程曉梅,劉永紅*,陳泳釗,黃建彰,黃 晶 (.中山大學工學院智能交通研究中心,廣東 廣州 5075;.廣東方緯科技有限公司,廣東 廣州 5075)
珠江三角洲地區(qū)是我國的三大城市群之一.珠江三角洲道路網(wǎng)密集、機動車保有量大、能源消耗和污染排放高度集中、機動車導致的區(qū)域復合型大氣環(huán)境污染是當前我國面臨的典型而嚴峻的環(huán)境問題[1-2].僅在2006年珠江三角洲區(qū)域機動車排放NOx已占所有污染源排放總量的58%[3].機動車主導的PM2.5污染越來越嚴重,并嚴重威脅居民健康[4-6].從全球溫室氣體的排放分布來看,道路交通對全球溫室氣體貢獻接近 25%[7].因此,研制和評估珠江三角洲機動車排放控制措施是改善空氣質(zhì)量和實現(xiàn)低碳發(fā)展的基礎.
機動車排放控制措施的效果評估,主要包括對已實施和未實施措施的評估[8-14].研究表明,機動車排放的污染物與溫室氣體排放具有"同源性”,一些控制機動車污染物的措施對溫室氣體具有協(xié)同效應,這類措施被稱為協(xié)同控制措施[15].
協(xié)同效應的研究起源于國外IPCC對于溫室氣體減排效果評估,主要是考慮溫室氣體減排措施帶來的其他污染物減排效應或在控制區(qū)域污染物減排的過程中減少溫室氣體效應[16-18].目前,國內(nèi)關于協(xié)同效應的研究還處于起步階段,較早是對攀枝花市火電行業(yè)減排措施的協(xié)同效應進行研究[19],毛顯強等[20]綜合運用協(xié)同控制坐標系等方法對火電行業(yè)減排措施開展過類似的研究.目前,對珠江三角洲區(qū)域機動車排放控制措施效果評估研究主要集中在空氣污染物的減排及空氣質(zhì)量改善上,而關于機動車排放控制措施的協(xié)同效應研究則少見文獻記載[21-22].
針對上述背景,本文采用排放清單編制方法建立了珠江三角洲多種機動車排放控制情景下污染物和溫室氣體排放清單,并運用協(xié)同控制坐標系評價方法,分析了上述控制措施對污染物(CO、VOC、NOx、PM10、PM2.5)和溫室氣體(CO2、CH4、N2O)的協(xié)同效應.
1.1.1 計算方法 采用年均行駛里程法計算珠江三角洲各城市機動車污染物和溫室氣體的排放總量,計算公式如(1)所示:成、運行狀況、運行條件、氣象條件及油品組分等.根據(jù)交通調(diào)查的統(tǒng)計結果[24],珠江三角洲各城市道路運行速度為 40km/h,故按此速度,計算珠江三角洲各城市機動車的排放因子.并以保有量為權重,對排放因子進行歸一化處理,可計算得出各市某類污染物第j種車型的綜合排放因子,如公式(2)所示:
式中:j、i及k分別表示機動車類型、子車型及排放標準;EF為綜合排放因子,g/(km·veh);A為車型保有量,輛;n為子車型數(shù)目;m為排放標準數(shù)目.以廣州為例,2010年的機動車綜合排放因子及年均行駛里程的計算結果如表1、表2所示.
