宋曉偉 ，郝永佩，朱曉東

1. 山西財(cái)經(jīng)大學(xué)資源環(huán)境學(xué)院，山西 太原 030006；2. 南京大學(xué)環(huán)境學(xué)院/污染控制與資源化研究國(guó)家重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210046； 3. 南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇 南京 210046

近年來(lái)霧霾天氣頻發(fā)，中國(guó)很多地區(qū)（如京津冀、長(zhǎng)三角和汾渭平原地區(qū)）正面臨著嚴(yán)峻的大氣污染問(wèn)題，對(duì)人類(lèi)身體健康和社會(huì)經(jīng)濟(jì)發(fā)展造成一定影響（Kan et al.，2012；Zhang et al.，2017；Lv et al.，2019）。另外，隨著中國(guó)社會(huì)經(jīng)濟(jì)的快速發(fā)展、人民生活質(zhì)量的提高以及城市化進(jìn)程的加快，人們對(duì)于交通出行的需求也在不斷增加。根據(jù)中國(guó)統(tǒng)計(jì)年鑒（2000；2016），中國(guó)民用汽車(chē)保有量從1999年的1 452.94 萬(wàn)輛增加到2015 年的16 284.45 萬(wàn)輛，17 年間增加了11 倍多（圖1）。機(jī)動(dòng)車(chē)保有量的激增導(dǎo)致大量污染物的排放，2015 年全國(guó)機(jī)動(dòng)車(chē)污染物排放量達(dá)4 532.2 萬(wàn)噸，其中氮氧化物584.9 萬(wàn)噸，顆粒物56 萬(wàn)噸，碳?xì)浠衔?30.2 萬(wàn)噸，一氧化碳3 461.1 萬(wàn)噸（中華人民共和國(guó)環(huán)境保護(hù)部，2016）。相關(guān)研究顯示，機(jī)動(dòng)車(chē)排放已成為我中國(guó)許多高密度人口城市大氣污染物NOx的主要來(lái)源（Sun et al.，2019），特別是在中國(guó)東部人口密集區(qū)以及北京、上海等特大型城市，機(jī)動(dòng)車(chē)污染物對(duì)細(xì)顆粒物濃度的貢獻(xiàn)率達(dá)到30%左右，在極端不利條件下，甚至達(dá)到50%以上（中華人民共和國(guó)環(huán)境保護(hù)部，2016）。因此，在中國(guó)機(jī)動(dòng)車(chē)保有量和交通壓力持續(xù)上升的嚴(yán)峻背景下，科學(xué)評(píng)估機(jī)動(dòng)車(chē)污染物排放綜合控制策略，是改善空氣質(zhì)量的當(dāng)務(wù)之急。

圖1 1999-2015 年中國(guó)民用汽車(chē)保有量 Fig. 1 The vehicle population from 1999 to 2015 in China

機(jī)動(dòng)車(chē)污染排放及控制對(duì)策研究，其目標(biāo)在于揭示機(jī)動(dòng)車(chē)污染物排放特征及時(shí)空分布規(guī)律，并根據(jù)污染現(xiàn)狀和環(huán)境管理的需求設(shè)立相應(yīng)的排放控制對(duì)策。為應(yīng)對(duì)機(jī)動(dòng)車(chē)污染減排，各國(guó)陸續(xù)采取包括污染物排放標(biāo)準(zhǔn)、油品質(zhì)量控制、在用車(chē)控制及經(jīng)濟(jì)措施等多種排放控制措施。對(duì)機(jī)動(dòng)車(chē)污染減排已展開(kāi)一些研究，如車(chē)汶蔚（2010）在建立珠三角機(jī)動(dòng)車(chē)污染物排放清單的基礎(chǔ)上，評(píng)估了該地區(qū)實(shí)施“淘汰黃標(biāo)車(chē)”和“實(shí)行新的排放標(biāo)準(zhǔn)”等5 種控制措施減排效果，實(shí)行新的排放標(biāo)準(zhǔn)情景的減排效果顯著，削減量達(dá)到總污染物排放量的50%，摩托車(chē)禁行情景可削減15.6%的VOC 排放量，其他3種減排情景對(duì)各種污染物排放削減率在4%—12%之間。Zhang et al.（2013）在構(gòu)建2005—2009 年廣州市機(jī)動(dòng)車(chē)污染物排放清單的基礎(chǔ)上，基于情景分析法對(duì)該時(shí)期廣州市政府采取的排放控制措施效果進(jìn)行評(píng)價(jià)。吉木色等（2013）以北京市為例，評(píng)估2011—2020 年各項(xiàng)措施對(duì)機(jī)動(dòng)車(chē)污染物（CO、NOx、HC 和PM10）減排效果，其中淘汰高排放機(jī)動(dòng)車(chē)情景對(duì)污染物CO、NOx、HC 和PM10短期削減效果顯著，但中、長(zhǎng)期效果較差，綜合情景減排效果令人滿意，2020 年削減率分別達(dá)到29.45%、42.54%、28.04%和41.3%。Guo et al.（2016）以京津冀地區(qū)為例，利用情景分析法評(píng)估2011—2020年各項(xiàng)措施對(duì)機(jī)動(dòng)車(chē)污染物CO、NOx、HC 和PM10減排效果，其中淘汰高排放車(chē)輛情景短期取得的效果明顯優(yōu)于長(zhǎng)期，特別是北京市最為明顯。Menezes et al.（2017）對(duì)巴塞羅那市采用不同的交通污染物減排策略實(shí)施效果進(jìn)行評(píng)估，發(fā)現(xiàn)使用替代能源與大力發(fā)展公共交通減排效果明顯。王荊玲（2018）在收集不同參數(shù)基礎(chǔ)上估算了長(zhǎng)三角地區(qū)2015 年機(jī)動(dòng)車(chē)污染物排放清單，并對(duì)其排放特正展開(kāi)全面分析，以收集的相關(guān)污染控制政策為依據(jù)，對(duì)2015年提前實(shí)施黃標(biāo)車(chē)和老舊車(chē)淘汰、提前升級(jí)燃油品質(zhì)和提前實(shí)施機(jī)動(dòng)車(chē)排放標(biāo)準(zhǔn)等措施下污染物CO、NOx、HC 和PM 減排效果展開(kāi)評(píng)估，黃標(biāo)車(chē)和老舊車(chē)淘汰政策污染物減排效果最為明顯，各減排措施下上海市污染物減排效果明顯優(yōu)于其他3 個(gè)省，說(shuō)明未來(lái)需要進(jìn)一步縮短不同省市各減排措施實(shí)施時(shí)間差，實(shí)現(xiàn)真正的區(qū)域協(xié)同治理。綜上所述，已有研究多采用定性或定量的方法對(duì)機(jī)動(dòng)車(chē)污染物減排效果評(píng)估展開(kāi)研究。近年來(lái)，國(guó)家頒布眾多措施促進(jìn)機(jī)動(dòng)車(chē)污染減排，有必要對(duì)新頒布的減排措施展開(kāi)研究，并綜合分析不同減排情景下的機(jī)動(dòng)車(chē)污染物減排效果。另外，已有研究對(duì)各減排措施中新能源車(chē)推廣情景缺乏從生命周期的角度展開(kāi)分析，其減排效果的評(píng)估是不夠全面的。

