2. 杭州市环境监测中心站, 杭州 310007;
3. 环境保护部华南环境科学研究所城市生态环境研究中心, 广州 510655;
4. 上海市环境科学研究院, 国家环境保护城市大气复合污染成因与防治重点实验室, 上海 200233
2. Hangzhou Environmental Monitoring Centre Station, Hangzhou 310007;
3. Urban Environment and Ecology Research Center, South China Institute of Environmental Science, Ministry of Environmental Protection, Guangzhou 510655;
4. State Environment Protection Key Laboratory of Formation and Prevention of the Urban Air Complex, Shanghai Academy of Environmental Sciences, Shanghai 200233
为应对全球气候变化问题, 世界各国都在研究和编制温室气体排放清单(Kennedy et al., 2012), 而道路移动源是温室气体排放增长最快的领域之一(Yu et al., 2012; 吴文化, 2007; 刘建翠, 2011), 因而日益受到重视.根据IPCC第四次评估报告(IPCC, 2011), 在1970—2004年间, 全球温室气体排放的最大增幅来自能源行业(增长了145%), 在此期间, 源自交通运输的直接排放增长了120%, 工业的直接排放增长了65%, 土地利用变化和林业的直接排放增长了40%.关于道路移动源领域温室气体排放清单的计算方法, 主要包括基于能源消耗的“自上而下”法(IPCC, 2006; 徐龙等, 2011; 童抗抗等, 2012; 覃小玲等, 2012)和基于车辆的“自下而上”法(赵敏等, 2009; 姚志良等, 2011; 何立强等, 2014).前者是基于碳平衡原理, 根据区域内所有机动车燃料消耗量乘以燃料温室气体排放系数计算所得, 被《IPCC 2006》所认可, 但在多数城市或区域, 相关数据不足或者数据精度不高, 燃料消耗量无法区分城市不同道路、不同类型机动车的能耗量, 在实际使用中存在一定的局限性(张清等, 2012);后者是利用城市机动车保有量、车辆平均行驶里程等信息数据, 通过机动车排放模型, 综合考虑本地化因素, 确定不同车型、燃油和控制阶段的温室气体排放因子(何立强等, 2014), 计算出城市道路移动源温室气体排放量, 适合建立城市层面的道路移动源温室气体排放清单, 但由于未考虑机动车运行工况对排放量的影响, 一定程度上降低了清单的准确性.
国内外比较常用的机动车排放模型有MOBILE、COPERT、HBEFA和IVE模型等.MOBILE模型、COPERT模型目前主要用于计算机动车常规大气污染物排放清单(傅立新等, 1997; 祝昌健等, 1997; 毕晔等, 2007; 宋翔宇等, 2006; 谢绍东等, 2006; 蔡皓等, 2010), 其中, COPERT Ⅳ模型已被用于建立2006年阿根廷首都的温室气体排放清单(D′angiola et al., 2010).HBEFA模型可用于计算机动车常规大气污染物排放清单和温室气体清单(廖凯等, 2016), 已被用于计算北京市机动车温室气体清单(何巍楠等, 2014).IVE模型是美国多个组织联合开发的机动车污染排放模型(Nicole et al., 2005), 由于模型引入比功率(VSP)这一参数, 用来反映机动车的运行工况对污染物排放量的影响, 提高了模型预测的可靠性(姚志良等, 2006), 模型能够计算出机动车VOCs、CO、NO2、PM和SO2等常规大气污染物的排放量, 还能计算铅、甲醛、乙醛等有毒物质, 以及CO2、N2O和CH4等温室气体的排放量.目前, 利用IVE模型来计算中国城市机动车常规大气污染物排放清单的研究较多(王海鲲等, 2006; 刘欢等, 2008; 陈军辉等, 2015), 而用于温室气体排放清单的研究则相对较少, 仅有个别研究者利用该模型建立了北京、上海和深圳3个城市的机动车温室气体排放清单(姚志良等, 2011), 利用该模型对于杭州机动车温室气体排放清单的研究尚未见诸报道.近年来, 随着大数据应用的普及, 大数据逐渐被用于道路移动源污染物排放清单研究中.黄成等(2012)通过实地调查, 建立了上海市道路车流、VSP分布和车辆技术数据库, 并通过大数据分析提取可用信息, 构建了动态化的道路机动车污染物排放清单;樊守彬等(2015)利用北京市车辆信息数据, 通过模型模拟和调查统计方法获取了北京路网的车流量、车型构成和车速基础数据, 研究了基于实际道路交通流信息的机动车排放特征.在道路移动源温室气体清单研究方面, 活动水平数据的获取基本上是以利用城市有关统计数据和实地调查为主(姚志良等, 2011), 利用大数据分析机动车温室气体排放清单的研究尚未见诸报道.
