吕 晨 ,张 哲 ,陈徐梅 ,马 冬 ,蔡博峰 * (.生态环境部环境规划院,北京 000；.上海交通大学,中英国际低碳学院,上海 0040；.交通运输部科学研究院,北京 00084；4.中国环境科学研究院,国家环境保护机动车污染控制与模拟重点实验室,北京 000；5.清华大学环境学院,北京 00084)

中国于 2009年成为世界上最大的二氧化碳(CO2)排放国,交通运输是 CO2排放量增长最快的行业[1-2].其中,道路CO2排放对交通排放总量的贡献率达到 71.7%,远超航空,铁路和水运等其他运输方式[3],且在经济发达,人口密度高的一,二线城市道路排放占比更高[4-5].中国政府于2020年在联合国大会承诺CO2排放力争于2030年前达到峰值,努力争取于2060年前实现碳中和.在工业领域采取有力减排措施的同时,发掘机动车减排潜力,控制道路 CO2排放量增长成为降低CO2排放总量并推动碳排放达峰的重要驱动力.提高道路 CO2排放量的核算精度,掌握排放量的变化规律是制定有效减排措施的基础.

通过研究机动车 CO2排放因子,以提高道路CO2排放量评估的准确性,具体方法包括基于发动机参数和油耗量进行理论计算[6-10],基于宏观排放因子模型(Computer Programme to Calculate Emissions from Road Transport, COPERT)[11-16],综合移动源排放模型(Motor Vehicle Emission Simulator,MOVES)[17-19],工况排放模型(International Vehicle Emission Model, IVE)[20],瞬态排放模型(Transport &Mobility Model, TREMOVE)[21]等模型结合本地化参数模拟,基于便携式排放测试系统(Portable Emission Measurement System, PEMS)等移动监测设备实测[14,22-25]以及其他研究方法[26-28].机动车排放因子受引擎油耗速率,车辆行驶速度,路面铺设状况,环境温湿度等条件的影响而动态变化,全国不同地区由于机动车保有量,拥堵状况,道路通行能力,路网车速等条件的不同,机动车 CO2排放因子存在差异.研究人员已对北京市,西安市,深圳市等地的机动车排放因子进行深入研究[17,29-31],但由于研究口径和方法的差异,对于不同省份和城市间机动车排放因子对比的研究相对缺乏.同时,交通产业的发展和运输结构调整使居民的出行方式日益多样化,对比不同交通工具乘客的人均 CO2排放量,倡导居民选择低能耗,低排放的交通工具出行是节能减排的有效途径.当前研究主要集中于对单车排放因子的研究,对于机动车单位客运,货运周转量 CO2排放因子的研究相对匮乏.

本研究综合考虑内燃机车辆的直接排放和纯电动汽车的间接排放,基于本地化修正的 MOVES模型模拟机动车在不同速度条件下的CO2排放因子,建立速度与排放因子变化规律的评估方程.结合路网平均车速和电网排放因子得到各省分车型的CO2排放因子,对比全国不同省份间机动车排放因子的差异.同时,综合考虑客运车辆的载客量和客座率,货运车辆的载重量和载货率,建立各省单位客运,货运周转量的机动车 CO2排放因子数据库,旨在为核算各省道路交通排放量提供数据支持,并根据排放因子的变化特征提出有效的道路交通减排措施.

1 数据来源与方法

1.1 车型分类

机动车 CO2排放包括直接排放与间接排放,直接排放来自汽油,柴油等内燃机车辆燃料燃烧产生的尾气排放,间接排放来自电动汽车消耗电能引起的排放.参考GA802-2014[32],GB1589-2016[33]和GB 7258-2017[34]标准中的车型分类原则与具体参数,与MOVES模型中车型分类模块相匹配,确定本研究的车型包括6种载客汽车与 4种载货汽车.其中,载客汽车分为汽油,柴油,纯电动小型载客汽车,柴油,纯电动公交车和摩托车;载货汽车分为重型,中型,轻型和微型载货汽车,详细的分类标准及车型参数如表1所示.

表1 车辆分类标准与车型参数Table 1 Vehicle classification standards and parameters

1.2 研究方法

MOVES模型作为新一代多功能,综合性的机动车排放模型,通过引入比功率(VSP)将活动水平数据分解到各个源组,随后将源组分布与各源组排放速率相结合,模拟机动车在不同运行工况下的温室气体排放因子.国内外大量研究已基于 MOVES模型结合本地参数模拟目标区域的机动车CO2排放因子,并证明了该模型良好的可移植性和模拟结果的准确性.如图1所示,运行模型时,首先创建运行规范,规定模拟的区域边界,核算目标,时间跨度,车辆类型,燃料类型,道路类型和温室气体类型等模拟条件.随后,在运行规范的基础上使用参数管理面板(CDM)将默认参数替换为中国本地化参数,进行本地化修正.基于本地化修正的MOVES模型模拟8种内燃机车辆在不同行驶速度下的 CO2排放因子,并建立速度与排放因子变化关系的拟合方程,如公式(1～8)所示.随后,结合各省路网平均车速得到分省分车型的CO2排放因子.纯电动汽车的间接 CO2排放因子根据车辆每百公里耗电量结合不同省份的电网CO2排放因子核算,方法如公式(9～10)所示.参考美国环保署对 56款纯电动汽车在混合工况下的能耗测试数据,并调研国内典型电动小客车,电动公交车的性能参数,综合选取电动小客车和电动公交车的耗电量分别为16和100(kW·h)/100km.

