摘要:采用MOVES进行本地化调整,以计算2021年的昆明高速公路道路移动源温室效应污染物排放总量清单,得出了不同车型和排放标准的分担比率。结果显示,该场景下的CO、NO、CO、CH、BC(黑碳)的排放量分别为13 663.2 t、11.4 t、2 488 004.2 t、76.9 t、18.9 t,总计CO当量为2 532 121.8 t。排放分担率在不同车型中差异显著,小型客车CO、CO和CH较高,均在50%以上,N2O的主要排放源是轻型货车和小型客车,BC的排放源主要是中型货车和轻型货车。时间分布上,工作日期内,客车污染物排放呈现出9时和13时左右的双高峰结构,而非工作日期内,污染物排放在14时至17时期间持续较高水平。昆明市主城区为主要排放核心地带,污染物呈放射状扩散至周边地区。
关键词:MOVES;排放清单;时空分布;温室效应气体
中图分类号:U469.79 收稿日期:2024-09-22
DOI:10.19999/j.cnki.1004-0226.2024.12.019
1 前言
机动车排放的CO、CO、CH、NO和BC(黑碳)是导致温室效应的主要成分。国际能源署(IEA)[1]发布的《2022年CO排放报告》指出,2022年交通运输部门的碳排放量增加了2.1%,达到1.37亿t。同时,1990—2021年期间,中国交通领域的碳排放量从9 400万t增至约9.6亿t,增长了约10倍。目前,全球机动车已成为温室气体排放增长的主要来源之一,这一趋势值得深入研究并采取控制措施。至2021年,交通领域碳排放量约占中国总碳排量的10%。
近年来,为应对机动车产生的温室效应,相关国家和地区制定了政策,国内外学者也开展了温室气体研究。Li等[2]采用交通速度-流量模型结合MOVES模型,建立了北京市2018年温室气体高分辨排放清单;Clairotte等[3]对欧洲道路温室气体排放因子进行了傅里叶分析;Wu等[4]运用全生命周期评估方法,分析了京津冀、长三角和珠三角三大地区轻型车辆的能耗和CO₂排放,并评估了未来轻型电动车的减排效益;汪晶发等[5]基于MOVES模型和ArcGIS技术,建立了西安市1 km²分辨率的机动车污染物排放清单。
昆明市地处我国西南地区,位于云贵高原腹地,该地区公路(尤其是高速公路)多建于高海拔、低气压、陡坡较多等环境。本文旨在研究发动机在高海拔地区燃烧受损条件下的污染物排放,开展针对高原地区的温室效应气体排放研究。
2 研究方法与数据来源
2.1 模型的选取
传统的排放因子模型主要是以MOBILE系列为代表的基于平均速度的宏观模型和由IVE代表的微观车辆行驶工况为基础的微观模型,它们基于固定的排放因子,而MOVES模型的动态模拟可以考虑到多种变化因素(车速、交通、环境因素等)。此外,MOVES模型的视野立体性更好,可用于微观、中观、宏观3个层面计算,利用最新的实测数据和研究成果,分析排放的影响因素,同时预测政策改变带来的排放影响。基于此,本研究采用MOVES模型在中观层面可用于计算昆明市地区的机动车排放量。
2.2 清单计算方法
2.3 数据来源及模型本地化
本研究数据来源于2021年度昆明市交通运行统计报告和云南交投集团(2021)云南省高速公路车流量统计,同时结合部分时段昆明市高速公路真实的车流量统计。在“Source Type Population”模块中定义小型客车、中型客车、大型客车、轻型货车、中型货车和重型货车这6类昆明典型车辆类型,调整尺寸;汽油车辆和柴油车辆分别按照GB 17930—2016《车用汽油》标准[6]和GB 19147—2016《车用柴油》标准[7]进行设置;道路类型设定为Rural Restricted Access;根据昆明地区的交通状况将车速标准设定为avgSpeedBinID7-13,代表中等车速范围;气象数据根据月平均气温和湿度分别输入,确保模型能够准确反映不同气候条件下的排放情况。
3 结果与讨论
3.1 车龄及排放标准分析
通常车辆的平均使用寿命约为15年,针对这一问题,本研究获取了昆明市2005—2020年间的车辆注册数据,运用VEIN模型中的算法推断车辆的寿命情况,选择采用威布尔分布曲线来判断车辆的寿命情况,结合r语言和不同车型排放标准确定了车辆的寿命存活率结果,如图1所示。
