宋曉偉 ，郝永佩，朱曉東

1. 山西財(cái)經(jīng)大學(xué)資源環(huán)境學(xué)院，山西 太原 030006；2. 南京大學(xué)環(huán)境學(xué)院/污染控制與資源化研究國家重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210046； 3. 南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇 南京 210046

近年來霧霾天氣頻發(fā)，中國很多地區(qū)（如京津冀、長三角和汾渭平原地區(qū)）正面臨著嚴(yán)峻的大氣污染問題，對人類身體健康和社會(huì)經(jīng)濟(jì)發(fā)展造成一定影響（Kan et al.，2012；Zhang et al.，2017；Lv et al.，2019）。另外，隨著中國社會(huì)經(jīng)濟(jì)的快速發(fā)展、人民生活質(zhì)量的提高以及城市化進(jìn)程的加快，人們對于交通出行的需求也在不斷增加。根據(jù)中國統(tǒng)計(jì)年鑒（2000；2016），中國民用汽車保有量從1999年的1 452.94 萬輛增加到2015 年的16 284.45 萬輛，17 年間增加了11 倍多（圖1）。機(jī)動(dòng)車保有量的激增導(dǎo)致大量污染物的排放，2015 年全國機(jī)動(dòng)車污染物排放量達(dá)4 532.2 萬噸，其中氮氧化物584.9 萬噸，顆粒物56 萬噸，碳?xì)浠衔?30.2 萬噸，一氧化碳3 461.1 萬噸（中華人民共和國環(huán)境保護(hù)部，2016）。相關(guān)研究顯示，機(jī)動(dòng)車排放已成為我中國許多高密度人口城市大氣污染物NOx的主要來源（Sun et al.，2019），特別是在中國東部人口密集區(qū)以及北京、上海等特大型城市，機(jī)動(dòng)車污染物對細(xì)顆粒物濃度的貢獻(xiàn)率達(dá)到30%左右，在極端不利條件下，甚至達(dá)到50%以上（中華人民共和國環(huán)境保護(hù)部，2016）。因此，在中國機(jī)動(dòng)車保有量和交通壓力持續(xù)上升的嚴(yán)峻背景下，科學(xué)評估機(jī)動(dòng)車污染物排放綜合控制策略，是改善空氣質(zhì)量的當(dāng)務(wù)之急。

圖1 1999-2015 年中國民用汽車保有量 Fig. 1 The vehicle population from 1999 to 2015 in China

機(jī)動(dòng)車污染排放及控制對策研究，其目標(biāo)在于揭示機(jī)動(dòng)車污染物排放特征及時(shí)空分布規(guī)律，并根據(jù)污染現(xiàn)狀和環(huán)境管理的需求設(shè)立相應(yīng)的排放控制對策。為應(yīng)對機(jī)動(dòng)車污染減排，各國陸續(xù)采取包括污染物排放標(biāo)準(zhǔn)、油品質(zhì)量控制、在用車控制及經(jīng)濟(jì)措施等多種排放控制措施。對機(jī)動(dòng)車污染減排已展開一些研究，如車汶蔚（2010）在建立珠三角機(jī)動(dòng)車污染物排放清單的基礎(chǔ)上，評估了該地區(qū)實(shí)施“淘汰黃標(biāo)車”和“實(shí)行新的排放標(biāo)準(zhǔn)”等5 種控制措施減排效果，實(shí)行新的排放標(biāo)準(zhǔn)情景的減排效果顯著，削減量達(dá)到總污染物排放量的50%，摩托車禁行情景可削減15.6%的VOC 排放量，其他3種減排情景對各種污染物排放削減率在4%—12%之間。Zhang et al.（2013）在構(gòu)建2005—2009 年廣州市機(jī)動(dòng)車污染物排放清單的基礎(chǔ)上，基于情景分析法對該時(shí)期廣州市政府采取的排放控制措施效果進(jìn)行評價(jià)。吉木色等（2013）以北京市為例，評估2011—2020 年各項(xiàng)措施對機(jī)動(dòng)車污染物（CO、NOx、HC 和PM10）減排效果，其中淘汰高排放機(jī)動(dòng)車情景對污染物CO、NOx、HC 和PM10短期削減效果顯著，但中、長期效果較差，綜合情景減排效果令人滿意，2020 年削減率分別達(dá)到29.45%、42.54%、28.04%和41.3%。Guo et al.（2016）以京津冀地區(qū)為例，利用情景分析法評估2011—2020年各項(xiàng)措施對機(jī)動(dòng)車污染物CO、NOx、HC 和PM10減排效果，其中淘汰高排放車輛情景短期取得的效果明顯優(yōu)于長期，特別是北京市最為明顯。Menezes et al.（2017）對巴塞羅那市采用不同的交通污染物減排策略實(shí)施效果進(jìn)行評估，發(fā)現(xiàn)使用替代能源與大力發(fā)展公共交通減排效果明顯。王荊玲（2018）在收集不同參數(shù)基礎(chǔ)上估算了長三角地區(qū)2015 年機(jī)動(dòng)車污染物排放清單，并對其排放特正展開全面分析，以收集的相關(guān)污染控制政策為依據(jù)，對2015年提前實(shí)施黃標(biāo)車和老舊車淘汰、提前升級燃油品質(zhì)和提前實(shí)施機(jī)動(dòng)車排放標(biāo)準(zhǔn)等措施下污染物CO、NOx、HC 和PM 減排效果展開評估，黃標(biāo)車和老舊車淘汰政策污染物減排效果最為明顯，各減排措施下上海市污染物減排效果明顯優(yōu)于其他3 個(gè)省，說明未來需要進(jìn)一步縮短不同省市各減排措施實(shí)施時(shí)間差，實(shí)現(xiàn)真正的區(qū)域協(xié)同治理。綜上所述，已有研究多采用定性或定量的方法對機(jī)動(dòng)車污染物減排效果評估展開研究。近年來，國家頒布眾多措施促進(jìn)機(jī)動(dòng)車污染減排，有必要對新頒布的減排措施展開研究，并綜合分析不同減排情景下的機(jī)動(dòng)車污染物減排效果。另外，已有研究對各減排措施中新能源車推廣情景缺乏從生命周期的角度展開分析，其減排效果的評估是不夠全面的。

