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
收稿日期:2022-04-20
基金项目:国家自然科学基金资助项目(41871212)。
作者简介:李娜(1994-),女,云南大理人,东北大学博士研究生;
高成康(1977-),女,河南周口人,东北大学教授,博士生导师。
摘要:以低温地区典型城市辽中南城市群的重型柴油货车为研究对象,结合辽中南城市群的环境条件、行驶特征等交通信息,通过车载测试方法、指南法和IVE模型建立辽中南城市群本地化的重型柴油货车排放因子数据库.结果显示:重型柴油货车冬季各道路类型上的平均车速均大于夏季,且车流量在市郊路最大,其次是市区路和高速路.重型柴油货车各污染物排放因子随排放标准提高而降低;50%负载时各污染物排放是无负载状态的1.4~5.5倍;冬季各污染物排放是夏季排放的1.31~1.64倍.对于国Ⅲ重型柴油货车,CO,NOx和PM排放因子实测值分别是指南法和IVE模型的0.5~0.8倍和1.1~1.3倍.
关键词:低温区域重型柴油货车车载测试排放因子对比分析本地化
Study on Localized Emission Factors of Heavy-Duty Diesel Trucks in Mid-Southern Liaoning Urban Agglomerations
LI Na1,2, GAO Cheng-kang1,2, BA Qiao1,2, NA Hong-ming1,2
1. School of Metallurgy, Northeastern University, Shenyang 110819, China;
2. SEP Key Laboratory of Eco-industry, Northeastern University, Shenyang 110819, China
Corresponding author: GAO Cheng-kang, E-mail: gaock@mail.neu.edu.cn.
Abstract: Based on the environmental conditions, driving characteristics and other traffic information, the emission characteristics of heavy-duty diesel trucks in Mid-Southern Liaoning Urban Agglomerations was analyzed, a typical city in low temperature areas. The on-board test results were utilized to localize the emission factors of Guidebook and IVE model, and the emission factor database of heavy-duty diesel trucks in Mid-Southern Liaoning urban agglomerations was obtained. The results show that the average speed of heavy-duty diesel trucks on various road types in winter is higher than in summer, and the traffic flow is the largest on suburban roads, followed by urban roads and highways. The pollutant emission factors of heavy-duty diesel trucks decrease with the increase of emission standards. When the heavy-duty diesel truck is 50% loaded, the pollutant emissions are 1.4~5.5 times that of the no-load state. The emission of pollutants from heavy-duty diesel trucks in winter is 1.31~1.64 times that in summer. For National Ⅲ heavy-duty diesel trucks, the measured results of CO, NOx and PM emission factors are 0.5~0.8 times and 1.1~1.3 times of Guidebook and IVE model, respectively.
Key words: low temperature areaheavy-duty diesel truckson-road testcomparative analysis of emission factorslocalization
近年来,我国日益增长的经济以及快速的城市化进程推动了我国以公路运输为主货运方式的迅速发展.重型柴油货车因具有燃料效率高、动力性强等优势在公路货运中占有较大比例,约为58%.重型柴油货车仅占机动车总量的7.8%,但其NOx的排放却占机动车排放总量的57.3%,颗粒物的排放占77.8%,是机动车NOx和颗粒物排放的主要来源.因此,确定重型柴油货车的污染物排放因子是减少污染物排放中至关重要的一环[1-2].目前,确定机动车排放因子的方法包括实测法和模型法两大类.实测法包括实验室台架测试、遥感测试、隧道测试以及车载排放测试等[3-10].其中,相较于前三者,车载排放测试通过车辆上的测试系统,记录车辆的行驶特征参数和污染物排放数据,具有测试结果准确、可直接反映车辆实际运行过程排放状况和反映车辆瞬时运行状况对污染物排放的影响等优点.例如,高成康等[11]采用SEMTECH-DS车载测试系统得出了长春市国Ⅴ汽油车的真实排放因子.刘蒙蒙等[12]使用PEMS排放监控系统得出了南京、常州、镇江3个城市的国Ⅴ重型柴油客车排放因子.结果表明,不同城市等级和不同路段类型对油耗和污染物排放有较大影响.黄成等采用SEMTECH-DS车载测试系统获得了重型柴油公交车的NOx,CO和THC排放因子,分析了柴油公交车在实际行驶道路上的油耗与排放水平.结果表明,模拟结果与实测值基本吻合,实时模拟的油耗和排放因子与实测值之比均在1.06倍左右[13].
