2008—2018年北京机动车排放的初步模型估算

王蓉蓉，吴其重，高 超，程华琼，王立志

（1.北京师范大学 全球变化与地球系统科学研究院，北京 100875；2.西安市第二十六中学，西安 710000；3.中国人民解放军63921部队，北京 100094；4.中国科学院大气物理研究所，北京 100029）

随着我国经济的快速发展以及人们对美好生活的追求和向往，出行工具需求量增大，我国机动车保有量在迅速增加。其中以北京市为代表的大城市机动车保有量增加更为显著。机动车保有量的增加导致了愈发严重的城市交通拥堵和空气污染问题[1]。机动车排放的大气污染物对大气环境质量有着重要影响：（1）机动车直接排放的一次污染物如一氧化碳、氮氧化物等通过扩散，在交通流密集环境中形成较高的污染；（2）机动车排放的氮氧化物和碳氢化合物是臭氧等二次污染物重要的前体物，有助于区域性的大气污染事件形成[2]。机动车源是我国大气污染物的重要来源，在国务院发布的《大气污染防治行动计划》中，机动车污染防治成为了关键领域[3]。

为了有效评价和综合分析机动车排放的污染影响，国内外学者在不同区域不同研究背景下，创建并使用不同模型做了大量的研究工作。ZHANG等[4]用机动车排放因子计算模型MOBILE分析道路上重型车排放的一氧化碳和碳氢化合物的排放率，研究表明排放率对加速度的敏感性要小于对速度的敏感性。任小平等[5]利用MOBILE模型，通过情景分析法得到西安机动车排放因子。唐伟等[6]利用国际机动车排放模拟器模型 （inter⁃national vehicle emission simulator,IVE）得到包括温室气体在内的2015年杭州市高分辨率机动车排放清单。李荔等[7]利用道路交通排放计算模型（computer program to calculate emissions from road transport,COPERT）建立了江苏省2015年机动车高分辨率排放清单，并对污染物时空排放特征和道路分担率进行了分析，研究认为徐州和苏州中型、重型柴油货车是主要的NOx排放源，使用国三标准的柴油车对NOx的分担率为36%～54%。曹杨等[8]利用机动车排放模拟器（motor vehicle emis⁃sion simulator，MOVES）得到深圳不同尺度的排放清单，结合深圳市路网对机动车排放进行时空特征分析，主干道早高峰和晚高峰污染物排放总量分别是平峰的1.75倍和1.41倍，次干道则分别是2.03倍和1.81倍。

依据区域尺度，可将机动车排放模型研究划分为宏观、中观、微观3个尺度层面[9]，不同的机动车排放模型，适宜研究尺度不同。2018年6月，国务院颁发的《打赢蓝天保卫战三年行动计划》中，京津冀作为重点区域之一，实行联防联控，机动车排放对大气环境的影响需要有宏观尺度层面的分析。MOBILE模型是最早引入中国的机动车排放模型，主要针对宏观尺度的道路移动源计算，且从1978年研发以来，历经了11个版本的完善，目前国内外普遍使用的版本为优化后的2003年发布的MOBILE6.2。我国也有很多学者利用MOBILE6.2模型对各地进行了研究，毕晔等[10]利用MOBILE6.2模型计算北京市2000年、2005年、2008年出租车的排放因子，同时计算了不同车型对排放的贡献率；Wu等[11]运用MOBILE6.2模型模拟2007年8月“环境测试赛”期间尾号限行对机动车行驶里程有影响的条件下，机动车排放的削减量，并结合空气质量模式定量分析了由此产生的NO2浓度削减量；蒋秋静等[12]运用MOBILE6.2模型，本地化参数后计算2011年太原市机动车排放因子；高俊等[13]运用MOBILE6.2模型研究武汉市2014年不同车型的排放因子；郭慧等[14]运用MOBILE6.2模型模拟2003年杭州市区机动车排放因子。但大部分都着重于短时间尺度内区域机动车排放因子的计算，缺乏较长时间尺度机动车排放特点的研究。