表1 廣州機動車綜合排放因子Table 1 Emission factors in Guangzhou
式中:p、c分別表示污染物類型、城市,q為污染物數(shù)目;V KTj,c為c城市j類型車的年平均行駛里程,km; Ai,c為c城市j類型車的保有量,輛;E Fp,j為c城市j類型車p污染物的排放因子.1.1.2 確定主要參數(shù) 分別確定式(1)中的 3個主要參數(shù) V KTj,c、 Ai,c和 E Fp,j.珠江三角洲機動車活動水平是指分車型的保有量和分車型年均行駛里程.機動車保有量由交管部門提供,數(shù)據(jù)包括各市5種車型的保有量,車型分別為輕型客車、重型客車、輕型貨車、重型貨車、摩托車.行駛里程的調(diào)查采用問卷法,有效問卷共計 6500份.排放因子 E Fp,j采用 COPERT Ⅳ6.1版本計算[23],綜合考慮研究區(qū)域機動車組
表2 廣州市機動車年平均行駛里程(km/a)Table 2 Annual mileage of different vehicle categories of Guangzhou (km/a)
1.2.1 協(xié)同控制坐標系 運用協(xié)同控制坐標系評價方法,評價不同的機動車污染控制措施對污染物減排和溫室氣體減排的協(xié)同程度[19].如圖 1所示的二維坐標,橫坐標表示某種機動車控制措施對污染物減排效果,縱坐標表示其對溫室氣體的減排效果.在第一象限中,某點到坐標原點的連線與橫坐標的夾角(用tgα表示)越大,表明該點所代表的措施在減排等量大氣污染物的同時,對溫室氣體的減排效果越好,圖中控制措施E的協(xié)同效果比措施A好.第一象限的A、E兩點代表某項控制措施的效果具有正相關性,第二象限的 B點代表某項控制措施可以減少溫室氣體排放但卻會帶來污染物排放的增加,第三象限的C點代表某項控制措施既不會減少污染物的排放又會增加溫室氣體的排放,第四象限的D點代表某項控制措施會增加溫室氣體的排放但對污染物的減排具有一定的效果.同樣地,協(xié)同控制效應三維坐標系可直觀地表現(xiàn)控制措施對 2種污染物和溫室氣體的減排效果及其“協(xié)同”狀況,分析過程與協(xié)同效應二維坐標系類似.
圖1 機動車控制措施協(xié)同效應坐標示意Fig.1 Co-benefits effect coordinate system of motor vehicle emission control measurements
1.2.2 環(huán)境效益經(jīng)濟指標 由于不同污染物和溫室氣體減排量的量綱范圍差異大,為使減排效果具有可比性,本文考慮用經(jīng)濟指標衡量 5種污染物和 3種溫室氣體的減排協(xié)同效應.根據(jù)國家頒布的《排污費征收標準管理辦法》,將機動車排放的 5種不同類型的污染物排放量轉換為經(jīng)濟指標,計算公式如(3)所示:
式中:i為污染物類型;Qi為i類污染物的排放量,萬t/a;Ki為i類污染物的當量值;PE為污染物當量排放征收單價.根據(jù)IPCC的規(guī)定:CH4和N2O的增溫潛勢分別是CO2的21倍、310倍,將3種溫室氣體的排放量統(tǒng)一換算成 CO2當量排放量,根據(jù)CO2的征收單價將CO2當量排放量轉化成經(jīng)濟指標[26].采用《排污費征收標準管理辦法》[27]中的單價衡量不同污染物的環(huán)境經(jīng)濟效益具有一定的不確定性,在此選用單價為經(jīng)濟指標是定量分析的可比性需要,其不確定性程度未做深入研究.
以往控制措施效果評估主要是研究目標年與基準年排放量的變化[28-29].本文引入基準線年概念,對比基準線年無控制措施與采取控制措施下的污染物和溫室氣體減排效果[30].本文選用“十二五”的最后一年(即 2015年)作為基準線年,以2010年作為基準年.即先以2010年為基準年,預測2015年無控制情景下的排放量.
2.1.1 保有量預測 考慮到保有量增長與經(jīng)濟發(fā)展密切相關,采用彈性系數(shù)法來預測機動車保有量[31-32].具體為:以交通年鑒上公布的 2005~2010年的珠江三角洲各城市的機動車保有量數(shù)據(jù)為基礎,得到彈性系數(shù),并預測 2011年的機動車保有量值,最后將預測值與實際值進行比較,誤差在 15%的范圍內(nèi)認為合理,且將彈性系數(shù)用于預測2015年的機動車保有量.預測結果如表3所示.再根據(jù)式(1)測算基準年與基準線年的排放量,結果如表4所示.
表3 2015年珠江三角洲機動車保有量預測Table 3 Populations for the target year of 2015, PRD
表4 2015年珠江三角洲機動車排放量預測Table 4 Emission inventory for the target year of 2015,PRD
從表3可知,2015年珠江三角洲機動車保有量將高達 1899.4萬輛.較 2010年新增機動車765.9萬輛,其中增長量最大的為客車(約642.1萬輛),其次是摩托車(約89萬輛)和貨車(約34.8萬輛).這一預測結果與車汶蔚[30]的研究結果基本一致.同時從表4可知,按目前機動車保有量增長趨勢,如無采取相應的控制方案,2015年機動車排放空氣污染物和溫室氣體將均大幅增加,增長范圍為 18%~120%.其中促成 O3形成的前提物VOC和NOx增長在18%~21%,一次排放的可吸入顆粒物PM10與PM2.5增長均在30%以上,主要溫室氣體CO2增長幅度在40%以上.因此,從上述分析可知,一方面,在目前珠江三角洲以 PM2.5和O3為特征的復合型大氣環(huán)境污染形勢下,如按上述增長態(tài)勢,機動車引發(fā)的復合型大氣環(huán)境污染將愈發(fā)嚴重;另一方面,在上述增長態(tài)勢下,也將阻礙廣東省實現(xiàn)“十二五”單位生產(chǎn)總值二氧化碳排放量下降19.5%的目標.
