宜賓市2018年移動源污染物排放清單與空間分布特征

李 新，馬志豪，何 超，呂恩雨，王 鑫

(1.河南科技大學 車輛與交通工程學院，河南 洛陽 471003；2.宜賓職業技術學院，四川 宜賓 644000；3.西南林業大學 機械與交通學院，云南 昆明 650224)

0 引言

移動源是指移動式空氣污染源，根據其移動位置可分為道路移動源(主要包括載客汽車、載貨汽車和摩托車等機動車)和非道路移動源(主要包括工程機械、農業機械、小型通用機械、船舶、鐵路內燃機車和民航飛機)[1]。中國生態環境部公布的2018年中國移動源環境管理年報顯示，移動源的污染排放已成為中國空氣污染的重要來源[2]。

移動源排放清單是一項艱巨且復雜的工作，國外尤其是歐美地區較早開展了相關研究，逐漸形成了可參考、標準的、系統的研究方法。文獻[3]運用MOVES模型對美國德克薩斯州的機動車排放污染物進行了評估，日排放量變化碳氫化合物(total hydrocarbons,THC)高達56%,一氧化碳(CO)、氮氧化物(NOX)、顆粒物(particulate matter,PM)的比例分別為70%、111%和149%。文獻[4]運用MOVES模型對美國亞特蘭大的機動車排放污染物進行了評估，在1995—2005年，一氧化碳、氮氧化物和揮發性有機化合物(volatile organic compounds,VOC)排放量分別為6.1%、3.3%和6.0%，呈顯著下降趨勢。文獻[5]運用MOVES模型和地理信息系統ArcGIS技術，建立了西安市2017年分辨率為1 km×1 km的機動車污染物排放清單。文獻[6]運用MOVES模型對2012年關中地區機動車排放污染物進行了評估，PM2.5、PM10、NOX、THC、CO、VOC、NH3和SO2排放量依次為0.41×104t、0.55×104t、8.19×104t、5.24×104t、45.4×104t、4.1×104t、0.1×104t和0.42×104t。

關于大氣污染物的時空分布研究較多，例如，文獻[7]依托地理信息系統(geographic information system,GIS)對伊朗德黑蘭移動源進行了高分辨率排放清單空間分布。文獻[8]使用DMSP-OLS衛星對阿根廷城市區間進行了空間分布。文獻[9]基于瞬態快照排放模型并結合地理信息系統，獲得了墨西哥城區車輛污染排放高分辨率的時空分布。文獻[10]使用自下而上的方法來預測排放量，并采用空間自相關分析方法來描述空間特征。文獻[11]采用自下而上的方法，對北京市交通揚塵的PM2.5空間分布進行了分析。文獻[12]基于實測校正和本地化的IVE模型，計算了不同區域機動車在高速路、主干道、次干道和支路的排放因子，應用GIS技術建立了1 km×1 km的成都市高時空分辨率道路移動源排放清單。

宜賓市位于四川省中南部，隨著近幾年城市的迅猛發展，移動源總量急劇增加。目前針對宜賓市移動源污染物排放清單的研究接近空白，本文基于MOVES模型和ArcGIS技術，建立了宜賓市2018年分辨率為2 km×2 km的移動源網格化排放清單。以期為決策者提供可實施且有效的措施建議，并為今后宜賓市移動源污染物排放的進一步研究提供基礎數據和理論支持。

1 材料與方法

1.1 研究區域與對象

本文研究的范圍為宜賓市10個區縣，分為2個區域，包括城區(翠屏區、敘州區和南溪區)，郊縣(屏山縣、高縣、珙縣、筠連縣、長寧縣、江安縣、興文縣)，研究范圍示意圖如圖1所示。本文建立了宜賓市2018年移動源排放清單，涵蓋THC、CO、NOX、PM2.5、PM10、NH3、SO2和VOC共8種污染物，包括汽車、摩托車及非道路移動源。

圖1 研究范圍示意圖

1.2 清單估算

中國生態環境部2015年頒布的《道路機動車大氣污染物排放清單編制技術指南(試行)》和《非道路移動源大氣污染物排放清單編制技術指南(試行)》[13-14](以下統稱《指南》)中明確了污染物排放清單編制的技術方法、技術流程等，許多學者依據此《指南》進行清單編制[15-16]。近年來，實測法和排放因子法被廣泛用于估算移動源污染排放[17-19]。實測法由于測試車輛有局限性且代表性不足，因此許多學者運用排放因子法進行清單估算[20-24]。本文運用排放因子法并依據《指南》，利用排放模型對移動源排放因子進行模擬，綜合考慮多項因素，精確度高，更接近實際的排放水平。

