孫世達(dá),王 博,孫露娜,黃 旭,王星星,張世達(dá),薄 宇,6*

江蘇省高時(shí)空分辨率機(jī)動(dòng)車排放清單構(gòu)建及特征

孫世達(dá)1,王 博2,孫露娜3,黃 旭4,王星星5,張世達(dá)5,薄 宇1,6*

(1.清華大學(xué)地球系統(tǒng)科學(xué)系,地球系統(tǒng)數(shù)值模擬教育部重點(diǎn)實(shí)驗(yàn)室,北京 100084；2.包頭市生態(tài)環(huán)境局,內(nèi)蒙古 包頭 014060；3.南開(kāi)大學(xué)環(huán)境科學(xué)與工程學(xué)院,天津市城市交通污染防治研究重點(diǎn)實(shí)驗(yàn)室,天津 300071；4.南京師范大學(xué)地理科學(xué)學(xué)院,江蘇 南京 210023；5.南京天地環(huán)境污染防治研究院,江蘇 南京 210003；6.中國(guó)科學(xué)院大氣物理研究所,東亞區(qū)域氣候-環(huán)境重點(diǎn)實(shí)驗(yàn)室, 北京 100029)

針對(duì)自上而下法建立的機(jī)動(dòng)車排放清單時(shí)空分辨率偏低的問(wèn)題,從月度排放計(jì)算、行駛里程權(quán)重、交通數(shù)據(jù)融合等方面系統(tǒng)優(yōu)化了傳統(tǒng)的方法學(xué)框架,據(jù)此建立了2018年江蘇省機(jī)動(dòng)車排放清單,分析了排放的結(jié)構(gòu)層次特征、社會(huì)經(jīng)濟(jì)關(guān)聯(lián)和時(shí)空分布規(guī)律.結(jié)果表明,2018年江蘇省機(jī)動(dòng)車CO、VOCs、NO和PM2.5的排放量分別為84.00,16.68,61.72和2.11萬(wàn)t.CO和VOCs主要由汽油小型客車貢獻(xiàn),NO和PM2.5主要由柴油重型貨車貢獻(xiàn),國(guó)3及以下標(biāo)準(zhǔn)車輛排放貢獻(xiàn)高于其保有量占比,冬季機(jī)動(dòng)車排放高于其它季節(jié).在城市尺度上,機(jī)動(dòng)車排放集中在蘇州、無(wú)錫、南京、徐州、南通、連云港和常州,機(jī)動(dòng)車人均CO和VOCs排放量與道路排放強(qiáng)度的相關(guān)性高于NO和PM2.5,機(jī)動(dòng)車排放與城市GDP以及建成區(qū)面積的相關(guān)性較為顯著.機(jī)動(dòng)車CO和VOCs排放聚集于中心城區(qū),NO和PM2.5排放呈條帶狀分布,排放日變化存在著“兩峰一谷”的特征.

機(jī)動(dòng)車排放；大氣污染物；排放清單；高時(shí)空分辨率；江蘇省

機(jī)動(dòng)車排放清單是大氣污染防治的基礎(chǔ)依據(jù),其建立方法主要有自上而下法與自下而上法[1].自下而上法具有較高的時(shí)空分辨率,但是對(duì)數(shù)據(jù)的詳實(shí)性與可靠性要求較高[2],通常只應(yīng)用于城市乃至城區(qū)尺度[3].自上而下法基于宏觀統(tǒng)計(jì)數(shù)據(jù)計(jì)算,具有適用性強(qiáng)、靈活性好、遷移性佳等諸多優(yōu)點(diǎn),可應(yīng)用于國(guó)家[4]、區(qū)域[5]、省份[6]、城市[7]多級(jí)空間尺度.然而,自上而下法排放清單的時(shí)空分辨率往往偏低.如何將自上而下法的普適性與自下而上法的精細(xì)性相結(jié)合,在較大空間尺度上建立高時(shí)空分辨率機(jī)動(dòng)車排放清單,是當(dāng)前亟待解決的科學(xué)問(wèn)題.

近年來(lái),自上而下法的相關(guān)研究在模型算法、時(shí)空解析、結(jié)果應(yīng)用等多個(gè)方面不斷深入.從模型選取來(lái)看,早年的研究多采用COPERT[8]、MOVES[9]等國(guó)外模型分析國(guó)內(nèi)機(jī)動(dòng)車排放狀況,模型的本土適用性存在問(wèn)題.生態(tài)環(huán)境部發(fā)布的《道路機(jī)動(dòng)車大氣污染物排放清單編制技術(shù)指南(試行)》(以下簡(jiǎn)稱《指南》)給出了本土化的排放清單構(gòu)建方法與基礎(chǔ)數(shù)據(jù)[10],目前在多區(qū)域、多尺度上得到了廣泛應(yīng)用.在時(shí)間分辨率方面,傳統(tǒng)自上而下法排放清單報(bào)告的是年度排放量[11],但近來(lái)有研究開(kāi)始建立機(jī)動(dòng)車月度排放清單[12],引入月、周、日尺度的精細(xì)交通數(shù)據(jù)提升排放的時(shí)間分辨率[13].在空間分辨率方面,排放清單網(wǎng)格化方法不斷優(yōu)化改進(jìn),早期的空間分配代用參數(shù)采用經(jīng)濟(jì)數(shù)據(jù)[14]、人口數(shù)據(jù)[15],后來(lái)逐漸開(kāi)發(fā)出標(biāo)準(zhǔn)道路長(zhǎng)度[16]、行駛里程權(quán)重[2]等方法,有效提升了排放清單的空間分辨率.除用于排放特征分析和空氣質(zhì)量模型輸入外,還有研究關(guān)注機(jī)動(dòng)車排放與社會(huì)經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)性[17],這進(jìn)一步拓寬了排放清單的應(yīng)用范疇.

盡管自上而下法的相關(guān)研究在模型方法、時(shí)空分配和結(jié)果應(yīng)用等方面提出了諸多改進(jìn),但這些成果相對(duì)分散,亟待被梳理整合成一套相對(duì)完整的技術(shù)體系.本研究系統(tǒng)闡述了采用自上而下法建立高時(shí)空分辨率機(jī)動(dòng)車排放清單的方法學(xué)框架,耦合了月度排放計(jì)算、里程時(shí)空劃分、排放因子模擬、網(wǎng)格排放分配等多個(gè)層級(jí)的模型,并將此方法應(yīng)用在江蘇省這一社會(huì)經(jīng)濟(jì)發(fā)達(dá)、機(jī)動(dòng)車污染嚴(yán)重[13]的典型省份,建立了江蘇省2018年0.05°×0.05°、小時(shí)分辨率的機(jī)動(dòng)車網(wǎng)格化排放清單,分析了排放的多層次精細(xì)結(jié)構(gòu),討論了城市尺度的排放特征及其與社會(huì)經(jīng)濟(jì)的關(guān)聯(lián)性,探究了排放的時(shí)空分布規(guī)律.本研究闡述的機(jī)動(dòng)車高時(shí)空分辨率排放清單構(gòu)建方案,可以為相關(guān)領(lǐng)域的研究者提供方法學(xué)借鑒,所建立的江蘇省機(jī)動(dòng)車排放清單,可為當(dāng)?shù)丶邦愃茀^(qū)域的機(jī)動(dòng)車污染防治工作提供決策參考.

