，2021 年中国化石燃料燃烧产生的CO2达到119.47 亿t，较2020 年CO2排放量增加4.8%，其中道路移动源的温室气体排放量占总排放量的7.7%，道路移动源成为我国重要的温室气体排放源之一。因此，建立可信、准确的机动车温室气体排放清单，对改善大气污染、温室效应等问题和制定碳减排措施[6]都具有重要意义。

温室气体相比于其他气体污染物的生命周期较长，能够在大气中充分混合。国内外学者对机动车温室气体排放清单已有如下研究：李光华等[7]计算了渭南市机动车温室气体排放因子并建立了高分辨率的时空排放清单；吕晨[8]通过计算得到北京市机动车CO2、CH4、N2O 3 种温室气体的排放因子，并基于交通车流量模型，建立了2018 年北京市机动车的高时空分辨率温室气体排放清单；唐伟等[9]应用IVE 模型测算排放因子并利用大数据分析技术，建立了杭州市2015 年各类机动车主要温室气体的排放清单；汪晶发等[10]计算了N2O 和其他空气污染物的排放因子，借助ArcGIS 软件建立了西安市高分辨率的机动车污染物排放清单；Ganji 等[11]通过多伦多市的交通流量数据和各交通站点的交通流量时空性关系来预测城市道路的温室气体排放量，并建立了多伦多市城市道路温室气体排放清单。这些研究成果对于从宏观层面进行温室气体排放评估和减排策略制定具有重要的指导意义。目前，多数制定的排放清单均以城市道路为研究对象，以高速公路为研究对象来制定排放清单的研究较少。国内学者针对广东[12]、河北[13]、河南[14]和福建[15]等少数省份进行了高速公路排放清单研究。国外研究中，Abou-Senna 等[16]应用交通模拟软件VISSIM 和MOVES模型对美国佛罗里达州奥兰多市的州际高速公路进行了污染物的排放预测，并建立排放清单。关于高速公路机动车温室气体排放的研究更为鲜见，Li 等[17]通过交通速度-流量模型对北京市高速公路和其他道路机动车排放的温室气体建立了高分辨率的排放清单。高速公路作为枢纽承担着连接各座城市的重要作用，具有较高的通行能力、较快的行车速度以及较大的客货运输承载量，由于机动车在高速公路上的行驶活动水平较高，排放量较大，因此高速公路产生的温室气体排放不容忽视。

通常制定排放清单有自上而下、自下而上2 种方法，其中自下而上的制定方法需要以真实的交通流量数据为支撑，虽然真实交通流量数据获取较为困难，但是该方法建立起的排放清单具有良好的高分辨率。目前，关于建立排放清单的现有研究中，基于交通流量而建立的研究较少，仅李丽等[18-23]少部分学者基于交通流量建立了部分城市的机动车排放清单。

昆明市位于云贵高原地区，是西南地区重要的交通枢纽中心，由于高原地区空气稀薄，太阳辐射较强，大气温室气体浓度的增加会使昆明市热源增强，对环境造成较大影响。目前，昆明市暂缺机动车温室气体排放清单的研究，笔者拟以昆明市2021 年高速公路客车交通流量数据和机动车GPS 信息数据为基础，利用MOVES 模型计算温室气体排放因子，通过自下而上法结合排放因子和交通流量数据建立昆明市市域高速公路机动车温室气体排放清单，并使用ArcGIS 软件对排放清单进行时空分布研究，分析昆明市高速公路机动车温室气体排放时空性特征，以期为昆明市制定机动车降碳减污策略、评估温室气体排放现状和未来趋势提供科学依据。

1 研究方法与数据来源

1.1 模型的选取

由于国内缺乏本土的排放模型，故选用由美国国家环境保护局（US EPA）推出的MOVES 模型[24-26]计算昆明市高速公路机动车温室气体的排放因子。MOVES 模型能够较好地反映机动车行驶过程中的行驶特征，具有较高的计算精度。通过将影响污染物排放因子的气象信息、机动车车队结构、车流量信息、燃料信息等重要参数输入到模型中进行综合计算[27]，即可得到可靠的机动车排放因子。

