沈巖， 武彤冉， 閆靜， 李韌菲,2， 崔陽(yáng)陽(yáng)， 劉欣宇， 樊守彬， 翟冀飛， 曹西子， 萬(wàn)蕓菲,2， 薛亦峰*

1.國(guó)家城市環(huán)境污染控制工程技術(shù)研究中心， 北京市生態(tài)環(huán)境保護(hù)科學(xué)研究院2.首都師范大學(xué)資源環(huán)境與旅游學(xué)院3.北京市通州區(qū)生態(tài)環(huán)境局

隨著經(jīng)濟(jì)快速發(fā)展和人民生活水平的不斷提高，持續(xù)增加的機(jī)動(dòng)車(chē)保有量成為北京市大氣污染物的重要來(lái)源[1-3]。機(jī)動(dòng)車(chē)汽柴油燃燒帶來(lái)的CO2排放是碳排放的重要來(lái)源之一[4]。因此，識(shí)別北京市機(jī)動(dòng)車(chē)主要大氣污染物和CO2排放狀況，分析其污染構(gòu)成和不同類(lèi)型車(chē)輛排放貢獻(xiàn)與特征，對(duì)于機(jī)動(dòng)車(chē)污染控制和CO2協(xié)同減排十分必要[5]。

機(jī)動(dòng)車(chē)污染排放定量表征和對(duì)空氣質(zhì)量影響是近年來(lái)國(guó)內(nèi)外的研究熱點(diǎn)[6-9]。如王孝文等[10]利用IVE模型計(jì)算杭州市不同級(jí)別道路不同工況下的機(jī)動(dòng)車(chē)排放因子，結(jié)合ArcGIS技術(shù)建立了杭州市2010年機(jī)動(dòng)車(chē)污染物排放清單。Yang等[11]計(jì)算了京津冀地區(qū)機(jī)動(dòng)車(chē)污染物排放因子，并基于交通流數(shù)據(jù)生成了高時(shí)空分辨率機(jī)動(dòng)車(chē)大氣污染物排放清單，評(píng)估了機(jī)動(dòng)車(chē)污染控制措施的環(huán)境效果。Dey等[12]使用COPERT模型對(duì)溫度、速度、相對(duì)濕度、行駛里程和駕駛方式進(jìn)行了敏感性分析，編制了大都柏林地區(qū)機(jī)動(dòng)車(chē)大氣污染物排放清單。而機(jī)動(dòng)車(chē)排放大氣污染物和CO2協(xié)同控制研究較為鮮見(jiàn)，需要進(jìn)一步加強(qiáng)。

筆者基于北京市機(jī)動(dòng)車(chē)保有量和道路行駛工況等數(shù)據(jù)，應(yīng)用COPERT模型建立了2019年北京市機(jī)動(dòng)車(chē)主要大氣污染物排放清單，同時(shí)核算得到了機(jī)動(dòng)車(chē)CO2排放量。在識(shí)別不同車(chē)速、車(chē)型、排放標(biāo)準(zhǔn)等級(jí)的機(jī)動(dòng)車(chē)染物特征的情況下，利用ADMS-Urban[13]量化模擬了機(jī)動(dòng)車(chē)排放對(duì)大氣環(huán)境的影響，以期為北京市機(jī)動(dòng)車(chē)污染防治和協(xié)同控制提供參考和支撐。

