
2. 国家环境保护机动车污染控制与模拟重点实验室, 北京 100012;
3. 成都市环境保护科学研究院, 成都 610072;
4. 西华大学, 成都 610039;
5. 成都市机动车排气污染防治技术保障中心, 成都 610000
2. State Environmental Protection Key Laboratory of Vehicle Emission Control and Simulation, Beijing 100012;
3. Chengdu Research Academy of Environmental Protection Sciences, Chengdu 610072;
4. Xihua University, Chengdu 610039;
5. Chengdu Motor Vehicle Exhaust Pollution Prevention and Control Technical Support Center, Chengdu 610000
非道路施工机械指用于工程施工的、不在道路上行驶的移动式机械设备或车辆, 包括推土机、挖掘机、装载机等工程机械, 与农用机械等同属非道路移动机械, 与机动车统称为移动源.不同城市的大气颗粒物源解析结果显示, 移动源排放的颗粒物占到颗粒物总量的11%~45%(黄晓峰等, 2014;任丽红等, 2014;杨妍妍等, 2015;Yang et al., 2016;Wang et al., 2016;刘慧琳等, 2017;陆锡明等, 2017;元洁等, 2018), 《中国机动车环境管理年报2018》(2018)中统计, 包括非道路施工机械在内的非道路移动源排放的NOx和PM总量已与机动车排放相当, 随着我国大气污染治理工作深入推进, 电厂、工业源和机动车等重点污染源的减排潜力不断缩减(贺晋瑜等, 2017;Wu et al., 2017;杜小申等, 2018), 非道路移动机械的排放控制日益受到重视.
为了精准开展非道路移动机械的排放控制, 已有不少研究者开展了源清单编制基础研究工作(Magnus, 2005;Fu et al., 2012;李东玲等, 2012;Veerle et al., 2014;Wang et al., 2016;Lang et al., 2018;马帅等, 2019), 对全国、区域、城市不同尺度的非道路移动机械排放清单进行了计算(生态环境部, 2014;谢轶嵩等, 2016;陈洁等, 2016;鲁君等, 2017;张意等, 2017;Zhong et al., 2018;马帅, 2018;叶子铭等, 2018;卞雅慧等, 2018).非道路移动机械的排放清单计算主要有功率法和油耗法两种不同的方法(樊守彬等, 2011), 运用油耗法计算时通过年鉴等方式获得燃油消耗量, 可以不考虑机械的功率、使用时间、劣化系数等, 结合基于油耗的排放因子计算得到清单, 目前非道路移动机械清单多采用燃油法计算.鲁君等进行了上海和杭州非道路移动机械排放清单的计算(鲁君等, 2017), 李东玲等(2012)估算了我国工程机械排放清单, 樊守彬等(2011)研究了北京农用机械排放清单, 贾旭等(2014)计算了港口机械排放清单, 张礼俊、谢轶嵩等根据施工建筑面积所占的比例推算出燃油消耗量, 然后基于燃油法计算了珠三角、南京市工程机械排放清单(张礼俊等, 2010; 谢轶嵩等, 2016), 以上清单都是基于油耗法得到.用功率法计算清单时可得到各非道路移动机械的具体排放量, 但需综合考虑发动机功率、年活动水平、保有量、基于做功的排放因子等因素, 需要大量统计资料, 国内如此详细的统计资料还不够完善, 计算有一定的难度, 因此目前用功率法进行城市尺度排放清单研究的还很少.
成都市是我国西南地区重要城市, 为了加强空气污染治理, 已经开始了非道路移动机械排放清单方面研究工作, Li实测了成都市高速公路路面施工机械的排放(Li et al., 2016), 马帅等根据成都市房屋建筑施工面积占四川省的比例, 基于燃油法推算了成都市工程机械排放清单(马帅等, 2018).在严峻的大气污染形势面前, 现有的清单已不能满足更精细化的监管需求.为了摸清非道路移动机械底数, 成都市颁布了相应的管理规定(成都市非道路移动机械排放监督管理规定, 2018), 进行了非道路移动机械的登记申报, 要求通过成都市非道路移动源监管平台填报机械信息.本研究对成都非道路移动源监管平台数据进行了综合分析, 结合现场检查情况, 得到了较准确的非道路施工机械的保有量、排放阶段、功率分布等信息, 因此本研究主要对非道路施工机械的排放清单进行计算.利用平台获得的数据, 结合现场活动水平调研, 按照原环保部发布的《非道路移动污染源排放清单编制技术指南(试行)》(以下简称《指南》)中的功率法建立了2018年成都市非道路施工机械排放清单, 以期为非道路移动源污染控制措施的制订及空气质量模型研究提供依据和参考.
