1 引言(Introduction)

城市化进程在带来人类文明空前发展的同时, 其引发的气候变化问题也已经引起了全世界的广泛关注(Grimm et al., 2008).中国在城市化推进过程中亦出现了诸多环境问题, 其中尤以灰霾污染最为突出.卫星观测结果表明, 我国约30%的国土面积, 近8亿人口正遭受灰霾的危害, 其中, 北京、上海灰霾发生频率大于50%, 广州、深圳等地灰霾发生频率也超过30%(贺泓等, 2013; Chang et al., 2009; Che et al., 2009).厦门市位于福建省东南部、台湾海峡西岸, 气候宜人, 曾获“联合国人居奖”等殊荣, 但近年来城市发展引发的灰霾污染严重影响了厦门市居民的日常生活和身心健康, 是城市建设中亟待解决的问题.

由于车辆性能水平、燃油质量等因素的影响, 机动车大气污染物排放已成为主要的城市空气污染源之一(樊守彬等, 2016).据监测分析, 机动车大气污染物排放量已占大气污染源的85%左右, 如北京市和乌鲁木齐市道路机动车的CO排放量均达到各自城市各类大气污染源排放总量的80%以上, 分别为83%和94.1%(郭宇宏等, 2014).机动车大气污染物排放清单是探究机动车排放对城市空气质量贡献的重要研究内容(宋翔宇等, 2006; 鲁斯唯等, 2014; 谈佳妮等, 2014).近年来, 国内外学者对机动车大气污染物排放清单的研究日渐增多, 分别在洲际尺度、国家尺度、区域尺度及城市尺度等多个层面上建立并研究相应的排放清单(Streets et al., 2003; Zheng et al., 2009; 车汶蔚等, 2009; Huo et al., 2011; Wu et al., 2011; 郎建垒等, 2012; Zhang et al., 2013; Iqbal et al., 2014; Iqbal et al., 2016).这些研究从不同污染物、不同车型和不同排放标准等角度对机动车大气污染物排放特征进行了分析(严晗等, 2014; 樊守彬等, 2015; 陈军辉等, 2015; 吕任生等, 2015).但缺乏对城市中观尺度的、基于城市功能区划分的道路机动车大气污染物排放特征差异的研究.

城市功能是城市存在的本质特征, 是指城市在区域范围内所承担的职能与目标，因受到当地城市形态、产业结构、城市人口等自然和人文因素的综合影响而表现出了一定的规律性.城市功能区是一定空间范围内相互联系的要素聚集形成的, 具有多种城市功能但以某一种城市功能作为主导功能的城市用地, 它是社会组织在空间上的表现形式(顾朝林, 2015).城市功能区是城市功能的实现载体, 而不同的城市功能决定了不同功能区内的机动车存在车型、通行量、通行时间等诸多差异, 如居住区内主要通行的机动车类型为出租车与私家车(属于小型客车), 且机动车通行量在早、晚高峰时段达到全天最大值; 工业区在夜间主要通行货车, 而相同时段内其他功能区的道路机动车数量接近于无, 商业区道路机动车数量在17：00-22：00达到全天最大值.这些差异导致不同功能区内机动车大气污染物排放状况各具特征, 但目前针对此方面的研究相对较少.

因此，本文以厦门市海沧区为研究区域, 通过构建基于城市功能区划分的道路机动车大气污染物排放清单, 并分析不同功能区内道路机动车大气污染物排放的成因, 从而提出有针对性的建议.本文尝试提出一种对城市内部大气污染物排放状况更加精细化的研究方法, 以期为城市中观尺度的空气质量改善提供新思路, 并对城市功能格局规划起到一定的辅助作用.

2 研究方法(Methodology) 2.1 研究区域概况

海沧区位于福建省厦门市厦门岛西侧、厦漳泉金三角突出部, 总面积186.46 km², 是国家自由贸易区和全国最大的国家级台商投资区, 也是福建省南部拓海贸易的重要港口和东南航运中心, 还是厦门市的工业重镇和行政强区.海沧区三面临海, 北面靠山, 行政辖区内部地势平坦, 易导致大气污染物聚集.海沧区属南亚热带海洋性季风气候, 年均日照时间2233.5 h, 强日照天气为灰霾形成提供了有利条件.海沧区路网发达, 辖区内道路总长度约306.44 km.经监测, 海沧区道路机动车大气污染物排放量占海沧区大气污染总量的66.91%, 其中，CO和NO_x排放量分别占海沧区大气污染总量的52.61%和11.05%, 这表明机动车尾气污染物已逐渐成为影响海沧区空气质量的主要原因.

2.2 城市功能区划分方法

本文主要参照李新虎等(2014)提出的基于高分辨率遥感影像的城市功能区识别方法对城市功能区进行划分.每种功能的用地范围参考依据为《城市用地分类与规划建设用地标准》(以下简称《标准》)和《土地利用现状分类》(以下简称《分类》)(住房和城乡建设部, 2011; 国土资源部, 2007).

