基于情景分析的长三角城市群机动车污染排放控制研究

宋晓伟 ，郝永佩，朱晓东

1. 山西财经大学资源环境学院，山西 太原 030006；2. 南京大学环境学院/污染控制与资源化研究国家重点实验室，江苏 南京 210046； 3. 南京大学地理与海洋科学学院，江苏 南京 210046

近年来雾霾天气频发，中国很多地区（如京津冀、长三角和汾渭平原地区）正面临着严峻的大气污染问题，对人类身体健康和社会经济发展造成一定影响（Kan et al.，2012；Zhang et al.，2017；Lv et al.，2019）。另外，随着中国社会经济的快速发展、人民生活质量的提高以及城市化进程的加快，人们对于交通出行的需求也在不断增加。根据中国统计年鉴（2000；2016），中国民用汽车保有量从1999年的1 452.94 万辆增加到2015 年的16 284.45 万辆，17 年间增加了11 倍多（图1）。机动车保有量的激增导致大量污染物的排放，2015 年全国机动车污染物排放量达4 532.2 万吨，其中氮氧化物584.9 万吨，颗粒物56 万吨，碳氢化合物430.2 万吨，一氧化碳3 461.1 万吨（中华人民共和国环境保护部，2016）。相关研究显示，机动车排放已成为我中国许多高密度人口城市大气污染物NOx的主要来源（Sun et al.，2019），特别是在中国东部人口密集区以及北京、上海等特大型城市，机动车污染物对细颗粒物浓度的贡献率达到30%左右，在极端不利条件下，甚至达到50%以上（中华人民共和国环境保护部，2016）。因此，在中国机动车保有量和交通压力持续上升的严峻背景下，科学评估机动车污染物排放综合控制策略，是改善空气质量的当务之急。

图1 1999-2015 年中国民用汽车保有量 Fig. 1 The vehicle population from 1999 to 2015 in China

机动车污染排放及控制对策研究，其目标在于揭示机动车污染物排放特征及时空分布规律，并根据污染现状和环境管理的需求设立相应的排放控制对策。为应对机动车污染减排，各国陆续采取包括污染物排放标准、油品质量控制、在用车控制及经济措施等多种排放控制措施。对机动车污染减排已展开一些研究，如车汶蔚（2010）在建立珠三角机动车污染物排放清单的基础上，评估了该地区实施“淘汰黄标车”和“实行新的排放标准”等5 种控制措施减排效果，实行新的排放标准情景的减排效果显著，削减量达到总污染物排放量的50%，摩托车禁行情景可削减15.6%的VOC 排放量，其他3种减排情景对各种污染物排放削减率在4%—12%之间。Zhang et al.（2013）在构建2005—2009 年广州市机动车污染物排放清单的基础上，基于情景分析法对该时期广州市政府采取的排放控制措施效果进行评价。吉木色等（2013）以北京市为例，评估2011—2020 年各项措施对机动车污染物（CO、NOx、HC 和PM10）减排效果，其中淘汰高排放机动车情景对污染物CO、NOx、HC 和PM10短期削减效果显著，但中、长期效果较差，综合情景减排效果令人满意，2020 年削减率分别达到29.45%、42.54%、28.04%和41.3%。Guo et al.（2016）以京津冀地区为例，利用情景分析法评估2011—2020年各项措施对机动车污染物CO、NOx、HC 和PM10减排效果，其中淘汰高排放车辆情景短期取得的效果明显优于长期，特别是北京市最为明显。Menezes et al.（2017）对巴塞罗那市采用不同的交通污染物减排策略实施效果进行评估，发现使用替代能源与大力发展公共交通减排效果明显。王荆玲（2018）在收集不同参数基础上估算了长三角地区2015 年机动车污染物排放清单，并对其排放特正展开全面分析，以收集的相关污染控制政策为依据，对2015年提前实施黄标车和老旧车淘汰、提前升级燃油品质和提前实施机动车排放标准等措施下污染物CO、NOx、HC 和PM 减排效果展开评估，黄标车和老旧车淘汰政策污染物减排效果最为明显，各减排措施下上海市污染物减排效果明显优于其他3 个省，说明未来需要进一步缩短不同省市各减排措施实施时间差，实现真正的区域协同治理。综上所述，已有研究多采用定性或定量的方法对机动车污染物减排效果评估展开研究。近年来，国家颁布众多措施促进机动车污染减排，有必要对新颁布的减排措施展开研究，并综合分析不同减排情景下的机动车污染物减排效果。另外，已有研究对各减排措施中新能源车推广情景缺乏从生命周期的角度展开分析，其减排效果的评估是不够全面的。

