2010—2019年成都市机动车排污特征分析及防控措施减排效果评估

范武波, 陈军辉, 马冬, 李媛, 金晨阳, 唐斌雁, 张懿, 蒋文举, 钱骏, 刘政. 2010—2019年成都市机动车排污特征分析及防控措施减排效果评估[J]. 环境工程学报, 2021, 15(2): 657-668. doi: 10.12030/j.cjee.202008009
引用本文: 范武波, 陈军辉, 马冬, 李媛, 金晨阳, 唐斌雁, 张懿, 蒋文举, 钱骏, 刘政. 2010—2019年成都市机动车排污特征分析及防控措施减排效果评估[J]. 环境工程学报, 2021, 15(2): 657-668. doi: 10.12030/j.cjee.202008009
FAN Wubo, CHEN Junhui, MA Dong, LI Yuan, JIN Chenyang, TANG Binyan, ZHANG Yi, JIANG Wenju, QIAN Jun, LIU Zheng. 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. doi: 10.12030/j.cjee.202008009
Citation: FAN Wubo, CHEN Junhui, MA Dong, LI Yuan, JIN Chenyang, TANG Binyan, ZHANG Yi, JIANG Wenju, QIAN Jun, LIU Zheng. 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. doi: 10.12030/j.cjee.202008009

2010—2019年成都市机动车排污特征分析及防控措施减排效果评估

    作者简介: 范武波(1988—),男,硕士,工程师。研究方向:大气污染控制。E-mail:313572721@qq.com
    通讯作者: 陈军辉(1972—),女,硕士,研究员。研究方向:大气污染控制。E-mail:9503062@qq.com
  • 基金项目:
    国家重点研发计划项目(2017YFC0212106)
  • 中图分类号: X501; X511

Characteristics of emissions from vehicles in Chengdu from 2010 to 2019 and evaluation of effectiveness of prevention and control measures

    Corresponding author: CHEN Junhui, 9503062@qq.com
  • 摘要: 为评估2010—2019年成都市机动车防控措施的减排效果,以2010年为基准年,采用排放清单法计算了各减排措施下2019年的减排量,对比分析了4种控制措施的减排效益。结果表明:成都市机动车排污总量逐年下降,2019年PM2.5、NOx、VOCs、CO、SO2和NH3的排放量分别为0.27×104、4.63×104、1.70×104、28.99×104、0.21×104和0.45×104 t,主要分布在中心城区,其中重型货车对PM2.5和NOx贡献最大,小型客车对VOCs、CO、SO2和NH3贡献最大;措施中加严标准的综合减排量最大,重点减排车型为小型客车、轻型货车、公交车等,2019年6种污染物减排量分别为0.14×104、2.27×104、1.29×104、6.77×104、0.07×104和0.38×104 t;优化城市交通管理对小型客车和摩托车的减排效果显著,2019年6种污染物减排量分别为0.04×104、0.81×104、0.38×104、2.55×104、0.05×104和0.04×104 t;淘汰高排放车辆对小型客车、轻型货车等的减排较明显,2019年6种污染物减排放量分别为0.13×104、0.98×104、0.34×104、2.62×104、0.01×104和0.007×104 t;推广清洁能源汽车的重点减排车型为出租车和公交车,虽然可有效减少PM2.5、NOx的排放,但VOCs却有小幅增加,2019年6种污染物减排放量分别为0.12×104、0.62×104、−0.13×104、0.30×104、0.004×104和0.000 5×104 t。
  • 在饮用水处理过程中,氯因其持久氧化性及经济性是目前最为常用的氧化剂和消毒剂。然而,氯与有机物反应会生成多种具有致畸性、致癌性消毒副产物(disinfection by-products,DBPs)。我国《生活饮用水卫生标准》(GB 5749-2022)对三卤甲烷(trihalomethanes,THMs)和卤乙酸(haloacetic acid,HAAs)进行了明确管控。除了已知的包括THMs、HAAs、卤代苯酚、亚硝铵等多种DBPs之外,饮用水中还存在着大量具有较高潜在毒性风险的未知DBPs。

    活性炭(activated carbon,AC)作为一种高效、经济的吸附剂广泛应用于饮用水厂和家用净水过滤系统中[1]。在预处理阶段,粉末活性炭常用于解决突发性微量污染物问题[2]。在净水过滤器中,AC可以作为其吸附剂的主要组分[3]。因此,在预处理阶段或者家用净水器端,AC不可避免的会与氯接触。之前的研究发现[4],AC本身也可与氯反应生成毒性更强的DBPs。且由于AC的催化作用,其可催化次氯酸产生氯自由基(Cl·),导致不同的氯化产物。BULMAN等[5]发现,氯光解过程中形成的多种活性氧化剂会诱导形成新兴的氯化DBPs。VOUDRIAS等[6]也发现AC会促进游离氯氧化酚类物质形成新的副产物。此外,AC作为优良的吸附剂既可以吸附溶解性天然有机物(dissolved organic matter,DOM),也可以吸附生成的DBPs,导致其对DOM氯化过程中DBPs的生成具有复杂的影响效应。因此,深入探究AC对DOM氯化过程中产生DBPs释放风险的影响具有重要意义。

    傅立叶变换离子回旋共振质谱(fourier transform ion cyclotron resonance mass spectrometry,FTICR-MS)是一种高分辨率质谱仪器。为了分析的精确性,其采用较长的采集时间和上百次的谱图叠加[7],用于检测DOM中的分子结构,也可鉴定高分子质量的有机化合物[8-9]。FTICR-MS可通过分子式的元素比率和芳香度信息来分析DOM的组分特征,从而研究DOM与生物、自然介质之间的关系[10]。ZHANG等[11]通过FTICR-MS对不同分子质量DOM馏分的光学和分子特征进行了研究,发现高度不饱和的芳香族物质富含电子,其与次氯酸表现出高反应性。AC氯化后会生成分子质量为1 000~10 000 Da的副产物,但具体的种类及AC对DOM氯化的影响机制还尚未明确。

    因此,本研究通过以是否在氯化过程中投加AC为变量,达到以下目的:1)研究AC对DOM氯化过程中产生已知DBPs的影响,并评价其出水产物毒性;2)通过FTICR-MS技术识别并明确AC对DOM氯化过程中产生的氯化产物种类的影响;3)通过FTICR-MS技术阐明AC对氯化过程中DOM特性转化的影响。

    本研究中使用的DBPs标准品为色谱纯,购自Accu Standard公司(美国);甲基叔丁基醚(methyl tert-butyl ether,MTBE)为色谱纯,购自北京百灵威科技有限公司;无水硫酸钠(Na2SO4)、碳酸氢钠(NaHCO3)、浓硫酸(H2SO4)、硫代硫酸钠(NaS2O3)和次氯酸钠(NaClO)均为分析纯,购自国药集团化学试剂有限公司;AC购自宁夏光华活性炭有限公司,选取椰壳炭的物理性质包括碘值1 030 mg·g−1,比表面积1 114 m2·g−1,平均孔径3.61 nm,总孔隙体积0.78 m2·g−1,微孔和介孔体积分别为0.3 m2·g−1和0.46 m2·g−1;其表面官能团结构包括碱性、酸性、酚醛、羧基和内酯基团的含量为0.58、0.50、0.11、0.38和0.02 mmoL·g−1。AC均用去离子水洗涤至滤液pH呈中性,在115 ℃下干燥12 h后,将其制备成1 g·L−1的悬浊液。原水(raw water,RW)取自中国北京京密引水渠,本研究所用的实验水样参数:pH=8.27,浊度为1.28 NTU,以CaCO3计的碱度和硬度分别为83.38 mg·L−1和111.00 mg·L−1,UV254为0.023 cm−1,溶解性有机碳(dissolved organic carbon,DOC)为2.21 mg·L−1