本研究以杭州市全市域为研究对象, 基于杭州市机动车排放管理数据库2015年的大数据分析, 采用车辆的“自下而上”法, 结合IVE模型计算出杭州市的各类机动车温室气体排放清单, 利用ArcGIS及杭州市路网建立1 km×1 km网格化空间分布, 分析道路移动源温室气体排放特征, 以期为杭州市开展道路移动源温室气体排放控制提供参考依据.
2 研究方法(Research methods) 2.1 IVE模型计算IVE模型的计算原理是用一系列修正参数乘以基础排放因子, 得到每种技术类型车辆的修正后的排放因子, 然后与目标区域内的车辆技术组成和各车型的动态总量相结合, 最后得到整个车队的总体排放(王虎等, 2007).
道路移动源温室气体排放因子可由公式(1)计算:
(1) |
式中, Qj为车辆实际调整后的实际排放因子(g·km-1);Bj为车辆基础排放因子(g·km-1);Ki, j为修正因子(温度参数、湿度参数、区域参数、海拔参数、燃料品质参数、功率和驾驶参数等), 即j类车型第i种修正参数, 无量纲.
获得修正后的排放因子Qj后, 便可对机动车温室气体排放量进行计算, IVE模型将机动车启动排放和运行排放分开进行计算, 具体如式(2)和式(3)所示.
(2) |
(3) |
式中, Qrunning和Qstart分别表示机动车在运行阶段和启动阶段的温室气体排放量(g);UFTP表示LA4行驶工况下机动车的平均速度(km·h-1);D表示车辆总行驶里程(km);Uc表示实际道路上的平均速度(km·h-1);fj表示j类型车辆的动态组成的百分比;fdj表示j类型机动车不同行驶或怠速工况占其总的行驶或怠速工况的百分比;Kdj表示机动车行驶或者怠速阶段的修正因子.
本研究修正因子温度参数、湿度参数、海拔参数、燃料品质参数通过杭州市实际调查结果获得.根据杭州市气象局提供的数据, 2015年9月平均气温为24.6 ℃, 平均湿度为81.3%;杭州市平原地区海拔高度为20~60 m;2015年杭州市区已全面提供国五标准汽油, 根据杭州市机动车排放污染管理库提供的数据, 车用汽油含硫量平均为8 mg·kg-1.
机动车启动信息通过对机动车检测站及机动车使用单位进行实际调查获取.杭州共有25家检测站, 每家检测站发放调查表100份, 主要调查进站检测的小微型客车、轻微型货车、大中型客车、中重型货车、出租客运、公交客运等类型车辆;而农用运输车、牵引车和专项作业车等类型车辆, 对其使用单位发放调查表共200份.表格信息包含车主信息、机动车类型、日均启动次数、年均行驶里程等, 表格回收率100%.经统计分析, 杭州市小微型客车、轻微型货车、大中型客车、中重型货车、出租客运、公交客运、农用运输车、摩托车、牵引车、专项作业车的日均启动次数分别为6.4、6.0、4.2、6.0、13.6、7.4、4.0、6.0、4.0和2.0次.
行驶工况数据VSP分布采用全球定位系统(GPS)逐秒测量小微型客车、轻微型货车、出租客运车、公交客运车几种车型在不同道路上的速度、加速度及路面海拔高等基本参数, 通过VSP公式计算出不同类型机动车的VSP分布, 参考其他学者(黄成等, 2012;董红召等, 2011)对上海市和杭州市等地机动车行驶工况的研究成果.
2.2 大数据分析IVE模型所需各活动水平数据来源于杭州市机动车排放管理数据库, 通过大数据分析获取.该数据库基于Oracle语言开发, 数据量大, 机动车年检测100万车次以上, 数据每年产生8亿条以上, 文本数据容量约450 GB, 照片、视频每年产生数据容量约45 TB.数据库内机动车数据类型多, 除了传统格式的数据外, 还包括各种日志数据、照片、视频等.该数据库处理速度快, 使用及时通讯技术、多线程技术、读写分离多缓冲队列技术.数据库内数据质量高, 采用双向一对一模式, 对数据严格校验及详细的反馈, 使数据的真实性和有效性有了更好的保障.