长三角城市群作为中国经济发展最快的地区之一，是中国经济最具活力、开放程度最高、创新能力最强的地区，包括上海，江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城26 市。随着长三角城市群经济高速发展，机动车保有量迅猛增长，机动车污染问题表现异常明显（Huang et al.，2011；Fu et al.，2013）。为应对急剧增长的机动车保有量和排放污染问题，近年来该地区颁布了一系列法律法规和控制措施，2015 年4 月长三角地区制定《长三角区域协同推进高污染车辆环保治理的行动计划》，要求于2017 年底，全面淘汰黄标车，并加快国Ⅰ、国Ⅱ等老旧车辆的淘汰，凭借长三角地区大气污染防治协作平台和专项工作机制，扩大长三角地区高污染车辆限行范围，严格检测机动车排放，强化黄标车和老旧车数据共享，并实现异地协同监管执法；上海市2018 年7 月印发《上海市清洁空气行动计划(2018—2022)》、江苏省2018 年9 月印发《江苏省打赢蓝天保卫战三年行动计划实施方案》、浙江省2018 年10 月印发《浙江省打赢蓝天保卫战三年行动计划》、安徽省2018 年9 月印发《安徽省打赢蓝天保卫战三年行动计划实施方案》中均明确提出防治机动车污染的具体措施，包括加强机动车管理、大力发展公共交通、优化交通结构、实施更严格的新车排放标准和燃油品质、大力推广新能源汽车、实施道路畅通工程以及加快淘汰黄标车和老旧车辆等。据此本研究构建1999—2015 年长三角城市群机动车污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放清单，为区域污染物排放清单的完整性和空气质量模式模拟的准确性提供数据支撑；在建立机动车污染物排放清单的基础上，设定8 种污染物减排情景，评估其减排效果，并采用生命周期的评价方法对其中新能源车推广情景进行科学评估，旨在为区域机动车污染治理提供科学决策依据，对辅助决策者快速筛选出最优的控制方案具有一定的科学参考价值和现实性。

1 研究方法

1.1 排放清单建立

机动车污染物排放清单基于机动车保有量、排放因子和年均行驶里程数据通过式（1）计算求得：

其中，m 为长三角城市群26 个城市；n 为污染物（CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2）；i 为机动车类型（轻型客车-PC、轻型货车-LDV、重型客车-BUS、重型货车-HDT 和摩托车-MC）；j 为1999—2015 年机动车实施的排放标准；Qm,n为m 区域n 类污染物的排放量，t·a-1；Pm,i,j为m区域内i 种车型在j 种排放标准下保有量，辆；VKTm,i为m 区域i 种车型年平均行驶里程，km·a-1；EFi,j,n为i 种车型在j 种排放标准下n 类污染物的排放因子，g·(km·辆)-1。

1.1.1 机动车保有量

本研究所需要的1999—2015 年长三角城市群各城市各类型机动车保有量数据来自相应的统计年鉴（上海市统计年鉴，2000—2016；江苏省统计年鉴，2000—2016；浙江省统计年鉴，2000—2016；安徽省统计年鉴，2000—2016；中国汽车工业年鉴，2000—2016）。本研究假定一旦新的排放标准实施，当年生产的机动车必须严格符合新的排放标准（Wang et al.，2008；Huo et al.，2011；Sun et al.，2016）。

本研究参照已有文献的方法（Cai et al.，2007；Sun et al.，2016），根据各个城市每年的新车注册量、机动车存活率以及各类机动车实施不同排放标准的时间计算各年份各类车型在不同排放标准下的保有量，具体计算方法如式（2）所示：

其中，Nm,i,j代表区域m 车型为i 在排放标准j下的机动车新注册量（S0—S5 代表排放标准国0—国Ⅴ）；Pm,i,total代表在区域m 内车型i 的全部的机动车保有量；k 代表新车注册年份；y 代表所研究年份；n 代表排放标准j 执行时长；r 代表机动车存活率（Sun et al.，2016）。

