设为首页 加入收藏 期刊导航 网站地图
  • 首页
  • 期刊
    • 数学与物理
    • 地球与环境
    • 信息通讯
    • 经济与管理
    • 生命科学
    • 工程技术
    • 医药卫生
    • 人文社科
    • 化学与材料
  • 会议
  • 合作
  • 新闻
  • 我们
  • 招聘
  • 千人智库
  • 我要投搞
  • 办刊

期刊菜单

  • ●领域
  • ●编委
  • ●投稿须知
  • ●最新文章
  • ●检索
  • ●投稿

文章导航

  • ●Abstract
  • ●Full-Text PDF
  • ●Full-Text HTML
  • ●Full-Text ePUB
  • ●Linked References
  • ●How to Cite this Article
Advances in Geosciences 地球科学前沿, 2013, 3, 228-234
doi:10.12677/ag.2013.34032 Published Online August 2013 (http://www.hanspub.org/journal/ag.html)
Quantitative Analysis of On-Road Traffic Emissions
around Campus—A Study Case of
South China Normal University*
Yizhi Lu, Yuqin Shu#, Liang Zhang, Lianghua Wu
School of Geography, South China Normal University, Guangzhou
Email: #gis_syq@163.com
Received: Apr. 26th, 2013; revised: May 11th, 2013; accepted: May 24th, 2013
Copyright © 2013 Yizhi Lu et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unre-
stricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract: On-road traffic emissions have become a source of urban air pollution and will directly affect the environ-
ment of campus. In this paper, traffic emissions in streets around campus are calculated by the COPERT model. The
experimental area is the four streets (Zhongshan Road, Wushan Road, Hanjing Road and South China Expressway)
surrounding South China Normal University. Traffic data are collected at four time periods (8:30-8:45 am, 12:00-12:15
pm, 15:00-15:15 pm and 18:00-18:15 pm). Vehicle emission factors and the amount of CO, NOx, VOC and PM are cal-
culated. Then, emission characteristics are analyzed. The result shows that the total emissions of CO, NOx, VOC, PM in
the four time periods are 61,612 kg, 29.519 kg, 7.650 kg and 1.470 kg respectively. By comparing the four time periods,
it is found that each pollutant emissions in 8:30-8:45 am and 18:00-18:15 pm are higher than the other two time periods.
Keywords: Campus; On-Road Traffic; Emissions; Quantitative Analysis
基于校园周边道路交通的污染物排放定量分析
——以华南师范大学为例*
陆毅之,舒娱琴#,张 亮,吴良华