    将AC悬浊液超声后加入到1 L 0.1 mmol·L−1 NaClO的超纯水和RW中,AC质量浓度为10 mg·L−1,使用10 mmol·L−1磷酸盐缓冲液将溶液的pH调整为7.5,同时设计另一组实验,先使用AC对RW中的DOM进行吸附,再加氯进行反应。磁力搅拌24 h,检测反应0.5、1、2、24 h后水样中THMs和HAAs的浓度,同时对反应24 h的样品进行FTICR-MS分析,使用Na2S2O3淬灭余氯并利用0.45 μm的膜过滤去除AC,滤后水中加入5 g无水Na2SO4,使用MTBE作为萃取剂提取水样,HAAs还需甲醇酸化处理,使其衍化为卤乙酸甲酯,测定DBPs以及其他指标。

    THMs和HAAs的测定参考美国环境保护署标准方法(USEPA Standard Methods 551.1和552.3),THMs和HAAs的回归曲线如图1所示。测定的4种DBPs(TCM、CAA、DCAA、TCAA)采用配备电子捕获检测器(Agilent Technologies,Santa Clara,CA,USA)的气相色谱仪(Agilent 7 890,Santa Clara,USA)进行分析[12]。气相色谱柱为HP-5型的熔融石英毛细管柱(30 mm×0.25 mm内径,薄膜厚度为0.25 mm)。氯化反应开始前的溶液使用pH计(HACHHQ 40 d,Loveland Colorado,USA)校准成中性。余氯使用N,N-二乙基对苯二胺(DPD)方法进行测定,结果以mg·L−1的Cl2表示(HACH Pocket ColorimeterII,Loveland Colorado,USA)。总有机碳分析仪(total organic carbon,TOC,Elementar公司,德国)测定AC滤后水中DOC的浓度。溶液中的有机物含量使用紫外分光光度计(UV-6 100型,中国上海)进行测定。在5,5-二甲基-1-吡咯啉-N-氧化物(DMPO)作为捕获剂的条件下,采用电子自旋共振波谱仪(electron spin resonance,ESR,A300-10/12型Bruker公司,德国)检测自由基。

    图 1  THMs和HAAs的回归曲线
    Figure 1.  Regression curves for THMs and HAAs

    仪器参数与操作步骤使用配备有15.0 T超导磁体和电喷雾电离源的FTICR-MS(Bruker Solari X型)对样品的分子组成进行分析。样品在负离子模式下进行测试,进样方式为连续进样,进样速度为150 μL·h−1,毛细管入口电压为4 kV,离子累积时间为0.08 s,相对分子质量采集范围为100~1 000 Da,采样点数为4 ppm,时域信号叠加300次以提高信噪比.上机测试前用10 mmol·L−1甲酸钠对仪器进行校正,样品检测完成后用可溶性有机质(已知分子式)进行内标校正。经过校正后,检测的质量误差均小于1 ppm。样品检测时取原水样品200 μL,过0.22 μm滤膜以去除颗粒物等杂质,然后用甲酸酸化水样,逐滴加入甲酸直至水样pH调节至2。然后对水样中的DOM进行SPE固相萃取(萃取柱型号为Agilent Bond Elut PPL(1.0 g,6 mL)。H/Cw、O/Cw和碳归一化双键当量(DBE/Cw)等分子式参数根据每个样品中指定分子式的相对强度加权平均值计算得出[13]。数据采用DOM中已知的CHO类化合物进行内标校准,如对应多个分子式,采用同系物规则和最小杂原子个数规则进行正确分子式筛选。

    图2所示,比较了AC是否存在和不同氯化方式对RW氯化过程中DBPs的释放情况。图2(a)所示为测定的DBPs浓度随时间变化规律,可以看到无论是否在RW中加入AC,DBPs浓度均随时间的延长升高,DBPs的总浓度在反应初始时可忽略不计。AC存在与不存在时DBPs的浓度分别从0.5 h的51.29 μg·L−1和103.19 μg·L−1上升至24 h的59.34 μg·L−1和137.87 μg·L−1,并且在2 h时达到较高水平,说明AC与0.1 mmol·L−1 NaClO在开始的2 h内剧烈反应生成大量DBPs。但加入AC的水样随着反应时间的增加,DBPs的变化并不明显,可能是由于部分DBPs及其前体物被AC快速吸附以及自由氯被大量消耗后导致反应速率下降。此外,进一步对比了在RW氯化过程中不同活性炭加入方式对DBPs生成释放的影响,结果如图2(a)所示。发现过滤掉AC后氯化方式产生的DBPs与AC一直存在的结果基本一致,说明AC在此过程中虽然可以吸附THMs、HAAs及其前体物,并且可以催化氯产生自由基,但对释放到水中THMs及HAAs影响较小。如图2(b)所示,在AC存在时,氯的衰减率明显增加,但释放到水体的目标DBPs浓度较未加入AC时更低。AC存在时余氯衰减快,测得DBPs较少。一方面是由于生成的DBPs被AC吸附,另一方面具有较强还原性的AC本身也会快速消耗自由氯。如图2(a)所示,单独在24 h时测定AC吸附的DBPs,发现即使将吸附反应后的AC经有机溶剂丙酮浸泡,并超声处理释放DBPs,测定的4种TCM、CAA、DCAA、TCAA的质量浓度分别为19.85、16.29、12.08、12.50 μg·L−1,可以发现加入AC组的DBPs总质量浓度(120.05 μg·L−1)仍低于不加入AC组(147.87 μg·L−1)。此外,如图3所示,还测定了在纯水中AC与过量氯反应产生的DBPs。发现THMs及HAAs的浓度先下降后上升。这是由于AC前期吸附性较强,后期吸附能力下降,生成的DBPs逐渐释放到水中。同时对水中的DOC进行测定,前2 h的DOC浓度均为先下降后上升,但随着反应时间的继续增加,加入AC组的DOC浓度继续上升,而未加入AC组却呈现下降趋势。这一现象说明AC影响了DOM的氯化过程,导致其结构被破坏且生成了其他副产物。VOUDRIAS等[14]发现AC会导致一系列自由基连锁反应的发生。HUANG等[4]研究了THMs和HAAs在AC存在下的含量变化,但没有研究其单独氯化DOM的情况,而且AC存在时溶液的细胞毒性也有所增强。因此,还需进一步探究AC存在时的氯化副产物的变化。

    图 2  RW氯化过程中,对比是否存在AC、后氯化和24 h AC吸附的目标DBPs浓度和余氯、DOC变化
    Figure 2.  Comparison of target DBPs concentrations and changes in residual chlorine and DOC during RW chlorination in the presence or absence of AC, post-chlorination and 24-hour AC adsorption
    图 3  纯水中AC与过量氯测定的目标DBPs浓度
    Figure 3.  Concentration of target DBPs determined by AC with excess chlorine in pure water