本研究采用分类预测法对长三角城市群各城市2016—2025 年机动车保有量进行预测。研究表明轻型客车保有量的变化符合Gompertz 模型曲线，机动车保有率随着人均收入的增加呈现S 型曲线增长（Dargay et al.，1997，1999）。本研究轻型客车采用Gompertz 模型进行预测，重型客车、轻型货车、重型货车和摩托车分别应用回归曲线拟合方法进行预测。首先构建Gompertz 曲线方程表达式：

其中，V(x)为轻型客车保有率，辆·千人-1；x为人均可支配收入，yuan·person-1；γ 为轻型客车保有率的饱和水平，其取值参考相关文献（吉木色等，2013；Guo et al.，2016），本研究选取0.6；α、β 为模型待估参数，其估算方法为利用1999—2015 年的轻型客车保有率（轻型客车保有量除以人口数据）与当年的人均可支配收入进行数据拟合得到。根据1999—2015 年人均可支配收入预测未来年份（2016—2025 年）26 个城市的人均可支配收入均值，运用式（3）可预测得到未来10 年各个城市的轻型客车保有率。通过GM (1, 1)灰色模型法，预测未来10 年各个城市的人口数量，进而计算得到2016—2025 年各个城市的轻型客车保有量，将所得数据与回归曲线拟合得到的相应年份的重型客车、轻型货车、重型货车和摩托车预测值，从而得到长三角城市群2016—2025 年的机动车保有量预测值（图2）。采用同样的方法预测出各个城市2016—2025 年的新车注册量，并根据机动车存活率计算出未来各年份各车型的年龄分布情况，并同样假定车辆按照注册年份实施对应的排放标准，依此来确定长三角城市群各个城市未来2016—2025 年实施各排放标准的机动车数量。

图2 2016-2025 年长三角城市群机动车保有量预测图 Fig. 2 The prediction chart of vehicle population of the Yangtze River Delta from 2016-2025

1.1.2 年均行驶里程

中国机动车年均行驶里程数据并没有官方公布的统计数据，本研究1999—2015 年年均行驶里程数据根据已有研究结果（He et al.，2005；Cai et al.，2007；胡迪峰，2008；林秀丽等，2009；邓君俊，2011；Lang et al.，2014），并参考对中国不同区域与发展规模城市研究中的年均行驶里程数据（王岐东等，2007；Huo et al.，2012；姚志良等，2012），对缺失数据的城市选取相近经济发展水平、机动车保有量等的城市进行合理假设（Huang et al.，2011），而对于中间年份缺失的数据采用线性插值法获得（Lang et al.，2012）。

本研究对2016—2025 年长三角城市群各城市不同类型机动车年均行驶里程数据的预测，根据已有研究可知轻型客车年均行驶里程数据与其保有率呈现显著相关（Huo et al.，2012），而重型客车、轻型客车和重型货车年均行驶里程数据与商业活动有较大关系。根据1999—2015 年长三角城市群各城市机动车年均行驶里程数据，建立年均行驶里程与轻型客车保有率的相关关系（指数相关性），并结合前文运用Gompertz 曲线预测得到的2016—2025 年轻型客车保有率，从而获得2016—2025 年轻型客车年均行驶里程数据；采用弹性系数法建立重型客车、轻型货车和重型货车的年均行驶里程年均增长率与GDP 年均增长率的弹性系数，并结合中国社会科学院等对中国未来GDP 潜在增长率的相关预测，合理预测2016—2025 年各城市的GDP增长率，从而获得三类机动车2016—2025 年的年均行驶里程数据。摩托车由于各城市“限摩”措施的相继颁布实施，预测未来几年摩托车年均行驶里程呈下降趋势。单车年均行驶里程结果如表1 所示。

1.1.3 排放因子

本研究采用COPERT Ⅳ（v11.2）模型估算1999—2015 年长三角城市群各城市各类型机动车污染物排放因子。COPERT Ⅳ模型需要输入的参数主要包括车辆类型、平均行驶速度和气象数据等，各类型机动车平均行驶速度数据来源于相关文献研究结果（谢绍东等，2006；Cai et al.，2007；Wang et al.，2009，2010；邓君俊，2011；Lang et al.，2012；田军，2013）；燃料参数来自国家和地方车用燃油标准；相对湿度和月最高低气温来自中国气象科学数据共享服务网。