华南师范大学地理科学学院,广州
Email: #gis_syq@163.com
收稿日期:2013 年4月26 日;修回日期:2013年5月11 日;录用日期:2013 年5月24日
摘 要:道路交通污染物排放已日益成为城市空气污染源重要的因素。校园环境也受到了道路交通污染的直接
影响。本文应用 COPERT 模式对校园周边道路的尾气进行了定量的分析。实验区域为华南师范大学周边四条主
要街道(中山大道、五山路、翰景路和华南快速干线)。通过采集四个时间段(8:30~8:45 am、12:00~12:15 pm、
15:00~15:15 pm和18:00~18:15 pm)的车流量数据,计算了相应的 CO、NOx、VOC和PM 的排放因子及排放量,
并对各种污染物的排放特征进行了分析。分析结果表明CO、NOx、VOC 和PM 各自在四个时间段排放量总量
为61.612 kg、29.519 kg、7.650 kg 和1.470 kg,8:30~8:45 am和18:00~18:15 pm 时段各污染物的排放量较高。
关键词:校园;道路交通;排放量;定量分析
*基金项目:国家自然科学基金项目(41101184),教育部第 45 批留学归国人员科研启动基金项目(一种基于自底向上和自顶向下的城市交通
碳排放的混合空间量化方法)。
#通讯作者。
Copyright © 2013 Hanspub
228
基于校园周边道路交通的污染物排放定量分析——以华南师范大学为例
Copyright © 2013 Hanspub 229
1. 引言
随着社会经济的快速发展和人们物质生活水平
的不断提高,人们更加追求健康绿色的生活环境。构
建“低碳城市”,打造“低碳交通”已成为城市发展
的必然方向。机动车尾气中含有多种对人体有害的物
质,如 CO(一氧化碳)、NO x(氮氧化合物)、VOC(挥发
性有机物)、PM(固 体悬浮微 粒)、SO2(二氧化硫)、
CHx(碳氢化合物)等。截止 2012 年,广州市汽车保有
量已达 243.6 万,其中,中小客车171.6 万,是5年
前的 2.5 倍,年均增长率达 19%[1]。机动车保有量的
不断增加导致城市机动车尾气污染更严重。与 2011
年相比,广东省空气中的两项主要污染物——SO2和
NOx排放量分别上升了 1.03%和4.90%[2]。机动车尾气
是城市空气污染的主要来源[3],会直接影响城市环境
及城市居民生活。同理,校园周边的机动车尾气也会
对校园环境产生不良影响。因此有必要对校园周边的
交通污染物排放量进行定量计算。
交通污染物排放量的计算方法主要分为两大类:
自顶向下(top-down)的量算法[4-7] 和自底向上(buttom-
up)的量算法[8,9]。自顶向下的量算 法通常是已知 研究
区的排放总量,先将研究区划分为大小相等的格网,
然后依据和排放量相关的因子对每个格网赋予一定
的权重值,最后根据权重值计算出各格网内的排放
量。自底向上的量算法根据每条道路的车流量、车型
比例、平均车速等因子计算出机动车排放因子,进一
步计算出道路或区域的排放总量。自底向上的量算结
果主要来自于精度较高的车流数据,因此其准确度要
优于自顶向下的量算法[4]。自底向上的交通污染物排
放模型有很多,如 COPERT、MOBILE 、MOVES、
CMEM、IVE 等。利用 COPERT模型计算的排放因子
更接近中国机动车实际排放情况[10],且 COPERT模型
能计算出机动车尾气中大部分污染物的排放因子,如
CO、NOx、VOC 和PM。因此,本文使用的是自底向
上的 COPERT 模型计算这四种污染物的排放量。国内
外的学者利用 COPERT 模式进行了许多研究。廖瀚博
等应用 COPERT IV模型计算了 2008 年广州市机动车
尾气排放总量,并对排放因子敏感性以及排放特征进
行了分析[11]。刘永红等应用 COPERT模式对佛山市中
心城区主要街道限行前后路段的机动车排放总量进
行了计算和对比[12]。国外的一些学者也利用 COPERT
模式对交通污染物排放进行了计算和分析[13-15]。本文
立足于校园周边道路的污染物排放,以华南师范大学
为例,计算了周边四条道路在8:30~8:45 am,12:00~
12:15 pm,15:00~15:15 pm,18:00~18:15 pm 四个时间
段内 CO,NOx,VOC 和PM 的排放量,并对结果进
行了比较与分析。
2. 计算方法
2.1. COPERT IV模型
COPERT 模型是由欧洲环境署(EEA)开发的,用
于计算交通排放因子和估算交通排放量的模型[16]。该
模型采用了大量可靠的实验数据,能够兼容不同国家
标准和参数变量[8]。COPERT是欧洲使用的最广泛的
计算道路排放的模型[17]。
COPERT IV 是目前比较成熟的版本,其将机动车