長三角城市群作為中國經(jīng)濟(jì)發(fā)展最快的地區(qū)之一，是中國經(jīng)濟(jì)最具活力、開放程度最高、創(chuàng)新能力最強(qiáng)的地區(qū)，包括上海，江蘇省的南京、無錫、常州、蘇州、南通、鹽城、揚(yáng)州、鎮(zhèn)江、泰州，浙江省的杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州，安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城26 市。隨著長三角城市群經(jīng)濟(jì)高速發(fā)展，機(jī)動(dòng)車保有量迅猛增長，機(jī)動(dòng)車污染問題表現(xiàn)異常明顯（Huang et al.，2011；Fu et al.，2013）。為應(yīng)對急劇增長的機(jī)動(dòng)車保有量和排放污染問題，近年來該地區(qū)頒布了一系列法律法規(guī)和控制措施，2015 年4 月長三角地區(qū)制定《長三角區(qū)域協(xié)同推進(jìn)高污染車輛環(huán)保治理的行動(dòng)計(jì)劃》，要求于2017 年底，全面淘汰黃標(biāo)車，并加快國Ⅰ、國Ⅱ等老舊車輛的淘汰，憑借長三角地區(qū)大氣污染防治協(xié)作平臺和專項(xiàng)工作機(jī)制，擴(kuò)大長三角地區(qū)高污染車輛限行范圍，嚴(yán)格檢測機(jī)動(dòng)車排放，強(qiáng)化黃標(biāo)車和老舊車數(shù)據(jù)共享，并實(shí)現(xiàn)異地協(xié)同監(jiān)管執(zhí)法；上海市2018 年7 月印發(fā)《上海市清潔空氣行動(dòng)計(jì)劃(2018—2022)》、江蘇省2018 年9 月印發(fā)《江蘇省打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃實(shí)施方案》、浙江省2018 年10 月印發(fā)《浙江省打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》、安徽省2018 年9 月印發(fā)《安徽省打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃實(shí)施方案》中均明確提出防治機(jī)動(dòng)車污染的具體措施，包括加強(qiáng)機(jī)動(dòng)車管理、大力發(fā)展公共交通、優(yōu)化交通結(jié)構(gòu)、實(shí)施更嚴(yán)格的新車排放標(biāo)準(zhǔn)和燃油品質(zhì)、大力推廣新能源汽車、實(shí)施道路暢通工程以及加快淘汰黃標(biāo)車和老舊車輛等。據(jù)此本研究構(gòu)建1999—2015 年長三角城市群機(jī)動(dòng)車污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放清單，為區(qū)域污染物排放清單的完整性和空氣質(zhì)量模式模擬的準(zhǔn)確性提供數(shù)據(jù)支撐；在建立機(jī)動(dòng)車污染物排放清單的基礎(chǔ)上，設(shè)定8 種污染物減排情景，評估其減排效果，并采用生命周期的評價(jià)方法對其中新能源車推廣情景進(jìn)行科學(xué)評估，旨在為區(qū)域機(jī)動(dòng)車污染治理提供科學(xué)決策依據(jù)，對輔助決策者快速篩選出最優(yōu)的控制方案具有一定的科學(xué)參考價(jià)值和現(xiàn)實(shí)性。

1 研究方法

1.1 排放清單建立

機(jī)動(dòng)車污染物排放清單基于機(jī)動(dòng)車保有量、排放因子和年均行駛里程數(shù)據(jù)通過式（1）計(jì)算求得：

其中，m 為長三角城市群26 個(gè)城市；n 為污染物（CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2）；i 為機(jī)動(dòng)車類型（輕型客車-PC、輕型貨車-LDV、重型客車-BUS、重型貨車-HDT 和摩托車-MC）；j 為1999—2015 年機(jī)動(dòng)車實(shí)施的排放標(biāo)準(zhǔn)；Qm,n為m 區(qū)域n 類污染物的排放量，t·a-1；Pm,i,j為m區(qū)域內(nèi)i 種車型在j 種排放標(biāo)準(zhǔn)下保有量，輛；VKTm,i為m 區(qū)域i 種車型年平均行駛里程，km·a-1；EFi,j,n為i 種車型在j 種排放標(biāo)準(zhǔn)下n 類污染物的排放因子，g·(km·輛)-1。

1.1.1 機(jī)動(dòng)車保有量

本研究所需要的1999—2015 年長三角城市群各城市各類型機(jī)動(dòng)車保有量數(shù)據(jù)來自相應(yīng)的統(tǒng)計(jì)年鑒（上海市統(tǒng)計(jì)年鑒，2000—2016；江蘇省統(tǒng)計(jì)年鑒，2000—2016；浙江省統(tǒng)計(jì)年鑒，2000—2016；安徽省統(tǒng)計(jì)年鑒，2000—2016；中國汽車工業(yè)年鑒，2000—2016）。本研究假定一旦新的排放標(biāo)準(zhǔn)實(shí)施，當(dāng)年生產(chǎn)的機(jī)動(dòng)車必須嚴(yán)格符合新的排放標(biāo)準(zhǔn)（Wang et al.，2008；Huo et al.，2011；Sun et al.，2016）。

本研究參照已有文獻(xiàn)的方法（Cai et al.，2007；Sun et al.，2016），根據(jù)各個(gè)城市每年的新車注冊量、機(jī)動(dòng)車存活率以及各類機(jī)動(dòng)車實(shí)施不同排放標(biāo)準(zhǔn)的時(shí)間計(jì)算各年份各類車型在不同排放標(biāo)準(zhǔn)下的保有量，具體計(jì)算方法如式（2）所示：