1 材料與方法

1.1 研究區(qū)域概況

北京市2019年常住人口達(dá)到 2 153.6 萬(wàn)人，較大規(guī)模的人口基數(shù)產(chǎn)生了巨大的交通需求量，機(jī)動(dòng)車(chē)保有量從2006年的288萬(wàn)輛增加到2019年的636萬(wàn)輛，年均增長(zhǎng)率為6%。北京市公路客運(yùn)和貨運(yùn)量占比較大，2006—2019年，中大型客車(chē)數(shù)量緩慢增加，保有量變化相對(duì)穩(wěn)定，其占比維持在2%左右；2010年北京市實(shí)施機(jī)動(dòng)車(chē)數(shù)量調(diào)控政策后，小型客車(chē)數(shù)量增長(zhǎng)速度有所放緩；貨車(chē)保有量占比由2010年的4%逐年上升至2019年的8%(圖1)。在一系列大氣污染控制措施作用下，北京市機(jī)動(dòng)車(chē)排放標(biāo)準(zhǔn)結(jié)構(gòu)發(fā)生較大變化，低排放標(biāo)準(zhǔn)的車(chē)輛被逐步淘汰，2019年國(guó)三及以下標(biāo)準(zhǔn)的車(chē)輛占比降至13%，國(guó)四及國(guó)五的保有量占比分別達(dá)到28%和59%[14]。

圖1 2006—2019年北京市機(jī)動(dòng)車(chē)保有量變化及車(chē)輛結(jié)構(gòu)Fig.1 Variation of motor vehicle population and structure in Beijing from 2006 to 2019

1.2 排放量核算方法

采用COPERT模型并耦合本地化參數(shù)進(jìn)行機(jī)動(dòng)車(chē)大氣污染物和CO2排放量的核算。COPERT模型可根據(jù)不同類(lèi)型車(chē)輛數(shù)量、年均行駛里程、行駛速度和環(huán)境溫度等數(shù)據(jù)，計(jì)算特定國(guó)家或地區(qū)的機(jī)動(dòng)車(chē)排放量和能源消耗。根據(jù)文獻(xiàn)[15-17]調(diào)研，應(yīng)用COPERT模型計(jì)算獲得的排放因子較為適用于中國(guó)機(jī)動(dòng)車(chē)實(shí)際排放情況。

COPERT模型將車(chē)輛分為私人載客車(chē)輛、輕型商用車(chē)輛、重型車(chē)輛(包括卡車(chē)和大型公交車(chē))、摩托車(chē)四大類(lèi)，同時(shí)根據(jù)車(chē)型、燃料類(lèi)型、排放標(biāo)準(zhǔn)等因素進(jìn)行細(xì)化分類(lèi)。本研究基于中國(guó)的機(jī)動(dòng)車(chē)分類(lèi)標(biāo)準(zhǔn)，同時(shí)參考其他文獻(xiàn)[18-20]，與模型中設(shè)置的車(chē)輛類(lèi)型進(jìn)行匹配，結(jié)果見(jiàn)表1。

表1 北京市機(jī)動(dòng)車(chē)車(chē)輛類(lèi)型所對(duì)應(yīng)的COPERT模型的車(chē)輛類(lèi)型Table 1 Vehicle types of COPERT model corresponding to motor vehicle types in Beijing

模型中排放量的計(jì)算依賴于機(jī)動(dòng)車(chē)排放因子和活動(dòng)水平數(shù)據(jù)(車(chē)輛行駛里程)[21]，機(jī)動(dòng)車(chē)排放考慮三大過(guò)程：熱排放，發(fā)動(dòng)機(jī)處于平穩(wěn)行駛工況；冷啟動(dòng)排放，車(chē)輛由冷啟動(dòng)至平穩(wěn)行駛工況；蒸發(fā)排放[22-23]。計(jì)算公式如下：

E總=E熱+E冷+E蒸發(fā)

(1)

E蒸發(fā)i,j,k=Nj×VKTj,k×e熱i,j,k

(2)

E冷i,j=βj×Nj×VKTj×e熱i,j×(e冷i,j/e熱i,j-1)

(3)

E蒸發(fā)i,j=365×Nj×(ed+Sc+Sfi)+R

(4)

β=0.647 4-0.023 45Itrip-

(0.009 74-0.000 385+Itrip)ta

(5)

