北京典型道路交通环境机动车黑碳排放与浓度特征研究_严晗1_吴烨1_2_张少君1_
环 境 科 学 学 报 Acta Scientiae Circumstantiae
北京典型道路交通环境机动车黑碳排放与浓度特征研究
严晗1，吴烨1，2，*，张少君1，宋少洁1，3，傅立新1，2，郝吉明1，2
1. 清华大学环境学院，环境模拟与污染控制国家联合重点实验室，北京 100084
2. 国家环境保护大气复合污染来源与控制重点实验室，北京 100084
3. 麻省理工学院地球大气与行星科学系，马塞诸塞州，美国
收稿日期： 录用日期：
摘要：本研究对2009年北京市典型道路（北四环中路西段）进行实际交通流监测和调研，分析了总车流
量、车型构成和平均速度的日变化规律。应用北京机动车排放因子模型（EMBEV模型）和颗粒物黑碳排放的研究数据，计算该路段的黑碳平均排放因子和排放强度。根据同期观测的气象数据，应用AERMOD
模型对道路黑碳排放进行了扩散模拟，并根据城市背景站点和道路边站点的监测数据对模拟结果进行了验
证。研究表明，该路段黑碳平均排放因子与重型柴油车在总车流中所占比例呈现出极强的相关性，由于北
京市实行货车区域限行制度，日间时段总车流的平均黑碳排放因子（9.3±1.2）mg·km-1·veh-1，而夜间时段
上升至（29.5±11.1）mg·km-1·veh-1。全天时均黑碳排放强度为17.9 g·km-1·h-1~115.3g·km-1·h-1，其中早
（7:00-9:00）晚（17:00-19:00）高峰时段的黑碳排放强度分别为（106.1±13.0）g·km-1·h-1和（102.6±6.2）
g·km-1·h-1。基于同期监测数据验证，AERMOD模型的模拟效果较好。模拟时段的道路黑碳排放对道路边
监测点的平均浓度贡献为（2.8±3.5）µg·m-3。由于局地气象条件差异，日间和夜间的机动车排放对道路边
黑碳的模拟浓度存在显著差异。日间时段，小型客车排放对道路边站点的黑碳浓度贡献最高，达（1.07±1.57）
µg·m-3；其次为公交车，达（0.58±0.85）µg·m-3。夜间时段货车比例明显上升，其黑碳排放占主导地位，
贡献浓度（2.44±2.31）µg·m-3。
关键词：黑碳；交通流；机动车；排放因子；AERMOD模型
文章编号： 中图分类号： 文件标识码：
Emission characteristics and concentrations of vehicular black carbon in a
typical freeway traffic environment of Beijing
YAN Han1, WU Ye1,2,*, ZHANG Shaojun1, SONG Shaojie1,3, FU Lixin1,2, HAO Jiming1,2
1. School of Environment, State Key Joint Laboratory of Environment Simulation and Pollution Control,
Tsinghua University, Beijing 100084, China
2. State Environmental Protection Key Laboratory of Source and Control of Air Pollution
Complex, Beijing 100084, China
3. Department of Earth, Atmospheric and Planetary Sciences, Massachusetts Institute of Technology,
Cambridge, Massachusetts, U.S.