本研究根据需要采用SQL脚本语言从上述数据库采集、导入和预处理各类型车辆的数量(按两级分类, 即第一级分类将载客和载货车辆根据载客量和载货量分为小(轻)微型车、大(重)中型车、农用运输车、摩托车, 公交客运、出租车、牵引车和专项作业车单列;第二级分类根据车辆使用的主要燃料类型分为汽油、柴油、电、天然气和其他燃料)、机动车行驶里程数据、路网车流数据、车速的小时数据等关键字段.同时选取部分有代表性的道路, 对道路车流和车速等数据进行实测, 利用实测数据与数据库内提取的道路路网车流和车速的小时数据进行对比修正.
2.3 排放因子确定通过杭州市机动车排放管理数据库中杭州市机动车的车型构成、车辆行驶工况、环境温度等基础数据, 利用IVE模型, 通过修正参数乘以基础排放因子, 计算得到杭州市各种技术类型车辆的修正后的温室气体排放因子(表 1), 作为计算杭州市2015年城市道路移动源温室气体排放量的基础.
以杭州市机动车排放管理数据库为基础, 根据主要道路上逐时的车流量、车辆类型比例、平均车速和不同温室气体的排放因子, 计算1天0:00~23:00杭州市道路移动源温室气体的小时排放量变化情况.
2.5 空间分布特征分析以杭州市机动车排放管理数据库为基础, 以ArcGIS软件为平台, 对道路移动源进行空间分配, 空间分配的网格精度为1 km×1 km.首先根据道路移动源的机动车行驶量进行分布, 分别计算得到各区域和各道路类型上移动源温室气体的排放量, 再根据该区域和道路类型对GIS路网进行划分, 将排放量根据杭州市路网进行空间分配, 建立高时空分辨率的道路移动源温室气体排放清单并进行排放特征分析.
3 结果与讨论(Results and discussion) 3.1 机动车活动水平数据特征 3.1.1 机动车保有量根据杭州市机动车排放管理数据库, 截止2015年年底, 杭州市机动车保有量已经达到274.59万辆, 从统计结果(表 2)来看, 小微型客车是杭州市的主要车型, 占比达到71.4%;其次是摩托车, 占比为19.9%, 摩托车主要分布在杭州郊区及各县市;轻微型货车、中重型货车、大中型客车、公交客运、专项作业车、出租车、牵引车和农用运输车的占比分别为4.9%、1.8%、0.8%、0.4%、0.3%、0.3%、0.2%和0.1%.
表 3所示为杭州市使用不同燃料类型机动车的车辆构成分布.由表可见, 杭州市小微型客车、出租车和摩托车的燃料类型以汽油为主, 均占到80%以上;轻微型货车的燃料类型大部分为柴油, 占比为67.1%, 汽油类型占比32.8%;大中型客车中汽油车和柴油车占比相差不大, 分别为41.1%和54.2%;公交客运中56.3%为柴油车, 16.2%为天然气汽车, 14.9%为纯电公交车, 8.1%为汽油车, 其余为混合动力等其他类型车;农用运输车、牵引车和专项作业车均以柴油车为主, 分别占到80%~90%以上.
根据杭州市机动车排放管理数据库记录的机动车里程表读数对各车型年均行驶里程进行分析, 杭州市机动车年均行驶里程调查结果如表 4所示.
各被调查车型均出现相同的行驶里程特征, 即单车年均行驶里程普遍随车龄的增加而下降, 车辆越老, 使用频率越低.此外, 中重型货车、大中型客车的单车年行驶里程较轻微型货车、小微型客车要大, 车龄在5年内的重型货车、大中型客车单车年行驶里程平均为3.7×104 km左右, 而车龄在5年内的轻微型货车、小微型客车单车年行驶里程平均为1.6×104~2.2×104 km.随着车龄的增加, 各种车型的车实际使用频率变化不大, 重型货车、大中型客车单车年行驶里程平均为1.7×104 km左右, 而轻微型货车、小微型客车单车年行驶里程平均为1.2×104 km左右.此外, 杭州市出租车和公交客运车平均年行驶里程基本上无变化, 分别保持在8.76×104 km和3.50×104 km.
3.1.4 路网车流和平均车速分布本研究车流监测点位共153个, 按照区域(含市中心、城区、城郊和郊区4类)和道路类型(含快速路、主干路和次干路3类)分为12类, 监测时段覆盖全年及每日24 h.根据路网车流量和道路长度, 对2015年杭州市各车型行驶里程进行分解(表 5).小微型客车日均行驶里程占比达80.7%, 其次为轻微型货车和中重型货车, 分别为5.5%和4.0%.