模型法主要包括COPERT模型、MOBILE模型、IVE模型和MOVES模型等方法[14-16].IVE模型相较于其他模型,其优点是对发展中国家和地区具有很强的适应性.例如,高成康等[17]利用IVE模型得出了哈长城市群的机动车排放因子,系统分析了车辆排放的时空分布特征,并模拟了不同情景下的预计排放.结果表明,淘汰老旧车辆是减少污染物排放最有效的措施.郭辉等[18]在杭州城市案例研究中对IVE模型与遥感测试的车辆排放因子进行了比较分析,发现IVE模型得到的排放因子被高估了.此外,还建立了基于燃料的排放清单.王海坤等[19]利用IVE模型得出了上海市机动车排放因子,分析了道路类型对车辆排放的评估以及时空分布特征.结果表明,比起MOBILE模型,IVE模型计算的排放因子更符合道路测试结果.加强交通管理,采取措施使各道路之间的交通更均匀,将减少污染物排放.
总之,国内很多研究机构利用国外的模型分别获得了北京、上海、澳门等地的排放因子,但是众多研究中很少有针对重型柴油货车的研究,并且研究区域主要集中在京津冀地区、长三角地区以及珠三角地区,针对低温地区的研究较为欠缺.辽中南城市群地处中国东北,冬季气温变化直接与冷空气活动有关.在西伯利亚冷高压控制之下,东亚大槽加深后的西北气流加强,有利于高纬度地区的冷空气南下,造成辽中南城市群的冬季气温偏低,1月的平均气温约为-17 ℃[20].辽中南城市群冬季漫长且天气寒冷,温度过低导致燃料存在未充分燃烧现象,产生的污染物比起夏季更难扩散.同时,低温地区路面多积雪覆盖,造成污染物扩散能力差.由于冬季的低温因素,以及常出现的超载问题,重型柴油货车单位行驶里程能耗远大于其他地区,其污染物排放对大气污染的影响更为突出.环境保护部发布的《道路机动车大气污染物排放清单编制技术指南》(以下简称指南法)、国外相关排放因子模型及国内其他地区的科研数据难以适应低温地区的情况.
基于上述背景,本文采用车载测试、指南法和IVE模型三种方法,根据辽中南城市群地理位置特征、气候特征、车辆行驶特征等建立一套适合于低温地区的重型柴油货车排放因子库,解决了目前针对低温地区机动车污染物排放因子的研究较为欠缺的问题,为该地区机动车尾气及颗粒物污染研究治理提供数据支撑.
1 研究方法本研究采用车载测试结果对指南法和IVE模型的排放因子进行本地化修正,最终建立辽中南城市群的重型柴油货车排放因子数据库.
1.1 测试车辆与路线的选取重型柴油货车的排放标准是影响污染物排放因子的重要因素,因此,本研究的测试车辆选取应用较广的国Ⅲ、国Ⅳ、国Ⅴ重型柴油货车.测试的辽中南城市群包括沈阳市、大连市、鞍山市、抚顺市等共9个城市,如图 1所示.沈阳市是辽中南城市群中最大的综合性重工业基地,地理位置靠近京哈高速,造就其成为从南方往来物流运输、工业材料运输以及重型柴油货车停靠的必经之地. 因此,本研究选择沈阳市作为辽中南城市群重型柴油货车出现地的代表.根据《重型柴油车污染物排放限值及测量方法(中国第六阶段)》的实验路段选择要求[21],分别设立三种不同的实验路段(市区路、市郊路和高速路),所选路段柴油货车全天可通行,并无典型时间段车流量变化,如图 2所示.
图 1(Fig. 1)
图 1 辽中南城市群地理位置Fig.1 Geographical location of Mid-Southern Liaoning urban agglomerations |
图 2(Fig. 2)
图 2 测试路线图Fig.2 Diagram of the test route |
1.2 车载测试通过IVE模型和指南法获得的辽中南城市群柴油货车污染物排放因子存在不确定性,采用车载测试对车辆在实际运行工况下的污染物排放因子进行测试,可验证IVE排放因子和指南排放因子的准确性.本研究选择国Ⅲ、国Ⅳ、国Ⅴ重型柴油货车在-20 ℃的气温下进行实验,如表 1所示.
