陳振瑜，何超,2*，李加強(qiáng),2，付明亮，徐加臣,2，李菊,2

1.西南林業(yè)大學(xué)機(jī)械與交通學(xué)院

2.云南省高校高原山區(qū)機(jī)動車環(huán)保與安全重點(diǎn)實(shí)驗(yàn)室

3.中國環(huán)境科學(xué)研究院

近年來，由于機(jī)動車保有量不斷上升，道路移動源的排放量不斷增加[1-4]。CO、CO2、CH4、N2O 是機(jī)動車排放的幾類主要溫室氣體[5-7]，溫室氣體排放量的增加，加劇了氣候變暖的趨勢。據(jù)國際能源署（IEA）統(tǒng)計(jì)，2021 年中國化石燃料燃燒產(chǎn)生的CO2達(dá)到119.47 億t，較2020 年CO2排放量增加4.8%，其中道路移動源的溫室氣體排放量占總排放量的7.7%，道路移動源成為我國重要的溫室氣體排放源之一。因此，建立可信、準(zhǔn)確的機(jī)動車溫室氣體排放清單，對改善大氣污染、溫室效應(yīng)等問題和制定碳減排措施[6]都具有重要意義。

溫室氣體相比于其他氣體污染物的生命周期較長，能夠在大氣中充分混合。國內(nèi)外學(xué)者對機(jī)動車溫室氣體排放清單已有如下研究：李光華等[7]計(jì)算了渭南市機(jī)動車溫室氣體排放因子并建立了高分辨率的時空排放清單；呂晨[8]通過計(jì)算得到北京市機(jī)動車CO2、CH4、N2O 3 種溫室氣體的排放因子，并基于交通車流量模型，建立了2018 年北京市機(jī)動車的高時空分辨率溫室氣體排放清單；唐偉等[9]應(yīng)用IVE 模型測算排放因子并利用大數(shù)據(jù)分析技術(shù)，建立了杭州市2015 年各類機(jī)動車主要溫室氣體的排放清單；汪晶發(fā)等[10]計(jì)算了N2O 和其他空氣污染物的排放因子，借助ArcGIS 軟件建立了西安市高分辨率的機(jī)動車污染物排放清單；Ganji 等[11]通過多倫多市的交通流量數(shù)據(jù)和各交通站點(diǎn)的交通流量時空性關(guān)系來預(yù)測城市道路的溫室氣體排放量，并建立了多倫多市城市道路溫室氣體排放清單。這些研究成果對于從宏觀層面進(jìn)行溫室氣體排放評估和減排策略制定具有重要的指導(dǎo)意義。目前，多數(shù)制定的排放清單均以城市道路為研究對象，以高速公路為研究對象來制定排放清單的研究較少。國內(nèi)學(xué)者針對廣東[12]、河北[13]、河南[14]和福建[15]等少數(shù)省份進(jìn)行了高速公路排放清單研究。國外研究中，Abou-Senna 等[16]應(yīng)用交通模擬軟件VISSIM 和MOVES模型對美國佛羅里達(dá)州奧蘭多市的州際高速公路進(jìn)行了污染物的排放預(yù)測，并建立排放清單。關(guān)于高速公路機(jī)動車溫室氣體排放的研究更為鮮見，Li 等[17]通過交通速度-流量模型對北京市高速公路和其他道路機(jī)動車排放的溫室氣體建立了高分辨率的排放清單。高速公路作為樞紐承擔(dān)著連接各座城市的重要作用，具有較高的通行能力、較快的行車速度以及較大的客貨運(yùn)輸承載量，由于機(jī)動車在高速公路上的行駛活動水平較高，排放量較大，因此高速公路產(chǎn)生的溫室氣體排放不容忽視。

通常制定排放清單有自上而下、自下而上2 種方法，其中自下而上的制定方法需要以真實(shí)的交通流量數(shù)據(jù)為支撐，雖然真實(shí)交通流量數(shù)據(jù)獲取較為困難，但是該方法建立起的排放清單具有良好的高分辨率。目前，關(guān)于建立排放清單的現(xiàn)有研究中，基于交通流量而建立的研究較少，僅李麗等[18-23]少部分學(xué)者基于交通流量建立了部分城市的機(jī)動車排放清單。