按不同车型进行分类汇总, 得出2015年杭州市道路移动源温室气体排放计算结果(表 6).杭州市道路移动源CO2、CH4和N2O的年排放量分别为818.11×104、0.85×104和0.07×104 t.本研究采用IPCC第二次评估报告中的温室气体全球变暖潜势值对甲烷(全球变暖潜势值为21)和氧化亚氮(全球变暖潜势值为310)进行二氧化碳当量换算, 2015年杭州市道路移动源温室气体排放量为856.79×104 t(以CO2当量计).
基于区域分布(含市中心、城区、城郊和郊区4类)的道路移动源温室气体排放情况见表 7, 基于道路类型(含快速路、主干路和次干路3类)的道路移动源温室气体排放情况见表 8.
从道路移动源排放的温室气体主要贡献来看, CO2排放量最大, 为818.11×104 t, 占道路移动源温室气体排放总量的95.5%;其次为N2O、CH4, 其排放量分为别2.08×104、1.79×104 t(以CO2当量计), 仅占排放总量的2.2%、2.1%.由此可见, 机动车CO2排放是道路移动源温室气体研究和控制的重点.
图 1给出了各类车型排放分担率.杭州市道路移动源CO2、CH4、N2O和合计CO2当量的排放贡献率最大的均为小微型客车, 占比分别为72.5%、78.2%、79.7%和72.8%, 主要原因是小微型客车保有量大及日均行驶里程较大;对道路移动源CO2、CH4和N2O贡献率第二的车型有所不同, 但占比基本上在10%及以下, 重型货车对CO2的贡献率为9.1%, 轻微型客车对CH4的贡献率为5.3%, 轻微型客车对N2O的贡献率为10.0%.与道路移动源常规污染物排放控制的重点一样, 小微型客车也是未来道路移动源温室气体控制的重点.
本研究与国内道路移动源温室气体排放清单进行了比较分析, 蔡博峰等(2017)计算了2012年全国城市CO2排放量, 其中, 杭州市道路交通领域CO2排放量占城市温室气体CO2排放总量的8.5%, 为695.64×104 t, 比本研究中CO2排放量小, 主要原因是2012年到2015年杭州市机动车保有量增加了21%(杭州市统计局, 2016), 各道路交通流量也增加了不少.何立强等(2014)研究了2010年中国机动车CH4和N2O排放清单, 发现轻型车是中国CH4和N2O排放分担率最大的一类机动车, 约占70%左右, 本研究结论与之相同.姚志良等(2011)研究了2007年北京、上海和深圳CO2、CH4和N2O 3种温室气体排放清单, 在这3个城市里3种温室气体排放分担率最大的均为小微型客车, 本研究结论与之相同, 但由于2007年这3个城市小微型车保有量占比低于2015年杭州市小微型车占比, 所以相比之下, 这3个城市小微型车温室气体排放分担率要低于杭州市.
图 2所示为各区域不同类型道路的温室气体排放分担率, 由图可见, 杭州市市中心、城区、城郊和郊区中温室气体合计CO2当量贡献率最高的均为主干路, 分别为43.4%、61.8%、58.0%和42.4%, 市中心和郊区快速路排放的温室气体贡献率略高于次干路, 城区快速路和次干路排放的温室气体贡献率基本相当, 城郊快速路排放的温室气体贡献率略低于次干路.结合各区域道路移动源排放的温室气体分担率情况可知, 对杭州市道路移动源温室气体排放贡献率最大的是城区主干路, 约为31.3%;其次为城郊主干路, 贡献率为14%;再次为城区次干路、城区快速路和市中心主干路, 分别为9.8%、9.5%和8.9%;贡献率最小的为郊区次干路和快速路, 分别为1.2%和1.5%.
道路移动源温室气体排放量随时间变化明显, 图 3所示为杭州市道路移动源温室气体排放的时间分布特征.由图可见, 道路移动源温室气体的排放量(以CO2当量计)白天高、夜间低, 这与人群出行规律相吻合;此外, 机动车温室气体排放的日变化中出现弱双峰现象, 分别出现在8:00—10:00和17:00—19:00, 与杭州市道路交通早晚高峰一致, 但双峰现象不太明显, 中间时段的排放量与高峰时段的排放量较为接近, 这也反映出人们非交通高峰时间段通过机动车出行的比例在进一步增加.