其中，Nm,i,j代表區(qū)域m 車型為i 在排放標(biāo)準(zhǔn)j下的機(jī)動(dòng)車新注冊量（S0—S5 代表排放標(biāo)準(zhǔn)國0—國Ⅴ）；Pm,i,total代表在區(qū)域m 內(nèi)車型i 的全部的機(jī)動(dòng)車保有量；k 代表新車注冊年份；y 代表所研究年份；n 代表排放標(biāo)準(zhǔn)j 執(zhí)行時(shí)長；r 代表機(jī)動(dòng)車存活率（Sun et al.，2016）。

本研究采用分類預(yù)測法對長三角城市群各城市2016—2025 年機(jī)動(dòng)車保有量進(jìn)行預(yù)測。研究表明輕型客車保有量的變化符合Gompertz 模型曲線，機(jī)動(dòng)車保有率隨著人均收入的增加呈現(xiàn)S 型曲線增長（Dargay et al.，1997，1999）。本研究輕型客車采用Gompertz 模型進(jìn)行預(yù)測，重型客車、輕型貨車、重型貨車和摩托車分別應(yīng)用回歸曲線擬合方法進(jìn)行預(yù)測。首先構(gòu)建Gompertz 曲線方程表達(dá)式：

其中，V(x)為輕型客車保有率，輛·千人-1；x為人均可支配收入，yuan·person-1；γ 為輕型客車保有率的飽和水平，其取值參考相關(guān)文獻(xiàn)（吉木色等，2013；Guo et al.，2016），本研究選取0.6；α、β 為模型待估參數(shù)，其估算方法為利用1999—2015 年的輕型客車保有率（輕型客車保有量除以人口數(shù)據(jù)）與當(dāng)年的人均可支配收入進(jìn)行數(shù)據(jù)擬合得到。根據(jù)1999—2015 年人均可支配收入預(yù)測未來年份（2016—2025 年）26 個(gè)城市的人均可支配收入均值，運(yùn)用式（3）可預(yù)測得到未來10 年各個(gè)城市的輕型客車保有率。通過GM (1, 1)灰色模型法，預(yù)測未來10 年各個(gè)城市的人口數(shù)量，進(jìn)而計(jì)算得到2016—2025 年各個(gè)城市的輕型客車保有量，將所得數(shù)據(jù)與回歸曲線擬合得到的相應(yīng)年份的重型客車、輕型貨車、重型貨車和摩托車預(yù)測值，從而得到長三角城市群2016—2025 年的機(jī)動(dòng)車保有量預(yù)測值（圖2）。采用同樣的方法預(yù)測出各個(gè)城市2016—2025 年的新車注冊量，并根據(jù)機(jī)動(dòng)車存活率計(jì)算出未來各年份各車型的年齡分布情況，并同樣假定車輛按照注冊年份實(shí)施對應(yīng)的排放標(biāo)準(zhǔn)，依此來確定長三角城市群各個(gè)城市未來2016—2025 年實(shí)施各排放標(biāo)準(zhǔn)的機(jī)動(dòng)車數(shù)量。

圖2 2016-2025 年長三角城市群機(jī)動(dòng)車保有量預(yù)測圖 Fig. 2 The prediction chart of vehicle population of the Yangtze River Delta from 2016-2025

1.1.2 年均行駛里程

中國機(jī)動(dòng)車年均行駛里程數(shù)據(jù)并沒有官方公布的統(tǒng)計(jì)數(shù)據(jù)，本研究1999—2015 年年均行駛里程數(shù)據(jù)根據(jù)已有研究結(jié)果（He et al.，2005；Cai et al.，2007；胡迪峰，2008；林秀麗等，2009；鄧君俊，2011；Lang et al.，2014），并參考對中國不同區(qū)域與發(fā)展規(guī)模城市研究中的年均行駛里程數(shù)據(jù)（王岐東等，2007；Huo et al.，2012；姚志良等，2012），對缺失數(shù)據(jù)的城市選取相近經(jīng)濟(jì)發(fā)展水平、機(jī)動(dòng)車保有量等的城市進(jìn)行合理假設(shè)（Huang et al.，2011），而對于中間年份缺失的數(shù)據(jù)采用線性插值法獲得（Lang et al.，2012）。

本研究對2016—2025 年長三角城市群各城市不同類型機(jī)動(dòng)車年均行駛里程數(shù)據(jù)的預(yù)測，根據(jù)已有研究可知輕型客車年均行駛里程數(shù)據(jù)與其保有率呈現(xiàn)顯著相關(guān)（Huo et al.，2012），而重型客車、輕型客車和重型貨車年均行駛里程數(shù)據(jù)與商業(yè)活動(dòng)有較大關(guān)系。根據(jù)1999—2015 年長三角城市群各城市機(jī)動(dòng)車年均行駛里程數(shù)據(jù)，建立年均行駛里程與輕型客車保有率的相關(guān)關(guān)系（指數(shù)相關(guān)性），并結(jié)合前文運(yùn)用Gompertz 曲線預(yù)測得到的2016—2025 年輕型客車保有率，從而獲得2016—2025 年輕型客車年均行駛里程數(shù)據(jù)；采用彈性系數(shù)法建立重型客車、輕型貨車和重型貨車的年均行駛里程年均增長率與GDP 年均增長率的彈性系數(shù)，并結(jié)合中國社會(huì)科學(xué)院等對中國未來GDP 潛在增長率的相關(guān)預(yù)測，合理預(yù)測2016—2025 年各城市的GDP增長率，從而獲得三類機(jī)動(dòng)車2016—2025 年的年均行駛里程數(shù)據(jù)。摩托車由于各城市“限摩”措施的相繼頒布實(shí)施，預(yù)測未來幾年摩托車年均行駛里程呈下降趨勢。單車年均行駛里程結(jié)果如表1 所示。

