滕文燾， 張芊芊， 劉 芳， 應(yīng)光國*

(1. 華南師范大學環(huán)境學院, 廣州 510631； 2. 華南師范大學地理科學學院， 廣州 510631)

隨著溫室效應(yīng)的不斷積累，地球極端氣候事件逐年增加，給人們的生產(chǎn)生活造成了巨大的經(jīng)濟損失。地球氣候問題已經(jīng)成為了世界各國政府和人民關(guān)注的焦點，氣候的變革會直接影響人類的未來。地球的15個氣候臨界點，已經(jīng)明確有9個被激活[1]。由于氣候臨界點之間存在關(guān)聯(lián)性，它們被激活將觸發(fā)級聯(lián)效應(yīng)，進一步加重“氣候風險”。麥肯錫地球研究所近年來的研究表明：氣候風險呈現(xiàn)出增長性、空間分異性、非定常性、非線性、系統(tǒng)性、遞減以及準備不足特點。地球氣候問題迫切需要大國政府采取行之有效的措施去應(yīng)對氣候變化。

中國過去40年碳排放量的快速增長引起了廣泛關(guān)注[2]，中國交通領(lǐng)域碳排放量成為節(jié)能減排的重點領(lǐng)域[3]，在地球碳排放總量控制中起著不可估量的作用。中國力爭在2030年前實現(xiàn)CO2排放達到峰值，爭取在2060年前實現(xiàn)碳中和。在此背景下，開展機動車碳排放的研究對實現(xiàn)“雙碳目標”起著關(guān)鍵作用。

本文首先概括機動車的碳排放，然后介紹交通領(lǐng)域碳排放估算方法以及中國機動車碳排放現(xiàn)狀，最后對中國機動車碳排放估算研究方向進行展望。

1 機動車碳排放概況

機動車排放的氣體主要包括兩類：空氣污染物和碳排放[4]。機動車尾氣排放將對空氣質(zhì)量和人類健康產(chǎn)生不利影響[5]。

CO2、CH4和N2O是機動車排放的主要碳排放類型。這些溫室氣體通過吸收大量的太陽輻射并釋放出大氣熱量，導(dǎo)致全球變暖。

碳排放導(dǎo)致近10年的地球表面溫度相比1850—1900年提高1.09 ℃，2015—2020年是自1850年有記錄以來最熱的5年[6]。交通運輸領(lǐng)域占歐盟碳排放總量的22.3%，其中道路交通領(lǐng)域占總排放量的21.1%，進一步分析，乘用車碳排放量占歐洲碳排放總量的12.8%，貨車占2.5%，而重型卡車和公共汽車占5.6%[7]。從總量上看，國際能源署數(shù)據(jù)表明，交通運輸行業(yè)為全球第二大碳排放來源，其碳排放量比例接近1/4，是導(dǎo)致地球氣候發(fā)生急劇變化的主要因素[8]。

隨著中國社會和經(jīng)濟發(fā)展的快速推進，中國機動車保有量快速增長，自1990年的554萬輛升至2020年的3.72億輛，增長率達到6 714%。相應(yīng)的，機動車尾氣的碳排放量也迅速增加，成為碳排放量的重要來源。研究顯示，2020年全國交通領(lǐng)域碳排放量達9.3億t，占全國終端碳排放總量的15%。在全球碳達峰與碳中和的背景下，機動車的碳排放研究十分迫切。目前，有關(guān)機動車的碳排放估算方法、碳排放水平異質(zhì)性以及碳排放管理策略等是研究的重點內(nèi)容，其中機動車碳排放量估算已成為社會經(jīng)濟和環(huán)境可持續(xù)發(fā)展的研究熱點。

2 機動車碳排放量估算方法

作為一個全球性的熱點問題，CO2和一般的碳排放相關(guān)課題已經(jīng)在多種不同角度得到了廣泛的研究。碳排放量估算方法是機動車碳排放量核準的基礎(chǔ)。目前，關(guān)于機動車碳排放的估算，國內(nèi)外學者主要通過機動車本身的測試獲得車輛標準碳排放水平，并建立碳排放和交通運輸之間的關(guān)系，利用模型和大數(shù)據(jù)分析開展研究[9]。