表 1(Table 1)
表 1 车载测试技术参数Table 1 Vehicle test technical parameters
| 表 1 车载测试技术参数 Table 1 Vehicle test technical parameters |
重型柴油货车在市区路、市郊路和高速路的实际行驶过程中,使用SEMTECH-DS尾气分析系统.该仪器具有核心分析模块小型化、防震、精度高等优点.该设备包括非分散紫外分析仪、非分散红外分析仪和GPS定位仪等众多精准仪器,适合分析重型柴油货车尾气中CO,CO2,NO,NO2,THC,O2等气体成分.
为了真实地反映实际道路上重型柴油货车的行驶特征,本研究采用两种数据采集方法:一是在所选路段采用带有录像功能的雷达测速仪,拍摄后对车辆类型和车流量进行统计分析;二是进行实地调研,对不同道路的重型柴油货车司机发放调查问卷,内容包括车辆型号、发动机型号、排放标准、燃料类型、车辆行驶里程等信息.对这些数据进行筛选、补充和处理,进而获得低温地区不同道路的运行工况.
1.3 IVE模型IVE模型的原理是模型内置的排放因子乘以一系列的修正系数.用于精确估算车辆排放,尤其是在具有各种技术参数的发展中国家.与MOBILE模型相比,IVE模型可以有效估计各种行驶条件下的车辆排放因子,公式为
(1) |
(2) |
(3) |
IVE模型拥有包括车型、燃油、发动机尺寸、行驶里程、蒸发控制和尾气净化技术在内的1 372种技术参数,以及用户自己定义的45种参数.其中,机动车比功率(vehicle specific power, VSP)包含速度、加速度、道路坡度、风阻等参数,单位为kW/t或者m2/s3,可以良好反映机动车瞬时工作状态.发动机负荷(engine stress, ES)可以得出机动车历史工作状态对现在的影响.计算公式为
(4) |
(5) |
综上,采用IVE模型模拟获取重型柴油货车的排放因子需要的数据主要包括车辆类型、车辆运行工况、车辆技术参数、燃料类型、燃料品质、启动分布及环境参数等.
1.4 指南法环境保护部发布的《道路机动车大气污染物排放清单编制技术指南》,根据2014年典型城市当地的车辆行驶信息、里程、车辆类型、燃料质量等各种参数来校准排放系数,提出了综合基准排放系数(BEF).不同地区可根据本地实际情况,通过指南的排放系数进行本地化修正.计算公式为
(6) |
本研究根据辽中南城市群的地理位置特征、气候特征和重型柴油货车的平均行驶速度等参数,采用指南法进行本地化修正,最终得出基于指南法的辽中南城市群重型柴油货车排放因子.
1) 环境修正因子.
(7) |
2) 速度修正因子.可通过当地车辆平均行驶速度得出不同类型车辆的运行状况,辽中南城市群重型柴油货车平均行驶速度如表 2所示.
表 2(Table 2)
表 2 机动车平均行驶速度修正因子Table 2 Correction factors for average speed
| 表 2 机动车平均行驶速度修正因子 Table 2 Correction factors for average speed |
3) 劣化修正因子.本研究所选取劣化修正因子具体数据如表 3所示.
表 3(Table 3)
表 3 车型劣化修正因子Table 3 Model degradation correction factors
| 表 3 车型劣化修正因子 Table 3 Model degradation correction factors |
4) 其他条件参数.《指南》中的其他条件参数主要包括重型柴油货车的载重系数对污染物排放的影响.本研究根据《车用汽油国家标准》和《车用柴油国家标准》中的相关规定和要求,确定了辽中南城市群区域重型柴油货车的载重系数为50%和75%.
2 结果与讨论2.1 重型柴油货车活动水平2.1.1 重型柴油货车行驶特征行驶速度是造成机动车污染物排放因子变化的主要因素,如图 3所示.重型柴油货车CO,NOx和PM排放因子随着行驶速度的增加而降低,表明合理地提高车辆速度有助于减少重型柴油货车CO,NOx和PM的排放.
