昆明市高速公路機動車溫室氣體排放清單及時空性分布特征

陳振瑜，何超,2*，李加強,2，付明亮，徐加臣,2，李菊,2

1.西南林業大學機械與交通學院

2.云南省高校高原山區機動車環保與安全重點實驗室

3.中國環境科學研究院

近年來，由于機動車保有量不斷上升，道路移動源的排放量不斷增加[1-4]。CO、CO2、CH4、N2O 是機動車排放的幾類主要溫室氣體[5-7]，溫室氣體排放量的增加，加劇了氣候變暖的趨勢。據國際能源署（IEA）統計，2021 年中國化石燃料燃燒產生的CO2達到119.47 億t，較2020 年CO2排放量增加4.8%，其中道路移動源的溫室氣體排放量占總排放量的7.7%，道路移動源成為我國重要的溫室氣體排放源之一。因此，建立可信、準確的機動車溫室氣體排放清單，對改善大氣污染、溫室效應等問題和制定碳減排措施[6]都具有重要意義。

溫室氣體相比于其他氣體污染物的生命周期較長，能夠在大氣中充分混合。國內外學者對機動車溫室氣體排放清單已有如下研究：李光華等[7]計算了渭南市機動車溫室氣體排放因子并建立了高分辨率的時空排放清單；呂晨[8]通過計算得到北京市機動車CO2、CH4、N2O 3 種溫室氣體的排放因子，并基于交通車流量模型，建立了2018 年北京市機動車的高時空分辨率溫室氣體排放清單；唐偉等[9]應用IVE 模型測算排放因子并利用大數據分析技術，建立了杭州市2015 年各類機動車主要溫室氣體的排放清單；汪晶發等[10]計算了N2O 和其他空氣污染物的排放因子，借助ArcGIS 軟件建立了西安市高分辨率的機動車污染物排放清單；Ganji 等[11]通過多倫多市的交通流量數據和各交通站點的交通流量時空性關系來預測城市道路的溫室氣體排放量，并建立了多倫多市城市道路溫室氣體排放清單。這些研究成果對于從宏觀層面進行溫室氣體排放評估和減排策略制定具有重要的指導意義。目前，多數制定的排放清單均以城市道路為研究對象，以高速公路為研究對象來制定排放清單的研究較少。國內學者針對廣東[12]、河北[13]、河南[14]和福建[15]等少數省份進行了高速公路排放清單研究。國外研究中，Abou-Senna 等[16]應用交通模擬軟件VISSIM 和MOVES模型對美國佛羅里達州奧蘭多市的州際高速公路進行了污染物的排放預測，并建立排放清單。關于高速公路機動車溫室氣體排放的研究更為鮮見，Li 等[17]通過交通速度-流量模型對北京市高速公路和其他道路機動車排放的溫室氣體建立了高分辨率的排放清單。高速公路作為樞紐承擔著連接各座城市的重要作用，具有較高的通行能力、較快的行車速度以及較大的客貨運輸承載量，由于機動車在高速公路上的行駛活動水平較高，排放量較大，因此高速公路產生的溫室氣體排放不容忽視。

通常制定排放清單有自上而下、自下而上2 種方法，其中自下而上的制定方法需要以真實的交通流量數據為支撐，雖然真實交通流量數據獲取較為困難，但是該方法建立起的排放清單具有良好的高分辨率。目前，關于建立排放清單的現有研究中，基于交通流量而建立的研究較少，僅李麗等[18-23]少部分學者基于交通流量建立了部分城市的機動車排放清單。

昆明市位于云貴高原地區，是西南地區重要的交通樞紐中心，由于高原地區空氣稀薄，太陽輻射較強，大氣溫室氣體濃度的增加會使昆明市熱源增強，對環境造成較大影響。目前，昆明市暫缺機動車溫室氣體排放清單的研究，筆者擬以昆明市2021 年高速公路客車交通流量數據和機動車GPS 信息數據為基礎，利用MOVES 模型計算溫室氣體排放因子，通過自下而上法結合排放因子和交通流量數據建立昆明市市域高速公路機動車溫室氣體排放清單，并使用ArcGIS 軟件對排放清單進行時空分布研究，分析昆明市高速公路機動車溫室氣體排放時空性特征，以期為昆明市制定機動車降碳減污策略、評估溫室氣體排放現狀和未來趨勢提供科學依據。

