陶双成,邓顺熙,郝艳召,高硕晗,熊新竹,孔亚平

关中城市群道路移动源气态污染物排放特征

陶双成1*,邓顺熙2,郝艳召3,高硕晗1,熊新竹1,孔亚平1

(1.交通运输部科学研究院,北京 100029；2.长安大学环境科学与工程学院,陕西 西安 710064；3.长安大学汽车学院,陕西 西安 710064)

基于MOVES模型对参数进行本地化修正,计算机动车排放的气态污染物排放因子,以2012年为基准年建立关中城市群的道路移动源常规和非常规气态污染物的排放总量清单,并得到不同车型、不同城市区域的机动车污染物排放分担率.结果显示,关中城市群的道路移动源常规气态污染物中一氧化碳(CO)的排放量为45.40万t,氮氧化物(NO)为8.190万t、二氧化硫(SO2)为0.420万t、氨(NH3)为0.10万t;非常规气态污染物中非甲烷碳氢化合物(NMHC)的排放量为4.168万t,甲醛(HCHO)为0.057万t、乙醛(CH3CHO)为0.027万t、丙烯醛(C3H4O)为0.004万t、1,3-丁二烯(C4H6)为0.012万t、苯为0.090万t、甲烷(CH4)为0.123万t、氧化亚氮(N2O)为0.004万t.此外,各城市按照排放分担率从高至低依次为西安(50%)、渭南(23%)、咸阳(含杨凌)(12%)、宝鸡(10%)和铜川(5%).本研究还发现污染物排放分担率在不同车型中差异显著,其中NO排放以重型货车(33.85%)和中型货车(21.21%)为主;SO2、醛类物质在重型货车中排放分担率分别为31.31%和30%;而CO、NMHC、C4H6、苯和CH4的排放主要来自小客车(分别为32.86%、17.55%、26.64%、26.45%和38.85%)和摩托车(分别为32.64%、55.21%、43.29%、49.04%和30.97%);NH3的小客车和重型货车排放分担率分别为49.5%和31.31%.

道路移动源排放；气态污染物；排放特征；MOVES模型；关中城市群

随着我国城镇化进程的推进,城市连片区域环境空气污染问题日益严重,主要表现为区域重污染天气事件频发,颗粒物总体浓度高、化学组成复杂,臭氧(O3)季节性、区域性污染问题日趋严重,严重影响人民群众的身心健康和日常生产生活[1-2].由于道路移动源是城市群内环境空气污染时空变化的主要影响因素之一[3],摸清区域道路移动源排放特征是识别和解析污染来源、支撑空气污染预警预报[4]、分析解释观测结果和制定减排控制方案的重要基础.国内已经在珠江三角洲地区[5]、长株潭地区[6]、京津冀地区[7-8]、海峡西岸经济区[9]等大气污染主要区域,以及廊坊[10]、杭州[11-12]、成都[13]、南昌[14]、青岛[15]等典型城市开展了机动车污染排放特征研究,初步摸清了机动车排放常规气态污染物一氧化碳(CO)、氮氧化物(NO)与二氧化硫(SO2)以及颗粒物(PM2.5和PM10)排放特征,部分研究还计算了氧化亚氮(N2O)、二氧化碳(CO2)等温室气体排放清单[16].这些研究为厘清典型区域和城市的机动车污染物排放状况,合理制定机动车污染防治策略提供了理论支持和决策依据.已有研究多集中在机动车常规气态污染物和颗粒物排放特征方面,对非甲烷碳氢化合物(NMHC)、醛类物质等非常规气态污染物研究较少,研究表明机动车排放的非甲烷碳氢化合物(NMHC)、甲醛(HCHO)、乙醛(CH3CHO)、丙烯醛(C3H4O)、1,3-丁二烯(C4H6)、苯(C6H6)、氧化亚氮(N2O)和氨(NH3)等气态污染物具有较强的光反应活性[17],在光照或与羟基(OH·)、O3结合条件下会迅速发生反应,是城市光化学烟雾污染O3和过氧乙酰硝酸酯(PAN)以及二次气溶胶形成的重要前体物,在城市光化学烟雾污染[18-20]和二次气溶胶[21]形成中起着关键作用.另据报道,醛类物质中的甲醛、乙醛、丙烯醛和苯甲醛等都是重要的致癌物质[22-23],随着区域性机动车保有量的爆发式增长,城市大气中醛类物质等气态污染物对环境和人体健康的危害会越来越严重,必须引起足够重视.

关中城市群是陕西省的工业、经济、文化和教育中心,但天然的“U”字型河谷地形极不利于本地大气污染物的扩散,易形成污染物累积并发生二次污染[24].近年来,关中地区光化学烟雾污染频发、夏季O3浓度超标明显,O3已经超过PM2.5和PM10成为该地区当前占比最高的污染物[25],随着机动车保有量的迅速增加,机动车排放对以西安为中心的城市群内大气光化学烟雾污染的贡献愈发显著并将严重影响该区域的经济可持续发展和居民健康.建立关中城市群道路移动源气态污染物排放清单,分析机动车排放的常规和非常规气态污染物的基本特征和分担率,是做好区域大气污染防治特别是光化学烟雾等二次污染防控工作的基础,目前针对关中城市群机动车排放气态污染物的研究比较缺乏.本研究在对MOVES模型输入参数本土化修正的基础上,以2012年为基准年建立了关中城市群道路移动源常规和非常规气态污染物排放清单,研究了分车型、城市区域的机动车气态污染物排放特征与分担率,以期为决策者制定机动车污染防治措施提供依据,并为城市群光化学烟雾污染防控提供支持.