图 3(Fig. 3)
图 3 速度对排放因子的影响Fig.3 Effect of speed on emission factors |
从图 4可知,不同道路上车辆速度分布差异明显,平均速度市区路<市郊路<高速路,这与交通路况有关.夏季市区路上车速主要分布于30~40 km/h,冬季分布于40~60 km/h;市郊路冬夏两季都主要分布于40~60 km/h;高速路冬夏两季都主要分布于60~80 km/h,无低速工况.夏季人们的出行意愿更强烈,路面上车辆、行人增多,导致夏季各道路类型上的平均车速均小于冬季.
图 4(Fig. 4)
图 4 重型柴油货车速度分布图Fig.4 Speed distribution of heavy diesel truck (a)—夏季;(b)—冬季. |
2.1.2 道路交通流量通过实地仪器监测计数及数据筛选补充,得到沈阳市三种道路上00∶ 00~24∶ 00的交通流量及重型柴油货车流量变化,如图 5所示.市区路、市郊路和高速路交通流量随时间呈波浪式分布,波峰时段与上下班高峰期一致.重型柴油货车流量变化较为平缓,市郊路车流量最大,为594辆/h,占总体交通流量的49.1%.其次是市区路和高速路,分别为204和177辆/h,分别占总体交通流量的12.7%和7.4%.重型柴油货车基本用于钢铁运输和物流,由于重型柴油货车在各道路上行驶不便,司机有意避开早晚高峰出行,造成了重型柴油货车异于其他车型流量变化的现象.
图 5(Fig. 5)
图 5 典型道路24 h交通流量Fig.5 Typical urban road traffic flow in 24 h (a)—市区路;(b)—市郊路;(c)—高速路. |
2.2 重型柴油货车污染物本地化排放因子2.2.1 车载实验本地化排放因子本研究通过车载测试方式获取辽中南城市群本地化的重型柴油货车排放因子,并对指南法和IVE模拟法得到的污染物排放因子进行验证.实验变量包括排放标准、温度及负载,最终得到不同情况下重型柴油货车的污染物排放因子.
从图 6可知,随着重型柴油货车排放标准的提高,各污染物排放因子逐渐降低.以CO为例,国Ⅳ和国Ⅴ标准的排放因子分别比国Ⅲ的低58%和64%.同时,随着排放标准的提高,重型柴油货车减排的潜力越来越小.
图 6(Fig. 6)
图 6 不同排放标准的污染物排放因子Fig.6 Emission factors of different pollutants with different emission standards |
为深入探究辽中南城市群重型柴油货车排放特点,研究以实验车辆中用途较为广泛的、典型的国Ⅴ重型柴油货车为例,探究冬夏两季重型柴油货车启动排放因子和运行排放因子的差异.
1) 启动排放因子.启动排放阶段通常是污染物排放最为猛烈的阶段,通过实际测试发现,实验的重型柴油货车均在启动后4 min左右排放达到稳定状态.在冷启动200 s内,对CO,NOx,PM三种污染物的排放因子变化进行对比分析,如图 7所示.通过数据分析可知,CO排放因子最大值冬季是夏季的8.43倍,平均冷启动排放因子冬季是夏季2.47倍;NOx排放因子最大值冬季是夏季的1.31倍,平均冷启动排放因子冬季是夏季1.72倍;PM排放因子最大值冬季是夏季的4倍,平均冷启动排放因子冬季是夏季1.44倍.
图 7(Fig. 7)
图 7 冷启动夏季与冬季排放因子比较Fig.7 Comparison of summer and winter emission factors cold start (a)—CO;(b)—NOx;(c)—PM. |
2) 运行排放因子.从图 8,图 9可知,冬夏两季不同道路类型和不同负载情况下的各污染物排放因子差异明显.国Ⅴ重型柴油货车各污染物排放因子冬季于市郊路最大,夏季于市区路最大;在50%负载的情况下,冬季各污染物排放因子是无负载状态的1.2~5.7倍,夏季各污染物排放因子是无负载状态的1.4~5.5倍.在75%负载的情况下,冬季各污染物排放因子是无负载状态的1.1~2.7倍,夏季各污染物排放因子是无负载状态的1.2~2.5倍.CO,NOx和PM排放因子的测试结果整体呈现出50%负载>75%负载>无负载的特征;温度变化对各污染物排放有强烈影响,冬季道路工况要好于夏季,车辆的行驶速度也更高,国Ⅴ重型柴油货车冬季各污染物排放是夏季排放的1.31~1.64倍.