1.1.3 排放因子

本研究采用COPERT Ⅳ（v11.2）模型估算1999—2015 年長三角城市群各城市各類型機(jī)動(dòng)車污染物排放因子。COPERT Ⅳ模型需要輸入的參數(shù)主要包括車輛類型、平均行駛速度和氣象數(shù)據(jù)等，各類型機(jī)動(dòng)車平均行駛速度數(shù)據(jù)來源于相關(guān)文獻(xiàn)研究結(jié)果（謝紹東等，2006；Cai et al.，2007；Wang et al.，2009，2010；鄧君俊，2011；Lang et al.，2012；田軍，2013）；燃料參數(shù)來自國家和地方車用燃油標(biāo)準(zhǔn)；相對濕度和月最高低氣溫來自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)。

對各城市不同類型機(jī)動(dòng)車污染物排放因子的預(yù)測，在對模型所需的各個(gè)參數(shù)的預(yù)測基礎(chǔ)上，采用COPERT Ⅳ模型對排放因子進(jìn)行估算（王聰，2015）。對汽油、柴油的消耗量采用線性回歸擬合方法進(jìn)行預(yù)測；對短時(shí)間以月為單位的溫度和濕度的預(yù)測暫時(shí)沒有理想的預(yù)測方法，本文假定未來10年各月份最高溫度為1999—2015 年相應(yīng)月份最高溫度的均值，最低溫度為相應(yīng)月份的最低溫度的均值，濕度為相應(yīng)月份的均值。結(jié)合上述預(yù)測并參考已有研究（蔡皓等，2010；車汶蔚，2010；張少君，2014；），通過相關(guān)資料調(diào)研和修正，估算得到了2016-2025 年機(jī)動(dòng)車污染物排放因子。

1.2 情景分析

1.2.1 基準(zhǔn)情景（Business as usual，BAU）

基準(zhǔn)情景指維持現(xiàn)有污染物排放標(biāo)準(zhǔn)與控制措施，不再實(shí)施其他額外減排措施并保持機(jī)動(dòng)車自然淘汰的情景，據(jù)此可以評估其他兼顧額外減排措施情景的實(shí)施效果。

1.2.2 提高排放標(biāo)準(zhǔn)情景（High standard replacement，HSR）

根據(jù)中國環(huán)境保護(hù)部門在機(jī)動(dòng)車污染物排放控制標(biāo)準(zhǔn)方面的實(shí)施力度和長三角城市群今后可能實(shí)施更加嚴(yán)格的機(jī)動(dòng)車污染物排放標(biāo)準(zhǔn)計(jì)劃設(shè)定提高排放標(biāo)準(zhǔn)情景（表2），并且假設(shè)其他控制措施不變，與基準(zhǔn)情景保持一致。

表1 機(jī)動(dòng)車年均行駛里程預(yù)測值 Table 1 The predicted value of the vehicle kilometers traveled km·a-1

表2 機(jī)動(dòng)車污染物排放標(biāo)準(zhǔn)實(shí)施時(shí)間 Table 2 Implementation timetable of vehicular emission standards

1.2.3 提升燃油品質(zhì)情景（Raising fuel standards，RFS）

新的油品質(zhì)量標(biāo)準(zhǔn)的頒布實(shí)施可為機(jī)動(dòng)車污染減排帶來立竿見影的效益，車用油品中硫含量對機(jī)動(dòng)車污染減排至關(guān)重要。基于長三角城市群各城市相關(guān)部門對車用油品標(biāo)準(zhǔn)實(shí)施時(shí)間的計(jì)劃預(yù)測油品中硫含量，上海、江蘇和浙江各城市汽油車和柴油車分別于2015 年實(shí)施國Ⅴ標(biāo)準(zhǔn)，2018 年實(shí)施國Ⅵ標(biāo)準(zhǔn)；安徽省各城市汽油車和柴油車分別于2017 年實(shí)施國Ⅴ標(biāo)準(zhǔn)，2019 年實(shí)施國Ⅵ標(biāo)準(zhǔn)。各類型機(jī)動(dòng)車保有量、年均行駛里程數(shù)據(jù)與基準(zhǔn)情景保持一致，通過輸入新的燃油標(biāo)準(zhǔn)參數(shù)計(jì)算獲得排放因子。

1.2.4 淘汰高排放車情景（Eliminate substandard vehicles，ESV）

對黃標(biāo)車和高污染車輛的淘汰是減少機(jī)動(dòng)車污染物排放的有效措施，因此針對長三角城市群未來淘汰高排放車輛設(shè)定相應(yīng)情景（表3）。各類型機(jī)動(dòng)車年均行駛里程數(shù)據(jù)與基準(zhǔn)情景保持一致，通過淘汰機(jī)動(dòng)車車隊(duì)中低排放標(biāo)準(zhǔn)的車輛從而計(jì)算得出新的機(jī)動(dòng)車污染物平均排放因子，同時(shí)為了保證機(jī)動(dòng)車保有量不變，每年淘汰機(jī)動(dòng)車數(shù)量用當(dāng)年最新的排放標(biāo)準(zhǔn)機(jī)動(dòng)車替代。

1.2.5 大力發(fā)展公共交通情景（Public transport priority，PTP）

大力發(fā)展公共交通能夠有效提升居民使用公共交通出行的比例，減少輕型客車和摩托車的使用次數(shù)，從而減少輕型客車和摩托車的年均行駛里程。根據(jù)已有研究得出輕型客車年均行駛里程隨著公共交通出行比例的提高以每年1%以上的比例下降，由于“限摩”令的實(shí)施，假設(shè)摩托車年均行駛里程以每年2%以上的比例下降，本研究按照此方法，長三角城市群對公共交通發(fā)展加大建設(shè)和補(bǔ)貼力度，到2025 年輕型客車和摩托車的年均行駛里程相對于基準(zhǔn)情景分別減少10%和20%。

