![通信作者](http://xuebao.neu.edu.cn/natural/article/2021/1005-3026/images/REcor.gif)
![huan_you@126.com](http://xuebao.neu.edu.cn/natural/article/2021/1005-3026/images/REemail.gif)
1. 东北大学 冶金学院, 辽宁 沈阳 110819;
2. 东北大学 国家环境保护生态工业重点实验室, 辽宁 沈阳 110819;
3. 美的集团生活电器事业部, 广东 佛山 528000
收稿日期:2020-08-17
基金项目:国家重点研发计划项目(2017YFC0212303-03);国家自然科学基金资助项目(41871212)。
作者简介:高成康(1977-),女,河南周口人,东北大学教授。
摘要:与其他地区相比, 东北地区冬季低温漫长, 有其非道路移动源大气污染物排放清单的独自特征.本文将东北地区分成辽宁省城市群和哈长城市群进行分析.首先, 基于《非道路移动源大气污染物排放清单编制技术指南》(试行)中的排放因子法建立非道路移动源排放清单, 分析其排放以及时空分布特征.其次, 结合相关政策目标基于情景分析预测2030年的排放.最后, 提出合理的减排建议.结果表明: 1)东北地区非道路移动源PM10, PM2.5, NOx, THC和CO排放量分别是13.0×103, 12.5×103, 205.6×103, 37.0×103和101.1×103 t; 2)两城市群工程机械占比最大, 分别为44.5%和44.8%; 3)在基准控制情景和强化控制情景下, 总体减排效果可提高50%以上.
关键词:非道路移动源大气污染物排放清单时空特征减排情景预测
Study on a Non-road Mobile Source Emission Inventory and Scenario Prediction in Northeast China
GAO Cheng-kang1,2, YOU Huan1,2
![Corresponding author](http://xuebao.neu.edu.cn/natural/article/2021/1005-3026/images/REcor.gif)
![huan_you@126.com](http://xuebao.neu.edu.cn/natural/article/2021/1005-3026/images/REemail.gif)
1. School of Metallurgy, Northeastern University, Shenyang 110819, China;
2. SEP Key Laboratory of Eco-industry, Northeastern University, Shenyang 110819, China;
3. Midea Group Life Electrical Business Unit, Foshan 528000, China
Corresponding author: YOU Huan, E-mail: huan_you@126.com.
Abstract: Compared with other regions, Northeast China has its unique characteristics of non-road mobile source emission inventories due to its long and cold winter. In this paper, the analysis was divided into Liaoning Province and Harbin-Changchun Megalopolis. Firstly, the emission inventory of non-road mobile sources was established based on technical guide for preparation of air pollutant emission list of non-road mobile sources (trial), and its emission and spatial-temporal distribution characteristics were analyzed. Secondly, the emissions in 2030 were forecasted based on the scenario analysis, taking into account of the relevant policy objectives. Finally, reasonable emission reduction recommendations were made. The results show that: 1) the emissions of PM10, PM2.5, NOx, THC, and CO were 13.0×103, 12.5×103, 205.6×103, 37.0×103 and 101.1×103 t, respectively; 2) construction machinery accounts for the largest share of emissions in the two urban agglomerations with 44.5%and 44.8%, respectively; 3) the overall emission reduction can be improved by more than 50%under both the baseline scenario and the enhanced control scenario.
Key words: non-road mobile sourceair pollutionemission inventoryspatial-temporal characteristicsemission reduction scenario prediction
非道路移动源以柴油和重油为燃料, 具有技术水平低、使用年限长、耗油量高等特点, 其排放的主要大气污染物为NOx和PM10[1-2].根据《中国移动源环境管理年报(2019)》, 2018年非道路移动源的NOx排放量为562.1×104 t, PM排放量为44.5×104 t, 两者在数量上已接近机动车的排放量, HC排放量为76.2×104 t, 占机动车的20.7%, 严重影响空气质量和人类健康, 如何有效地减少非道路移动源污染排放量成为研究重点.