1 材料與方法

1.1 排放計(jì)算

本研究采用的機(jī)動(dòng)車排放計(jì)算公式如下:

式中:表示污染物排放量,t;表示污染物類型,包括CO、VOCs、NO和PM2.5;表示研究年,本研究中為2018年;表示月份,為全年1～12月;表示城市,包括江蘇省13個(gè)地級(jí)市,即南京、無(wú)錫、徐州、常州、蘇州、南通、連云港、淮安、鹽城、揚(yáng)州、鎮(zhèn)江、泰州和宿遷;表示車輛類型,為便于分析和展示,本研究參考李荔等[13]提出的轉(zhuǎn)化方法將統(tǒng)計(jì)資料中常見(jiàn)的10類車型合并為小型客車、大型客車、輕型貨車、重型貨車和摩托車5類(表1);表示燃料種類,分為汽油、柴油、其它(壓縮天然氣、液化天然氣和液化石油氣等)共3類;表示排放標(biāo)準(zhǔn),涵蓋了國(guó)1前、國(guó)1、國(guó)2、國(guó)3、國(guó)4、國(guó)5共6個(gè)階段;表示道路類型,分為快速路、主干路和支路共3類;VP、VKT和EF分別表示機(jī)動(dòng)車保有量、年均行駛里程和排放因子,單位分別為輛、km/a和g/km.

本研究從時(shí)間和空間兩個(gè)層面提升了自上而下法的精細(xì)度.在時(shí)間上,根據(jù)客貨運(yùn)量將機(jī)動(dòng)車的年活動(dòng)水平劃分至月度,同時(shí)結(jié)合不同月份的氣象條件模擬排放因子,得到機(jī)動(dòng)車月度排放量.在空間上,根據(jù)不同車型的行駛規(guī)律,將機(jī)動(dòng)車活動(dòng)水平分配至不同道路類型,同時(shí)考慮了行駛工況對(duì)排放因子的影響.

1.1.1 機(jī)動(dòng)車保有量 統(tǒng)計(jì)年鑒作為最常用的數(shù)據(jù)源[7],可以給出準(zhǔn)確的分車輛類型保有量,但通常不包含燃料種類和排放標(biāo)準(zhǔn)的信息,這會(huì)增加排放清單的不確定性.本研究基于生態(tài)環(huán)境部門(mén)提供的江蘇省城市級(jí)機(jī)動(dòng)車注冊(cè)數(shù)據(jù)庫(kù),提取到了“車輛類型-燃料種類-排放標(biāo)準(zhǔn)”3級(jí)分類的機(jī)動(dòng)車詳細(xì)保有量,提升了數(shù)據(jù)的精細(xì)度和準(zhǔn)確性.

2018年,江蘇省機(jī)動(dòng)車保有量為1982.58萬(wàn)輛(圖1).蘇州、南京、無(wú)錫的機(jī)動(dòng)車保有量位居全省前三,分別為412.55,266.22,229.03萬(wàn)輛,合計(jì)占全省總量的45.8%.全省小型客車的保有量占比達(dá)到了83.1%,遠(yuǎn)高于其它車型.機(jī)動(dòng)車保有結(jié)構(gòu)與社會(huì)經(jīng)濟(jì)狀況有一定關(guān)聯(lián).南京、蘇州、常州的小型客車保有量占比均值為90.4%,這與三地較高的富裕程度有關(guān).小型客車擁有量受人均收入水平的影響[18],如不考慮限購(gòu)政策,富裕地區(qū)的小型客車擁有量往往較高.徐州作為典型工業(yè)城市,重型貨車保有量占比為5.4%,顯著高于全省平均水平2.7%.

圖1 2018年江蘇省各城市機(jī)動(dòng)車保有量

1.1.2 年均行駛里程 年均行駛里程受社會(huì)經(jīng)濟(jì)、交通結(jié)構(gòu)、地理環(huán)境等多重因素的影響[19].根據(jù)實(shí)際調(diào)研結(jié)果設(shè)定本地化年均行駛里程,可以提升計(jì)算結(jié)果的準(zhǔn)確性.與保有量不同,我國(guó)多數(shù)地區(qū)并沒(méi)有官方公布的年均行駛里程值,因此該數(shù)據(jù)的獲取有一定難度.部分研究設(shè)定年均行駛里程時(shí),采用《指南》推薦值[6]或其它研究的調(diào)研結(jié)果[20],這會(huì)給排放計(jì)算帶來(lái)不確定性.本研究分別在商超停車場(chǎng)、公交公司、公路收費(fèi)站向小型客車、大型客車、貨車發(fā)放調(diào)查問(wèn)卷,搜集行駛里程信息,同時(shí)從江蘇省生態(tài)環(huán)境部門(mén)獲取本地化的行駛里程資料.基于問(wèn)卷調(diào)查與部門(mén)走訪,江蘇省小型客車、大型客車、輕型貨車、重型貨車和摩托車的年均行駛里程分別設(shè)定為12162,91590,37149,79837和7303km.

不同車輛類型的行駛行為存在差異.例如,小型客車多行駛在城區(qū)道路上,重型貨車多行駛在城郊快速路上.為表征這種差異,本研究引入里程權(quán)重參數(shù)將年均行駛里程分配至不同道路類型,公式如下:

式中:MW表示里程權(quán)重,%.本研究通過(guò)文獻(xiàn)調(diào)研[2,21-22],設(shè)定各車型的里程權(quán)重(表2).

小型客車和大型客車主要行駛于市區(qū),因此在支路上里程權(quán)重較高.輕型貨車與重型貨車受到限行政策的影響[23],主要行駛在城際公路上,因此在快速路上里程權(quán)重較高.

表2 機(jī)動(dòng)車在不同類型道路上的里程權(quán)重(%)

機(jī)動(dòng)車行駛里程與車齡負(fù)相關(guān),新車?yán)锍梯^高,舊車較低[24].這一方面是因?yàn)殡S著車齡增長(zhǎng),機(jī)動(dòng)車的使用強(qiáng)度逐漸下降;另一方面是因?yàn)槭墉h(huán)保政策影響,舊車的行駛范圍受限.本研究引入“里程-車齡”曲線[1,24-25],將里程隨車齡衰減的規(guī)律納入排放計(jì)算,最終獲取到“車輛類型-燃料種類-排放標(biāo)準(zhǔn)-道路類型”4級(jí)分類的年均行駛里程.

1.1.3 排放因子模擬 本研究采用《指南》排放因子模型,模擬城市級(jí)月度排放因子,公式如下:

式中:BEF為基準(zhǔn)排放因子,g/km;、、和分別表示環(huán)境修正因子、速度修正因子、劣化修正因子和其它修正因子.基準(zhǔn)排放因子可通過(guò)《指南》[10]和《城市大氣污染物排放清單編制技術(shù)手冊(cè)》[26]獲取.

環(huán)境修正因子表示地理氣象因素對(duì)排放的影響,包括溫度、濕度和海拔,城市級(jí)月度氣象數(shù)據(jù)從《江蘇統(tǒng)計(jì)年鑒》獲取[27].

速度修正因子以平均速度作為代用參數(shù)刻畫(huà)行駛工況對(duì)排放的影響.本研究結(jié)合實(shí)地調(diào)查和文獻(xiàn)調(diào)研[1,22],設(shè)定了不同道路和車輛類型的平均速度(表3).總體而言,快速路的平均速度最高,其次為主干路,支路最低.

直接采用《指南》給出的環(huán)境修正因子與速度修正因子會(huì)導(dǎo)致模擬結(jié)果不連續(xù),本研究引入氣象[28]和速度修正曲線[29]來(lái)優(yōu)化排放因子的模擬效果.