1.2.6 推廣新能源車情景（Alternative energy replacement，AER）

推廣新能源車是減少機(jī)動(dòng)車能源消耗、污染物排放的有效手段。中國電力很大比例來源于煤炭發(fā)電，對于電動(dòng)車的推廣如果考慮上游階段污染物排放，其污染物減排效益勢必會(huì)大打折扣，引入生命周期評價(jià)方法對電動(dòng)車開展研究十分必要，本研究分別設(shè)定保守新能源車推廣情景（conservative alternative energy replacement，CAER）和激進(jìn)新能源車推廣情景（ radical alternative energy replacement，RAER），評估電動(dòng)車、混合動(dòng)力車和天然氣汽車污染物減排效果。對于保守新能源車推廣情景：假設(shè)到2025 年90%公交車都使用替代燃料與先進(jìn)動(dòng)力車輛技術(shù)，其中60%公交車使用電力驅(qū)動(dòng)，30%公交車使用混合動(dòng)力，10%公交車使用天然氣。到2025 年30%的輕型客車燃油使用電動(dòng)車替換情景，20%的輕型客車燃油使用混合動(dòng)力車替換情景。激進(jìn)新能源車推廣情景，情景設(shè)置與保守新能源車推廣情景一致，其中電動(dòng)車上游電力為清潔能源提供。

本研究參考已有的研究（蔡皓等，2010；張少君，2014；車汶蔚，2010；宋國華等2007；劉宏等，2007；周昱等，2010）獲取混合動(dòng)力車和天然氣車污染物排放因子，混合動(dòng)力車和天然氣車年均行駛里程數(shù)據(jù)與基準(zhǔn)情景相同，根據(jù)以上參數(shù)估算長三角城市群各城市混合動(dòng)力車和天然車污染物排放量。

本研究基于美國阿貢國家實(shí)驗(yàn)室開發(fā)的GREET 模型和已有的研究對電動(dòng)車進(jìn)行生命周期分析（李書華，2014；于明霞，2014；王人潔，2015）。

表3 高排放車輛淘汰時(shí)間表 Table 3 Elimination deadline of higher emission vehicles

（1）能源消耗量估算

中國最主要的發(fā)電方式為燃煤發(fā)電，本研究燃料生命周期研究重點(diǎn)關(guān)注燃煤發(fā)電過程中污染物排放。中國電力行業(yè)近年來發(fā)展迅速，總發(fā)電量逐年遞增，相關(guān)文獻(xiàn)資料顯示中國電力行業(yè)2025 年發(fā)電總量為8.47 萬億千瓦時(shí)（吳敬儒，2015），采用全國平均電力構(gòu)成分析電力構(gòu)成比例，已有研究得出到2025 年中國煤電比例為60%（姜克雋等，2009），在此基礎(chǔ)上對長三角城市群設(shè)置相對應(yīng)的煤電比例。而上游電廠能源消耗和污染物排放與發(fā)電效率密切相關(guān)，根據(jù)國際能源署報(bào)告（IEA，2013），預(yù)測中國2025 年燃煤發(fā)電效率為38%，假設(shè)研究區(qū)域與全國燃煤發(fā)電效率相同，發(fā)電效率的計(jì)算公式如下：

式中，α 為燃煤發(fā)電效率，%；γ 為燃煤發(fā)電總耗標(biāo)準(zhǔn)煤量，kg；π 為標(biāo)準(zhǔn)煤低位發(fā)熱量，J·kg-1；β 為燃煤發(fā)電量，kWh；μ 為電熱轉(zhuǎn)換系數(shù)，J·kWh-1。

（2）污染物排放量計(jì)算

對于污染物CO2排放量的計(jì)算采用碳平衡法求得，CO2排放量由直接排放的CO2和間接排放的CO2加和求得，其中燃燒之前燃料中的碳減去燃燒產(chǎn)物VOC、CO 和CH4中的碳為直接排放的CO2中的碳，而間接排放的CO2需考慮由VOC 和CO轉(zhuǎn)化所得（王人潔，2015）。

對于污染物CO、NMVOC、NOx、PM2.5、PM10、CH4、N2O 和SO2排放量的計(jì)算，除去非燃燒排放和揚(yáng)塵污染，只對燃燒排放進(jìn)行研究。另外，由于污染物NH3排放因子的測量非常困難，且壽命較短，測量過程中還有吸附，本研究暫不考慮上游階段污染物NH3的排放，污染物SO2基于硫平衡法計(jì)算求得（李書華，2014）。對于其余污染物根據(jù)以下公式計(jì)算求得：

式中，NWTTi是第i 類污染物的燃燒排放量，g·km-1；EFi,j,k是i 類污染物排放因子，kg·kJ-1；Mj,k 是燃料消耗量，kJ·km-1。而Mj,k由以下公式求得：

式中，M 是總能源消耗量，kJ·km-1；P 是燃料所占比例；T 是控制技術(shù)所占比例；i 為污染物種類；j 為燃料類型；k 為控制技術(shù)類型。

根據(jù)以上方法，估算長三角城市群輕型客車和重型客車上游階段單車污染物的排放量（表4）。

1.2.7 摩托車限行情景（Eliminate motorcycles，EMC）

摩托車是機(jī)動(dòng)車污染物主要貢獻(xiàn)車型之一，根據(jù)各城市市區(qū)人口與郊區(qū)人口的比例關(guān)系來確定摩托車淘汰量（車汶蔚，2010），假設(shè)到2020 年長三角城市群各城市中心城區(qū)全面禁止摩托車出行，機(jī)動(dòng)車排放標(biāo)準(zhǔn)等控制措施不變，機(jī)動(dòng)車污染物排放因子、其他類型機(jī)動(dòng)車保有量與基準(zhǔn)情景保持一致。

1.2.8 綜合情景（Integrated scenario，IS）

綜合情景分為保守綜合情景（conservative integrated scenario，CIS）與激進(jìn)綜合情景（radical integrated scenario，RIS），保守綜合情景是將所有控制措施進(jìn)行有效結(jié)合，其減排措施效果在以上單項(xiàng)控制措施的基礎(chǔ)上計(jì)算得到的。激進(jìn)綜合情景在保守綜合情景的基礎(chǔ)上，考慮了新能源汽車中電動(dòng)車電力來源為清潔能源，別的情景設(shè)置與保守綜合情景一致。