昆明市位于云貴高原地區(qū)，是西南地區(qū)重要的交通樞紐中心，由于高原地區(qū)空氣稀薄，太陽輻射較強(qiáng)，大氣溫室氣體濃度的增加會使昆明市熱源增強(qiáng)，對環(huán)境造成較大影響。目前，昆明市暫缺機(jī)動車溫室氣體排放清單的研究，筆者擬以昆明市2021 年高速公路客車交通流量數(shù)據(jù)和機(jī)動車GPS 信息數(shù)據(jù)為基礎(chǔ)，利用MOVES 模型計(jì)算溫室氣體排放因子，通過自下而上法結(jié)合排放因子和交通流量數(shù)據(jù)建立昆明市市域高速公路機(jī)動車溫室氣體排放清單，并使用ArcGIS 軟件對排放清單進(jìn)行時空分布研究，分析昆明市高速公路機(jī)動車溫室氣體排放時空性特征，以期為昆明市制定機(jī)動車降碳減污策略、評估溫室氣體排放現(xiàn)狀和未來趨勢提供科學(xué)依據(jù)。

1 研究方法與數(shù)據(jù)來源

1.1 模型的選取

由于國內(nèi)缺乏本土的排放模型，故選用由美國國家環(huán)境保護(hù)局（US EPA）推出的MOVES 模型[24-26]計(jì)算昆明市高速公路機(jī)動車溫室氣體的排放因子。MOVES 模型能夠較好地反映機(jī)動車行駛過程中的行駛特征，具有較高的計(jì)算精度。通過將影響污染物排放因子的氣象信息、機(jī)動車車隊(duì)結(jié)構(gòu)、車流量信息、燃料信息等重要參數(shù)輸入到模型中進(jìn)行綜合計(jì)算[27]，即可得到可靠的機(jī)動車排放因子。

1.2 排放清單計(jì)算方法

由于排放總量受到機(jī)動車車齡、車輛類型和燃油等因素的影響，因此本研究基于昆明市2021 年1—12 月高速公路客車流水?dāng)?shù)據(jù)和機(jī)動車GPS 信息數(shù)據(jù)，通過自下而上法，利用交通流量數(shù)據(jù)，將高速公路車隊(duì)按車齡、燃油類型、車輛類型分類，每種類型作為基本單元進(jìn)行計(jì)算，得到CO、CO2、CH4、N2O 的排放總量，公式如下：

式中：j為溫室氣體污染物類型；c為模擬城市；n為模擬年份；k為車輛類型；f為燃料類型；l為車輛車齡；VN 為道路機(jī)動車交通流量數(shù)；LR 為道路長度；EF 為機(jī)動車的平均排放因子。

1.3 MOVES 模型參數(shù)的輸入

1.3.1 氣象信息的選取

根據(jù)中國氣象局歷史天氣得到2021 年昆明市每月平均氣溫與相對濕度信息（表1），并輸入MOVES 排放模型。

表1 昆明市每月平均氣溫及相對濕度Table 1 Monthly mean temperature and relative humidity in Kunming City

1.3.2 機(jī)動車車隊(duì)結(jié)構(gòu)

MOVES 提供了13 種車型，依照《昆明市統(tǒng)計(jì)年鑒》中所規(guī)定的車型，在MOVES 選取與之相近的車輛類型，表2 為本研究選取的車輛類型與MOVES對應(yīng)的車型對照表。

表2 車型對照Table 2 Vehicle comparison table

將研究區(qū)域內(nèi)的車輛按照燃料類型、排放標(biāo)準(zhǔn)進(jìn)行細(xì)分。按照使用的燃料類型分為汽油和柴油車輛；按照機(jī)動車排放標(biāo)準(zhǔn)，分為國Ⅰ、國Ⅱ、國Ⅲ、國Ⅳ、國Ⅴ和國Ⅵ車型。一般機(jī)動車使用年限不超過15 年，因此本研究通過采用2006—2021 年《昆明市統(tǒng)計(jì)年鑒》中的機(jī)動車新車注冊量及保有量對各類車型的占比進(jìn)行計(jì)算，得到不同車輛類型的車輛存活曲線[28]，結(jié)果見圖1。再利用車輛存活曲線，通過車輛生存曲線法估算得到不同排放標(biāo)準(zhǔn)的機(jī)動車占比（表3）。