国外对移动源排放清单的研究较成熟.1991年,美国环境保护局(USEPA)[3]进行了排放清单的研究,也在多个州市进行了针对非道路移动源开展了排放清单的研究工作.1995年,Samaras对道路移动源和非道路移动源作了分析比较,结果表明,机动越野车和机械的排放对欧盟的总排放量有显著贡献[4].后来,Ohara等初步建立了近四十年来亚洲区域排放清单REAS(regional emission inventory in Asia)[5].除此之外,在减少非道路移动源尾气排放方面作了大量研究[6-7],如Kim将棕榈油生物柴油应用在共轨直喷柴油机怠速工况下等;Bush[8]介绍了在保护机动车、非道路车辆和非道路发动机温室气体排放方面的合作法律框架;此外国外的研究还涉及到非道路移动源排放减少和健康的关系[9-10].
在国内, 与东北地区机动车研究[11-12]相比, 非道路移动源[13]相关文献较少, 部分****开始开展清单编制基础工作, 如Magnus [14]和Fu等[15].排放清单的研究特征首先是从研究单一污染物到多种污染物, 比如从研究SO2[16]和PM[17]的排放清单到珠三角区域[18-19]、北京市[20]和广东省[21]建立各类污染物污染源排放清单.其次是从单个城市[19, 22]到多个城市[23-24], 但还不能建立全国的排放清单.也有****不仅构建清单, 还进行时空分析, 为其他实验提供数据支持, 如Yuan等在辽宁省进行了排放清单的研究[25], 进行了污染物的时空分布分析.
与其他地方不同, 东北地区冬季寒冷, 气温低至零下几十度, 产业以重工业和农业为主.目前缺乏针对东北地区的非道路移动源清单研究, 为保证清单的准确性, 本文主要采用有统计参数的机械类型, 通过资料调研的方法收集建立东北地区非道路移动源排放数据库, 采用环境保护部发布的《非道路移动源大气污染物排放清单编制技术指南》(试行)(以下简称《指南》)[26]中的指导方法对综合基准排放系数进行修正,获取东北地区污染物的本地化排放因子, 采用排放因子法完成排放清单的编制并进行时空分析, 基于政策作情景分析,为东北地区制定合理有效的污染控制方案和减排策略提供理论依据.
1 研究方法1.1 研究范围本研究以2016年为基准年, 以辽中城市群和哈长城市群为研究区域, 针对工程机械、农业机械、船舶、铁路机车和民航飞机5种非道路移动源展开调查.根据《指南》, 本文将非道路移动源分成四级, 其中工程机械主要考虑使用量较大的挖掘机等6类机械, 农业机械主要考虑农用运输车和农用机械.现行标准排放中的常规排放污染物为PM10, PM2.5, NOx, THC(总碳氢化合物)和CO.详细分类根据机械类型、国家排放标准、发动机额定功率来进行, 见图 1.
图 1(Fig. 1)
![]() | 图 1 非道路移动污染源四级分类Fig.1 Four-level classification of non-road mobile emission sources |
1.2 活动水平和排放因子工程机械: 参考《指南》中的数据来源调查各省工程机械销售量, 并结合建筑业施工面积获取保有量.基本思路是调查辽宁省和哈长城市群典型建筑工地在建设全过程中, 单位施工面积上工程机械的使用情况, 统计使用时长、平均功率、单位排放量等参数, 通过类比计算, 得到不同类型和排放标准的工程机械保有量分布; 工程机械的平均额定功率、负载因子和年均使用时长通过现场调查方式获取; 排放因子采用《指南》中推荐的基于功率的排放因子.
农业机械: 农用运输车的保有量主要查阅《辽宁统计年鉴2017》[27], 油耗量来自于《中国农业统计资料2017》[28], 农业机械总油耗量为51.63×104 kg; 铁路内燃机车和船舶用燃油消耗量计算: 从2016年《中国统计年鉴》[29]和《中国交通年鉴》[30]中获取客运、货运周转量, 铁路内燃机车的客运量6.23×106万人·km, 货运量为8.99×1010 t · km, 船舶的客运量为6×104万人·km, 货运量为8.276×1010 t · km.根据现有对铁路内燃机车及船舶公里油耗来计算, 假设乘客平均体重为65 kg, 铁路运输每104 t·km的油耗为25.9 kg, 船舶的油耗为60 kg[31], 得出铁路内燃机车燃油消耗量为24.33×107 kg, 船舶为49.78×107 kg.
民航飞机的排放清单基于飞机起飞着陆循环次数LTO进行建立, 通过调查《民航机场生产统计公报》[32], 获取了辽宁省9座通航机场2016年民航飞机的起降次数, 合计为33.93×104次.