長(zhǎng)三角城市群作為中國(guó)經(jīng)濟(jì)發(fā)展最快的地區(qū)之一，是中國(guó)經(jīng)濟(jì)最具活力、開(kāi)放程度最高、創(chuàng)新能力最強(qiáng)的地區(qū)，包括上海，江蘇省的南京、無(wú)錫、常州、蘇州、南通、鹽城、揚(yáng)州、鎮(zhèn)江、泰州，浙江省的杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺(tái)州，安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城26 市。隨著長(zhǎng)三角城市群經(jīng)濟(jì)高速發(fā)展，機(jī)動(dòng)車(chē)保有量迅猛增長(zhǎng)，機(jī)動(dòng)車(chē)污染問(wèn)題表現(xiàn)異常明顯（Huang et al.，2011；Fu et al.，2013）。為應(yīng)對(duì)急劇增長(zhǎng)的機(jī)動(dòng)車(chē)保有量和排放污染問(wèn)題，近年來(lái)該地區(qū)頒布了一系列法律法規(guī)和控制措施，2015 年4 月長(zhǎng)三角地區(qū)制定《長(zhǎng)三角區(qū)域協(xié)同推進(jìn)高污染車(chē)輛環(huán)保治理的行動(dòng)計(jì)劃》，要求于2017 年底，全面淘汰黃標(biāo)車(chē)，并加快國(guó)Ⅰ、國(guó)Ⅱ等老舊車(chē)輛的淘汰，憑借長(zhǎng)三角地區(qū)大氣污染防治協(xié)作平臺(tái)和專(zhuān)項(xiàng)工作機(jī)制，擴(kuò)大長(zhǎng)三角地區(qū)高污染車(chē)輛限行范圍，嚴(yán)格檢測(cè)機(jī)動(dòng)車(chē)排放，強(qiáng)化黃標(biāo)車(chē)和老舊車(chē)數(shù)據(jù)共享，并實(shí)現(xiàn)異地協(xié)同監(jiān)管執(zhí)法；上海市2018 年7 月印發(fā)《上海市清潔空氣行動(dòng)計(jì)劃(2018—2022)》、江蘇省2018 年9 月印發(fā)《江蘇省打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃實(shí)施方案》、浙江省2018 年10 月印發(fā)《浙江省打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》、安徽省2018 年9 月印發(fā)《安徽省打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃實(shí)施方案》中均明確提出防治機(jī)動(dòng)車(chē)污染的具體措施，包括加強(qiáng)機(jī)動(dòng)車(chē)管理、大力發(fā)展公共交通、優(yōu)化交通結(jié)構(gòu)、實(shí)施更嚴(yán)格的新車(chē)排放標(biāo)準(zhǔn)和燃油品質(zhì)、大力推廣新能源汽車(chē)、實(shí)施道路暢通工程以及加快淘汰黃標(biāo)車(chē)和老舊車(chē)輛等。據(jù)此本研究構(gòu)建1999—2015 年長(zhǎng)三角城市群機(jī)動(dòng)車(chē)污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放清單，為區(qū)域污染物排放清單的完整性和空氣質(zhì)量模式模擬的準(zhǔn)確性提供數(shù)據(jù)支撐；在建立機(jī)動(dòng)車(chē)污染物排放清單的基礎(chǔ)上，設(shè)定8 種污染物減排情景，評(píng)估其減排效果，并采用生命周期的評(píng)價(jià)方法對(duì)其中新能源車(chē)推廣情景進(jìn)行科學(xué)評(píng)估，旨在為區(qū)域機(jī)動(dòng)車(chē)污染治理提供科學(xué)決策依據(jù)，對(duì)輔助決策者快速篩選出最優(yōu)的控制方案具有一定的科學(xué)參考價(jià)值和現(xiàn)實(shí)性。

1 研究方法

1.1 排放清單建立

機(jī)動(dòng)車(chē)污染物排放清單基于機(jī)動(dòng)車(chē)保有量、排放因子和年均行駛里程數(shù)據(jù)通過(guò)式（1）計(jì)算求得：

其中，m 為長(zhǎng)三角城市群26 個(gè)城市；n 為污染物（CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2）；i 為機(jī)動(dòng)車(chē)類(lèi)型（輕型客車(chē)-PC、輕型貨車(chē)-LDV、重型客車(chē)-BUS、重型貨車(chē)-HDT 和摩托車(chē)-MC）；j 為1999—2015 年機(jī)動(dòng)車(chē)實(shí)施的排放標(biāo)準(zhǔn)；Qm,n為m 區(qū)域n 類(lèi)污染物的排放量，t·a-1；Pm,i,j為m區(qū)域內(nèi)i 種車(chē)型在j 種排放標(biāo)準(zhǔn)下保有量，輛；VKTm,i為m 區(qū)域i 種車(chē)型年平均行駛里程，km·a-1；EFi,j,n為i 種車(chē)型在j 種排放標(biāo)準(zhǔn)下n 類(lèi)污染物的排放因子，g·(km·輛)-1。

1.1.1 機(jī)動(dòng)車(chē)保有量

本研究所需要的1999—2015 年長(zhǎng)三角城市群各城市各類(lèi)型機(jī)動(dòng)車(chē)保有量數(shù)據(jù)來(lái)自相應(yīng)的統(tǒng)計(jì)年鑒（上海市統(tǒng)計(jì)年鑒，2000—2016；江蘇省統(tǒng)計(jì)年鑒，2000—2016；浙江省統(tǒng)計(jì)年鑒，2000—2016；安徽省統(tǒng)計(jì)年鑒，2000—2016；中國(guó)汽車(chē)工業(yè)年鑒，2000—2016）。本研究假定一旦新的排放標(biāo)準(zhǔn)實(shí)施，當(dāng)年生產(chǎn)的機(jī)動(dòng)車(chē)必須嚴(yán)格符合新的排放標(biāo)準(zhǔn)（Wang et al.，2008；Huo et al.，2011；Sun et al.，2016）。

本研究參照已有文獻(xiàn)的方法（Cai et al.，2007；Sun et al.，2016），根據(jù)各個(gè)城市每年的新車(chē)注冊(cè)量、機(jī)動(dòng)車(chē)存活率以及各類(lèi)機(jī)動(dòng)車(chē)實(shí)施不同排放標(biāo)準(zhǔn)的時(shí)間計(jì)算各年份各類(lèi)車(chē)型在不同排放標(biāo)準(zhǔn)下的保有量，具體計(jì)算方法如式（2）所示：