2 材料与方法(Materials and methods) 2.1 研究区域与对象研究区域为成都市, 研究的机械种类有挖掘机、装载机、推土机、压路机、摊铺机、平地机、打桩机、旋挖机等, 其中打桩机、旋挖机等因为量少统一归为其他机械, 研究的污染物包括CO、HC、NOx和PM.
2.2 清单计算方法本次清单的计算方法主要参照《指南》中功率法, 根据不同排放阶段的非道路移动机械保有量、机械类别、功率段及活动水平计算得出.方法的原理与美国环保署开发的NONROAD 2008a模型中的核心方法一致(李东玲等, 2012), 具体公式如下:
![]() |
(1) |
式中, E为非道路移动机械污染物排放量(t);Pi, j, k为i机型、j功率段、k阶段非道路移动机械保有量(台);Gi, j, k为i机型、j功率段、k阶段非道路移动机械平均额定净功率(kW·台-1);LFi, j, k为i机型、j功率段、k阶段非道路移动机械负载因子;HRi, j, k为i机型、j功率段、k阶段非道路移动机械年均使用小时数(h);EFi, j, k为i机型、j功率段、k阶段非道路移动机械排放因子(g·kWh-1);n为非道路移动机械种类数(种);m为非道路移动机械功率段数(个);p为非道路移动机械排放阶段数(个).
2.3 资料来源本研究中有关清单计算的基础数据有公式(1)中的非道路施工机械保有量、机械类型、功率分布、年工作时间、排放因子、负载因子.
通过成都市非道路移动源监管平台, 按照成都市非道路施工机械备案登记等管理规定要求, 环保部门及非道路施工各行业主管部门进行宣传及工地检查, 由非道路施工机械所有人在监管平台进行登记, 通过对登记信息的统计分析获得非道路施工机械保有量、机械类型、功率分排放阶段(要求从2018年6月1日起在成都进行施工的机械需要登录网站进行申报, 在30 d内完成登记.)
对于非道路施工机械年工作小时, 主要通过现场调研、资料调研、生产企业调研及行业协会咨询等方式获取.在成都各工地共选择150台正常施工的机械, 通过与机械使用者交流以及机械工作时间记录仪的查验, 获得实际年均使用时间, 同时进行资料调研及行业协会咨询, 对不同来源的数据进行分析后确定本研究使用的因子.
对于非道路施工机械的排放因子及负载因子, 本研究中没有进行专门的测试, 参照《指南》中的默认因子.
本研究清单计算中需要的各种参数的获得方式具体见表 1.
表 1 清单计算数据来源 Table 1 Data sources of inventory calculation |
![]() |
成都市从2018年6月1日开始通过非道路移动源监管平台进行非道路施工机械的登记备案, 同时监管部门对施工工地所使用的施工机械是否在平台上登记备案进行现场抽查, 11月底非道路施工机械的保有量调查基本完毕, 初步估计还有少量机械(约5%)没有进行登记, 计算得到2018年成都非道路施工机械的保有量为29129台, 非道路施工机械的保有量详细情况见表 2.其中主要包含在工地进行施工的机械, 对于在物流园区及厂区内使用的叉车, 由于实际登记量与调研数据还有较大的差距, 因此本次清单研究不包含叉车.
表 2 成都非道路施工机械保有量 Table 2 Non-road construction machinery′s population in Chengdu |
![]() |
成都市非道路移动源监管平台登记的机械有19958台有功率数据, 根据《指南》中对机械功率的分类方法, 按照功率区间对机械进行了功率统计, 然后按照每种机械不同功率段的数量占比推算了全样本不同功率段的数量, 成都市非道路施工机械在不同功率段的保有量占比及不同机械类型在各功率段的分布见图 1、2.