图1 研究方法流程Fig.1 Flowchart of research methods

式中: EF为基于行驶里程的机动车CO2排放因子,kgCO2/km;V为行驶速度,km/h;R为每百公里电耗量,(kW·h)/100km;I为电力排放因子,kgCO2/(kW·h);x为车型,其中 x1为汽油小型载客汽车,x2为柴油小型载客汽车,x3为电动小型载客汽车,x4为柴油公交车,x5为电动公交车,x6为摩托车,x7为重型载货汽车,x8为中型载货汽车,x9为轻型载货汽车,x10为微型载货汽车.

机动车单位客运周转量CO2排放因子定义为乘客出行时每 km 人均 CO2排放量,单位货运周转量CO2排放因子定义为货物运输时每公里每吨货物CO2排放量.两者不仅取决于交通工具自身的排放特性,更与实际负载率有关.基于客车的额定载客量与客座率,货车的额定载重量与载货率计算单位客运,货运周转量的CO2排放因子,方法如公式(11～12)所示.

式中:EN为单位客运周转量 CO2排放因子,kgCO2/(人·km);EC 为单位货运周转量 CO2排放因子,kgCO2/(t·km);N 为额定载客量,人;P 为实际客座率,%;C为额定载重量,t;S为实际载货率,%.

1.3 数据来源

基于 MOVES模型在国家尺度模拟排放因子,本地化参数通过官方统计年鉴,数据网站,文献资料获取.其中,车型分类及参数如表1所示,分车型的机动车保有量与分等级的道路长度来源于中国统计年鉴[35];车辆行驶里程来源于《道路机动车大气污染物排放清单编制技术指南(试行)》[36]提供的道路机动车年均行驶里程参数;燃料参数选取国Ⅴ排放标准下的汽油,柴油成分数据;车龄分布基于每年新注册车辆数量与分车型的车辆存活曲线得到的车龄分布[17];气象参数来源于中国气象数据数据网(http://data.cma.cn)对 2019年全国逐时温度,湿度的统计;速度逐时分布来自百度地图智慧交通平台(http://jiaotong.baidu.com/top/)对全国百余城市路网逐时平均速度的监测数据.

计算分省 CO2排放因子时,需考虑各省不同的路网平均速度与电力排放因子.如表 2所示,路网平均速度数据来源于2020年7月1日～2020年11月 30日间百度地图智慧交通平台对全国百余城市逐时路网速度的监测数据,并取平均值,以该省份典型城市的速度表征该省份的路网平均车速;各省电力排放因子参考中国区域电网平均CO2排放因子[37].

表2 不同省份路网平均车速与电网CO2排放因子Table 2 Average road speed and electricity CO2 emission factor in different provinces

2 结果与讨论

2.1 机动车CO2排放特性

车辆类型、燃料类型、引擎油耗速率和行驶速度是造成机动车 CO2排放因子变化的主要因素,如图2所示,汽油、柴油机动车(除摩托车)的CO2排放因子随速度的升高有明显的下降趋势.在机动车启动阶段(速度小于 10km/h),较高的燃料消耗速率导致排放因子达到最高值;随后在低速阶段(10～40km/h),排放因子的波动幅度较大,随速度的提升迅速下降;当达到正常运行阶段(40～100km/h),排放因子稳定较低水平,波动幅度较小;最后,在高速阶段(速度大于100km/h),排放因子出现小幅度的波动,部分车型排放因子小幅上升.同时,机动车 CO2排放因子与发动机排量,油耗速率,载运量成正比.全国路网平均速度为 53.620km/h,平均电网排放因子为0.647kgCO2/(kW·h),在此条件下,如图 3 所示,单车CO2排放因子由高到低分别为:柴油公交车0.880kgCO2/km,重型货车 0.877kgCO2/km,电动公交车0.676kgCO2/km,中型货车0.508kgCO2/km,轻型货车0.374kgCO2/km,柴油小客车0.227kgCO2/km,微型货车0.216kgCO2/km,汽油小客车0.203kgCO2/km,电动小客车0.108kgCO2/km与摩托车0.062kgCO2/km.