1 材料与方法

1.1 研究区域与对象

关中城市群是以西安为中心,包括咸阳、宝鸡、渭南、铜川等地级城市以及杨凌农业示范区,本研究以这5市(其中将杨凌区并入咸阳市一起考虑)为研究对象,关中城市群地理位置如图1所示.

图1 关中城市群地理位置示意

研究建立关中城市群道路移动源常规和非常规气态污染物排放清单,主要包括机动车排放的CO、NO、NH3与SO2等4种常规气态污染物和非甲烷碳氢化合物(NMHC)、甲醛(HCHO)、乙醛(CH3CHO)、丙烯醛(C3H4O)、1,3-丁二烯(C4H6)、苯(C6H6)、甲烷(CH4)和氧化亚氮(N2O)等8种非常规气态污染物.研究对象为汽车、摩托车和低速汽车三大类道路移动排放源,不包括非道路移动源(如农用机械、工程机械等)的排放.

1.2 清单建立方法

机动车污染物排放量的计算基于排放因子法,主要涉及三个参数:机动车保有量、年均行驶里程和机动车排放因子.估算采用以下式(1)[26]:

式中:EQ为污染物年排放总量,g;EF为型车的排放因子,g/(km·辆);P为型车的保有量,辆;VKT为型车的单车年均行驶里程,km.

1.3 排放因子

污染物排放因子反映了一个地区某种车型的污染物排放水平,获得地区不同类型车辆单车污染物排放因子EF是进行道路移动源污染物排放清单计算的基础.近年来美国环境保护署基于VSP分布开发了最新一代排放模型—MOVES模型,该模型能够运用于国家、城市和路段等尺度的排放模拟研究[27],模拟精度较MOBILE模型等更高,其中增加了NMHC、NO、NO2、甲醛、乙醛、丙烯醛、苯等光化学烟雾前体物的计算,提高了计算结果与光化学烟雾反应化学机制的匹配性.郝艳召等[28-29]利用该模型研究了西安市机动车排放清单和轻型车颗粒物排放,邱兆文等[30]利用该模型模拟评估了平面交叉口区域的机动车排放污染,基于前期研究,本文利用关中城市群内的实地调研和测试数据对MOVES模型进行本土化修正后作为道路移动源气态污染物排放因子计算模型.论文对车龄分布、燃油信息、平均速度分布、道路类型分布、行驶里程时间分布、气象信息、燃油和发动机分类、机动车保有量等8项具有区域性特征的参数进行了关中地区本土化修正,占模型可修正参数总数的80%,I/M制度和匝道比例2项参数采用模型默认值.

1.3.1 车龄分布 模型中车龄分布参数是指研究区域内在用机动车不同登记年代的车辆占同类型在用机动车保有量的百分比.论文通过统计年鉴、现场抽样调查(调查有效样本1332辆,其中小客车240辆,大客车450辆,载货汽车642辆)获得关中城市群道路机动车车龄分布参数.其中城市群内不同车龄载货汽车分布比例见图2.

图2 关中城市群载货汽车车龄分布

1.3.2 燃油信息 根据调查,关中地区机动车使用的燃油类型主要有汽油、柴油和压缩天然气(CNG)三种,车用燃油大部分为国III标准.本文参照国家标准《车用汽油》(GB17930-2011)[31]、《车用柴油》(GB19147-2009)[32]和《车用压缩天然气》(GB18047-2000)[33]各类燃油的组分指标,选取与MOVES模型给定的燃油组分中最接近的燃油配方,用我国燃油标准中的参数将模型参数进行修正,主要采用常规汽油(ID为10)和常规柴油(ID为20).

1.3.3 平均速度和行驶里程时间分布 论文通过在测试车辆(客车20辆,货车10辆)上安装GPS设备(Multifunction GPS Data Logger),实时收集不同类型监测车辆的瞬时速度、经纬度、时间和海拔高度等数据信息,观测时间覆盖了工作日和周末,24h连续监测,包含全部4种道路类型,试验期间获得有效样本量为小型客车7161645s,大型客车1154592s,重型货车198103s.通过跟踪监测获得的GPS数据与GIS(Map info)解译的道路地图匹配,将CSV格式数据通过Access导入到GIS地图,进而计算出平均速度分布比例、行驶里程(VMT)时间分布比例.其中行驶里程的周和小时分布比例见图3和图4.

图3 行驶里程周分布

图4 行驶里程日分布

1.3.4 道路类型分布 模型中道路类型分布是指机动车在不同类型道路上行驶里程分布比例.论文将关中地区典型道路类型与MOVES模型中的道路类型进行匹配,其中快速路对应城市限制入口道路(如西安市二环、三环等)、非快速路对应城市非限制入口道路(如城市内主干路、次干路、支路等)、高速路对应乡村限制入口道路(如连霍高速等)、非高速路对应乡村非限制入口道路(如一级公路、二级公路等).通过测试车辆GPS数据与GIS地图匹配,按照车型-道路类型-车辆行驶里程的格式分类,统计分析出不同类型车辆在不同类型道路上的实际行驶距离,并按车型进行具体比例计算.关中城市群内典型机动车在不同道路上的行驶里程分布情况,具体如图5所示.

1.3.5 气象信息 根据陕西省气象局西安基准站(E108°56′,N34°18′)的常规地面气象观测数据,得到关中地区每月的平均温度和湿度变化,具体见表1,相关数据输入模型.