綜合已有研究內(nèi)容，機動車碳排放量方法主要包括3種類型：(1)機動車排放測試技術(shù)；(2)基于排放因子模型構(gòu)建排放清單，包括移動源排放模型(Mobile Source Emission Factor Model，MOBILE)、計算道路運輸排放量的計算機程序(Computer Programme to Calculate Emissions from Road Transport，COPERT)、排放因子模型(Emission Factor Model，EMFAC)、綜合模式排放模型(Comprehensive Modal Emissions Model，CMEM)、綜合移動源排放(Motor Vehicle Emission Simulator，MOVES)模型和國際車輛排放(International Vehicle Emission，IVE)等模型；(3)基于深度學習的排放建模。

2.1 機動車排放測試技術(shù)

機動車排放測試技術(shù)是獲得準確的個體車輛碳排放量的基本方法。常規(guī)實驗室估算機動車碳排放量是根據(jù)《輕型車污染物排放限值和測量方法》規(guī)定的試驗方法，即用一輛標準狀態(tài)的試驗車在標準環(huán)境下在底盤測功機上運行一個基于新歐洲駕駛油耗測試標準(New European Driving Cycle，NEDC)的工況測試，測量其總尾氣排氣量，收集部分尾氣檢測其污染物(如CO2)的體積分數(shù)，采用體積分數(shù)乘以排氣量的體積即可得出這輛車在整個試驗過程中所排放的某種污染物的總質(zhì)量。機動車排放測試技術(shù)主要包括臺架測試、車載測試和遙感測試，其中車載測試和遙感測試貼近于實際道路駕駛情況[10]，而臺架測試法是指在實驗室環(huán)境條件下通過尾氣分析系統(tǒng)對污染物排放進行測試[11]。

臺架測試法具有測試條件可控和結(jié)果再現(xiàn)性強等優(yōu)點，已被廣泛應(yīng)用于各國的機動車法規(guī)測試中。然而，近年來的許多研究發(fā)現(xiàn)輕型車在NEDC工況[12]下的標準測試結(jié)果與實際道路排放因子之間呈現(xiàn)明顯差異[13-15]。

車載排放測試技術(shù)可以克服實驗室臺架測試的弱點，更切實地反映機動車在實際道路行駛過程中的排放特征[16],例如分析各類車型的氣態(tài)污染物排放因子[17]。

遙感測試是通過ZHANG等[18]在1980年后期研發(fā)的一項機動車排放測試技術(shù)。該技術(shù)發(fā)展迅速，世界上許多國家和地區(qū)接連實施了道路機動車排放遙感測試。研究者常根據(jù)碳平衡原理，依據(jù)遙感排放測試數(shù)據(jù)估算車輛技術(shù)基于燃油消耗的排放因子，并結(jié)合典型燃油經(jīng)濟屬性數(shù)據(jù)進一步分析其基于里程的排放因子[19-20]。

相比臺架測試、車載排放測試方法，遙感測試法具有較低的測試成本、可獲得較大的樣本排放數(shù)據(jù)，但是，遙感測試存在測試時間較短、測試精度較低和測試點位布局不合理等不足。同時遙感測試數(shù)據(jù)的點位選取對排放因子結(jié)果有顯著影響[21]。

綜上所述，機動車排放量測試技術(shù)可以精準地獲得某一輛或某一類機動車的碳排放因素和排放總量，也可以作為其他碳排放預(yù)測模型的基礎(chǔ)數(shù)據(jù)，但是對于區(qū)域性大尺度的碳排放量核算來說，有一定局限性。