2.2.1 城市功能区分类体系构建

居住区包括居住用地及中小学用地, 主要发挥居住功能.商业区包括商业设施用地、商务设施用地、娱乐康体设施用地、公用设施营业网点用地, 以及其他服务设施用地等以商业金融业等产业特点为主的用地.公共管理与公共服务区包括公用设施用地、行政办公用地、教育科研用地、道路与交通设施用地等本质上为公众服务、不以盈利为目的的用地，以及具有社会功能的特殊用地, 如监狱、拘留所等.工业区包括本质上服务于城市经济的工业用地、物流仓储用地, 以及以工业物流运输为主要用途的港口用地.生态服务区包括为城市提供生态服务的水域、农林等非建设用地与绿地.

2.2.2 城市功能区划分

获取海沧区高分辨率遥感影像, 依据2.2.1节中城市功能区分类体系, 采用目视解译法对海沧区土地利用类型进行分类与识别, 即城市功能区的识别.通过实地采样对识别结果进行准确性评价, 若符合实际现状, 则所得结果即为城市功能区.

2.3 大气污染物排放清单建立

依据《厦门经济特区年鉴》中厦门市机动车类型及保有量数据, 采用MOBILE模型以参照珠三角地区各类型机动车排放因子的估算方法, 计算得到机动车大气污染物排放因子(厦门经济特区年鉴编辑委员会, 2000; 2005;厦门市统计局和国家统计局厦门调查队, 2008;2011;2013;车汶蔚, 2010).结合计算所得机动车大气污染物排放因子EF (表 1), 以及影像监测所得的监测道路上i类型机动车1 d的通过量P, 并参照《道路机动车和大气污染物排放清单编制技术指南》(试行)中道路机动车尾气排放量的计算方法, 计算得到1条监测道路全天的机动车大气污染物排放量(环境保护部科技标准司等, 2015).计算公式如下：

(1)

式中, E₁为i类型机动车对应的CO、HC、NO_x、PM_2.5和PM₁₀的排放量(kg); EF_i为i类型机动车行驶单位距离尾气所排放的污染物的量(g·km^-1); P_i为监测道路上i类型机动车1天的通过量(辆); VKT_i为i类型机动车的年均行驶里程(km·辆^-1).

2.4 道路机动车大气污染物排放清单的建立

利用ArcGIS10.1对海沧区遥感影像中的路网进行提取和矢量化操作, 并分别统计不同功能区内的道路总长度.根据公式(1)计算所得的各功能区内监测道路的污染物排放量E₁, 以及对应功能区内的道路总长度, 计算得到出各功能区的道路机动车大气污染物排放量, 从而建立相应的大气污染物排放清单.分功能区全天道路机动车大气污染物排放清单计算公式如下：

(2)

式中, E_j为j功能区内对应的CO、HC、NO_x、PM_2.5和PM₁₀的排放量(kg); e_j为j功能区内监测道路单位长度对应的CO、HC、NO_x、PM_2.5和PM₁₀1天的排放量(kg·km^-1); L_j为j功能区内的道路总长度(km).

3 结果与分析(Results and analysis) 3.1 城市功能区划分

生态服务区和工业区从北至南间隔分布, 是占海沧区总面积比重最大的2个功能区(表 2), 其中, 生态服务区面积最大, 为97.18 km²; 生态服务区和工业区内部的路网分布也较密集, 道路总长度相对其他3个功能区较高, 其中, 工业区道路总长度最大, 达到了139.99 km.居住区呈零散的块状分布, 主要位于工业区和生态服务区衔接处.商业区主要位于海沧区北部, 在南部的居住区附近也有少量条带状分布.公共管理与公共服务区位于海沧区南部的工业区内, 其面积为所有功能区中最小, 仅有2.40 km², 内部道路总长度仅为9.30 km.功能区划分结果如图 1所示.

3.2 分功能区全天道路机动车大气污染物排放清单

由表 3可知, 不同功能区的全天道路机动车大气污染物排放总量存在显著差异:工业区最高, 达7961.82 kg, 其次是居住区, 为6594.84 kg, 公共管理与公共服务区的全天道路机动车排放量最少, 为1048.83 kg, 仅占工业区道路机动车大气污染物排放总量的1/8, 表明工业区和居住区的道路机动车大气污染物排放量对海沧区的空气污染贡献最大.

比较各类型大气污染物的全天排放量可知, CO排放量最高, 为14539.07 kg, 占道路机动车大气污染物排放总量的62.04%, 说明CO仍是道路机动车尾气排放物中最主要的大气污染因子.全天道路机动车NO_x排放量为5187.95 kg, 占机动车大气污染物排放总量的22.14%.HC与PM_2.5排放量较接近, 分别为2001.42 kg和1259.82 kg.PM₁₀的排放量最小, 仅为448.06 kg, 占大气污染物排放总量的1.91%.