本文工程机械、农业机械和其他非道路移动源排放因子均来自于《指南》, 国外的排放因子不能准确地体现国内的排放情况, 选取《指南》中推荐的排放因子较为可靠.
1.3 排放因子法用排放因子法计算排放清单, 中华人民共和国环境保护部于2014年9月发布的《指南》中给出3种方法, 其准确度从高到低依次为复杂方法、一般方法和简单方法, 根据每种移动源排放量的信息选择合适的方法.
1) 铁路内燃机车、内河及沿海船舶的大气污染物排放量适用简单方法:
![]() | (1) |
2) 农用运输车适用一般方法:
![]() | (2) |
对于其他农业机械, 一般公式如下:
![]() | (3) |
![]() | (4) |
4) 民航飞机适用于以下方法:
![]() | (5) |
排放清单建立后, 需要对其进行时空分析, 根据时空特征和当地政策的排放措施设置预测情景, 并分析预测未来排放情况.本研究采用估算参数变化方法对排放清单中最直接的影响因素进行预测.工程机械选择柴油消费量作为预测因子, 由《年鉴》获得2007年—2016年的年均增长率, 以2015年为基准年建立到2030年的预测模型; 农业机械总动力功率是主要用于农业动力机械的动力总和[33], 根据《中国农业机械工业年鉴》[34]统计各省2011年—2016年的农业机械总动力功率, 计算得出三省的农业机械总动力功率年均增长率, 以2017年为基准年, 预测到2030年三省的农业机械总动力功率; 民航飞机采取起飞着陆循环次数作为预测因子, 根据《全国机场生产统计公报》获取2014年—2017年的飞机起降次数并计算年均增长率, 预测到2030年各机场的起飞降落次数.
根据预测到的2030年活动水平计算在没有控制措施下的污染物排放总量, 与基准控制情景和强化控制情景相比得出控制政策减排效果.
2 结果与讨论2.1 东北地区排放清单建立辽宁省城市群和哈长城市群各类机械不同大气污染物排放量清单见图 2和图 3.
图 2(Fig. 2)
![]() | 图 2 辽宁省城市群排放清单Fig.2 Emission inventory in Liaoning Province urban agglomeration |
图 3(Fig. 3)
![]() | 图 3 哈长城市群排放清单Fig.3 Emission inventory in Harbin-Changchun urban agglomeration |
由图 2、图 3可知: 排放总量E(NOx)>E(CO)>E(THC)>E(PM10)>E(PM2.5), 辽宁省城市群与哈长城市群非道路移动源大气污染物排放总量相近, 工程机械为最大排放量移动源, 且NOx(图 3中最高转折点)和CO排放量均占前两位; 不同点是船舶为辽宁省城市群、农业机械为哈长城市群第二大排放量移动源, 这是由于辽宁省城市群中有四大港口城市, 货运量与客运量较大, 而哈长城市群主要发展重工业和农作物的种植, 无港口城市, 因此农业机械污染排放占比会较大.
东北地区非道路移动源中最大污染排放源是工程机械(占44.8%), 与东北地区为重工业地区的描述相符; 在污染物种类排放中, NOx的排放量远高于其他类型的污染物, 其次为CO的排放量, 分别占比56%和27%.
2.2 排放特征分析排放特征分析中主要考虑东北地区非道路移动源排放分担率, 即每项机械类型的排放量与该污染物下总排放量的比值, 见图 4.
图 4(Fig. 4)
![]() | 图 4 东北地区非道路移动源排放分担率Fig.4 Share of emissions from non-road mobile sources in Northeast China |
由图 4可知, 工程机械和农业机械是东北地区两大污染物排放源, 每类大气污染物的分担率总和占各类非道路移动源机械排放总分担率的60%以上; 东北地区是我国重要的商品粮和其他农作物生产基地, 农业机械在大量使用, 但耕地面积比工业建筑面积少, 因此农业机械的大气污染物排放量总体低于工程机械; 船舶排放分担率在12%~16%之间, 位居第三; 铁路内燃机车和民航飞机的排放分担率较小, 约在3%~13%之间, 因为东北地区一线城市少, 铁路机车的保有量相对较少, 而且除沈阳桃仙国际机场、大连周水子国际机场、哈尔滨太平国际机场、长春龙嘉国际机场四大机场外, 其他机场规模很小, 且机场吞吐量较小, 因此排放分担率较低.