Received Accepted
Abstract：Traffic flow data were investigated on a typical freeway (i.e., the North Fourth Ring Road) in Beijing
during 2009, including hourly profiles for total traffic volume, fleet composition by vehicle category and average 基金项目：国家自然科学基金项目（51322804，51378225），新世纪优秀人才支持计划（NCET-13-0332），国家高科技研究发展计划（863计划）（2013AA065303） Supported by the National Natural Science Foundation of China (No. 51322804 and No. 51378285) , Program for New Century Excellent Talents in University (No. NCET-13-0332) and the National High Technology Research and Development Program (863) of China (No. 2013AA065303) 作者简介：严晗（1988—），女，硕士研究生，E-mail：yanhan06@gmail.com；*通讯作者（责任作者），E-mail：ywu@tsinghua.edu.cn Biography：YAN Han（1988—），Female，Master，E-mail：yanhan06@gmail.com；*Corresponding author，E-mail：ywu@tsinghua.edu.cn 网络出版时间：2014-01-13 22:54网络出版地址：http://www.cnki.net/kcms/detail/11.1843.X.20140113.2254.003.html环 境 科 学 学 报 Acta Scientiae Circumstantiae speed. The Emission Factor Model for Beijing Vehicle Fleet (EMBEV) was applied, in combined with previous
studies on vehicle emissions of black carbon (BC), to estimate BC emission factors and emission intensity from
on-road vehicles. In combination with simultaneously measured meteorological data in Beijing, dispersion of road
traffic BC emissions was simulated with the AERMOD model in a roadside environment and further validated
with concurrently observed BC concentration data. Our results show that the hourly average BC emission factor
was very strongly correlated with the proportion of the traffic volume of heavy-duty diesel vehicles (e.g.,
diesel-powered passenger buses and freight trucks). Due to the traffic restrictions on truck use in the urban area of
Beijing during the day time (6 a.m. to 11 p.m.), the average BC emission factor was (9.3±1.2) mg·km-1·veh-1
during the day but rose to (29.5±11.1) mg·km-1·veh-1 during night time. On the other hand, BC hourly emission
intensity ranged from 17.9 g·km-1·h-1 to 115.3 g·km-1·h-1 for this road segment. Two peaks of BC emission
intensity were observed synchronized with traffic volume peaks, (106.1±13.0) g·km-1·h-1 during the morning rush period (7:00-9:00) and (102.6±6.2) g·km-1·h-1 during the evening rush period (17:00-19:00). The AERMOD was
able to provide satisfactory simulated results of BC concentration at the road side due to traffic emissions as
validated by observed concentration data. Road traffic emissions are estimated to contribute (2.8±3.5) µg·m-3 BC
on average at the road side with the AERMOD model. In particular, due to the great differences of local
meteorological conditions, substantial seasonal and diurnal variations are observed from the simulated BC
concentrations. During the day, light-duty passenger cars were the largest contributor (1.07±1.57) µg·m-3 among
all vehicle categories, followed by the public bus fleet (0.58±0.85) µg·m-3. During night time, trucks became the
dominant contributor (2.44±2.31) µg·m-3 to BC concentration at the road site.
Key words: Black carbon; Traffic flow; Vehicle; Emission factor; AERMOD
PEMS用于城市车辆实际道路气体排放测试
PEMS用于城市车辆实际道路气体排放测试
葛蕴珊;王爱娟;王猛;丁焰;谭建伟;朱宇晨
【摘 要】应用车载排放测试系统(PEMS),测试了城市车辆在实际道路上的污染物排放特征.污染物包括:CO、总碳氢化合物(THC)、NOx和PM.实验车包括:国Ⅲ、国Ⅵ柴油公交车、压缩天然气(CNG)公交车以及排量均为1.6 L的国Ⅲ、国Ⅵ的出租车;进行了在冷启动和热启动,空调是否开启状态等下的实验.结果表明:实际道路上的排放明显高于实验室认证工况下的排放,在实际道路上实验车辆的气体污染物排放因子均随车速的增加而降低;与柴油车相比,CNG公交车PH排放比较低,但是其NOx和THC排放可能比较高;空调的开启导致公交车的排放明显恶化.