1.2 排放清单计算方法

由于排放总量受到机动车车龄、车辆类型和燃油等因素的影响，因此本研究基于昆明市2021 年1—12 月高速公路客车流水数据和机动车GPS 信息数据，通过自下而上法，利用交通流量数据，将高速公路车队按车龄、燃油类型、车辆类型分类，每种类型作为基本单元进行计算，得到CO、CO2、CH4、N2O 的排放总量，公式如下：

式中：j为温室气体污染物类型；c为模拟城市；n为模拟年份；k为车辆类型；f为燃料类型；l为车辆车龄；VN 为道路机动车交通流量数；LR 为道路长度；EF 为机动车的平均排放因子。

1.3 MOVES 模型参数的输入

1.3.1 气象信息的选取

根据中国气象局历史天气得到2021 年昆明市每月平均气温与相对湿度信息（表1），并输入MOVES 排放模型。

表1 昆明市每月平均气温及相对湿度Table 1 Monthly mean temperature and relative humidity in Kunming City

1.3.2 机动车车队结构

MOVES 提供了13 种车型，依照《昆明市统计年鉴》中所规定的车型，在MOVES 选取与之相近的车辆类型，表2 为本研究选取的车辆类型与MOVES对应的车型对照表。

表2 车型对照Table 2 Vehicle comparison table

将研究区域内的车辆按照燃料类型、排放标准进行细分。按照使用的燃料类型分为汽油和柴油车辆；按照机动车排放标准，分为国Ⅰ、国Ⅱ、国Ⅲ、国Ⅳ、国Ⅴ和国Ⅵ车型。一般机动车使用年限不超过15 年，因此本研究通过采用2006—2021 年《昆明市统计年鉴》中的机动车新车注册量及保有量对各类车型的占比进行计算，得到不同车辆类型的车辆存活曲线[28]，结果见图1。再利用车辆存活曲线，通过车辆生存曲线法估算得到不同排放标准的机动车占比（表3）。

图1 各车型的车龄占比Fig.1 The age proportion of each vehicle type

表3 不同排放标准的机动车占比Table 3 The proportion of motor vehicles according to emission standards %

1.3.3 各车型交通流量特征

基于昆明市高速公路客车流水数据和机动车GPS 信息数据，可获得全年每个区、县高速路网上的各车型机动车交通流量，将每个月的不同车型车流量进行求和，得到不同车型的年流量分布（图2）。

图2 各车型的年交通流量Fig.2 Annual traffic flow of each vehicle type

1.4 燃料信息

燃油性质是影响机动车排放的一个重要因素。汽油标准方面，对雷德蒸汽压（RVP）、硫含量百分比（sulfurLevel）、烃含量百分比（olefinContent）和芳烃含量百分比（aromaticContent）等指标有较为严格的控制；柴油标准方面，对硫含量百分比、十六烷值和多环芳烃含量百分比（PAHContnet）等指标有严格的控制。《中国移动源环境管理年报（2021 年）》指出，在2019 年1 月1 日起全面推广车用汽油-国Ⅵ和车用柴油-国Ⅵ标准，当前昆明市全面使用以上2 种标准汽油和柴油。因此，参照GB 17930—2016《车用汽油》[29]、GB 19147—2016《车用柴油》[30]和《中国移动源环境管理年报2021》相关标准，在MOVES中，选择性质相近的燃油，并进行本土化修正，燃料参数见表4。