表3 機(jī)動(dòng)車在不同道路類型上的平均行駛速度(km/h)

劣化修正因子反映車輛劣化對(duì)排放的影響,關(guān)鍵參數(shù)為研究年,本研究為2018年.其它修正因子主要描述燃油品質(zhì)和車輛載重等因素對(duì)排放的影響,前者取自《中國(guó)移動(dòng)源環(huán)境管理年報(bào)》[30],后者采用《指南》推薦值.

1.2 時(shí)空分配

高時(shí)空分辨率的網(wǎng)格化排放清單,是大氣污染防治和空氣質(zhì)量模擬的基礎(chǔ)數(shù)據(jù).本研究建立的排放清單,時(shí)間分辨率為小時(shí),空間分辨率為0.05°× 0.05°.

1.2.1 排放時(shí)間分配 基于“月-日-時(shí)”三級(jí)時(shí)間變化系數(shù)[24],獲取逐小時(shí)的排放狀況.月尺度的時(shí)間變化系數(shù)根據(jù)交通運(yùn)輸部發(fā)布的公路旅客、貨物運(yùn)輸量[31]計(jì)算(圖2),日、小時(shí)尺度的時(shí)間變化系數(shù)基于高德地圖發(fā)布的城市交通延時(shí)指數(shù)[32],結(jié)合車流量在不同道路類型上的變化規(guī)律[24]計(jì)算(表4).

本研究用客、貨運(yùn)量分別表征載客車(小型客車和大型客車)和載貨車(輕型貨車和重型貨車)活動(dòng)水平的月變化,將年均行駛里程分配至不同月份,公式如下:

式中:TV表示月度時(shí)間變化系數(shù),%;VKT表示月度行駛里程,km/月,用于公式(1)機(jī)動(dòng)車月度排放量的計(jì)算.

在月尺度上,貨運(yùn)量的波動(dòng)比客運(yùn)量更明顯,在2月份有一個(gè)明顯的低谷,這主要是因?yàn)榇汗?jié)期間社會(huì)生產(chǎn)活動(dòng)不活躍.

圖2 江蘇省機(jī)動(dòng)車活動(dòng)水平月變化

在日尺度上,工作日的機(jī)動(dòng)車活動(dòng)水平明顯高于非工作日.在小時(shí)尺度上,機(jī)動(dòng)車活動(dòng)水平呈“兩峰一谷”分布,存在早晚交通高峰和午間時(shí)段的低谷.基于表4所示的時(shí)間變化系數(shù),可進(jìn)一步提升機(jī)動(dòng)車排放的時(shí)間分辨率,獲取逐小時(shí)排放量.

1.2.2 排放空間分配 本研究基于分道路類型的排放量,以道路長(zhǎng)度和排放強(qiáng)度為代用參數(shù),進(jìn)行排放的網(wǎng)格化.年排放的空間分配方法主要分為3步.

(1)從OpenStreetMap(https://www.openstreetmap. org/)獲取江蘇省路網(wǎng)信息(圖3),得到快速路、主干路、支路3類道路的分布狀況,借助ArcGIS平臺(tái)計(jì)算道路長(zhǎng)度.

(2)結(jié)合分道路類型的排放量與道路長(zhǎng)度計(jì)算排放強(qiáng)度,公式如下:

式中:EI為排放強(qiáng)度,t/km;為道路長(zhǎng)度,km.EI計(jì)算需要的分城市、分道路類型排放量E,根據(jù)公式(1)計(jì)算得到.

表4 江蘇省各城市機(jī)動(dòng)車活動(dòng)水平日、小時(shí)變化系數(shù)(%)

圖3 江蘇省道路類型分布

(3)采用ArcGIS平臺(tái)將研究區(qū)域劃分為0.05°×0.05°空間分辨率的網(wǎng)格,計(jì)算每個(gè)網(wǎng)格內(nèi)分道路類型的長(zhǎng)度,與排放強(qiáng)度結(jié)合求得單個(gè)網(wǎng)格的污染物排放量,公式如下:

式中:為網(wǎng)格編號(hào);E表示年度城市網(wǎng)格內(nèi)污染物的排放量.

至此可獲得機(jī)動(dòng)車年度網(wǎng)格化排放清單.將公式(5)的年排放量E替換為月、日、時(shí)排放量,即可以獲取相應(yīng)時(shí)間尺度的網(wǎng)格化排放清單.

2 結(jié)果與討論

2.1 省域排放

2018年江蘇省機(jī)動(dòng)車CO、VOCs、NO和PM2.5的排放量分別為84.00,16.68,61.72和2.11萬(wàn)t(圖4).

從車輛類型來(lái)看,CO和VOCs的首要貢獻(xiàn)源為小型客車,分擔(dān)率分別為47.5%和56.1%,NO和PM2.5的首要貢獻(xiàn)源為重型貨車,分擔(dān)率分別為66.2%和56.4%.小型客車是車隊(duì)構(gòu)成的主體,對(duì)污染物排放的平均貢獻(xiàn)為29.8%.大型客車與重型貨車的保有量遠(yuǎn)低于小型客車,但對(duì)污染物排放的平均貢獻(xiàn)率分別達(dá)到了17.4%和40.5%,這體現(xiàn)了構(gòu)建綠色公交與物流體系的必要性.盡管近年來(lái)不少地區(qū)摩托車的排放貢獻(xiàn)有所下降[33-34],但江蘇省摩托車對(duì)CO和VOCs排放的分擔(dān)率仍然達(dá)到了8.5%和12.0%,這與較高的摩托車保有量有關(guān).

從燃料種類來(lái)看,CO和VOCs主要由汽油車排放,分擔(dān)率分別為63.8%和71.4%,這一方面是因?yàn)槠浔Ｓ辛空贾黧w地位,達(dá)到了92.6%,另一方面是因?yàn)槠桶l(fā)動(dòng)機(jī)燃燒效率較低[35].汽油車VOCs排放包括尾氣排放和蒸發(fā)排放,二者在江蘇省的分擔(dān)率分別為65.0%和35.0%,這與已有研究有較好的一致性[28].柴油車保有量占比僅為6.0%,但對(duì)CO、VOCs、NO和PM2.5排放的分擔(dān)率分別達(dá)到了30.1%, 20.2%,86.2%和85.1%.因此,柴油車減排是機(jī)動(dòng)車污染防治的重點(diǎn),應(yīng)統(tǒng)籌實(shí)施清潔柴油車(機(jī))、清潔運(yùn)輸和清潔油品行動(dòng).

圖4 江蘇省2018年機(jī)動(dòng)車污染物排放量及其貢獻(xiàn)占比

從排放標(biāo)準(zhǔn)來(lái)看,盡管江蘇省實(shí)施了嚴(yán)格的黃標(biāo)車淘汰政策[36],但仍然存在1.7%的國(guó)1前和2.2%的國(guó)1標(biāo)準(zhǔn)車輛,它們對(duì)CO和VOCs排放的貢獻(xiàn)分別達(dá)到了16.0%和11.4%,說(shuō)明老舊車淘汰措施仍具有一定的減排空間.國(guó)3標(biāo)準(zhǔn)車輛的排放貢獻(xiàn)最為顯著,對(duì)CO、VOCs、NO和PM2.5排放的分擔(dān)率分別為28.3%,30.0%,39.3%和49.5%,均高于其保有量占比22.0%.國(guó)4和國(guó)5標(biāo)準(zhǔn)車輛的排放分擔(dān)率均值分別為29.1%和17.6%,遠(yuǎn)低于保有量占比38.9%和27.5%.機(jī)動(dòng)車排放標(biāo)準(zhǔn)越高,單車排放水平越低,排放貢獻(xiàn)低于保有量占比的現(xiàn)象就越明顯.