圖1 各車型的車齡占比Fig.1 The age proportion of each vehicle type

表3 不同排放標(biāo)準(zhǔn)的機(jī)動車占比Table 3 The proportion of motor vehicles according to emission standards %

1.3.3 各車型交通流量特征

基于昆明市高速公路客車流水?dāng)?shù)據(jù)和機(jī)動車GPS 信息數(shù)據(jù)，可獲得全年每個區(qū)、縣高速路網(wǎng)上的各車型機(jī)動車交通流量，將每個月的不同車型車流量進(jìn)行求和，得到不同車型的年流量分布（圖2）。

圖2 各車型的年交通流量Fig.2 Annual traffic flow of each vehicle type

1.4 燃料信息

燃油性質(zhì)是影響機(jī)動車排放的一個重要因素。汽油標(biāo)準(zhǔn)方面，對雷德蒸汽壓（RVP）、硫含量百分比（sulfurLevel）、烴含量百分比（olefinContent）和芳烴含量百分比（aromaticContent）等指標(biāo)有較為嚴(yán)格的控制；柴油標(biāo)準(zhǔn)方面，對硫含量百分比、十六烷值和多環(huán)芳烴含量百分比（PAHContnet）等指標(biāo)有嚴(yán)格的控制?！吨袊苿釉喘h(huán)境管理年報(bào)（2021 年）》指出，在2019 年1 月1 日起全面推廣車用汽油-國Ⅵ和車用柴油-國Ⅵ標(biāo)準(zhǔn)，當(dāng)前昆明市全面使用以上2 種標(biāo)準(zhǔn)汽油和柴油。因此，參照GB 17930—2016《車用汽油》[29]、GB 19147—2016《車用柴油》[30]和《中國移動源環(huán)境管理年報(bào)2021》相關(guān)標(biāo)準(zhǔn)，在MOVES中，選擇性質(zhì)相近的燃油，并進(jìn)行本土化修正，燃料參數(shù)見表4。

表4 燃料參數(shù)Table 4 Fuel parameters

2 結(jié)果與討論

2.1 排放因子

將本土化修正后的參數(shù)輸入MOVES 模型，計(jì)算得到2021 年昆明市高速公路上各車型的機(jī)動車的CO、CO2、CH4、N2O 排放因子，如表5 所示。不同車型的CO2排放因子存在明顯差異，其中重型貨車的CO2排放因子約為小型客車的7.3 倍，這是因?yàn)槲矚庵械腃O2是由燃料中的碳?xì)湓睾脱鯕馊紵a(chǎn)生的，不同燃料中的碳含量不同，產(chǎn)生CO2的排放量也不同，并且重型貨車的質(zhì)量比小型客車大得多，行駛時需要克服的阻力較大，燃油消耗量大，所以產(chǎn)生的CO2排放因子不同。N2O 是由機(jī)動車排放的氣體污染物在特定的條件下經(jīng)過催化轉(zhuǎn)化而產(chǎn)生的副產(chǎn)品，汽油車的TWC 技術(shù)以及柴油的SCR 技術(shù)的廣泛應(yīng)用會使N2O 的排放量隨之增加[31]，中型客車的N2O 排放因子最高。CH4排放因子按車型（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）分別為0.002、0.006、0.084、0.002、0.042 和0.122 g/(km·輛)，其中重型貨車的CH4排放水平最高。CO 是由于燃料中烷烴與氧氣的不完全燃燒產(chǎn)生的，6 種車型的CO 排放因子中中型客車的排放水平最高，為6.583 g/(km·輛)。

表5 昆明市及其他地區(qū)的機(jī)動車溫室氣體排放因子Table 5 Greenhouse gas emission factors of motor vehicles in Kunming City and some cities g/(km·輛)