对各城市不同类型机动车污染物排放因子的预测，在对模型所需的各个参数的预测基础上，采用COPERT Ⅳ模型对排放因子进行估算（王聪，2015）。对汽油、柴油的消耗量采用线性回归拟合方法进行预测；对短时间以月为单位的温度和湿度的预测暂时没有理想的预测方法，本文假定未来10年各月份最高温度为1999—2015 年相应月份最高温度的均值，最低温度为相应月份的最低温度的均值，湿度为相应月份的均值。结合上述预测并参考已有研究（蔡皓等，2010；车汶蔚，2010；张少君，2014；），通过相关资料调研和修正，估算得到了2016-2025 年机动车污染物排放因子。

1.2 情景分析

1.2.1 基准情景（Business as usual，BAU）

基准情景指维持现有污染物排放标准与控制措施，不再实施其他额外减排措施并保持机动车自然淘汰的情景，据此可以评估其他兼顾额外减排措施情景的实施效果。

1.2.2 提高排放标准情景（High standard replacement，HSR）

根据中国环境保护部门在机动车污染物排放控制标准方面的实施力度和长三角城市群今后可能实施更加严格的机动车污染物排放标准计划设定提高排放标准情景（表2），并且假设其他控制措施不变，与基准情景保持一致。

表1 机动车年均行驶里程预测值 Table 1 The predicted value of the vehicle kilometers traveled km·a-1

表2 机动车污染物排放标准实施时间 Table 2 Implementation timetable of vehicular emission standards

1.2.3 提升燃油品质情景（Raising fuel standards，RFS）

新的油品质量标准的颁布实施可为机动车污染减排带来立竿见影的效益，车用油品中硫含量对机动车污染减排至关重要。基于长三角城市群各城市相关部门对车用油品标准实施时间的计划预测油品中硫含量，上海、江苏和浙江各城市汽油车和柴油车分别于2015 年实施国Ⅴ标准，2018 年实施国Ⅵ标准；安徽省各城市汽油车和柴油车分别于2017 年实施国Ⅴ标准，2019 年实施国Ⅵ标准。各类型机动车保有量、年均行驶里程数据与基准情景保持一致，通过输入新的燃油标准参数计算获得排放因子。

1.2.4 淘汰高排放车情景（Eliminate substandard vehicles，ESV）

对黄标车和高污染车辆的淘汰是减少机动车污染物排放的有效措施，因此针对长三角城市群未来淘汰高排放车辆设定相应情景（表3）。各类型机动车年均行驶里程数据与基准情景保持一致，通过淘汰机动车车队中低排放标准的车辆从而计算得出新的机动车污染物平均排放因子，同时为了保证机动车保有量不变，每年淘汰机动车数量用当年最新的排放标准机动车替代。

1.2.5 大力发展公共交通情景（Public transport priority，PTP）

大力发展公共交通能够有效提升居民使用公共交通出行的比例，减少轻型客车和摩托车的使用次数，从而减少轻型客车和摩托车的年均行驶里程。根据已有研究得出轻型客车年均行驶里程随着公共交通出行比例的提高以每年1%以上的比例下降，由于“限摩”令的实施，假设摩托车年均行驶里程以每年2%以上的比例下降，本研究按照此方法，长三角城市群对公共交通发展加大建设和补贴力度，到2025 年轻型客车和摩托车的年均行驶里程相对于基准情景分别减少10%和20%。

1.2.6 推广新能源车情景（Alternative energy replacement，AER）

推广新能源车是减少机动车能源消耗、污染物排放的有效手段。中国电力很大比例来源于煤炭发电，对于电动车的推广如果考虑上游阶段污染物排放，其污染物减排效益势必会大打折扣，引入生命周期评价方法对电动车开展研究十分必要，本研究分别设定保守新能源车推广情景（conservative alternative energy replacement，CAER）和激进新能源车推广情景（ radical alternative energy replacement，RAER），评估电动车、混合动力车和天然气汽车污染物减排效果。对于保守新能源车推广情景：假设到2025 年90%公交车都使用替代燃料与先进动力车辆技术，其中60%公交车使用电力驱动，30%公交车使用混合动力，10%公交车使用天然气。到2025 年30%的轻型客车燃油使用电动车替换情景，20%的轻型客车燃油使用混合动力车替换情景。激进新能源车推广情景，情景设置与保守新能源车推广情景一致，其中电动车上游电力为清洁能源提供。

