1 引言(Introduction)

当前, 我国空气污染问题十分严重, 京津冀地区更是重灾区, 环保部信息显示, 2014年京津冀区域13个地级及以上城市全年空气质量平均达标天数仅156 d.由于京津冀地区机动车保有量和行驶里程的快速增长, 机动车尾气排放在城市和区域大气污染物排放中的贡献日益增加, 对城市空气质量和人体健康产生了严重影响, 成为空气质量管理中重点控制的污染源之一.相关研究表明, 交通污染已成为城市大气污染物的主要来源(Zhang et al., 2008), 也是造成雾霾、光化学烟雾等污染的重要原因.因此, 了解和认识机动车污染排放现状及其空间分布特征, 对交通建设项目环境影响后评价, 制定机动车污染防治策略, 改善区域大气环境质量均具有重要的现实意义.

机动车排放主要发生在城市(县)内和城际公路上, 城市因路网较密集, 其排放常被看作面源；城际交通则密度低、距离长, 因而被看作线源(贺克斌等, 2014).已有学者对区域道路交通排放进行模拟并研究其空间分布特征, 例如, 郑君瑜等(2009)利用MOBILE6.2模型计算了2004年珠三角地区机动车排放清单；姚志良等(2006)、Huang等(2011)和Huo等(2012)应用IVE模型分别在长三角及北京等中国多个城市开展机动车排放研究；蔡浩等(2010)、郎建垒等(2012)使用COPERT4在全国进行机动车排放研究.这些研究将机动车排放按面源处理, 无法准确体现城际公路上的线性特征.

此外, 李国香等(1997)使用MOBILE4.1, 结合实测结果进行修正, 确定了我国高等级公路汽车排放因子, 给出交通污染物排放强度的计算公式及各参数取值.邓顺熙等(2001)利用公路隧道确定车流污染物排放因子, 提出了公路线源机动车CO、NO_x和HC排放强度的计算方法及其各参数的取值.何吉成(2015)基于高速公路沿线车流量观测数据和单车排放因子, 估算了京哈高速车辆尾气CO、HC和NO_x的排放量并描述其污染物分布情况.这些研究将机动车排放按线源进行模拟, 提高了机动车排放空间分布的准确性, 但对污染物空间特征的描述仍然较简单, 空间信息挖掘的深度也十分有限.随着京津冀协同发展成为重大国家战略及京津冀交通一体化的推行, 这一地区的机动车污染问题倍受关注, 而相关交通污染物空间分布特征的研究却并不多.

基于上述分析, 本文以国家干线公路交通量信息和单车排放因子为基础, 以2014年为基准年, 基于GIS的路网线性参考系统, 采用动态分段技术和核密度分析方法, 从路段、车型、交通污染物这3个方面分别对京津冀国家干线公路大气污染物的空间分布规律和模式进行研究.本研究对深入了解京津冀交通污染排放特征及制定科学合理的机动车污染防治措施等具有一定理论意义和实际参考价值.

2 研究区域概况(Study Area)

目前, 京津冀已形成了以北京为中心, 以高速公路为骨干, 以国省干线公路为基础的放射状交通网络空间结构.截止2014年底, 京津冀地区国家干线公路约10830 km, 占该区域公路总里程(217159 km)近6%, 涵盖国家干线公路33条, 其中, 高速公路16条, 包括首都放射线7条, 南北纵线2条, 城市环线3条, 并行线1条, 联络线3条；此外, 还有普通国道17条, 其中, 从北京出发的12条, 不经北京的南北走向国道2条, 东西走向的国道3条.

基于道路的重要程度及交通量, 本文选取京哈(G1)、京沪(G2)、京台(G3)、京港(G4)及大广(G45)等13条高速公路, 以及京沈(G101)、京福(G104)、京珠(G105)和京广(G106)等16条普通国道共29条道路作为研究对象.

参考环保部2015年《中国机动车污染防治年报》, 暂不考虑所占比例较小的摩托车及新能源车, 选取载客和载货两类汽车；汽车尾气主要包括一氧化碳(CO)、碳氢化合物(HC)、氮氧化物(NO_x)、颗粒物PM₁₀和PM_2.5共5种.

3 数据与方法(Data and method) 3.1 数据来源 3.1.1 交通调查数据

交通调查数据来源于交通运输部规划研究院《2014年国家干线公路交通量手册》.数据由国家干线公路上间隙式和连续式观测站所提供的全年小时尺度断面交通量观测资料汇编而成.主要数据项及其示例见表 1.2014年调查的代表路段总长度占研究区干线公路总长度的51%, 交通调查站共299个.