機動車大氣污染物排放量的估算方法見式(1)：

(1)

其中：EQ為某類污染物排放總量，g；EFi為i型車輛所對應的污染物的排放因子，g/km；Pi為研究區域內i型車的車輛保有量，輛；VKTi為i型車的年均行駛里程，km。

對某一用途非道路移動機械大氣污染物排放量的計算見式(2)：

E=(Y×EF)×10-6，

(2)

其中：E為非道路移動機械的CO、THC、NOX、PM2.5和PM10排放量， t；Y為燃油消耗量， kg；EF為排放因子， g/km。

1.2.1 移動源保有量

本文中機動車保有量數據由宜賓市公安局交警支隊車輛管理所提供，包括載客汽車(微型客車、小型客車、中型客車和大型客車)、載貨汽車(微型貨車、輕型貨車、中型貨車和重型貨車)、低速汽車、掛車和摩托車；出租車保有量由宜賓市出租車營運中心提供；非道路移動機械保有量數據由宜賓市生態環境局機動車排污監控中心提供。

1.2.2 年均行駛里程

機動車的平均行駛里程主要通過以下3個渠道獲得：從宜賓市生態環境局機動車排污監控中心，調取全市2018年檢測車輛，獲取有效數據每種車型1 000條，包含小型客車、中型客車、大型客車、輕型貨車、中型貨車、重型貨車和掛車；出租車平均行駛里程通過宜賓市出租車運營中心實地調研獲得；摩托車和低速汽車根據中國生態環境部發布的《道路機動車大氣污染物排放清單編制技術指南(試行)》[13]中提供的年均行駛里程參考值，非道路移動機械根據300 h/a的使用頻率來計算。

1.2.3 排放因子本土化修正

本文采集年檢站的排放實測數據，汽油車采用簡易瞬態工況法，柴油車采用加載減速法，利用采集后的排放實測數據對模型默認數據庫進行本土化，再對MOVES模型其他輸入參數本土化，得到適合模擬宜賓市移動源污染物的MOVES模型，再結合年檢站排放實測數據和其他相關研究的結果對本土化后的MOVES模型準確性進行驗證。根據本次研究范圍，主要對MOVES模型以下輸入參數進行本土化設置，并通過采用Project層次來輸入本地化數據從而計算得出機動車的排放因子。

地理信息設定：本文從影響模型模擬值的地理氣候等方面進行相應匹配。宜賓位于北緯27°50′～29°16′，東經103°36′～105°20′，與美國德克薩斯州的緯度信息相近，屬亞熱帶季風性濕潤氣候，因此在模擬時選擇德克薩斯州的尤瓦爾迪(Uvalde)縣作為宜賓市的模擬地理區域。

時間和空間設定：排放因子測算的時間為2018年11月，選擇工作日的13:00—14:00測算，本文選擇MOVES中“道路類型”的城市限制型道路、城市非限制型道路、郊區限制型道路和郊區非限制型道路4類。

移動源類型：根據MOVES2014b模型中機動車分類的標準，將宜賓市的移動源劃分為小型客車、中型客車、大型客車、輕型貨車、中型貨車、重型貨車、出租車、低速汽車、摩托車、掛車和非道路移動機械。

平均車速分布：利用全球定位系統(global positioning system,GPS)測速儀，測試車輛共23輛，其中小型客車(私家車3輛，出租車3輛)6輛，樣本量共35 762 s;大型客車(長途客車)15輛，樣本量共13 154 s;重型貨車2輛，樣本量共584 321 s。通過這些數據即可計算得到宜賓市不同車型在不同等級道路上的時速分布。

燃料類型及參數：宜賓市于2015年10月底全面供應車用國Ⅴ標準汽柴油，其燃油組分信息2018年1—10月份和11—12月分別依據車用燃料油國Ⅳ標準以及國Ⅴ標準錄入。

氣象參數：本次研究選取宜賓市2018年11月氣象站的實際監測數據。

污染物種類：CO、THC、NOX、PM2.5、PM10、NH3、SO2和VOC。

其他參數如I/M(檢測維護)制度，匝道比例等采用MOVES模型的默認值。

1.3 時空分配

1.3.1 線源分布計算方法

對于線源道路，只需研究其排放強度就能為面源道路的污染分配提供參照值，采用自下而上層層測算的方法,得到宜賓市線源道路排放的“4個不同”，即不同等級的道路在不同空間中的不同時間緯度下,對于不同污染物的排放強度。以某路段某日某小時的污染物排放強度為例，計算見式(3)：