結合目前國內(nèi)外機動車污染控制的主要手段、珠江三角洲城市智能交通系統(tǒng)的發(fā)展情況
[33-36],本文設計了“單個措施控制方案、技術性控制方案、結構性調(diào)整控制方案、綜合控制方案”4類機動車污染減排的控制情景,其中單個措施控制方案中分別包含了 6類控制措施.具體情景設定如表5所示.
表5 各控制情景下的描述Table 5 Descriptions of motor vehicle emission control measurement scenarios in 2015, PRD
利用式(1)并結合表 5,計算各控制方案下的空氣污染物排放量,結果如表7所示.
①利用式(4)計算淘汰黃標車污染物的變化情況.2010機動車保有量結構中黃標車保有量的情況如表6所示.
式中:Eexh,1為措施 1(黃標車淘汰)的污染物削減量;By為淘汰的黃標車的數(shù)量,輛;ΔEFy為黃標車綜合排放因子與國Ⅳ車綜合排放因子的差值,g/km;VKTy為年均行駛里程,km.
表6 2010年珠江三角洲黃標車保有量Table 6 Population of yellow car for the year of 2010, PRD
②利用式(5)計算提高車速污染物的變化情況.
式中:Eexh,2為措施 2(提高車速)的污染物削減量Bs為預測得到的 2015年機動車保有量,輛;ΔEFs為不同車速下的綜合排放因子較速度為 40km/h下排放因子的差值,g/km;VKTs為機動車年均行駛里程,km.
③利用式(6)計算提升油品污染物的變化情況.
其中:Eexh,3為措施 3(提升油品質(zhì)量)的污染物削減量;Bo為預測得到的 2015年機動車保有量,輛;ΔEFo為油品Ⅳ下的綜合排放因子較油品Ⅲ下綜合排放因子的差值,g/km;VKTo為機動車年均行駛里程,km.
④利用式(7)計算提升排放標準污染物的變化情況.
式中:Eexh,4為措施 4(提升排放標準)的污染物削減量;Bl為預測得到的 2015年機動車保有量,輛;ΔEFl為國Ⅳ標準下的綜合排放因子較國Ⅲ標準下綜合排放因子的差值,g/km;VKTl為機動車年均行駛里程,km.
⑤利用式(8)計算公交優(yōu)先污染物的變化情況.
式中:Eexh,5為措施 5(公交優(yōu)先)的污染物削減量;Bp為預測得到的2015年機動車保有量,輛;EFp為綜合排放因子,g/km; ΔVKTp為優(yōu)化公共交通系統(tǒng)后年均行駛里程的差值,km.
⑥利用式(9)計算淘汰摩托車污染物的變化情況.
式中:Eexh,6為措施 6(摩托車淘汰)的污染物削減量;Bm為淘汰的摩托車的數(shù)量,輛;ΔEFm為摩托車綜合排放因子變化的差值,g/km;VKTm為年均行駛里程,km.
技術性控制、結構性控制和綜合控制的措施在以上6個單項控制措施的基礎上計算得到.
從表 7可知,各控制措施下機動車空氣污染物排放量均有下降,但不同控制措施對不同污染物減排的貢獻差異較大.
在6類單一控制措施中,淘汰黃標車對各污染物削減效果最明顯,其NOx、PM10及PM2.5下降幅度在45%以上,VOC下降幅度也近35%;提高排放標準對PM10和VOC削減效果略低于淘汰黃標車,但 PM2.5的削減效果明顯低于淘汰黃標車.造成上述兩類措施減排效果明顯高于其他4類控制的原因,主要由于黃標車是國0排放標準的汽油車和國Ⅲ排放標準以下的柴油車,這類車車齡大、累計行駛里程長,劣化情況嚴重,蒸發(fā)控制裝置和尾氣處理裝置的安裝比例很低,排放因子比國Ⅳ、國Ⅴ的汽車高;并且黃標車PM2.5、PM10及 NOx排放貢獻遠高于其他類型的汽車.