    图4所示,通过FTICR-MS探究了AC对氯化副产物的影响。由图4(a)可以看到,在RW氯化过程中,其产物匹配了302个氯化分子式,而AC存在时的氯化产物中,可对应220个氯化分子式。进一步分析302种氯化产物,其中163种分子式与AC存在时相同,因此AC存在时的氯化会导致部分氯化产物减少,但也生成了新的氯化产物包括57种在内的独特分子式,其中CHOCl、CHONCl、CHOSCl、CHNSCl、CHNOSCl分子式各生成了42、5、5、2、3种。如图4(b)所示,在有AC存在的氯化过程中,氯化副产物产生的含有2个和3个氯原子的DBPs相对较少。在AC存在的氯化水样中,生成含有2个和3个Cl原子的分子式分别为90个和19个;而在RW氯化过程中,生成含有2个和3个Cl原子的分子式为125个和25个。此外,如表1所示,经对比发现,AC存在时,CHOCl、CHONCl、CHONSCl分子式的数量减少,而CHOSCl的分子式增加,并且CHOCl、CHONCl以及CHOSCl和CHONSCl分子式的H/Cw值均低于RW的氯化过程,相反的是O/Cw均高于RW氯化。有研究[15]表明,与传统的暗氯化生成副产物的生成机制不同,活性氯物种(reactive chlorine species,RCS)与有机物的主要反应机理是氯加成、单电子转移和氢抽取反应。BEN等[16]和SUN等[17]发现氯可以通过自由基链式反应发生降解,从而减少自身与其他物质的接触时间。RCS和DOM结合也会影响靶向DBPs的生成,诱导形成新型的DBPs[5],这可能是AC存在时有Cl·的生成,从而发生的后续自由基反应导致H/Cw值较低、O/Cw较高。

    图 4  AC在RW氯化过程后形成氯化副产物的范克雷维伦图和该过程中形成的含氯副产物的计数
    Figure 4.  Van Krevelen diagram of the formation of chlorination by-products of AC after the RW chlorination process and the counting of chlorine-containing by-products neutral to the process
    表 1  RW氯化过程中的氯化产物分子式分子指数的强度加权平均值
    Table 1.  Intensity-weighted average of molecular indices of molecular formulae for chlorination products during the RW chlorination process
    分子式 水样 H/CW O/CW DBEW AImod,w 总强度 相对丰度/%
    CHOCl 不含AC 1.29 0.50 6.98 0.22 4.60×109 93.77
    含AC 1.23 0.54 7.24 0.25 2.8×109 94.38
    CHONCl 不含AC 1.42 0.28 8.84 0.17 1.48×108 3.41
    含AC 1.33 0.33 9.22 0.24 7.52×107 2.54
    CHOSCl 不含AC 1.68 0.21 7.28 0.03 6.8×107 1.37
    含AC 1.67 0.51 3.69 -0.31 6.15×107 2.07
    CHONSCl 不含AC 1.6 0.30 7.02 -0.14 7.2×107 1.45
    含AC 0.49 0.13 0.65 -0.12 4.02×107 1.01
     | Show Table
    DownLoad: CSV

    DOM的成分也会影响AC对氯的反应特性。因此,探究了AC存在时RW氯化过程中DOM的转化情况。基于修正后的芳香指数和H/C将溶解性有机质分为5类[18]:稠环多环芳烃(AImod>0.66)、多酚类物质(0.5<AImod≤0.66)、高度不饱和酚类物质(AImod≤0.5且H/C≤1.5)、脂肪类物质(AImod≤0.5和1.5<H/C≤2)和饱和类物质(H/C>2)[19]。如图5(a)和图5(b)所示,绝大部分有机物属于脂肪类物质、高度不饱和酚类物质和多酚类物质。此外,SUVA254(即UV254/DOC)可用来比较不同样品中的芳香族化合物的含量(即芳香度)[20]。芳香度与反应性有关,有机物的反应性反映了通过凝聚去除该有机物的难易程度,以及有机物与氯反应产生DBPs的可能性。如图6所示,对比了氯化后RW中是否存在AC时SUVA254的变化,THMs和HAAs的浓度随SUVA254的增加而增加[21]图5显示AC存在时的SUVA254低于不含AC的水样,与上述结果保持一致。含AC和不含AC的RW中DOC在氯化前后仅有轻微变化,这表明DOM未发生矿化作用。SUVA254还可以表征有机物中不饱和键数量(芳香特征),氯化后的RW中,加入AC组后的SUVA254较低,因此其芳香性低,DOM转化的较多。在两种氯化过程后,SUVA254均有所下降,尤其是AC存在时,BULMAN等[5]的研究也得到了类似的结果,这表明SUVA254的大幅下降可能是由于含有芳香族DOM分子,富含芳香族结构的化合物可以提供更强的疏水作用、离子相互作用和键合作用。

    图 5  RW氯化24 h后分子式的范克雷维伦图
    Figure 5.  van Krevelen plot of the molecular formula of RW after 24 h of chlorination
    图 6  RW氯化过程中SUVA254的变化
    Figure 6.  Changes in SUVA254 during chlorination of raw water

    利用FTICR-MS对有无AC存在的2种情况下的无氯分子式进行比较。如图5(c)所示,2种条件下,相同分子式的比例(约70%)显著高于氯化分子式的比例。如表2所示,CHO、CHON、CHOS和CHONS分子式的H/Cw和O/Cw相似。不含AC氯化条件下CHO、CHON、CHOS和CHONS分子式的DBEw均大于AC存在时氯化条件下的DBEw。较低的DBEw表明产生的DOM平均脂肪族含量更高,与SUVA254结果相一致。有研究[15, 22]表明,AC可与氧气反应生成过氧自由基,过氧自由基经过双分子衰变或单分子衰变生成醇或醛。因此,较低的DBEw可能是由于过氧自由基在AC和氧的活化下产生了部分醇。

    表 2  RW氯化过程后的非氯化产物分子式分子指数的强度加权平均值
    Table 2.  Intensity-weighted average of molecular indices of molecular formulae for non-chlorinated products after the RW chlorination process
    分子式 水样 H/CW O/CW DBEW AImod,w 总强度 相对丰度/%
    CHO 不含AC 1.23 0.52 9.54 0.24 1.79×1011 80.56
    含AC 1.23 0.52 9.35 0.23 1.79×1011 78.06
    CHON 不含AC 1.20 0.52 9.99 0.23 3.21×1010 14.45
    含AC 1.20 0.52 9.88 0.23 3.11×1010 13.56
    CHOS 不含AC 1.40 0.49 6.45 0.07 8.5×109 3.83
    含AC 1.42 0.53 6.40 0.03 1.54×1010 6.71
    CHONS 不含AC 1.51 0.55 7.81 -0.14 2.58×109 1.16
    含AC 1.55 0.60 7.12 -0.22 3.82×109 1.67
     | Show Table
    DownLoad: CSV

    采用ESR技术对AC氯化前后产生的自由基进行检测分析。如图7所示,在只含AC时,可检测到活性炭表面的持久性自由基。在AC氯化后发现了多重峰的存在,DMPO-H2O体系中的七重峰对应·Cl/DMPO加合物,表明在此过程中产生了Cl·[23],Cl·是一种对有机化合物具有较强选择性的自由基,易发生取代反应。由于Cl·具有很强的活性,因此,能够促进DBPs的生成,诱导某些有毒副产物的形成。ESR的结果表明,AC表面持久性自由基可催化次氯酸产生Cl·,在自由基的作用下,DOM与RCS之间会产生氯化副产物,尤其是亲核反应在其中发挥着很大作用,并且DOM的芳香性变强也有助于总有机氯的形成[24]。因此,氯化过程中AC会促进自由基的产生进而诱导其他类型DBPs的生成。

    图 7  AC氯化前后的ESR光谱对比
    Figure 7.  Comparison of ESR spectra before and after AC chlorination

    AC作为一种优良吸附剂被广泛应用于水处理工艺和终端净水过滤;同时,氯也是一种常见的预氧化剂和消毒剂。本文阐述了AC对RW氯化过程DBPs生成及DOM转化的影响,主要结果如下。

    1)虽然AC存在时余氯下降较为迅速,但生成的THMs及HAAs较少,这是由于AC优良的吸附性能以及还原性AC快速消耗氯生成其他DBPs,DOC的变化也可说明了这一变化趋势。

