2. 天津城建大学环境与市政工程学院, 天津 300384
2. School of Environmental and Municipal Engineering, Tianjin Chengjian University, Tianjin 300384
随着天津市经济水平的不断发展,机动车保有量也处在持续的增长状态中,截止到2016年1月,天津市机动车保有量为285万辆,比2013年底增加15%.机动车数量的暴增不仅造成大气能见度、环境和气候的改变,影响城市功能的发挥,更会使市民长时间高强度的暴露在空气污染下,给市民的身体健康、日常生活和生产活动造成严重危害.愈来愈多的研究结果表明,我国许多大城市正在经历由煤烟型向煤烟-机动车复合型空气污染特征的转变过程(Wang et al., 2012;Zhao et al., 2013).机动车尾气污染已成为我国城市大气污染的主要来源之一(Song et al., 2007),研究表明,机动车对某些大城市大气PM2.5的贡献超过20%(黄晓锋等,2014;Gao et al., 2016),对VOCs的贡献超过40%(王红丽等,2012;Wang et al., 2016),对NOx的贡献超过40%(叶贤满等,2015).
定量机动车尾气排放是机动车污染控制研究的基础与依据,而对尾气中各种污染物排放因子的研究是关键环节.目前机动车排放因子的获得途径主要包括台架测试、底盘测功机测试、车载测试、隧道测试、遥感测试和模型模拟等方法. Huai等(2004)利用底盘测功机对轻型车NOx排放特征进行研究,发现汽油硫含量、后处理技术和启动条件对NOx的排放影响较大. 胥晓瑜等(2001)利用底盘测功机对轻型机动车的稳态负荷工况和瞬态负荷工况进行了测试,进一步研究了轻型机动车尾气排放污染物浓度与发动机输出功率和机动车行驶速度之间的相关性.车载尾气检测技术的出现和发展为机动车尾气的相关研究提供了一种较为准确、便捷并可实时反映城市实际道路工况下污染物排放的测试方法. Zheng等(2015)利用便携式车载尾气测量设备对实际道路上的柴油车的黑碳排放特征进行了研究,发现在国2、国3、国4和国5排放标准下重型载货柴油车黑碳平均排放分别为(2224±251)、(612±740)、(453±584)和(152±3) mg·kg-1. 胡京南等(2004)利用车载尾气测量设备对澳门的机动车尾气排放因子进行研究,并与机动车排放模型MOBILE进行对比,模型计算值和实验数据估算结果的比值在59%~139%之间. 谢绍东等(2006)通过比较COPERT模型、MOBILE模型和台架测试获取的排放因子,发现COPERT模型计算获得的排放因子更接近中国机动车实际排放情况,并利用该模型估算了中国机动车尾气排放清单(Cai et al., 2007;Lang et al., 2014;宋翔宇等,2006).
本研究基于天津市机动车车型构成、保有量、车辆行驶状况、气象数据和燃油品质等基础数据,利用COPERT IV模型和车载测试系统,分析了天津市机动车尾气排放因子,为天津市大气污染防治工作提供基础数据支持.
2 研究方法(Methodology) 2.1 模型研究 2.1.1 模型介绍COPERT模型源于欧洲委员会(European Commission)开展的机动车排放因子研究,经过不断优化改进形成了目前可以由计算机程序控制实现的COPERT模型. COPERT模型基于大量可靠的实验数据,可以兼容各种参数变量和不同国家的标准,被欧洲许多国家广泛应用.由于我国机动车的分类与排放标准与欧洲体系类似,所以基于此模型计算得到的排放因子更适合我国机动车的实际情况.为了获得准确的排放因子,必须在模型初始时输入本地化的参数,主要包括车辆构成情况、气象参数、平均行驶里程、平均行驶速度、燃料参数等.