從“車輛類型-燃料種類-排放標(biāo)準(zhǔn)”3級(jí)分類的機(jī)動(dòng)車排放貢獻(xiàn)來(lái)看,國(guó)4汽油小型客車對(duì)CO和VOCs排放的分擔(dān)率最高,依次為12.8%和17.4%,這主要是因?yàn)槠浔Ｓ辛空急茸罡?達(dá)到了35.8%.國(guó)3重型柴油貨車對(duì)NO和PM2.5排放的分擔(dān)率最高,分別為28.0%和29.1%,對(duì)CO和VOCs排放的分擔(dān)率也達(dá)到了8.8%和8.1%,但其保有量占比僅為1.2%.考慮到這些車輛較高的排放貢獻(xiàn),江蘇省委、省政府印發(fā)的《關(guān)于深入打好污染防治攻堅(jiān)戰(zhàn)的實(shí)施意見(jiàn)》提出要基本淘汰國(guó)3及以下排放標(biāo)準(zhǔn)柴油貨車[37],此舉將有效削減當(dāng)?shù)氐臋C(jī)動(dòng)車排放.

從月度變化來(lái)看,CO排放的最高與最低點(diǎn)分別出現(xiàn)在8月和1月,對(duì)年排放的分擔(dān)率依次為8.7%和7.2%(圖5).VOCs排放的最高與最低點(diǎn)分別出現(xiàn)在12月與7月,分擔(dān)率依次為9.4%和7.6%.CO和VOCs的排放變化主要由載客車主導(dǎo),與客運(yùn)量變化存在較高的相關(guān)性.

圖5 江蘇省2018年機(jī)動(dòng)車月度排放量

NO和PM2.5排放的月變化趨勢(shì)比較相似,最高點(diǎn)均出現(xiàn)在12月,年排放分擔(dān)率分別為11.1%和11.9%,最低點(diǎn)均出現(xiàn)在7月,分擔(dān)率分別為6.3%和6.2%.NO和PM2.5排放的月變化主要由載貨車主導(dǎo).載貨車排放在2月份降幅明顯,這是因?yàn)榇汗?jié)期間企業(yè)生產(chǎn)不活躍、物流需求較低.

總體來(lái)看,冬季機(jī)動(dòng)車排放高于其它季節(jié),主要是由于低溫條件下冷啟動(dòng)排放的顯著上升[2].已有研究采用自上而下法時(shí),多在年尺度上計(jì)算機(jī)動(dòng)車排放,然后根據(jù)車流量等代用參數(shù)獲取月度排放量.由于2月份天數(shù)最少,且存在春節(jié)假期,若僅考慮車輛活動(dòng)水平變化,很可能得到2月份排放量最低的結(jié)論[38].而本研究基于月度氣象條件模擬排放因子,可以更細(xì)致的反映出溫度、濕度變化對(duì)排放的影響.考慮到冬季機(jī)動(dòng)車排放因子的上升,2月份的排放量并非全年最低.由此可見(jiàn),機(jī)動(dòng)車排放是多因素共同影響的復(fù)雜過(guò)程,僅考慮單一因素變化,很難準(zhǔn)確表征排放變動(dòng)狀況.

2.2 城市排放

CO和VOCs排放量最高的前6位城市為蘇州、無(wú)錫、南京、徐州、南通、常州,合計(jì)貢獻(xiàn)率分別為68.9%和69.4%(圖6).NO和PM2.5排放量最高的前6位城市為蘇州、徐州、南京、無(wú)錫、連云港、常州,合計(jì)貢獻(xiàn)率分別為65.8%和66.6%.蘇州的常住人口數(shù)、GDP和機(jī)動(dòng)車保有量全省最高,相應(yīng)的,機(jī)動(dòng)車排放量也最大,對(duì)CO、VOCs、NO和PM2.5的排放貢獻(xiàn)分別為18.6%,19.7%,15.9%和18.0%.

各城市機(jī)動(dòng)車排放結(jié)構(gòu)的共同性與差異性并存.CO的首要貢獻(xiàn)源在省域?qū)用婧投鄶?shù)城市為小型客車,但在徐州、連云港、泰州、宿遷為重型貨車,分擔(dān)率均值達(dá)到了43.2%.各城市VOCs的首要貢獻(xiàn)源均是小型客車,但徐州、連云港的重型貨車,以及無(wú)錫的摩托車對(duì)VOCs的分擔(dān)率均在30%左右.重型貨車在各城市均為NO的首要排放源,分擔(dān)率在50.0%～81.6%之間.PM2.5在多數(shù)城市的首要貢獻(xiàn)源為重型貨車,但在南京為大型客車,這與當(dāng)?shù)匕l(fā)達(dá)的公交系統(tǒng)有關(guān).不同城市開(kāi)展機(jī)動(dòng)車污染防治工作時(shí),應(yīng)因地制宜的選擇政策著力點(diǎn).

圖6 江蘇省2018年各城市機(jī)動(dòng)車排放量

將機(jī)動(dòng)車排放量與年末常住人口、公路里程、GDP數(shù)據(jù)相結(jié)合,分城市求取人均排放量、道路排放強(qiáng)度與單位GDP排放量,在城市尺度探究3個(gè)變量之間的關(guān)聯(lián)性(圖7).

對(duì)CO和VOCs而言,人均排放量和道路排放強(qiáng)度的相關(guān)性較為顯著,相關(guān)系數(shù)高達(dá)0.96和0.97,但對(duì)NO和PM2.5而言,相關(guān)性有所減弱,相關(guān)系數(shù)分別為0.74和0.84.南京、蘇州、無(wú)錫的人均排放量和道路排放強(qiáng)度均相對(duì)較高,反映了機(jī)動(dòng)車保有規(guī)模龐大帶來(lái)的道路擁堵、能耗加劇和污染密集問(wèn)題.宿遷、連云港的單位GDP排放較高,體現(xiàn)了交通部門(mén)對(duì)地區(qū)經(jīng)濟(jì)的拉動(dòng)作用.徐州作為全國(guó)性綜合交通樞紐[39],載貨車保有量占比達(dá)到了9.5%,因此NO的人均排放、道路排放強(qiáng)度和單位GDP排放均相對(duì)突出.

機(jī)動(dòng)車排放與主要社會(huì)經(jīng)濟(jì)指標(biāo)存在相關(guān)性[40],已有研究曾將人口[15]、第二產(chǎn)業(yè)增加值[14]和公路里程[34]等作為排放空間分配的代用參數(shù).但極少有研究系統(tǒng)分析過(guò)機(jī)動(dòng)車排放與不同社會(huì)經(jīng)濟(jì)指標(biāo)相關(guān)性的差異.為厘清這一問(wèn)題,本研究將城市尺度的機(jī)動(dòng)車排放量與10種常見(jiàn)的社會(huì)經(jīng)濟(jì)指標(biāo)進(jìn)行了相關(guān)性分析(表5).

若忽視污染物與車輛類型的差異,按照指標(biāo)相關(guān)系數(shù)的均值排序,從高到低依次為:GDP、第三產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)增加值、建成區(qū)面積、人口、公路客運(yùn)量、公路貨運(yùn)量、公路里程、土地面積、第一產(chǎn)業(yè)增加值,相關(guān)系數(shù)的均值分別為0.77,0.76, 0.75,0.75,0.70,0.63,0.59,-0.02,-0.02,-0.11.總體而言,機(jī)動(dòng)車排放與GDP以及第二、三產(chǎn)業(yè)增加值的相關(guān)性較為顯著,同時(shí)這些指標(biāo)的可獲得性較好,比較適合作為排放空間分配的代用參數(shù).機(jī)動(dòng)車排放與行政區(qū)總面積幾乎沒(méi)有相關(guān)性,但與建成區(qū)面積的相關(guān)性較高.人口和路網(wǎng)是兩類常見(jiàn)的空間數(shù)據(jù),人口與排放的相關(guān)性顯然更高,而公路里程與排放幾乎沒(méi)有相關(guān)性,這說(shuō)明僅根據(jù)道路長(zhǎng)度進(jìn)行排放空間分配可能會(huì)帶來(lái)較高的不確定性.