图5 不同类型道路上的行驶里程分布

表1 关中地区月平均温度和相对湿度

1.3.6 燃油和发动机类型 关中地区不同机动车燃油类型占比情况如图6所示.由图6可以看出,小型客车绝大部分为汽油车,占比达到96.36%;中型客车和轻型货车中汽油车比例也较高,分别为61.5%和65.6%;重型货车绝大部分为柴油车,占比达到87.88%;中型货车中柴油车略占主导,占比达到60.77%;而大型客车中汽油、柴油和其他燃油车基本各占1/3,相关数据输入模型.

1.4 机动车保有量

根据西安、宝鸡、铜川、咸阳(含杨凌)、渭南等城市历年的统计年鉴[34-38]和陕西省环境监测站的统计数据,按照用途、载重量和轴数等参数,将我国典型的机动车类型与MOVES模型中设定的车型进行匹配,得到2012年关中城市群各市的机动车保有量如表2所示.其中,载客汽车、载货汽车详细车型构成情况如下,载客汽车中以小型客车为主,占比达97.05%,中型客车和大型客车的比例很低,分别为1.47%和1.48%.载货汽车中轻型货车最多,占52.94%,重型货车比例次之为28.24%,中型货车的比例最低占18.82%.

图6 不同类型汽车燃油类型比例

表2 关中城市群机动车保有量(2012年)(辆)

1.5 年均行驶里程

图7 各车型实调年均行驶里程

通过对机动车检测站、客运站和货运站实地抽样调查(调查有效样本1332辆,其中小客车240辆,大客车450辆,载货汽车642辆)获得车辆行驶里程和车龄信息数据,得到各车型年均行驶里程见图7.对于中型客车、摩托车、低速汽车年均行驶里程,以中国环境科学研究院统计数据[39]和国家环境保护部《道路机动车排放清单编制技术指南(试行)》和《非道路移动污染源排放清单编制技术指南(试行)》中推荐数据作为参考值.

2 结果与讨论

2.1 排放因子特征

利用输入参数本土化修正后的MOVES模型,对关中城市群内小型客车、中型客车、大型客车、小型货车、中型货车、大型货车、摩托车等7种车型气态污染物排放因子进行计算.低速汽车(主要包括农用三轮和四轮车)的NO和CO排放因子采用《非道路移动源排放清单编制技术指南(试行)》推荐值,NMHC、NH3和SO2等排放因子参考计算得到的轻型柴油货车的值.分车型污染物排放因子见表3.

由表3可以看出,中型货车NO排放因子最高,是小客车的18倍之多,大型客车和重型货车次之.摩托车和中型货车CO排放因子较其他车型明显高,分别为小客车CO排放因子的5倍和4倍,分析认为这主要与不同车型的燃料类型、车龄和车况等因素的差异有关.从机动车直接排放的NMHC来看,摩托车排放因子最高,其次为中型货车,分别为小客车排放因子的15倍和4.5倍,摩托车直接排放的甲烷、1,3-丁二烯和苯的单车排放因子也明显高于其他车辆,分别为相应小客车排放因子的4倍、9倍和9.2倍之多,这与摩托车其发动机燃烧不完全、车辆劣化严重等因素有关,提高摩托车单车污染控制技术水平、加强摩托车生产和在用车辆污染物排放限值达标控制、推行城市限摩措施[40]等,对关中城市中心区的有机污染物排放控制不容忽视.据研究[41-42],NH3已成为影响我国大城市空气质量的重要污染物,其能够与城市大气中高浓度的NO2、SO2和挥发性有机酸等物质反应生成二次气溶胶,会导致细粒子污染问题发生.机动车尾气排放的NH3是大气环境中氨气和铵离子的重要来源之一[43].关中地区各种车型都会产生一定的NH3,其排放因子在0.014～0.024g/km之间,中型客车和中型货车的NH3排放因子相对较高,研究表明汽油车排放的NH4+约有56.32%未被强酸根中和,是重要的活性NH4+排放源[44],机动车NH3排放将对城市环境空气二次气溶胶形成产生显著影响.

表3 机动车污染物排放因子(g/km)

将本文研究得到的关中地区小客车(汽油) CO、NO和HC(NMHC+CH4)污染物排放因子与清华大学2008~2010年在北京、广州和深圳实测的轻型汽油轿车排放因子进行比较,将甲醛、乙醛、苯等非常规气态污染物排放因子与北京理工大学轻型汽油车台架试验排放因子进行比较,见表4.从表4中可以看出,关中地区机动车CO、NO和HC(NMHC+CH4)污染物的排放因子水平整体偏高,处于研究实测值欧Ⅱ和欧Ⅲ之间,非常规气态污染物甲醛和苯的排放因子与北京理工大学实测汽油车排放因子比较一致,模拟得到的乙醛排放因子值较实测值偏低.