2.1.2 本地化参数调查统计① 车队构成情况:依据2015年天津市机动车保有量的统计数据,按车型构成划分,载客汽车、载货汽车和其他车型的占比分别为89.5%、9.9%和0.6%;按排放标准划分,国1及以下、国2、国3、国4和国5机动车的比例分别为9%、15%、30%、43%和3%;按车辆的燃料类型划分,汽油车约占比90.6%,柴油车约占比9.1%,其他约占比0.3%.我国对载客机动车的划分主要是按照准载乘客数量为标准,载货机动车是根据载货量和自重进行划分,但这两种标准不同于COPERT模型对机动车的划分方式.因此,在利用COPERT模型之前,需将我国标准进行转化,转化方法参见文献(谢绍东等,2006).
② 道路交通数据统计:COPERT模型是基于平均速度的模型,实际的平均行驶速度是COPERT模型计算排放因子的基础.模型中速度要求输入不同车型在城市、郊区和快速路上的平均行驶速度,通过对2015年天津市交通数据调研并结合典型道路机动车车流量实地监测,整理的路网平均车速日变化趋势见图 1.可以看出全天车速呈“双谷”变化,在上下班高峰期,由于道路车流量的增加导致车速降低,在8:00和17:00左右路网车速达到最低,约为25~28 km·h-1,23:00至第2天6:00左右车速最高,约为50~53 km·h-1.
③ 其他参数:燃料的含硫量和蒸汽压会对机动车排放的SO2和VOC产生影响,燃油品质参数根据国家标准车用燃油中的参数进行输入.温度参数包括每月的最高气温与最低气温,由天津市各监测站点获得的数据进行平均作为参数输入.
模型中的其他参数例如行驶里程、坡度、负荷、热排放因子、蒸发排放因子等采用模型默认值.
2.2 车载测试 2.2.1 测试仪器本研究利用SEMTECH-DS对实验车辆尾气中的气态污染物(CO、NOx和VOC)进行实时测量,利用荷电低压颗粒物撞击器(ELPI+)实时测量尾气中的颗粒物(PM2.5),车辆的行驶速度及位置信息由GPS获得,数据实时传输到笔记本电脑中.
2.2.2 测试方法本研究对天津市的12辆国4柴油车(轻型载货、中型载货、重型载货)排放的污染物进行城市道路车载测试并获得每种类型车辆的排放因子,测试道路包括主干道、次干道、支路和快速路,行驶模式包括加速、减速、怠速和匀速.
3 结果与讨论(Results and discussion) 3.1 载客汽车主要污染物排放因子将参数本地化后输入到COPERT模型中得到天津机动车在实际道路状况下的排放因子. 图 2为不同车型、不同排放标准下的载客汽车排放因子.从中可以看出,相同车型的车辆尾气中各种污染物排放因子随着排放标准的提高,总体上呈下降趋势.对单一污染物排放因子研究发现相同排放标准和燃料类型下,各种排量的机动车之间无明显差距.
对汽油车而言,国1、国2标准的汽油车气态污染物CO、VOC和NOx的排放因子远大于国3、国4和国5,以汽油1.4~2.0 L车型为例,国1车的CO排放因子是国2的1.7倍,国3的4.3倍,国4的14.2倍,国5的14.9倍.而排放标准的提高对颗粒物PM2.5排放因子的降低无明显影响.同时从图 2中可以明显得出CO和VOC是汽油车排放的主要污染物.
对于柴油车而言,NOx、CO、VOC和PM2.5的排放因子整体上随着排放标准的提高而降低,特别是PM2.5,随着排放标准的提高呈显著下降,以柴油1.4~2.0 L车型为例,国1车其排放因子是国2的1.2倍,国3的1.7倍,国4的1.7倍,国5的6.4倍,同时可以看出国3与国4之间无明显差距,但从国4到国5是明显降低的过程.
3.2 载货汽车主要污染物排放因子载货汽车主要由柴油车构成,包括少量轻型汽油车.各种车型、不同排放标准的污染物排放因子如图 3所示,可以看出随着排放标准的提高,各种污染物的排放因子总体呈下降趋势.
对于轻型载货汽油车而言,其排放因子随排放标准的变化规律与载客汽车中的汽油车基本相同.但CO和VOC排放因子大于载客汽车,NOx和PM2.5排放因子与载客汽车基本处于相同水平.值得注意的是CO在国3之前的排放因子明显大于重型载货汽车,国4、国5之后略低于相同排放标准的重型载货汽车.