图2 机动车CO2排放因子随行驶速度变化规律Fig.2 The variation between CO2 emission factors and speeds of vehicles

图3 机动车CO2排放因子与单位周转量CO2排放因子Fig.3 CO2 emission factor and CO2 emission per turnover of different motor vehicles

机动车单位周转量CO2排放因子不仅取决于车辆排放特性,同时与载运量相关.如图 3所示,对于载客汽车,摩托车,柴油小客车,汽油小客车,电动小客车,柴油公交车和电动公交车满载时的单位客运周转量 CO2排放因子分别为 0.062,0.045,0.041,0.022,0.015,0.011kgCO2/(人·km).结果发现,摩托车由于仅限单人驾驶,人均 CO2排放量最高,公交车满载时人均 CO2排放量最低.由于载客量较高,柴油公交车和电动公交车的人均CO2排放量较汽油小客车相比分别降低了 63%和 73%,倡导公共交通,降低私家车使用频率是降低道路交通 CO2排放量的有效途径.同时,推广纯电动汽车是减少机动车 CO2排放量的关键措施,在结合间接排放的条件下,电动小客车的人均CO2排放量较汽油和柴油小客车分别下降了46%和 51%,电动公交车的人均 CO2排放量较柴油公交车下降了 27%.对于货运车辆,微型货车,轻型货车,重型货车和中型货车满载时的单位货运周转量CO2排放因子分别为 0.120,0.083,0.049,0.042kgCO2/(t·km),微型货车受载重量的限制,单位货运量的CO2排放量最高,中型货车的单位货运量CO2排放量最低.

2.2 分省机动车CO2排放因子

基于 31个省份的路网平均速度与电网排放因子得到不同省份各类机动车 CO2排放因子,并与理论计算,MOVES模型,COPERTIV模型,IVE模型,TREMOVE模型,PEMS实测,统计数据核算和其他方法得到的CO2排放因子作比较(图4虚线所示),验证结果的准确性.

图4 各省份不同车型CO2排放因子Fig.4 CO2 emission factors for different motor vehicles in different provinces

各城市由于人口密度,机动车保有量,道路密度,道路等级,限行措施的差异,导致道路通行能力不同,路网平均速度相应存在差异.如图4所示,上海,北京,重庆等一线和新一线城市人口密度高,经济实力强,2018年千人机动车保有量分别为174,267,186辆/千人[38-40],均高于全国平均水平(166辆/千人[35]).较高的机动车保有量导致道路相对拥堵,路网平均速度低于45km/h,柴油和汽油车辆的 CO2排放因子位居全国前列.以汽油小型载客汽车为例,上海,北京,重庆的CO2排放因子均为0.215kgCO2/km,较全国平均值高出 5.58%.与之相比,广西[41],江西[42]的千人机动车保有量分别为 104,117辆/千人,远低于全国平均水平.路网平均车速高于60km/h,车辆通行状况良好,汽油小客车的CO2排放因子分别为0.194和0.190kgCO2/km,全国平均水平相比分别降低 4.43%和 6.40%.因此,在控制城市机动车保有量的同时,提升道路通行能力,降低道路拥堵状况,从而提高机动车行驶速度是降低道路 CO2排放量的有效途径.电动汽车的CO2排放量与电网排放因子相关,如图 4(i)和(j)所示,受区域电网排放因子的影响,华北,东北,华东和西北地区的电动汽车CO2排放因子较高,华中和南方地区的排放因子较低.

2.3 分省单位周转量CO2排放因子

根据各省机动车 CO2排放因子,结合载客汽车的最大载客量与载货汽车的最大载重量,建立分省分车型的单位客运,货运周转量 CO2排放因子库,如表 3所示.将排放因子库与一定时间尺度内目标区域的客运周转量与货运周转量相结合,可迅速评估该区域的道路CO2排放量.

表3 分省单位周转量CO2排放因子Table 3 CO2 emission factors per turnover in different provinces

续表3

3 结论

3.1 柴油公交车,重型货车,电动公交车,中型货车,轻型货车,柴油小客车,微型货车,汽油小客车,电动小客车与摩托车的全国平均 CO2排放因子分别为0.880, 0.877, 0.676, 0.508, 0.374, 0.227, 0.216, 0.203,0.108, 0.062kgCO2/km.单位客运周转量的CO2排放因子与交通工具类型,额定载客量和实际客座率有关,在满载条件下,柴油公交车和电动公交车的人均CO2排放量较汽油小客车相比分别降低了 63%和73%,电动小客车的人均 CO2排放量与汽油和柴油小客车分别下降了 46%和 51%,电动公交车的人均CO2排放量较柴油公交车下降了 27%.倡导绿色出行,发展公共交通,降低私家车使用频率,推广新能源汽车,同时提高客座率是降低道路 CO2排放量的有效途径.

3.2 机动车 CO2排放因子随行驶速度的升高而降低,各省份由于路网通行能力和电网排放因子不同,导致内燃机车辆和纯电动汽车的 CO2排放因子不同.上海,北京,重庆等省份道路相对拥堵,路网平均速度低于45km/h,机动车CO2排放因子较高;广西,江西等地车辆保有量较少,道路相对畅通,路网平均速度高于60km/h,机动车CO2排放因子较低.因此,在控制机动车保有量增长的同时,优化道路布局,提升通行能力,降低拥堵程度,从而提高全路网尤其是核心城区的车辆行驶速度,是降低道路 CO2排放量的有效方法.

3.3 建立分省分车型的单位客运,货运周转量 CO2排放因子库,为基于周转量核算区域道路交通 CO2排放量的方法提供了数据支持.