图 8(Fig. 8)
图 8 冬季不同道路上国Ⅴ重型柴油货车不同负载下排放因子Fig.8 Emission factors of China V heavy duty diesel trucks under different loads on different roads in winter |
图 9(Fig. 9)
图 9 夏季不同道路上国Ⅴ重型柴油货车不同负载下排放因子Fig.9 Emission factors of China V heavy duty diesel trucks under different loads on different roads in summer |
2.2.2 基于IVE模型和指南法建立的排放因子库本研究根据在市区路、市郊路、高速路三种道路上实测的数据输入IVE模型所需的机动车活动水平信息,如表 4所示.采集表征当地实际的车辆行驶工况、车辆技术特征及行驶环境等数据,并基于沈阳市的车载测试结果对IVE模型进行本地化修正,采用修正后的IVE模型建立辽中南城市群国Ⅲ、国Ⅳ、国Ⅴ重型柴油货车排放因子库.同时,本研究根据辽中南城市群地理位置特征、温湿度、载重系数及测试车辆劣化情况,建立基于指南法的本地化排放因子库.
表 4(Table 4)
表 4 IVE模型测试车辆与模拟车辆技术参数Table 4 IVE model test vehicle and simulated vehicle technical parameters
| 表 4 IVE模型测试车辆与模拟车辆技术参数 Table 4 IVE model test vehicle and simulated vehicle technical parameters |
2.3 排放因子对比分析2.3.1 三种排放因子对比分析将车载测试排放因子与基于指南法和IVE模型的排放因子进行对比分析,结果如图 10所示.
图 10(Fig. 10)
图 10 三种方法排放因子对比分析Fig.10 Comparative analysis of emission factors for the three methods |
1) 车载测试与指南法对比.对于国Ⅲ重型柴油货车,CO,NOx和PM排放因子实测结果明显低于指南法得到的排放因子,分别是指南法的0.8倍、0.7倍和0.5倍,说明指南法对辽中南城市群国Ⅲ重型柴油货车污染物排放因子存在一定程度高估;对于国Ⅳ、国Ⅴ重型柴油货车,CO和NOx排放因子实测结果明显高于指南法,分别是指南法的1.2倍和1.8倍,但PM排放因子实测结果小于指南法.
2) 车载测试与IVE模型对比.对国Ⅲ重型柴油货车,CO,NOx和PM排放因子实测结果分别是IVE模型的1.3倍、1.2倍和1.1倍,说明IVE模型对污染物排放因子存在一定程度低估;对于国Ⅳ、国Ⅴ重型柴油货车,CO和NOx排放因子实测结果分别是IVE模型的1.8倍和2.5倍,IVE模型得到的PM排放因子与实测结果相近.
2.3.2 同类排放因子的对比分析本研究将本地化重型柴油货车排放因子与其他城市重型柴油货车排放因子进行比较,结果如表 5所示.不同地区的重型柴油货车排放因子存在一定的差异.主要原因是东北地区重型柴油货车的污染物排放具有地域独特性,不同城市的重型柴油货车用途不一致,导致重型柴油货车劣化程度不相同.此外,各城市获得排放因子的方法不相同,导致不同地区重型柴油货车的排放因子存在差异.
表 5(Table 5)
表 5 IVE辽中南城市群与其他城市重型柴油货车排放因子的比较Table 5 Comparing the emission factors of heavy-duty diesel trucks in Mid-Southern Liaoning urban agglomerations and other cities.
| 表 5 IVE辽中南城市群与其他城市重型柴油货车排放因子的比较 Table 5 Comparing the emission factors of heavy-duty diesel trucks in Mid-Southern Liaoning urban agglomerations and other cities. |
3 结论1) 重型柴油货车CO,NOx和PM排放因子整体均呈现随速度增加逐渐下降的趋势,反映出适度提高车辆速度有助于降低重型柴油车各污染物的排放.重型柴油货车冬季各道路类型上的平均车速均大于夏季,且车流量在市郊路最大,为594辆/h,占总体交通流量的49.1%.其次是市区路和高速路,分别为204辆/h和177辆/h,分别占总体交通流量的12.7%和7.4%.