3.1.2 基础地理数据

基础地理数据包括国家干线公路和行政区划数据.其中, 国家干线路网由2015版《河北及周边省区公路网地图集》(天域北斗数码科技有限公司, 2015)扫描数字化生成, 并采用高斯-克吕格投影(Xian_1980_GK_Zone_20).此外, 公路是典型的一维线性系统, 可以通过线性参考系统实现公路事件的快速定位和查询(王金宏等, 2014).本研究采用线性参考系统和动态分段技术对路网数据进行存储管理, 将观测站桩号作为动态分段的点事件, 基于字段“代表长度”计算得到线事件, 生成路网的线性参考系统(图 1).

3.2 数据处理 3.2.1 交通污染测算

排放强度计算：行驶车辆尾气中的污染物排放强度计算参考《城市机动车排放空气污染测算方法(HJ/T180—2005)》(国家环境保护总局, 2005)中的移动线源污染强度计算公式：

(1)

式中, i、j、w分别为某一路段、车类型、污染物类型；Q_ijw为某条线源道路第i段路上j类型车w种污染物排放强度(g·d^-1·km^-1)(本研究将l_i设为单位里程)；q_ij为j类型车在第i段路上的车流量(辆·d^-1)；l_i为第i段的公路里程(km)；EF_jw为j类型车w种污染物的排放因子(g·d^-1).

排放因子确定：现阶段被广泛使用的机动车排放模型主要有COPERT、MOBILE、IVE和MOVES等, 这些模型内嵌的排放因子数据库主要是基于美国或欧洲车辆的排放测试数据, 不适合直接用于中国.而《道路机动车大气污染物排放清单编制技术指南(试行)》(中华人民共和国环境保护部, 2014)确定的排放因子是以2014年中国实测的机动车排放数据为基础, 根据各地区车辆使用条件的平均水平而确定, 更符合我国的实际情况, 将其与研究区内车辆使用条件进行对比, 具体如表 2所示(中华人民共和国环境保护部, 2014; 2015; 国家统计局, 2015).

通过对比可知, 指南中所选用的测试数据在机动车技术分布、活动水平等方面与研究区较为相似, 但行驶工况差异较大.因此, 排放因子EF的计算应主要考虑综合基准排放因子BEF和速度修正因子γ, 忽略不同地区的环境修正因子、车辆劣化因子、车辆负载系数和油品质量等其它因子, 并简化为：

(2)

对不同排放等级和燃料的车型比重进行加权, 同时对车速进行本地化修正, 具体测算流程见图 2.

不同排放等级和燃料的车型比重数据主要参考《中国机动车污染防治年报》(国Ⅰ前、国Ⅰ、国Ⅱ、国Ⅲ和国Ⅳ以上标准的汽车分别占3.8%、10.6%、10.4%、52.5%和22.7%)和《公路水路交通节能中长期规划纲要》(到2015年客车汽油比例≥70%, 货车柴油比例≥85%).国道网2012年平均车速为62.5 km·h^-1, 本文选择40~80 km·h^-1区间的调整因子进行修正, 最终得到各类排放因子EF, 具体见表 3 (中华人民共和国交通运输部, 2008; 中华人民共和国环境保护部, 2015).

3.2.2 基于GIS的核密度分析

核密度估计(Kernel Density Estimation, KDE)主要是借助一个移动的单元格(相当于窗口)对点或线格局的密度进行估计.若数据为x₁, …, x_n, 则任意点x处的密度估计为：

(3)

式中, K为核函数(权函数)；h为搜索半径；(x-x_i)表示估计点到样本x_i处的距离.靠近搜索区域中心的点或线赋予较大的权重, 随着距搜索中心距离的加大, 权重降低.搜索半径越大, 生成的密度图越平滑且概化程度越高.反之, 生成的密度图中信息更详细(刘锐, 2011; Yu et al., 2015).

运用ArcGIS软件, 对交通污染物排放强度进行核密度估计, 通常软件系统会基于空间配置和输入的点数自动生成一个默认的搜索半径, ArcGIS10.2.1改进了搜索半径的算法, 采用基于空间差异的经验算法(Silverman′s Rule of Thumb), 不仅消除了点周围的环状现象, 同时对异常值的处理也更具稳健性, 计算出的默认半径h=20 km, 与10 km和30 km的搜索半径结果进行对比, 得到不同的核密度计算结果(图 3).

由图 3可见, 当h=10 km时, 估计的点密度变化突兀不平, 过多的细节难以突出空间特征的规律性；h=30 km时, 生成的密度图过于平滑和概括, 掩盖了空间的差异性特征；而h=20 km时的结果能较好地反映出空间细节和规律.对于Population字段(相当于权函数K), 根据需求分别赋以相应的权重值(如不同污染物的排放强度), 来模拟污染物浓度的线性扩散特征.