2.2 基于排放因子模型構(gòu)建排放清單

機動車個體不同情景的碳排放排放量與汽車行駛里程數(shù)(Vehicle Kilometers of Travel，VKT)相結(jié)合，核算機動車的碳排放量，是模型預(yù)測的主要思路。目前主要模型方法包括：MOBILE、COPERT、EMFAC、CMEM、MOVES、IVE等(表1)。美國環(huán)境保護署(Environmental Protection Agency，EPA)研發(fā)的MOBILE系列模型、歐洲環(huán)境署(European Environment Agency，EEA)的COPERT、美國加州空氣局(California Air Resources Board, CARB)的EMFAC均基于機動車平均速度的宏觀排放因子模型，均為目前常用的機動車碳排放量估算模型。

表1 常用機動車預(yù)測模型對比Table 1 The comparison of common vehicle prediction models

2.2.1 移動源排放模型 MOBILE模型是由美國EPA于1978年研發(fā)的用來估算實際運行要求下碳氫化合物(HC)、一氧化碳(CO)和一氧化氮(NO)的估算軟件模型。該模型經(jīng)過多次優(yōu)化調(diào)整，現(xiàn)在已經(jīng)根據(jù)研究目的和內(nèi)容更新到MOBILE 6.2版本，用于估算近百年內(nèi)的機動車排放因子。

清華大學研究團隊通過MOBILE 5建立了北京、武漢等城市的機動車排放清單[23-24]。MOBILE的發(fā)展體系完整、應(yīng)用廣泛，因此被公認為最完備的機動車排放估算模型。但MOBILE模型基于固定的工況和排放率，且本地性差，操作界面復(fù)雜，不適用于大尺度、區(qū)域的排放估算。

2.2.2 計算道路運輸排放量的計算機程序 COPERT模型由EEA贊助研發(fā)，已經(jīng)自1989年的COPERT Ⅰ發(fā)展至2021年的COPERT 5.5，用于估算單獨1輛車或1個車隊1年中的污染物排放量,并用于研發(fā)高時空分辨率的機動車排放數(shù)據(jù)庫[24]。該模型采用平均速度揭示機動車駕駛特征，并且利用了大量準確的實驗數(shù)據(jù)，能夠兼容不同參數(shù)變量和國家標準，被亞歐大陸國家廣泛使用。ONG等[25]使用COPERT模型估算2007年馬來西亞公路運輸?shù)腃O2當量排放。結(jié)果顯示：該地區(qū)碳排放總量為59 383.51 t，CO2排放是碳排放污染的主要來源，占總CO2當量的71%。FRAN?OIS等[26]在法國里昂地區(qū)，使用COPERT模型通過城市流動的生命周期空間和地域發(fā)展評估的研究強調(diào)了私家車對環(huán)境影響的主要貢獻(約90%)。

有研究認為COPERT模型比MOBILE模型更適用于中國機動車排放清單的建立，謝紹東等[27]將COPERT模型和MOBILE模型的模擬結(jié)果與臺架測試結(jié)果對比研究表明：COPERT模型的模擬結(jié)果更接近于臺架測試結(jié)果。根據(jù)平臺測試和車輛尾氣測試數(shù)據(jù)，與移動模型相比，COPERT模型的結(jié)果更接近于中國的排放量[28-29]。COPERT模型測試所使用的工況和發(fā)動機技術(shù)與中國的排放標準接近，歐洲排放標準可以涵蓋中國21世紀以來的排放標準，因此，COPERT模型成為中國科研人員估算機動車排放清單的主流模型。然而，COPERT模型需要輸入燃油質(zhì)量、氣象條件和駕駛條件等本地信息，這些輸入數(shù)據(jù)包括輛數(shù)量組成和車輛年均行駛里程VKT等。COPERT模型存在對排放因子的處理方法粗放、車隊信息不完整等問題。雖然市政交通管理部門擁有大量詳細的車輛年均行駛里程信息，但這些數(shù)據(jù)的獲取受到了廣泛的限制，因此，這將著影響估算總?cè)剂嫌昧亢虲O2排放量的準確性。