对于轻型载货柴油车而言,其排放因子随排放标准提高的变化规律与载客柴油车基本相同,但载货汽车的排放因子普遍大于或等于载客车.对比轻型载货汽油车和轻型载货柴油车,后者的CO和VOC远大于前者,而NOx和PM2.5远小于前者.
对于中型和重型载货汽车,相同车型的排放因子随着排放标准的提高呈下降趋势. VOC排放因子在国3之前明显高于轻型载货汽车,国4、国5之后控制在与轻型载货汽车相同水平上.对于中型和重型载货汽车,首要控制的是NOx和PM2.5的排放,以铰链28~34 t的PM2.5排放因子为例进行研究,国1排放标准是国2的1.8倍,国3的1.9倍,国4的4.5倍,国5的4.9倍.
3.3 公交车尾气主要污染物排放因子天津市公交车主要以柴油车为主,包括部分纯电和压缩天然气(CNG)公交车.不同车型不同排放标准的各种污染物排放因子见图 4和表 1.排放因子整体上随排放标准的提高而不断下降.柴油公交车排放因子的变化规律与重型载货汽车排放因子变化趋势一致.在国3排放标准下CNG公交车VOC排放因子是柴油公交车的1.6倍,而PM2.5、CO和NOx排放因子则分别是CNG公交车的11.7倍、3倍和1.1倍.
当前我国城市大气复合污染日益加剧,因此作为新能源汽车,CNG公交更能发挥其燃料优势,目前天然气的价格比柴油低得多,燃料费用一般节省50%左右,使营运成本大幅降低.由于油气差价的存在,改车费用可在一年之内收回.同时可节省维修费用.发动机使用天然气做燃料,运行平稳、噪音低、不积炭,能延长发动机使用寿命,不需经常更换机油和火花塞.而且除VOCs外,NOx、PM2.5和CO的排放因子低于柴油车.在替代石油燃料、减少环境污染方面具有较为明显的经济效益(宋宁等,2011).
3.4 模型模拟与道路实测结果对比研究本研究对国4排放标准下的轻型、中型和重型柴油载货汽车进行道路实测,获得相应的CO、NOx、VOC和PM2.5的排放因子.道路实测获得的排放因子与模型计算得到的排放因子对比如图 5所示,车载测试获得的4种污染物的数据均大于模型模拟.对于轻型载货柴油车而言,实测的CO、NOx、VOC和PM2.5的排放因子分别是模型的2.5、4.3、1.9和1.2倍;对于中型载货柴油车而言,实测的以上污染物的排放因子分别是模型的1.3、2.1、1.0和1.2倍;对于重型载货柴油车而言,实测的污染物排放因子分别是模型的1.7、1.9、1.1和1.2倍.
1) 本研究通过输入天津市本地化交通参数,利用COPERT IV模型,得到天津市载客汽车、载货汽车和公交车等不同车型,在国1、国2、国3、国4和国5不同排放标准下的CO、NOx、VOC和PM2.5的排放因子.结果表明:对于汽油车而言,随着排放标准的提高,CO和VOC的减排效果显著,但随着排放标准的提高,下降幅度减缓,而其他污染物下降幅度较小.对于柴油车而言,排放标准的提高主要减少了NOx和PM2.5的排放.
2) 作为新能源汽车,CNG公交更能发挥其燃料优势.新能源燃料可以节约和替代石油燃料,减少汽车尾气排放,降低大气环境污染,有利于实现社会经济的和谐发展.
3) 对于轻型载货柴油车而言,实测量的CO、NOx、VOC和PM2.5的排放因子分别是模型模拟数据的2.5、4.3、1.9和1.2倍,对于中型载货柴油车而言,实际道路测量的CO、NOx、VOC和PM2.5的排放因子分别是模型模拟数据的1.3、2.1、1.0和1.2倍,对于重型载货柴油车而言,实际道路测量的CO、NOx、VOC和PM2.5的排放因子分别是模型模拟数据的1.7、1.9、1.1和1.2倍.