2) 重型柴油货车各污染物排放因子随排放标准提高而降低;50%负载时各污染物排放是无负载状态的1.4~5.5倍,75%负载时各污染物排放是无负载状态的1.2~2.5倍;温度变化对各污染物排放有强烈影响,各污染物排放冬季是夏季的1.31~1.64倍.
3) 将车载测试得到的排放因子与指南、IVE排放因子进行对比分析,得出指南法对国Ⅲ重型柴油货车污染物排放因子存在一定程度高估,IVE模型对污染物排放因子存在一定程度低估.对于国Ⅳ、国Ⅴ重型柴油货车,指南法和IVE模型得到的CO,NOx排放因子存在一定程度低估,指南法对PM排放因子存在高估,IVE模型得到的PM排放因子与实测结果相近.
4) 交通拥堵会使机动车污染排放增加.改善交通管制水平,加强机动车污染物排放控制,加快淘汰国Ⅲ重型柴油货车,进一步推广天然气重型货车的使用,对减少机动车污染物排放具有重要意义.
参考文献
[1] | 中华人民共和国环境保护部. 中国机动车环境管理年报[EB/OL]. (2017-06-03)[2018-09-05]. http://dqhj.mee.gov.cn/jdchjgl/zhgldt/201706/P020170605550637870889.pdf. (Ministry of Environmental Protection of People Republic of China. China vehicle environmental managemental annual report[EB/OL]. (2017-06-03). [2018-09-05]. http://dqhj.mee.gov.cn/jdchjgl/zhgldt/201706/P020170605550637870889.Pdf. ) |
[2] | 丁焰, 王军方, 尹航. 京津冀地区机动车污染防治重点及建议[J]. 环境保护, 2018, 46(19): 20-24. (Ding Yan, Wang Jun-fang, Yin Hang. Focus and suggestions on motor vehicle pollution prevention and control in Beijing-Tianjin-Hebei region[J]. Environmental Protection, 2018, 46(19): 20-24. DOI:10.14026/j.cnki.0253-9705.2018.19.005) |
[3] | De V I, De K D, Kretzschmar J G. Environment effects of driving behavior and congestion related to passenger cars[J]. Atmospheric Environment, 2000, 34: 4649-4655. DOI:10.1016/S1352-2310(00)00217-X |
[4] | Clairotte M, Adam T W, Zardini A, et al. Effects of low temperature on the cold start gaseous emissions from light duty vehicles fuelled by ethanol-blended gasoline[J]. Applied Energy, 2013, 102(6): 44-54. |
[5] | Bishop G A, Starkey J R, Ihlenfeldt A, et al. IR long-path photometry: a remote sensing tool for automobile emissions[J]. Analytical Chemistry, 1989, 61(10): 671-677. DOI:10.1021/ac00185a746 |
[6] | Guo H, Zhang Q, Shi Y, et al. On-road remote sensing measurements and fuel-based motor vehicle emission inventory in Hangzhou, China[J]. Atmospheric Environment, 2007, 41(14): 3095-3107. DOI:10.1016/j.atmosenv.2006.11.045 |
[7] | Touaty M, Bonsang B. Hydrocarbon emissions in a highway tunnel in the Paris area[J]. Atmospheric Environment, 2000, 34(6): 985-996. DOI:10.1016/S1352-2310(99)00195-8 |
[8] | El-Fadel M, Hashisho Z. Vehicular emissions and air quality assessment in roadway tunnels: the Salim Slam tunnel[J]. Transportation Research Part D: Transport and Environment, 2000, 5(5): 355-372. DOI:10.1016/S1361-9209(00)00004-3 |
[9] | Gertler A W, Fujita E M, Pierson W R, et al. Apportionment of NMHC tailpipe non-tailpipe emissions in the Fort McHenry and Tuscarora mountain tunnels[J]. Atmospheric Environment, 1996, 30(12): 2297-2305. DOI:10.1016/1352-2310(95)00090-9 |
[10] | Song C B, Ma C, Zhang Y J, et al. Heavy-duty diesel vehicles dominate vehicle emissions in a tunnel study in Northern China[J]. Science of the Total Environment, 637-638(2018): 431-442. |
[11] | 高成康, 许庆江, 邢玉红, 等. 冬季低温地区道路移动源大气污染物排放清单[J]. 东北大学学报(自然科学版), 2019, 40(9): 1343-1349. (Gao Cheng-kang, Xu Qing-jiang, Xing Yu-hong, et al. Emission inventory of air pollutants from road mobile sources in low temperature areas in winter[J]. Journal of Northeastern University(Natural Science), 2019, 40(9): 1343-1349.) |