的排放形式分为三个类别:热稳定排放(hot emission)、
冷启动排放(cold start emission)和燃料蒸发排放
(evaporative emission)。冷启动排放其值为热稳定排放
加上一个附加值。燃料蒸发排放的 NMVOC(非甲烷挥
发性有机物)由每日排放、热浸排放和运行损失 3部分
组成,其排放因子是燃料蒸气压和环境温度的函数。
热稳定排放指机动车发动机在运转到达热稳定状态
下时的排放,COPERT在计算时认为它只与机动车的
平均速度有关[18]。
2.2. 机动车分类
对现有的车流量数据所涵盖的车型进行分类是
计算机动车污染物排放的基础。COPERT IV 模型将机
动车分为小客车(passenger car)、轻型货车(light duty
vehicle)、重型货车(heavy duty vehicle)、公交车(bus)、
摩托自行车(moped)和摩托车(motorcycle)六个大类,
每个大类又依据机动车的发动机排量、排放标准、油
料类型等划分为若干个小类。由于中国汽车分类标准
和COPERT的车辆分类方法不同,本文参照谢绍东等
的研究[10],将中国机动车分类类型同 COPERT IV机
动车分类类型进行匹配。具体匹配信息如表 1所示。
2.3. 计算原理
各条街道的交通污染物排放量的计算方法见公
式(1):
基于校园周边道路交通的污染物排放定量分析——以华南师范大学为例
Table 1. Classification of m otor vehicles in China in comparison with COPERT IV
表1. 中国机动车分类和 COPERT IV机动车分类
中国机动车分类类型 COPERT VI机动车分类类型
汽油,排量 ≤ 1.4 L
小客车 乘客数 ≤ 9人
汽油,1.4 L ≤ 排量 ≤ 2 L
柴油,排量 ≤ 2 L
微型客车 排量 ≤ 1 L
小客车
柴油,排量 ≥ 2 L
微型货车 重量 ≤ 0.75 t 汽油,重量 ≤ 3.5 t
微型货车 重量 ≤ 4.5 t
轻型货车
柴油,重量 ≤ 3.5 t
中型货车 4.5 t ≤ 重量 ≤ 12 t 柴油,3.5 t ≤ 重量 ≤ 12 t
柴油,12 t ≤ 重量 ≤ 32 t
重型货车 重量 ≥ 12 t
重型货车
柴油,重量 ≥ 32 t
中型客车 9
人 < 乘客数 < 20人 城市公交
大型客车 乘客数 > 20人
大客车
长途客车
二冲程,排量 > 50 cm3
排量 ≤ 50 cm3
四冲程,排量 < 250 cm3
四冲程,250 cm3 < 排量 < 750 cm3
摩托车
排量 ≥ 50 cm3
摩托车
四冲程,排量 > 750 cm3
6
,
1
Emission COUNT
iij j
j
EF L

 
r
oad
(1)
公式(1)中,Emissioni为某条道路 i类污染物的排放总
量(g);EFi,j为j类车型第 i类污染物的综合排放因子
(g/(km × veh),1辆车行驶 1 km所排放的污染物克数);
COUNTj为该条道路上 j类车型的车流量(辆);Lroad 为
道路长度(km)。
通过 COPERT IV模型可得到某一种机动车使用
某种燃油在某排放标准下的排放因子,但广州市从
2005 年至 2010 年实施了三个不同的排放标准。如
2005 年推行国 II 排放标准,2006年实施国Ⅲ排放标
准,2010 年开始实施国IV 排放标准。结合自统计以
来各车型历年保有量数据,可以计算出某一子类在各
个排放标准下的排放因子,进而获得某子类的综合排
因子,见公式(2)。
4
,, ,
11
,
COUNT
COUNT
n
j
tk jt
tk
ij j
EF
EF 



(2)
公式(2)中,EFi,j为j类车型第 i类污染物的综合
排放因子,k代表第 k类排放标准,t代表某车型的 t
子类型;COUNTj,t为j类车型中 t子类型的机动车保
有量。EFi,j,k为j类车型中 t子类型在第 k类排放标准
下的排放因子,可通过 COPERT IV获得,但需要以
下参数:气象参数(如研究区每月的最高、最低平均温
度、平均湿度、燃油蒸汽压)、汽油参数、平均车速、
车辆平均行驶里程、车辆平均负载率等。
3. 数据源
本研究以华南师范大学为例。华南师范大学位于
广州市天河区中山大道。其东面为华南快速干线,南
面为中山大道,西面为五山路,北面为翰景路。具体
位置如图 1所示。
3.1. 交通车流数据
通过采集围绕华南师范大学的四条街道在相应
时间点的视频,对视频中各类车型的车流量以及各个
时间点的平均车速进行了统计。视频采集时间是 2012
年11 月至 2012 年12月之间,拍摄对象是中山大道、
五山路、翰景路和华南快速干线。拍摄时间选取在上