2 結(jié)果和討論

2.1 機(jī)動(dòng)車污染物排放清單

根據(jù)機(jī)動(dòng)車污染物排放清單的構(gòu)建方法，計(jì)算得到長三角城市群1999-2015 年機(jī)動(dòng)車污染物排放清單（圖3），并對其時(shí)間變化趨勢進(jìn)行分析。

長三角城市群機(jī)動(dòng)車CO 和NMVOC 排放量從1999 年308.14 萬噸和37.39 萬噸增長到2003年的398.65 萬噸和55.44 萬噸，年均增長率為7.04%和8.4%，由于新的排放標(biāo)準(zhǔn)等措施的實(shí)施，2003 年之后開始下降，2015 年分別為126.82 萬噸和25.56 萬噸。

1999-2015 年機(jī)動(dòng)車污染物NOx、PM2.5和PM10排放量總體呈現(xiàn)上升趨勢，2015 年這3 種污染物的排放量分別為86.55、3.81、4.27 萬噸，相對于1999年分別增加194%、47.49%、57.56%。近幾年排放量有所下降，與實(shí)施新車排放標(biāo)準(zhǔn)、匹配的油品標(biāo)準(zhǔn)和對黃標(biāo)車采取提前淘汰鼓勵(lì)政策等有關(guān)。

研究期間，機(jī)動(dòng)車污染物CO2排放量增長趨勢明顯，1999 年CO2排放量為3 234.97 萬噸，到2015年CO2排放量增加到21 578.74 萬噸，增長567%，CO2排放量增長趨勢迅猛說明中國頒布實(shí)施的燃料標(biāo)準(zhǔn)對機(jī)動(dòng)車污染物CO2的減排效果不是很理想。1999—2015 年期間污染物CH4排放量總體呈現(xiàn)先增長后下降的趨勢，從1999 年的1.72 萬噸增加到2007 年的3.0 萬噸，年均增長率為7.4%，之后開始逐年下降，2015 年CH4排放量下降到1.94 萬噸。1999—2015 年污染物N2O 排放量總體呈現(xiàn)增長的趨勢，1999 年排放量為0.979 千噸，2015 年為3.75千噸，相對于1999 年排放量增加283%，其中2009—2010 年間排放量由8.485 千噸下降到3.763 千噸，原因是新的燃油標(biāo)準(zhǔn)的頒布實(shí)施，使得機(jī)動(dòng)車燃油質(zhì)量提升，燃油中的硫含量會(huì)對車輛的N2O 排放產(chǎn)生較大的影響，使用含硫量較低的燃油是降低車輛N2O 排放的重要手段之一（Sun et al.，2016）。

表4 2025 年長三角城市群上游階段單車污染物排放量 Table 4 The single vehicle emissions in the upstream phase of the Yangtze River Delta urban agglomeration in 2020 g·kg-1

圖3 1999—2015 長三角城市群機(jī)動(dòng)車污染物時(shí)間變化趨勢 Fig. 3 Vehicular emission trends in the Yangtze River Delta urban agglomeration from 1999 to 2015

1999—2015 年機(jī)動(dòng)車污染物NH3的排放量增長幅度相對于別的污染物是最大的，由1999 年的0.34 千噸增長到2015 年的13.79 千噸，相對于1999年排放量增加4 004%。在中國，灰霾環(huán)境問題主要來自PM2.5（Chan et al.，2008），污染物NH3對PM2.5的形成和增長至關(guān)重要，然而目前政府與社會(huì)對污染物NH3的關(guān)注程度是遠(yuǎn)遠(yuǎn)不夠的，因此今后要加大對機(jī)動(dòng)車污染物NH3的減排力度。污染物SO2排放量的多少主要是由燃油中的硫含量與機(jī)動(dòng)車數(shù)量所決定（Lang et al.，2016），從圖3 可知，研究期間SO2排放量變化趨勢與別的污染物有所不同，主要是因?yàn)?999—2015 年頒布的燃油標(biāo)準(zhǔn)中硫含量的不斷變化造成的。研究期間，SO2排放量總體呈增長趨勢，但2001—2002 年和2010—2011年這兩個(gè)時(shí)期下降趨勢明顯，由2001 年的8.20 萬噸下降到2002 年的4.11 萬噸和由2010 年的9.18萬噸下降到2011 年的2.36 萬噸，下降率分別為49.9%和74.2%。

2.2 不同控制情景減排效果比較

根據(jù)上述不同減排情景設(shè)置計(jì)算得到各情景2025 年長三角城市群機(jī)動(dòng)車污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放量，并與基準(zhǔn)情景排放量（105.32、23.65、85.96、3.86、4.81、37 452.24、1.73、0.51、1.05、4.13 萬噸）進(jìn)行對比。

圖4 各減排情景下CO 和NMVOC 的排放量 Fig. 4 CO and NMVOC emissions under the different scenarios

2025 年長三角城市群各減排情景下機(jī)動(dòng)車污染物CO 和NMVOC 排放量相對于基準(zhǔn)情景都有所降低（圖4），其中，保守新能源車推廣情景與激進(jìn)新能源車推廣情景與別的單獨(dú)情景相比減排效果較為理想，相對于基準(zhǔn)情景分別削減了12.69%和18.85%與13.66%和20.03%，這兩種減排情景下的削減比例相差較小，說明污染物CO 和NMVOC 是由車輛行駛階段主導(dǎo)的污染物，受上游階段電力來源的變化影響不大。保守綜合情景與激進(jìn)綜合情景即將所有單獨(dú)控制措施進(jìn)行有效結(jié)合，減排效果最為理想，污染物CO 和NMVOC 排放量分別削減了26.91%和31.49%與27.84%和32.61%。