[12] | 刘蒙蒙, 常玉林, 张玮, 等. 基于PEMS的国Ⅴ重型柴油客车排放特性研究[J]. 重庆理工大学学报(自然科学), 2019, 33(12): 161-168. (Liu Meng-meng, Chang Yu-lin, Zhang Wei, et al. Research on emission characteristics of national V heavy duty diesel passenger cars based on PEMS[J]. Journal of Chongqing University of Technology (Natural Science), 2019, 33(12): 161-168.) |
[13] | 黄成, 陈长虹, 楼狄明, 等. 重型柴油车实际道路油耗与排放模拟及其应用研究[J]. 环境科学学报, 2010(12): 2369-2376. (Huang Cheng, Chen Chang-hong, Lou Di-ming, et al. Simulation and application of actual road fuel consumption and emission of heavy-duty diesel vehicles[J]. Journal of Environmental Science, 2010(12): 2369-2376.) |
[14] | Fan S, Tian L, Zhang D. Emission inventory of gasoline evaporation from vehicles in Beijing based on COPERT model[J]. Chinese Journal of Environmental Engineering, 2016, 10(6): 3091-3096. |
[15] | Fan S, Zhang D, Tian L, et al. Emission inventory and spatial distribution of road fugitive dust PM2.5 in Beijing[J]. Research of Environmental Sciences, 2016, 29(1): 20-28. |
[16] | Zhang S, Wu Y, Liu H, et al. Historical evaluation of vehicle emission control in Guangzhou based on a multi-year emission inventory[J]. Atmospheric Environment, 2013, 76(76): 32-42. |
[17] | Gao C, Gao C, Song K, 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. |
[18] | Guo H, Zhang Q, Shi Y, et al. On-road remote sensing measurements and fuel-based motor vehicle emission inventory in Hangzhou, China[J]. Atmospheric Environment, 2007, 41(14): 3095-3107. |
[19] | Wang H, Chen C, Huang C, et al. On-road vehicle emission inventory and its uncertainty analysis for Shanghai, China[J]. Science of the Total Environment, 2008, 398(1): 60-67. |
[20] | 贾丽伟. 东北地区大气环流型与气候关系的研究[D]. 北京: 中国气象科学研究院, 2006. (Jia Li-wei. Study on the relationship between atmospheric circulation patterns and climate in Northeast China[D]. Beijing: Chinese Academy of Meteorological Sciences, 2006. ) |
[21] | 中华人民共和国环境保护部, 国家市场监督管理总局. 《重型柴油车污染物排放限值及测量方法(中国第六阶段)》[M]. 北京: 环境保护部, 2018. (Ministry of Ecology and Environment of the People's Republic of China, State Administration for Market Regulation. Pollutant emission limits and measurement methods for heavy-duty diesel trucks (China phase Ⅵ)[M]. Beijing: Ministry of Ecology and Environment, 2018.) |
[22] | 王志伟, 刘士光. 唐山市在用重型柴油车排放清单研究[J]. 中国环保产业, 2020, 6: 52-56. (Wang Zhi-wei, Liu Shi-guang. Research on the emission inventory of heavy-duty diesel vehicles in use in Tangshan[J]. China Environmental Protection Industry, 2020, 6: 52-56.) |
[23] | 孙蜀. 成都市柴油车颗粒物排放特征分析[D]. 成都: 西南交通大学, 2015: 55-56. (Sun Shu. Characteristic analysis of particulate matter emissions from diesel vehicles in Chengdu[D]. Chengdu: Southwest Jiaotong University, 2015: 55-56. ) |
[24] | 张景文, 咸月, 陈报章. 南昌市移动源排放清单研究[J]. 环境科学学报, 2017, 37(7): 2449-2458. (Zhang Jing-wen, Xian Yue, Chen Bao-zhang. Research on the emission inventory of mobile sources in Nanchang[J]. Journal of Environmental Science, 2017, 37(7): 2449-2458.) |