    2) FTICR-MS检测结果表明,AC存在时含氯物质的数量减少,Cl-DBPs的种类由302种减少到220种,其中有57种特异性氯代产物,CHOSCl化合物生成较多,其他CHOCl、CHONCl、CHONSCl化合物的数量减少。

    3) FTICR-MS的结果显示,AC存在时可鉴定的化合物数量呈下降趋势,其是否存在的两种情况,生成的化合物有较大区别,但大部分化合物均属于脂肪类物质、高度不饱和类及酚类物质和多酚类物质。AC存在时,SUVA254的大幅降低表明含有芳香性的DOM被转化,而未加入AC组没有发生矿化反应。

    4) AC表面持久性自由基催化次氯酸产生Cl·,Cl·引发的自由基反应是造成氯化产物及有机物形态改变的主要原因。

  • 图 1  成都市机动车保有量及排污量变化趋势

    Figure 1.  Trend of vehicle ownership and pollutant emission in Chengdu

    图 2  不同排放标准机动车保有量及排污量变化趋势

    Figure 2.  Trend of vehicle ownership and pollutant emission with different emission standards

    图 3  不同类型机动车保有量及排污量变化趋势

    Figure 3.  Trend of ownership and pollutant emission of different types of vehicles

    图 4  不同类型机动车对污染物的贡献占比

    Figure 4.  Contribution of different types of vehicles to pollutant emissions

    图 5  成都市机动车各类污染物的排污空间分布

    Figure 5.  Spatial distribution of vehicle emissions in Chengdu City

    图 6  加严排放及燃油标准减排效果评估

    Figure 6.  Evaluation of emission reduction effect of tightening emission and fuel standards

    图 7  推广清洁能源汽车减排效果评估

    Figure 7.  Evaluation of emission reduction effect of promoting clean (new) energy vehicles

    图 8  淘汰高排放车辆减排效果评估

    Figure 8.  Evaluation of emission reduction effect of eliminating high-emission vehicles

    图 9  优化城市交通管理减排效果评估

    Figure 9.  Evaluation of emission reduction effect of optimizing urban traffic management

    图 10  关键防控措施减排效果对比

    Figure 10.  Comparison of emission reduction effect of key control measures

    表 1  2010—2019年成都市机动车尾气防控相关资料

    Table 1.  Relevant information on vehicle exhaust control in Chengdu from 2010 to 2019

    资料类型发布日期文件名称
    提升排放标准类措施2011-04-13《关于成都市实施国家第四阶段机动车排气污染物排放标准的通告》
    2013-02-18《关于成都市实施国家机动车排气污染物阶段性排放标准的通告》
    提升油品、推行清洁能源汽车及淘汰高污染车辆类措施2014-02-14《成都市大气污染防治行动方案(2014—2017年)》
    2016-05-11《成都市大气污染防治行动方案2016年度实施计划》
    2017-03-30《成都市大气污染防治行动方案2017年度重点任务》
    2018-04-28《成都市2018年大气污染防治工作行动方案》
    2019-04-24《成都市2019年大气污染防治工作行动方案》
    优化城市交通管理类措施2010-05-07《关于高污染汽车限制通行区域和时段的通告》
    2013-05-30《关于进一步加强成都市中心城区机动车排气污染防治工作实施方案》
    2014-05-15《关于空气重污染期间中心城区实施临时交通管理措施的通告》
    2015-05-29《关于高污染汽车限制通行区域和时段的通告》
    2019-09-03《成都市柴油货车及非道路移动机械污染治理攻坚战行动方案(2019—2020)》
    其他资料2005-04-15《轻型汽车污染物排放限值及测量方法(中国Ⅲ、Ⅳ阶段)》
    2005-05-30《车用压燃式、气体燃料点燃式发动机与汽车排气污染物排放限值及测量方法(中国Ⅲ、Ⅳ、Ⅴ阶段)》
    2008-04-02《重型车用汽油发动机与汽车排气污染物排放限值及测量方法(中国Ⅲ、Ⅳ阶段)》
    2013-09-17《轻型汽车污染物排放限值及测量方法(中国第五阶段)》
    2016-08-22《摩托车污染物排放限值及测量方法(中国第四阶段)》
    2018-06-22《重型柴油车污染物排放限值及测量方法(中国第六阶段)》
    资料类型发布日期文件名称
    提升排放标准类措施2011-04-13《关于成都市实施国家第四阶段机动车排气污染物排放标准的通告》
    2013-02-18《关于成都市实施国家机动车排气污染物阶段性排放标准的通告》
    提升油品、推行清洁能源汽车及淘汰高污染车辆类措施2014-02-14《成都市大气污染防治行动方案(2014—2017年)》
    2016-05-11《成都市大气污染防治行动方案2016年度实施计划》
    2017-03-30《成都市大气污染防治行动方案2017年度重点任务》
    2018-04-28《成都市2018年大气污染防治工作行动方案》
    2019-04-24《成都市2019年大气污染防治工作行动方案》
    优化城市交通管理类措施2010-05-07《关于高污染汽车限制通行区域和时段的通告》
    2013-05-30《关于进一步加强成都市中心城区机动车排气污染防治工作实施方案》
    2014-05-15《关于空气重污染期间中心城区实施临时交通管理措施的通告》
    2015-05-29《关于高污染汽车限制通行区域和时段的通告》
    2019-09-03《成都市柴油货车及非道路移动机械污染治理攻坚战行动方案(2019—2020)》
    其他资料2005-04-15《轻型汽车污染物排放限值及测量方法(中国Ⅲ、Ⅳ阶段)》
    2005-05-30《车用压燃式、气体燃料点燃式发动机与汽车排气污染物排放限值及测量方法(中国Ⅲ、Ⅳ、Ⅴ阶段)》
    2008-04-02《重型车用汽油发动机与汽车排气污染物排放限值及测量方法(中国Ⅲ、Ⅳ阶段)》
    2013-09-17《轻型汽车污染物排放限值及测量方法(中国第五阶段)》
    2016-08-22《摩托车污染物排放限值及测量方法(中国第四阶段)》
    2018-06-22《重型柴油车污染物排放限值及测量方法(中国第六阶段)》
    下载: 导出CSV

    表 2  2010—2019年成都市机动车尾气防控措施分类及对应排放标准

    Table 2.  Classification of vehicle exhaust control measures in Chengdu City from 2010 to 2019