2.3 时间分配时间分配依据不同种类非道路移动源的月排放量来进行, 工程机械的时间分配主要根据建筑施工全年的时间分布情况, 农业机械主要根据农业生产情况, 船舶、铁路内燃机车和民航飞机主要参考各交通运输网和《年鉴》.东北地区非道路移动源的月排放变化柱状图如图 5所示.
图 5(Fig. 5)
![]() | 图 5 2016年东北地区非道路移动源排放月变化Fig.5 Monthly trend chart of emissions from non-road mobile sources in Northeast China in 2016 |
由图 5可知, 工程机械污染排放较大的阶段出现在4月—10月, 占全年污染物排放量的80%以上, 而在11月—2月排放量非常小.这是由于4月—10月这段时间气候较为温暖, 适合进行建筑施工活动, 而在11月—2月东北地区的平均气温都在零摄氏度以下, 给施工带来很大的困难; 农业机械主要集中在4月—5月和8月—10月的春季和秋季, 因为这两个季节是东北地区播种和收割水稻、玉米等农作物的时段, 在此阶段农业机械的使用量较大, 因此排放量也较大; 船舶、铁路机车和民航飞机全年排放量较为稳定, 其中铁路机车、民航飞机在1月—2月, 7月—8月和10月会有较小的峰值出现, 这是因为大量学生放寒暑假回家和国庆节出行使用交通工具的人较多, 增加了交通运输工具的大气污染物排放.
综上所述, 东北地区的非道路移动源大气污染物的排放主要集中在气候较为温暖的4月—10月, 其余月份的排放量相对不高.
2.4 空间分配空间分配采用ArcGIS软件对东北地区非道路移动源的排放量进行分配(分别分析两城市群), 以排放量最大的NOx作为污染物空间分配样本, 选取排放量占比较大的工程机械、农业机械作为分析对象.其中工程机械主要根据各城市的施工面积的占比来分配, 农业机械主要根据各个市的农田耕地面积的占比来分配.根据以上思路做出东北地区的空间分布图, 如图 6~图 7所示.
图 6(Fig. 6)
![]() | 图 6 东北地区工程机械NOx排放量空间分布*Fig.6 Spatial distribution of NOx emission from construction machinery in Northeast China *表示相关地图来源于ArcGIS软件,只用于科学研究,不用于政治等其他研究. |
图 7(Fig. 7)
![]() | 图 7 东北地区农业机械NOx排放量空间分布Fig.7 Spatial distribution of NOx emission from machinery in agricultural machinery in Northeast China |
由图 6和图 7可以看出, 哈长城市群工程机械NOx排放量最大的城市是两省的省会哈尔滨和长春, 其次是牡丹江和吉林, 省会的经济水平高, 工业发展速度快; 农业机械NOx排放量最大的城市是哈尔滨、绥化和齐齐哈尔, 因为黑龙江省农用地面积占全省总面积的83.5%, 第一产业为种植业和畜牧业, 是农业大省.
辽宁省城市群工程机械的NOx排放量主要集中在经济较为发达的城市如沈阳和大连, 这是由于人口多, 需要建造大量的房屋和公共设施, 经济发展的同时也带来了环境压力; 其次是有矿产优势的朝阳和鞍山, 鞍钢目前拥有近4×107t钢铁产能, 作为重工型企业, 排放的污染物给环境造成压力; 而农业机械的NOx排放量主要集中在朝阳、阜新、沈阳、铁岭等城市, 在春、秋两季的农忙时节农业机械会大量使用, 在这两个阶段农业机械的大气污染物排放量会大大增加.
3 情景预测3.1 预测情景设置参考《大气污染防治行动计划“国十条”》、“十三五”主要污染物减排方案、“十三五”节能减排综合工作方案等针对大气污染防治的减排措施方案, 对其中针对非道路移动源污染排放的一些减排控制措施进行情景预测分析, 情景预测分析方法是假定某种现象或某种趋势将持续到未来的前提下, 对经济的发展、技术的演变和可能出现的政策进行判断[35], 设置情景如表 1所示.
表 1(Table 1)
![]()
| 表 1 控制政策预测情景设置 Table 1 Control policy forecast scenario setting |
由表 1可知, 共设置三种预测情景, 包括了所有类型的非道路移动源机械, 分别设置了基准控制情景和强化控制情景.在强化控制情景下, 提升电气化水平、“油”改“气”和提高发动机排放标准,三种情景的总体减排效果将增加50%以上.
