基于COPERT模型北京市機動車大氣污染物和二氧化碳排放研究

沈巖， 武彤冉， 閆靜， 李韌菲,2， 崔陽陽， 劉欣宇， 樊守彬， 翟冀飛， 曹西子， 萬蕓菲,2， 薛亦峰*

1.國家城市環境污染控制工程技術研究中心， 北京市生態環境保護科學研究院2.首都師范大學資源環境與旅游學院3.北京市通州區生態環境局

隨著經濟快速發展和人民生活水平的不斷提高，持續增加的機動車保有量成為北京市大氣污染物的重要來源[1-3]。機動車汽柴油燃燒帶來的CO2排放是碳排放的重要來源之一[4]。因此，識別北京市機動車主要大氣污染物和CO2排放狀況，分析其污染構成和不同類型車輛排放貢獻與特征，對于機動車污染控制和CO2協同減排十分必要[5]。

機動車污染排放定量表征和對空氣質量影響是近年來國內外的研究熱點[6-9]。如王孝文等[10]利用IVE模型計算杭州市不同級別道路不同工況下的機動車排放因子，結合ArcGIS技術建立了杭州市2010年機動車污染物排放清單。Yang等[11]計算了京津冀地區機動車污染物排放因子，并基于交通流數據生成了高時空分辨率機動車大氣污染物排放清單，評估了機動車污染控制措施的環境效果。Dey等[12]使用COPERT模型對溫度、速度、相對濕度、行駛里程和駕駛方式進行了敏感性分析，編制了大都柏林地區機動車大氣污染物排放清單。而機動車排放大氣污染物和CO2協同控制研究較為鮮見，需要進一步加強。

筆者基于北京市機動車保有量和道路行駛工況等數據，應用COPERT模型建立了2019年北京市機動車主要大氣污染物排放清單，同時核算得到了機動車CO2排放量。在識別不同車速、車型、排放標準等級的機動車染物特征的情況下，利用ADMS-Urban[13]量化模擬了機動車排放對大氣環境的影響，以期為北京市機動車污染防治和協同控制提供參考和支撐。

1 材料與方法

1.1 研究區域概況

北京市2019年常住人口達到 2 153.6 萬人，較大規模的人口基數產生了巨大的交通需求量，機動車保有量從2006年的288萬輛增加到2019年的636萬輛，年均增長率為6%。北京市公路客運和貨運量占比較大，2006—2019年，中大型客車數量緩慢增加，保有量變化相對穩定，其占比維持在2%左右；2010年北京市實施機動車數量調控政策后，小型客車數量增長速度有所放緩；貨車保有量占比由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，北京市機動車排放標準結構發生較大變化，低排放標準的車輛被逐步淘汰，2019年國三及以下標準的車輛占比降至13%，國四及國五的保有量占比分別達到28%和59%[14]。

圖1 2006—2019年北京市機動車保有量變化及車輛結構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進行機動車大氣污染物和CO2排放量的核算。COPERT模型可根據不同類型車輛數量、年均行駛里程、行駛速度和環境溫度等數據，計算特定國家或地區的機動車排放量和能源消耗。根據文獻[15-17]調研，應用COPERT模型計算獲得的排放因子較為適用于中國機動車實際排放情況。

COPERT模型將車輛分為私人載客車輛、輕型商用車輛、重型車輛(包括卡車和大型公交車)、摩托車四大類，同時根據車型、燃料類型、排放標準等因素進行細化分類。本研究基于中國的機動車分類標準，同時參考其他文獻[18-20]，與模型中設置的車輛類型進行匹配，結果見表1。

表1 北京市機動車車輛類型所對應的COPERT模型的車輛類型Table 1 Vehicle types of COPERT model corresponding to motor vehicle types in Beijing

模型中排放量的計算依賴于機動車排放因子和活動水平數據(車輛行駛里程)[21]，機動車排放考慮三大過程：熱排放，發動機處于平穩行駛工況；冷啟動排放，車輛由冷啟動至平穩行駛工況；蒸發排放[22-23]。計算公式如下：