本研究参考已有的研究（蔡皓等，2010；张少君，2014；车汶蔚，2010；宋国华等2007；刘宏等，2007；周昱等，2010）获取混合动力车和天然气车污染物排放因子，混合动力车和天然气车年均行驶里程数据与基准情景相同，根据以上参数估算长三角城市群各城市混合动力车和天然车污染物排放量。

本研究基于美国阿贡国家实验室开发的GREET 模型和已有的研究对电动车进行生命周期分析（李书华，2014；于明霞，2014；王人洁，2015）。

表3 高排放车辆淘汰时间表 Table 3 Elimination deadline of higher emission vehicles

（1）能源消耗量估算

中国最主要的发电方式为燃煤发电，本研究燃料生命周期研究重点关注燃煤发电过程中污染物排放。中国电力行业近年来发展迅速，总发电量逐年递增，相关文献资料显示中国电力行业2025 年发电总量为8.47 万亿千瓦时（吴敬儒，2015），采用全国平均电力构成分析电力构成比例，已有研究得出到2025 年中国煤电比例为60%（姜克隽等，2009），在此基础上对长三角城市群设置相对应的煤电比例。而上游电厂能源消耗和污染物排放与发电效率密切相关，根据国际能源署报告（IEA，2013），预测中国2025 年燃煤发电效率为38%，假设研究区域与全国燃煤发电效率相同，发电效率的计算公式如下：

式中，α 为燃煤发电效率，%；γ 为燃煤发电总耗标准煤量，kg；π 为标准煤低位发热量，J·kg-1；β 为燃煤发电量，kWh；μ 为电热转换系数，J·kWh-1。

（2）污染物排放量计算

对于污染物CO2排放量的计算采用碳平衡法求得，CO2排放量由直接排放的CO2和间接排放的CO2加和求得，其中燃烧之前燃料中的碳减去燃烧产物VOC、CO 和CH4中的碳为直接排放的CO2中的碳，而间接排放的CO2需考虑由VOC 和CO转化所得（王人洁，2015）。

对于污染物CO、NMVOC、NOx、PM2.5、PM10、CH4、N2O 和SO2排放量的计算，除去非燃烧排放和扬尘污染，只对燃烧排放进行研究。另外，由于污染物NH3排放因子的测量非常困难，且寿命较短，测量过程中还有吸附，本研究暂不考虑上游阶段污染物NH3的排放，污染物SO2基于硫平衡法计算求得（李书华，2014）。对于其余污染物根据以下公式计算求得：

式中，NWTTi是第i 类污染物的燃烧排放量，g·km-1；EFi,j,k是i 类污染物排放因子，kg·kJ-1；Mj,k 是燃料消耗量，kJ·km-1。而Mj,k由以下公式求得：

式中，M 是总能源消耗量，kJ·km-1；P 是燃料所占比例；T 是控制技术所占比例；i 为污染物种类；j 为燃料类型；k 为控制技术类型。

根据以上方法，估算长三角城市群轻型客车和重型客车上游阶段单车污染物的排放量（表4）。

1.2.7 摩托车限行情景（Eliminate motorcycles，EMC）

摩托车是机动车污染物主要贡献车型之一，根据各城市市区人口与郊区人口的比例关系来确定摩托车淘汰量（车汶蔚，2010），假设到2020 年长三角城市群各城市中心城区全面禁止摩托车出行，机动车排放标准等控制措施不变，机动车污染物排放因子、其他类型机动车保有量与基准情景保持一致。

1.2.8 综合情景（Integrated scenario，IS）

综合情景分为保守综合情景（conservative integrated scenario，CIS）与激进综合情景（radical integrated scenario，RIS），保守综合情景是将所有控制措施进行有效结合，其减排措施效果在以上单项控制措施的基础上计算得到的。激进综合情景在保守综合情景的基础上，考虑了新能源汽车中电动车电力来源为清洁能源，别的情景设置与保守综合情景一致。

2 结果和讨论

2.1 机动车污染物排放清单

根据机动车污染物排放清单的构建方法，计算得到长三角城市群1999-2015 年机动车污染物排放清单（图3），并对其时间变化趋势进行分析。

长三角城市群机动车CO 和NMVOC 排放量从1999 年308.14 万吨和37.39 万吨增长到2003年的398.65 万吨和55.44 万吨，年均增长率为7.04%和8.4%，由于新的排放标准等措施的实施，2003 年之后开始下降，2015 年分别为126.82 万吨和25.56 万吨。