本研究利用ArcGIS及杭州市路网建立了杭州市机动车温室气体排放1 km×1 km网格化空间分布.如图 4所示, 以绕城范围为界, 杭州道路移动源温室气体排放强度空间分布区域特征非常明显, 呈现由城市中心向城市边缘的递减趋势, 高排放区域集中在城中心及城南和城北区域, 特别是在上城区、下城区、西湖区、拱墅区和江干区, 钱塘江南岸的滨江区和萧山区北部排放强度也较大, 主要因为这些区域路网结构比较密集, 商业区和居民区分布相对集中;而主城区西南部为丘陵地带, 路网密度较小, 排放强度相对较低.杭州绕城范围外, 因道路路网密度较小, 移动源温室气体排放强度与主城区相比也较低.
清单不确定性分析是指通过对排放清单建立过程中各种不确定性来源的定性或定量分析, 确定排放源清单的不确定性大小或可能范围.通常排放清单的不确定性主要来自排放因子和活动水平数据, 本研究的不确定性主要来自排放因子部分, 活动水平数据来源于杭州市机动车排放管理数据库, 真实反映了杭州市本地道路移动源的活动水平, 一定程度上降低了源清单的不确定性.根据《IPCC 2006》, 使用模型缺省排放因子, 其不确定性一般在2%~5%, 本研究的排放因子是利用模型通过修正参数乘以基础排放因子获得, 与杭州市实际情况存在一定差异, 其不确定性主要取决于:一是杭州市道路移动源燃料构成的不确定性, 二是燃烧条件和行驶方法的不确定性, 三是燃烧后排放控制技术应用的不确定性等.排放因子的本地化和不确定性定量分析的研究还有待在后续的研究中进一步深入.
4 结论(Conclusions)1) 基于IVE模型和机动车信息大数据分析, 建立了杭州市2015年道路移动源温室气体排放清单, CO2、CH4和N2O的年排放量分别为818.11×104、0.85×104 t和0.07×104 t, 合计温室气体排放量(以CO2当量计)为856.79×104 t.
2) 从道路移动源排放的温室气体种类来看, CO2排放量为818.11×104 t, 占道路移动源温室气体总量的95.5%, 是道路移动源温室气体研究和控制的重点;从机动车类型来看, 杭州市对道路移动源CO2、CH4和N2O贡献率最大的均为小微型客车, 占比分别为72.5%、78.2%和79.7%, 小微型客车是未来道路移动源温室气体控制的重点.
3) 从道路类型排放来看, 杭州市市中心、城区、城郊和郊区中温室气体合计CO2当量贡献率最高的均为主干路, 分别为43.4%、61.8%、58.0%和42.4%.结合各区域道路移动源排放的温室气体分担率情况, 对杭州市道路移动源温室气体排放贡献率最大的是城区主干路, 约为31.3%;其次为城郊主干路, 贡献率为14%;贡献率最小的为郊区次干路和快速路, 分别为1.2%和1.5%.
4) 杭州市道路移动源温室气体排放的日变化中出现弱双峰现象, 分别出现在8:00—10:00和17:00—19:00, 与杭州市道路交通早晚高峰一致, 但双峰现象不太明显, 中间时段的排放量与高峰时段的排放量较为接近.
5) 杭州市道路移动源温室气体排放强度空间分布区域特征非常明显, 呈现由城市中心向城市边缘递减的趋势, 高排放区域集中在城中心及城南和城北区域, 钱塘江南岸的滨江区和萧山区北部排放强度也较大.
毕晔, 葛蕴珊, 韩秀坤. 2007. 基于MOBILE6.2的北京市出租车排放污染物分析[J]. 安全与环境学报, 2007(2): 61–64.
|
蔡博峰, 杨朝飞, 陆军, 等. 2017. 中国城市二氧化碳排放数据集(2012)[M]. 北京: 中国环境出版社: 29–31.
|
蔡皓, 谢绍东. 2010. 中国不同排放标准机动车排放因子的确定[J]. 北京大学学报(自然科学版), 2010, 46(3): 319–326.
|
D'angiola, Dawdowski L E, Gomez D R, et al. 2010. On road traffic emissions in a megacity[J]. Atmos Environ, 44(4): 483–493.