表4 燃料参数Table 4 Fuel parameters

2 结果与讨论

2.1 排放因子

将本土化修正后的参数输入MOVES 模型，计算得到2021 年昆明市高速公路上各车型的机动车的CO、CO2、CH4、N2O 排放因子，如表5 所示。不同车型的CO2排放因子存在明显差异，其中重型货车的CO2排放因子约为小型客车的7.3 倍，这是因为尾气中的CO2是由燃料中的碳氢元素和氧气燃烧而产生的，不同燃料中的碳含量不同，产生CO2的排放量也不同，并且重型货车的质量比小型客车大得多，行驶时需要克服的阻力较大，燃油消耗量大，所以产生的CO2排放因子不同。N2O 是由机动车排放的气体污染物在特定的条件下经过催化转化而产生的副产品，汽油车的TWC 技术以及柴油的SCR 技术的广泛应用会使N2O 的排放量随之增加[31]，中型客车的N2O 排放因子最高。CH4排放因子按车型（小型客车、中型客车、大型客车、轻型货车、中型货车和重型货车）分别为0.002、0.006、0.084、0.002、0.042 和0.122 g/(km·辆)，其中重型货车的CH4排放水平最高。CO 是由于燃料中烷烃与氧气的不完全燃烧产生的，6 种车型的CO 排放因子中中型客车的排放水平最高，为6.583 g/(km·辆)。

表5 昆明市及其他地区的机动车温室气体排放因子Table 5 Greenhouse gas emission factors of motor vehicles in Kunming City and some cities g/(km·辆)

2.2 温室气体排放清单

根据计算得到的机动车排放因子（表5），将其带入式（1），计算得到2021 年昆明市高速公路机动车温室气体排放清单，全部车型的CO、CO2、N2O、CH4排放总量分别为20 337.1、2 575 677.1、33.8 和72.9 t（表6）。如表6 所示，N2O 和CH4的排放总量远小于CO2的排放总量，但根据《联合国气候变化框架公约京都议定书》所提供的每种温室气体全球变暖潜能（GWP，CO、CO2、N2O、CH4分别为1.9、1.0、298、25），N2O 和CH4对温室气体的贡献率分别是CO2的298 倍和25 倍。将4 种温室气体排放量换算成CO2当量排放量，CO2在全部温室气体当量中占比最高，可见CO2是昆明市高速公路上机动车排放的主要温室气体，N2O 和CH4的排放总量虽然较低，但其温室气体排放贡献率高，对温室效应的影响不容忽视。

表6 昆明市高速公路温室气体排放清单Table 6 Greenhouse gas emission inventory of expressways in Kunming City t

2.3 温室气体排放特征

2.3.1 排放贡献率

图3 为昆明市2021 年高速公路网上按3 种类型划分的温室气体排放贡献率，分别是各车辆类型的排放贡献率〔图3（a）〕、各燃料类型的排放贡献率〔图3（b）〕和各排放标准类型的排放贡献率〔图3（c）〕。在各车辆类型的排放贡献率方面，小型客车对温室气体排放总量的贡献率相比于其他车型高，为63.5%。小型客车是CO、CO2、N2O 3 种温室气体的主要排放车型，对3 种温室气体的排放贡献率分别为88.8%、63.3%、77.9%。大型客车是CH4的主要排放贡献车型，其排放贡献率为55.1%。在各燃料类型的排放贡献率方面，汽油车对温室气体排放总量的贡献率相比于柴油车高，为75.5%。汽油车是CO、CO2、N2O 3 种温室气体的主要排放贡献车型，其排放贡献率分别为98%、75.4%、90.3%。CH4排放量的主要贡献车型为柴油车，排放贡献率为75%。在各排放标准类型的排放贡献率方面，国Ⅳ排放标准的机动车对温室气体排放总量贡献最高，为39.7%，国Ⅴ以28.8%的温室气体排放贡献率居第二位，国Ⅳ和国Ⅴ排放标准的机动车对CO、CO2、N2O、CH4的排放贡献率居前两位，其是昆明市高速公路的主要的温室气体排放车型。因此，小型客车、汽油车和国Ⅳ排放标准的机动车是昆明市高速公路机动车温室气体排放的主要车型，需要对其严管。

图3 按3 种类型划分的温室气体排放贡献率Fig.3 Contribution rate of greenhouse gas emission divided by three types