式中：E總為污染物排放總量，g；E熱為熱排放量，g；E冷為冷啟動(dòng)排放量，g；E蒸發(fā)為油氣蒸發(fā)及零件磨損產(chǎn)生的排放量，g；i為污染物；k為道路類(lèi)型；j為機(jī)動(dòng)車(chē)類(lèi)型；N為機(jī)動(dòng)車(chē)數(shù)量，輛；VKT為機(jī)動(dòng)車(chē)年均行駛里程，km；e熱和e冷分別為熱穩(wěn)定階段和冷啟動(dòng)階段污染物的排放因子，g/km；β為行駛里程在冷啟動(dòng)階段所占的比例；ed為每日油氣蒸發(fā)排放因子，g/輛；Sc為裝配有化油器機(jī)動(dòng)車(chē)的熱浸排放因子，g/輛；Sfi為裝配有燃油噴射器機(jī)動(dòng)車(chē)的熱浸排放因子，g/輛；R為運(yùn)行損失，g；Itrip為平均行駛里程，km；ta為月平均氣溫，℃。

1.3 數(shù)據(jù)來(lái)源

機(jī)動(dòng)車(chē)保有量、行駛里程、行駛速度等相關(guān)活動(dòng)水平數(shù)據(jù)來(lái)源如表2所示。不同車(chē)型的排放標(biāo)準(zhǔn)分類(lèi)參考生態(tài)環(huán)境部發(fā)布的《道路機(jī)動(dòng)車(chē)大氣污染物排放清單編制技術(shù)指南(試行)》[24]，年均行駛里程受經(jīng)濟(jì)水平、道路條件和政策等因素的影響，采用《城市大氣污染物排放清單編制技術(shù)手冊(cè)》中推薦的參考值(表3)。平均行駛速度采用《2019北京市交通發(fā)展年度報(bào)告》推薦值，即29 km/h。氣象參數(shù)來(lái)自中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)，道路坡度和負(fù)載等數(shù)據(jù)使用模型默認(rèn)值。

表2 機(jī)動(dòng)車(chē)保有量及相關(guān)活動(dòng)水平數(shù)據(jù)來(lái)源Table 2 Data sources for motor vehicle population and relative activity level

表3 道路機(jī)動(dòng)車(chē)年均行駛里程Table 3 Average annual mileage of road vehicles

1.4 機(jī)動(dòng)車(chē)污染排放對(duì)空氣質(zhì)量影響模擬

采用ADMS-Urban量化機(jī)動(dòng)車(chē)大氣污染物排放對(duì)周邊大氣環(huán)境的影響，該模型是劍橋環(huán)境研究公司研制開(kāi)發(fā)的穩(wěn)態(tài)大氣擴(kuò)散模式，其基于大氣邊界層參數(shù)，可以較好地處理超大型城市復(fù)雜的地形及風(fēng)場(chǎng)條件[28]。同時(shí)考慮重力沉降、干濕沉降、建筑物地形下洗和化學(xué)反應(yīng)等過(guò)程，能夠模擬多個(gè)不同空間分布的交通污染源，最終得到一個(gè)較高分辨率的污染物濃度圖，以此分析不同污染源對(duì)預(yù)測(cè)結(jié)果的影響。

2 結(jié)果與討論

2.1 主要大氣污染物和CO2排放量

根據(jù)COPERT模型測(cè)算得到2019年北京市機(jī)動(dòng)車(chē)污染物排放量，結(jié)果見(jiàn)圖2。從圖2可以看出，CO、NOx、PM2.5和VOCs排放總量分別為12.15萬(wàn)、4.06萬(wàn)、0.18萬(wàn)和2.57萬(wàn)t。機(jī)動(dòng)車(chē)CO2排放量為 1 940 萬(wàn)t，約占北京市排放總量的17%。小型客車(chē)是CO、VOCs和CO2的主要貢獻(xiàn)源，其排放量分別為8.16萬(wàn)、2.09萬(wàn)和 1 344 萬(wàn)t。而NOx主要為輕型及中重型貨車(chē)排放貢獻(xiàn)，其排放量占比達(dá)到74%。

注：CO的數(shù)值×10，CO2的數(shù)值×103。圖2 2019年北京市機(jī)動(dòng)車(chē)污染物排放量Fig.2 Emissions of motor vehicle pollutants in Beijing in 2019

