基于昆明市機動車溫室效應污染物排放清單的減排研究

摘要：采用MOVES進行本地化調整，以計算2021年的昆明高速公路道路移動源溫室效應污染物排放總量清單，得出了不同車型和排放標準的分擔比率。結果顯示，該場景下的CO、NO、CO、CH、BC（黑碳）的排放量分別為13 663.2 t、11.4 t、2 488 004.2 t、76.9 t、18.9 t，總計CO當量為2 532 121.8 t。排放分擔率在不同車型中差異顯著，小型客車CO、CO和CH較高，均在50％以上，N2O的主要排放源是輕型貨車和小型客車，BC的排放源主要是中型貨車和輕型貨車。時間分布上，工作日期內，客車污染物排放呈現出9時和13時左右的雙高峰結構，而非工作日期內，污染物排放在14時至17時期間持續較高水平。昆明市主城區為主要排放核心地帶，污染物呈放射狀擴散至周邊地區。

關鍵詞：MOVES；排放清單；時空分布；溫室效應氣體

中圖分類號：U469.79 收稿日期：2024-09-22

DOI：10.19999/j.cnki.1004-0226.2024.12.019

1 前言

機動車排放的CO、CO、CH、NO和BC（黑碳）是導致溫室效應的主要成分。國際能源署（IEA）[1]發布的《2022年CO排放報告》指出，2022年交通運輸部門的碳排放量增加了2.1%，達到1.37億t。同時，1990—2021年期間，中國交通領域的碳排放量從9 400萬t增至約9.6億t，增長了約10倍。目前，全球機動車已成為溫室氣體排放增長的主要來源之一，這一趨勢值得深入研究并采取控制措施。至2021年，交通領域碳排放量約占中國總碳排量的10%。

近年來，為應對機動車產生的溫室效應，相關國家和地區制定了政策，國內外學者也開展了溫室氣體研究。Li等[2]采用交通速度-流量模型結合MOVES模型，建立了北京市2018年溫室氣體高分辨排放清單；Clairotte等[3]對歐洲道路溫室氣體排放因子進行了傅里葉分析；Wu等[4]運用全生命周期評估方法，分析了京津冀、長三角和珠三角三大地區輕型車輛的能耗和CO?排放，并評估了未來輕型電動車的減排效益；汪晶發等[5]基于MOVES模型和ArcGIS技術，建立了西安市1 km2分辨率的機動車污染物排放清單。

昆明市地處我國西南地區，位于云貴高原腹地，該地區公路（尤其是高速公路）多建于高海拔、低氣壓、陡坡較多等環境。本文旨在研究發動機在高海拔地區燃燒受損條件下的污染物排放，開展針對高原地區的溫室效應氣體排放研究。

2 研究方法與數據來源

2.1 模型的選取

傳統的排放因子模型主要是以MOBILE系列為代表的基于平均速度的宏觀模型和由IVE代表的微觀車輛行駛工況為基礎的微觀模型，它們基于固定的排放因子，而MOVES模型的動態模擬可以考慮到多種變化因素（車速、交通、環境因素等）。此外，MOVES模型的視野立體性更好，可用于微觀、中觀、宏觀3個層面計算，利用最新的實測數據和研究成果，分析排放的影響因素，同時預測政策改變帶來的排放影響?；诖?，本研究采用MOVES模型在中觀層面可用于計算昆明市地區的機動車排放量。

2.2 清單計算方法

2.3 數據來源及模型本地化

本研究數據來源于2021年度昆明市交通運行統計報告和云南交投集團（2021）云南省高速公路車流量統計，同時結合部分時段昆明市高速公路真實的車流量統計。在“Source Type Population”模塊中定義小型客車、中型客車、大型客車、輕型貨車、中型貨車和重型貨車這6類昆明典型車輛類型，調整尺寸；汽油車輛和柴油車輛分別按照GB 17930—2016《車用汽油》標準[6]和GB 19147—2016《車用柴油》標準[7]進行設置；道路類型設定為Rural Restricted Access；根據昆明地區的交通狀況將車速標準設定為avgSpeedBinID7-13，代表中等車速范圍；氣象數據根據月平均氣溫和濕度分別輸入，確保模型能夠準確反映不同氣候條件下的排放情況。