圖7 江蘇省2018年各城市機(jī)動(dòng)車人均排放量、道路排放強(qiáng)度與單位GDP排放量

不同車型、不同污染物的排放量與社會(huì)經(jīng)濟(jì)指標(biāo)的相關(guān)性也存在差異.建成區(qū)面積與大型客車排放的相關(guān)系數(shù)最高,達(dá)0.95,這是因?yàn)楣幌到y(tǒng)主要在建成區(qū)發(fā)揮作用.GDP與小型客車排放的相關(guān)系數(shù)最高,達(dá)0.99,說(shuō)明小型客車擁有量是城市經(jīng)濟(jì)綜合實(shí)力的體現(xiàn).第一產(chǎn)業(yè)增加值僅與重型貨車排放的相關(guān)性為正,說(shuō)明農(nóng)業(yè)發(fā)達(dá)的地區(qū)運(yùn)輸結(jié)構(gòu)往往偏重.公路客運(yùn)量與載客車排放相關(guān)性較高,貨運(yùn)量與載貨車排放相關(guān)性較高,印證了本研究為客貨車輛分別選取月度分配系數(shù)的合理性.

CO和VOCs排放與GDP的相關(guān)系數(shù)較NO和PM2.5排放更高,這與Lang等[4]的研究結(jié)論一致.CO和VOCs主要由小型客車排放,若不考慮限購(gòu)因素的影響,經(jīng)濟(jì)發(fā)達(dá)的城市小型客車數(shù)量往往較多,排放也就更高.NO和PM2.5排放與貨運(yùn)量的相關(guān)系數(shù)較CO和VOCs更高,這是因?yàn)镹O和PM2.5主要由貨車排放.由此可見(jiàn),不同污染物排放與社會(huì)經(jīng)濟(jì)指標(biāo)相關(guān)性的差異,本質(zhì)上是由排放主導(dǎo)車型的差異所致.因此,機(jī)動(dòng)車排放分配時(shí),應(yīng)根據(jù)車輛類型,而非污染物種類,來(lái)選取代用參數(shù).

2.3 時(shí)空分布

江蘇省機(jī)動(dòng)車CO、VOCs、NO和PM2.5排放分布存在著明顯的空間異質(zhì)性(圖8).江蘇省南部的污染物排放分布集中連片,重點(diǎn)城市為南京、無(wú)錫和蘇州,中部和北部的分布相對(duì)稀疏,但在徐州出現(xiàn)了明顯的排放高值區(qū).

圖8 江蘇省2018年機(jī)動(dòng)車污染物排放空間分布(t/a)

CO和VOCs排放的空間分布特征類似,污染物集中在中心城區(qū),向城市邊緣放射狀延展,排放強(qiáng)度逐漸下降.小型客車作為CO和VOCs排放的主要貢獻(xiàn)源,多行駛在市區(qū)或郊區(qū)道路上,較少有長(zhǎng)途城際行駛,因此排放呈現(xiàn)出了城區(qū)集聚、郊區(qū)發(fā)散的空間特征.NO和PM2.5排放有著較為一致的空間分布規(guī)律,二者主要由重型貨車貢獻(xiàn).與CO和VOCs不同的是,NO和PM2.5排放沿城際快速路呈現(xiàn)出了明顯的條帶狀分布特征,這是因?yàn)橹匦拓涇囍饕糜陂L(zhǎng)途跨城物流.

以典型污染物NO排放最高的月(12月)和日(周一)為例,展示江蘇省機(jī)動(dòng)車排放在兩峰(8:00、17:00)、一谷(12:00)和閑時(shí)(0:00)的時(shí)空分布狀況(圖9).機(jī)動(dòng)車在0:00、8:00、12:00和17:00的NO排放量為52.39,158.01,100.89和146.33t,分別占全天排放的2.3%、6.8%、4.4%和6.3%.

早晚高峰期間,由于居民通勤,城市地區(qū)不僅車流量較大,機(jī)動(dòng)車也會(huì)由于擁堵而處于頻繁加減速和怠速工況,兩種因素迭加會(huì)顯著推高污染物排放[41].受居民午餐、午休等生活習(xí)慣的影響,午間機(jī)動(dòng)車排放會(huì)出現(xiàn)局部低值,這種現(xiàn)象在天津[42]、鄭州[15]等地的研究中也有報(bào)道.

圖9 江蘇省2018年機(jī)動(dòng)車污染物排放日變化空間分布(kg/h)

已有研究通過(guò)自上而下法建立的機(jī)動(dòng)車排放清單,時(shí)間分辨率多停留在年尺度上[43],難以滿足空氣質(zhì)量模型小時(shí)尺度的數(shù)據(jù)輸入需求[44].本研究引入客貨運(yùn)量與精細(xì)氣象數(shù)據(jù),將傳統(tǒng)自上而下法中的年尺度計(jì)算細(xì)化至月尺度,同時(shí)結(jié)合交通延時(shí)指數(shù),得到了小時(shí)尺度的網(wǎng)格化排放清單.這套技術(shù)方法涉及的數(shù)據(jù)大多可通過(guò)公開(kāi)渠道獲取,具備較好的可遷移性,輸出結(jié)果可以更好的銜接空氣質(zhì)量模型的數(shù)據(jù)需求,具有較強(qiáng)的實(shí)用價(jià)值.

2.4 不確定性

機(jī)動(dòng)車排放清單構(gòu)建是多級(jí)模型耦合、多源數(shù)據(jù)融合的復(fù)雜過(guò)程,不可避免的存在不確定性.以下從方法和數(shù)據(jù)兩個(gè)層面分析本研究不確定性的來(lái)源和后續(xù)改進(jìn)方向.

從方法來(lái)看,排放清單模型是對(duì)排放過(guò)程的簡(jiǎn)化描述,忽略了大量現(xiàn)實(shí)細(xì)節(jié).本研究采用自上而下法,底層參數(shù)是宏觀統(tǒng)計(jì)數(shù)據(jù),難以精細(xì)刻畫(huà)某條街道、某個(gè)時(shí)段的機(jī)動(dòng)車排放狀況,也無(wú)法量化車輛跨境帶來(lái)的污染轉(zhuǎn)移.自下而上法的精細(xì)度較好,但易受數(shù)據(jù)可得性制約.未來(lái)有必要開(kāi)發(fā)排放清單方法融合技術(shù)體系,將自上而下法數(shù)據(jù)易得、操作易行的優(yōu)勢(shì),與自下而上法的結(jié)果精細(xì)、對(duì)策精準(zhǔn)的優(yōu)勢(shì)結(jié)合起來(lái).

從數(shù)據(jù)來(lái)看,排放清單構(gòu)建過(guò)程包含著大量的數(shù)據(jù)假定.為提升排放計(jì)算的時(shí)空分辨率,本研究在傳統(tǒng)的自上而下法基礎(chǔ)上引入了一些新數(shù)據(jù),可能會(huì)帶來(lái)不確定性.例如,采用客貨運(yùn)量和里程權(quán)重將年均行駛里程分配至不同月份和不同道路類型,這種方式能否客觀反映車輛活動(dòng)的時(shí)空變化規(guī)律,需要更多實(shí)際數(shù)據(jù)驗(yàn)證.已有研究多關(guān)注排放因子,較少討論活動(dòng)水平,事實(shí)上后者也是排放的重要影響因素.未來(lái)若能加強(qiáng)對(duì)活動(dòng)水平的研究[45],則可為排放清單發(fā)展提供更多有益參考.