本研究收集北京市空气质量多模式系统[15-16]自2008年奥运会以来所集成的机动车排放模型MOBILE6.2估算的每日机动车排放数据，由此研究长时间序列下北京市机动车排放特点，分析获得机动车排放的3种主要污染物（CO、NOx、VOCs）月排放特征规律和不考虑机动车保有量变化的年排放总量的特征规律，这将有助于给以北京市为代表的大型城市机动车排放研究提供一种新的研究思路，为移动源治理相关政策措施的制定提供参考。

1 模型与数据介绍

1.1 模型介绍

自2008年北京奥运会以来，北京市环保部门为了更好地开展空气质量预报预测工作，在中国科学院大气物理所科研团队的支持下建设了北京市空气质量多模式集成预报系统[17]，该系统集成了稀疏矩阵排放模型（sparse matrix operator ker⁃nel emissions，SMOKE）统一处理大气污染排放清单，耦合在线机动车排放模型MOBILE6.2，动态考虑每日气象要素变化对机动车排放因子的影响。在2014年北京亚太经合会议(Asia-Pacific Econom⁃ic Cooperation,APEC)召开前，该系统统一采用中尺度气象模式（fifth-generation NCAR/Penn State mesoscale model,MM5）提供每日气象场，2014年为应对APEC空气质量保障需求，对多模式集成预报系统进行模式版本升级，更新包括机动车源在内的排放清单，采用新一代气象预报模式（weath⁃er research and forecasting，WRF） 为SMOKE和空气质量多模式统一提供气象场[18]。

MOBILE6.2模型是由美国环保署发布的机动车排放模型，基于大量机动车台架测试，对机动车污染物排放数据进行统计分析和回归分析后得到一系列经验公式[19]，将对机动车排放有显著影响的因素设置为模型的参数，通过参数选择和调整，可实现模型本地化模拟。MOBILE6.2模型中，机动车排放因子受环境参数、燃油水平、车队特征、车速、国家政策等因素影响，由此结合机动车行驶里程获得机动车排放量。MOBILE6.2模型涵盖了28种车型、10种排放类型和5种道路类型（如图1），在集成到SMOKE过程中将车型归并为8种[18]。基于平均速度和行驶周期的MOBILE6.2模型在考虑车速对机动车排放的影响时，按照不同的道路类型和拥堵程度表征了不同的工况特征[20]，考虑了高速公路、主干道、城市支路、匝道等类型道路，依此进行机动车排放情况的模拟。同时MOBILE6.2模型接口多，可以和空气质量模式进行连接，便于移动源估算结果在模式中的应用。

图1 MOBILE6.2模型数据库特征Fig.1 Characteristics of MOBILE6.2 model database

1.2 数据介绍

本研究的数据源来自北京市空气质量多模式集成预报系统中所集成的MOBILE6.2机动车排放数据，以每日统计报表的方式存储模拟估算的北京市机动车排放数据。自2008年以来，共积累10多年数据，期间由于停电、机房硬件环境升级等客观原因影响，有部分数据缺失，自2008年奥运会以来至2018年累计共收集3 152个排放日统计数据。本文着重分析机动车排放的一氧化碳（CO）、氮氧化物（NOx）和碳氢化合物（HC，对应VOCs）这三种主要大气污染物。

2014年APEC前，由于模式系统升级，对排放系统中机动车行驶里程数据进行更新设置，2008—2014年期间采用基于《2006北京市交通发展年度报告》[21]所估算的北京市机动车行驶里程（A方案）；2014年APEC前为了更好地体现北京市机动车排放影响，采用《2012北京市交通发展年度报告》中典型道路机动车行驶里程等统计数据对机动车排放系统进行更新（B方案），期间2014年9月15日至2014年11月10日，A、B两套方案在模式系统中同时运行。模式系统获得的北京市每日机动车排放CO参见图2。