【期刊名称】《汽车安全与节能学报》
【年(卷),期】2010(001)002
【总页数】5页(P141-145)
【关键词】城市车辆;车载排放测试系统(PEMS);压缩天然气(CNG)公交车;气体排放
【作 者】葛蕴珊;王爱娟;王猛;丁焰;谭建伟;朱宇晨
【作者单位】北京理工大学,汽车动力性与排放测试国家专业实验室,北京,100081;北京理工大学,汽车动力性与排放测试国家专业实验室,北京,100081;北京理工大学,汽车动力性与排放测试国家专业实验室,北京,100081;中国环境科学研究院,北京,100012;北京理工大学,汽车动力性与排放测试国家专业实验室,北京,100081;上海加冷松芝汽车空调股份有限公司,上海,201108
【正文语种】中 文 【中图分类】X734.2
随着机动车保有量的不断增加,机动车污染物问题日益严重。为了降低机动车污染排放,国家颁布了不断严格的排放法规。在排放认证阶段,机动车排放实验根据规定的实验循环,在规定的气象条件下(温度、湿度和大气压力)在实验室中进行。由于机动车的排放受实际行驶工况的影响[1-3]较大,而实验室认证工况与机动车的实际行驶工况间可能存在较大差异,所以实验室实验可能并没有真实反映车辆的实际排放状况。为了得到机动车在实际道路上的排放情况,车载排放测量系统(portable
219457360_青藏高原瓦里关站黑碳气溶胶长期演变特征及来源分析
青藏高原瓦里关站黑碳气溶胶长期演变
特征及来源分析*
刘晨曦1,2 蒋梦姣1 吴 昊3 杨寅山2
LIU Chenxi1,2 JIANG Mengjiao1 WU Hao3 YANG Yinshan2
1. 成都信息工程大学大气科学学院高原大气与环境四川省重点实验室，成都，6102252. 北京师范大学地理科学学部，北京，1008753. 成都信息工程大学电子工程学院/中国气象局大气探测重点实验室，成都，6102251. Plateau Atmospheres and Environment Key Laboratory of Sichuan Province，School of Atmospheric Sciences，Chengdu University ofInformation Technology，Chengdu 610225，China2. Faculty of Geographical Science，Beijing Normal University，Beijing 100875，China3. Key Laboratory of China Meteorological Administration Atmospheric Sounding/School of Electrical Engineering，Chengdu University ofInformation Technology，Chengdu 610225，China2022-06-13收稿，2022-12-16改回.
刘晨曦，蒋梦姣，吴昊，杨寅山. 2023. 青藏高原瓦里关站黑碳气溶胶长期演变特征及来源分析. 气象学报，81（3）：469-477Liu Chenxi， Jiang Mengjiao， Wu Hao， Yang Yinshan. 2023. Long-term evolution and sources of the black carbon at Waliguan stationover the Qinghai-Tibetan Plateau. Acta Meteorologica Sinica， 81（3）:469-477
采暖期北京大气PM2.5中碳组分的分布特征及来源解析
采暖期北京大气PM2.5中碳组分的分布特征及来源解析
索娜卓嘎;谭丽;周芮平;吴丹;于海斌
【摘 要】在冬季采暖期采集北京大气中的PM2.5样品,利用自动称重系统AWS-1和热/光碳分析仪测定样品中PM2.5和OC/EC,研究碳组分的变化特征,并通过OC/EC的值和单颗粒气溶胶质谱仪(SPAMS 0515)分析大气颗粒物中碳气溶胶的可能来源.结果表明:PM2.5污染天气的OC、EC在PM2.5中的占比要比清洁天气时低,其中SOC在PM2.5中的占比由清洁天气时的22.9％减少到了重污染天气的15.4％,这是因为大气中的PM2.5有较强的消光作用,导致气溶胶的氧化能力降低,造成了SOC的生成量减少;通过分析OC/EC值表明,冬季采暖期北京大气碳气溶胶的主要来源为机动车尾气和燃煤,这与SPAMS 0515在线解析的结果一致.采用SPAMS 0515进行在线OC、EC分析,在PM2.5质量浓度≤250 μg/m3时同手工方法有较好的相关性.解析结果表明,燃煤和机动车尾气是北京冬季采暖期的首要污染物来源,占比分别为34.0％和26.4％.