(3)

其中：TFik為路段上第i小時的污染物k的排放強度， g/km；EFjk為j型車(共11種)關于污染物k的基礎排放率；TVj為路段上第i小時的總車流量， 輛/h；VTFij為該路段第i小時j型車的比例。

1.3.2 面源分布計算方法

根據線源分布計算方法可得到所有主要道路的平均排放強度，即標準排放強度，通過計算各等級類型道路的平均排放強度與標準排放強度的比值，得到各等級道路的標準排放強度換算系數(或作標準道路長度換算系數)，其確定方法見式(4)：

(4)

其中：k為第k種(共7種)道路類型；Wk為第k種道路的標準排放強度(道路長度)的換算因子；TFk為第k級道路測算得出的實際排放強度，g/km；TF為標準情況下的排放強度，屬自定義常量，g/km。

本文通過加和得到每個網格里的總標準道路長度，之后統計出每個網格所有路段的標準道路長度之和，以及所在行政區域內的總標準道路長度之和，以各行政區年度總排放量為基礎，將網格標準道路長度占所在行政區標準道路長度之比作為網格排放量分配的權重因子，進行空間分配，便可以得到最終各網格的排放強度，計算見式(5)：

(5)

其中：i為區域內編號為i的區縣；j為第i個區縣編號為j的網格；k為第i個區縣落在第j個網格的第k種(共8種)道路類型；m為第i個區縣網格總數；EQij是第i個區縣第j網格排放量,t；EQi為第i區縣總排放量,t；SLij為第i個區縣第j網格的標準道路長度,km；Li,j,k為第i個區縣第j個網格k種道路類型的長度,km；Wk為第k級道路的標準道路長度換算因子。

通過這種計算方法，便可以得到宜賓市各區縣內每個網格以小時為單位的標準道路長度，然后再根據已測算的各區縣各類污染物的年度總排放量，按照“自上而下”的思路進行不同時間單位的細化。以宜賓市某區縣一天中的小時分配為例，計算見式(6)：

(6)

其中：EQijh為第h個區縣編號為j的網格的一天中第i小時的排放量， g；EQd為第h個區縣編號為j的網格當天的排放總量， g；TFik為第i小時第k種(共8種)道路的排放強度， g/km；TFi為第i小時標準道路排放強度，自定義常量， g/km。

2 結果與討論

2.1 宜賓市移動源污染排放清單

宜賓市目前已經淘汰了汽油車國Ⅰ標準以下車輛以及柴油車國Ⅱ標準以下車輛。根據宜賓市機動車污染物排放因子、非道路移動機械排放系數、移動源保有量、平均行駛里程及非道路年平均使用頻率，計算得到2018年宜賓市THC、CO、NOX、PM2.5、PM10、NH3、SO2和VOC的年排放量,見表 1。

表1 2018年宜賓市移動源年排放總量 t

由表1可知：THC、CO、NOX、PM2.5、PM10、NH3、SO2和VOC的年排放量依次為0.33×104t、3.53×104t、1.29×104t、0.56×103t、0.59×103t、0.16×103t、0.98×102t和1.82×103t。

除于出租車、低速汽車和非道路移動機械不在分析范圍之內，2018年宜賓市不同排放標準機動車的排放分擔率如圖 2所示。由圖 2可知：對于國Ⅲ及以下標準的機動車，其各項污染物的排放分擔率占比都遠高于其保有量占比，而對于國Ⅴ及以上標準的機動車，其各項污染物的排放分擔率占比均遠低于其保有量占比。國Ⅲ標準機動車占比接近一半的機動車保有量，其NOX、PM2.5和PM10的排放分擔率僅為16%、13%和13%，主要原因在于國Ⅲ標準機動車里摩托車占比很大。國Ⅳ標準機動車保有量占比27%，但NOX、PM2.5、PM10、NH3和SO2遠超其保有量占比，主要原因在于國Ⅳ標準的中重型貨車占比很大。