图2 模式系统估算的北京市机动车CO排放原始数据集Fig.2 Original dataset of Beijing motor vehicles CO emis⁃sions estimated from MOBILE6.2 system

A方案和B方案均基于MOBILE6.2模型北京市本地化之后的参数方案（图3），两套方案相同点：（1）都是从多模式集成预报系统的每日气象模拟结果中获得当日的温度、湿度等环境参数数据；（2）采用的MOBILE6.2模型数据库和北京市本地化参数方案相同，即道路类型、车型分类、燃油参数（含硫量、雷特蒸汽压等）等一系列影响排放因子估算的参数是相同的；（3）都是结合北京市交通路网和北京市交通发展年报数据得到北京市各区县各种车型在不同道路类型上的行驶里程，进而获得北京市机动车排放清单。A方案和B方案的不同点主要有：（1）A方案气象模式采用MM5模式，B方案在2014年APEC前进行模式升级，采用WRF模式提供气象模拟结果；（2）B方案依据《2012北京市交通发展年度报告》更新了北京市路网交通流。

图3 A方案和B方案的北京市机动车排放估算异同点Fig.3 Comparison of model parameter setting in scheme A and B

2 研究方法及数据处理原则

受限停电、机房硬件环境升级等各种客观因素影响，所收集的2008—2018年期间北京市机动车排放数据存在部分缺失，为实现机动车排放长时间序列连贯性分析，对数据进行补全处理。以月作为数据补全处理基本单元，选用能够保障每月有70%有效样本数据的22天作为数据划分依据，将原始数据分为三类：（1）等于标准月天数的月份数据；（2）大于22天小于标准月天数的月份数据；（3）小于22天的月份数据。

根据数据分类进行相应的数据处理：类型一数据属于完整月份数据，直接统计计算月排放总量；类型二数据月份样本量虽不完整，但是样本量够多，可表征该月份污染物排放特征，采用缺失法补全估算月排放总量；类型三数据月份样本量少，采用统计回归后填充具有代表性的样本均值估算月排放数据。基于此，获得了原始数据具有连贯性的月排放总量补全数据集（以下简称补全数据集）。

为分析同一套参数方案对机动车排放变化影响，进而判断特定变量（如温度、湿度等）对污染物排放模拟的影响，需对前述A方案和B方案进行标准化处理，本研究归一化处理B方案数据，获得以A方案为基准的2008—2018年北京市机动车排放数据集，即归一化数据。基于补全数据和归一化数据，分析获得2008—2018年北京市机动车大气污染物月变化特征及长时间序列变化趋势。

在归一化处理过程中，因为A方案和B方案有很多共同点，主要区别在于B方案对北京市交通路网及交通流数据的更新，同样是基于MOBILE6.2模型结合机动车行驶里程计算获得机动车排放，因此，可通过A方案和B方案的相对占比关系，对B方案进行归一化处理。在2014.09.15—2014.11.10期间，A、B两套方案同时运行，故可用这一段时期的机动车排放数据获得两套方案的相对占比关系，该时段共计57天，4天缺失，取有效的53天数据来进行相对占比的计算，计算公式如下：

图4 归一化数据相对占比分布图Fig.4 Relative proportion distribution of normalized data

计算53个数据样本的相对占比并统计分析作图，如图4所示：所关注的CO、NOx和VOCs这三种污染物的相对占比值均在一定范围内浮动，具有较好的回归性，对这三种污染物的相对占比值求样本平均，可获得更为合理的分要素污染物相对占比值。计算获得三种污染物的相对占比平均值：CO为84%，NOx为76%，VOCs为78%。以此对B方案数据进行归一化处理，获得以A方案为基准的2008—2018年机动车排放污染物的模拟数据。