1999-2015 年机动车污染物NOx、PM2.5和PM10排放量总体呈现上升趋势，2015 年这3 种污染物的排放量分别为86.55、3.81、4.27 万吨，相对于1999年分别增加194%、47.49%、57.56%。近几年排放量有所下降，与实施新车排放标准、匹配的油品标准和对黄标车采取提前淘汰鼓励政策等有关。

研究期间，机动车污染物CO2排放量增长趋势明显，1999 年CO2排放量为3 234.97 万吨，到2015年CO2排放量增加到21 578.74 万吨，增长567%，CO2排放量增长趋势迅猛说明中国颁布实施的燃料标准对机动车污染物CO2的减排效果不是很理想。1999—2015 年期间污染物CH4排放量总体呈现先增长后下降的趋势，从1999 年的1.72 万吨增加到2007 年的3.0 万吨，年均增长率为7.4%，之后开始逐年下降，2015 年CH4排放量下降到1.94 万吨。1999—2015 年污染物N2O 排放量总体呈现增长的趋势，1999 年排放量为0.979 千吨，2015 年为3.75千吨，相对于1999 年排放量增加283%，其中2009—2010 年间排放量由8.485 千吨下降到3.763 千吨，原因是新的燃油标准的颁布实施，使得机动车燃油质量提升，燃油中的硫含量会对车辆的N2O 排放产生较大的影响，使用含硫量较低的燃油是降低车辆N2O 排放的重要手段之一（Sun et al.，2016）。

表4 2025 年长三角城市群上游阶段单车污染物排放量 Table 4 The single vehicle emissions in the upstream phase of the Yangtze River Delta urban agglomeration in 2020 g·kg-1

图3 1999—2015 长三角城市群机动车污染物时间变化趋势 Fig. 3 Vehicular emission trends in the Yangtze River Delta urban agglomeration from 1999 to 2015

1999—2015 年机动车污染物NH3的排放量增长幅度相对于别的污染物是最大的，由1999 年的0.34 千吨增长到2015 年的13.79 千吨，相对于1999年排放量增加4 004%。在中国，灰霾环境问题主要来自PM2.5（Chan et al.，2008），污染物NH3对PM2.5的形成和增长至关重要，然而目前政府与社会对污染物NH3的关注程度是远远不够的，因此今后要加大对机动车污染物NH3的减排力度。污染物SO2排放量的多少主要是由燃油中的硫含量与机动车数量所决定（Lang et al.，2016），从图3 可知，研究期间SO2排放量变化趋势与别的污染物有所不同，主要是因为1999—2015 年颁布的燃油标准中硫含量的不断变化造成的。研究期间，SO2排放量总体呈增长趋势，但2001—2002 年和2010—2011年这两个时期下降趋势明显，由2001 年的8.20 万吨下降到2002 年的4.11 万吨和由2010 年的9.18万吨下降到2011 年的2.36 万吨，下降率分别为49.9%和74.2%。

2.2 不同控制情景减排效果比较

根据上述不同减排情景设置计算得到各情景2025 年长三角城市群机动车污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放量，并与基准情景排放量（105.32、23.65、85.96、3.86、4.81、37 452.24、1.73、0.51、1.05、4.13 万吨）进行对比。

图4 各减排情景下CO 和NMVOC 的排放量 Fig. 4 CO and NMVOC emissions under the different scenarios

2025 年长三角城市群各减排情景下机动车污染物CO 和NMVOC 排放量相对于基准情景都有所降低（图4），其中，保守新能源车推广情景与激进新能源车推广情景与别的单独情景相比减排效果较为理想，相对于基准情景分别削减了12.69%和18.85%与13.66%和20.03%，这两种减排情景下的削减比例相差较小，说明污染物CO 和NMVOC 是由车辆行驶阶段主导的污染物，受上游阶段电力来源的变化影响不大。保守综合情景与激进综合情景即将所有单独控制措施进行有效结合，减排效果最为理想，污染物CO 和NMVOC 排放量分别削减了26.91%和31.49%与27.84%和32.61%。