2.2.3 排放因子模型 EMFAC模型是由美國CARB研發(fā)的移動源排放模型，采用了與美國其它州不同的排放標準。第一代于1988年發(fā)布，至今已于2017年發(fā)布了EMFAC 2017。EMFAC模型已被廣泛用于流動源的排放評估，以生成排放清單、制定污染控制實施方案、評估排放控制法規(guī)的有效性、分析與論證項目符合性、預(yù)測未來流動排放趨勢[30]。EMFAC模型與MOBILE模型構(gòu)建方法類似，皆采用車速、行駛里程、駕駛行為等因素對模型進行修正。BISHOP等[31]使用EMFAC 2017從美國加州公路汽油車的測量中估算出的較高的氮氧化物排放，汽油燃油汽車是這些道路排放的主要來源，但所需要的車輛運行狀態(tài)數(shù)據(jù)采集難度大。

EMFAC模型存在地域和排放標準的局限性，若將其應(yīng)用于其他區(qū)域，需開展本地化參數(shù)修正。中國香港特別行政區(qū)就涉及EMFAC模型中的機動車種類、車輛維修制度、排放標準等開展了本地化修正，確立了EMFAC-HK，而且持續(xù)優(yōu)化EMFAC-HK，用來實時地響應(yīng)其機動車污染管制的情況[32]。WANG等[33]使用EMFAC-HK測量了中國香港特別行政區(qū)道路隧道內(nèi)車輛的排放，測量和模型估計都表明：摩托車和以石油液化氣為燃料的公共小巴(占車輛總數(shù)的3.7%)所排放的CO比例過高(CO占27%，NMHC占49%)，應(yīng)加強排放控制，燃油經(jīng)濟性的改善并沒有帶來預(yù)期的CO2減排，這表明需要更積極地減少CO2排放，尤其是重型車輛的CO2排放。

2.2.4 綜合模式排放模型 CMEM模型是由美國加州大學河畔分校與密歇根大學在1994—1998年協(xié)同研發(fā)。發(fā)動機功率、發(fā)動機轉(zhuǎn)速、空燃比、燃料消耗率、發(fā)動機排放等模塊共同組成了該模型。研究發(fā)現(xiàn)：在機動車高速運行過程中，CMEM模型傾向于預(yù)測更高的碳氫化合物(HC)排放和更低的氮氧化物(NO)排放。在機動車非常低速運行時，CMEM模型對所有排放的預(yù)測往往低于EMFAC、MOBILE模型[34]。何春玉等[35]運用CMEM模型估算北京市機動車碳排放。結(jié)果顯示：該市車輛行駛高峰時段和實際車載實驗各類污染物排放因子大多數(shù)普遍高于非高峰時段。此外，該模型對車輛運行狀態(tài)要求高，進而相關(guān)數(shù)據(jù)采集難度大。

2.2.5 綜合移動源排放模型 MOVES模型是美國EPA基于MOBILE、NONROAD模型于2001年研發(fā)的全新綜合移動源排放模型。MOVES模型將移動源排放估計的基礎(chǔ)從平均速度改為模式活動?；诖耍琈OVES模型得到了不斷的優(yōu)化，MOVES模型的結(jié)構(gòu)是模型估算原理實施的物理保證，估算原理是模型結(jié)構(gòu)的邏輯關(guān)系。相比MOBIL模型，MOVES模型的模擬結(jié)果更具準確性[36]。

BAI等[37]使用EMFAC模型和MOVES模型估算了加州洛杉磯縣在2002年和2030年CO2和CH4的碳排放，分析了潛在活動數(shù)據(jù)和排放因子如何影響2個模型之間的觀察差異，在縣一級，2002年MOVES模型產(chǎn)生了類似的CO2排放量，但僅為EMFAC模型估算的CH4排放量的42%;在2030年，MOVES模型估算的CO2排放量增加了40%，CH4排放量幾乎是EMFAC模型估計值的2倍，造成這些差異的重要因素是MOVES模型中包含的活動數(shù)據(jù)和排放速率。楊凱茜[38]選擇MOVES模型研究2014年西安市的機動車尾氣排放。結(jié)果表明：MOVES模型更注重中觀和微觀層面的機動車尾氣排放因子模擬，與其他模型相比，MOVES模型可以更加全面且精確地反映機動車運行狀況和尾氣排放?？傮w上，MOVES模型針對美國本土，相關(guān)學者需要實收集車輛行駛工況數(shù)據(jù)并進行分析[39]，加上各種不確定性因素，在技術(shù)層面獲取數(shù)據(jù)較為困難。