【期刊名称】《中国环境监测》
【年(卷),期】2018(034)004
【总页数】6页(P54-59)
【关键词】PM2.5;有机碳;元素碳;源解析
【作 者】索娜卓嘎;谭丽;周芮平;吴丹;于海斌
【作者单位】西藏自治区环境监测中心站,西藏拉萨850000;中国环境监测总站,国家环境保护环境监测质量控制重点实验室,北京100012;东北师范大学,吉林长春130000;广州禾信分析仪器有限公司,广东广州510530;中国环境监测总站,国家环境保护环境监测质量控制重点实验室,北京100012
【正文语种】中 文
【中图分类】X823
北京地区冬季受采暖燃煤和机动车排放的影响，大气细颗粒物(PM2.5)污染严重且污染成分复杂[1-2]。其中，有机碳(OC)和元素碳(EC)是PM2.5的重要组成部分[3]。OC既包括污染源直接排放的一次有机碳(POC)，也包括气态有机前体物经过大气光化学反应等途径形成的二次有机碳(SOC)；而EC则主要来源于生物质或化石燃料的燃烧过程，在常温条件下一般不发生大气的化学反应，所以常被用作污染源一次排放的示踪物来估算SOC的生成。在中国，颗粒物里二次生成的有机物约占总有机物的30%～95%[4-5]，因此，通过估算SOC表征大气中二次污染的程度，并利用大气中OC和EC浓度的比值来识别碳颗粒物的排放源成为研究颗粒物中碳质气溶胶污染方式和程度的重要手段。
北京城市道路地表径流及相关介质中多环芳烃的源解析
北京城市道路地表径流及相关介质中多环芳烃的源解析
张巍;张树才;万超;岳大攀;叶友斌;胡俊栋;王开颜;高艳;王学军
【期刊名称】《环境科学》
【年(卷),期】2008(29)6
【摘 要】将道路地表径流及降雨、路面积尘和行道树树冠穿透水作为整体系统,对其中多环芳烃（PAHs）的来源进行分析.选择北京市3种主要类型城市道路（主干路机动车道、主干路自行车道、支路）,于2006年雨季对上述4类介质进行采样分析.结果显示,5-6月各介质中PAHs的平均浓度明显高于7-8月.应用因子分析和多元回归方法解析各介质中PAHs的来源.因子分析结果表明,径流中的PAHs更多体现路面积尘的来源特征,但在自行车道和支路,雨水和树冠水的影响也分别得到体现.多元回归结果表明,路面积尘和地表径流中PAHs的来源,在支路和主干路机动车道以机动车排放源为主,在自行车道,机动车源和燃煤源的贡献相近.雨水中的PAHs以燃煤/燃油源为主,行道树树冠水中机动车源的贡献较大.
【总页数】6页(P1478-1483)
【关键词】多环芳烃;道路地表径流;路面积尘;树冠穿透水;降雨;源解析
【作 者】张巍;张树才;万超;岳大攀;叶友斌;胡俊栋;王开颜;高艳;王学军
【作者单位】北京大学环境学院地表过程分析与模拟教育部重点实验室
【正文语种】中 文
【中图分类】X143
【相关文献】 1.九龙江龙岩段地表水中多环芳烃分布与污染源解析 [J], 章汝平;陈克华;何立芳
2.北京地区表土中多环芳烃的源解析 [J], 沈亚婷;王开颜;张树才;叶友斌;沈琼;胡俊栋;王学军
3.北京东南郊大气TSP中多环芳烃的源解析 [J], 张树才;张巍;王开颜;沈亚婷;胡连伍;万超;岳大攀;王学军
4.北京市西北郊大气气溶胶中多环芳烃的源解析 [J], 于国光;王铁冠;朱先磊;吴大鹏
5.生物滞留系统去除城市地表径流中多环芳烃的研究进展 [J], 王东琦;单稼琪;李怀恩;李家科;林奕杉
北京城区大气多环芳烃的沉降特征
第２３卷２期 ２０１０年４月 城市环境与城市生态 ＵＲＢＡＮ ＥＮＶＩＲＯＮＭＥＮＴ＆ＵＲＢＡＮ ＥＣＯＬＯＧＹ Ｖｏ１．２３ Ｎｏ．２ Ａｐｒ．２０１０ ２３
北京城区大气多环芳烃的沉降特征
叶友斌，张 巍，胡 丹，欧浪波，王学军
（北京大学城市与环境学院地表过程分析与模拟教育部重点实验室，北京１００８７１）
摘要：从２００６年６月至２００７年６月期间采集了北京市区的降尘和大气ＴＳＰ，分析了其中的ＰＡＨｓ和降尘的粒度。
降尘颗粒大部分在１００ ｍ以下，体积平均径和中位径Ｄ５０的范围分别为１８．８９—５３．１１７ ｍ和１１．５９—２８．９８ ｍ。全
年降尘平均沉降通量为０．４５１ ９ ｔ／（ｋｍ ・ｄ），冬季高，夏秋季低；∑１６ＰＡＨｓ的沉降通量平均为４．７６ ｇ／（ｋｍ ・ｄ），冬季高，
夏季低，与同期的大气ＳＯ 的ＡＰＩ指数显著相关。ＴＳＰ中的∑１６ＰＡＨｓ与降尘中的∑１６ＰＡＨｓ具有显著的相关关系，成
分谱一致。ＰＡＨｓ的沉降速率变化范围为０．００４～５．４６ ｃｍ／ｓ，夏季高、冬季低。交通沿线∑１６ＰＡＨｓ的沉降通量远远高
于非交通线的沉降通量。