E總=E熱+E冷+E蒸發

(1)

E蒸發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冷為冷啟動排放量，g；E蒸發為油氣蒸發及零件磨損產生的排放量，g；i為污染物；k為道路類型；j為機動車類型；N為機動車數量，輛；VKT為機動車年均行駛里程，km；e熱和e冷分別為熱穩定階段和冷啟動階段污染物的排放因子，g/km；β為行駛里程在冷啟動階段所占的比例；ed為每日油氣蒸發排放因子，g/輛；Sc為裝配有化油器機動車的熱浸排放因子，g/輛；Sfi為裝配有燃油噴射器機動車的熱浸排放因子，g/輛；R為運行損失，g；Itrip為平均行駛里程，km；ta為月平均氣溫，℃。

1.3 數據來源

機動車保有量、行駛里程、行駛速度等相關活動水平數據來源如表2所示。不同車型的排放標準分類參考生態環境部發布的《道路機動車大氣污染物排放清單編制技術指南(試行)》[24]，年均行駛里程受經濟水平、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手冊》中推薦的參考值(表3)。平均行駛速度采用《2019北京市交通發展年度報告》推薦值，即29 km/h。氣象參數來自中國氣象數據網(http://data.cma.cn)，道路坡度和負載等數據使用模型默認值。

表2 機動車保有量及相關活動水平數據來源Table 2 Data sources for motor vehicle population and relative activity level

表3 道路機動車年均行駛里程Table 3 Average annual mileage of road vehicles

1.4 機動車污染排放對空氣質量影響模擬

采用ADMS-Urban量化機動車大氣污染物排放對周邊大氣環境的影響，該模型是劍橋環境研究公司研制開發的穩態大氣擴散模式，其基于大氣邊界層參數，可以較好地處理超大型城市復雜的地形及風場條件[28]。同時考慮重力沉降、干濕沉降、建筑物地形下洗和化學反應等過程，能夠模擬多個不同空間分布的交通污染源，最終得到一個較高分辨率的污染物濃度圖，以此分析不同污染源對預測結果的影響。

2 結果與討論

2.1 主要大氣污染物和CO2排放量

根據COPERT模型測算得到2019年北京市機動車污染物排放量，結果見圖2。從圖2可以看出，CO、NOx、PM2.5和VOCs排放總量分別為12.15萬、4.06萬、0.18萬和2.57萬t。機動車CO2排放量為 1 940 萬t，約占北京市排放總量的17%。小型客車是CO、VOCs和CO2的主要貢獻源，其排放量分別為8.16萬、2.09萬和 1 344 萬t。而NOx主要為輕型及中重型貨車排放貢獻，其排放量占比達到74%。

注：CO的數值×10，CO2的數值×103。圖2 2019年北京市機動車污染物排放量Fig.2 Emissions of motor vehicle pollutants in Beijing in 2019

2.1.1不同車型機動車排放

2019年北京市不同車型機動車污染物排放貢獻率見圖3。從圖3可以看出，小型客車是CO、VOCs以及PM2.5的主要貢獻車型，對3項污染物的貢獻率分別達到67%、72%和57%。這主要是由于小型客車保有量大，其在機動車保有總量中占比達85%，且汽油車的排放特性決定其在發動機高負荷時CO及VOCs排放量急劇升高。中重型貨車和輕型貨車具有較高的NOx排放強度，其中中重型貨車貢獻率達49%，輕型貨車貢獻率達25%。由于中重型貨車主要以柴油車為主，其占比達到99%，且有部分國三、國四等排放標準的車輛仍在使用，其對NOx的排放控制技術欠佳，使得這部分車輛具有較高的單車排放水平，因此貨車對NOx的貢獻率遠高于其他車型。此外，中大型客車對NOx、CO、PM2.5的貢獻率分別為12%、16%和10%。同時摩托車對VOCs排放量的貢獻也不容忽視，達13%。