表4 轻型汽油轿车排放因子结果对比(g/km)

2.2 总量排放特征

根据各城市不同类型机动车活动水平数据和计算得到的排放因子,按照式(1)计算得到2012年为基准年的关中城市群道路移动源污染物年排放总量清单,计算结果见表5.结果表明,关中城市群道路移动源排放的常规污染物中CO的年排放量最高,达到45.4万t;其次是NO,排放量为8.19万t,是2012年陕西省NO非电力排放量(54.68万t)[47]的16.28%;SO2排放量相对较低,为0.42万t,是2012年陕西省SO2非电力排放量(57.62万t)[47]的0.73%; NH3的年排放量为0.1万t,其中西安市机动车NH3排放量为0.054´104t是其2013年人为源大气氨排放量[48]的1.14%,对西安市二次气溶胶形成具有重要作用,随着机动车保有量的增加其对城市NH3排放的贡献量将不断增大,城市机动车的NH3排放越发受到关注,将是城市机动车污染减排的重要对象之一.非常规污染物中NMHC为4.168万t,典型有机污染物中甲烷年排放量最高,达到0.123万t,其次是苯为0.09万t,甲醛为0.057万t,乙醛为0.027万t,丙烯醛为0.004万t,1,3-丁二烯为0.012万t.随着机动车排放非常规污染物的增加,城市大气中NO和NHMC、醛类、烯烃类物质等发生反应形成二次污染的耦合过程更加复杂,会使城市大气污染防控策略制定更加艰难.

表5 2012年气态污染物年排放总量清单(´104t)

2.3 城市分担率

由图8可以看出,2012年各城市的污染物排放分担率受机动车保有量、机动车活动水平影响明显,不同城市排放分担率差异较大.NO、CO、NH3和SO2等常规气态污染物的排放量分担率占比西安最高,分别达到49.88%、47.82%、55.56%和50%,这与西安市机动车保有量占关中地区总量的48.98%基本一致,其次是渭南,咸阳(含杨凌)、宝鸡,铜川分担率最低.非常规气态污染物如NMHC、甲醛、乙醛、丙烯醛等的排放城市分担率也呈现相同特点.分析认为,西安市、渭南市机动车排放的NO和有机污染物区域分担率总体较高,从城市光化学烟雾形成潜势来看,在相同气象条件下,这两个城市更易发生区域性光化学烟雾污染天气.研究表明城市机动车排放污染物主要集中在水平高度1m左右的人体呼吸区域,中心城区因高密度路网结构而成为典型的高强度排放区域[49],关中城市群建成区路网密度高、人口聚集,机动车污染物排放控制形势更严峻.研究认为要减少关中城市群道路移动源污染物排放总量,着重加强西安市和渭南市机动车污染物排放控制(占总排放量的61.99%~75.47%)是必要的选择.

图8 关中机动车气态污染物排放的城市分担率

2.4 车型分担率

根据关中城市群道路移动源污染物排放总量,结合不同城市、不同车型污染物排放量,计算得到关中地区不同车型气态污染物排放分担率.由图9可以看出,不同车型对不同污染物排放分担率差别较大,其中重型货车对NO的排放分担率最高,达到33.85%,其次为中型货车,小型客车和大型客车的分担率分别占10%以上;小型客车和摩托车是CO的主要排放源,两种车型排放CO占总排量的60%以上;重型货车对SO2的排放分担率最高,达到了31.31%,这与其以柴油发动机为主有直接关系,其次为小型客车、中型货车和大型客车,排放分担率分别为21.15%、15.0%和13.89%;小型客车对NH3的排放分担率达到50.25%,相关研究中也指出小型客车是机动车氨排放的主要贡献者[50],这主要与燃料的不完全燃烧及小客车安装尾气催化装置等有关,其中尾气催化装置产生的NH3更多,可能存在氨逃逸等问题.研究结果表明,机动车排放常规气态污染物减排控制中,应当以不同车型的总量贡献为出发点,在NO减排中应加强重型货车、中型货车和大型客车的污染物控制,CO减排则需要重点考虑小客车和摩托车,NH3减排控制以小客车、重型货车为主,SO2减排控制则重点以重型货车、小型客车、中型货车为主.

图10 关中机动车非常规气态污染物排放分车型分担率

图10是机动车排放有机污染物NMHC、甲烷、甲醛、1,3-丁二烯、丙烯醛、苯等分车型排放分担率情况.由图10可以看出,不同车型对不同有机污染物的贡献差异较大,总体来看摩托车和小客车是有机污染物排放的主要车型,低速汽车、重型货车和中型货车在醛类物质排放中贡献显著.摩托车对NMHC和甲烷的排放分担率分别达到55.21%和30.97%,摩托车NMHC排放贡献量是小客车的3.15倍,是重型货车的7.72倍.小客车和摩托车对1,3-丁二烯和苯的排放分担率高达68.93%和75.59%,这与小客车保有量高、摩托车燃烧不充分导致单车排放高等因素有关.重型货车、中型货车、低速汽车和摩托车是甲醛、丙烯醛等醛类物质的重要来源,四类车型的总排放量占甲醛、丙烯醛年总排量的76.71%和78.14%.研究结果表明,机动车排放的NMHC和甲烷总量减排中应加强摩托车的有机污染物排放控制,甲醛、丙烯醛等醛类污染物减排中需重点对重型货车、中型货车、低速汽车和摩托车进行控制,1,3-丁二烯和苯污染物减排以控制小客车和摩托车为主.

2.5 不确定性分析与排放清单对比

建立道路移动源排放清单过程中需要采集的数据较多,各类数据的获取方法也不同,不确定性主要来源于机动车活动水平数据缺失以及排放因子的本地化差异.本研究机动车保有量数据来自各城市统计年鉴,不确定性较小,但由于我国机动车统计口径与MOVES模型的车型设定存在差异,车型匹配过程中可能会存在一定的误差.另外,受限于区域外流动机动车数据的可得性,本研究未考虑关中城市群区域外注册车辆的跨域流动带来的排放,增大了排放清单的不确定性.本研究采用的年均行驶里程数据基于现场抽样调查获得,同时部分车型数据参考了相关文献,可能无法精确反映关中城市群内机动车年均行驶里程状况.本研究基于MOVES模型模拟的排放因子综合考虑了车龄分布、燃油信息、道路类型、平均速度、行驶里程、气象信息、燃油和发动机类型等本地化因素,排放因子较为可靠.