為驗(yàn)證不確定性是否被控制在合理范圍內(nèi),將本研究與江蘇省其它研究進(jìn)行對(duì)比(表6).可以發(fā)現(xiàn),無(wú)論是在省域還是城市層面,本研究的結(jié)果與多數(shù)研究有著較好的一致性,但也與個(gè)別研究存在著較大差異,原因可歸結(jié)為模型方法不同、基礎(chǔ)數(shù)據(jù)不同或是研究年份不同.后續(xù)研究中,應(yīng)關(guān)注方法數(shù)據(jù)差異對(duì)排放清單結(jié)果的影響,結(jié)合空氣質(zhì)量模型和實(shí)際觀測(cè)數(shù)據(jù)評(píng)估排放清單的可靠性.

表6 江蘇省機(jī)動(dòng)車排放量研究對(duì)比(萬(wàn)t)

3 結(jié)論

3.1 本研究系統(tǒng)闡述了采用自上而下法建立高時(shí)空分辨率機(jī)動(dòng)車排放清單的方法學(xué)框架,引入了月度氣象、里程權(quán)重、客貨運(yùn)量、延時(shí)指數(shù)等參數(shù),提升了自上而下法的時(shí)空分辨率,在省級(jí)尺度上獲得了0.05°×0.05°、小時(shí)分辨率的機(jī)動(dòng)車網(wǎng)格化排放清單.

3.2 2018年,江蘇省機(jī)動(dòng)車CO、VOCs、NO和PM2.5的排放量分別為84.00,16.68,61.72和2.11萬(wàn)t;CO和VOCs主要由汽油小型客車貢獻(xiàn),NO和PM2.5主要由柴油重型貨車貢獻(xiàn),國(guó)3及以下標(biāo)準(zhǔn)車輛排放貢獻(xiàn)高于保有量占比;冬季機(jī)動(dòng)車排放高于其它季節(jié).

3.3 機(jī)動(dòng)車排放集中在蘇州、無(wú)錫、南京、徐州、南通、連云港和常州,各城市排放結(jié)構(gòu)整體趨同;人均CO和VOCs排放量與道路排放強(qiáng)度的相關(guān)性高于NO和PM2.5;排放與GDP以及建成區(qū)面積的相關(guān)性較為顯著;不同車型排放與社會(huì)經(jīng)濟(jì)指標(biāo)的相關(guān)性存在差異.

3.4 機(jī)動(dòng)車排放存在著明顯的空間異質(zhì)性,在江蘇省南部的分布集中連片,在中部和北部的分布相對(duì)稀疏;CO和VOCs排放聚集于中心城區(qū),NO和PM2.5排放呈條帶狀分布;排放日變化存在“兩峰一谷”,主要受居民通勤和生活習(xí)慣的影響.

[1] Sun S D, Sun L N, Liu G, et al. Developing a vehicle emission inventory with high temporal-spatial resolution in Tianjin, China [J]. Science of the Total Environment, 2021,776:145873.

[2] Zheng B, Huo H, Zhang Q, et al. High-resolution mapping of vehicle emissions in China in 2008 [J]. Atmospheric Chemistry and Physics, 2014,14(18):9787-9805.

[3] Zou C, Wu L, Wang Y N, et al. Evaluating traffic emission control policies based on large-scale and real-time data: a case study in central China [J]. Science of the Total Environment, 2023,860:160435.

[4] Lang J L, Cheng S Y, Zhou Y, et al. Air pollutant emissions from on-road vehicles in China, 1999-2011 [J]. Science of the Total Environment, 2014,496:1-10.

[5] Jiang P Y, Zhong X, Li L Y. On-road vehicle emission inventory and its spatio-temporal variations in North China Plain [J]. Environmental Pollution, 2020,267:115639.

[6] 李 媛,石嘉誠(chéng),陳軍輝,等.2010～2017年四川省機(jī)動(dòng)車污染物排放趨勢(shì)分析 [J]. 環(huán)境科學(xué), 2021,42(2):643-652. Li Y, Shi J C, Chen J H, et al. Trends in vehicle emissions in Sichuan province, 2010～2017 [J]. Environmental Science, 2021,42(2):643- 652.

[7] Sun S D, Zhao G, Wang T, et al. Past and future trends of vehicle emissions in Tianjin, China, from 2000 to 2030 [J]. Atmospheric Environment, 2019,209:182-191.

[8] Jia T, Li Q, Shi W Z. Estimation and analysis of emissions from on-road vehicles in Mainland China for the period 2011～2015 [J]. Atmospheric Environment, 2018,191:500-512.

[9] 陶雙成,鄧順熙,郝艷召,等.關(guān)中城市群道路移動(dòng)源氣態(tài)污染物排放特征 [J]. 中國(guó)環(huán)境科學(xué), 2019,39(2):542-553. Tao S C, Deng S X, Hao Y Z, et al. Vehicle emission characteristics of gaseous pollutants in Guanzhong urban agglomeration [J]. China Environmental Science, 2019,39(2):542-553.

[10] 生態(tài)環(huán)境部.關(guān)于發(fā)布《大氣可吸入顆粒物一次源排放清單編制技術(shù)指南(試行)》等5項(xiàng)技術(shù)指南的公告 [EB/OL]. http://www. mee.gov.cn/gkml/hbb/bgg/201501/t20150107_293955.htm. Ministry of Ecology and Environment. Announcement on releasing five national technical guidelines of air pollutant emissions inventory [EB/OL]. http://www.mee.gov.cn/gkml/hbb/bgg/201501/t20150107_ 293955.htm.

[11] Liu G, Sun S D, Zou C, et al. Air pollutant emissions from on-road vehicles and their control in Inner Mongolia, China [J]. Energy, 2022,238:121724.

[12] Yan L, Zheng B, Geng G N, et al. Evaporation process dominates vehicular NMVOC emissions in China with enlarged contribution from 1990 to 2016 [J]. Environmental Research Letters, 2021,16(12): 124036.

[13] 李 荔,張 潔,趙秋月,等.基于COPERT模型的江蘇省機(jī)動(dòng)車時(shí)空排放特征與分擔(dān)率 [J]. 環(huán)境科學(xué), 2018,39(9):3976-3986. Li L, Zhang J, Zhao Q Y, et al. Vehicle exhaust emission characteristics and their contributions in Jiangsu province [J]. Environmental Science, 2018,39(9):3976-3986.

[14] 宋翔宇,謝紹東.中國(guó)機(jī)動(dòng)車排放清單的建立 [J]. 環(huán)境科學(xué), 2006, 27(6):1041-1045. Song X Y, Xie S D. Development of vehicular emission inventory in China [J]. Environmental Science, 2006,27(6):1041-1045.

[15] Gong M M, Yin S S, Gu X K, et al. Refined 2013-based vehicle emission inventory and its spatial and temporal characteristics in Zhengzhou, China [J]. Science of the Total Environment, 2017,599- 600:1149-1159.

[16] Zheng J Y, Che W W, Wang X M, et al. Road-network-based spatial allocation of on-road mobile source emissions in the Pearl River Delta Region, China, and comparisons with population-based approach [J]. Journal of the Air & Waste Management Association, 2012,59(12): 1405-1416.