其中，Nm,i,j代表區(qū)域m 車(chē)型為i 在排放標(biāo)準(zhǔn)j下的機(jī)動(dòng)車(chē)新注冊(cè)量（S0—S5 代表排放標(biāo)準(zhǔn)國(guó)0—國(guó)Ⅴ）；Pm,i,total代表在區(qū)域m 內(nèi)車(chē)型i 的全部的機(jī)動(dòng)車(chē)保有量；k 代表新車(chē)注冊(cè)年份；y 代表所研究年份；n 代表排放標(biāo)準(zhǔn)j 執(zhí)行時(shí)長(zhǎng)；r 代表機(jī)動(dòng)車(chē)存活率（Sun et al.，2016）。

本研究采用分類(lèi)預(yù)測(cè)法對(duì)長(zhǎng)三角城市群各城市2016—2025 年機(jī)動(dòng)車(chē)保有量進(jìn)行預(yù)測(cè)。研究表明輕型客車(chē)保有量的變化符合Gompertz 模型曲線，機(jī)動(dòng)車(chē)保有率隨著人均收入的增加呈現(xiàn)S 型曲線增長(zhǎng)（Dargay et al.，1997，1999）。本研究輕型客車(chē)采用Gompertz 模型進(jìn)行預(yù)測(cè)，重型客車(chē)、輕型貨車(chē)、重型貨車(chē)和摩托車(chē)分別應(yīng)用回歸曲線擬合方法進(jìn)行預(yù)測(cè)。首先構(gòu)建Gompertz 曲線方程表達(dá)式：

其中，V(x)為輕型客車(chē)保有率，輛·千人-1；x為人均可支配收入，yuan·person-1；γ 為輕型客車(chē)保有率的飽和水平，其取值參考相關(guān)文獻(xiàn)（吉木色等，2013；Guo et al.，2016），本研究選取0.6；α、β 為模型待估參數(shù)，其估算方法為利用1999—2015 年的輕型客車(chē)保有率（輕型客車(chē)保有量除以人口數(shù)據(jù)）與當(dāng)年的人均可支配收入進(jìn)行數(shù)據(jù)擬合得到。根據(jù)1999—2015 年人均可支配收入預(yù)測(cè)未來(lái)年份（2016—2025 年）26 個(gè)城市的人均可支配收入均值，運(yùn)用式（3）可預(yù)測(cè)得到未來(lái)10 年各個(gè)城市的輕型客車(chē)保有率。通過(guò)GM (1, 1)灰色模型法，預(yù)測(cè)未來(lái)10 年各個(gè)城市的人口數(shù)量，進(jìn)而計(jì)算得到2016—2025 年各個(gè)城市的輕型客車(chē)保有量，將所得數(shù)據(jù)與回歸曲線擬合得到的相應(yīng)年份的重型客車(chē)、輕型貨車(chē)、重型貨車(chē)和摩托車(chē)預(yù)測(cè)值，從而得到長(zhǎng)三角城市群2016—2025 年的機(jī)動(dòng)車(chē)保有量預(yù)測(cè)值（圖2）。采用同樣的方法預(yù)測(cè)出各個(gè)城市2016—2025 年的新車(chē)注冊(cè)量，并根據(jù)機(jī)動(dòng)車(chē)存活率計(jì)算出未來(lái)各年份各車(chē)型的年齡分布情況，并同樣假定車(chē)輛按照注冊(cè)年份實(shí)施對(duì)應(yīng)的排放標(biāo)準(zhǔn)，依此來(lái)確定長(zhǎng)三角城市群各個(gè)城市未來(lái)2016—2025 年實(shí)施各排放標(biāo)準(zhǔn)的機(jī)動(dòng)車(chē)數(shù)量。

圖2 2016-2025 年長(zhǎng)三角城市群機(jī)動(dòng)車(chē)保有量預(yù)測(cè)圖 Fig. 2 The prediction chart of vehicle population of the Yangtze River Delta from 2016-2025

1.1.2 年均行駛里程

中國(guó)機(jī)動(dòng)車(chē)年均行駛里程數(shù)據(jù)并沒(méi)有官方公布的統(tǒng)計(jì)數(shù)據(jù)，本研究1999—2015 年年均行駛里程數(shù)據(jù)根據(jù)已有研究結(jié)果（He et al.，2005；Cai et al.，2007；胡迪峰，2008；林秀麗等，2009；鄧君俊，2011；Lang et al.，2014），并參考對(duì)中國(guó)不同區(qū)域與發(fā)展規(guī)模城市研究中的年均行駛里程數(shù)據(jù)（王岐東等，2007；Huo et al.，2012；姚志良等，2012），對(duì)缺失數(shù)據(jù)的城市選取相近經(jīng)濟(jì)發(fā)展水平、機(jī)動(dòng)車(chē)保有量等的城市進(jìn)行合理假設(shè)（Huang et al.，2011），而對(duì)于中間年份缺失的數(shù)據(jù)采用線性插值法獲得（Lang et al.，2012）。

本研究對(duì)2016—2025 年長(zhǎng)三角城市群各城市不同類(lèi)型機(jī)動(dòng)車(chē)年均行駛里程數(shù)據(jù)的預(yù)測(cè)，根據(jù)已有研究可知輕型客車(chē)年均行駛里程數(shù)據(jù)與其保有率呈現(xiàn)顯著相關(guān)（Huo et al.，2012），而重型客車(chē)、輕型客車(chē)和重型貨車(chē)年均行駛里程數(shù)據(jù)與商業(yè)活動(dòng)有較大關(guān)系。根據(jù)1999—2015 年長(zhǎng)三角城市群各城市機(jī)動(dòng)車(chē)年均行駛里程數(shù)據(jù)，建立年均行駛里程與輕型客車(chē)保有率的相關(guān)關(guān)系（指數(shù)相關(guān)性），并結(jié)合前文運(yùn)用Gompertz 曲線預(yù)測(cè)得到的2016—2025 年輕型客車(chē)保有率，從而獲得2016—2025 年輕型客車(chē)年均行駛里程數(shù)據(jù)；采用彈性系數(shù)法建立重型客車(chē)、輕型貨車(chē)和重型貨車(chē)的年均行駛里程年均增長(zhǎng)率與GDP 年均增長(zhǎng)率的彈性系數(shù)，并結(jié)合中國(guó)社會(huì)科學(xué)院等對(duì)中國(guó)未來(lái)GDP 潛在增長(zhǎng)率的相關(guān)預(yù)測(cè)，合理預(yù)測(cè)2016—2025 年各城市的GDP增長(zhǎng)率，從而獲得三類(lèi)機(jī)動(dòng)車(chē)2016—2025 年的年均行駛里程數(shù)據(jù)。摩托車(chē)由于各城市“限摩”措施的相繼頒布實(shí)施，預(yù)測(cè)未來(lái)幾年摩托車(chē)年均行駛里程呈下降趨勢(shì)。單車(chē)年均行駛里程結(jié)果如表1 所示。