表6 关中地区机动车排放气态污染物清单对比(´104t/a)

目前,关于关中城市群道路移动源气态污染物排放的研究较少.通过文献调研收集总结了相关学者对关中典型城市机动车常规气态污染物排放清单的研究结果,如表6所示.从表6可以看出,本研究结果与王静晞等[51]、闫东杰等[52]、苏航等[48]的研究结果在数量级上一致,但略有差异,CO和NH3的数据一致性较好,NO差异较大,这种差别来自于活动水平设定的不同以及排放因子选取的差异.从活动水平设定上看,本文重点考虑到了NO主要贡献车型大客车和载货汽车年均行驶里程对排放造成的影响,通过现场调查等方式获取了相对准确的行驶里程数据.从排放因子选取上看,本文基于输入参数本地化修正后的MOVES模型模拟的排放因子与王静晞等通过汇总国内的相关研究获得的排放因子存在着固有差异.

3 结论

3.1 在对MOVES模型参数进行关中本地化修正的基础上,研究了常规气态污染物、非常规气态污染物的排放因子,其中CO排放因子最高,NO和有机污染物排放因子次之,SO2排放因子较低.各车型中中型货车NO排放因子最高,其次是重型货车和低速汽车.摩托车有机污染物排放因子最高,其次为中型货车.将本研究得到的关中地区机动车CO、HC和NO常规污染物的排放因子水平与欧洲标准相比整体偏高,非常规污染物甲醛和苯的排放因子与国内同类实验研究结果比较一致,乙醛排放因子略低.

3.2 2012年关中城市群道路移动源常规气态污染物排放量CO为45.4万t,NO为8.19万t,SO2为0.42万t,NH3为0.1万t,主要集中在西安市(占关中城市群的50%).机动车排放非常规气态污染物中有机污染物年排放量NMHC为4.168万t,典型有机污染物年排放量中甲烷最高,其次是苯,分别为0.123万t和0.09万t.

3.3 关中地区对NO和SO2的年排放量分担率最高的车型为重型货车,分别达到33.85%和31.31%;小型客车和摩托车是CO的主要排放源,占总排量的60%以上,小型客车对NH3的排放分担率达到50.25%.关中地区有机污染物排放分担率较高的车型是摩托车和小客车,其对NMHC的排放分担率分别达到55.21%和17.55%.对甲醛、丙烯醛等醛类物质贡献较大的车型是重型货车、中型货车、低速汽车和摩托车,四者贡献率之和超过75%.

3.4 关中各城市的污染物排放分担率与城市机动车保有量、机动车活动水平有关,总体呈现出西安最高、铜川最低.

[1] Wang Y, Liu H W, Mao G Z, et al. Inter-regional and sectoral linkage analysis of air pollution in Beijing–Tianjin–Hebei (Jing-Jin-Ji) urban agglomeration of China [J]. Journal of Cleaner Production, 2017,165:1436-1444.

[2] Du Y Y, Sun T S, Peng J, et al. Direct and spillover effects of urbanization on PM2.5concentrations in China's top three urban agglomerations [J]. Journal of Cleaner Production, 2018,190:72-83.

[3] Cariolet J M, Colombert M, VuilletM, et al. Assessing the resilience of urban areas to traffic-related air pollution: Application in Greater Paris [J]. Science of The Total Environment, 2018,615:588-596.

[4] Itahashi S, Uno I, Kim S. Seasonal source contributions of tropospheric ozone over East Asia based on CMAQ-HDDM [J]. Atmospheric Environment, 2013,70:204-217.

[5] 程晓梅,刘永红,陈泳钊,等.珠江三角洲机动车排放控制措施协同效应分析[J]. 中国环境科学, 2014,34(6):1599-1606. Cheng X M, Liu Y H, Cheng YZ, et al. A comparative co-benefit analysis of the implements of vehicle emissions control policy in Pearl River Delta [J]. China Environmental Science, 2014,34(6):1599-1606.

[6] 李贝睿,刘 湛,尤翔宇,等.长株潭区域机动车尾气排放清单及特征分析[J]. 环境科学与技术, 2016,39(11):167-173. Li B R, Liu Z, YouX Y, et al. Emission and characteristics of vehicle exhausts in Changsha-Zhuzhou-Xiangtan area of Hunan Province [J]. Environmental Science & Technology, 2016,39(11):167-173.

[7] 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. Yang W, Wang X J, Zhang Q R. Vehicle pollution control policy study on the Beijing-Tianjin-Hebei region, based on a high-precision emission inventory [J]. China Environmental Science, 2018,38(8): 2803-2810.

[8] 郎建垒,程水源,韩力慧,等.京津冀地区机动车大气污染物排放特征[J]. 北京工业大学学报, 2012,38(11):1716-1723. Lang J L, Cheng S Y, Han L H, et al. Vehicular Emission Characteristics in the Beijing-Tianjin-Hebei (BTH) Region [J]. Journal of Beijing University of Technology, 2012,38(11):1716-1723.

[9] 鲁斯唯,胡清华,吴水平,等.海峡西岸经济区大气污染物排放清单的初步估算[J]. 环境科学学报, 2014,34(10):2624-2634.Lu S W, Hu Q H, Wu S P, et al. Establishment of air pollutant emission inventory in the West Coast of Taiwan Strait [J]. Acta Scientiae Circumstantiae, 2014,34(10):2624-2634.