长三角城市群各减排情景下机动车污染物NOx排放量相对于基准情景都有所下降（图5），其中淘汰高排放车辆情景减排效果相对于别的单独减排情景最为理想，比基准情景下降14.41%，由于新能源车（电动车、混合动力车和天然气汽车）对于污染物NOx有较好的减排效果，保守新能源车推广情景与激进新能源车推广情景排放量相对于基准情景分别削减7.65%和12.91%。另外，实施保守综合情景与激进综合情景污染物NOx减排效果较为理想，分别削减16.57%和21.63%。虽然淘汰高排放车辆情景对于污染物NOx有比较明显的减排效果，但需要与别的单独措施情景进行有效结合，以达到理想的减排效果。大部分单独减排情景下PM2.5排放量相对于基准情景有所降低，但保守新能源车情景 PM2.5排放量相对于基准情景反而增加了19.81%，这是由于PM2.5排放量是由上游阶段所主导的，而中国电力来源主要为煤炭发电，加之新能源车情景设置中推广电动车数量相对于别的新能源车型要高，因此带来了较高的PM2.5排放。虽然发展天然气汽车能够有效降低污染物PM2.5排放量，但是其减排效果被电动车上游阶段所排放的污染抵消，因此未来需要使用更高比例的清洁能源来为电动车提供电力。各减排情景对污染物PM10的减排效果与PM2.5相类似，其中，保守新能源车推广情景与基准情景排放量相比增加了20.07%，虽然推广天然气汽车能够减少PM10的排放量，却被电动车上游阶段所带来的高排放量所抵消；考虑电动车上游电力来源为清洁能源的激进新能源车推广情景的减排效果比较理想，相对于基准情景削减15.48%。

图5 各减排情景下NOx、PM2.5和PM10的排放量 Fig. 5 NOx, PM2.5, and PM10 emissions under the different scenarios

长三角城市群各减排情景下机动车污染物CO2排放量相对于基准情景都呈现出不同程度的下降（图6），其中保守新能源车推广情景和激进新能源车推广情景相对于别的单独情景减排效果最为理想，相对于基准情景分别削减了7.9%和20.56%，这两种减排情景减排效果差别较大，原因是电动车上游阶段CO2排放量较高，抵消了混合动力车与天然气汽车对污染物CO2的减排优势。另外，保守综合情景与激进综合情景减排效果都比较理想，分别削减了12.53%和24.61%。淘汰高排放车辆情景下污染物CH4减排效果最为明显，相对于基准情景排放量削减12.49%，而保守新能源车推广情景和激进新能源车推广情景相对于基准情景排放量分别增加11.38%和3.71%，原因与推广天然气汽车有关，因此未来需要对天然气汽车的推广全面考量其排放的利弊。提升油品质量情景下污染物N2O 排放量相对于基准情景削减13.61%，其原因是新的燃油标准的颁布实施，使得机动车燃油质量提升，燃油中的硫含量会对车辆的N2O 排放产生较大的影响，使用含硫量较低的燃油是降低车辆N2O 排放的重要手段之一（Sun et al.，2016），激进新能源车推广情景减排效果相对于别的单独措施情景最为理想，相对于基准情景排放量下降18.31%。随着新的污染物排放标准的颁布实施，重型货车与重型客车污染物N2O 排放因子出现增长（国Ⅳ—国Ⅵ）（蔡皓等，2010），提高排放标准情景相对于基准情景排放量反而增加1.74%。

图6 各减排情景下CO2、CH4和N2O 的排放量 Fig. 6 CO2, CH4, and N2O emissions under the different scenarios

长三角城市群各减排情景下的机动车污染物NH3排放量相对于基准情景都呈现出不同程度的下降趋势（图7），除了提升油品质量情景相对于基准情景NH3排放量增加8.82%。原因为机动车为了减少NOx排放，大量使用三元催化器，可以将NOx还原成为氮气，但实际上这个过程非常容易还原成NH3；在油品质量标准较低的阶段，三元催化器作用不到位，因此不会产生大量的NH3排放，而随着油品质量的提高，NH3排放量反而出现增加（王跃思等，2014）。在中国灰霾环境问题主要来自PM2.5（Chan et al.，2008），而机动车所排放出来的大量污染物NH3对PM2.5的形成和增长至关重要，因此需要加大对NH3的减排力度。提升油品质量情景下污染物SO2的排放量相对别的单独措施情景下降幅度最大，下降93.64%，原因为污染物SO2排放量的多少主要是由燃油中的硫含量与机动车数量所决定的（Lang et al.，2016），而保守新能源车推广情景相对于基准情景排放量反而增加221.51%，这是由于电动车上游电力主要来源于燃煤发电，虽然推广天然气汽车能够减少污染物SO2的排放，但其减排效果被电动车上游阶段SO2排放所抵消，而考虑清洁能源为电动车提供电力的激进新能源车推广情景减排效果相对于保守新能源车推广情景理想很多。