1.1.3 排放因子

本研究采用COPERT Ⅳ（v11.2）模型估算1999—2015 年長(zhǎng)三角城市群各城市各類(lèi)型機(jī)動(dòng)車(chē)污染物排放因子。COPERT Ⅳ模型需要輸入的參數(shù)主要包括車(chē)輛類(lèi)型、平均行駛速度和氣象數(shù)據(jù)等，各類(lèi)型機(jī)動(dòng)車(chē)平均行駛速度數(shù)據(jù)來(lái)源于相關(guān)文獻(xiàn)研究結(jié)果（謝紹東等，2006；Cai et al.，2007；Wang et al.，2009，2010；鄧君俊，2011；Lang et al.，2012；田軍，2013）；燃料參數(shù)來(lái)自國(guó)家和地方車(chē)用燃油標(biāo)準(zhǔn)；相對(duì)濕度和月最高低氣溫來(lái)自中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)。

對(duì)各城市不同類(lèi)型機(jī)動(dòng)車(chē)污染物排放因子的預(yù)測(cè)，在對(duì)模型所需的各個(gè)參數(shù)的預(yù)測(cè)基礎(chǔ)上，采用COPERT Ⅳ模型對(duì)排放因子進(jìn)行估算（王聰，2015）。對(duì)汽油、柴油的消耗量采用線性回歸擬合方法進(jìn)行預(yù)測(cè)；對(duì)短時(shí)間以月為單位的溫度和濕度的預(yù)測(cè)暫時(shí)沒(méi)有理想的預(yù)測(cè)方法，本文假定未來(lái)10年各月份最高溫度為1999—2015 年相應(yīng)月份最高溫度的均值，最低溫度為相應(yīng)月份的最低溫度的均值，濕度為相應(yīng)月份的均值。結(jié)合上述預(yù)測(cè)并參考已有研究（蔡皓等，2010；車(chē)汶蔚，2010；張少君，2014；），通過(guò)相關(guān)資料調(diào)研和修正，估算得到了2016-2025 年機(jī)動(dòng)車(chē)污染物排放因子。

1.2 情景分析

1.2.1 基準(zhǔn)情景（Business as usual，BAU）

基準(zhǔn)情景指維持現(xiàn)有污染物排放標(biāo)準(zhǔn)與控制措施，不再實(shí)施其他額外減排措施并保持機(jī)動(dòng)車(chē)自然淘汰的情景，據(jù)此可以評(píng)估其他兼顧額外減排措施情景的實(shí)施效果。

1.2.2 提高排放標(biāo)準(zhǔn)情景（High standard replacement，HSR）

根據(jù)中國(guó)環(huán)境保護(hù)部門(mén)在機(jī)動(dòng)車(chē)污染物排放控制標(biāo)準(zhǔn)方面的實(shí)施力度和長(zhǎng)三角城市群今后可能實(shí)施更加嚴(yán)格的機(jī)動(dòng)車(chē)污染物排放標(biāo)準(zhǔn)計(jì)劃設(shè)定提高排放標(biāo)準(zhǔn)情景（表2），并且假設(shè)其他控制措施不變，與基準(zhǔn)情景保持一致。

表1 機(jī)動(dòng)車(chē)年均行駛里程預(yù)測(cè)值 Table 1 The predicted value of the vehicle kilometers traveled km·a-1

表2 機(jī)動(dòng)車(chē)污染物排放標(biāo)準(zhǔn)實(shí)施時(shí)間 Table 2 Implementation timetable of vehicular emission standards

1.2.3 提升燃油品質(zhì)情景（Raising fuel standards，RFS）

新的油品質(zhì)量標(biāo)準(zhǔn)的頒布實(shí)施可為機(jī)動(dòng)車(chē)污染減排帶來(lái)立竿見(jiàn)影的效益，車(chē)用油品中硫含量對(duì)機(jī)動(dòng)車(chē)污染減排至關(guān)重要?；陂L(zhǎng)三角城市群各城市相關(guān)部門(mén)對(duì)車(chē)用油品標(biāo)準(zhǔn)實(shí)施時(shí)間的計(jì)劃預(yù)測(cè)油品中硫含量，上海、江蘇和浙江各城市汽油車(chē)和柴油車(chē)分別于2015 年實(shí)施國(guó)Ⅴ標(biāo)準(zhǔn)，2018 年實(shí)施國(guó)Ⅵ標(biāo)準(zhǔn)；安徽省各城市汽油車(chē)和柴油車(chē)分別于2017 年實(shí)施國(guó)Ⅴ標(biāo)準(zhǔn)，2019 年實(shí)施國(guó)Ⅵ標(biāo)準(zhǔn)。各類(lèi)型機(jī)動(dòng)車(chē)保有量、年均行駛里程數(shù)據(jù)與基準(zhǔn)情景保持一致，通過(guò)輸入新的燃油標(biāo)準(zhǔn)參數(shù)計(jì)算獲得排放因子。

1.2.4 淘汰高排放車(chē)情景（Eliminate substandard vehicles，ESV）

對(duì)黃標(biāo)車(chē)和高污染車(chē)輛的淘汰是減少機(jī)動(dòng)車(chē)污染物排放的有效措施，因此針對(duì)長(zhǎng)三角城市群未來(lái)淘汰高排放車(chē)輛設(shè)定相應(yīng)情景（表3）。各類(lèi)型機(jī)動(dòng)車(chē)年均行駛里程數(shù)據(jù)與基準(zhǔn)情景保持一致，通過(guò)淘汰機(jī)動(dòng)車(chē)車(chē)隊(duì)中低排放標(biāo)準(zhǔn)的車(chē)輛從而計(jì)算得出新的機(jī)動(dòng)車(chē)污染物平均排放因子，同時(shí)為了保證機(jī)動(dòng)車(chē)保有量不變，每年淘汰機(jī)動(dòng)車(chē)數(shù)量用當(dāng)年最新的排放標(biāo)準(zhǔn)機(jī)動(dòng)車(chē)替代。

1.2.5 大力發(fā)展公共交通情景（Public transport priority，PTP）

大力發(fā)展公共交通能夠有效提升居民使用公共交通出行的比例，減少輕型客車(chē)和摩托車(chē)的使用次數(shù)，從而減少輕型客車(chē)和摩托車(chē)的年均行駛里程。根據(jù)已有研究得出輕型客車(chē)年均行駛里程隨著公共交通出行比例的提高以每年1%以上的比例下降，由于“限摩”令的實(shí)施，假設(shè)摩托車(chē)年均行駛里程以每年2%以上的比例下降，本研究按照此方法，長(zhǎng)三角城市群對(duì)公共交通發(fā)展加大建設(shè)和補(bǔ)貼力度，到2025 年輕型客車(chē)和摩托車(chē)的年均行駛里程相對(duì)于基準(zhǔn)情景分別減少10%和20%。