[10] 李瑞芃,吴 琳,毛洪钧,等.廊坊市区主要大气污染源排放清单的建立[J]. 环境科学学报, 2016,36(10):3527-3534.Li R P, Wu L, Mao H J, et al. Establishment of an air pollutant emission inventory for Langfang urban area [J]. Acta Scientiae Circumstantiae, 2016,36(10):3527-3534.

[11] 李新兴,孙国金,王孝文,等.杭州市区机动车污染物排放特征及分担率[J]. 中国环境科学, 2013,33(9):1684-1689. Li X X, Sun G J, Wang X W, et al. Vehicle exhausts emission characteristics and contributions in Hangzhou district [J]. China Environmental Science, 2013,33(9):1684-1689.

[12] 唐 伟,杨 强,黄 成,等.基于大数据分析和IVE模型的杭州市机动车污染物排放变化特征研究[J]. 环境科学学报, 2018,38(1): 71-78. Tang W, Yang Q, Huang C, et al. Study on characteristics of pollutant emission from motor vehicles in Hangzhou based on large data analysis and IVE model [J]. Acta Scientiae Circumstantiae, 2018,38(1): 71-78.

[13] 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.Zhou Z H, Deng Y, Wu K Y, et al. On-road mobile source emission inventory and spatial distribution characteristics in Chengdu [J]. Acta Scientiae Circumstantiae, 2018,38(1):79-91.

[14] 张景文,咸 月,陈报章.南昌市移动源排放清单研究[J]. 环境科学学报, 2017,37(7):2449-2458. Zhang J W, Xian Y, Chen B Z. Study on the emission inventory from mobile source in Nanchang [J]. Acta Scientiae Circumstantiae, 2017, 37(7):2449-2458.

[15] 孙世达,姜 巍,高卫东.青岛市机动车排放清单与空间分布特征[J]. 中国环境科学, 2017,37(1):49-59. Sun S D, Jiang W, Gao W D. Vehicle emission inventory and spatial distribution in Qingdao [J]. China Environmental Science, 2017,37(1): 49-59.

[16] 唐 伟,何 平,杨 强,等.基于IVE模型和大数据分析的杭州市道路移动源主要温室气体排放清单研究[J]. 环境科学学报, 2018, 38(4):1368-1376. Tang W, He P, Yang Q, et al. Study on greenhouse gas emission inventory of road source in Hangzhou based on IVE model and large data analysis [J]. Acta Scientiae Circumstantiae, 2018,38(4):1368- 1376.

[17] Seinfeld J H, Pandis S N. Atmospheric chemistry and physics: from air pollution to climate change [M]. 3rded. Hoboken, New Jersey: John Wiley & Sons, Inc., 2016.

[18] 陶双成,邓顺熙,刘 宁,等.机动车排放对城市光化学烟雾形成的影响[J]. 世界科技研究与发展, 2015,37(1):21-25. Tao S C, Deng S X, Liu N, et al. Influence of vehicle exhaust on production of cities photochemical smog [J]. World Sci-tech R&D, 2015,37(1):21-25.

[19] Yang W D, Zhang Q Y, Wang J L, et al. Emission characteristics and ozone formation potentials of VOCs from gasoline passenger cars at different driving modes [J]. Atmospheric Pollution Research, 2018,9: 804-813.

[20] Ling Z H, Zhao J, FanS J, et al. Sources of formaldehyde and their contributions to photochemical O3formation at an urban site in the Pearl River Delta, southern China [J]. Chemosphere, 2017,168:1293- 1301.

[21] Yin S S, Huang Z J, Zheng J Y,et alCharacteristics of inorganic aerosol formation over ammonia-poor and ammonia-rich areas in the Pearl River Delta region, China [J]. Atmospheric Environment, 2018, 177:120-131.

[22] Sellakumar A R, Snyder C A, Solomon J J, et alCarcinogenicity of formaldehyde and hydrogen chloride in rats [J]. Toxicology and Applied Pharmacology, 1985,81:401-406.

[23] McGregor D B, Baan R A, Partensky C, et al. Evaluation of the carcinogenic risks to humans associated with surgical implants and other foreign bodies – a report of an IARC Monographs Programme Meeting [J]. European Journal Cancer, 2000,36:307-313.

[24] 黄少妮,袁 媛,井 宇,等.陕西关中地区冬季一次重霾污染过程及气象条件影响分析[J]. 干旱气象, 2016,34(6):1037-1046.Huang S N, Yuan Y, Jing Y, et al. Characteristics of a severe haze pollution process in winter of 2013 and meteorological cause in Guanzhong of Shaanxi [J]. Journal of Arid Meteorology, 2016,34(6): 1037-1046.

[25] 陕西日报.关中平原地区整体空气污染较重臭氧污染需警惕[EB/OL]. http://news.xiancity.cn/system/2018/05/30/030576902.shtml, 2018-5-30. Shaanxi Daily. The air pollution in Guanzhong Plain is serious, Ozone pollution needs to be vigilant [EB/OL]. http://news.xiancity.cn/system/ 2018/05/30/030576902.shtml, 2018-5-30.

[26] 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]. http://www.zhb.gov.cn/gkml/hbb/bgg/201501/t20150107_ 293955.htm, 2014-12-31. Ministry of Environmental Protection. Technical guidelines for compiling air pollutant emission inventory of vehicles (trial implementation) [EB/OL]. http://www.zhb.gov.cn/gkml/hbb/bgg/ 201501/t20150107_293955.htm, 2014-12-31.