关键词：多环芳烃；降尘；沉降通量；沉降速率；交通 中图分类号：ＸＳ１１ 文献标识码：Ａ 文章编号：（Ｋ）１００８８（原１００２—１２６４）（２０１０）０２－００２３－０４
Ｄｅｐｏｓｉｔｉｏｎ ｏｆ Ａｔｍｏｓｐｈｅｒｉｃ ＰＡＨｓ ｉｎ Ｕｒｂａｎ Ａｒｅａ ｏｆ Ｂｅｉｊｉｎｇ
ＹＥ Ｙｏｕ．ｂｉｎ。ＺＨＡＮＧ Ｗｅｉ，ＨＵ Ｄａｎ．ＯＵ Ｌａｎｇ．ｂｏ，ＷＡＮＧ Ｘｕｅ－ｊｕｎ
（ＭＯＥ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｅａｒｔｈ Ｓｕｒｆａｃｅ Ｐｒｏｃｅｓｓｅｓ，Ｃｏｌｌｅｇｅ ｏｆ Ｕｒｂａｎ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ，
Ｐｅｋｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １００８７１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｄｕｓｔｆａｌｌ ａｎｄ ＴＳＰ ｓａｍｐｌｅｓ ｗｅｒｅ ｃｏｌｌｅｃｔｅｄ ｆｒｏｍ Ｊｕｎｅ，２００６ ｔｏ Ｊｕｎｅ，２００７．Ｓｉｘｔｅｅｎ ＵＳＥＰＡ ｐｒｉｏｒｉｔｙ ＰＡＨｓ ｉｎ
基于比功率参数的北京市柴油公交车行驶和排放特征研究
２０１０年（第３２卷）第２期 汽车工程 Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１０（Ｖｏ１．３２）Ｎｏ．２
基于比功率参数的北京市柴油公交车
行驶和排放特征研究水
郝艳召 ，于 雷 ，宋国华 ，胥耀方 ，王宏图
（１．北京交通大学交通运输学院，北京１０００４４；２．德克萨斯南方大学，美国休斯敦７７００４） ２０１００２２
［摘要】 利用车载尾气检测设备和ＧＰＳ系统收集了北京市重型柴油公交车实际行驶和排放数据，引入汽车比
功率（ＶＳＰ）参数，建立柴油公交车排放预测方法，并对柴油公交车的实际运行和排放特征进行了分析。行驶特征分
析表明，公交车在北京市五环内的平均速度为ｌ７．１７ｋｍ／ｈ，其８０％以上行驶处于ＶＳＰ区间［一１，３］ｋＷ／ｔ；排放特征
分析表明，柴油公交车瞬时高排放集中在ＶＳＰ＞￣１０ｋＷ／ｔ区间，表明高加速或快速行驶是引起瞬时高排放的主要原因。
关键词：柴油公交车；行驶特征；排放特征；汽车比功率
Ａ Ｓｔｕｄｙ ｏｎ Ｄｒｉｖｉｎｇ ａｎｄ Ｅｍｉｓｓｉｏｎ Ｆｅａｔｕｒｅｓ ｏｆ Ｄｉｅｓｅｌ Ｂｕｓｅｓ
ｉｎ Ｂｅｉｊｉｎｇ Ｂａｓｅｄ ｏｎ ＶＳＰ Ｐａｒａｍｅｔｅｒ
Ｈａｏ Ｙａｎｚｈａｏ ，Ｙｕ Ｌｅｉ ，Ｓｏｎｇ Ｇｕｏｈｕａ ，Ｘｕ Ｙａｏｆａｎｇ ＆Ｗａｎｇ Ｈｏｎｇｔｕ
１．Ｓｃｈｏｏｌ ｏｆＴｒａｆｆｗ ａｎｄ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ，Ｂｅｉｊｉｎｇ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００４４；２．Ｔｅｘａｓ Ｓｏｕｔｈｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｈｏｕｓｔｏｎ ７７００４，ＵＳＡ
‘［Ａｂｓｔｒａｃｔ］ Ｒｅａｌ・ｒｏａｄ ｄｒｉｖｉｎｇ ａｎｄ ｅｍｉｓｓｉｏｎ ｄａｔａ ｏｆ ｈｅａｖｙ—ｄｕｔｙ ｄｉｅｓｅｌ ｔｒａｎｓｉｔ ｂｕｓｅｓ ｉｎ Ｂｅｉｊｉｎｇ ａｒｅ ｃｏｌｌｅｃｔｅｄ ｂｙ
ｕｓｉｎｇ ｐｏｒｔａｂｌｅ ｅｍｉｓｓｉｏｎ ｍｅａｓｕｒｅｍｅｎｔ ｓｙｓｔｅｍ（ＰＥＭＳ）ａｎｄ ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ ｓｙｓｔｅｍ（ＧＰＳ）．Ｂｙ ｉｎｔｒｏｄｕｃｉｎｇ ｖｅｈｉｃｌｅ
道路机动车温室气体排放评估与情景分析：以北京市为例
第38卷 第11期2020年11月环 境 工 程EnvironmentalEngineeringVol.38 No.11Nov. 2020
道路机动车温室气体排放评估与情景分析:
以北京市为例
吕 晨∗ 李艳霞 杨 楠 刘 浩 刘中良
(北京工业大学环境与能源工程学院,北京100124)
摘要:基于LEAP模型(long-rangeenergyalternativesplanningsystem)评估北京市历史阶段(2000—2018年)道路机动车
温室气体排放量的变化规律,并设置5种情景预测未来阶段(2019—2030年)机动车保有量、能源需求、温室气体排放量的发展趋势,探究达峰年份,寻求最优发展路径。结果显示:未来北京市机动车保有量仍将持续增长,但平均年增长率降低至1.63%。机动车温室气体排放总量已于2013年达峰,峰值为21758563tCO2e,对应能源消耗量为306383TJ,