2.2.6 國際車輛排放模型 IVE模型由國際可持續(xù)系統(tǒng)研究中心和加州大學河濱分校在美國環(huán)境保護署的資助下共同研發(fā)。IVE模型可以估算機動車從1990年到2050年的本地、全球有毒污染物的排放清單[40]。該模型進一步考慮了由于車隊周轉(zhuǎn)、日排放、加油排放等因素而導(dǎo)致的排放率隨時間的變化，其基準排放率取決于車輛技術(shù)、空氣與燃料體積比、發(fā)動機尺寸和燃料類型。基準排放率數(shù)據(jù)來自美國、歐洲、中國、印度和泰國等不同地區(qū)。它利用車輛比功率和發(fā)動機壓力來更準確捕捉駕駛行為的影響[41]。該模型的一般輸入項目包括：車隊特征、車輛活動、駕駛模式、燃料質(zhì)量和基于當?shù)貤l件的溫度[42]。

IVE模型已被應(yīng)用于中國、印度機動車碳排放量的估算。葉身斌等[43]基于該模型研究了天津市機動車排放特征，結(jié)果揭示公交車的平均排放情況顯著高于乘用車。NESAMANI[44]在印度金奈使用IVE模型估算得到公路運輸每天貢獻約6 637 t CO2當量，結(jié)果顯示，兩輪和三輪汽車的CO排放量約占總排放量的64%，重型汽車的NOx和PM排放量分別占總排放量的60%和36%以上。此外，該模型對于車型分類過于復(fù)雜，有關(guān)機動車類型和相應(yīng)參數(shù)的數(shù)據(jù)獲取困難。

2.3 基于深度學習的排放建模

近期，隨著人工智能的發(fā)展,尤其是卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型在諸多領(lǐng)域取得進展，將深度學習應(yīng)用于交通領(lǐng)域逐漸成為熱門的研究方向。準確估算碳排放是有效模擬碳排放控制政策的重要前提，但由于污染源繁多(如居民生活、汽車尾氣等)，并且其排放量不斷變化，因此基于傳統(tǒng)的排放源調(diào)查效率十分低下。而且傳統(tǒng)方法嚴重依賴于宏觀統(tǒng)計數(shù)據(jù)，缺乏時效性及精度保障。這種不準確的排放清單也成為了當前影響碳排放估算的主要限制因素。

目前基于深度學習的排放建模是通過CNN模型對地理位置進行編碼，用LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)對時序變化信息進行編碼，再結(jié)合研究目的加以設(shè)計和優(yōu)化。HUANG等[45]基于神經(jīng)網(wǎng)絡(luò)的綜合化學輸運模型(Neural-Network-based Comprehensive chemical Transport Model，NN-CTM)準確反映了排放清單與污染物濃度之間的關(guān)系，進而在模型中輸入地表和衛(wèi)星觀測的污染物濃度數(shù)據(jù)，通過誤差反向傳播的方法來估算新的排放清單，該方法同樣可被應(yīng)用于CO2、CH4等碳排放估算中，可為中國實現(xiàn)“碳達峰、碳中和”提供有價值的參考。因此，可以借此展開實質(zhì)性的研究，通過建立符合研究目的模型，輔以設(shè)計相應(yīng)的模塊，優(yōu)化模型，最終建立一個具有預(yù)測和實時分析的模型。