3 結果與討論

3.1 車齡及排放標準分析

通常車輛的平均使用壽命約為15年，針對這一問題，本研究獲取了昆明市2005—2020年間的車輛注冊數據，運用VEIN模型中的算法推斷車輛的壽命情況，選擇采用威布爾分布曲線來判斷車輛的壽命情況，結合r語言和不同車型排放標準確定了車輛的壽命存活率結果，如圖1所示。

通過存活曲線法估算得到各類型車車齡占比（圖2）和不同排放標準機動車占比（表1）。隨著車輛使用年限的增長，小型客車車齡分布基本呈現遞減的趨勢。新的小型客車占比較高，車齡大的車輛則相對較少。

3.2 排放因子分析

2021年昆明市高速公路各車型的溫室效應氣體排放因子如表2所示?？梢钥闯?，作為溫室氣體之一的的CO在機動車排放的污染物中是最高的，而其中重型貨車的CO排放遠超其他類型車輛，這一差異的主要原因在于重型貨車的能耗和負載量顯著高于其他車型，因此其燃料消耗和相應的CO排放也顯著增加。對于BC來說，重型貨車的BC排放也是最高，相比之下，輕型汽油車排放的顆粒物中黑碳含量較低，僅為0.0001 g/（km·輛）。此外，CH的排放量重型貨車最高，為0.172 g/（km·輛），而輕型貨車僅為0.003 g/（km·輛），這是由于在高海拔地區含氧量較低的空氣使重型貨車在負載時，發動機燃燒更不充分。由于，排放后處理過程不同，不同類型車輛的NO排放差異顯著。CO和NO的排放，中型客車最高，分別為8.289 g/（km·輛）和0.026g/（km·輛），這是由于昆明地區中型客車的車齡要明顯高于小型客車，排放劣化更為嚴重。

3.3 溫室氣體排放特征分析

3.3.1 排放分擔率

根據模型計算得到2021年昆明市高速公路機動車溫室氣體排放總量清單（表3），可以看出不同車輛類型、燃料類型和對應的排放標準對排放分擔率存在較大影響。

從車型來看，中小型客車CO、CO和CH排放量均占機動車CO、CO、CH總排放量的50％以上，占比較高。同時小型客車對溫室氣體排放總量的貢獻相較于其他車型高，分擔率為54.5%。這是由于在昆明高速路區域內，機動車行駛流量中，小型客車交通流量占比較大。輕型貨車和小型客車主要是N2O的主要排放源，重型貨車和輕型貨車主要是BC的排放源。

從燃料類型來看，相對于柴油車，汽油車對溫室氣體排放總量（TGHG）的貢獻比例更高，達到了77%。主要原因同樣是汽油車的交通流占比過大。

從排放標準來看，國四排放標準車和國三標準車是昆明市CO、CO、NO、CH、BC污染物的首要和次要貢獻車型，而其中國四車輛的排放占據主導地位，對CO、CH、NO、CO、BC的貢獻率分別為41.27%、44.49%、42.77%、42.69%、44.96%，可見對國四車實施有計劃的提前淘汰，將有助于削減污染物的排放。

結果表明，小型客車、汽油車和國四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，在機動車溫室效應污染物減排控制中，需要對其嚴管。

3.3.2 時間分布

本文對昆明市以CO為例展開分析機動車排放小時分布，如圖4所示，工作日與非工作日的小時排放分擔率變化趨勢基本一致，同時研究發現，非工作日中的城市居民在日間時間段的出行具有較為顯著的連續性特點，這一現象與他們在節假日期間的出行模式是相一致的。