長三角城市群各減排情景下機(jī)動(dòng)車污染物NOx排放量相對于基準(zhǔn)情景都有所下降（圖5），其中淘汰高排放車輛情景減排效果相對于別的單獨(dú)減排情景最為理想，比基準(zhǔn)情景下降14.41%，由于新能源車（電動(dòng)車、混合動(dòng)力車和天然氣汽車）對于污染物NOx有較好的減排效果，保守新能源車推廣情景與激進(jìn)新能源車推廣情景排放量相對于基準(zhǔn)情景分別削減7.65%和12.91%。另外，實(shí)施保守綜合情景與激進(jìn)綜合情景污染物NOx減排效果較為理想，分別削減16.57%和21.63%。雖然淘汰高排放車輛情景對于污染物NOx有比較明顯的減排效果，但需要與別的單獨(dú)措施情景進(jìn)行有效結(jié)合，以達(dá)到理想的減排效果。大部分單獨(dú)減排情景下PM2.5排放量相對于基準(zhǔn)情景有所降低，但保守新能源車情景 PM2.5排放量相對于基準(zhǔn)情景反而增加了19.81%，這是由于PM2.5排放量是由上游階段所主導(dǎo)的，而中國電力來源主要為煤炭發(fā)電，加之新能源車情景設(shè)置中推廣電動(dòng)車數(shù)量相對于別的新能源車型要高，因此帶來了較高的PM2.5排放。雖然發(fā)展天然氣汽車能夠有效降低污染物PM2.5排放量，但是其減排效果被電動(dòng)車上游階段所排放的污染抵消，因此未來需要使用更高比例的清潔能源來為電動(dòng)車提供電力。各減排情景對污染物PM10的減排效果與PM2.5相類似，其中，保守新能源車推廣情景與基準(zhǔn)情景排放量相比增加了20.07%，雖然推廣天然氣汽車能夠減少PM10的排放量，卻被電動(dòng)車上游階段所帶來的高排放量所抵消；考慮電動(dòng)車上游電力來源為清潔能源的激進(jìn)新能源車推廣情景的減排效果比較理想，相對于基準(zhǔn)情景削減15.48%。

圖5 各減排情景下NOx、PM2.5和PM10的排放量 Fig. 5 NOx, PM2.5, and PM10 emissions under the different scenarios

長三角城市群各減排情景下機(jī)動(dòng)車污染物CO2排放量相對于基準(zhǔn)情景都呈現(xiàn)出不同程度的下降（圖6），其中保守新能源車推廣情景和激進(jìn)新能源車推廣情景相對于別的單獨(dú)情景減排效果最為理想，相對于基準(zhǔn)情景分別削減了7.9%和20.56%，這兩種減排情景減排效果差別較大，原因是電動(dòng)車上游階段CO2排放量較高，抵消了混合動(dòng)力車與天然氣汽車對污染物CO2的減排優(yōu)勢。另外，保守綜合情景與激進(jìn)綜合情景減排效果都比較理想，分別削減了12.53%和24.61%。淘汰高排放車輛情景下污染物CH4減排效果最為明顯，相對于基準(zhǔn)情景排放量削減12.49%，而保守新能源車推廣情景和激進(jìn)新能源車推廣情景相對于基準(zhǔn)情景排放量分別增加11.38%和3.71%，原因與推廣天然氣汽車有關(guān)，因此未來需要對天然氣汽車的推廣全面考量其排放的利弊。提升油品質(zhì)量情景下污染物N2O 排放量相對于基準(zhǔn)情景削減13.61%，其原因是新的燃油標(biāo)準(zhǔn)的頒布實(shí)施，使得機(jī)動(dòng)車燃油質(zhì)量提升，燃油中的硫含量會(huì)對車輛的N2O 排放產(chǎn)生較大的影響，使用含硫量較低的燃油是降低車輛N2O 排放的重要手段之一（Sun et al.，2016），激進(jìn)新能源車推廣情景減排效果相對于別的單獨(dú)措施情景最為理想，相對于基準(zhǔn)情景排放量下降18.31%。隨著新的污染物排放標(biāo)準(zhǔn)的頒布實(shí)施，重型貨車與重型客車污染物N2O 排放因子出現(xiàn)增長（國Ⅳ—國Ⅵ）（蔡皓等，2010），提高排放標(biāo)準(zhǔn)情景相對于基準(zhǔn)情景排放量反而增加1.74%。

圖6 各減排情景下CO2、CH4和N2O 的排放量 Fig. 6 CO2, CH4, and N2O emissions under the different scenarios

長三角城市群各減排情景下的機(jī)動(dòng)車污染物NH3排放量相對于基準(zhǔn)情景都呈現(xiàn)出不同程度的下降趨勢（圖7），除了提升油品質(zhì)量情景相對于基準(zhǔn)情景NH3排放量增加8.82%。原因?yàn)闄C(jī)動(dòng)車為了減少NOx排放，大量使用三元催化器，可以將NOx還原成為氮?dú)?，但?shí)際上這個(gè)過程非常容易還原成NH3；在油品質(zhì)量標(biāo)準(zhǔn)較低的階段，三元催化器作用不到位，因此不會(huì)產(chǎn)生大量的NH3排放，而隨著油品質(zhì)量的提高，NH3排放量反而出現(xiàn)增加（王躍思等，2014）。在中國灰霾環(huán)境問題主要來自PM2.5（Chan et al.，2008），而機(jī)動(dòng)車所排放出來的大量污染物NH3對PM2.5的形成和增長至關(guān)重要，因此需要加大對NH3的減排力度。提升油品質(zhì)量情景下污染物SO2的排放量相對別的單獨(dú)措施情景下降幅度最大，下降93.64%，原因?yàn)槲廴疚颯O2排放量的多少主要是由燃油中的硫含量與機(jī)動(dòng)車數(shù)量所決定的（Lang et al.，2016），而保守新能源車推廣情景相對于基準(zhǔn)情景排放量反而增加221.51%，這是由于電動(dòng)車上游電力主要來源于燃煤發(fā)電，雖然推廣天然氣汽車能夠減少污染物SO2的排放，但其減排效果被電動(dòng)車上游階段SO2排放所抵消，而考慮清潔能源為電動(dòng)車提供電力的激進(jìn)新能源車推廣情景減排效果相對于保守新能源車推廣情景理想很多。