    措施年份
    2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
    加严排放标准(轻汽油车) 国Ⅲ 国Ⅳ1) 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅴ 国Ⅴ 国Ⅵ2)
    加严排放标准(重汽油车) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ3) 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ
    加严排放标准(轻柴油车) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ3) 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅴ 国Ⅵ2)
    加严排放标准(重柴油车) 国Ⅲ 国Ⅲ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅴ4) 国Ⅴ 国Ⅵ2)
    加严排放标准(燃气车) 国Ⅲ 国Ⅳ 国Ⅳ 国Ⅴ3) 国Ⅴ 国Ⅴ 国Ⅴ 国Ⅴ 国Ⅴ 国Ⅵ2)
    加严排放标准(摩托车) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ2)
    升级油品(汽油) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ 国Ⅳ 国Ⅴ5) 国Ⅴ 国Ⅴ 国Ⅵ
    升级油品(柴油) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ6) 国Ⅳ 国Ⅴ5) 国Ⅴ 国Ⅴ 国Ⅵ
      注:1)为2011年7月1日开始执行;2)为2019年7月1日开始执行;3)为2013年7月1日开始执行;4)为2017年7月1日开始执行;5)为2016年10月1日开始执行;6)为2014年10月1日开始执行。
    措施年份
    2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
    加严排放标准(轻汽油车) 国Ⅲ 国Ⅳ1) 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅴ 国Ⅴ 国Ⅵ2)
    加严排放标准(重汽油车) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ3) 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ
    加严排放标准(轻柴油车) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ3) 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅴ 国Ⅵ2)
    加严排放标准(重柴油车) 国Ⅲ 国Ⅲ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅳ 国Ⅴ4) 国Ⅴ 国Ⅵ2)
    加严排放标准(燃气车) 国Ⅲ 国Ⅳ 国Ⅳ 国Ⅴ3) 国Ⅴ 国Ⅴ 国Ⅴ 国Ⅴ 国Ⅴ 国Ⅵ2)
    加严排放标准(摩托车) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ2)
    升级油品(汽油) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ 国Ⅳ 国Ⅴ5) 国Ⅴ 国Ⅴ 国Ⅵ
    升级油品(柴油) 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅲ 国Ⅳ6) 国Ⅳ 国Ⅴ5) 国Ⅴ 国Ⅴ 国Ⅵ
      注:1)为2011年7月1日开始执行;2)为2019年7月1日开始执行;3)为2013年7月1日开始执行;4)为2017年7月1日开始执行;5)为2016年10月1日开始执行;6)为2014年10月1日开始执行。
    下载: 导出CSV
  • [1] LIU H, LIU S, XUE B R, et al. Ground-level ozone pollution and its health impacts in China[J]. Atmospheric Environment, 2018, 173: 223-230. doi: 10.1016/j.atmosenv.2017.11.014
    [2] 彭超, 廖一兰, 张宁旭. 中国城市群臭氧污染时空分布研究[J]. 地球信息科学学报, 2018, 20(1): 57-67. doi: 10.12082/dqxxkx.2018.170270
    [3] NAM K M, ZHANG X, ZHONG M, et al. Health effects of ozone and particulate matter pollution in China: A province-level CGE analysis[J]. The Annals of Regional Science, 2019, 63(2): 269-293. doi: 10.1007/s00168-019-00924-z
    [4] WANG X, WESTERDAHL D, WU Y, et al. On-road emission factor distributions of individual diesel vehicles in and around Beijing, China[J]. Atmospheric Environment, 2011, 45(2): 503-513. doi: 10.1016/j.atmosenv.2010.09.014
    [5] KIM O N T, MARTEL M, PONGKIATKUL P, et al. Determination of fleet hourly emission and on-road vehicle emission factor using integrated monitoring and modeling approach[J]. Atmospheric Research, 2008, 89(3): 223-232. doi: 10.1016/j.atmosres.2008.02.005
    [6] ZHANG Q, WU L, FANG X, et al. Emission factors of volatile organic compounds (VOCs) based on the detailed vehicle classification in a tunnel study[J]. Science of the Total Environment, 2018, 624: 878-886. doi: 10.1016/j.scitotenv.2017.12.171
    [7] BIGAZZI A Y, MOHAMED A. Motivation and implementation of traffic management strategies to reduce motor vehicle emissions in Canadian cities[J]. Canadian Journal of Civil Engineering, 2018, 45(4): 241-247. doi: 10.1139/cjce-2017-0451
    [8] YAO Z L, ZHANG Y Z, SHEN X B, et al. Impacts of temporary traffic control measures on vehicular emissions during the Asian Games in Guangzhou, China[J]. Journal of the Air & Waste Management Association, 2012, 63(1): 11-19.
    [9] QIN Y M, TAN H B, LI Y J, et al. Impacts of traffic emissions on atmospheric particulate nitrate and organics at a downwind site on the periphery of Guangzhou, China[J]. Atmospheric Chemistry and Physics, 2017, 17(17): 10245-10258. doi: 10.5194/acp-17-10245-2017
    [10] BHUIYA M M K, RASUL M G, KHAN M M K, et al. Prospects of 2nd generation biodiesel as a sustainable fuel-Part 2: Properties, performance and emission characteristics[J]. Renewable and Sustainable Energy Reviews, 2015, 55: 1129-1146.
    [11] 周华, 赵宏伟, 吴蒙蒙, 等. IVE模型中区间划分方法对排放因子估算的影响[J]. 中国环境科学, 2019, 39(2): 560-564. doi: 10.3969/j.issn.1000-6923.2019.02.014
    [12] LIU J, GE Y S, WANG X, et al. On-board measurement of particle numbers and their size distribution from a light-duty diesel vehicle: Influences of VSP and altitude[J]. Journal of Environmental Sciences, 2017, 2: 238-248.
    [13] HUANG Y, YAN Y S, LEE C K C, et al. Tackling nitric oxide emissions from dominant diesel vehicle models using on-road remote sensing technology[J]. Environmental Pollution, 2018, 243: 1177-1185. doi: 10.1016/j.envpol.2018.09.088
    [14] YANG W, YU C Y, YUAN, W, et al. High-resolution vehicle emission inventory and emission control policy scenario analysis, a case in the Beijing-Tianjin-Hebei (BTH) region, China[J]. Journal of Cleaner Production, 2018, 8: 256.
    [15] 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. doi: 10.1016/j.atmosenv.2019.04.016
    [16] ZHANG Y, WU L, ZOU C, et al. Development and application of urban high temporal-spatial resolution vehicle emission inventory model and decision support system[J]. Environmental Modeling & Assessment, 2017, 22(5): 445-458.
    [17] LIU Y H, LIAO W Y, LI L, et al. Vehicle emission trends in China’s Guangdong Province from 1994 to 2014[J]. Science of the Total Environment, 2017, 586: 512-521. doi: 10.1016/j.scitotenv.2017.01.215
    [18] 卢亚灵, 周佳, 程曦, 等. 京津冀地区黄标车政策的总量减排效益评估[J]. 环境科学, 2018, 39(6): 2566-2575.
    [19] 谢鹏飞, 汤大刚, 张世秋. 京津冀地区机动车燃油质量标准升级的环境经济分析[J]. 中国环境科学, 2017, 37(6): 2352-2362. doi: 10.3969/j.issn.1000-6923.2017.06.045
    [20] 樊守彬, 郭津津, 李雪峰. 基于路网车流量的北京城市副中心机动车污染控制情景[J]. 环境科学, 2018, 39(8): 3571-3579.
    [21] 唐代茂, 任欢欢, 张书浩, 等. 兰州市冬季机动车限行对环境空气质量影响的效果评价[J]. 环境污染与防治, 2019, 41(5): 567.
    [22] 杨雯, 王学军, 张倩茹. 基于高精度清单的京津冀机动车控污政策研究[J]. 中国环境科学, 2018, 38(8): 2803-2810. doi: 10.3969/j.issn.1000-6923.2018.08.002
    [23] 国务院. 成渝城市群发展规划[EB/OL]. [2020-08-01]. http://www.gov.cn/zhengce/content/2016-04/15/content_5064431.htm.
    [24] 环境保护部. 道路机动车大气污染物排放清单编制技术指南(试行) [EB/OL]. [2020-08-01]. http://www.mee.gov.cn/gkml/hbb/bgg/201501/t20150107_293955.htm?COLLCC=4091198132&.
    [25] 周子航, 邓也, 吴柯颖, 等. 成都市道路移动源排放清单与空间分布特征[J]. 环境科学学报, 2018, 38(1): 79-91.
    [26] 成都市统计局, 国家统计局成都调查队. 成都统计年鉴[M]. 北京: 中国统计出版社, 2019: 231.
    [27] 陈军辉, 范武波, 钱骏, 等. 利用IVE模型建立成都市轻型汽油客车排放清单[J]. 环境科学学报, 2015, 35(7): 2016-2024.
    [28] 成都市人民政府. 成都完成黄标车淘汰任务: 2017年淘汰23888辆[EB/OL]. [2020-08-01]. http://news.chengdu.cn/2018-/0125/1945926.shtml?phone=yes.
    [29] 金嘉欣, 孙世达, 王芃, 等. 辽宁省2000—2030年机动车排放清单及情景分析[J]. 环境科学, 2020, 42(2): 665-673.
    [30] 王同猛, 周阳, 郝艳召, 等. 西安市机动车污染控制策略实施效益评估[J]. 环境污染与防治, 2018, 40(3): 349-354.
    [31] 唐伟, 郑思伟, 何平, 等. 基于情景分析的杭州市机动车尾气排放控制协同效应研究[J]. 环境科学学报, 2019, 39(6): 2033-2042.
    [32] 陈天增, 葛艳丽, 刘永春, 等. 我国机动车排放VOCs及其大气环境影响[J]. 环境科学, 2018, 39(2): 478-492.
    [33] YAO Z L, WU B B, SHEN X B, et al. On-road emission characteristics of VOCs from rural vehicles and their ozone formation potential in Beijing, China[J]. Atmospheric Environment, 2015, 105: 91-96. doi: 10.1016/j.atmosenv.2015.01.054
    [34] ZHANG Y L, YANG W Q, SIMPSON I, et al. Decadal changes in emissions of volatile organic compounds (VOCs) from on-road vehicles with intensified automobile pollution control: Case study in a busy urban tunnel in south China[J]. Environmental Pollution, 2018, 233: 806-819. doi: 10.1016/j.envpol.2017.10.133
  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-0400.250.50.7511.25Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 15.7 %DOWNLOAD: 15.7 %HTML全文: 70.1 %HTML全文: 70.1 %摘要: 14.2 %摘要: 14.2 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 99.6 %其他: 99.6 %XX: 0.3 %XX: 0.3 %张家口: 0.1 %张家口: 0.1 %其他XX张家口Highcharts.com
图( 10) 表( 2)
计量
  • 文章访问数:  5039
  • HTML全文浏览数:  5039
  • PDF下载数:  105
  • 施引文献:  0
出版历程
  • 收稿日期:  2020-08-10
  • 录用日期:  2020-12-30
  • 刊出日期:  2021-02-10
范武波, 陈军辉, 马冬, 李媛, 金晨阳, 唐斌雁, 张懿, 蒋文举, 钱骏, 刘政. 2010—2019年成都市机动车排污特征分析及防控措施减排效果评估[J]. 环境工程学报, 2021, 15(2): 657-668. doi: 10.12030/j.cjee.202008009
引用本文: 范武波, 陈军辉, 马冬, 李媛, 金晨阳, 唐斌雁, 张懿, 蒋文举, 钱骏, 刘政. 2010—2019年成都市机动车排污特征分析及防控措施减排效果评估[J]. 环境工程学报, 2021, 15(2): 657-668. doi: 10.12030/j.cjee.202008009
FAN Wubo, CHEN Junhui, MA Dong, LI Yuan, JIN Chenyang, TANG Binyan, ZHANG Yi, JIANG Wenju, QIAN Jun, LIU Zheng. 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. doi: 10.12030/j.cjee.202008009
Citation: FAN Wubo, CHEN Junhui, MA Dong, LI Yuan, JIN Chenyang, TANG Binyan, ZHANG Yi, JIANG Wenju, QIAN Jun, LIU Zheng. 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. doi: 10.12030/j.cjee.202008009