由圖4～圖8可知，工作日內CO的小時排放分擔率變化趨勢與貨車的小時排放分擔率變化趨勢大致相同。在工作日，各車型交通流量占比中，輕型貨車交通占比最高，小客車次之。由于小客車在工作日主要在城市道路行駛，即使在高速公路上也以短程環城運行為主，這種行駛模式主要受到城市居民日?；顒右幝傻挠绊?。在工作日，人們的活動范圍主要限于城市內部，城市內的活動頻繁度相對較高，相比城際長途活動更為頻繁。因此，工作日內排放污染物的總體小時分布規律受到貨車的主導作用，變化趨勢與輕型貨車和中型貨車的變化趨勢基本一致。

而非工作日的汽車總體排放污染物時段分布變化趨勢與小客車的基本保持一致。小客車交通流量相較于工作日有所增加，在所有車型中占比最大。這主要是因為在非工作日，人們的活動范圍不僅限于城市內部，大部分人選擇自駕外出旅行、跨城市活動等。因此，非工作日的總污染物排放時段分布變化趨勢總體與小客車流量相關性較大，基本保持一致的趨勢。

3.3.3 空間分布

空間分布利用ArcGIS（10.8.1版），在CGCS2000坐標系基準面上以0.01°×0.01°的水平分辨率將昆明市的高速公路道路網重新網格化為768個網格（圖9）。獲取總排放量，估計不同車輛的總排放量以計算排放強度，模擬網格化排放。

如圖10所示，昆明市的路網密集區域主要集中在兩個區域，其中路網密度最高的是呈貢區與官渡區的交匯處，這幾條線路的交匯導致交通量增大。另一個重點區域是五華區。與此同時，高速公路收費站和服務區的分布也會影響車輛行駛節奏和排放。

如圖9～圖10所示，總體上主城區路段的移動源排放強度顯著高于郊區縣路段。就排放總量而言，西山區的排放總量最為突出，約占比14.37%，其次為官渡區，最低為宜良，約為4.89%；然而從單個網格的排放強度來看，單個網格最高值在官渡區，最低值則在晉寧區；就排放均值而論，均值最高的是官渡區每網格3 905 t，而最低是晉寧區每網格2 897 t。總體排放呈現的趨勢是由城市中心向邊緣擴散，市中心排放高，遠離城市地區逐漸排放減少。

4 結語

小型客車是CO、CH和CO的排放分擔率最高的車型，輕型貨車和小型客車主要是NO的主要排放源，重型貨車和輕型貨車主要是BC的排放源；國IV排放標準車是排放的主要車型；在時間分布上，小時分布上客貨車基本呈現雙高峰結構，工作日于9時和13時達到高峰，非工作日于10時和14時達到高峰，14時高峰后之后處于平穩的連續狀態，再持續下降。各個污染物排放特征在空間分布上呈現出一定的一致性，排放量較高的區域主要集中在昆明市主城區，主城區位于核心地帶，污染物擴散呈放射狀向周邊地區擴散，遠離市中心的區域，其承擔的污染物排放負擔逐漸減小。

因此，昆明的減排策略應首先聚焦主城區，實施多層次的交通分流與限行措施，降低高峰期排放量；鼓勵公共交通與新能源車輛的使用，提升通勤效率和覆蓋率；加速老舊高排放車輛的淘汰更新，嚴格執行尾氣排放檢測標準，并優化城市外圍道路和高速公路的管理，進一步減輕市中心的污染負荷。加強交通網絡與城市空間的協調，減少污染物的集中釋放和擴散，才能有效提升昆明整體空氣質量。

參考文獻：

[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]汪晶發，宋慧，巴利萌，等.西安市機動車污染物排放清單與空間分布特征[J].環境污染與防治，2020，42（6）：666-671+677.

[6]國家質量監督檢驗檢疫總局，國家標準化管理委員會.GB 17930—2016車用汽油[S].北京：中國標準出版社，2016.

[7]國家質量監督檢驗檢疫總局，國家標準化管理委員會.GB 19147—2016車用柴油[S].北京：中國標準出版社，2016.

作者簡介：

李熠璇，女，1997年生，研究生在讀，研究方向為污染物排放清單。

何超（通訊作者），男，1980年生，教授，研究方向為機動車排放控制技術。