下班高峰时段和闲时,即拍摄日的早上 8:30~8:45 am,
中午 12:00~12:15 pm,下午 15:00~15:15 pm和晚上
18:00~8:15 pm。
Copyright © 2013 Hanspub
230
基于校园周边道路交通的污染物排放定量分析——以华南师范大学为例
3.2. 其它参数
1) 气象参数。月均最低(最高)气温以及相对湿度
从统计年鉴[19]获取。
2) 油料参数。油料参数,如硫含量百分比、碳氢
比、燃油蒸汽压等,采集自相关标准以及部分文献
[20-22]。
3) 平均速度。统计各时间段交通车流视频的车队
平均速度。表 2为各街道各时间段的车队平均速度
(km/h):
4) 机动车信息。各车型机动车保有量由各年统计
年鉴以及相关文献得出[23,24]。车辆负载率等其他参数
使用模型默认值。
4. 结果及分析
由于摩托车和摩托自行车同其他车型的排放量
相比过少,故下文仅给出小客车、大客车、轻型货车
和重型货车的排放量计算结果。而重型货车仅出现于
华南快速干线,因此除华南快速干线外的其他三条街
道的重型货车各种污染物排放量均为 0 g。
4.1. CO排放量分析
四个时间段所有车型CO 排放量之和为61.612
kg,各时间段的排放总量分别为16.592 kg、12.921 kg、
14.200 kg 和17.899 kg,其排放情况如图 2。由图2可
知,在任意道路或时段内,小客车的 CO排放量均位
Figure 1. Campus of South China Normal University and its sur-
rounding streets
图1. 华南师范大学校园及周边街道
Table 2. Average vehicle speed at each road
表2. 各条道路车队平均车速
拍摄时间 中山大道 五山路 翰景路 华南快速干线
8:30~8:45 17.5 20.5 44.4 70
12:00~12:15 21.9 21.2 37.5 68.2
15:00~15:15 21.1 23.8 43 71
18:00~18:15 15.8 15.5 40 66.2
Figure 2. CO emissions of four vehicle t ypes at each road in different time periods
图2. 各街道各车型各时段 CO 排放总量
Copyright © 2013 Hanspub 231
基于校园周边道路交通的污染物排放定量分析——以华南师范大学为例
居第一。而在各时间段内,小客车排放量总量水平均
在74%以上。由此可见,小客车是 CO排放的最主要
来源。对小客车而言,8:30~8:45 am 以及 18:00~18:15
pm 均显示了较高的排放量。这两个时间段为上下班
高峰时期,小客车车流量较其他时段更大,车队平均
速度更慢,导致其排放因子更大,因此排放量也较其
他两个时间段更大。大客车的 CO 排放量在 8:30~8:45
am 和18:00~18:15 pm位居第二,而其他两个时间段
轻型货车的排放量位居第二。
4.2. NOx排放量分析
四个时间段内所有车型NOx排放量之和为29.519 kg,
各时间段的排放总量分别为7.956 kg、6.048 kg、6.248
kg 和9.267 kg,其排放情况如图 3所示。
由图 3可知,在中山大道、五山路以及翰景路上,
NOx的主要排放来源为大客车和小客车,其中又以大
客车为甚。对于中山大道,四个时段小客车的平均车
流量为大客车的近 6~7 倍,而大客车的 NOx排放量却
为小
客车的 3倍以上,由此可见大客车的 NOx排放量
之高。五山路和翰景路也均有类似的规律。对于华南
快速干线,由于大客车的数量较其他三条道路更少,
因此表现出了和小客车排放量相当的态势。就华南快
速干线上的重型货车和轻型货车相比,重型货车平均
车流量为轻型货车的 60%~80%,而重型货车的 NOx
平均排放量却为轻型货车的约2.7 倍。
4.3. VOC排放量分析
四个时间段内所有车型VOC 排放量之和为7.650
kg,各时间段的排放总量分别为 2.037 kg、1.560 kg、
1.666 kg和2.387 kg,其排放情况如图 4所示。VOC
的排放特征和CO 的排放特征有相同点,表现为小客
车占主要排放地位。与 NOx排放特征不同的是轻型货
车的 VOC 排放量大于重型货车,平均为重型货车的
8.2 倍。这点可从华南快速路的排放特征看出。就总
体情况来看,小客车是 VOC 的主要排放来源。
4.4. PM排放量分析
四个时间段内所有车型PM排放量之和为 1.470
kg,各时间段的排放总量分别为 0.388 kg、0.307 kg、