2.1.1不同車(chē)型機(jī)動(dòng)車(chē)排放

2019年北京市不同車(chē)型機(jī)動(dòng)車(chē)污染物排放貢獻(xiàn)率見(jiàn)圖3。從圖3可以看出，小型客車(chē)是CO、VOCs以及PM2.5的主要貢獻(xiàn)車(chē)型，對(duì)3項(xiàng)污染物的貢獻(xiàn)率分別達(dá)到67%、72%和57%。這主要是由于小型客車(chē)保有量大，其在機(jī)動(dòng)車(chē)保有總量中占比達(dá)85%，且汽油車(chē)的排放特性決定其在發(fā)動(dòng)機(jī)高負(fù)荷時(shí)CO及VOCs排放量急劇升高。中重型貨車(chē)和輕型貨車(chē)具有較高的NOx排放強(qiáng)度，其中中重型貨車(chē)貢獻(xiàn)率達(dá)49%，輕型貨車(chē)貢獻(xiàn)率達(dá)25%。由于中重型貨車(chē)主要以柴油車(chē)為主，其占比達(dá)到99%，且有部分國(guó)三、國(guó)四等排放標(biāo)準(zhǔn)的車(chē)輛仍在使用，其對(duì)NOx的排放控制技術(shù)欠佳，使得這部分車(chē)輛具有較高的單車(chē)排放水平，因此貨車(chē)對(duì)NOx的貢獻(xiàn)率遠(yuǎn)高于其他車(chē)型。此外，中大型客車(chē)對(duì)NOx、CO、PM2.5的貢獻(xiàn)率分別為12%、16%和10%。同時(shí)摩托車(chē)對(duì)VOCs排放量的貢獻(xiàn)也不容忽視，達(dá)13%。

圖3 2019年北京市不同車(chē)型機(jī)動(dòng)車(chē)污染物排放貢獻(xiàn)率Fig.3 Pollutant emission contribution rate of different vehicle types in Beijing in 2019

2.1.2不同排放標(biāo)準(zhǔn)機(jī)動(dòng)車(chē)排放

不同排放標(biāo)準(zhǔn)的機(jī)動(dòng)車(chē)對(duì)主要污染物的貢獻(xiàn)率如圖4所示。從圖4可以看出，國(guó)五車(chē)型對(duì)NOx、CO、VOCs和PM2.5的排放貢獻(xiàn)最大，分別達(dá)到59%、51%、47%和58%。這是由于隨著低排放標(biāo)準(zhǔn)車(chē)輛的淘汰，2019年北京市國(guó)五排放標(biāo)準(zhǔn)的機(jī)動(dòng)車(chē)保有量最高，占比達(dá)到59.14%。國(guó)四排放標(biāo)準(zhǔn)的機(jī)動(dòng)車(chē)占比為27.83%，該車(chē)型對(duì)NOx、CO、VOCs和PM2.5的排放貢獻(xiàn)分別為18%、22%、23%和23%。國(guó)三及以下車(chē)型的機(jī)動(dòng)車(chē)保有量?jī)H占機(jī)動(dòng)車(chē)保有總量的13.03%，但其對(duì)NOx、CO、VOCs和PM2.5的排放貢獻(xiàn)分別達(dá)23%、27%、30%和19%，與國(guó)四車(chē)型排放貢獻(xiàn)相當(dāng)。由此可以看出，淘汰高排放量車(chē)輛，優(yōu)化車(chē)輛結(jié)構(gòu)對(duì)于污染物排放控制具有重要作用。

圖4 2019年北京市不同排放標(biāo)準(zhǔn)機(jī)動(dòng)車(chē)保有量占比及污染物排放貢獻(xiàn)率Fig.4 Proportion of motor vehicles with different emission standards and contribution rate of pollutants emission in Beijing in 2019