未来所有情景下机动车温室气体排放量均呈不同程度下降。单一措施中提高机动车燃料经济性的减排效果最佳,综合3种减排措施的ODS情景(最优发展情景)是最优发展路径。关键词:道路机动车;温室气体排放;情景分析;达峰年份DOI:10.13205/j.hjgc.202011005
ASSESSMENTANDSCENARIOANALYSISOFON-ROADVEHICLEGREENHOUSEGASES
EMISSION:ACASESTUDYOFBEIJING
LVChen∗,LIYan-xia,YANGNan,LIUHao,LIUZhong-liang(CollegeofEnvironmentalandEnergyEngineering,BeijingUniversityofTechnology,Beijing100124,China)
Abstract:BasedontheLEAPmodel(long-rangeenergyalternativesplanningsystem),thisstudyevaluatedthevariationlawofon-roadvehiclegreenhousegases(GHGs)emissionsinthehistoricalstageofBeijing(2000—2018),anddevelopedfivedifferentscenariostopredictthedevelopmenttrendofvehiclestock,energydemandandGHGsemissionsinthefuture(2019—2030).Inaddition,weexploredthepeakingyearofvehicleGHGemissionsofBeijing,aswellastheoptimaldevelopmentpath.Theresultsshowedthatthevehiclestockwouldcontinuetoincreaseinthefuture,buttheaverageannualgrowthratewouldreduceto1.63%.TotalvehicleGHGsemissionspeakedin2013at21758563tCO2e,correspondingtotheenergyconsumptionof306383TJ.Inallfuturescenarios,vehicleGHGsemissionswoulddecline.Improvingthefuelefficiencyofmotorvehicleswasthebestwaytoreduceemissionwhenimplementingsingleemissionreductionmeasures.AndODS(optimaldevelopmentscenario)thatintegratedthethreeemissionreductionmeasureswastheoptimaldevelopmentpath.Keywords:on-roadvehicle;greenhousegasesemissions;scenarioanalysis;peakingyear
2018~2020年北京市交通监测站点大气污染特征分析
中国环境科学 2021,41(12)：5548~5560 China Environmental Science
2018~2020年北京市交通监测站点大气污染特征分析
楚芳婕1,孙 爽2,李令军2*,赵文吉1** (1.首都师范大学资源环境与旅游学院,北京 100048；2.北京市生态环境监测中心,北京 100048)
摘要：基于北京市34个空气质量监测站点收集的5种主要污染物浓度(NO2、CO、O3、PM2.5、PM10)数据,对2018~2020年北京市5个交通站点污染物浓度进行分析,并与11个城市评价站点及2个背景点(密云水库、定陵)进行对比.结果表明:(1)3a间各污染物浓度年际变化总体呈下降趋势,除PM10外,交通站点各污染物浓度降幅均大于城市评价站点.2020年交通站点NO2降幅最大,比2018年下降了31.37%.除个别时期外,5种污染物浓度在交通站点比城市评价站点普遍高出3%~50%.且以NO2最为突出.(2)2018~2020年各监测站点不同污染物浓度的季节变化特征表现不同.O3夏季高、冬季低,最高值出现在2018年6月;其余4种污染物浓度基本表现为冬季高、夏季低;2018年3月受沙尘及不利气象条件影响,污染物浓度出现了极高值.(3)为研究新冠肺炎疫情对交通污染排放的影响,比较了5种污染物的浓度变化.与2019年同期相比,疫情后三个阶段的NO2下降最为显著.交通站点NO2 、CO、PM2.5平均降幅比城市评价站点高出了4.81%、10.21%、4.38%. 关键词：交通污染；NO2；周末效应；COVID-19 中图分类号：X51 文献标识码：A 文章编号：1000-6923(2021)12-5548-13