2010—2019年成都市机动车排污特征分析及防控措施减排效果评估

    通讯作者: 陈军辉(1972—),女,硕士,研究员。研究方向:大气污染控制。E-mail:9503062@qq.com
    作者简介: 范武波(1988—),男,硕士,工程师。研究方向:大气污染控制。E-mail:313572721@qq.com
  • 1. 四川省生态环境科学研究院,成都 610041
  • 2. 四川大学新能源与低碳技术研究院,成都 610041
  • 3. 中国环境科学研究院,北京 100012
基金项目:
国家重点研发计划项目(2017YFC0212106)

摘要: 为评估2010—2019年成都市机动车防控措施的减排效果,以2010年为基准年,采用排放清单法计算了各减排措施下2019年的减排量,对比分析了4种控制措施的减排效益。结果表明:成都市机动车排污总量逐年下降,2019年PM2.5、NOx、VOCs、CO、SO2和NH3的排放量分别为0.27×104、4.63×104、1.70×104、28.99×104、0.21×104和0.45×104 t,主要分布在中心城区,其中重型货车对PM2.5和NOx贡献最大,小型客车对VOCs、CO、SO2和NH3贡献最大;措施中加严标准的综合减排量最大,重点减排车型为小型客车、轻型货车、公交车等,2019年6种污染物减排量分别为0.14×104、2.27×104、1.29×104、6.77×104、0.07×104和0.38×104 t;优化城市交通管理对小型客车和摩托车的减排效果显著,2019年6种污染物减排量分别为0.04×104、0.81×104、0.38×104、2.55×104、0.05×104和0.04×104 t;淘汰高排放车辆对小型客车、轻型货车等的减排较明显,2019年6种污染物减排放量分别为0.13×104、0.98×104、0.34×104、2.62×104、0.01×104和0.007×104 t;推广清洁能源汽车的重点减排车型为出租车和公交车,虽然可有效减少PM2.5、NOx的排放,但VOCs却有小幅增加,2019年6种污染物减排放量分别为0.12×104、0.62×104、−0.13×104、0.30×104、0.004×104和0.000 5×104 t。

English Abstract

  • 机动车是重要的大气污染排放源。机动车尾气对大气颗粒物有重要贡献,其中的氮氧化物和挥发性有机物等亦是臭氧的重要前体物[1-2],能给人群健康带来不利影响[3]。近年来,机动车尾气排放因子[4-6]、清单[7-10]、模型[11-13]以及未来发展趋势[14-17]等成为机动车污染防治领域的研究热点。研究者在识别机动车尾气排放特征、污染空间分布、对区域环境影响等方面取得的重要成果,有助于全面认识机动车尾气污染,还可为政府部门的管理决策提供支撑。

    通过防控措施减排效果评估,可获得各种措施的污染减排量、经济成本效益等指标,以确定最适用的减排方案,是机动车尾气排放研究的重要领域。卢亚灵等[18]分析了京津冀地区提前淘汰黄标车和黄标车禁行2种措施的减排效果,发现提前淘汰黄标车并予以补贴的减排效益更明显;谢鹏飞等[19]研究了京津冀地区燃油品质升级后的减排效益,认为升级燃油品质标准可有效降低单车排放因子,尤其是对VOCs和PM具有较好的减排效果;樊守彬等[20]对北京城市副中心未来的机动车排污情况进行了预测,表明淘汰高排放车辆只能在短期内实现较好的减排效果,推广清洁能源汽车方可取得持续性的减排效果;唐代茂等[21]评估了兰州市在2016年推行冬季机动车单双号限行政策期间的空气质量状况,结果表明,分时段单双号限行可取得较好的减排效果,而全天限行并不能明显提升减排效果;杨雯等[22]对京津冀机动车设置了13种政策评估情景,发现淘汰高污染排放标准机动车可减少京津冀地区近50%的CO和HC排放。以上研究表明,常见的政策措施在机动车尾气减排上均可取得正向效益,但减排效果却不尽相同,这是由于研究区域的车队结构、措施类别、资源禀赋、社会经济发展等因素的差异会产生相应经济效益、社会效益的改变,随之影响减排的效果。

    成都市是国务院确定的国家重要高新技术产业基地、商贸物流中心和综合交通枢纽,是西部地区重要的中心城市[23]。近10年来,成都市机动车快速增长,给当地大气质量带来了极大挑战。为减少汽车尾气污染,成都市政府实施了尾号限行、推广清洁能源汽车等一系列措施,取得了一定成效。本研究以成都市机动车污染防控措施为对象,分类整合了2010—2019年出台的防控措施,分析了2010—2019年机动车尾气中污染物的排放特征,评估了关键防控措施的减排效果,以期为成都市及其他同类型城市的机动车尾气污染防治提供参考。