4 研究区交通排放空间分布差异(Spatial distribution differences of transport emissions in the study area) 4.1 各路段总排放强度

对各路段日均车流量的排放强度进行分析, 得出不同线路的排放强弱及异常路段, 并展示其空间分布规律, 结果见图 4.由图 4可知, 各线路上京津两地各路段排放强度多高于河北, 冀中南多高于冀北.G4、G1、G103、G7、G5等路段排放强度较高, G108、G109、G111、G207等路段排放强度相对较弱.G106、G6、G103上各路段排放强度分布较为离散, G106、G6河北段分布集中且远低于北京段, 连接京津两地的G103未出现异常值但整体呈右偏态分布；G45、G108、G109、G207分布相对集中(G5观测站数量 < 3), 其中, 途经河北、北京的G45其整体排放强度较高, 连通张家口、保定、北京三地的G108、G109、G207整体较弱.

可见, 排放强度高的路段集中分布在北京、天津及廊坊, 排放强度排在前10位的路段中有5条分布在北京, 分别为京南方向G106西红门段、京东南方向G103四惠桥段、G2采育段、京西南方向G4杜家坎段、京西北方向G6沙河桥段；3条分布在天津, 分别为津南方向G103双街段、塘沽分局段、G2汊沽港K82+300段；2条在河北廊坊, 分别为G1香河主线站段和G45固安互通段.

4.2 不同车型排放强度差异 4.2.1 交通污染物分车型的贡献率差异

交通污染物分车型贡献率是指某一车型的污染物排放量均值与该污染物各车型排放均值总和之比, 据此, 计算各车型对不同污染物的排放贡献率, 结果见图 5.由图 5可见, 各车型不同污染物的排放水平迥然不同.货车是PM_2.5、PM₁₀、NO_x的主要排放源, 占排放总量80%以上, 其中, 特大货车尤为突出；对于HC、CO, 货车和客车的贡献率各占1/2, 其中, 中小客车贡献率突出；总体来说, 中小客车和特大货车贡献率相对较大.

4.2.2 各车型污染物排放强度空间差异

对各路段进行核密度分析, 将各车型的排放强度设为权重, 模拟各车型污染物浓度的空间变化, 同时得到各车型污染物强度的空间分布特征, 结果见图 6.由图 6可见, 北京除特大货车和集装箱外的其他车型的污染物浓度较高, 天津各车型污染物浓度均较高, 河北货车对污染物浓度的贡献较高.

对于中小客车, 其污染物浓度高值主要分布在北京东南、天津中西部区域；而大型客车的污染物强度分布相对离散, 在京张、京秦、京廊沧方向均有分布.

对于中小货车, 京津地区污染物浓度值较高, 河北石家庄、衡水、沧州次之；对于特大货车、大型货车和集装箱车辆来说, 路网密集区如京张交界处(G6、G7、G110)、津唐交界处(G112、G25、G205)、沧州京沪高速与黄石高速交汇处(G2、G3、G1811、G307)、石家庄和邢台(G20、G308)、邯郸(G22、G309)等地污染物浓度值均较高, 三者的区别在于特大货车更集中分布在冀南地区, 大型货车集中分布在京津地区及张家口, 集装箱更集中分布于冀东南方向.

4.3 不同污染物排放强度空间差异

对各路段进行核密度分析, 以不同污染物排放强度为权重, 分析不同污染物排放强度在空间分布上的差异, 并识别各污染物排放强度的异常值分布区域, 结果见图 7.由图 7可知, 5种污染物在京津两地排放强度较高.其中, NO_x、PM₁₀和PM_2.5排放强度分布大体一致, HC、CO空间分布更为相似.

同一线路各路段不同污染物排放强度也存在显著差异.G103(观测站10个, 北京、河北、天津站点个数分别为3、1、6)四惠桥段、塘沽分局段各污染物排放强度均很高, 双街段、小东庄段HC、CO排放强度相对较高；G309(观测站5个, 分布在河北)老爷庙段、铺上段等NO_x、PM₁₀和PM_2.5的排放强度均较高, 代召段HC、CO排放强度略高.

同一路段车辆运营情况相同时, 各污染物排放强度也存在差异.G106西红门段各污染物排放强度均很高；NO_x、PM₁₀和PM_2.5排放强度较高的路段出现在G2汊沽港K82+300段、G1山海关主线站段等, 极值点出现在G18海兴主线站、G3沧州北等；HC、CO的极值点出现在G6沙河桥.