3.2 未来排放预测本研究采用估算参数变化方法对排放清单中最直接的影响因素进行预测, 根据预测得到的2030年活动水平数据采用排放因子法可以得出基准控制情景和强化控制情景下的排放量, 见图 8a~图 8c.
图 8(Fig. 8)
![]() | 图 8 三种情景预测结果Fig.8 Prediction results of three scenarios (a)—情景1; (b)—情景2; (c)—情景3. |
图 8a以排放物中PM10的排放量作为预测因子.情景1中提升电气化水平至60%,即铁路机车、叉车的燃油消耗量降低至40%, 在基准控制情景下可预测至2030年铁路机车和叉车的污染排放量, 在强化控制情景中叉车用电比例提升至70%, 即叉车的燃油消耗量降低至30%.
图 8b以排放物中NOx的排放量作为预测因子.在基准控制情景下, 提升燃油品质, 推广新技术能实现17%~28%的NOx减排[36], 此处取25%;在强化情景下, 设为30%的减排量.
图 8c以排放物中THC的排放量作为预测因子.在基准控制情景下, 提高发动机排放标准, 在未来会实现9%~19%的THC减排[37], 在强化控制情景下假设能达到25%, 由于保有量的较快增长, 在2020年以前污染物的排放量还呈上升的趋势.情景3的设定对铁路机车、民航飞机的排放影响不大, 因为其保有量较小, 且发动机排放标准变化不大.
综合以上3个预测结果, 在强化控制情景下, 各污染物排放有明显的降低, 在2016年排放清单的基础上, 根据强化情景下的比例计算出2030年的排放预测, 仅情景2在“油”改“气”的措施下, 2030年工程机械、农业机械、船舶和铁路机车强化情景比基准排放均减排18.7%, 减排效果将增加50%以上(见图 8b).其中, 提高电气化水平, 即用清洁能源替代燃油等燃料能实现大幅度的减排, 但由于机械设备和技术条件的限制, 以及我国电动汽车正处于发展阶段, 不能广泛地实现这一措施.
3.3 减排措施建议基于本研究所分析的针对东北地区非道路移动源排放特征及分布, 给出如下建议:
1) 东北地区工程机械排放集中在人口密集、经济较发达的城市, 未来针对工程机械的减排重心应在沈阳、哈尔滨等城市, 加强对建筑工地排放的监管和保有量信息公开等.
2) 东北地区使用的大多为国Ⅰ及国Ⅰ前的低功率设备, 导致污染物排放量大, 故应在东北地区大力推广新能源设备, 改变传统能耗模式, 对排放不合格的机械进行回收和淘汰, 对在使用的机械定期进行维修和保养.
3) 东北地区北部城市农业发展较为集中, 应建立农业机械登记制度, 鼓励农民使用新式环保型农用运输车、拖拉机等设备, 禁止私自改装农用车.
4) 船舶污染物的排放量主要集中在沿海港口城市, 定期对港口区域的大气环境进行检测, 及时控制污染源以免扩散, 鼓励船舶使用清洁型燃油.
5) 在污染物排放较为密集的4月—10月, 应定期限制一些排放量大的非道路移动机械, 如农用拖拉机、大型挖掘机的上路和使用, 避免出现粉尘天气.
6) 加强油品监管, 严格实施普通柴油、船用燃料油标准, 加强生产、进口环节质量监管, 强化源头控制, 确保燃油品质, 以国际环保标准设立我国排放控制区的方案.
4 不确定性分析非道路移动源排放清单在我国尚未大规模开展, 仅部分****构建了部分省份的排放清单, 且计算方法是由国外引进的排放因子法, 针对我国的本地化数据和排放因子较少, 非道路移动源的保有量相关部门也尚未统计, 因此不确定性主要有非道路移动源保有量、活动水平及排放因子3类因素.
与2012年Yuan等[25]的排放清单作对比, 部分排放物如颗粒物PM2.5、PM10和CO排放变化量不大, 而NOx和THC排放变化量较大, 针对这一现象分析不确定性因素保有量、活动水平和排放因子哪一因素对结果的影响较大.
以功率段为37 kW, 国Ⅰ前的挖掘机进行分析, 2012年保有量为1 263台, 2016年为1 551台; 负载因子和平均额定功率不变; 2012年排放因子为1, 2016年为最新修正排放因子1.2;年均使用小时数2012年为870 h, 2016年经调查平均为951 h.用雷达图表示出参数变化对污染物排放量的影响, 如图 9所示.