[17] Li S Y, Lang J L, Zhou Y, et al. Trends in ammonia emissions from light-duty gasoline vehicles in China, 1999～2017 [J]. Science of the Total Environment, 2020,700:134359.

[18] Song H, Deng S X, Lu Z Z, et al. Scenario analysis of vehicular emission abatement procedures in Xi’an, China [J]. Environmental Pollution, 2021,269:116187.

[19] Huo H, Zhang Q, He K B, et al. Vehicle-use intensity in China: Current status and future trend [J]. Energy Policy, 2012,43:6-16.

[20] 侯新紅,于興娜,沈 麗,等.2013～2017年江蘇省人為源氨排放清單的建立及特征 [J]. 環(huán)境科學(xué), 2019,40(11):4862-4869. Hou X H, Yu X N, Shen L, et al. Establishment and characteristics of an artificial ammonia emissions inventory in Jiangsu province from 2013 to 2017 [J]. Environmental Science, 2019,40(11):4862-4869.

[21] Yang X F, Liu H, Man H Y, et al. Characterization of road freight transportation and its impact on the national emission inventory in China [J]. Atmospheric Chemistry and Physics, 2015,15(4):2105- 2118.

[22] 孫世達(dá),姜 巍,高衛(wèi)東.青島市機(jī)動(dòng)車排放清單與空間分布特征 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(1):49-59. Sun S D, Jiang W, Gao W D, et al. Vehicle emission inventory and spatial distribution in Qingdao [J]. China Environmental Science, 2017, 37(1):49-59.

[23] 南京市公安局.關(guān)于優(yōu)化南京市主城區(qū)貨車通行管理政策的通告 [EB/OL]. http://gaj.nanjing.gov.cn/njsgaj/202112/t20211202_3217723.html. Nanjing Municipal Public Security Bureau. Announcement on optimizing the management policy of truck traffic in the main urban areas in Nanjing [EB/OL]. http://gaj.nanjing.gov.cn/njsgaj/202112/ t20211202_3217723.html.

[24] 孫世達(dá),金嘉欣,呂建華,等.基于精細(xì)化年均行駛里程建立機(jī)動(dòng)車排放清單 [J]. 中國(guó)環(huán)境科學(xué), 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.

[25] 王計(jì)廣,桂華僑,陳金潮,等.唐山市機(jī)動(dòng)車排放清單與減排經(jīng)濟(jì)效益研究 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(11):5114-5124. Wang J G, Gui H Q, Chen J C, et al. Vehicle emission inventory and economic benefits of emission reduction in Tangshan [J]. China Environmental Science, 2021,41(11):5114-5124.

[26] 賀克斌,王書(shū)肖,張 強(qiáng),等. 城市大氣污染物排放清單編制技術(shù)手冊(cè) [R]. 2017. He K B, Wang S X, Zhang Q, et al. Technical manual for developing urban air pollutant emission inventory [R]. 2017.

[27] 江蘇省統(tǒng)計(jì)局.江蘇統(tǒng)計(jì)年鑒 [M]. 北京:中國(guó)統(tǒng)計(jì)出版社, 2019. Jiangsu Provincial Bureau of Statistics. Jiangsu statistical yearbook [M]. Beijing: China Statistics Press, 2019.

[28] 孫露娜,仲崇智,孫世達(dá),等.2000～2020年天津市機(jī)動(dòng)車全過(guò)程VOCs排放特征及演變 [J]. 環(huán)境科學(xué), 2023,44(3):1346-1356. Sun L N, Zhong C Z, Sun S D, et al. Evolution and characteristics of full-process vehicular VOC emissions in Tianjin from 2000 to 2020 [J]. Environmental Science, 2023,44(3):1346-1356.

[29] Sun S D, Jin J X, Xia M, et al. Vehicle emissions in a middle-sized city of China: Current status and future trends [J]. Environment International, 2020,137:105514.

[30] 生態(tài)環(huán)境部.中國(guó)移動(dòng)源環(huán)境管理年報(bào) [EB/OL]. https://www.mee. gov.cn/hjzl/sthjzk/ydyhjgl/202109/t20210910_920787.shtml. Ministry of Ecology and Environment. China mobile source environmental management annual report [EB/OL]. https://www. mee.gov.cn/hjzl/sthjzk/ydyhjgl/202109/t20210910_920787.shtml.

[31] 交通運(yùn)輸部.交通運(yùn)輸部統(tǒng)計(jì)數(shù)據(jù) [EB/OL]. https://www.mot. gov.cn/tongjishuju/gonglu/. Ministry of Transport. Statistics from the Ministry of Transport [EB/OL]. https://www.mot.gov.cn/tongjishuju/gonglu/.

[32] 高德地圖.中國(guó)主要城市交通分析報(bào)告 [EB/OL]. https://report. amap.com/. Auto Navi Map. Traffic analysis report of major cities in China [EB/OL]. https://report.amap.com/.

[33] 范武波,陳軍輝,馬 冬,等.2010～2019年成都市機(jī)動(dòng)車排污特征分析及防控措施減排效果評(píng)估 [J]. 環(huán)境工程學(xué)報(bào), 2021,15(2):657- 668. Fan W B, Chen J H, Ma D, et al. Characteristics of emissions from vehicles in Chengdu from 2010 to 2019 and evaluation of effectiveness of prevention and control measures [J]. Chinese Journal of Environmental Engineering, 2021,15(2):657-668.

[34] Sun S D, Jiang W, Gao W D. Vehicle emission trends and spatial distribution in Shandong province, China, from 2000 to 2014 [J]. Atmospheric Environment, 2016,147:190-199.

[35] 沈 巖,武彤冉,閆 靜,等.基于COPERT模型北京市機(jī)動(dòng)車大氣污染物和二氧化碳排放研究 [J]. 環(huán)境工程技術(shù)學(xué)報(bào), 2021,11(6): 1075-1082. Shen Y, Wu T R, Yan J, et al. Investigation on air pollutants and carbon dioxide emissions from motor vehicles in Beijing based on COPERT model [J]. Journal of Environmental Engineering Technology, 2021, 11(6):1075-1082.

[36] 新華日?qǐng)?bào).江蘇省下達(dá)淘汰黃標(biāo)車分解任務(wù) [EB/OL]. http://www. gov.cn/xinwen/2016-10/26/content_5124525.htm. Xinhua Daily. Jiangsu province issued a breakdown of tasks to phase out yellow labelled vehicles [EB/OL]. http://www.gov.cn/xinwen/ 2016-10/26/content_5124525.htm.

[37] 新華日?qǐng)?bào).省委省政府印發(fā)《關(guān)于深入打好污染防治攻堅(jiān)戰(zhàn)的實(shí)施意見(jiàn)》江蘇亮出綠色發(fā)展“路線圖” [EB/OL]. http://www. jiangsu.gov.cn/art/2022/4/17/art_64752_10417458.html?gqnahi=affiy2. Xinhua Daily. Jiangsu province released the "implementation opinions on deepening the battle against pollution prevention and control" showing the "roadmap" for green development [EB/OL]. http://www.jiangsu.gov.cn/art/2022/4/17/art_64752_10417458.html?gqnahi=affiy2.

[38] 劉 庚,孫世達(dá),孫露娜,等.天津市2017年移動(dòng)源高時(shí)空分辨率排放清單 [J]. 環(huán)境科學(xué), 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.