[27] USEPA. User’s guide for MOVES (motor vehicle emission simulator) 2014 [R]. Washington, D. C.: USEPA, 2014.

[28] 郝艳召,邓顺熙,邱兆文,等.基于MOVES模型的西安市机动车排放清单研究[J]. 环境污染与防治, 2017,39(3):227-231.Hao Y Z, Deng S X, Qiu Z W, et al. Vehicle emission inventory for Xi'an based on MOVES model [J]. Environmental Pollution and Control, 2017,39(3):227-231.

[29] 郝艳召,邓顺熙,邱兆文,等.基于MOVES的轻型车颗粒物排放来源和特征分析[J]. 环境工程学报, 2015,9(8):3915-3922.Hao Y Z, Deng S X, Qiu Z W, et al. Particle sources and characteristics of light duty vehicle based on MOVES model [J]. Chinese Journal of Environmental Engineering, 2015,9(8):3915-3922.

[30] 邱兆文,张广昕,郝艳召.基于运行模式分布的平面交叉口汽车排放评估 [J]. 郑州大学学报(工学版), 2014,35(6):86-90. Qiu Z W, Zhang G X, Hao Y Z.Estimation for vehicles emissions of at-grade intersections based on operating mode [J]. Journal of Zhengzhou University (Engineering Science), 2014,35(6):86-90.

[31] GB17930-2011 《车用汽油》[S]. GB17930-2011 《Vehicle Gasoline》[S].

[32] GB19147-2013 《车用柴油(Ⅳ)》[S]. GB19147-2013 《Vehicle Diesel (IV)》[S].

[33] GB18047-2000 《车用压缩天然气》[S]. GB18047-2000 《Compressed Natural Gas for Vehicles》[S].

[34] 西安市统计局.西安市2000~2012统计年鉴[R]. 西安:西安市统计局, 2001-2013. Xi'an Statistical Bureau. Xi'an Statistical Yearbook 2000~2012 [R]. Xi'an:Xi'an Statistical Bureau, 2001-2013.

[35] 宝鸡市统计局.宝鸡市2000~2012统计年鉴[R]. 宝鸡:宝鸡市统计局, 2001-2013. Baoji Statistical Bureau. Baoji Statistical Yearbook 2000~2012 [R]. Baoji: Baoji Statistical Bureau, 2001-2013.

[36] 铜川市统计局.铜川市2000~2012统计年鉴[R]. 铜川:铜川市统计局, 2001-2013. Tongchuan Statistical Bureau. Tongchuan Statistical Yearbook 2000-2012 [R]. Tongchuan: Baoji Statistical Bureau, 2001-2013.

[37] 渭南市统计局.渭南市2000~2012统计年鉴[R]. 渭南:渭南市统计局, 2001-2013. Weinan Statistical Bureau. Weinan Statistical Yearbook 2000~2012 [R]. Weinan: Weinan Statistical Bureau, 2001-2013.

[38] 咸阳市统计局.咸阳市2000~2012统计年鉴[R]. 咸阳:咸阳市统计局, 2001-2013. Xianyang Statistical Bureau. Xianyang Statistical Yearbook 2000~2012 [R]. Xianyang: Xianyang Statistical Bureau, 2001-2013.

[39] 何立强,胡京南,谢淑霞,等.2010年中国机动车CH4和N2O排放清单[J]. 环境科学研究, 2014,27(1):28-35. He L Q, Hu J N, Xie S X, et al. CH4and N2O emission inventory for motor vehicles in China in 2010 [J]. Research of Environmental Sciences, 2014,27(1):28-35.

[40] 程晓梅,刘永红,徐伟嘉,等.佛山限摩对摩托车出行特征及减排的影响分析[J]. 环境科学与技术, 2013,36(6L):400-404. Cheng X M, Liu Y H, Xu W J, et al. Analysis of urban motorcycle travel characteristics and emissions reduction of motorcycle restriction in Foshan [J]. Environmental Science & Technology, 2013,36(6L): 400-404.

[41] 李丽平,石金辉,李非非,等.青岛大气中HNO3、HNO2、NH3及PM2.5中氮组分的浓度特征和气-粒平衡关系[J]. 环境科学学报, 2014, 34(11):2869-2877. Li L P, Shi J H, Li F F, et al. Concentrations of nitric acid, nitrous acid, ammonia gases and partner nitrogen ions in PM2.5and gas-particle partitioning analysis in Qingdao [J]. Acta Scientiae Circumstantiae, 2014,34(11):2869-2877.

[42] Behera S N, Betha R, Balasubramanian R. Insights into chemical coupling among acidic gases, ammonia and secondary inorganic aerosols [J]. Aerosol and Air Quality Research, 2013,13(4):1282- 1296.

[43] 杨 俊.广州市机动车尾气中氨气的排放因子研究 [D]. 广州:暨南大学, 2011. Yang J. Studyonammoniaemissionfactorsof vehiclesexhaustin Guangzhoucity [D]. Guangzhou: Jinan University, 2011.

[44] 石爱军,马俊文,耿春梅,等.北京市机动车尾气排放PM10组分特征研究[J]. 中国环境监测, 2014,30(4):44-49.Shi A J, Ma J W, Geng C M, et al. Characteristics of chemical composition of particulate matter (PM10) from Beijing vehicle [J]. Environmental Monitoring in China, 2014,30(4):44-49.