表7 各措施下污染物削減比例(%)Table 7 Emissions reduction under different control scenarios compared to the baseline scenario (%)
淘汰摩托車對 VOC的削減效果明顯,分別下降了19%左右,但對PM和NOx的削減削減效果不明顯.這不僅與摩托車排放特點有關,比如,一輛摩托車的排放VOC相當于2.5輛輕型汽油車的排放;還與珠江三角洲機動車保有量的結構有關,比如,除廣州深圳外,珠江三角洲其余7市摩托車所占比例均在50%以上,摩托車VOC排放所占比例接近40%.從表7可看出,提高車速、公交優(yōu)先、提升油品可產(chǎn)生一定的污染物減排效果,提高車速可使空氣污染物排放量下降幅度在7%~15%,總體的減排效果要優(yōu)于公交優(yōu)先和提升油品.
相對單項措施而言,技術性控制、結構性控制及綜合控制措施的減排效果則更明顯.但結構性控制和綜合控制措施下污染物排放量下降幅度均在 45%以上,但以提高燃油品質(zhì)和車速的技術性減排效果明顯弱于上述兩類控制措施.
將機動車排放CH4和N2O 折算成CO2當量值,分析發(fā)現(xiàn)CO2當量值占機動車直接排放CO2的 0.0028~0.0060和 0.008~0.026,為了簡化分析過程,在接下來的分析中,僅分析機動車CO2排放量.利用式(2)并結合表 5,計算得到各控制方案下的 CO2排放量,并與基準線年排放量進行對比分析,結果如表8所示.從單一控制措施來看,淘汰黃標車和提高排放標準可使 CO2的排放量下降45%左右,而結構性控制和綜合控制措施也僅為48%和 51%.這說明在一定范圍內(nèi),實施單一控制措施(淘汰黃標車或提高排放標準)也可達到CO2減排效果.而提高車速對CO2減排效果略高于公交優(yōu)先的減排效果.
表8 各措施下CO2削減比例Table 8 Greenhouse emissions reduction under different control scenarios compared to the baseline scenario
采用協(xié)同效應坐標系方法進一步分析各控制措施減排的協(xié)同效應.首先分析機動車排放控制措施對空氣污染物與溫室氣體減排的協(xié)同效應,分析結果如圖2所示.由于NOx和PM2.5是目前機動車污染關注的熱點指標,進一步分析NOx、PM2.5與溫室氣體的協(xié)同效應,結果如圖 3所示.
圖2 不同控制方案下污染物與溫室氣體協(xié)同效應Fig.2 Co-benefits of pollutants and GHG under different control policy
從圖 2可知,各控制措施都具有正向的協(xié)同效應.從單一控制措施來看,提高排放標準(tgα=2.18)、淘汰黃標車(tgα=1.81)和公交優(yōu)先(tgα=1.13)這3項控制措施對溫室氣體的減排效果優(yōu)于污染物;而提高車速(tgα=0.63)、提升油品(tgα=0.31)與淘汰摩托車(tgα=0.21)這 3項控制措施對污染物的減排效果優(yōu)于溫室氣體.在單一控制措施之外,結構性控制措施(tgα=1.15)的協(xié)同性優(yōu)于技術控制(tgα=0.72),而綜合控制措施(tgα=1.12)對污染物和溫室氣體減排的協(xié)同性基本一致.
從圖 3可知,公交優(yōu)先(tgα=14.27)的控制措施在減排溫室氣體與NOx和PM2.5的協(xié)同效應最優(yōu),其次效果依次減弱是提高排放標準(tgα=8.03)、淘汰摩托車(tgα=6.63)、黃標車淘汰(tgα=5.94)措施,而提高車速(tgα=3.56)和提升油品(tgα=2.92)的協(xié)同效果最弱.從上述分析結果可知,無論從 NOx、PM2.5單項污染物與溫室氣體,還是所有污染物與溫室氣體減排的協(xié)同效應來看,結構性控制措施的效果最為理想.因此,在當前國家以考核碳強度、氮氧化物總量控制及空氣質(zhì)量達標考核三重機制下,結構性控制措施將為較理想的選擇.在結構性控制措施中,優(yōu)化交通出行方式的結構,重點鼓勵公交優(yōu)先出行,同時有階段性目標地推廣更加嚴格排放標準的車輛,在操作層面上是比較可行的;而逐步淘汰黃標車和摩托車,由于涉及到民生問題,淘汰過程慢及政府財政補貼投入大,加大了淘汰的難度、影響了實施效果,因此,在限行的情況下逐步淘汰黃標車和摩托車是多數(shù)城市可選擇的一種途徑.