2.2 機(jī)動(dòng)車(chē)排放結(jié)構(gòu)和影響因素

2.2.1車(chē)速對(duì)污染物排放量的影響

由于城市道路結(jié)構(gòu)復(fù)雜，機(jī)動(dòng)車(chē)在道路行駛過(guò)程中經(jīng)常會(huì)處于怠速和低速狀態(tài)，車(chē)速變化會(huì)導(dǎo)致污染物的排放量發(fā)生顯著變化。提高車(chē)速可以有效減少污染物的排放水平，但車(chē)速變化對(duì)機(jī)動(dòng)車(chē)污染物排放的具體影響仍需深入研究[29]。同時(shí)發(fā)動(dòng)機(jī)工況對(duì)機(jī)動(dòng)車(chē)污染物的排放水平也存在明顯影響，機(jī)動(dòng)車(chē)的燃料蒸發(fā)、零件磨損和冷啟動(dòng)過(guò)程中顆粒物的排放水平明顯高于車(chē)輛正常行駛的熱運(yùn)行階段。

以平均車(chē)速10 km/h為梯度，計(jì)算不同車(chē)速下污染物的排放量變化，結(jié)果見(jiàn)圖5。由圖5可知，當(dāng)機(jī)動(dòng)車(chē)平均車(chē)速為10 km/h時(shí)，NOx、PM2.5、VOCs、CO的排放量比平均車(chē)速(29 km/h)時(shí)高出9%～68%，其中CO和VOCs尤其突出，排放量差異達(dá)到了48%和68%。當(dāng)車(chē)速提升至40 km/h時(shí)，各類(lèi)污染物排放量相對(duì)平均車(chē)速時(shí)減少了4%～11%。當(dāng)車(chē)速達(dá)到50 km/h時(shí)，各類(lèi)污染物排放量減少了9%～28%。由此可得，平均車(chē)速對(duì)以上4類(lèi)污染物的排放量有著重要的影響[30-31]。因此合理進(jìn)行道路規(guī)劃和交通信號(hào)燈的設(shè)定以提高城市機(jī)動(dòng)車(chē)的平均行駛速度，可降低機(jī)動(dòng)車(chē)主要污染物的排放水平。

圖5 不同車(chē)速污染物排放量變化Fig.5 Comparison of pollutant emissions at different vehicle speeds

2.2.2發(fā)動(dòng)機(jī)工況對(duì)污染物排放量的影響

利用COPERT模型設(shè)定，將機(jī)動(dòng)車(chē)行駛過(guò)程劃分為3種工況，分別為HOT(發(fā)動(dòng)機(jī)熱穩(wěn)定狀態(tài))，COLD(發(fā)動(dòng)機(jī)冷啟動(dòng))，非末端排放(燃料蒸發(fā)、熱浸排放、運(yùn)行損失、揚(yáng)塵等)，其中模型不考慮非末端排放工況中NOx和CO的排放情況，不同工況污染物排放情況見(jiàn)圖6。由圖6可以看出，對(duì)于CO和VOCs，其發(fā)動(dòng)機(jī)冷啟動(dòng)階段的排放貢獻(xiàn)較大，分別達(dá)56%和53%。對(duì)于VOCs和PM2.5，非末端排放貢獻(xiàn)顯著，分別達(dá)20%和75%。這主要是由機(jī)動(dòng)車(chē)油箱內(nèi)燃料因溫度升高引起汽油揮發(fā)、發(fā)動(dòng)機(jī)活塞漏氣和曲軸箱潤(rùn)滑油蒸發(fā)等供油系統(tǒng)產(chǎn)生。因此，除了控制機(jī)動(dòng)車(chē)末端排放污染物，還需要關(guān)注其非末端污染排放問(wèn)題，如機(jī)動(dòng)車(chē)燃料揮發(fā)、輪胎及剎車(chē)機(jī)構(gòu)間磨損以及汽車(chē)行駛帶起道路揚(yáng)塵等。

圖6 不同工況污染物排放情況Fig.6 Emission levels of pollutants under different working conditions