1.2.6 推廣新能源車(chē)情景（Alternative energy replacement，AER）

推廣新能源車(chē)是減少機(jī)動(dòng)車(chē)能源消耗、污染物排放的有效手段。中國(guó)電力很大比例來(lái)源于煤炭發(fā)電，對(duì)于電動(dòng)車(chē)的推廣如果考慮上游階段污染物排放，其污染物減排效益勢(shì)必會(huì)大打折扣，引入生命周期評(píng)價(jià)方法對(duì)電動(dòng)車(chē)開(kāi)展研究十分必要，本研究分別設(shè)定保守新能源車(chē)推廣情景（conservative alternative energy replacement，CAER）和激進(jìn)新能源車(chē)推廣情景（ radical alternative energy replacement，RAER），評(píng)估電動(dòng)車(chē)、混合動(dòng)力車(chē)和天然氣汽車(chē)污染物減排效果。對(duì)于保守新能源車(chē)推廣情景：假設(shè)到2025 年90%公交車(chē)都使用替代燃料與先進(jìn)動(dòng)力車(chē)輛技術(shù)，其中60%公交車(chē)使用電力驅(qū)動(dòng)，30%公交車(chē)使用混合動(dòng)力，10%公交車(chē)使用天然氣。到2025 年30%的輕型客車(chē)燃油使用電動(dòng)車(chē)替換情景，20%的輕型客車(chē)燃油使用混合動(dòng)力車(chē)替換情景。激進(jìn)新能源車(chē)推廣情景，情景設(shè)置與保守新能源車(chē)推廣情景一致，其中電動(dòng)車(chē)上游電力為清潔能源提供。

本研究參考已有的研究（蔡皓等，2010；張少君，2014；車(chē)汶蔚，2010；宋國(guó)華等2007；劉宏等，2007；周昱等，2010）獲取混合動(dòng)力車(chē)和天然氣車(chē)污染物排放因子，混合動(dòng)力車(chē)和天然氣車(chē)年均行駛里程數(shù)據(jù)與基準(zhǔn)情景相同，根據(jù)以上參數(shù)估算長(zhǎng)三角城市群各城市混合動(dòng)力車(chē)和天然車(chē)污染物排放量。

本研究基于美國(guó)阿貢國(guó)家實(shí)驗(yàn)室開(kāi)發(fā)的GREET 模型和已有的研究對(duì)電動(dòng)車(chē)進(jìn)行生命周期分析（李書(shū)華，2014；于明霞，2014；王人潔，2015）。

表3 高排放車(chē)輛淘汰時(shí)間表 Table 3 Elimination deadline of higher emission vehicles

（1）能源消耗量估算

中國(guó)最主要的發(fā)電方式為燃煤發(fā)電，本研究燃料生命周期研究重點(diǎn)關(guān)注燃煤發(fā)電過(guò)程中污染物排放。中國(guó)電力行業(yè)近年來(lái)發(fā)展迅速，總發(fā)電量逐年遞增，相關(guān)文獻(xiàn)資料顯示中國(guó)電力行業(yè)2025 年發(fā)電總量為8.47 萬(wàn)億千瓦時(shí)（吳敬儒，2015），采用全國(guó)平均電力構(gòu)成分析電力構(gòu)成比例，已有研究得出到2025 年中國(guó)煤電比例為60%（姜克雋等，2009），在此基礎(chǔ)上對(duì)長(zhǎng)三角城市群設(shè)置相對(duì)應(yīng)的煤電比例。而上游電廠能源消耗和污染物排放與發(fā)電效率密切相關(guān)，根據(jù)國(guó)際能源署報(bào)告（IEA，2013），預(yù)測(cè)中國(guó)2025 年燃煤發(fā)電效率為38%，假設(shè)研究區(qū)域與全國(guó)燃煤發(fā)電效率相同，發(fā)電效率的計(jì)算公式如下：

式中，α 為燃煤發(fā)電效率，%；γ 為燃煤發(fā)電總耗標(biāo)準(zhǔn)煤量，kg；π 為標(biāo)準(zhǔn)煤低位發(fā)熱量，J·kg-1；β 為燃煤發(fā)電量，kWh；μ 為電熱轉(zhuǎn)換系數(shù)，J·kWh-1。

（2）污染物排放量計(jì)算

對(duì)于污染物CO2排放量的計(jì)算采用碳平衡法求得，CO2排放量由直接排放的CO2和間接排放的CO2加和求得，其中燃燒之前燃料中的碳減去燃燒產(chǎn)物VOC、CO 和CH4中的碳為直接排放的CO2中的碳，而間接排放的CO2需考慮由VOC 和CO轉(zhuǎn)化所得（王人潔，2015）。

對(duì)于污染物CO、NMVOC、NOx、PM2.5、PM10、CH4、N2O 和SO2排放量的計(jì)算，除去非燃燒排放和揚(yáng)塵污染，只對(duì)燃燒排放進(jìn)行研究。另外，由于污染物NH3排放因子的測(cè)量非常困難，且壽命較短，測(cè)量過(guò)程中還有吸附，本研究暫不考慮上游階段污染物NH3的排放，污染物SO2基于硫平衡法計(jì)算求得（李書(shū)華，2014）。對(duì)于其余污染物根據(jù)以下公式計(jì)算求得：

式中，NWTTi是第i 類(lèi)污染物的燃燒排放量，g·km-1；EFi,j,k是i 類(lèi)污染物排放因子，kg·kJ-1；Mj,k 是燃料消耗量，kJ·km-1。而Mj,k由以下公式求得：

式中，M 是總能源消耗量，kJ·km-1；P 是燃料所占比例；T 是控制技術(shù)所占比例；i 為污染物種類(lèi)；j 為燃料類(lèi)型；k 為控制技術(shù)類(lèi)型。

根據(jù)以上方法，估算長(zhǎng)三角城市群輕型客車(chē)和重型客車(chē)上游階段單車(chē)污染物的排放量（表4）。

1.2.7 摩托車(chē)限行情景（Eliminate motorcycles，EMC）

摩托車(chē)是機(jī)動(dòng)車(chē)污染物主要貢獻(xiàn)車(chē)型之一，根據(jù)各城市市區(qū)人口與郊區(qū)人口的比例關(guān)系來(lái)確定摩托車(chē)淘汰量（車(chē)汶蔚，2010），假設(shè)到2020 年長(zhǎng)三角城市群各城市中心城區(qū)全面禁止摩托車(chē)出行，機(jī)動(dòng)車(chē)排放標(biāo)準(zhǔn)等控制措施不變，機(jī)動(dòng)車(chē)污染物排放因子、其他類(lèi)型機(jī)動(dòng)車(chē)保有量與基準(zhǔn)情景保持一致。

1.2.8 綜合情景（Integrated scenario，IS）

綜合情景分為保守綜合情景（conservative integrated scenario，CIS）與激進(jìn)綜合情景（radical integrated scenario，RIS），保守綜合情景是將所有控制措施進(jìn)行有效結(jié)合，其減排措施效果在以上單項(xiàng)控制措施的基礎(chǔ)上計(jì)算得到的。激進(jìn)綜合情景在保守綜合情景的基礎(chǔ)上，考慮了新能源汽車(chē)中電動(dòng)車(chē)電力來(lái)源為清潔能源，別的情景設(shè)置與保守綜合情景一致。