圖3 不同控制方案下NOx、PM2.5與溫室氣體協(xié)同效應Fig.3 Co-benefits of NOx and PM2.5 under different control policy
綜上所述,結合珠江三角洲區(qū)域的實際情況來看,機動車排放控制可在優(yōu)先大力發(fā)展公共交通的基礎上,有階段性目標地推廣使用更加嚴格排放標準的車輛,同時綜合考慮道路條件限黃、限摩,并逐步將其淘汰.而從長遠來看,提高燃油品質(zhì)和改善城市擁堵以提高車速也將是一種選擇.
5.1 按目前機動車保有量增長趨勢,如無采取相應的控制方案,2015年珠江三角洲機動車排放空氣污染物和溫室氣體將均大幅增加,增長范圍為 18%~120%,機動車引發(fā)的復合型大氣環(huán)境污染將愈發(fā)嚴重,也將阻礙廣東省實現(xiàn)“十二五”碳強度下降目標.
5.2 各控制措施下機動車空氣污染物和溫室氣體排放量均有下降,且均具有正向的協(xié)同效應,但不同控制措施對不同排放物的減排的貢獻差異較大.6類單一控制措施中淘汰黃標車和結構性控制措施分別對各污染物和溫室氣體的削減效果最明顯,減排幅度均在 40%以上.并且,這兩類措施的正向協(xié)同效應也比較突出.
5.3 從考慮實際操作層面上來看,珠江三角洲機動車排放控制可在優(yōu)先大力發(fā)展公共交通的基礎上,有階段性目標地推廣使用更加嚴格排放標準的車輛,同時綜合考慮道路條件限黃、限摩,并逐步將其淘汰.并可考慮成本來進一步討論控制措施的可行性.
[1]吳 丹,張世秋.中國大氣污染控制策略與改進方向評析 [J].北京大學學報(自然科學版), 2011,47(6):1143–1150.
[2]蔡 皓,謝紹東.中國不同排放標準機動車排放因子的確定 [J].北京大學學報(自然科學版), 2010,3(5):319-326.
[3]車汶蔚,鄭君瑜,鐘流舉.珠江三角洲機動車污染物排放特征及分擔率 [J].環(huán)境科學研究, 2009,22(4):456-461.
[4]POZZI R, BERARDI B D, PAOLETTI L, et al. Inflammatory mediators induced by coarse (PM2.5–10) and fine (PM2.5) urban air particles in RAW 264.7cells [J]. Toxicology, 2003,183(1-3):243-254.
[5]PARK E J, ROH J, KIM Y, et al. PM2.5collected in a residential area induced Th1-type inflammatory responses with oxidative stress in mice [J]. Environmental Research, 2011,111(3):348-355.
[6]POPE C A, BURNETT R T, THUN M J, et al. Lung cancer,cardiopulmonary mortality, and long-term exposure to fine particulate air pollution [J]. Jama-Journal of the American Medical Association, 2002,287(9):1132-1141.
[7]YEORA CHAE. Co-benefit analysis of an air quality management plan and greenhouse gas reduction strategies in the Seoul metropolitan area [J]. Environmental Science and Policy,2010,13:205-216.
[8]毛顯強,馬根慧,劉 琴,等.北京市實行機動車排放歐洲標準的環(huán)境效果分析 [J].環(huán)境科學與技術, 2011,34(5):193-202.
[9]趙曉光,許振成,王 軒,等.北京機動車限行對空氣質(zhì)量的影響分析 [J]. 安全與環(huán)境學報, 2010,10(4):82–87.
[10]孫永福,邵 敏,張遠航.廣州市I/M計劃升級及其在機動車NOx減排中的效果 [J]. 環(huán)境科學研究, 2001,14(3):24–28.
[11]Winther, Morten; Moller, Flemming; Jensen, Thomas C. Emission consequences of introducing bio ethanol as a fuel for gasoline cars [J]. Atmospheric Environment, 2012,55(3):144–153.
[12]Jones Alan M, Harrison Roy M, Barratt Benjamin, et al. A large reduction in airborne particle number concentrations at the time of the introduction of "sulphur free" diesel and the London low emission zone [J]. Atmospheric Environment, 2011,50(12):129-138.
[13]王孝文,田偉利,張清宇.杭州市機動車污染物排放清單的建立[J]. 中國環(huán)境學, 2012,32(8):1368–1374.