图 9(Fig. 9)
![]() | 图 9 参数变化影的响Fig.9 Influence of parameter change |
图 9表明, 对最终计算结果影响较大的不确定因素为保有量P和排放因子EF.根据文献[38]可知排放因子不确定度为±80%, 除工程机械保有量为±80%, 其余非道路移动源保有量以及活动水平为±30%, 经过计算得到PM10, PM2.5, NOx, THC和CO的不确定度分别是84.5%, 84.2%, 69.6%, 90.3%和100.9%, 这些数值与文献[38]中的80%差别不大.
5 结论与建议1) 本文选择保有量和活动水平数据较为全面的非道路移动源, 基于《指南》对数据进行修正和计算, 减少不确定性因素, 在理论上是可行的.清单分析结果: 2016年东北地区非道路移动源大气污染物排放量中NOx为20.56×104t,CO为10.11×104 t, 位居前两位; 非道路移动源排放量占比最大为工程机械(44.8%), 其次是农业机械(25.7%), 最小的是铁路机车和民航飞机; 工程机械的排放主要集中在气候较为温暖的4月—10月, 农业机械则主要集中在春秋两季;东北地区内辽宁省城市群排放占比较大, 哈长城市群中哈尔滨市和长春市排放占比较大.
2) 减排效果: 未来的非道路移动机械保有量还会持续增长, 预测强化控制情景中, 2030年叉车用电比例可提升至70%, NOx排放量减少30%, 如果现有减排政策控制成功, 将从源头上降低污染物的排放量.建议建立公开化制度, 加强对非道路移动机械的管理, 提升燃油品质, 淘汰和更新排放不符合标准的机械, 在污染排放集中的季节对非道路移动机械进行政策限制.
参考文献
[1] | Yan F, Winijkul E, Streets D G, et al. Supplement of global emission projections for the transportation sector using dynamic technology modeling[J]. Atmospheric Chemistry and Physics, 2014, 14(11): 5709-5733. DOI:10.5194/acp-14-5709-2014 |
[2] | Kean A J, Sawyer R F, Harley R A. A fuel-based assessment of off-road diesel engine emissions[J]. Journal of the Air and Waste Management Association, 2000, 50(11): 1929-1939. DOI:10.1080/10473289.2000.10464233 |
[3] | USEPA.Non-road engine and vehicle emission study[R].Ann Arbor, MI: Office of Mobile Sources, 1991. |
[4] | Samaras Z, Zierock K H. Off-road vehicles: a comparison of emissions with those from road transport[J]. Science of the Total Environment, 1995, 169(1): 249-255. |
[5] | Ohara T, Akimoto H, Kurokawa J, et al. An Asian emission inventory of anthropogenic emission sources for the period 1980—2020[J]. Atmospheric Chemistry and Physics, 2007, 7(16): 4419-4444. DOI:10.5194/acp-7-4419-2007 |
[6] | Kim H Y, Ge J C, Choi N J. Application of palm oil biodiesel blends under idle operating conditions in a common-rail direct-injection diesel engine[J]. Applied Sciences-Basel, 2018, 8(12): 2665. DOI:10.3390/app8122665 |
[7] | Liu Z G, Eckerle W A, Ottinger N A. Gas-phase and semivolatile organic emissions from a modern non-road diesel engine equipped with advanced after treatment[J]. Journal of the Air & Waste Management Association, 2018, 68(12): 1333-1345. |
[8] | Bush G W. Executive order 13432-cooperation among agencies in protecting the environment with respect to greenhouse gas emissions from motor vehicles, non-road vehicles, and non-road engines[J]. Daily Compilation of Presidential Documents, 2007, 43(20): 631-632. |
[9] | Hubbell B, Koman T, Fox T, et al. Health benefits of reducing particulate air pollution from non-road diesel engines[J]. Epidemiology, 2004, 15(4): S137. |
[10] | Philip W, Kenneth D, Charles F, et al. Monetized health benefits attributable to mobile source emission reductions across the United States in 2025[J]. Science of the Total Environment, 2019, 650(2): 2490-2498. |
[11] | Gao C K, Ba Q, Song K H, et al. On-road vehicle emission inventory and its characteristics analysis in Northeast China—as a case of Changchun[J]. Journal of Environmental Accounting and Management, 2020, 8(2): 179-200. DOI:10.5890/JEAM.2020.06.006 |