2.2 溫室氣體排放清單

根據(jù)計(jì)算得到的機(jī)動車排放因子（表5），將其帶入式（1），計(jì)算得到2021 年昆明市高速公路機(jī)動車溫室氣體排放清單，全部車型的CO、CO2、N2O、CH4排放總量分別為20 337.1、2 575 677.1、33.8 和72.9 t（表6）。如表6 所示，N2O 和CH4的排放總量遠(yuǎn)小于CO2的排放總量，但根據(jù)《聯(lián)合國氣候變化框架公約京都議定書》所提供的每種溫室氣體全球變暖潛能（GWP，CO、CO2、N2O、CH4分別為1.9、1.0、298、25），N2O 和CH4對溫室氣體的貢獻(xiàn)率分別是CO2的298 倍和25 倍。將4 種溫室氣體排放量換算成CO2當(dāng)量排放量，CO2在全部溫室氣體當(dāng)量中占比最高，可見CO2是昆明市高速公路上機(jī)動車排放的主要溫室氣體，N2O 和CH4的排放總量雖然較低，但其溫室氣體排放貢獻(xiàn)率高，對溫室效應(yīng)的影響不容忽視。

表6 昆明市高速公路溫室氣體排放清單Table 6 Greenhouse gas emission inventory of expressways in Kunming City t

2.3 溫室氣體排放特征

2.3.1 排放貢獻(xiàn)率

圖3 為昆明市2021 年高速公路網(wǎng)上按3 種類型劃分的溫室氣體排放貢獻(xiàn)率，分別是各車輛類型的排放貢獻(xiàn)率〔圖3（a）〕、各燃料類型的排放貢獻(xiàn)率〔圖3（b）〕和各排放標(biāo)準(zhǔn)類型的排放貢獻(xiàn)率〔圖3（c）〕。在各車輛類型的排放貢獻(xiàn)率方面，小型客車對溫室氣體排放總量的貢獻(xiàn)率相比于其他車型高，為63.5%。小型客車是CO、CO2、N2O 3 種溫室氣體的主要排放車型，對3 種溫室氣體的排放貢獻(xiàn)率分別為88.8%、63.3%、77.9%。大型客車是CH4的主要排放貢獻(xiàn)車型，其排放貢獻(xiàn)率為55.1%。在各燃料類型的排放貢獻(xiàn)率方面，汽油車對溫室氣體排放總量的貢獻(xiàn)率相比于柴油車高，為75.5%。汽油車是CO、CO2、N2O 3 種溫室氣體的主要排放貢獻(xiàn)車型，其排放貢獻(xiàn)率分別為98%、75.4%、90.3%。CH4排放量的主要貢獻(xiàn)車型為柴油車，排放貢獻(xiàn)率為75%。在各排放標(biāo)準(zhǔn)類型的排放貢獻(xiàn)率方面，國Ⅳ排放標(biāo)準(zhǔn)的機(jī)動車對溫室氣體排放總量貢獻(xiàn)最高，為39.7%，國Ⅴ以28.8%的溫室氣體排放貢獻(xiàn)率居第二位，國Ⅳ和國Ⅴ排放標(biāo)準(zhǔn)的機(jī)動車對CO、CO2、N2O、CH4的排放貢獻(xiàn)率居前兩位，其是昆明市高速公路的主要的溫室氣體排放車型。因此，小型客車、汽油車和國Ⅳ排放標(biāo)準(zhǔn)的機(jī)動車是昆明市高速公路機(jī)動車溫室氣體排放的主要車型，需要對其嚴(yán)管。

圖3 按3 種類型劃分的溫室氣體排放貢獻(xiàn)率Fig.3 Contribution rate of greenhouse gas emission divided by three types

2.3.2 時間層面排放分布特征

圖4 為昆明市高速公路交通流量和溫室氣體排放總量（以CO2當(dāng)量計(jì)）的時間層面分布特征。由圖4 可見，高速公路交通流量以及溫室氣體排放總量均出現(xiàn)明顯的早高峰和晚高峰的“雙峰”現(xiàn)象，且排放總量“雙高峰”現(xiàn)象的出現(xiàn)與交通流量密切相關(guān)，這也與昆明市高速公路實(shí)際交通流量日變化一致。交通流量和溫室氣體排放總量的第一次高峰（早高峰）出現(xiàn)在08:00—10:00，第二次高峰（晚高峰）出現(xiàn)在16:00—18:00，且17:00 的峰值最高。

圖4 高速公路交通流量及溫室氣體排放總量時間層面分布特征Fig.4 Distribution characteristics of total greenhouse gas emissions and expressway traffic flow at time level