[14]郭秀銳,吉木色,郎建壘,等.基于情景分析的北京市機動車污染排放控制研究 [J].中國環(huán)境學, 2013,33(9):1690–1696.
[15]王金南,寧 淼,嚴 剛,等.實施氣候友好的大氣污染防治戰(zhàn)略[J]. 中國軟科學, 2010,(10):28–37.
[16]Rypdal K, Rive N, ?str?m S, et al. Nordic air quality co-benefits from European post-2012climate policies [J]. Energy Policy,2007,3(12):6309–6322.
[17]Vuuren D P, Cofala J, Eerens H E, et al. Exploring the ancillary benefits of the Kyoto Protocol for air pollution in Europe [J].Energy Policy, 2006,34(4):444–460.
[18]Williams M L. UK air quality in 2050-synergies with climate change policies [J]. Science and Policy, 2007,10:169–175.
[19]李麗平,周國梅,季浩宇,等.污染減排的協(xié)同效應評價研究:以攀枝花為例 [J]. 中國人口·資源與環(huán)境, 2010,20(5):91–95.
[20]毛顯強,曾 桉,胡 濤,等.技術減排措施協(xié)同控制效應評價研究 [J]. 中國人口·資源與環(huán)境, 2011,21(12):1–7.
[21]Peter K K Louie. VOCs and OVOCs distribution and control policy implications in Pearl River Delta region, China [J].Atmospheric Environment, 2013,76:125–135.
[22]Zhang Shaojun. Historical evaluation of vehicle emission control in Guangzhou based on a multi-year emission inventory [J].Atmospheric Environment, 2013,76:32–42.
[23]霍 紅,賀克斌,王歧東,等.機動車污染排放模型研究綜述 [J].環(huán)境污染與防治, 2006,7(28):526-530.
[24]珠江三角洲空氣質(zhì)量管理及監(jiān)察負責小組.珠江三角洲空氣質(zhì)量管理計劃中期回顧研究報告 [R]. 廣州:廣東省人民政府,2007.
[25]劉永紅,廖瀚博,余 志,等.基于環(huán)境影響的交叉口控制方式綜合評價研究 [J]. 中山大學學報(自然科學版), 2013,52(1):12-16.
[26]蘇 明,傅志華,許 文,等.碳稅開征建議:2012 年 10 元/噸 CO2[J]. 中國經(jīng)濟報告, 2010(1):36-41.
[27]國家紀委,財政部.排污費征收標準管理辦法 [Z]. 2003.
[28]李新興,孫國金,田偉利,等.杭州市"十二五”機動車 NOx減排對策研究 [J].中國環(huán)境科學, 2012,32(8):1416–1421.
[29]王 琛,王伯光,鐘流舉,等.珠江三角洲機動車污染控制對策研究 [J]. 環(huán)境科學與技術, 2009,32(6):195-199.
[30]Che Wenwei, Zheng Junyu, Wang Shuisheng, et al. Assement of motor vehicle emission control policies using Model-3/CMAQ model for the Pearl River Delta region, China [J]. Atmospheric Environment, 2011,45:1470–1475.
[31]吳榮華,柏云昌,黃宗煌.我國 CO2排放基線的推估 [J]. 碳經(jīng)濟月刊, 2005.01:45-49.
[32]余艷春,虞明遠.我國公路營運汽車污染物排放量總量及預測[J]. 公路交通科技, 2008,25(6):154–158.
[33]廣東省統(tǒng)計局.廣東省2009年統(tǒng)計年鑒 [R]. 廣州:廣東省統(tǒng)計局, 2011.
[34]廣東省人民政府.廣東省藍天工程計劃, http://www.gd.gov.cn/govpub/zfwj/zfxxgk/gfxwj/yfb/200809/t20080910_63738.htm,20100406.
[35]廣東省人民政府.珠江三角洲環(huán)境保護綱要(2004-2020),http://www.gd.gov.cn/govpub/zfwj/zfxxgk/gfxwj/yf/200809/t200 80916_67116.htm, 20100406.
[36]廣東省人民政府.廣東省機動車排氣污染防治實施方案,http://www.gd.gov.cn/govpub/zfwj/zfxxgk/gfxwj/yfb/200809/t20 080910_63841.htm, 20100406.
[37]Lumbreras J, Valdés M, Borge R, et al. Assement of vehicle emissions projections in Madrid (Spain) from 2004to 2012considering several control strategies [J]. Transportation Research Part A, 2008,42:646-658.