1 研究方法與數據來源

1.1 模型的選取

由于國內缺乏本土的排放模型，故選用由美國國家環境保護局（US EPA）推出的MOVES 模型[24-26]計算昆明市高速公路機動車溫室氣體的排放因子。MOVES 模型能夠較好地反映機動車行駛過程中的行駛特征，具有較高的計算精度。通過將影響污染物排放因子的氣象信息、機動車車隊結構、車流量信息、燃料信息等重要參數輸入到模型中進行綜合計算[27]，即可得到可靠的機動車排放因子。

1.2 排放清單計算方法

由于排放總量受到機動車車齡、車輛類型和燃油等因素的影響，因此本研究基于昆明市2021 年1—12 月高速公路客車流水數據和機動車GPS 信息數據，通過自下而上法，利用交通流量數據，將高速公路車隊按車齡、燃油類型、車輛類型分類，每種類型作為基本單元進行計算，得到CO、CO2、CH4、N2O 的排放總量，公式如下：

式中：j為溫室氣體污染物類型；c為模擬城市；n為模擬年份；k為車輛類型；f為燃料類型；l為車輛車齡；VN 為道路機動車交通流量數；LR 為道路長度；EF 為機動車的平均排放因子。

1.3 MOVES 模型參數的輸入

1.3.1 氣象信息的選取

根據中國氣象局歷史天氣得到2021 年昆明市每月平均氣溫與相對濕度信息（表1），并輸入MOVES 排放模型。

表1 昆明市每月平均氣溫及相對濕度Table 1 Monthly mean temperature and relative humidity in Kunming City

1.3.2 機動車車隊結構

MOVES 提供了13 種車型，依照《昆明市統計年鑒》中所規定的車型，在MOVES 選取與之相近的車輛類型，表2 為本研究選取的車輛類型與MOVES對應的車型對照表。

表2 車型對照Table 2 Vehicle comparison table

將研究區域內的車輛按照燃料類型、排放標準進行細分。按照使用的燃料類型分為汽油和柴油車輛；按照機動車排放標準，分為國Ⅰ、國Ⅱ、國Ⅲ、國Ⅳ、國Ⅴ和國Ⅵ車型。一般機動車使用年限不超過15 年，因此本研究通過采用2006—2021 年《昆明市統計年鑒》中的機動車新車注冊量及保有量對各類車型的占比進行計算，得到不同車輛類型的車輛存活曲線[28]，結果見圖1。再利用車輛存活曲線，通過車輛生存曲線法估算得到不同排放標準的機動車占比（表3）。

圖1 各車型的車齡占比Fig.1 The age proportion of each vehicle type

表3 不同排放標準的機動車占比Table 3 The proportion of motor vehicles according to emission standards %

1.3.3 各車型交通流量特征

基于昆明市高速公路客車流水數據和機動車GPS 信息數據，可獲得全年每個區、縣高速路網上的各車型機動車交通流量，將每個月的不同車型車流量進行求和，得到不同車型的年流量分布（圖2）。

圖2 各車型的年交通流量Fig.2 Annual traffic flow of each vehicle type

1.4 燃料信息

燃油性質是影響機動車排放的一個重要因素。汽油標準方面，對雷德蒸汽壓（RVP）、硫含量百分比（sulfurLevel）、烴含量百分比（olefinContent）和芳烴含量百分比（aromaticContent）等指標有較為嚴格的控制；柴油標準方面，對硫含量百分比、十六烷值和多環芳烴含量百分比（PAHContnet）等指標有嚴格的控制。《中國移動源環境管理年報（2021 年）》指出，在2019 年1 月1 日起全面推廣車用汽油-國Ⅵ和車用柴油-國Ⅵ標準，當前昆明市全面使用以上2 種標準汽油和柴油。因此，參照GB 17930—2016《車用汽油》[29]、GB 19147—2016《車用柴油》[30]和《中國移動源環境管理年報2021》相關標準，在MOVES中，選擇性質相近的燃油，并進行本土化修正，燃料參數見表4。