2.3.3 空間層面排放分布特征

機(jī)動車溫室氣體排放總量與交通流量、道路長度以及區(qū)域道路密度密切相關(guān)。因此，基于昆明市各縣（市、區(qū)）的交通流量和高速公路網(wǎng)信息，利用ArcGIS 軟件對排放總量進(jìn)行空間層面的分配。由于每個縣（市、區(qū)）的高速公路網(wǎng)密度以及交通流量不同，所以產(chǎn)生的溫室氣體排放量也不同。圖5為各縣（市、區(qū)）的總交通流量，圖6～圖9 為CO、CO2、N2O、CH4排放總量在空間上的分布。在高速公路網(wǎng)較為密集的區(qū)域排放總量較高。由于路網(wǎng)密集區(qū)在昆明市中心地帶，集中在西山區(qū)、呈貢區(qū)、官渡區(qū)、盤龍區(qū)和五華區(qū)，這5 個區(qū)的交通流量較其他區(qū)域高。除此之外，安寧市和晉寧縣靠近路網(wǎng)密集中心區(qū)，其排放總量也較高。根據(jù)ArcGIS 獲得不同區(qū)域的道路長度，以上7 個區(qū)域的道路長度總和較其他區(qū)域長，因此這7 個區(qū)域的排放量較高。祿勸縣的排放量最少，是由于該區(qū)域的路網(wǎng)密度相比于其他區(qū)域較低，且其交通流量較小。

圖5 各縣（市、區(qū)）的總交通流量Fig.5 Total traffic flows of each district and county

圖6 CO 排放量空間分配Fig.6 Spatial distribution map of total CO emissions

圖7 CO2 排放量空間分配Fig.7 Spatial distribution map of total CO2 emissions

圖8 N2O 排放量空間分配Fig.8 Spatial distribution diagram of total N2O emission

2.4 排放清單不確定性分析

在建立昆明市高速公路的排放清單過程中，不僅需要采集較多的數(shù)據(jù)，而且獲取每類數(shù)據(jù)的方法都不同，缺少機(jī)動車行駛活動水平數(shù)據(jù)和排放因子本土化差異是清單主要的不確定性因素。本研究中的車流量數(shù)據(jù)基于昆明市高速公路的客車流水?dāng)?shù)據(jù)和機(jī)動車GPS 信息數(shù)據(jù)，數(shù)據(jù)已進(jìn)行車牌甄別，剔除外來車輛流動帶來的排放量誤差，將不確定性概率縮小。在對MOVES 模型進(jìn)行車型匹配時，由于統(tǒng)計(jì)年鑒所規(guī)定的車輛類型與MOVES 模型提供的車型存在一定的差異，可能產(chǎn)生一定的誤差。但綜合考慮了車齡分布、燃料信息、道路長度、速度均值、實(shí)際氣象信息等實(shí)際的本地化因素，使MOVES 模型獲得的排放因子可靠度較高。

3 結(jié)論

（1）利用了MOVES 模型并對其參數(shù)進(jìn)行本土化修正，計(jì)算得到昆明市機(jī)動車溫室氣體的排放因子，其中CO2的排放因子，重型貨車最高，小型客車最低；CO 的排放因子，中型客車最高，大型客車最低；N2O 排放因子，中型客車最高，小型客車最低；CH4的排放因子，重型貨車最高，小型客車最低。

（2）2021 年昆明市高速公路機(jī)動車的CO、CO2、N2O、CH4溫室氣體排放總量分別為20 337.1、2 575 677.1、33.8 和72.9 t，轉(zhuǎn)換成CO2當(dāng)量為2 626 212.5 t，CO2是昆明市高速公路排放的第一大溫室氣體。

（3）昆明市高速公路溫室氣體的主要排放車型是小型客車，其對溫室氣體排放總量的貢獻(xiàn)率為63.5%；大型客車對CH4的貢獻(xiàn)率最高，為55.1%；在燃料類型機(jī)動車排放總量中，汽油車的貢獻(xiàn)率最高；國Ⅳ排放標(biāo)準(zhǔn)的車型是主要的溫室氣體排放源，需要加以管控。

（4）昆明市高速公路機(jī)動車溫室氣體排放特征呈現(xiàn)出24 h“雙峰”分布，分別出現(xiàn)在08:00—10:00，16:00—18:00。溫室氣體排放量在不同縣（市、區(qū)）的高速公路上不同，路網(wǎng)密度越高，排放量越高。