[39] 國(guó)家發(fā)展和改革委員會(huì).國(guó)家發(fā)展改革委關(guān)于印發(fā)促進(jìn)綜合交通樞紐發(fā)展的指導(dǎo)意見(jiàn)的通知 [EB/OL]. https://www.ndrc.gov.cn/fggz/ zcssfz/zcgh/201304/t20130402_1145676.html?state=123&code=&state=123. National Development and Reform Commission. Circular of the National Development and Reform Commission on the issuance of guiding opinions on developing comprehensive transportation hubs [EB/OL]. https://www.ndrc.gov.cn/fggz/zcssfz/zcgh/201304/t20130402_1145676.html?state=123&code=&state=123.

[40] 郝永佩,宋曉偉,張克新,等.成渝城市群機(jī)動(dòng)車污染特征及減排分析 [J]. 生態(tài)環(huán)境學(xué)報(bào), 2020,29(8):1581-1591. Hao Y P, Song X W, Zhang K X, et al. Analysis on the vehicular pollution characteristics and emission reduction in the Chengdu- Chongqing urban agglomeration [J]. Environmental Science, 2020, 29(8):1581-1591.

[41] Zhang S J, Niu T L, Wu Y, et al. Fine-grained vehicle emission management using intelligent transportation system data [J]. Environmental Pollution, 2018,241:1027-1037.

[42] 張 意,吳 琳,毛洪鈞,等.天津市機(jī)動(dòng)車污染物排放清單及控制對(duì)策研究 [J]. 南開(kāi)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017,50(1):90-96. Zhang Y, Wu L, Mao H J, et al. Research on vehicle emission inventory and its management strategies in Tianjin [J]. Acta Scientiarum Naturalium Universitatis Nankaiensis, 2017,50(1):90-96.

[43] 金嘉欣,孫世達(dá),王 芃,等.遼寧省2000～2030年機(jī)動(dòng)車排放清單及情景分析 [J]. 環(huán)境科學(xué), 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.

[44] Li M, Liu H, Geng G N, et al. Anthropogenic emission inventories in China: a review [J]. National Science Review, 2017,4(6):834-866.

[45] 馬 冬,高 雋,劉 敏,等.基于大數(shù)據(jù)的典型城市輕型客車行駛里程特征研究 [J]. 交通節(jié)能與環(huán)保, 2021,17(6):20-26. Ma D, Gao J, Liu M, et al. Study on the characteristics of light duty vehicle kilometers traveled in typical cities based on big data analysis [J]. Transport Energy Conservation & Environmental Protection, 2021,17(6):20-26.

[46] Luo Z Y, Wang Y, Lv Z F, et al. Impacts of vehicle emission on air quality and human health in China [J]. Science of the Total Environment, 2022,813:152655.

[47] 徐 倩.基于城市交通特征的中國(guó)機(jī)動(dòng)車排放清單建立 [D]. 廣州:暨南大學(xué), 2020. Xu Q. The establishment of China's vehicle emission inventory based on urban traffic characteristics [D]. Guangzhou: Jinan University, 2020.

[48] 王荊玲.長(zhǎng)三角機(jī)動(dòng)車污染排放特征及控制政策評(píng)價(jià)研究 [D]. 杭州:浙江大學(xué), 2018. Wang J L. Study and evaluation on pollution characteristics and control policies of motor vehicles in the Yangtze River Delta region [D]. Hangzhou: Zhejiang University, 2018.

[49] 謝軼嵩,楊 峰.南京市移動(dòng)源排放清單建立研究 [J]. 安徽農(nóng)學(xué)通報(bào), 2017,23(10):98-101,141. Xie Y S, Yang F. Establishment study on emission inventory of mobile source in Nanjing city [J]. Anhui Agricultural Science Bulletin, 2017,23(10):98-101,141.

[50] Hao Y P, Song X W. Research on trends and spatial distribution of vehicular emissions and its control measure assessment in the Yangtze River Delta, China, for 1999～2015 [J]. Environmental Science and Pollution Research, 2018,25(36):36503-36517.

[51] 程 鐘,章建寧,周 俊,等.常州市大氣污染物排放清單及分布特征 [J]. 環(huán)境監(jiān)測(cè)管理與技術(shù), 2016,28(3):24-28. Cheng Z, Zhang J N, Zhou J, et al. Air pollutant emission inventory and distribution characteristics in Changzhou [J]. The Administration and Technique of Environmental Monitoring, 2016,28(3):24-28.

Development and characteristics of vehicle emission inventory with high spatiotemporal resolution in Jiangsu Province.

SUN Shi-da1, WANG Bo2, SUN Lu-na3, HUANG Xu4, WANG Xing-xing5, ZHANG Shi-da5, BO Yu1,6*

(1.Ministry of Education Key Laboratory for Earth System Modeling, Department of Earth System Science, Tsinghua University, Beijing 100084, China；2.Baotou Ecological Environment Bureau, Baotou 014060, China; 3.Tianjin Key Laboratory of Urban Transport Emission Research, College of Environmental Science and Engineering, Nankai University, Tianjin 300071, China；4.School of Geography, Nanjing Normal University, Nanjing 210023, China；5.Nanjing Tiandi Environment Research Institute, Nanjing 210003, China；6.Environment Research for Temperate East Asia, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China)., 2023,43(9)：4490～4502

In this study, the traditional methodological framework was systematically optimized by considering month-by-month emission calculation, mileage weighting, and traffic data integration to address the low spatiotemporal resolution associated with the top-down method of establishing vehicle emission inventory. Based on this, the vehicle emission inventory in Jiangsu Province in 2018 was developed, and the structural level characteristics, socio-economic correlation, and spatiotemporal distribution of emissions were analyzed. Vehicle emissions of CO, VOCs, NO, and PM2.5in Jiangsu Province were 839.97, 166.80, 617.16, and 21.15kt, respectively, in 2018. CO and VOCs were mainly contributed by gasoline cars, while NOand PM2.5were mainly contributed by heavy-duty diesel trucks. Higher emission contribution was exhibited by vehicles that met China 3 (or below) standard than their vehicle population shares, and vehicle emissions in winter were higher than in other seasons. At the city level, vehicle emissions were concentrated in Suzhou, Wuxi, Nanjing, Xuzhou, Nantong, Lianyungang, and Changzhou, and the correlation between CO and VOC emissions per capita and road emissions intensity was higher than that of NOand PM2.5. Vehicle emissions were highly correlated with GDP and the size of the built-up area. Vehicle CO and VOC emissions were concentrated in the urban area, while NOand PM2.5emissions were distributed in strips. Additionally, the "two peaks and one valley" characteristic was demonstrated by the temporal profile of daily emissions.

vehicle emissions；air pollutants；emission inventory；high spatiotemporal resolution；Jiangsu Province

X511

A

1000-6923(2023)09-4490-13

孫世達(dá)(1991-),男,山東菏澤人,助理研究員,主要從事機(jī)動(dòng)車污染防治研究.發(fā)表論文20余篇.Sunshida@126.com.

孫世達(dá),王 博,孫露娜,等.江蘇省高時(shí)空分辨率機(jī)動(dòng)車排放清單構(gòu)建及特征 [J]. 中國(guó)環(huán)境科學(xué), 2023,43(9):4490-4502.

Sun S D, Wang B, Sun L N, et al. Development and characteristics of vehicle emission inventory with high spatiotemporal resolution in Jiangsu Province [J]. China Environmental Science, 2023,43(9):4490-4502.

2023-01-29

高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)(30-Y60B01-9003-22/23);國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2022YFC3700600);黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展聯(lián)合研究一期項(xiàng)目(2022-YRUC-01-0406);江蘇省雙創(chuàng)博士基金資助項(xiàng)目(2020-30489)

* 責(zé)任作者, 高級(jí)工程師, boyu@mail.iap.ac.cn