2.3 機(jī)動(dòng)車(chē)污染排放對(duì)空氣質(zhì)量的影響

使用ADMS-Urban將北京市道路進(jìn)行分級(jí)，對(duì)不同級(jí)別的道路進(jìn)行車(chē)流系數(shù)的分配，而后進(jìn)行3 km×3 km網(wǎng)格化處理，利用排放清單數(shù)據(jù)對(duì)應(yīng)計(jì)算每個(gè)網(wǎng)格內(nèi)大氣污染物的排放量，最后對(duì)北京市2019年的大氣污染物進(jìn)行全年擴(kuò)散濃度模擬，得到NOx和CO2的擴(kuò)散濃度圖(圖7)。由圖7可見(jiàn)，北京市大氣污染物呈點(diǎn)狀梯度擴(kuò)散，其中高濃度區(qū)域集中在東城區(qū)、西城區(qū)及附近，第二層擴(kuò)散區(qū)域?yàn)槲瀛h(huán)內(nèi)及附近區(qū)域。同時(shí)，出現(xiàn)多個(gè)較高濃度點(diǎn)位，分別位于首都國(guó)際機(jī)場(chǎng)附近道路、密云區(qū)和懷柔區(qū)，整體趨勢(shì)為以中心城區(qū)為高濃度區(qū)域向西南和東北方向擴(kuò)散，在遠(yuǎn)郊區(qū)中心附近出現(xiàn)相對(duì)較高濃度區(qū)域。由圖8可見(jiàn)，NOx、CO、VOCs、PM2.54類(lèi)污染物排放空間分布整體上集中在北京市中心城區(qū)，NOx、CO排放空間分布有明顯的環(huán)線特征，五環(huán)及六環(huán)的環(huán)京道路是其排放的重點(diǎn)區(qū)域。北京市非中心城區(qū)部分污染物排放呈條帶狀分布，結(jié)合北京市道路分布，污染物排放濃度較高的區(qū)域?yàn)橹匾倪M(jìn)京道路。

圖7 2019年北京市大氣污染物擴(kuò)散濃度Fig.7 Air pollutants diffusion concentrations of Beijing in 2019

圖8 2019年北京市大氣污染物排放量空間分布Fig.8 Spatial distribution of air pollutant emission in Beijing in 2019

選取北京市5個(gè)重要的交通污染控制點(diǎn)(東四環(huán)、南三環(huán)、前門(mén)、西直門(mén)和永定門(mén))作為敏感點(diǎn)進(jìn)行污染物排放模擬，結(jié)果顯示，2019年北京市NOx和CO2年平均濃度分別為15.7 μg/m3和0.6 mg/m3，最高濃度分別為67.3 μg/m3和3.8 mg/m3。在中心城區(qū)貨車(chē)及大部分摩托車(chē)禁行的區(qū)域，NOx主要是由小型客車(chē)及中大型客車(chē)貢獻(xiàn)。同時(shí)，小型客車(chē)保有量較大，使其成為機(jī)動(dòng)車(chē)CO2排放的主要來(lái)源，其貢獻(xiàn)占比達(dá)68%，因此制定重點(diǎn)敏感區(qū)域超低排放方案將成為未來(lái)NOx和碳排放控制的重要對(duì)策。

2.4 排放清單不確定性分析

采用定量方法對(duì)大氣污染物排放清單不確定性進(jìn)行分析，主要包括基于統(tǒng)計(jì)分析對(duì)相關(guān)清單模型輸入進(jìn)行定量不確定性分析和基于蒙特卡羅模擬實(shí)現(xiàn)清單模型輸入不確定性傳遞到模型輸出的量化研究。本文基于COPERT模型建立了北京市機(jī)動(dòng)車(chē)大氣污染物排放清單，涉及的輸入?yún)?shù)有機(jī)動(dòng)車(chē)保有量、排放因子和年均行駛里程。