3.3 分功能区道路机动车大气污染物排放贡献特征

由表 4可知, 在各功能区道路机动车排放的不同类型大气污染物中, CO的排放贡献率均为最大, 其次为NO_x, PM₁₀的排放贡献率最小.比较不同功能区内的道路机动车不同类型大气污染物排放特征可知, 居住区及商业区内部的CO排放贡献率最大, 分别达到71.98%和70.02%, 远高于其他类型大气污染物的排放贡献率; 而在工业区、生态服务区及公共管理与公共服务区, NO_x的排放贡献率偏高, 接近于CO的排放贡献率.分析工业区NO_x排放贡献率偏高的可能原因是, 工业区路网密集, 机动车通行量大, 且主要通行车辆的类型为中型货车和重型货车, 由表 1可知, 中型货车和重型货车的NO_x排放因子较高.根据实际监测数据计算可知, 重型货车和中型货车的NO_x排放贡献率分别高达48%和24%, 占工业区NO_x总排放量的71%, 因此, 工业区NO_x排放贡献率远高于其他功能区.生态服务区、公共管理与公共服务区紧邻工业区, 相邻工业区的道路机动车大气污染物排放会对这两个功能区产生一定程度的影响, 这可能是造成生态服务区及公共管理与公共服务区NO_x排放贡献率偏高的原因.公共管理与公共服务区及工业区的PM_2.5排放贡献率明显高于其他功能区, 其中, 公共管理与公共服务区的PM_2.5排放贡献率更是高达10.16%.由表 1可知, PM_2.5排放因子最高的3种机动车类型分别为大型客车、重型货车和中型货车, 这也证实了相邻工业区的道路机动车大气污染物排放对公共管理与公共服务区大气污染物排放特征产生了较大影响.

3.4 分时段道路机动车大气污染物排放特征

从图 2可看出, 在凌晨0:00到6:00, 工业区的NO_x排放量明显高于其他各功能区.此时段内工业区主要通行中型货车和重型货车, 而相同时段内其他功能区的道路机动车数量很少, 因此, 出现较明显的排放量差异, 且中型货车和重型货车的NO_x排放因子较高, 证实了中、重型货车是工业区夜间大气污染物的主要排放源.厦门市在早高峰(7:00-9:00)和晚高峰时段(17:00-19:00)对重型货车采取限行政策, 但该措施对工业区道路机动车大气污染物排放特征不具有很强的针对性, 因此, 工业区的NO_x排放量仍未得到有效控制.居住区HC排放量在晚高峰时段激增, HC排放量主要由于驻车产生, 可知晚高峰时段居住区交通拥堵.与其他类型的污染因子相比, PM_2.5和PM₁₀的排放量相对较少.

对比各功能区的全天空气质量监测数据, 可知在各功能区中, CO浓度均远高于其他类型污染物, 其中, 居住区和商业区的CO浓度分别高达16.8和9.6 mg·m^-3.此外, 对比不同功能区的NO_x浓度可知, 工业区最高, 达到了0.648 mg·m^-3.分析全天不同时段各功能区NO_x浓度变化情况可知, 其他功能区的夜间NO_x浓度较低, 而工业区的夜间NO_x排放量偏高, 特别在晚上20:00至凌晨0:00之间NO_x浓度达到全天最高.对比道路机动车污染物排放情况与各功能区的全天空气质量监测数据可知, 机动车污染物排放已成为海沧区大气污染的重要影响因素.

4 建议(Suggestions)

根据本文结论, 建议海沧区针对工业区的高排放量制定相应的车辆限行政策, 严格控制工业区内道路机动车的车型及通行时段; 鼓励居民公交出行, 尽量减少私家车的使用量, 从而缓解早、晚高峰时段居住区的交通拥堵状况.此外, 应将商业区、居住区、公共管理与公共服务区进行整合和聚集, 使其紧凑分布, 从而改善相应功能区的空气污染现状.

本文对城市中观尺度空间的道路机动车大气污染物排放状况进行调查与计算, 研究结果将辅助城市功能格局的合理规划, 对摸清城市污染源底数及改善城市空气质量均有实际意义.研究中尚存在一些不足:作为论证依据的监测数据尚不全面, 应进一步扩充监测数据的类型和数量, 如扩充监测道路数量和道路机动车污染物的监测种类, 以及更合理地选择监测道路等; 此外, 目前的研究仍处于静态分析阶段, 若能结合时间尺度和空间尺度, 进一步对大气污染物排放特征进行长期监测, 并对监测数据进行立体、动态性分析, 将更有益于结论的完善.

5 结论(Conclusions)

本文基于城市功能区划分, 结合机动车类型和保有量数据及实测道路机动车通过量等要素, 采用道路机动车尾气排放量的计算方法, 计算并构建了道路机动车大气污染物排放清单.对排放清单特征进行分析, 结果表明, 现有功能区的规划和布局仍有待提高：工业区和居住区的道路机动车大气污染物排放量对海沧区的空气污染贡献最大; 工业区道路机动车大气污染物排放是海沧区夜间大气污染物的主要排放源; 生态服务区及公共管理与公共服务区的道路机动车排放特征受到相邻工业区机动车大气污染物排放的影响较为显著.城市功能区划分欠合理是导致海沧区机动车大气污染物排放量高的重要原因之一.此外, 道路机动车尾气排放物中CO的排放贡献率最高, 因此，如何降低城市CO排放量仍需密切关注.