圖7 各減排情景下NH3和SO2的排放量 Fig. 7 NH3 and SO2 emissions under the different scenarios

2.3 不確定性分析

本研究應(yīng)用COPERT 模型估算長三角地區(qū)機(jī)動(dòng)車污染物排放清單，考慮到模型的估算在一定程度上會(huì)簡化復(fù)雜的排放過程，例如雖然利用模型模擬時(shí)考慮了車輛的行駛狀況，但每個(gè)車輛在不同行駛條件下的行駛狀況無法完全被模擬，導(dǎo)致計(jì)算得到的排放因子存在一定的不確定性；此外，機(jī)動(dòng)車數(shù)量計(jì)算過程中，采用的車輛存活率是參考國家級層面的車輛存活率，以及年均行駛里程數(shù)據(jù)主要參考已有文獻(xiàn)，這些計(jì)算方法均會(huì)導(dǎo)致估算的排放清單存在一些不確定性。

本研究選用蒙特卡洛方法估算機(jī)動(dòng)車排放清單的不確定性，該模型模擬需設(shè)置機(jī)動(dòng)車數(shù)量、年均行駛里程和排放因子的概率分布和變異系數(shù)。由于機(jī)動(dòng)車數(shù)量主要來自于相應(yīng)的統(tǒng)計(jì)年鑒，1999-2015 年間的機(jī)動(dòng)車數(shù)量設(shè)置為變異系數(shù)為5%的正態(tài)分布，未來年的機(jī)動(dòng)車數(shù)量設(shè)置為變異系數(shù)為10%的正態(tài)分布。年均行駛里程數(shù)據(jù)參考已有研究（Zhao et al.，2011）對年均行駛里程的不確定性研究，設(shè)置1999—2015 年間年均行駛里程服從變異系數(shù)為10%的正態(tài)分布，未來年的數(shù)據(jù)服從變異系數(shù)為20%的正態(tài)分布。排放因子的變異系數(shù)參考應(yīng)用COPERT 模型計(jì)算排放因子的已有研究（Lang et al.，2014），假設(shè)污染物CO、NMVOC 和NOx服從變異系數(shù)為17%的對數(shù)正態(tài)分布，顆粒污染物PM2.5、PM10服從變異系數(shù)為34%的對數(shù)正態(tài)分布，由于已有研究中對溫室氣體CO2、CH4和N2O 以及有毒有害氣體NH3和SO2的不確定性研究較少，本研究假設(shè)其全部服從變異系數(shù)為30%的對數(shù)正態(tài)分布。試驗(yàn)次數(shù)是直接影響機(jī)動(dòng)車數(shù)量估算的另一個(gè)重要參數(shù)，為了確保結(jié)果的正確性，本研究將試驗(yàn)次數(shù)設(shè)為100 000。

全部的機(jī)動(dòng)車污染物CO、NMOVC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2在95%置信水平下的平均不確定性估算范圍分別為-14%—19%、-23%—31%、-21%—27%、-29%—43%、-29%—43%、-30%—49%、-29%—47%、-33%—58%、-44%—80%、-28%—39%。雖然估算結(jié)果存在一些不確定性，但對不同控制策略下的污染物減排潛力的估算仍然對長三角地區(qū)空氣污染控制的研究具有一定的參考價(jià)值。

3 結(jié)論

本研究采用COPERT Ⅳ模型估算長三角城市群26 個(gè)城市1999—2015 年機(jī)動(dòng)車各類污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放因子，建立排放清單。在此基礎(chǔ)上，設(shè)立8 種減排情景并對2025 年各減排情景的實(shí)施效果展開研究。結(jié)果顯示：

污染物CO、NMVOC、NOx和CO2各減排情景下排放量較基準(zhǔn)情景均有所下降，但削減量存在很大的差異性；除提升燃油品質(zhì)情景外，其余減排情景下機(jī)動(dòng)車污染物NH3排放量相對于基準(zhǔn)情景有所下降，由于NH3對PM2.5的形成和增長有明顯的促進(jìn)作用，因此在提升燃油品質(zhì)的同時(shí)需加大對NH3的減排力度；保守新能源車推廣情景和激進(jìn)新能源車推廣情景下污染物CH4的排放量相對于基準(zhǔn)情景有所增加，表明天然氣汽車在溫室氣體減排方面并不占優(yōu)勢，未來對天然氣汽車的推廣需全面考量其排放的利弊；機(jī)動(dòng)車污染物PM2.5、PM10和SO2排放主要由上游主導(dǎo)的污染物排放，而中國電力很大比例來源于燃煤發(fā)電，因此針對這3 種污染物的保守新能源車推廣情景減排效果不容樂觀，而考慮清潔能源為電動(dòng)車提供電力來源的激進(jìn)新能源車推廣情景，其排放量相對于保守新能源車推廣情景下降趨勢明顯。

單一污染控制政策的減排效果比較有限，而所有政策疊加的減排效果則非常可觀，因而長三角地區(qū)未來對機(jī)動(dòng)車污染控制仍需采用綜合的機(jī)動(dòng)車污染控制政策，多方面多角度地控制機(jī)動(dòng)車污染排放量，進(jìn)一步縮短不同城市各政策實(shí)施的時(shí)間差。以上海市作為核心區(qū)域，在推動(dòng)機(jī)動(dòng)車污染控制政策實(shí)施的同時(shí)，輻射帶動(dòng)其他城市的機(jī)動(dòng)車污染控制水平，進(jìn)而同步高效的開展區(qū)域內(nèi)機(jī)動(dòng)車污染防治工作，真正落實(shí)區(qū)域協(xié)同治理。