5 结果与讨论(Results and discussion)

研究区内各路段、各车型、各污染物的排放强度存在显著的空间差异性.整体上, 排放强度高的路段集中在北京、天津及廊坊, 京津各路段排放强度高于河北, 冀中南高于冀北.这与车流量与排放强度的正相关性是一致的.京津及周边人口稠密, 过境国道中G1、G103、G4、G5、G7等路段排放强度较高, 车流量巨大的G4杜家坎年平均日交通量111693辆(当量标准小客车, 下同), G6沙河桥95751辆, G106西红门194332辆, 约为《公路工程技术标准JTG -B01-2014》中要求的最高限值的1~2倍, 其中包含大量“潮汐交通”及过境、中转车辆.排放强度较低的G108、G109、G111、G207等线路分布在冀北地区的承德、张家口, 这些城市多为旅游城市, 交通量具有明显的季节性, 因此, 年均日交通量并不大.此外, 路网布局也是其重要影响因素.截止2013年末, 北京、天津、河北、长三角、全国路网密度依次为132.06、131.58、92.97、134.84、45.38 km/100 km².相比全国, 研究区内路网更密集, 主要分布在路网密度大且公路使用率高的京津地区, 因而京津两地污染排放强度大；但与长三角相比略低, 区域路网密度分布不均匀, 河北地区改善空间更大.可见, 优化路网空间结构, 实现路网均衡负载是京津冀地区交通一体化发展的重要方向.

各类污染物排放强度大的区域主要集中在京津两地, NO_x、PM₁₀和PM_2.5排放强度分布大体一致, HC、CO空间分布更为相似.各路段不同污染物的排放强度存在差异.除了车流量和车型构成, 燃料占比不同也是主要原因.高速公路中小客车和特大货车车流量占比高, 普通国道中小客车和小型货车车流量占比高, 这些车型对污染物排放影响较显著, 其中, 中小客车对CO、HC的贡献率均占30%以上, 货车对NO_x、PM₁₀和PM_2.5的贡献率近40%.中小客车多以汽油车为主, 大型客车、货车主要为柴油车(大型客车70%, 集装箱、特大货车及大型货车100%, 中小货车85%).相关研究表明, 汽油车排放物中有较多的NO_x、CO、HC, 柴油车是NO_x与颗粒物的主要贡献者(Shen et al., 2015).因此, 提高柴油车排放控制水平及燃油品质, 推动普及高品质小排量车等举措在一定程度上有益于道路污染物的治理.

北京除特大货车和集装箱外的其他车型排放强度均很高, 天津货车和客车排放强度均较高, 河北货车排放强度高, 而客车排放强度相对较低.由于经济发展水平和产业结构的差异, 研究区在车型分布上存在很大不同, 由此导致各城市交通污染物排放呈显著的地域差异.京津经济发达, 客货运量巨大, G106西红门段仅中小客车150730辆, 占该路段车流总量的84%, G7莲花滩收费站段特大货车占比较高, 约占80%.为缓解首都交通压力, 北京实行货车限行、机动车尾号限行等规定, 对北京国道网行驶车型构成产生了一定影响.河北第二产业比重较大, 因而货运需求巨大, 唐山、石家庄、邯郸等区域的货运量大(G20、G25、G309等线路货运比重高), 导致货车污染物排放强度较高.因此, 调整产业结构、优化区域产业布局也是实现京津冀交通一体化的重要途径.

6 不确定性分析(Uncertainty anal ysis)

由于数据和方法的局限性, 对研究区污染物排放的模拟存在一定的不确定性.车型匹配如集装箱车(载质量在20 t之上)与《编制指南》中重型载货汽车(总质量大于12 t)对应, 采用保守估计；燃油比例与排放等级构成(北京率先实行国IV与国V标准)是基于全国数据, 对测算结果产生一定影响；交通观测样本的选取对排放因子的影响也十分显著, 可以通过扩充样本数量和种类可降低这种不确定性.

此外, GIS的核密度分析方法, 主要考虑交通污染的线性特征和距离衰减特性, 无法兼顾地形、气象等其它因素, 使计算结果也具有一定的局限性.

7 结论(Conclusions)

本文以京津冀国家干线公路为例, 基于GIS的路网线性参考系统, 利用线性动态分段技术及空间分析功能中的核密度分析方法, 从宏观和中观尺度上给出影响污染排放强度的因子, 将离散的交通测量数据展布在区域空间上, 研究道路污染的线性分布特征及区域性的污染空间分布规律, 对区域路网的均衡发展及其污染控制具有一定的方法学参考价值.研究表明：各路段、各车型、各污染物的排放强度存在显著的空间差异性, 其中, 京津两地各类污染物排放强度大于河北地区；NO_x、PM₁₀和PM_2.5排放强度分布大体一致, HC、CO空间分布更为相似；北京除特大货车和集装箱外的其他车型排放强度均很高, 天津货车和客车排放强度均较高, 河北货车排放强度高, 而客车排放强度相对较低.

但上述方法对原始数据的样本量和代表性具有较大的依赖性, 会导致研究结果存在一定的不确定性.就道路污染来说, 排放因子的选取及确定、排放强度的估算等都是影响分析结果可靠性的重要因素.