將機(jī)動(dòng)車(chē)保有量、排放因子和年均行駛里程設(shè)定為正態(tài)分布。機(jī)動(dòng)車(chē)保有量數(shù)據(jù)來(lái)源于北京市交通管理局，年均行駛里程來(lái)自年檢場(chǎng)實(shí)際調(diào)研數(shù)據(jù)，上述參數(shù)不確定性較小，因此假設(shè)其不確定性為10%；基于文獻(xiàn)[32-34]調(diào)研，假設(shè)CO、VOCs和NOx服從不確定性為17%的對(duì)數(shù)正態(tài)分布，PM2.5服從34%的對(duì)數(shù)正態(tài)分布，在置信區(qū)間為95%的條件下，各項(xiàng)污染物的不確定性接近，為-27%～23%，本地化的排放因子確定可進(jìn)一步降低機(jī)動(dòng)車(chē)排放清單的不確定性。

根據(jù)《北京統(tǒng)計(jì)年鑒(2020)》，北京市機(jī)動(dòng)車(chē)汽油年消耗量約為500萬(wàn)t，機(jī)動(dòng)車(chē)柴油年消耗量約為162萬(wàn)t，通過(guò)將北京市機(jī)動(dòng)車(chē)汽柴油年消耗量轉(zhuǎn)換成標(biāo)準(zhǔn)煤質(zhì)量，將所得到的數(shù)值乘以燃油燃燒的CO2排放因子，得到2019年北京市機(jī)動(dòng)車(chē)CO2排放量約為 1 683萬(wàn)t。將北京市機(jī)動(dòng)車(chē)年燃料消耗量計(jì)算結(jié)果與本研究模擬結(jié)果進(jìn)行對(duì)比，二者相差約14.6%，其原因可能是模型對(duì)機(jī)動(dòng)車(chē)行駛工況中擁堵、怠速和冷啟動(dòng)等階段的CO2排放特征模擬不同于排放因子中燃料正常燃燒過(guò)程，導(dǎo)致模型模擬的結(jié)果偏大。

3 結(jié)論

(1) 核算得到了2019年北京市機(jī)動(dòng)車(chē)主要大氣污染物CO、NOx、PM2.5、VOCs和CO2排放量，分別為12.15萬(wàn)、4.06萬(wàn)、0.18萬(wàn)、2.57萬(wàn)和 1 970 萬(wàn)t。

(2) 計(jì)算得到了不同車(chē)型和排放標(biāo)準(zhǔn)等級(jí)車(chē)輛的污染物排放貢獻(xiàn)和特征。由于小型客車(chē)中汽油車(chē)占比及市場(chǎng)保有量均較大，其對(duì)CO、VOCs、PM2.5的排放貢獻(xiàn)最大，中重型貨車(chē)對(duì)NOx及PM2.5的貢獻(xiàn)顯著。國(guó)五車(chē)型對(duì)污染物排放的總體貢獻(xiàn)率達(dá)到47%～59%，國(guó)三及國(guó)四車(chē)型貢獻(xiàn)率為18%～23%和18%～23%。

(3) 識(shí)別了機(jī)動(dòng)車(chē)污染排放的影響因素。相較于平均車(chē)速(29 km/h),當(dāng)車(chē)速降至10 km/h時(shí)，CO、VOCs的排放量增長(zhǎng)了48%、68%，當(dāng)車(chē)速提升至50 km/h時(shí)，各類(lèi)污染物排放量減少了9%～28%。在發(fā)動(dòng)機(jī)冷啟動(dòng)過(guò)程中對(duì)CO、VOCs排放貢獻(xiàn)率達(dá)56%和53%；對(duì)PM2.5排放貢獻(xiàn)主要在蒸發(fā)、零件磨損和道路揚(yáng)塵等過(guò)程，達(dá)75%。

(4) 量化模擬了機(jī)動(dòng)車(chē)污染對(duì)敏感點(diǎn)空氣質(zhì)量的影響。從全市整體分布情況來(lái)看，污染物的高濃度排放區(qū)域主要在市區(qū)交通網(wǎng)絡(luò)密集部分，以及中心城區(qū)附近向外輻射主干道上。污染物整體上呈以各區(qū)中心為核心的片狀分布。這主要是因?yàn)槭屑皡^(qū)中心是人口密集區(qū)域，是小型客車(chē)的主要行駛區(qū)域。