0.309 kg 和0.466 kg,其排放情况如表3所示。从表 3
可以看出,PM 排放量表现为极不均等的关系,其中
大客车的排放占绝大部分。这是由于大客车的排放因
子远大于轻型客车和小客车的排放因子。
Figure 3. NOx emissions of four vehicle types at each road in different time periods
图3. 各街道各车型各时段 NOx排放总量
Copyright © 2013 Hanspub
232
基于校园周边道路交通的污染物排放定量分析——以华南师范大学为例
Figure 4. VOC emissions of four vehicle type s at each road in different time periods
图4. 各街道各车型各时段 VOC 排放总量
Table 3. PM emissions of four vehicle types at each road i n differ-
ent time periods
表3. 各条街道各车型各时段 PM 排放总量
拍摄位置及时间 小客车 轻型货车 重型货车 大客车
中山大道8:30~8:45 3.03 2.70 0 231.92
中山大道12:00~12:15 2.60 7.03 0 154.22
中山大道15:00~15:15 2.85 6.84 0 160.99
中山大道18:00~18:15 3.18 2.03 0 301.14
五山路8:30~8:45 1.30 1.08 0 70.38
五山路12:00~12:15 1.10 3.36 0 62.95
五山路15:00~15:15 1.18 2.94 0 59.72
五山路18:00~18:15 1.16 1.20 0 73.71
翰景路8:30~8:45 0.85 0.32 0 18.25
翰景路12:00~12:15 0.43 0.55 0 14.57
翰景路15:00~15:15 0.45 0.35 0 13.59
翰景路18:00~18:15 0.75 0.45 0 19.27
华南快速8:30~8:45 3.40 5.40 5.76 43.80
华南快速12:00~12:15 2.10 7.65 7.02 44.35
华南快速15:00~15:15 2.75 6.30 6.84 42.83
华南快速18:00~18:15 2.98 4.50 6.48 49.68
5. 结论
CO、NOx、VOC、PM 排放总量分别为 61.612 kg、
29.519 kg、7.650 kg 和1.470 kg。具体排放特征如下:
1) 就车型而言,CO 的主要排放来源为小客车,
约占排放总量的 84%;NOx的主要排放来源为大客车,
约占排放总量的 70%;VOC的主要排放来源为小客
车,约占排放总量的75%;PM 的主要排放来源为大
客车,约占排放总量的 92%。而在华南快速干线上,
重型货车 NOx的排放量超过了大客车,分别占总量的
40%和34%。
2) 就街道而言,中山大道上四种污染物的排放量
均为最大,主要原因是中山大道为交通要道,其车流
量相对较大,同时其平均车速 较慢。CO、NOx以及
VOC排放量排第二的均为华南快速干线,主要原因是
华南快速干线的车流量较大,但由于其平均车速较
快,因此排放因子相对较低。对于PM,排放量位居
第二的为五山路。
3) 就时间段而言,表现为 8:30~8:45 am 以及
18:00~18:15 pm的各污染物排放量相对较大。12:00~
12:15 pm以及 15:00~15:15 pm的排放量相对较低。这
主要是由于早上八点至九点和下午六点至七点为上
Copyright © 2013 Hanspub 233
基于校园周边道路交通的污染物排放定量分析——以华南师范大学为例
下班高峰期,小客车和大客车的数量在此时间段比其
他两个时间段多,车流量多导致其车队平均车速较
低,所以排放量也较其他两个时间段更大。
综上所述,本文对华南师范大学周边交通污染物
排放情况进行了定量的计算与分析,有助于了解该区
域周边街道的污染物排放情况。本研究的后续工作拟
对这四条街道的污染物浓度的进行采集与监测,实现
污染物扩散的模拟,寻找排放量与浓度的之间的存在
的潜在关系。
参考文献 (References)
[1] 广州市交通运输研究所. 广州交通发展白皮书[URL], 2012.
http://www.docin.com/p-48743756.html
[2] 陈杰俊, 陈惠陆. 珠三角 PM2.5 站点增至62个[N]. 南方日报,
2012-6-5(A04).
[3] 赵培, 赵云胜, 叶彬. 城市中有毒有害气体对公共安全的影
响研究[J]. 安全和环境工程, 2011, 18(3): 98-101.