2.3.2 时间层面排放分布特征

图4 为昆明市高速公路交通流量和温室气体排放总量（以CO2当量计）的时间层面分布特征。由图4 可见，高速公路交通流量以及温室气体排放总量均出现明显的早高峰和晚高峰的“双峰”现象，且排放总量“双高峰”现象的出现与交通流量密切相关，这也与昆明市高速公路实际交通流量日变化一致。交通流量和温室气体排放总量的第一次高峰（早高峰）出现在08:00—10:00，第二次高峰（晚高峰）出现在16:00—18:00，且17:00 的峰值最高。

图4 高速公路交通流量及温室气体排放总量时间层面分布特征Fig.4 Distribution characteristics of total greenhouse gas emissions and expressway traffic flow at time level

2.3.3 空间层面排放分布特征

机动车温室气体排放总量与交通流量、道路长度以及区域道路密度密切相关。因此，基于昆明市各县（市、区）的交通流量和高速公路网信息，利用ArcGIS 软件对排放总量进行空间层面的分配。由于每个县（市、区）的高速公路网密度以及交通流量不同，所以产生的温室气体排放量也不同。图5为各县（市、区）的总交通流量，图6～图9 为CO、CO2、N2O、CH4排放总量在空间上的分布。在高速公路网较为密集的区域排放总量较高。由于路网密集区在昆明市中心地带，集中在西山区、呈贡区、官渡区、盘龙区和五华区，这5 个区的交通流量较其他区域高。除此之外，安宁市和晋宁县靠近路网密集中心区，其排放总量也较高。根据ArcGIS 获得不同区域的道路长度，以上7 个区域的道路长度总和较其他区域长，因此这7 个区域的排放量较高。禄劝县的排放量最少，是由于该区域的路网密度相比于其他区域较低，且其交通流量较小。

图5 各县（市、区）的总交通流量Fig.5 Total traffic flows of each district and county

图6 CO 排放量空间分配Fig.6 Spatial distribution map of total CO emissions

图7 CO2 排放量空间分配Fig.7 Spatial distribution map of total CO2 emissions

图8 N2O 排放量空间分配Fig.8 Spatial distribution diagram of total N2O emission

2.4 排放清单不确定性分析

在建立昆明市高速公路的排放清单过程中，不仅需要采集较多的数据，而且获取每类数据的方法都不同，缺少机动车行驶活动水平数据和排放因子本土化差异是清单主要的不确定性因素。本研究中的车流量数据基于昆明市高速公路的客车流水数据和机动车GPS 信息数据，数据已进行车牌甄别，剔除外来车辆流动带来的排放量误差，将不确定性概率缩小。在对MOVES 模型进行车型匹配时，由于统计年鉴所规定的车辆类型与MOVES 模型提供的车型存在一定的差异，可能产生一定的误差。但综合考虑了车龄分布、燃料信息、道路长度、速度均值、实际气象信息等实际的本地化因素，使MOVES 模型获得的排放因子可靠度较高。

3 结论

（1）利用了MOVES 模型并对其参数进行本土化修正，计算得到昆明市机动车温室气体的排放因子，其中CO2的排放因子，重型货车最高，小型客车最低；CO 的排放因子，中型客车最高，大型客车最低；N2O 排放因子，中型客车最高，小型客车最低；CH4的排放因子，重型货车最高，小型客车最低。

（2）2021 年昆明市高速公路机动车的CO、CO2、N2O、CH4温室气体排放总量分别为20 337.1、2 575 677.1、33.8 和72.9 t，转换成CO2当量为2 626 212.5 t，CO2是昆明市高速公路排放的第一大温室气体。

（3）昆明市高速公路温室气体的主要排放车型是小型客车，其对温室气体排放总量的贡献率为63.5%；大型客车对CH4的贡献率最高，为55.1%；在燃料类型机动车排放总量中，汽油车的贡献率最高；国Ⅳ排放标准的车型是主要的温室气体排放源，需要加以管控。

（4）昆明市高速公路机动车温室气体排放特征呈现出24 h“双峰”分布，分别出现在08:00—10:00，16:00—18:00。温室气体排放量在不同县（市、区）的高速公路上不同，路网密度越高，排放量越高。