HOCHREITER等[46]為解決傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的梯度爆炸問題，對標準RNN結(jié)構(gòu)進行了改進，構(gòu)建LSTM神經(jīng)網(wǎng)絡(luò)以此存儲單元存儲和輸出信息。LSTM對長時間序列具有良好的可預(yù)測性，但其訓(xùn)練時間往往較長。有鑒于此，CHUNG等[47]通過簡化LSTM的結(jié)構(gòu)，提出了一種門控遞歸單元(Gated Recursive Unit，GRU)神經(jīng)網(wǎng)絡(luò)，提高了訓(xùn)練效率。GRU網(wǎng)絡(luò)的預(yù)測精度與LSTM的相當，但GRU結(jié)構(gòu)更簡單，參數(shù)更少，可以有效縮短訓(xùn)練時間[48]。此外，GRU模型繼承了LSTM模型的解決方案，解決了RNN網(wǎng)絡(luò)中的長依賴問題。

如今，新能源客車正以其更好的環(huán)保特性逐漸取代柴油發(fā)動機。PAN等[49]使用中國鎮(zhèn)江測量的液化天然氣客車數(shù)據(jù)集，基于GRU建立的排放模型在預(yù)測精度和訓(xùn)練效率方面優(yōu)于基準方法，該框架包含時間依賴性和外部因素，包括速度、加速度、動態(tài)載客量和道路等級，用于建立實時排放速率模型。研究表明：所提出的模型可為交通和環(huán)保工程師選擇合適的城市交通排放監(jiān)測方法提供潛在的指導(dǎo)。

3 中國機動車碳排放概況

中國機動車碳排放估算從1995年開始以一線城市為主，于2010年達到頂峰并擴展到國內(nèi)二三線城市。中國碳排放量的主流模型是COPERT，大多數(shù)的中國機動車碳排放研究根據(jù)機動車大小和用途大致可以分為4類：輕型乘用車、重型客車、輕型卡車和重型卡車。一些城市的研究，摩托也包括在這項工作中。中國統(tǒng)計年鑒與中國交通運輸統(tǒng)計年鑒(含國家、省統(tǒng)計年鑒)將中國的汽車主要分為民用車和私家車，根據(jù)相關(guān)用途主要分為微/輕/中/大型客車、微/輕/中/重型貨車、摩托、其它。中國機動車碳排放污染物種類包括CO、CH4、NOx、EC等。

不同區(qū)域機動車碳排放量分布特征受到廣泛研究，總體上，華東和華南地區(qū)機動車碳排放量研究較多(表2、表3)，且碳排放量較其他區(qū)域較高。

表2 中國機動車碳排放空間分布

中國的各大城市的機動車碳排放問題仍然嚴峻，各級政府均采取了有效措施來應(yīng)對碳排放問題，最有效的措施莫過于新能源汽車的推廣使用，這在一定程度上緩解了道路污染問題，也有效減少了能源的消耗問題。中國各省市采取了行之有效的措施逐漸推廣了公交車和城鄉(xiāng)大巴電動化，在全市范圍內(nèi)建設(shè)了充電樁，為普及電動車打好了基礎(chǔ)。此外，中國電車企業(yè)比亞迪技術(shù)領(lǐng)先于世界，并于近期成為世界排名前十的車企，這得益于國內(nèi)市場的廣闊需求和政府宏觀政策的引領(lǐng)。

表3 中國機動車碳排放研究Table 3 The research on carbon emission from motor vehicles in China

在華北地區(qū)，京津冀機動車于2007—2011年碳排放總量呈現(xiàn)逐年遞增的趨勢，機動車碳排放總量為409.35萬t[50]。王琨[51]使用CVEM模型估算了2011年呼和浩特市機動車的機動車碳排放總量為10.95萬t。在華東地區(qū)，王聰[52]使用COPERT Ⅳ模型估算了山東省的CO和NOx的排放量年均增長均超過9.0%。孫世達等[53]通過采用自上而下法建立排放清單，估算出2017年青島市機動車碳排放總量為9.91萬t。

在華東地區(qū)，王慧慧等[54]通過調(diào)研考察了上海市機動車道路交通等基礎(chǔ)數(shù)據(jù)資料，并對機動車各污染物排放量進行估算,2012年上海市機動車碳排放總量為40.86萬t，2018年上海市機動車碳排放總量為31.04萬t。對比2年的結(jié)果可知，上海市機動車碳排放總量呈現(xiàn)明顯下降的趨勢，說明政府采取了強有力的減碳措施。