Characteristics of the atmospheric pollutants at traffic monitoring sites in Beijing during 2018~2020. CHU Fang-jie1, SUN Shuang2, LI Ling-jun2*, ZHAO Wen-ji1** (1.School of Resources, Environment & Tourism, Capital Normal University, Beijing 100048, China；2.Beijing Municipal Ecological and Environmental Monitoring Center, Beijing 100048, China). China Environmental Science, 2021,41(12)：5548~5560 Abstract：To explore the impacts on both air pollution and to monitor traffic pollution in Beijing, 18 air quality monitoring stations were selected from the 34 existing stations, including 5 traffic stations, 11 urban stations evaluated and 2 background stations (Miyun and Dingling). We compared the concentrations with the 5 major pollutants, NO2, CO, O3, PM2.5 and PM10, at the selected stations during 2018~2020, we found that these five pollutants decreased during these three years, and the decreases were generally 3%~50% higher in the traffic stations evaluated than in the urban stations evaluated. The decreases of NO2, CO, O3, and PM2.5 were more important at the traffic stations evaluated than at the urban stations evaluated. The seasonal variation at each monitoring station was also different. O3 was higher in summer and lower in winter, and the highest value in June 2018. The comparison to the concentrations of the other four pollutants NO2, CO, PM2.5 and PM10 were also higher in winter and lower in summer. In March 2018, the concentration of pollutants was extremely higher due to dust and adverse meteorological conditions. To investigate the influence of COVID-19, the concentrations for these five pollutants were compared in 2019 and 2020. The results showed that NO2 decreased most in comparison to the same period in 2019. At traffic stations evaluated, the average decreases among NO2, CO and PM2.5 were 4.81%, 10.21% and 4.38% respectively higher than those at the urban stations evaluated. Key words：traffic pollution；NO2；weekend effect；COVID-19 近年来,交通源对城市大气污染的贡献逐年升