表4 燃料參數Table 4 Fuel parameters

2 結果與討論

2.1 排放因子

將本土化修正后的參數輸入MOVES 模型，計算得到2021 年昆明市高速公路上各車型的機動車的CO、CO2、CH4、N2O 排放因子，如表5 所示。不同車型的CO2排放因子存在明顯差異，其中重型貨車的CO2排放因子約為小型客車的7.3 倍，這是因為尾氣中的CO2是由燃料中的碳氫元素和氧氣燃燒而產生的，不同燃料中的碳含量不同，產生CO2的排放量也不同，并且重型貨車的質量比小型客車大得多，行駛時需要克服的阻力較大，燃油消耗量大，所以產生的CO2排放因子不同。N2O 是由機動車排放的氣體污染物在特定的條件下經過催化轉化而產生的副產品，汽油車的TWC 技術以及柴油的SCR 技術的廣泛應用會使N2O 的排放量隨之增加[31]，中型客車的N2O 排放因子最高。CH4排放因子按車型（小型客車、中型客車、大型客車、輕型貨車、中型貨車和重型貨車）分別為0.002、0.006、0.084、0.002、0.042 和0.122 g/(km·輛)，其中重型貨車的CH4排放水平最高。CO 是由于燃料中烷烴與氧氣的不完全燃燒產生的，6 種車型的CO 排放因子中中型客車的排放水平最高，為6.583 g/(km·輛)。

表5 昆明市及其他地區的機動車溫室氣體排放因子Table 5 Greenhouse gas emission factors of motor vehicles in Kunming City and some cities g/(km·輛)

2.2 溫室氣體排放清單

根據計算得到的機動車排放因子（表5），將其帶入式（1），計算得到2021 年昆明市高速公路機動車溫室氣體排放清單，全部車型的CO、CO2、N2O、CH4排放總量分別為20 337.1、2 575 677.1、33.8 和72.9 t（表6）。如表6 所示，N2O 和CH4的排放總量遠小于CO2的排放總量，但根據《聯合國氣候變化框架公約京都議定書》所提供的每種溫室氣體全球變暖潛能（GWP，CO、CO2、N2O、CH4分別為1.9、1.0、298、25），N2O 和CH4對溫室氣體的貢獻率分別是CO2的298 倍和25 倍。將4 種溫室氣體排放量換算成CO2當量排放量，CO2在全部溫室氣體當量中占比最高，可見CO2是昆明市高速公路上機動車排放的主要溫室氣體，N2O 和CH4的排放總量雖然較低，但其溫室氣體排放貢獻率高，對溫室效應的影響不容忽視。

表6 昆明市高速公路溫室氣體排放清單Table 6 Greenhouse gas emission inventory of expressways in Kunming City t

2.3 溫室氣體排放特征

2.3.1 排放貢獻率

圖3 為昆明市2021 年高速公路網上按3 種類型劃分的溫室氣體排放貢獻率，分別是各車輛類型的排放貢獻率〔圖3（a）〕、各燃料類型的排放貢獻率〔圖3（b）〕和各排放標準類型的排放貢獻率〔圖3（c）〕。在各車輛類型的排放貢獻率方面，小型客車對溫室氣體排放總量的貢獻率相比于其他車型高，為63.5%。小型客車是CO、CO2、N2O 3 種溫室氣體的主要排放車型，對3 種溫室氣體的排放貢獻率分別為88.8%、63.3%、77.9%。大型客車是CH4的主要排放貢獻車型，其排放貢獻率為55.1%。在各燃料類型的排放貢獻率方面，汽油車對溫室氣體排放總量的貢獻率相比于柴油車高，為75.5%。汽油車是CO、CO2、N2O 3 種溫室氣體的主要排放貢獻車型，其排放貢獻率分別為98%、75.4%、90.3%。CH4排放量的主要貢獻車型為柴油車，排放貢獻率為75%。在各排放標準類型的排放貢獻率方面，國Ⅳ排放標準的機動車對溫室氣體排放總量貢獻最高，為39.7%，國Ⅴ以28.8%的溫室氣體排放貢獻率居第二位，國Ⅳ和國Ⅴ排放標準的機動車對CO、CO2、N2O、CH4的排放貢獻率居前兩位，其是昆明市高速公路的主要的溫室氣體排放車型。因此，小型客車、汽油車和國Ⅳ排放標準的機動車是昆明市高速公路機動車溫室氣體排放的主要車型，需要對其嚴管。

圖3 按3 種類型劃分的溫室氣體排放貢獻率Fig.3 Contribution rate of greenhouse gas emission divided by three types