在華南地區(qū)，劉永紅等[55]使用COPERT Ⅳ分析了2012年廣東省不同車型的機動車排放。結(jié)果表明：各車型排放貢獻率存在著明顯的差異，其中輕型客車、摩托和大型客車所占排放比例較高；廣州市和深圳市排放量所占珠三角整體比例較高，機動車污染物排放量上升趨勢呈現(xiàn)明顯的地區(qū)差異性[56]，佛山市、東莞市、珠海市、江門市、中山市、肇慶市、惠州市所占排放比例較低[57]。廖瀚博等[58]使用COPERT Ⅳ估算2008年廣州市機動車碳排放總量為21.96萬t。謝榮富等[59]使用MOVES 2014a估算2015年?？谑袡C動車的碳排放量，機動車碳排放總量為6.09萬t，其中輕型汽油客車是HC和CO的主要貢獻車型。

在西南地區(qū)，機動車碳排放量的研究集中在成都市。賴承鉞等[60]基于COPERT Ⅳ模型估算獲得了2014年成都市機動車碳排放總量為24.66萬t。通過對成都市機動車的排放特征進行分析，低排放標準機動車的排放水平是所有標準車型中最高的，且道路擁堵情況對機動車的排放水平亦有重要影響。

在西北地區(qū)，機動車排放量核算主要集中在蘭州市和西安市。據(jù)統(tǒng)計，2016年西安市機動車碳排放量為33.25萬t[61]。蘭州市是中國西北典型的重工業(yè)城市，數(shù)十年的空氣質(zhì)量低于其他省會城市。機動車碳排放總量為7.10萬t[62]。

4 中國機動車碳排放估算研究展望

通過對有關(guān)道路交通碳排放量估算方法文獻的系統(tǒng)梳理和分析，總結(jié)中國機動車的碳排放研究具有以下特點：在研究區(qū)域方面，中國國內(nèi)研究集中在東部沿海地區(qū)及一線城市，西部城市的相關(guān)研究鮮有涉及。實際上，西部地區(qū)地域遼闊，占國土總面積的70.6%，人口占全國總?cè)丝诘?7.2%，基于西部豐富的礦產(chǎn)資源和深厚的工業(yè)基礎(chǔ)，碳排放量占全國碳排放總量的比例較高，因此，對中國整體區(qū)域的研究顯得尤為重要；在研究尺度方面，對中國機動車碳排放相關(guān)污染物建立排放清單并沒有進行長時間序列的研究，無法對所研究區(qū)域結(jié)合當?shù)販p排政策進行對比分析。一方面，學者普遍依賴于EEA、EPA等機構(gòu)研發(fā)的模型展開研究，估算過程相關(guān)參數(shù)本地化困難，并且尚未構(gòu)建中國各省市機動車碳排放清單，研究領(lǐng)域存在空白；另一方面，新能源汽車的大力推進，將有效減少汽柴油車為動力的機動車碳排放量。然而，新能源汽車對于碳排放量的影響程度以及對未來碳排放的貢獻水平，仍然需要進一步開展研究。在研究內(nèi)容方面，中國機動車碳排放污染物排放清單并沒有涉及碳排放的所有污染物，所核算的污染物以常見尾氣排放污染物為主。隨著雙碳政策的實施，及時有效地開展中國各個地級市的交通領(lǐng)域機動車的碳排放量評價顯得尤為重要。通過構(gòu)建適用于中國國內(nèi)的機動車碳排放模型，結(jié)合新能源汽車等帶來的減碳優(yōu)勢，核算出全國各省市交通領(lǐng)域的碳排放情況，并在長時間序列下開展定量和定性研究，對檢驗減碳效果具有實際的研究意義，有助于當?shù)卣贫ㄏ鄳?yīng)的策略，以便制定新的和更有效的車輛排放控制戰(zhàn)略。