与此同时，获得归一化后2008—2018年1—12月的污染物月总量样本均值，如图5所示，可获知三种污染物CO、NOx、VOCs的1—12月变化趋势：（1）机动车排放的CO月总量值随月份变化非常明显，呈现出明显的冬季高夏季低的U形排放特征，且冬季排放值大约是夏季值的2～3倍，与北京市长期CO浓度观测呈现冬季高夏季低相一致[18]；（2）NOx排放月总量值也随月份明显变化，冬季值大约为夏季值的1.5倍；（3）VOCs排放月总量值随月份变化不明显。这也预示了在一年中不同季节测定机动车CO或NOx排放因子，将获得截然不同的结论。

图5 机动车排放月总量年变化图Fig.5 Monthly mean values of total pollutant amount for CO,NOx,and VOCs

图6为2008—2018年各个年份在同一月份模式系统中MOBILE6.2模拟的北京市机动车排放CO月总量变化图，不存在明显异样月份CO月排放总量值，可验证说明样本均值法补全具有一定合理性和应用性，但当同一年份样本缺失较多月份时，容易造成该年总量预估偏高，误差有多大？如何去修正误差？需要后续进一步的讨论，以获取更合理缺省数据补全算法。同时该图2008年8—9月CO低值恰好表征了在奥运会及残奥会赛事期间北京市机动车单双号限行引起的机动车排放CO月总量减排。

图6 2008—2018年各年CO月排放量时间序列图Fig.6 CO monthly emissions from 2008 to 2018

3 结果分析

经过数据处理后，获得了2008—2018年三种污染物（CO、NOx、VOCs）完整连贯的两套机动车排放模拟数据，即包含原始数据在内的补全数据集和归一化后补全数据集。

3.1 2008—2018年机动车排放月总量趋势分析

图7 机动车排放CO月总量时间序列图Fig.7 Monthly total amount of CO pollutant

图7为机动车排放CO月总量时间序列图，由图可知，机动车排放CO月总量在2008—2018年有着明显的年际变化规律，每一年份都经历了下降进而上升的趋势，进一步说明了机动车排放CO具有明显的季节性变化特征；与此同时，归一化后机动车排放CO月总量大体呈现逐渐降低的趋势，个别年份间变化量较大，这应该与年份特殊的气象条件有关，而MOBILE6.2模型在计算CO等机动车污染物排放的过程中考虑了环境温湿度修正，从而导致了机动车模型估算的排放值变化，说明气象条件的改变对于污染物排放的影响。

图8是归一化后机动车排放的氮氧化物（NOx）2008—2018年的月总量时间序列图，由图可知，2008—2018年机动车排放的NOx月总量变化也呈现逐渐下降的趋势，气候要素长期变化可能是引起这一趋势变化的重要原因；其次，NOx排放月总量也具有明显的季节变化特点。与此同时，收集获得了北京市环境状况公报[22]，2010—2017年环境状况公所公布的氮氧化物排放年总量也存在明显的逐年下降特征，公报显示北京市NOx排放从2010年的19.77万吨下降到2017年的9.52万吨。本研究获得的北京市机动车排放和北京市环境状况公报中机动车排放两者下降趋势一致。

图8 机动车排放NOx月总量时间序列图Fig.8 The monthly total amount of NOxpollutant

3.2 2008—2017年机动车排放污染物逐年变化特征

首先，依据前述原始数据补全算法原则，实现2008—2017年北京市机动车排放数据各个月份缺省补全，但由于2018年只有1—6月数据，故仅计算获得模式系统原始数据补全后2008—2017年机动车排放年总量数据，如表1所示。

表1 原始数据补全后2008—2017年污染物年总量Table 1 Annual amount of total pollutant for CO,NOx,and VOCs from 2008 to 2017 with the original data amended