北京典型道路交通环境机动车黑碳排放与浓度特征研究_严晗1_吴烨1_2_张少君1_
环 境 科 学 学 报 Acta Scientiae Circumstantiae
北京典型道路交通环境机动车黑碳排放与浓度特征研究
严晗1，吴烨1，2，*，张少君1，宋少洁1，3，傅立新1，2，郝吉明1，2
1. 清华大学环境学院，环境模拟与污染控制国家联合重点实验室，北京 100084
2. 国家环境保护大气复合污染来源与控制重点实验室，北京 100084
3. 麻省理工学院地球大气与行星科学系，马塞诸塞州，美国
收稿日期： 录用日期：
摘要：本研究对2009年北京市典型道路（北四环中路西段）进行实际交通流监测和调研，分析了总车流
量、车型构成和平均速度的日变化规律。应用北京机动车排放因子模型（EMBEV模型）和颗粒物黑碳排放的研究数据，计算该路段的黑碳平均排放因子和排放强度。根据同期观测的气象数据，应用AERMOD
模型对道路黑碳排放进行了扩散模拟，并根据城市背景站点和道路边站点的监测数据对模拟结果进行了验
证。研究表明，该路段黑碳平均排放因子与重型柴油车在总车流中所占比例呈现出极强的相关性，由于北
京市实行货车区域限行制度，日间时段总车流的平均黑碳排放因子（9.3±1.2）mg·km-1·veh-1，而夜间时段
上升至（29.5±11.1）mg·km-1·veh-1。全天时均黑碳排放强度为17.9 g·km-1·h-1~115.3g·km-1·h-1，其中早
（7:00-9:00）晚（17:00-19:00）高峰时段的黑碳排放强度分别为（106.1±13.0）g·km-1·h-1和（102.6±6.2）
g·km-1·h-1。基于同期监测数据验证，AERMOD模型的模拟效果较好。模拟时段的道路黑碳排放对道路边
监测点的平均浓度贡献为（2.8±3.5）µg·m-3。由于局地气象条件差异，日间和夜间的机动车排放对道路边
黑碳的模拟浓度存在显著差异。日间时段，小型客车排放对道路边站点的黑碳浓度贡献最高，达（1.07±1.57）
北京市轻型在用车实际道路排放特征分析
第３５卷 第２期 ２０１１年４月 武汉理工大学学报（交通科学与工程版） Ｊｏｕｒｎａｌ ｏｆ Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ （Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ） Ｖ０ｌ－３５ Ｎｏ．２ Ａｐｒ．２０１１
北京市轻型在用车实际道路排放特征分析＊
李孟良¨ 冯玉桥。 秦孔建＂ 冯于久¨ 张建伟¨ 高继东¨
（中同汽车技术研究中心” 天津３００１６２） （北京市机动车尾气管理中心 北京 １００００３）
摘要：在北京市区典型道路上，使用车载排放测试设备，对四类不同排放标准的轻型在用车排放 （包括ＨＣ、ＣＯ和ＮＯ ）进行了测试研究．结果表明：在用车冷启动过程的排放恶劣，与热启动相 比，ＣＯ高１～３．５倍，ＨＣ高３～５倍；与未实施排放标准的车辆相比，国３标准车辆的ｃ０实际排 放降低了７８ ，ＨＣ降低了８５ ，ＮＯ 降低了８１ ；车辆行驶里程每增加１万ｋｍ，ＣＯ，ＨＣ和 ＮＯ 排放因子分别升高约０．４３ ｇ／ｋｉｎ，０．０３６ ｇ／ｋｍ和０．０６ ｇ／ｋｍ． 关键词：在用车；排放；车载测试；冷起动；实际排放因子 中图法分类号：Ｕ４ ＤＯＩ：１０．３９６３／ｊ．ｉｓｓｎ．１００６—２８２３．２０１１．０２．００５
０ 引 言
随着新车排放法规和控制措施的不断完善，
大量研究开始关注在用车排放问题．实际道路形
式条件下车辆排放测量是进行在用车排放研究和
评估的主要手段．这些研究活动大多使用了车载
排放测试系统 ，也有一部分研究活动则使用了 排放遥感测量设备 ］．这些研究方法不同与试验
室测试，更强调实际使用条件和使用环境因素对
机动车排放因子的影响，直接反映车辆实际使用
过程中的真实排放状况．多数研究结果表明：城市
在用车实际排放水平普遍高于其相应新车型排放
认证的限值；交通状况对机动车排放的影响显著．
北京是我国机动车保有量最大的城市，面临 突出的在用车排放污染问题．清华大学的研究人