  • 为掌握2010—2019年成都市推行的机动车尾气防控措施,搜集了成都市发布的机动车治理相关文件、标准及统计资料等,并对搜集的资料进行梳理归类,整合成为4类减排措施。

  • 通过控制机动车保有量、改变单车排放水平,以及降低机动车使用频率等途径可降低区域内机动车的整体排放量,以此达到减排目的。本研究中机动车尾气排放量的计算方法见式(1)。

    式中:Qi为污染物PM2.5、NOx、CO、VOCs、SO2、NH3的排放量,t;FEF为污染物排放因子,g·km−1LVKT为车辆年均行驶里程,km·辆−1P为机动车保有量,辆;i为污染物种类;j为车辆类型。其中,排放因子参考《道路机动车大气污染物排放清单编制技术指南》(试行)[24]推荐值,年均行驶里程根据实际调查、并参考文献[25]获得,机动车保有量取自历年统计年鉴[26]、相关文献及部分公开数据[25, 27]。本研究未考虑燃油蒸发排污量。此外,基于成都市路网数据,采用ArcGIS将2019年机动车尾气排放量进行了1 km×1 km分配。

  • 本研究以2010—2019年成都市机动车实际排放量为“基准排放”,对应的防控措施如表1所示。4类减排措施单独实施时的排放量为“控制排放”。各控制排放下的机动车保有量与对应的基准排放相同。通过对比基准排放和控制排放的排放量来评估每种防控措施的减排效果。4类减排措施分别为:1)加严排放及燃油标准。假定所有新增车辆全执行2010年的排放标准及燃油品质,其他措施不变;2)推广清洁能源汽车。假定所有新增清洁能源车均为燃油汽车且执行相应标准,其他措施不变;3)淘汰高排污车辆。假定所有高排污车辆按照每年5%的比例自然淘汰,其他措施不变;4)优化城市交通管理。假定所有城市交通优化措施未执行,其他措施不变。

  • 通过对表1中相关资料的内容梳理,总结了成都市在2010—2019年间发布的机动车尾气防控措施,包括加严排放标准、升级燃油品质、推广清洁能源汽车、淘汰高排放车辆、优化城市交通管理等。防控措施对应的机动车分类及对应的排放标准如表2所示。

    在加严排放标准和升级油品方面,成都市的政策基本与国家同步。在推广清洁能源汽车方面,2017年底,成都市清洁能源汽车达到了4.2×104辆;2018年底前主城区将1 500辆公交车、400辆出租车、6 000辆物流车的新增或更换为清洁能源车辆;2019年新增了6 000辆物流配送、邮政快递用清洁能源汽车;预计到2020年末清洁能源汽车将达到10×104辆。在淘汰高排放车辆方面,成都市从2013年5月1日起开始淘汰机关事业单位黄标车;2015年底前基本淘汰了各区县及2005年前注册的运营黄标车;2017年底淘汰了全部黄标车12×104辆,随后又加强了老旧车的淘汰[28]。在优化城市交通管理方面,2010年10月1日起,高污染机动车每日07:30—19:30禁止在绕城高速内行驶;2012年4月26日起7条主干道执行尾号限行政策;2012年6月1日起禁止发动机排量150 mL以上的两轮摩托车在中心城区道路通行;2013年7月1日起每日07:30—20:00在二三环内实行尾号限行;2018年1月1日起国Ⅲ及以下货运车辆禁止入城,同年1月22日起每日07:30—20:00实行绕城内尾号限行;2019年1月1日起国Ⅳ以上货运车入城数控制在6 100辆以内。除此以外,成都市还通过优化运输结构、大力发展公共交通等方式来优化城市交通管理,但这部分措施不易量化,故未将其纳入关键措施评估。

  • 图1为2010—2019年间成都市机动车保有量及排污量变化趋势。由图1可以看出,近10年来,成都市机动车增长趋势稳定,机动车保有量从2010年的259.91×104辆增至2019年的576.80×104辆,年均增长率达到9.26%。2019年,PM2.5、VOCs、CO、NOx、NH3和SO2的排放量分别为11.58×104、1.70×104、0.27×104、4.63×104、0.45×104和0.21×104 t,分别比2010年增加了−64.51%、−14.68%、−60.08%、15.00%、54.96%和48.84%,这说明,成都市推行的一系列防控措施有效的削减了机动车CO、VOCs和PM2.5的排放,但仍需加强对NOx、NH3和SO2的控制。

  • 图2展示了不同标准的机动车保有量占比及排污总量占比变化趋势。由图2可知,近10年国0、国Ⅰ、国Ⅱ和国Ⅲ车辆保有量占比逐渐下降,国Ⅳ车辆占比先上升后下降,国Ⅴ和国Ⅵ车辆占比逐渐上升;2019年末国0~国Ⅵ车辆占比分别为0%、0.15%、5.68%、15.29%、41.88%、29.96%和7.03%。就排污量而言,成都市机动车排放的污染物主要来自国Ⅱ、国Ⅲ、国Ⅳ和国Ⅴ车辆;2019年综合排污占比中,这几类车辆的排污量分别占总量的13.12%、28.70%、32.78%和20.53%。值得注意的是,保有量占比仅15.29%的国Ⅲ车辆的综合排污占比达到了总量的28.70%。因此,在国0、国Ⅰ和国Ⅱ车辆逐渐淘汰的情况下,国Ⅲ车辆应作为成都市下一步的重点减排对象。

  • 图3反映了不同类型机动车保有量占比及排污总量占比的变化。由图3可知,成都市小型客车保有量最大、占比高,从2010年的52.19%提升至2019年的84.15%,年均增长率达到15.15%;摩托车保有量占比则从2010年的39.78%降低到2019年的9.07%,保有量年均增长率为−7.35%;其他车型保有量占比变化不大。小型客车的快速增加和摩托车的持续减少说明成都市车队结构发生了改变,各类机动车的排污总量构成也随之改变。经分析可知,小型客车排污总量占比在2017年之前逐渐增加,随后出现下降,2019年约为47.02%;而摩托车排污总量占比逐年减小,2017年后逐渐稳定,到2019年约为11.18%;公交车和重型货车的排污总量占比相对较小,但呈现出明显的上升趋势,在2019年分别达到了8.02%和13.31%;其余车辆排污占比较稳定,为9.48%~12.48%。

  • 成都市不同类型机动车对污染物的贡献占比如图4所示。由图4(a)可知,2010—2019年,重型货车对PM2.5贡献率最大,从2010年的39.81%增至2019年的62.62%,其次为小型客车,占比为11.67%~17.39%;重型货车对NOx贡献占比亦为最大,从2010年的15.59%增加到2019年的35.08%,其次为公交车、小型客车和轻型货车,分别为16.32%~23.02%、12.84%~20.49%、10.42%~14.59%,呈现缓慢的下降趋势(见图4(b))。由图4(c)~图4(f)可知,小型客车是VOCs、CO、SO2和NH3的主要贡献车型,2019年的排污占比分别为49.63%、58.96%、74.41%和87.49%,分别比2010年增长了24.99%、17.07%、33.23%和9.61%;而摩托车对VOCs、CO、SO2和NH3的贡献则逐年下降,2019年的贡献率分别为24.26%、27.34%、63.83%和44.27%,分别比2010年下降了36.93%、21.73%、31.33%和9.21%;其余车型排污占比基本不变。以上结果说明成都市机动车结构在这10年间发生了明显变化,小型客车明显增加、摩托不断减少,造成排污构成的变化呈现上述趋势。