2 結(jié)果和討論

2.1 機(jī)動(dòng)車(chē)污染物排放清單

根據(jù)機(jī)動(dòng)車(chē)污染物排放清單的構(gòu)建方法，計(jì)算得到長(zhǎng)三角城市群1999-2015 年機(jī)動(dòng)車(chē)污染物排放清單（圖3），并對(duì)其時(shí)間變化趨勢(shì)進(jìn)行分析。

長(zhǎng)三角城市群機(jī)動(dòng)車(chē)CO 和NMVOC 排放量從1999 年308.14 萬(wàn)噸和37.39 萬(wàn)噸增長(zhǎng)到2003年的398.65 萬(wàn)噸和55.44 萬(wàn)噸，年均增長(zhǎng)率為7.04%和8.4%，由于新的排放標(biāo)準(zhǔn)等措施的實(shí)施，2003 年之后開(kāi)始下降，2015 年分別為126.82 萬(wàn)噸和25.56 萬(wàn)噸。

1999-2015 年機(jī)動(dòng)車(chē)污染物NOx、PM2.5和PM10排放量總體呈現(xiàn)上升趨勢(shì)，2015 年這3 種污染物的排放量分別為86.55、3.81、4.27 萬(wàn)噸，相對(duì)于1999年分別增加194%、47.49%、57.56%。近幾年排放量有所下降，與實(shí)施新車(chē)排放標(biāo)準(zhǔn)、匹配的油品標(biāo)準(zhǔn)和對(duì)黃標(biāo)車(chē)采取提前淘汰鼓勵(lì)政策等有關(guān)。

研究期間，機(jī)動(dòng)車(chē)污染物CO2排放量增長(zhǎng)趨勢(shì)明顯，1999 年CO2排放量為3 234.97 萬(wàn)噸，到2015年CO2排放量增加到21 578.74 萬(wàn)噸，增長(zhǎng)567%，CO2排放量增長(zhǎng)趨勢(shì)迅猛說(shuō)明中國(guó)頒布實(shí)施的燃料標(biāo)準(zhǔn)對(duì)機(jī)動(dòng)車(chē)污染物CO2的減排效果不是很理想。1999—2015 年期間污染物CH4排放量總體呈現(xiàn)先增長(zhǎng)后下降的趨勢(shì)，從1999 年的1.72 萬(wàn)噸增加到2007 年的3.0 萬(wàn)噸，年均增長(zhǎng)率為7.4%，之后開(kāi)始逐年下降，2015 年CH4排放量下降到1.94 萬(wàn)噸。1999—2015 年污染物N2O 排放量總體呈現(xiàn)增長(zhǎng)的趨勢(shì)，1999 年排放量為0.979 千噸，2015 年為3.75千噸，相對(duì)于1999 年排放量增加283%，其中2009—2010 年間排放量由8.485 千噸下降到3.763 千噸，原因是新的燃油標(biāo)準(zhǔn)的頒布實(shí)施，使得機(jī)動(dòng)車(chē)燃油質(zhì)量提升，燃油中的硫含量會(huì)對(duì)車(chē)輛的N2O 排放產(chǎn)生較大的影響，使用含硫量較低的燃油是降低車(chē)輛N2O 排放的重要手段之一（Sun et al.，2016）。

表4 2025 年長(zhǎng)三角城市群上游階段單車(chē)污染物排放量 Table 4 The single vehicle emissions in the upstream phase of the Yangtze River Delta urban agglomeration in 2020 g·kg-1

圖3 1999—2015 長(zhǎng)三角城市群機(jī)動(dòng)車(chē)污染物時(shí)間變化趨勢(shì) Fig. 3 Vehicular emission trends in the Yangtze River Delta urban agglomeration from 1999 to 2015

1999—2015 年機(jī)動(dòng)車(chē)污染物NH3的排放量增長(zhǎng)幅度相對(duì)于別的污染物是最大的，由1999 年的0.34 千噸增長(zhǎng)到2015 年的13.79 千噸，相對(duì)于1999年排放量增加4 004%。在中國(guó)，灰霾環(huán)境問(wèn)題主要來(lái)自PM2.5（Chan et al.，2008），污染物NH3對(duì)PM2.5的形成和增長(zhǎng)至關(guān)重要，然而目前政府與社會(huì)對(duì)污染物NH3的關(guān)注程度是遠(yuǎn)遠(yuǎn)不夠的，因此今后要加大對(duì)機(jī)動(dòng)車(chē)污染物NH3的減排力度。污染物SO2排放量的多少主要是由燃油中的硫含量與機(jī)動(dòng)車(chē)數(shù)量所決定（Lang et al.，2016），從圖3 可知，研究期間SO2排放量變化趨勢(shì)與別的污染物有所不同，主要是因?yàn)?999—2015 年頒布的燃油標(biāo)準(zhǔn)中硫含量的不斷變化造成的。研究期間，SO2排放量總體呈增長(zhǎng)趨勢(shì)，但2001—2002 年和2010—2011年這兩個(gè)時(shí)期下降趨勢(shì)明顯，由2001 年的8.20 萬(wàn)噸下降到2002 年的4.11 萬(wàn)噸和由2010 年的9.18萬(wàn)噸下降到2011 年的2.36 萬(wàn)噸，下降率分別為49.9%和74.2%。

2.2 不同控制情景減排效果比較

根據(jù)上述不同減排情景設(shè)置計(jì)算得到各情景2025 年長(zhǎng)三角城市群機(jī)動(dòng)車(chē)污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放量，并與基準(zhǔn)情景排放量（105.32、23.65、85.96、3.86、4.81、37 452.24、1.73、0.51、1.05、4.13 萬(wàn)噸）進(jìn)行對(duì)比。

圖4 各減排情景下CO 和NMVOC 的排放量 Fig. 4 CO and NMVOC emissions under the different scenarios

2025 年長(zhǎng)三角城市群各減排情景下機(jī)動(dòng)車(chē)污染物CO 和NMVOC 排放量相對(duì)于基準(zhǔn)情景都有所降低（圖4），其中，保守新能源車(chē)推廣情景與激進(jìn)新能源車(chē)推廣情景與別的單獨(dú)情景相比減排效果較為理想，相對(duì)于基準(zhǔn)情景分別削減了12.69%和18.85%與13.66%和20.03%，這兩種減排情景下的削減比例相差較小，說(shuō)明污染物CO 和NMVOC 是由車(chē)輛行駛階段主導(dǎo)的污染物，受上游階段電力來(lái)源的變化影響不大。保守綜合情景與激進(jìn)綜合情景即將所有單獨(dú)控制措施進(jìn)行有效結(jié)合，減排效果最為理想，污染物CO 和NMVOC 排放量分別削減了26.91%和31.49%與27.84%和32.61%。