[12] | Gao C K, Gao C B, Song K H, et al. Vehicle emissions inventory in high spatial-temporal resolution and emission reduction strategy in Harbin-Changchun Megalopolis[J]. Process Safety and Environmental Protection, 2020, 138: 236-245. DOI:10.1016/j.psep.2020.03.027 |
[13] | Wang F, Li Z, Zhang K S, et al. An overview of non-road equipment emissions in China[J]. Atmospheric Environment, 2016, 132: 283-289. DOI:10.1016/j.atmosenv.2016.02.046 |
[14] | Magnus L. A transient fuel consumption model for non-road mobile machinery[J]. Biosystems Engineering, 2005, 91(2): 139-147. DOI:10.1016/j.biosystemseng.2005.03.011 |
[15] | Fu M L, Ge Y S, Tan J W, et al. Characteristics of typical non-road machinery emissions in China by using portable emission measurement system[J]. Science of the Total Environment, 2012, 437: 255-261. DOI:10.1016/j.scitotenv.2012.07.095 |
[16] | Kato N, Akimoto H. Anthropogenic emissions of SO2 and NOx in Asia: emission inventories[J]. Atmospheric Environment, 1992, 26(16): 2997-3017. DOI:10.1016/0960-1686(92)90291-R |
[17] | Cui M, Chen Y J, Feng Y L, et al. Measurement of PM and its chemical composition in real-world emissions from non-road and on-road diesel vehicles[J]. Atmospheric Chemistry and Physics, 2017, 17(11): 6779-6795. DOI:10.5194/acp-17-6779-2017 |
[18] | Zheng J Y, Shao M, Che W W, et al. Speciated VOC emission inventory and spatial pattern of ozone formation potentials in the Pearl River Delta, China[J]. Environmental Science and Technology, 2009, 43(22): 8580-8586. DOI:10.1021/es901688e |
[19] | Zheng J Y, Zhang L J, Che W W, et al. A highly resolved temporal and spatial air pollutant emission inventory for the Pearl River Delta region, China and its uncertainty assessment[J]. Atmospheric Environment, 2009, 43(32): 5112-5122. DOI:10.1016/j.atmosenv.2009.04.060 |
[20] | Hou X N, Tian J L, Song C B, et al. Emission inventory research of typical agricultural machinery in Beijing, China[J]. Atmospheric Environment, 2019, 216: 116903. DOI:10.1016/j.atmosenv.2019.116903 |
[21] | 卞雅慧, 范小莉, 李成, 等. 广东省非道路移动机械排放清单及不确定性研究[J]. 环境科学学报, 2018, 38(6): 2167-2178. (Bian Ya-hui, Fan Xiao-li, Li Cheng, et al. A sector-based emission inventory and its uncertainty from non-road mobile machinery in Guangdong Province, China[J]. Acta Scientiae Circumstantiae, 2018, 38(6): 2167-2178.) |
[22] | 张意, Michel Andre, 李东, 等. 天津市非道路移动源污染物排放清单开发[J]. 环境科学, 2017, 38(11): 4447-4453. (Zhang Yi, Michel Andre, Li Dong, et al. Development of a non-road mobile source emissions inventory for Tianjin[J]. Environmental Science, 2017, 38(11): 4447-4453.) |
[23] | 鲁君, 黄成, 胡磬遥, 等. 长三角地区典型城市非道路移动机械大气污染物排放清单[J]. 环境科学, 2017, 38(7): 2738-2746. (Lu Jun, Huang Cheng, Hu Qing-yao, et al. Air pollutant emission inventory of non-road machineries in typical cities in Eastern China[J]. Environmental Science, 2017, 38(7): 2738-2746.) |
[24] | 黄成, 安静宇, 鲁君. 长三角区域非道路移动机械排放清单及预测[J]. 环境科学, 2018, 39(9): 3965-3975. (Huang Cheng, An Jing-yu, Lu Jun. Emission inventory and prediction of non-road machineries in the Yangtze river Delta region, China[J]. Environmental Science, 2018, 39(9): 3965-3975.) |
[25] | Yuan M C, Zu B, Zhang Q X, et al. Emission inventory and characteristics of anthropogenic air pollutant sources in Liaoning Province[J]. Acta Scientiae Circumstantiae, 2018, 38(4): 1345-1357. |