[45] Huo H, Yao Z L, Zhang Y Z, et alOn-board measurements of emissions from light-duty gasoline vehicles in three mega-cities of China [J]. Atmospheric Environment, 2012,49:371-377.

[46] 游秋雯,葛蕴珊,尤可为,等.汽油车非常规污染物排放特性研究[J]. 环境科学, 2009,30(2):335-341.You Q W, Ge Y S, You K W, et al. Unregulated Emissions from the Gasoline Vehicle [J]. Environmental Science, 2009,30(2):335-341.

[47] 绿色和平组织.江苏、湖北、陕西、四川四省大气污染防治政策评估报告[EB/OL]. http://www.greenpeace.org.cn/4-provinces- against-air-pollution/, 2016-6-15. Greenpeace. Assessment report on air pollution control policies in Jiangsu, Hubei, Shaanxi and Sichuan provinces [EB/OL]. http://www. greenpeace.org.cn/4-provinces-against-air-pollution/, 2016-6-15.

[48] 苏 航,闫东杰,黄学敏,等.西安市人为源大气氨排放清单及特征[J]. 环境科学, 2016,37(11):4117-4123. Su H, Yan D J, Huang X M, et al. Inventory and characteristics of anthropogenic ammonia emission in Xi'an [J]. Environmental Science, 2016,37(11):4117-4123.

[49] 王孝文,田伟利,张清宇.杭州市机动车污染物排放清单的建立[J]. 中国环境科学, 2012,32(8):1368-1374. Wang X W, Tian W L, Zhang Q Y. Development of motor vehicles emission inventory in Hangzhou [J]. China Environmental Science, 2012,32(8):1368-1374.

[50] 张 双,王阿婧,张增杰,等.北京市人为源氨排放清单的初步建立 [J]. 安全与环境学报, 2016,16(2):242-245. Zhang S, Wang A J, Zhang Z J, et al. On creating an anthropogenic ammonia emission inventory in capital Beijing [J]. Journal of Safety and Environment, 2016,16(2):242-245.

[51] 王静晞,曹国良,韩 蕾,等.关中地区人为源大气污染物排放清单研究[J]. 安全与环境学报, 2015,15(5):282-286. Wang J X, Cao G L, Han L, et al. Probe to the anthropogenic air pollutant emission inventory in Guanzhong Region, Shaanxi [J]. Journal of Safety and Environment, 2015,15(5):282-286.

[52] 闫东杰,苏 航,黄学敏,等.西安市人为源挥发性有机物排放清单及研究[J]. 环境科学学报, 2017,37(2):446-452. Yan D J, Su H, Huang X M, et al. VOCs emission inventory of anthropogenic sources in Xi'an [J]. Acta Scientiae Circumstantiae, 2017,37(2):446-452.

Vehicle emission characteristics of gaseous pollutants in Guanzhong urban agglomeration.

TAO Shuang-cheng1*, DENG Shun-xi2, HAO Yan-zhao3, GAO Shuo-han1, XIONG Xin-zhu1, KONG Ya-ping1

(1.China Academy of Transportation Sciences, Beijing 100029, China；2.School of Environment Science and Engineering, Chang’an University, Xi’an 710064, China；3.School of Automobile,Chang’an University, Xi’an 710064,China)., 2019,39(2)：542~553

This research calculated the emission factors of conventional and unconventional vehicle-emitted gas pollutants, based on the MOVES model with all parameters corrected and simulated to the situation of Guanzhong urban agglomeration. And the motor vehicle pollutant emission inventoryin 2012 of the research area was established, including the contributions from various motor vehicle types in each part of the area.The results showed that the amounts of conventional vehicle-emitted gas pollutants were 81.9kt, 454k, 1k and 4.2k tons of NOx, CO, NH3and SO2, respectively. While the amounts of unconventional gas pollutants were 41.68kt, 0.57kt, 0.27kt, 0.04kt, 0.12kt, 0.95kt, 1.23kt and 0.04kt of NMHC, formaldehyde, acetaldehyde, propylene aldehyde, 1, 3-butadiene and benzene, CH4and N2O, respectively. In addition, the shares of major vehicle-emitted gas pollutants in this area ranking from highest to lowestwere Xi’an(50%), Weinan (23%), Xianyang (including Yanglin) (12%), Baoji(10%), Tongchuan(5%), respectively. Furthermore, the shares of different types of vehicle varied significantly, among whichthe main source of NOxemission wereheavy trucks and medium trucks withcontributionaround 33.85% and 21.21%, respectively. While heavy trucks contributed the most to the emission of sulfur dioxide (~31.31%) and aldehydes(~30%). Specifically, small-size buses and motorcycles covered the most to the emission of CO, NMHC, 1,3-butadiene, benzene and methane, with 32.86%, 17.55%, 26.64%, 26.45%, 38.85% for the former and 32.64%, 55.21%, 43.29%, 49.04%, 30.97% for the later, respectively. And small-size buses and heavy trucks were the maincontributors to NH3emission with 49.5% and 31.31%, respectively.

vehicleexhaust；gaseous pollutants；emission characteristics；MOVES；Guanzhong urban agglomeration

X511

A

1000-6923(2019)02-0542-12

陶双成(1981-),男,甘肃白银人,副研究员,博士,主要研究方向为交通环境与安全技术.发表论文10余篇.

2018-07-17

中央级公益性科研院所基本科研业务费项目(20160609, 20180614);国家自然科学基金项目(51478045);陕西省科技统筹创新工程项目(2012KTZB03-01-04)

* 责任作者, 副研究员, tsc504@126.com