圖3 2019年北京市不同車型機動車污染物排放貢獻率Fig.3 Pollutant emission contribution rate of different vehicle types in Beijing in 2019

2.1.2不同排放標準機動車排放

不同排放標準的機動車對主要污染物的貢獻率如圖4所示。從圖4可以看出，國五車型對NOx、CO、VOCs和PM2.5的排放貢獻最大，分別達到59%、51%、47%和58%。這是由于隨著低排放標準車輛的淘汰，2019年北京市國五排放標準的機動車保有量最高，占比達到59.14%。國四排放標準的機動車占比為27.83%，該車型對NOx、CO、VOCs和PM2.5的排放貢獻分別為18%、22%、23%和23%。國三及以下車型的機動車保有量僅占機動車保有總量的13.03%，但其對NOx、CO、VOCs和PM2.5的排放貢獻分別達23%、27%、30%和19%，與國四車型排放貢獻相當。由此可以看出，淘汰高排放量車輛，優化車輛結構對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準機動車保有量占比及污染物排放貢獻率Fig.4 Proportion of motor vehicles with different emission standards and contribution rate of pollutants emission in Beijing in 2019

2.2 機動車排放結構和影響因素

2.2.1車速對污染物排放量的影響

由于城市道路結構復雜，機動車在道路行駛過程中經常會處于怠速和低速狀態，車速變化會導致污染物的排放量發生顯著變化。提高車速可以有效減少污染物的排放水平，但車速變化對機動車污染物排放的具體影響仍需深入研究[29]。同時發動機工況對機動車污染物的排放水平也存在明顯影響，機動車的燃料蒸發、零件磨損和冷啟動過程中顆粒物的排放水平明顯高于車輛正常行駛的熱運行階段。

以平均車速10 km/h為梯度，計算不同車速下污染物的排放量變化，結果見圖5。由圖5可知，當機動車平均車速為10 km/h時，NOx、PM2.5、VOCs、CO的排放量比平均車速(29 km/h)時高出9%～68%，其中CO和VOCs尤其突出，排放量差異達到了48%和68%。當車速提升至40 km/h時，各類污染物排放量相對平均車速時減少了4%～11%。當車速達到50 km/h時，各類污染物排放量減少了9%～28%。由此可得，平均車速對以上4類污染物的排放量有著重要的影響[30-31]。因此合理進行道路規劃和交通信號燈的設定以提高城市機動車的平均行駛速度，可降低機動車主要污染物的排放水平。

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

2.2.2發動機工況對污染物排放量的影響

利用COPERT模型設定，將機動車行駛過程劃分為3種工況，分別為HOT(發動機熱穩定狀態)，COLD(發動機冷啟動)，非末端排放(燃料蒸發、熱浸排放、運行損失、揚塵等)，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圖6。由圖6可以看出，對于CO和VOCs，其發動機冷啟動階段的排放貢獻較大，分別達56%和53%。對于VOCs和PM2.5，非末端排放貢獻顯著，分別達20%和75%。這主要是由機動車油箱內燃料因溫度升高引起汽油揮發、發動機活塞漏氣和曲軸箱潤滑油蒸發等供油系統產生。因此，除了控制機動車末端排放污染物，還需要關注其非末端污染排放問題，如機動車燃料揮發、輪胎及剎車機構間磨損以及汽車行駛帶起道路揚塵等。

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 機動車污染排放對空氣質量的影響

使用ADMS-Urban將北京市道路進行分級，對不同級別的道路進行車流系數的分配，而后進行3 km×3 km網格化處理，利用排放清單數據對應計算每個網格內大氣污染物的排放量，最后對北京市2019年的大氣污染物進行全年擴散濃度模擬，得到NOx和CO2的擴散濃度圖(圖7)。由圖7可見，北京市大氣污染物呈點狀梯度擴散，其中高濃度區域集中在東城區、西城區及附近，第二層擴散區域為五環內及附近區域。同時，出現多個較高濃度點位，分別位于首都國際機場附近道路、密云區和懷柔區，整體趨勢為以中心城區為高濃度區域向西南和東北方向擴散，在遠郊區中心附近出現相對較高濃度區域。由圖8可見，NOx、CO、VOCs、PM2.54類污染物排放空間分布整體上集中在北京市中心城區，NOx、CO排放空間分布有明顯的環線特征，五環及六環的環京道路是其排放的重點區域。北京市非中心城區部分污染物排放呈條帶狀分布，結合北京市道路分布，污染物排放濃度較高的區域為重要的進京道路。