[4] D. Tuia, et al. Evaluation of a simplified top-down model for the
spatial assessment of hot traffic emissions in mid-sized cities.
Atmospheric Environment, 2007, 41(17): 3658-3671.
[5] M. Dalvi, G. Beig, U. Patil, et al. A GIS based methodology for
gridding of large-scale emission inventories: Application to car-
bon-monoxide emissions over India region. Atmospheric Envi-
ronment, 2006, 40: 2995-3007.
[6] Y. Q. Shu,N. S. N. Lam. Spatial disaggregation of carbon di-
oxide emissions from road traffic based on multiple linear re-
gression model. Atmospheric Environment, 2011, 45(3): 634-
640.
[7] Y. Q. Shu, N. S. N. Lam and M. Reams. A new method for esti-
mating carbon dioxide emissions from transportation at fine spa-
tial scales. Environmental Research Letters, 2010, 5(4): 044008.
[8] E. J. Kinnee, J. S. Touma, R. Mason, et al. Allocation of onroad
mobile emissions to road segments for air toxics modeling in an
urban area. Transportation Research Part D, 2004, 9(2): 139-
150.
[9] F. Nejadkoorki, K. Nickolson, I. Lake and T. Davies. An ap-
proach for modelling CO2 emissions from road traffic in urban
areas. Science of the Total Environment, 2008, 406(1-2): 269-
278.
[10] 谢绍东, 宋翔宇, 申新华. 应用 COPERT III模型计算中国机
动车排放因子[J]. 环境科学, 2006, 27(3): 415-419.
[11] 廖瀚博, 余志, 周兵, 刘永红等. 广州市机动车尾气排放特征
研究[J]. 环境科学与技术, 2012, 35(1): 134-138.
[12] 刘永红, 毕索阳等. 佛山市中心城区机动车限行对污染物削
减效果的分析[J]. 中国环境科学, 2010, 30(11): 1563-1567.
[13] J. Ariztegui, J. Casanova and M. Valdes. A structured methodol-
ogy to calculate traffic emissions inventories for city centres.
Science of the Total Environment, 2004, 334-335: 101-109.
[14] R. Bellasio, R. Bianconi, G. Corda and P. Cucca. Emission in-
ventory for the road transport sector in Sardinia (Italy). Atmos-
pheric Environment, 2007, 41(4): 677-691.
[15] C. Mensink, I. De Vlieger and J. Nys. An urban transport emis-
sion model for the Antwerp area. Atmospheric Environment,
2000, 34(27): 4595-4602.
[16] COPERT III. Computer programme to calculate emissions from
road transport Methodology and emission factors (Version 2.1).
Copenhagen: EEA, 2000.
[17] 马因韬, 刘启汉, 雷国强等. 机动车排放模型的应用及其适
用性比较[J]. 北京大学学报(自然科学版), 2008, 44(2): 308-
316.
[18] 樊守彬. 北京机动车尾气排放特征研究[J]. 环境科学与管理,
2011, 36(4): 28-31.
[19] 广州统计局编. 2011广州统计年鉴[M]. 北京: 中国统计出版
社, 2011.
[20] 中华人民共和国质量检验检疫总局. GB17930-2006, 车用汽
油[S]. 北京: 中国标准出版社, 2006.
[21] 中华人民共和国国家质量监督检验检疫总局. GB/T 19147-
2003, 车用柴油[S]. 北京: 中国标准出版社, 2004.
[22] 龚家伟, 孙晋文. 汽油密度与碳氢质量比的关系[J]. 中国农
业大学学报, 1999, 4(4): 114-116.
[23] 姚欣灿, 洪程, 农加进等. 广州市 2005-2010 年道路机动车污
染排放控制措施效益评估[J]. 广州环境科学, 2012, 27(1):
39-43.
[24] 姚欣灿, 黄如娜, 农加进等. 广州市 2010 年道路机动车排放
清单研究[J]. 广州环境科学, 2012, 27(2): 20-23.
Copyright © 2013 Hanspub
234

版权所有:汉斯出版社 (Hans Publishers) Copyright © 2012 Hans Publishers Inc. All rights reserved.