DOI:10.1016/j.atmosenv.2009.11.004
|
Davis N, Lents J, Osses M, et al. 2005. Development and application of an international vehicle emissions mode[J]. Journal of the Transportation Research Board, 1939(1): 157–165.
|
董红召, 徐勇斌, 陈宁. 2011. 基于IVE模型的杭州市机动车实际行驶工况下排放因子的研究[J]. 汽车工程, 2011, 33(12): 1034–1038.
|
樊守彬, 田灵娣, 张东旭, 等. 2015. 基于实际道路交通流信息的北京市机动车排放特征[J]. 环境科学, 2015, 36(8): 2750–2756.
|
傅立新, 贺克斌, 何东全, 等. 1997. MOBILE汽车源排放因子计算模型研究[J]. 环境科学学报, 1997, 17(4): 474–479.
|
杭州市统计局. 2016. 杭州市统计年鉴2016[M]. 北京: 中国统计出版社.
|
何立强, 胡京南, 解淑霞, 等. 2014. 2010年中国机动车CH4和N2O排放清单[J]. 环境科学研究, 2014, 27(1): 28–35.
|
何巍楠, 刘莹, 孙胜阳, 等. 2014. 基于HBEFA的城市交通温室气体排放模型-以北京本地化建模为例[J]. 交通运输系统工程与信息, 2014, 14(4): 222–229.
|
黄成, 刘娟, 陈长虹, 等. 2012. 基于实时交通信息的道路机动车动态排放清单模拟研究[J]. 环境科学, 2012, 33(11): 3725–3732.
|
IPCC. 2011. 第四次评估报告-减缓气候变化[EB/OL]. 2017-06-20. http://www.ipcc.ch/publications_and_data/ar4/wg3/zh/spmsb.html
|
IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL]. 2017-06-20. http://www.ipcc-nggip.iges.or.jp/public/2006gl/chinese/vol2.html
|
Kennedy C, Steinberger J, Gasson B, et al. 2009. Greenhouse gas emissions from global cities[J]. Environ Sci Technol, 43(19): 7297–7302.
DOI:10.1021/es900213p
|
廖凯, 李振宇, 尹志芳, 等. 2016. 城市交通温室气体排放评价模型研究与应用[J]. 中国能源, 2016, 38(6): 19–24.
|
刘建翠. 2011. 中国交通运输部门节能潜力和碳排放预测[J]. 资源科学, 2011, 34(4): 640–646.
|
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.
|
覃小玲, 卢清, 郑君瑜, 等. 2012. 深圳市温室气体排放清单研究[J]. 环境科学研究, 2012, 25(12): 1378–1386.
|
童抗抗, 马克明. 2012. 基于投入产出法的北京能源消耗温室气体排放清单分析[J]. 环境科学学报, 2012, 32(9): 2228–2235.
|
王虎, 李孟良, 乔维高. 2007. 一种汽车源排放模型-IVE模型简介[J]. 中国环境监测, 2007, 23(5): 78–81.
|
吴文化. 2007. 我国交通运输行业能源消费和排放与典型国家的比较[J]. 中国能源, 2007, 29(10): 19–22.
DOI:10.3969/j.issn.1003-2355.2007.10.004 |
谢绍东, 宋翔宇, 申新华. 2006. 应用COPERT Ⅱ模型计算中国机动车排放因子[J]. 环境科学, 2006, 27(3): 415–419.
|
徐龙, 于雷, 虞明远, 等. 2011. 美国移动源排放测算机制与方法[J]. 公路交通科技, 2011, 28(8): 154–158.
|
姚志良, 贺克斌, 王岐东, 等. 2006. IVE机动车排放模型应用研究[J]. 环境科学, 2006, 27(10): 1928–1933.
DOI:10.3321/j.issn:0250-3301.2006.10.002 |
姚志良, 王岐东, 王新彤, 等. 2011. 典型城市机动车非常规污染物排放清单[J]. 环境污染与防治, 2011, 33(3): 96–101.
|
Yu W, Pagani R, Huang L. 2012. CO2 emission inventories for Chinese cities in highly urbanized areas compared with European cities[J]. Energy Policy, 47: 298–308.
DOI:10.1016/j.enpol.2012.04.071
|
张清, 陶小马, 杨鹏. 2012. 特大型城市客运交通碳排放与减排对策研究[J]. 中国人口·资源与环境, 2012, 22(1): 35–44.
|
赵敏, 张卫国, 俞立中. 2009. 上海市居民出行方式与城市交通CO2排放及减排对策[J]. 环境科学研究, 2009, 22(6): 747–752.
|
祝昌健. 1997. 广州市机动车尾气排放系数及污染趋势探讨[J]. 中国环境科学, 1997, 17(3): 216–219.
|