圖2 2018年宜賓市不同排放標準機動車的排放分擔率

2.2 宜賓市移動源污染排放時空分布

2.2.1 時間特征

以PM2.5的排放強度為例加以分析。宜賓市工作日/非工作日各等級公路PM2.5排放小時變化對比圖如圖 3所示。由圖 3可知：各等級線源道路的PM2.5排放小時變化規律總體為：高速公路>城市主干道>一級公路>二級公路>三級公路。這主要是因為宜賓市各區縣前往宜賓市主城區較為依賴高速公路。此外,工作日和非工作日的PM2.5排放強度的分布特征存在明顯不同：兩者排放峰值工作日(早晚高峰時段)早于非工作日(上午10:00—11:00、晚高峰)，且非工作日居民在白晝時間段出行保持持續性的、較快的集中出行特征，這與居民節假日出行習慣相符。

(a) 工作日

2.2.2 空間特征

通過前文所確定的線源排放強度計算思路，測算了移動源在線源道路上不同時間單位(小時、工作日/非工作日、年)的排放強度，根據ArcGIS的可視化功能，得到宜賓市移動源線源路段各污染物的空間分布規律，以PM2.5典型排放污染物為例，移動源在宜賓市總體上主城區路段的排放強度明顯地大于郊區縣路段的排放強度。郊區縣的線源路段構成主要由部分高速路段及三級公路組成，市區范圍的高速路段以及城市主干道、一級公路、二級公路承擔了主要線源的交通量，車流量較大，且車型組成也相對豐富，因此排放強度也相對較大；在郊區內，由于道路等級較低、通行能力弱，摩托車及低速汽車構成主要出行車型，因此郊區內道路排放強度比市區道路小。

2.2.3 面源時空分布結果

通過本文建立的2018年宜賓市移動源污染物的排放清單，并應用上述公式對面源道路進行空間分配，分辨率為2 km×2 km，以PM2.5為例，宜賓市移動源污染排放呈現出顯著的線性及地域性區別。因為采用的是以實際道路為基底的，其分配結果也比較契合宜賓市的實際道路網。一般來說，在離城市越遠的區域，其主要行駛功能的路網密度一般較小，車輛行駛頻率較低，這些網格的污染物排放量也就相對較小，這些區域總體上的排放量差異不明顯。在宜賓市各區縣中，翠屏區作為主城區，移動源污染物排放量和較高排放量的覆蓋范圍都較高，在中心城區環線內的網格污染物排放強度明顯高于其他地區。此外，屏山縣地廣人稀，地形起伏大，路網密度小，移動源的保有量也比較小，因此其范圍內污染排放也小于其他區縣。

2.2.4 分小時排放量

通過面源小時排放量計算方法，可得到宜賓市各區縣移動源24 h的排放量。以PM2.5排放為例，計算出移動源分別在工作日和非工作日的24 h排放量，然后對工作日高峰時段/平峰時段/凌晨時段排放量進行空間分布。高峰時段移動源的排放量明顯大于平峰時段和凌晨，呈現出明顯的時間特征，而高速公路在3個時間段中都承擔著主要的排放量，這可能是因為凌晨時段除高速公路外，其他路段交通量都比較小，高速公路上大型貨車和長途客車較多，且長途出行的車輛受時間變化的影響也比較小，各個時段均有車輛經過，而其他類型的道路中長短途車輛混合且主要以短途出行為主，容易受人們作息時間變化的影響。其次，連接宜賓市主城區周圍的主要干道路網的排放也呈現這種分布，表示夜間城區居民出行比例高于郊區。

3 結論

(1)宜賓市2018年移動源污染物THC、CO、NOX、PM2.5、PM10、NH3、SO2和VOC的年排放量依次為0.33×104t、3.53×104t、1.29×104t、0.56×103t、0.59×103t、0.16×103t、0.98×102t和1.82×103t。THC污染源主要是摩托車和出租車；CO污染源主要是摩托車和小型客車；NOX、PM2.5和PM10污染源主要是非道路移動機械和重型貨車。

(2)HC和CO主要來自于國Ⅲ標準移動源，分別占總排放的48.2%和47.2%。NOX、PM2.5、PM10、NH3和SO2則主要來自于國Ⅳ標準移動源，分別占總排放的77.5%、80.6%、80.3%、48.2%和81.0%。

(3)移動源污染排放呈現出明顯的區域性特征，在路網較為密集的區縣中心地段污染排放較高，翠屏區最為突出，中心城區污染排放最為嚴重，向外延伸，排放強度也逐漸減少。在宜賓市各區縣中，翠屏區內的移動源污染物排放最為明顯，網格污染物排放強度在宜賓市中心地段很高，屏山縣較其他區縣污染排放小。