圖7 2019年北京市大氣污染物擴散濃度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個重要的交通污染控制點(東四環、南三環、前門、西直門和永定門)作為敏感點進行污染物排放模擬，結果顯示，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。在中心城區貨車及大部分摩托車禁行的區域，NOx主要是由小型客車及中大型客車貢獻。同時，小型客車保有量較大，使其成為機動車CO2排放的主要來源，其貢獻占比達68%，因此制定重點敏感區域超低排放方案將成為未來NOx和碳排放控制的重要對策。

2.4 排放清單不確定性分析

采用定量方法對大氣污染物排放清單不確定性進行分析，主要包括基于統計分析對相關清單模型輸入進行定量不確定性分析和基于蒙特卡羅模擬實現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動車大氣污染物排放清單，涉及的輸入參數有機動車保有量、排放因子和年均行駛里程。

將機動車保有量、排放因子和年均行駛里程設定為正態分布。機動車保有量數據來源于北京市交通管理局，年均行駛里程來自年檢場實際調研數據，上述參數不確定性較小，因此假設其不確定性為10%；基于文獻[32-34]調研，假設CO、VOCs和NOx服從不確定性為17%的對數正態分布，PM2.5服從34%的對數正態分布，在置信區間為95%的條件下，各項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一步降低機動車排放清單的不確定性。

根據《北京統計年鑒(2020)》，北京市機動車汽油年消耗量約為500萬t，機動車柴油年消耗量約為162萬t，通過將北京市機動車汽柴油年消耗量轉換成標準煤質量，將所得到的數值乘以燃油燃燒的CO2排放因子，得到2019年北京市機動車CO2排放量約為 1 683萬t。將北京市機動車年燃料消耗量計算結果與本研究模擬結果進行對比，二者相差約14.6%，其原因可能是模型對機動車行駛工況中擁堵、怠速和冷啟動等階段的CO2排放特征模擬不同于排放因子中燃料正常燃燒過程，導致模型模擬的結果偏大。

3 結論

(1) 核算得到了2019年北京市機動車主要大氣污染物CO、NOx、PM2.5、VOCs和CO2排放量，分別為12.15萬、4.06萬、0.18萬、2.57萬和 1 970 萬t。

(2) 計算得到了不同車型和排放標準等級車輛的污染物排放貢獻和特征。由于小型客車中汽油車占比及市場保有量均較大，其對CO、VOCs、PM2.5的排放貢獻最大，中重型貨車對NOx及PM2.5的貢獻顯著。國五車型對污染物排放的總體貢獻率達到47%～59%，國三及國四車型貢獻率為18%～23%和18%～23%。

(3) 識別了機動車污染排放的影響因素。相較于平均車速(29 km/h),當車速降至10 km/h時，CO、VOCs的排放量增長了48%、68%，當車速提升至50 km/h時，各類污染物排放量減少了9%～28%。在發動機冷啟動過程中對CO、VOCs排放貢獻率達56%和53%；對PM2.5排放貢獻主要在蒸發、零件磨損和道路揚塵等過程，達75%。

(4) 量化模擬了機動車污染對敏感點空氣質量的影響。從全市整體分布情況來看，污染物的高濃度排放區域主要在市區交通網絡密集部分，以及中心城區附近向外輻射主干道上。污染物整體上呈以各區中心為核心的片狀分布。這主要是因為市及區中心是人口密集區域，是小型客車的主要行駛區域。