进一步将经过归一化处理后2008—2017年各个月份的数据进行汇总，获得归一化2008—2017年机动车排放年度数据。表2包含归一化后机动车保有量未变化情况下CO、NOx的排放年总量，可知归一化后2009—2017年两种污染物的年排放总量整体呈下降趋势，其中CO年排放总量总体下降幅度最为明显，从2009年排放总量168万吨下降到2017年排放总量131.8万吨，下降了约36万吨，下降幅度约22%；NOx从2009年排放总量11.2万吨下降到2016年排放总量6万吨，下降了5.2万吨，下降幅度约46%。

表2 北京市机动车保有量未变化/变化污染物年总量Table 2 Annual amount of total pollutants for the cases of vehicle ownership unchanged/changed

依据北京市交通发展年报[23]，本文收集获得2000—2017年北京市机动车保有量（表3）。2017年底，北京市机动车保有量为590.9万辆，基于2008—2017年北京市机动车实际保有量，结合归一化模拟结果计算获得：考虑实际机动车保有量增长因素，2017年北京市机动车排放CO年总量可达到265.7万吨，NOx可达到12.5万吨，见表2。

进一步分析2000—2018年北京市交通发展年报数据可知，在2008年以前未受北京市摇号限购影响，北京市机动车保有量年均最低增长8.1%，以8.1%增长率估算北京市机动车保有量（表2），由此估算获得至2017年北京市机动车保有量可达到706.5万辆，与之相对应2017年北京市常住人口2 170.7万，以三口之家计依然未达到饱和，以注册驾驶员数计也未达饱和，与北京市实际机动车保有量相差100多万辆，主要由于北京市机动车摇号限购政策引起的北京市机动车保有量抑制，然而这部分需求通过外地牌照、租赁车辆、出租车和专车需求得到等价释放：调研数据显示北京市机动车租赁车辆由2011年的32 092辆迅速增加到2017年的60 300辆，增加87.9%[23]；2016年小汽车年均行驶里程为11 990 km，而出租车为74 466 km，后者约为前者的6倍，近年来由于快车、专车业务增长部分承担了原属出租车的交通需求，截至2015年6月，北京市专车数量达到9.5万辆[24]，即相当于58.9万辆小汽车保有量交通出行需求。因此，假定机动车保有量以2008年最低增长8.1%估算的2008—2017年机动车保有量数据是一个保守估计，由此估算2017年北京市机动车CO排放年总量将达到265.7万吨，而NOx排放年总量将达到12.5万吨。

表3 2000—2017年北京市机动车保有量Table 3 Beijing motor vehicle ownership from 2000 to 2017

4 结论

本研究通过收集北京市空气质量多模式集成预报系统中MOBILE6.2模型模拟的北京市2008—2018年间机动车排放数据，并对该数据进行缺失法补全、样本均值法补全和归一化处理，获得长时间序列机动车排放模拟数据，依此对北京市机动车排放进行较长时间尺度的排放特点分析，主要结论如下：

（1）利用统计回归后具有代表性的样本均值数据，获得1—12月污染物月排放总量样本均值，机动车排放的三类主要污染物（CO、NOx、VOCs）随着月份变化有着不同的变化趋势，其中CO月排放总量呈现冬高夏低的U形排放特征，冬季值大约是夏季值的2～3倍；NOx类似，冬季值大约是夏季值的1.5倍；VOCs月份变化和季节变化不明显。

（2）归一化后，机动车排放三类主要污染物月总量随年份变化均有下降趋势，这一结果与气象模式提供的每日温度、湿度等气象条件有关，气象要素是机动车排放的主要修订因子。

（3）归一化后，机动车年排放总量逐年降低，其中CO年排放总量下降幅度最大，从2009年排放总量168万吨下降到2017年排放总量131.8万吨，下降幅度约22%；NOx从2009年排放总量11.2万吨下降到2016年排放总量6万吨，下降幅度约46%。以2008年前机动车保有量最低年增长8.1%估算北京市2008—2017年机动车保有量，北京市机动车排放CO年总量将在2017年达到265.7万吨，NOx年总量将达到12.5万吨。