通过存活曲线法估算得到各类型车车龄占比(图2)和不同排放标准机动车占比(表1)。随着车辆使用年限的增长,小型客车车龄分布基本呈现递减的趋势。新的小型客车占比较高,车龄大的车辆则相对较少。
3.2 排放因子分析
2021年昆明市高速公路各车型的温室效应气体排放因子如表2所示。可以看出,作为温室气体之一的的CO在机动车排放的污染物中是最高的,而其中重型货车的CO排放远超其他类型车辆,这一差异的主要原因在于重型货车的能耗和负载量显著高于其他车型,因此其燃料消耗和相应的CO排放也显著增加。对于BC来说,重型货车的BC排放也是最高,相比之下,轻型汽油车排放的颗粒物中黑碳含量较低,仅为0.0001 g/(km·辆)。此外,CH的排放量重型货车最高,为0.172 g/(km·辆),而轻型货车仅为0.003 g/(km·辆),这是由于在高海拔地区含氧量较低的空气使重型货车在负载时,发动机燃烧更不充分。由于,排放后处理过程不同,不同类型车辆的NO排放差异显著。CO和NO的排放,中型客车最高,分别为8.289 g/(km·辆)和0.026g/(km·辆),这是由于昆明地区中型客车的车龄要明显高于小型客车,排放劣化更为严重。
3.3 温室气体排放特征分析
3.3.1 排放分担率
根据模型计算得到2021年昆明市高速公路机动车温室气体排放总量清单(表3),可以看出不同车辆类型、燃料类型和对应的排放标准对排放分担率存在较大影响。
从车型来看,中小型客车CO、CO和CH排放量均占机动车CO、CO、CH总排放量的50%以上,占比较高。同时小型客车对温室气体排放总量的贡献相较于其他车型高,分担率为54.5%。这是由于在昆明高速路区域内,机动车行驶流量中,小型客车交通流量占比较大。轻型货车和小型客车主要是N2O的主要排放源,重型货车和轻型货车主要是BC的排放源。
从燃料类型来看,相对于柴油车,汽油车对温室气体排放总量(TGHG)的贡献比例更高,达到了77%。主要原因同样是汽油车的交通流占比过大。
从排放标准来看,国四排放标准车和国三标准车是昆明市CO、CO、NO、CH、BC污染物的首要和次要贡献车型,而其中国四车辆的排放占据主导地位,对CO、CH、NO、CO、BC的贡献率分别为41.27%、44.49%、42.77%、42.69%、44.96%,可见对国四车实施有计划的提前淘汰,将有助于削减污染物的排放。
结果表明,小型客车、汽油车和国四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,在机动车温室效应污染物减排控制中,需要对其严管。
3.3.2 时间分布
本文对昆明市以CO为例展开分析机动车排放小时分布,如图4所示,工作日与非工作日的小时排放分担率变化趋势基本一致,同时研究发现,非工作日中的城市居民在日间时间段的出行具有较为显著的连续性特点,这一现象与他们在节假日期间的出行模式是相一致的。
由图4~图8可知,工作日内CO的小时排放分担率变化趋势与货车的小时排放分担率变化趋势大致相同。在工作日,各车型交通流量占比中,轻型货车交通占比最高,小客车次之。由于小客车在工作日主要在城市道路行驶,即使在高速公路上也以短程环城运行为主,这种行驶模式主要受到城市居民日常活动规律的影响。在工作日,人们的活动范围主要限于城市内部,城市内的活动频繁度相对较高,相比城际长途活动更为频繁。因此,工作日内排放污染物的总体小时分布规律受到货车的主导作用,变化趋势与轻型货车和中型货车的变化趋势基本一致。
而非工作日的汽车总体排放污染物时段分布变化趋势与小客车的基本保持一致。小客车交通流量相较于工作日有所增加,在所有车型中占比最大。这主要是因为在非工作日,人们的活动范围不仅限于城市内部,大部分人选择自驾外出旅行、跨城市活动等。因此,非工作日的总污染物排放时段分布变化趋势总体与小客车流量相关性较大,基本保持一致的趋势。
3.3.3 空间分布