  • 图5是2019年成都市机动车排污空间分布图。由图5可知,每种污染物的排放都呈现出由中心城区向郊区递减的排放趋势:一圈层的武侯区、青羊区、金牛区、成华区、锦江区等区域路网相对密集、交通流量大,单个网格排放量较高,PM2.5、NOx、CO、VOCs、NH3和SO2的排放量在2.16、16.81、58.32、14.34、2.87、1.26 t·(a·km2)−1以上;二圈层大部分区域以及整个三圈层的路网相对较稀疏、交通流量较小,其排放量也相对较低,上述6种污染物在二圈层的排放量分别为0.43~2.15、4.24~16.80、15.58~58.31、3.67~14.33、0.63~2.86、0.27~1.25 t·(a·km2)−1;而6种污染物在三圈层的排放量分别在0.42、4.23、15.47、3.66、0.62、0.26 t·(a·km2)−1以下。这是由于成都国际集装箱物流园区、航空物流园区等大型物流园区主要分布在二圈层区域,所以重型柴油货车在该区域活动频繁、保有量较大,导致其中个别区域排放量较高。周子航等[25]对2016年成都市机动车排放清单做了空间分配,二三圈层的排放强度低于本研究的结果,而在中心城区则略高于本研究的结果。这可能是由于近年来成都市周边区县的机动车保有量快速增长,导致其排放强度增加,而中心城区由于地铁等公共交通、电动汽车的大力推行,其排放强度则降低。

  • 2010年成都市车辆排放和燃油品质执行国Ⅲ排放标准。假定该措施下,排放标准和燃油品质与2010年相同,其他条件与基准排放一致,其减排量如图6所示。由图6(a)可知,综合减排量逐年增加,CO、NOx和VOCs的削减效果明显,减排贡献主要来自国Ⅳ和国Ⅴ车辆;2019年减排总量达到10.92×104 t,国Ⅳ、国Ⅴ和国Ⅵ标准车辆所产生的减排量分别达到4.49×104、4.64×104、1.78×104 t。图6(b)为各种车型的单车减排量和减排总量,表明公交车、大型客车等车型的单车减排量较大,2019年分别达到0.41和0.29 t;从车型来看,小型客车减排总量最大,2019年的减排量达到7.14×104 t,其余车型减排总量则相对较小。

  • 使用清洁能源汽车是成都市较早实行的减排措施之一,重点在出租车、公交车等领域推广。清洁能源汽车主要指以燃气、电力、油电混合为动力的车型。本措施假设2011—2019年所有清洁能源汽车全部改为燃油汽车,其他条件与基准排放一致,减排量如图7所示。由图7(a)可知,该措施下每年减排量接近;CO、NOx、PM2.5减排效果显著;VOCs却呈现出了增加,2019年VOCs的减排量为−0.13×104 t。这是由于本研究中涉及的汽车排放因子参考《道路机动车大气污染物排放清单编制技术指南》(试行)[24],燃油汽车VOCs的排放因子低于燃气车辆,所以该措施下VOCs排放量低于基准排放。由图7(b)可知,该措施下出租车的单车减排量及减排总量都最大,2019年分别达到0.49和0.56×104 t,其余车型减排量相对较小。

  • 淘汰高排放车辆(黄标车和老旧车)是减少机动车尾气排放的重要措施,成都市在2017年底基本完成了高排放车辆的淘汰任务。本措施假设所有高排放车辆仅按照每年5%的比例自然淘汰,其他条件与基准排放一致,其减排量如图8所示。由图8(a)可知,该措施下减排量逐年增加,主要是CO、NOx、VOCs的削减;而2016年后大多数高排放车辆已经淘汰,故2016—2019年间的减排量比较接近;2019年CO、NOx、VOCs、PM2.5、SO2、NH3的减排放量分别为2.62×104、0.98×104、0.34×104、0.13×104、0.01×104、0.007×104 t;从标准减排来看,该措施下国0车辆减排量远高于国Ⅰ和国Ⅱ车辆,2019年的减排量分别为2.71×104、0.56×104、0.82×104 t。由图8(b)可知,公交车、大型客车的单车减排量较大;小型客车、轻型货车和中型货车的减排总量较高;2019年,小型客车、轻型货车、中型货车的减排总量分别为1.32×104、0.96×104和0.95×104 t,其余车型减排总量相对较小。

  • 优化城市交通管理是成都市的关键减排措施之一,包括道路限行、区域限行等方式。本措施假设2011—2019年成都市的交通优化管理措施未实施,其他条件与基准排放一致,减排量如图9所示。由图9(a)可知,减排量在2013年达到最大,随后逐渐降低,2017年之后又逐渐上升,这与当地政府采取的限行政策关系密切。2019年,CO、NOx、VOCs、NH3、PM2.5、SO2的减排放量分别为2.55×104、0.81×104、0.38×104、0.11×104、0.04×104、0.05×104 t。由图8(b)可知,单车减排量也呈现出高低交替变化的趋势。大型客车、公交车、中型客车、出租车的单车减排量较大,2019年分别达到0.11、0.11、0.07和0.06 t。小型客车减排总量较大,摩托车的减排总量波动较大,2019年的减排量分别为2.21×104和0.42×104 t。

  • 以上结果表明,成都市所制定的机动车尾气减排措施均取得了较好的效果,但不同措施的减排量各不相同(见图10):加严排放及燃油标准的减排量最显著,其次为优化城市交通管理和淘汰高排放车辆,推广清洁能源汽车的减排量最小。以上结果与金嘉欣等[29]对辽宁机动车减排研究相似,加严排放标准对减排有明显影响;而王同猛等[30]对西安市机动车控制策略研究表明,使用天然气替代燃料的减排量最小,淘汰黄标车和老旧车的的效果最显著。唐伟等[31]在杭州市的发现与本研究结果存在差异,淘汰高排放老旧车的减排效果最好,这可能与该城市的机动车保有量、车队结构等有关,同时也表明只有充分考虑车队结构、排放特征等前提制定的减排措施方可达到较好的效果。

    另外,加严排放标准对小型客车、轻型货车、重型货车、公交车的减排作用明显,能有效降低NOx、VOCs、CO和NH3等的排放;推广清洁能源汽车对出租车、公交车的减排效果显著,可明显减少PM2.5的排放,但未能很好控制VOCs的排放;淘汰高排放车辆对小型客车、轻型货车、中型货车等的减排作用较明显,使得NOx、CO等的排放大幅降低;优化城市交通管理则对小型客车和摩托车的减排作用显著,有效降低了NOx、VOCs和CO的排放。有研究表明,机动车是我国大气中VOCs的最大贡献源[32-34],平均贡献率达到36.8%,芳香烃和烯烃等VOCs对二次污染的贡献较大。本研究发现,推广清洁能源汽车会导致VOCs排放的增加,这可能是由于燃气车辆的增加带来的VOCs排放,因此,推广清洁能源汽车的减排效益还有待进一步论证。

  • 1)近10年来,成都市车队结构发生了明显变化,小型客车明显增加而摩托不断减少,机动车保有量整体逐渐上升,但尾气排放总量整体呈现下降趋势,下一步应将国Ⅲ车辆应作为重点减排对象。

    2)受路网、机动车保有量、交通流等因素影响,成都市机动车尾气排放呈现出由中心城区向郊区递减的趋势,中心城区的PM2.5、NOx、CO、VOCs、NH3和SO2排放量最大,而物流园区的排放对二圈层的排污影响较大。

    3)成都市机动车尾气关键防控措施效果最好的是加严排放和燃油标准,其次为优化城市交通管理和淘汰高排放车辆,推广清洁能源汽车的减排量最小,且推广燃气车辆可能会增加VOCs排放,其减排效益有待进一步论证。

参考文献 (34)

返回顶部

目录

/

返回文章
返回