图7 各减排情景下NH3和SO2的排放量 Fig. 7 NH3 and SO2 emissions under the different scenarios

2.3 不确定性分析

本研究应用COPERT 模型估算长三角地区机动车污染物排放清单，考虑到模型的估算在一定程度上会简化复杂的排放过程，例如虽然利用模型模拟时考虑了车辆的行驶状况，但每个车辆在不同行驶条件下的行驶状况无法完全被模拟，导致计算得到的排放因子存在一定的不确定性；此外，机动车数量计算过程中，采用的车辆存活率是参考国家级层面的车辆存活率，以及年均行驶里程数据主要参考已有文献，这些计算方法均会导致估算的排放清单存在一些不确定性。

本研究选用蒙特卡洛方法估算机动车排放清单的不确定性，该模型模拟需设置机动车数量、年均行驶里程和排放因子的概率分布和变异系数。由于机动车数量主要来自于相应的统计年鉴，1999-2015 年间的机动车数量设置为变异系数为5%的正态分布，未来年的机动车数量设置为变异系数为10%的正态分布。年均行驶里程数据参考已有研究（Zhao et al.，2011）对年均行驶里程的不确定性研究，设置1999—2015 年间年均行驶里程服从变异系数为10%的正态分布，未来年的数据服从变异系数为20%的正态分布。排放因子的变异系数参考应用COPERT 模型计算排放因子的已有研究（Lang et al.，2014），假设污染物CO、NMVOC 和NOx服从变异系数为17%的对数正态分布，颗粒污染物PM2.5、PM10服从变异系数为34%的对数正态分布，由于已有研究中对温室气体CO2、CH4和N2O 以及有毒有害气体NH3和SO2的不确定性研究较少，本研究假设其全部服从变异系数为30%的对数正态分布。试验次数是直接影响机动车数量估算的另一个重要参数，为了确保结果的正确性，本研究将试验次数设为100 000。

全部的机动车污染物CO、NMOVC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2在95%置信水平下的平均不确定性估算范围分别为-14%—19%、-23%—31%、-21%—27%、-29%—43%、-29%—43%、-30%—49%、-29%—47%、-33%—58%、-44%—80%、-28%—39%。虽然估算结果存在一些不确定性，但对不同控制策略下的污染物减排潜力的估算仍然对长三角地区空气污染控制的研究具有一定的参考价值。

3 结论

本研究采用COPERT Ⅳ模型估算长三角城市群26 个城市1999—2015 年机动车各类污染物CO、NMVOC、NOx、PM2.5、PM10、CO2、CH4、N2O、NH3和SO2排放因子，建立排放清单。在此基础上，设立8 种减排情景并对2025 年各减排情景的实施效果展开研究。结果显示：

污染物CO、NMVOC、NOx和CO2各减排情景下排放量较基准情景均有所下降，但削减量存在很大的差异性；除提升燃油品质情景外，其余减排情景下机动车污染物NH3排放量相对于基准情景有所下降，由于NH3对PM2.5的形成和增长有明显的促进作用，因此在提升燃油品质的同时需加大对NH3的减排力度；保守新能源车推广情景和激进新能源车推广情景下污染物CH4的排放量相对于基准情景有所增加，表明天然气汽车在温室气体减排方面并不占优势，未来对天然气汽车的推广需全面考量其排放的利弊；机动车污染物PM2.5、PM10和SO2排放主要由上游主导的污染物排放，而中国电力很大比例来源于燃煤发电，因此针对这3 种污染物的保守新能源车推广情景减排效果不容乐观，而考虑清洁能源为电动车提供电力来源的激进新能源车推广情景，其排放量相对于保守新能源车推广情景下降趋势明显。

单一污染控制政策的减排效果比较有限，而所有政策叠加的减排效果则非常可观，因而长三角地区未来对机动车污染控制仍需采用综合的机动车污染控制政策，多方面多角度地控制机动车污染排放量，进一步缩短不同城市各政策实施的时间差。以上海市作为核心区域，在推动机动车污染控制政策实施的同时，辐射带动其他城市的机动车污染控制水平，进而同步高效的开展区域内机动车污染防治工作，真正落实区域协同治理。