4) 模型模拟值与实际测量值在研究排放因子变化趋势方面具有较为近似的结果,但具体数值之间存在差异,且两者之间没有明确的大小关系.模型模拟结果可以自下而上的估算机动车尾气排放量,建立实际道路机动车尾气排放清单时,建议采用实测数据对主要车型的各种污染物的排放因子进行修正.
Cai H, Xie S. 2007. Estimation of vehicular emission inventories in China from 1980 to 2005[J]. Atmospheric Environment, 41(39): 8963–8979.
DOI:10.1016/j.atmosenv.2007.08.019
|
Gao J, Peng X, Chen G, et al. 2016. Insights into the chemical characterization and sources of PM2.5 in Beijing at a 1-h time resolution[J]. Science of the Total Environment, 542: 162–171.
DOI:10.1016/j.scitotenv.2015.10.082
|
GB 17930-2013车用汽油[S]. 北京: 中国标准出版社
|
GB 19147-2013车用柴油[S]., 北京: 中国标准出版社
|
胡京南, 郝吉明, 傅立新, 等. 2004. 机动车排放车载实验及模型模拟研究[J]. 环境科学, 2004, 25(3): 19–25.
|
Huai T, Durbin T D, Wayne Miller J, et al. 2004. Estimates of the emission rates of nitrous oxide from light-duty vehicles using different chassis dynamometer test cycles[J]. Atmospheric Environment, 38(38): 6621–6629.
DOI:10.1016/j.atmosenv.2004.07.007
|
黄晓锋, 云慧, 宫照恒, 等. 2014. 深圳大气PM2.5来源解析与二次有机气溶胶估算[J]. 中国科学:地球科学, 2014, 44(4): 723–34.
|
Lang J, Cheng S, Zhou Y, et al. 2014. Air pollutant emissions from on-road vehicles in China, 1999-2011[J]. Science of the Total Environment, 496: 1–10.
DOI:10.1016/j.scitotenv.2014.07.021
|
宋宁, 张凯山, 李媛, 等. 2011. 不同城市机动车尾气排放比较及数据可分享性评价[J]. 环境科学学报, 2011, 31(12): 2774–2784.
|
宋翔宇, 谢绍东. 2006. 中国机动车排放清单的建立[J]. 环境科学, 2006, 27(6): 1041–1045.
|
Song Y, Shao M, Liu Y, et al. 2007. Source apportionment of ambient volatile organic compounds in Beijing[J]. Environmental Science & Technology, 41(12): 4348–4353.
|
Wang G, Cheng S, Wei W, et al. 2016. Characteristics and source apportionment of VOCs in the suburban area of Beijing, China[J]. Atmospheric Pollution Research, 7(4): 711–724.
DOI:10.1016/j.apr.2016.03.006
|
王红丽, 陈长虹, 黄海英, 等. 2012. 世博会期间上海市大气挥发性有机物排放强度及污染来源研究[J]. 环境科学, 2012, 33(12): 4151–4158.
|
Wang S, Hao J. 2012. Air quality management in China:Issues, challenges, and options[J]. Journal of Environmental Sciences, 24(1): 2–13.
DOI:10.1016/S1001-0742(11)60724-9
|
谢绍东, 宋翔宇, 申新华. 2006. 应用COPERTⅢ模型计算中国机动车排放因子[J]. 环境科学, 2006, 27(3): 3415–3419.
|
胥晓瑜, 傅立新, 张洪讯, 等. 2001. 轻型机动车尾气排放测试研究[J]. 环境污染与防治, 2001, 23(6): 280–283.
|
叶贤满, 徐昶, 洪盛茂, 等. 2015. 杭州市大气污染物排放清单及特征[J]. 中国环境监测, 2015, 31(2): 5–11.
|
Zhao B, Wang S X, Liu H, et al. 2013. NOx emissions in China:historical trends and future perspectives[J]. Atmospheric Chemistry and Physics, 13(19): 9869–9897.
DOI:10.5194/acp-13-9869-2013
|
Zheng X, Wu Y, Jiang J, et al. 2015. Characteristics of On-road diesel vehicles:Black carbon emissions in chinese cities based on portable emissions measurement[J]. Environmental Science & Technology, 49(22): 13492–13500.
|