空间分布利用ArcGIS(10.8.1版),在CGCS2000坐标系基准面上以0.01°×0.01°的水平分辨率将昆明市的高速公路道路网重新网格化为768个网格(图9)。获取总排放量,估计不同车辆的总排放量以计算排放强度,模拟网格化排放。
如图10所示,昆明市的路网密集区域主要集中在两个区域,其中路网密度最高的是呈贡区与官渡区的交汇处,这几条线路的交汇导致交通量增大。另一个重点区域是五华区。与此同时,高速公路收费站和服务区的分布也会影响车辆行驶节奏和排放。
如图9~图10所示,总体上主城区路段的移动源排放强度显著高于郊区县路段。就排放总量而言,西山区的排放总量最为突出,约占比14.37%,其次为官渡区,最低为宜良,约为4.89%;然而从单个网格的排放强度来看,单个网格最高值在官渡区,最低值则在晋宁区;就排放均值而论,均值最高的是官渡区每网格3 905 t,而最低是晋宁区每网格2 897 t。总体排放呈现的趋势是由城市中心向边缘扩散,市中心排放高,远离城市地区逐渐排放减少。
4 结语
小型客车是CO、CH和CO的排放分担率最高的车型,轻型货车和小型客车主要是NO的主要排放源,重型货车和轻型货车主要是BC的排放源;国IV排放标准车是排放的主要车型;在时间分布上,小时分布上客货车基本呈现双高峰结构,工作日于9时和13时达到高峰,非工作日于10时和14时达到高峰,14时高峰后之后处于平稳的连续状态,再持续下降。各个污染物排放特征在空间分布上呈现出一定的一致性,排放量较高的区域主要集中在昆明市主城区,主城区位于核心地带,污染物扩散呈放射状向周边地区扩散,远离市中心的区域,其承担的污染物排放负担逐渐减小。
因此,昆明的减排策略应首先聚焦主城区,实施多层次的交通分流与限行措施,降低高峰期排放量;鼓励公共交通与新能源车辆的使用,提升通勤效率和覆盖率;加速老旧高排放车辆的淘汰更新,严格执行尾气排放检测标准,并优化城市外围道路和高速公路的管理,进一步减轻市中心的污染负荷。加强交通网络与城市空间的协调,减少污染物的集中释放和扩散,才能有效提升昆明整体空气质量。
参考文献:
[1]IEA–International Energy Agency[EB].
[2]Li Yanxia,Lv C,Yang N,et al.A study of high temporal-spatial resolution greenhouse gas emissions inventory for on-road vehicles based on traffic speed-flow model:A case of Beijing[J].Journal of Cleaner Production,2020,277:122419.
[3]Clairotte M,Suarez-Bertoa R,Zardini A A,et al.Exhaust emission factors of greenhouse gases(GHGs)from European road vehicles[J].Environmental Sciences Europe,2020,32(1):125.
[4]Wu Y,Yang Z,Lin B,et al.Energy consumption and CO emission impacts of vehicle electrification in three developed regions of China[J].Energy Policy,2012,48:537-550.
[5]汪晶发,宋慧,巴利萌,等.西安市机动车污染物排放清单与空间分布特征[J].环境污染与防治,2020,42(6):666-671+677.
[6]国家质量监督检验检疫总局,国家标准化管理委员会.GB 17930—2016车用汽油[S].北京:中国标准出版社,2016.
[7]国家质量监督检验检疫总局,国家标准化管理委员会.GB 19147—2016车用柴油[S].北京:中国标准出版社,2016.
作者简介:
李熠璇,女,1997年生,研究生在读,研究方向为污染物排放清单。
何超(通讯作者),男,1980年生,教授,研究方向为机动车排放控制技术。