[26] | 中华人民共和国环境保护部. 非道路移动源大气污染物排放清单编制技术指南(试行)[EB/OL]. (2015-01-13)[2020-05-27]. http://www.mee.gov.cn/ywdt/hjnews/201501/t20150113_294091.shtml. (EPA.Technical guide for preparation of air pollutant emission list of non-road mobile sources (Trial)[EB/OL].(2015-01-13)[2020-05-27].http://www.mee.gov.cn/ywdt/hjnews/201501/t20150113_294091.shtml. ) |
[27] | 魏红江, 张玉平, 张兆臣, 等. 辽宁统计年鉴2017[M]. 北京: 中国统计出版社, 2017. (Wei Hong-jiang, Zhang Yu-ping, Zhang Zhao-chen, et al. Liaoning statistics book 2017[M]. Beijing: China Statistics Press, 2017.) |
[28] | 中华人民共和国农业部. 中国农业统计资料2017[M]. 北京: 中国农业出版社, 2017: 154-166. (Ministry of Agriculture of the People's Republic of China. China agriculture statistical report 2017[M]. Beijing: China Agriculture Press, 2017: 154-166.) |
[29] | 中华人民共和国国家统计局. 中国统计年鉴2016[M]. 北京: 中国统计出版社, 2016: 959. (National Bureau of Statistics of the People's Republic of China. China statistics book 2016[M]. Beijing: China Statistics Press, 2016: 959.) |
[30] | 中华人民共和国交通运输部. 中国交通年鉴2016[M]. 北京: 人民交通出版社股份有限公司, 2016: 1112. (Ministry of Transport of the Peoples's Republic of China. Year book of China transportation 2016[M]. Beijing: China Communications Press Co., Ltd., 2016: 1112.) |
[31] | 傅立新, 程玲临, 粘桂莲, 等. 移动污染源大气环境影响研究报告[R]. 北京: 清华大学, 2005. (Fu Li-xin, Cheng Ling-lin, Nian Gui-lian, et al.Research report on atmospheric environmental impact of mobile pollution sources[R].Beijing: Tsinghua University, 2005. ) |
[32] | 中国民用航空局. 民航机场生产统计公报[EB/OL]. (2018-03-07)[2020-05-27]. http://www.caac.gov.cn/XXGK/XXGK/TZTG/201803/t20180307_55649.html. (Civil Aviation Administration of China.Statistics bulletin of civil aviation airport production[EB/OL]. (2018-03-07)[2020-05-27].http://www.caac.gov.cn/XXGK/XXGK/TZTG/201803/t20180307_55649.html. ) |
[33] | Jin X, Chen K K, Ji J T, et al. Intelligent vibration detection and control system of agricultural machinery engine[J]. Measurement, 2019, 145: 503-510. DOI:10.1016/j.measurement.2019.05.059 |
[34] | 中华人民共和国国家统计局. 中国农业机械工业年鉴2004—2015[M]. 北京: 机械工业出版社, 2004—2015: 147. (National Bureau of Statistics of the People's Republic of China. China agricultural machinery industry yearbook 2004—2015[M]. Beijing: China Machine Press, 2004—2015: 147.) |
[35] | U.S.Environmental Protection Agency.Exhaust and crankcase emission factors for non-road engine modeling compression ignition[R].Washington D C: United States Environmental Protection Agency, 2010. |
[36] | Tóth O, Hollóa A, Hancsók J. Co-processing a waste fatty acid mixture and unrefined gas oil to produce renewable diesel fuel-blending components[J]. Energy Conversion and Management, 2019, 185: 304-312. DOI:10.1016/j.enconman.2019.02.023 |
[37] | 付明亮, 丁焰, 尹航, 等. 基于燃油消耗的工程机械排放因子研究[J]. 北京理工大学学报, 2014, 34(2): 138-142. (Fu Ming-liang, Ding Yan, Yin Hang, et al. Study on emission factors of construction machinery based on fuel consumption[J]. Journal of Beijing Institute of Technology, 2014, 34(2): 138-142.) |
[38] | 魏巍, 王书肖, 郝吉明. 中国人为源VOC排放清单不确定性研究[J]. 环境科学, 2011, 32(2): 305-312. (Wei Wei, Wang Shu-xiao, Hao Ji-ming. Uncertainty analysis of emission inventory for volatile organic compounds from anthropogenic sources in China[J]. Environmental Science, 2011, 32(2): 305-312.) |