長(zhǎng)三角城市群各減排情景下機(jī)動(dòng)車(chē)污染物NOx排放量相對(duì)于基準(zhǔn)情景都有所下降（圖5），其中淘汰高排放車(chē)輛情景減排效果相對(duì)于別的單獨(dú)減排情景最為理想，比基準(zhǔn)情景下降14.41%，由于新能源車(chē)（電動(dòng)車(chē)、混合動(dòng)力車(chē)和天然氣汽車(chē)）對(duì)于污染物NOx有較好的減排效果，保守新能源車(chē)推廣情景與激進(jìn)新能源車(chē)推廣情景排放量相對(duì)于基準(zhǔn)情景分別削減7.65%和12.91%。另外，實(shí)施保守綜合情景與激進(jìn)綜合情景污染物NOx減排效果較為理想，分別削減16.57%和21.63%。雖然淘汰高排放車(chē)輛情景對(duì)于污染物NOx有比較明顯的減排效果，但需要與別的單獨(dú)措施情景進(jìn)行有效結(jié)合，以達(dá)到理想的減排效果。大部分單獨(dú)減排情景下PM2.5排放量相對(duì)于基準(zhǔn)情景有所降低，但保守新能源車(chē)情景 PM2.5排放量相對(duì)于基準(zhǔn)情景反而增加了19.81%，這是由于PM2.5排放量是由上游階段所主導(dǎo)的，而中國(guó)電力來(lái)源主要為煤炭發(fā)電，加之新能源車(chē)情景設(shè)置中推廣電動(dòng)車(chē)數(shù)量相對(duì)于別的新能源車(chē)型要高，因此帶來(lái)了較高的PM2.5排放。雖然發(fā)展天然氣汽車(chē)能夠有效降低污染物PM2.5排放量，但是其減排效果被電動(dòng)車(chē)上游階段所排放的污染抵消，因此未來(lái)需要使用更高比例的清潔能源來(lái)為電動(dòng)車(chē)提供電力。各減排情景對(duì)污染物PM10的減排效果與PM2.5相類(lèi)似，其中，保守新能源車(chē)推廣情景與基準(zhǔn)情景排放量相比增加了20.07%，雖然推廣天然氣汽車(chē)能夠減少PM10的排放量，卻被電動(dòng)車(chē)上游階段所帶來(lái)的高排放量所抵消；考慮電動(dòng)車(chē)上游電力來(lái)源為清潔能源的激進(jìn)新能源車(chē)推廣情景的減排效果比較理想，相對(duì)于基準(zhǔn)情景削減15.48%。

圖5 各減排情景下NOx、PM2.5和PM10的排放量 Fig. 5 NOx, PM2.5, and PM10 emissions under the different scenarios

長(zhǎng)三角城市群各減排情景下機(jī)動(dòng)車(chē)污染物CO2排放量相對(duì)于基準(zhǔn)情景都呈現(xiàn)出不同程度的下降（圖6），其中保守新能源車(chē)推廣情景和激進(jìn)新能源車(chē)推廣情景相對(duì)于別的單獨(dú)情景減排效果最為理想，相對(duì)于基準(zhǔn)情景分別削減了7.9%和20.56%，這兩種減排情景減排效果差別較大，原因是電動(dòng)車(chē)上游階段CO2排放量較高，抵消了混合動(dòng)力車(chē)與天然氣汽車(chē)對(duì)污染物CO2的減排優(yōu)勢(shì)。另外，保守綜合情景與激進(jìn)綜合情景減排效果都比較理想，分別削減了12.53%和24.61%。淘汰高排放車(chē)輛情景下污染物CH4減排效果最為明顯，相對(duì)于基準(zhǔn)情景排放量削減12.49%，而保守新能源車(chē)推廣情景和激進(jìn)新能源車(chē)推廣情景相對(duì)于基準(zhǔn)情景排放量分別增加11.38%和3.71%，原因與推廣天然氣汽車(chē)有關(guān)，因此未來(lái)需要對(duì)天然氣汽車(chē)的推廣全面考量其排放的利弊。提升油品質(zhì)量情景下污染物N2O 排放量相對(duì)于基準(zhǔn)情景削減13.61%，其原因是新的燃油標(biāo)準(zhǔn)的頒布實(shí)施，使得機(jī)動(dòng)車(chē)燃油質(zhì)量提升，燃油中的硫含量會(huì)對(duì)車(chē)輛的N2O 排放產(chǎn)生較大的影響，使用含硫量較低的燃油是降低車(chē)輛N2O 排放的重要手段之一（Sun et al.，2016），激進(jìn)新能源車(chē)推廣情景減排效果相對(duì)于別的單獨(dú)措施情景最為理想，相對(duì)于基準(zhǔn)情景排放量下降18.31%。隨著新的污染物排放標(biāo)準(zhǔn)的頒布實(shí)施，重型貨車(chē)與重型客車(chē)污染物N2O 排放因子出現(xiàn)增長(zhǎng)（國(guó)Ⅳ—國(guó)Ⅵ）（蔡皓等，2010），提高排放標(biāo)準(zhǔn)情景相對(duì)于基準(zhǔn)情景排放量反而增加1.74%。

圖6 各減排情景下CO2、CH4和N2O 的排放量 Fig. 6 CO2, CH4, and N2O emissions under the different scenarios

長(zhǎng)三角城市群各減排情景下的機(jī)動(dòng)車(chē)污染物NH3排放量相對(duì)于基準(zhǔn)情景都呈現(xiàn)出不同程度的下降趨勢(shì)（圖7），除了提升油品質(zhì)量情景相對(duì)于基準(zhǔn)情景NH3排放量增加8.82%。原因?yàn)闄C(jī)動(dòng)車(chē)為了減少NOx排放，大量使用三元催化器，可以將NOx還原成為氮?dú)?，但?shí)際上這個(gè)過(guò)程非常容易還原成NH3；在油品質(zhì)量標(biāo)準(zhǔn)較低的階段，三元催化器作用不到位，因此不會(huì)產(chǎn)生大量的NH3排放，而隨著油品質(zhì)量的提高，NH3排放量反而出現(xiàn)增加（王躍思等，2014）。在中國(guó)灰霾環(huán)境問(wèn)題主要來(lái)自PM2.5（Chan et al.，2008），而機(jī)動(dòng)車(chē)所排放出來(lái)的大量污染物NH3對(duì)PM2.5的形成和增長(zhǎng)至關(guān)重要，因此需要加大對(duì)NH3的減排力度。提升油品質(zhì)量情景下污染物SO2的排放量相對(duì)別的單獨(dú)措施情景下降幅度最大，下降93.64%，原因?yàn)槲廴疚颯O2排放量的多少主要是由燃油中的硫含量與機(jī)動(dòng)車(chē)數(shù)量所決定的（Lang et al.，2016），而保守新能源車(chē)推廣情景相對(duì)于基準(zhǔn)情景排放量反而增加221.51%，這是由于電動(dòng)車(chē)上游電力主要來(lái)源于燃煤發(fā)電，雖然推廣天然氣汽車(chē)能夠減少污染物SO2的排放，但其減排效果被電動(dòng)車(chē)上游階段SO2排放所抵消，而考慮清潔能源為電動(dòng)車(chē)提供電力的激進(jìn)新能源車(chē)推廣情景減排效果相對(duì)于保守新能源車(chē)推廣情景理想很多。