2.3.2 時間層面排放分布特征

圖4 為昆明市高速公路交通流量和溫室氣體排放總量（以CO2當量計）的時間層面分布特征。由圖4 可見，高速公路交通流量以及溫室氣體排放總量均出現明顯的早高峰和晚高峰的“雙峰”現象，且排放總量“雙高峰”現象的出現與交通流量密切相關，這也與昆明市高速公路實際交通流量日變化一致。交通流量和溫室氣體排放總量的第一次高峰（早高峰）出現在08:00—10:00，第二次高峰（晚高峰）出現在16:00—18:00，且17:00 的峰值最高。

圖4 高速公路交通流量及溫室氣體排放總量時間層面分布特征Fig.4 Distribution characteristics of total greenhouse gas emissions and expressway traffic flow at time level

2.3.3 空間層面排放分布特征

機動車溫室氣體排放總量與交通流量、道路長度以及區域道路密度密切相關。因此，基于昆明市各縣（市、區）的交通流量和高速公路網信息，利用ArcGIS 軟件對排放總量進行空間層面的分配。由于每個縣（市、區）的高速公路網密度以及交通流量不同，所以產生的溫室氣體排放量也不同。圖5為各縣（市、區）的總交通流量，圖6～圖9 為CO、CO2、N2O、CH4排放總量在空間上的分布。在高速公路網較為密集的區域排放總量較高。由于路網密集區在昆明市中心地帶，集中在西山區、呈貢區、官渡區、盤龍區和五華區，這5 個區的交通流量較其他區域高。除此之外，安寧市和晉寧縣靠近路網密集中心區，其排放總量也較高。根據ArcGIS 獲得不同區域的道路長度，以上7 個區域的道路長度總和較其他區域長，因此這7 個區域的排放量較高。祿勸縣的排放量最少，是由于該區域的路網密度相比于其他區域較低，且其交通流量較小。

圖5 各縣（市、區）的總交通流量Fig.5 Total traffic flows of each district and county

圖6 CO 排放量空間分配Fig.6 Spatial distribution map of total CO emissions

圖7 CO2 排放量空間分配Fig.7 Spatial distribution map of total CO2 emissions

圖8 N2O 排放量空間分配Fig.8 Spatial distribution diagram of total N2O emission

2.4 排放清單不確定性分析

在建立昆明市高速公路的排放清單過程中，不僅需要采集較多的數據，而且獲取每類數據的方法都不同，缺少機動車行駛活動水平數據和排放因子本土化差異是清單主要的不確定性因素。本研究中的車流量數據基于昆明市高速公路的客車流水數據和機動車GPS 信息數據，數據已進行車牌甄別，剔除外來車輛流動帶來的排放量誤差，將不確定性概率縮小。在對MOVES 模型進行車型匹配時，由于統計年鑒所規定的車輛類型與MOVES 模型提供的車型存在一定的差異，可能產生一定的誤差。但綜合考慮了車齡分布、燃料信息、道路長度、速度均值、實際氣象信息等實際的本地化因素，使MOVES 模型獲得的排放因子可靠度較高。

3 結論

（1）利用了MOVES 模型并對其參數進行本土化修正，計算得到昆明市機動車溫室氣體的排放因子，其中CO2的排放因子，重型貨車最高，小型客車最低；CO 的排放因子，中型客車最高，大型客車最低；N2O 排放因子，中型客車最高，小型客車最低；CH4的排放因子，重型貨車最高，小型客車最低。

（2）2021 年昆明市高速公路機動車的CO、CO2、N2O、CH4溫室氣體排放總量分別為20 337.1、2 575 677.1、33.8 和72.9 t，轉換成CO2當量為2 626 212.5 t，CO2是昆明市高速公路排放的第一大溫室氣體。

（3）昆明市高速公路溫室氣體的主要排放車型是小型客車，其對溫室氣體排放總量的貢獻率為63.5%；大型客車對CH4的貢獻率最高，為55.1%；在燃料類型機動車排放總量中，汽油車的貢獻率最高；國Ⅳ排放標準的車型是主要的溫室氣體排放源，需要加以管控。

（4）昆明市高速公路機動車溫室氣體排放特征呈現出24 h“雙峰”分布，分別出現在08:00—10:00，16:00—18:00。溫室氣體排放量在不同縣（市、區）的高速公路上不同，路網密度越高，排放量越高。