圖7 各減排情景下NH3和SO2的排放量 Fig. 7 NH3 and SO2 emissions under the different scenarios

2.3 不確定性分析

本研究應(yīng)用COPERT 模型估算長(zhǎng)三角地區(qū)機(jī)動(dòng)車(chē)污染物排放清單，考慮到模型的估算在一定程度上會(huì)簡(jiǎn)化復(fù)雜的排放過(guò)程，例如雖然利用模型模擬時(shí)考慮了車(chē)輛的行駛狀況，但每個(gè)車(chē)輛在不同行駛條件下的行駛狀況無(wú)法完全被模擬，導(dǎo)致計(jì)算得到的排放因子存在一定的不確定性；此外，機(jī)動(dòng)車(chē)數(shù)量計(jì)算過(guò)程中，采用的車(chē)輛存活率是參考國(guó)家級(jí)層面的車(chē)輛存活率，以及年均行駛里程數(shù)據(jù)主要參考已有文獻(xiàn)，這些計(jì)算方法均會(huì)導(dǎo)致估算的排放清單存在一些不確定性。

本研究選用蒙特卡洛方法估算機(jī)動(dòng)車(chē)排放清單的不確定性，該模型模擬需設(shè)置機(jī)動(dòng)車(chē)數(shù)量、年均行駛里程和排放因子的概率分布和變異系數(shù)。由于機(jī)動(dòng)車(chē)數(shù)量主要來(lái)自于相應(yīng)的統(tǒng)計(jì)年鑒，1999-2015 年間的機(jī)動(dòng)車(chē)數(shù)量設(shè)置為變異系數(shù)為5%的正態(tài)分布，未來(lái)年的機(jī)動(dòng)車(chē)數(shù)量設(shè)置為變異系數(shù)為10%的正態(tài)分布。年均行駛里程數(shù)據(jù)參考已有研究（Zhao et al.，2011）對(duì)年均行駛里程的不確定性研究，設(shè)置1999—2015 年間年均行駛里程服從變異系數(shù)為10%的正態(tài)分布，未來(lái)年的數(shù)據(jù)服從變異系數(shù)為20%的正態(tài)分布。排放因子的變異系數(shù)參考應(yīng)用COPERT 模型計(jì)算排放因子的已有研究（Lang et al.，2014），假設(shè)污染物CO、NMVOC 和NOx服從變異系數(shù)為17%的對(duì)數(shù)正態(tài)分布，顆粒污染物PM2.5、PM10服從變異系數(shù)為34%的對(duì)數(shù)正態(tài)分布，由于已有研究中對(duì)溫室氣體CO2、CH4和N2O 以及有毒有害氣體NH3和SO2的不確定性研究較少，本研究假設(shè)其全部服從變異系數(shù)為30%的對(duì)數(shù)正態(tài)分布。試驗(yàn)次數(shù)是直接影響機(jī)動(dòng)車(chē)數(shù)量估算的另一個(gè)重要參數(shù)，為了確保結(jié)果的正確性，本研究將試驗(yàn)次數(shù)設(shè)為100 000。

全部的機(jī)動(dòng)車(chē)污染物CO、NMOVC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2在95%置信水平下的平均不確定性估算范圍分別為-14%—19%、-23%—31%、-21%—27%、-29%—43%、-29%—43%、-30%—49%、-29%—47%、-33%—58%、-44%—80%、-28%—39%。雖然估算結(jié)果存在一些不確定性，但對(duì)不同控制策略下的污染物減排潛力的估算仍然對(duì)長(zhǎng)三角地區(qū)空氣污染控制的研究具有一定的參考價(jià)值。

3 結(jié)論

本研究采用COPERT Ⅳ模型估算長(zhǎng)三角城市群26 個(gè)城市1999—2015 年機(jī)動(dòng)車(chē)各類(lèi)污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放因子，建立排放清單。在此基礎(chǔ)上，設(shè)立8 種減排情景并對(duì)2025 年各減排情景的實(shí)施效果展開(kāi)研究。結(jié)果顯示：

污染物CO、NMVOC、NOx和CO2各減排情景下排放量較基準(zhǔn)情景均有所下降，但削減量存在很大的差異性；除提升燃油品質(zhì)情景外，其余減排情景下機(jī)動(dòng)車(chē)污染物NH3排放量相對(duì)于基準(zhǔn)情景有所下降，由于NH3對(duì)PM2.5的形成和增長(zhǎng)有明顯的促進(jìn)作用，因此在提升燃油品質(zhì)的同時(shí)需加大對(duì)NH3的減排力度；保守新能源車(chē)推廣情景和激進(jìn)新能源車(chē)推廣情景下污染物CH4的排放量相對(duì)于基準(zhǔn)情景有所增加，表明天然氣汽車(chē)在溫室氣體減排方面并不占優(yōu)勢(shì)，未來(lái)對(duì)天然氣汽車(chē)的推廣需全面考量其排放的利弊；機(jī)動(dòng)車(chē)污染物PM2.5、PM10和SO2排放主要由上游主導(dǎo)的污染物排放，而中國(guó)電力很大比例來(lái)源于燃煤發(fā)電，因此針對(duì)這3 種污染物的保守新能源車(chē)推廣情景減排效果不容樂(lè)觀，而考慮清潔能源為電動(dòng)車(chē)提供電力來(lái)源的激進(jìn)新能源車(chē)推廣情景，其排放量相對(duì)于保守新能源車(chē)推廣情景下降趨勢(shì)明顯。

單一污染控制政策的減排效果比較有限，而所有政策疊加的減排效果則非?？捎^，因而長(zhǎng)三角地區(qū)未來(lái)對(duì)機(jī)動(dòng)車(chē)污染控制仍需采用綜合的機(jī)動(dòng)車(chē)污染控制政策，多方面多角度地控制機(jī)動(dòng)車(chē)污染排放量，進(jìn)一步縮短不同城市各政策實(shí)施的時(shí)間差。以上海市作為核心區(qū)域，在推動(dòng)機(jī)動(dòng)車(chē)污染控制政策實(shí)施的同時(shí)，輻射帶動(dòng)其他城市的機(jī)動(dòng)車(chē)污染控制水平，進(jìn)而同步高效的開(kāi)展區(qū)域內(nèi)機(jī)動(dòng)車(chē)污染防治工作，真正落實(shí)區(qū)域協(xié)同治理。