![]() |
图 1 不同功率段机械数量在总保有量中的占比 Fig. 1 Quantity proportion of different power machinery in total population |
![]() |
图 2 不同机械类型在各功率段的分布 Fig. 2 Machinery inventory in different power sections |
通过施工现场与机械使用人员的交谈及机械自带工作时间记录仪的查询获得机械年工作小时, 进行综合分析后得到实际调研的年均工作小时数, 具体如表 3所示.
表 3 现场调研获得的非道路施工机械年均工作小时数 Table 3 Average annual working hour of non-road construction machinery from the field investigation |
![]() |
由于现场实际调研的机械种类及数量有限, 为了获得更能反映实际情况及满足清单计算需要的数据, 对工程机械行业协会的统计数据、机械车载诊断系统(OBD)记录的使用时间进行了调研.协会统计的挖掘机、装载机年均工作时间为1200 h, OBD记录的挖掘机年均工作时间为1400 h, 现场调查和OBD调查的机械相对机龄较短、年工作时间较长, 考虑到机龄长的机械年工作时间较短, 挖掘机年工作小时数取成都当地调研值与行业协会统计值之间的值, 1350 h, 装载机由于实地调研数量较小, 因此取行业协会提供的平均值, 1200 h.推土机、压路机、平地机等由于本次实地调研样本较少或未涉及, 年均工作小时数主要参照了《指南》、美国NONROAD 2008a中的推荐工作小时数以及国内其他城市的非道路施工机械年工作小时数(李东玲等, 2012), 经过综合分析, 成都非道路施工机械排放清单计算中的年工作小时数见表 4.
表 4 成都市非道路施工机械年均工作小时数 Table 4 Average annual working hour of non-road construction machinery in Chengdu |
![]() |
排放清单中的负载因子、排放因子等采用《指南》中的推荐值, PM采用《指南》的PM10, PM、HC、NOx、CO排放因子见表 5, 负载因子采用指南中的推荐因子0.65.
表 5 非道路施工机械排放因子 Table 5 Emission factors of non-road construction machinery |
![]() |
根据获得的各种因子, 按照公式(1)进行计算, 得到2018年成都市非道路施工机械的排放清单, PM、HC、NOx和CO总的排放量分别为845、2898、16738、11231 t.
3.2.1 2018年成都市非道路施工机械按机械类型排放清单2018年成都市非道路施工机械PM、HC、NOx和CO排放量按不同机械类型见图 3.由图中可以看到, 不同类型机械排放的污染物量按照从大到小的顺序依次为挖掘机、装载机、压路机、推土机、平地机、摊铺机.其中挖掘机各项污染物的排放量最大, PM、HC、NOx和CO排放量分别为501、1758、9795、6944 t.不同类型机械的排放量占比见图 4, 其中挖掘机的各项污染物排放量超过总量的一半, PM和NOx排放占比各为59%, HC和CO排放占比分别为61%和62%, 各项污染物排放量占比位居第二的是装载机, 各项污染物的排放量占比在26%~29%.
![]() |
图 3 不同机械类型各污染物排放量 Fig. 3 Pollutant emissions of different machinery |
![]() |
图 4 不同机械类型各污染物排放占比 Fig. 4 Pollutant emissions proportion of different machinery |
2018年成都市非道路施工机械PM、HC、NOx和CO排放量按不同排放阶段的排放量及排放占比见图 5、6.由图中可以看到, 国Ⅱ阶段机械各项污染物的排放量最大, PM、HC、NOx和CO排放量分别为465、1919、11382、7307 t, 依次占总排放的55%、66%、68%、65%.国Ⅰ及以前机械排放的PM、HC、NOx和CO排放量占比依次为28%、16%、21%、17%, 对于国Ⅰ及以前的机械, 机龄最少在8年以上, 由于排放标准低、使用时间已较长、排放相对新机械时已有很大劣化, 而且占比不可忽视, 因此国Ⅰ及以前的机械是进行非道路施工机械管控的重点.
![]() |
图 5 不同排放阶段机械各污染物排放量 Fig. 5 Pollutant emissions from different emission stages of machinery |
![]() |
图 6 不同排放阶段机械各污染物排放占比 Fig. 6 Pollutant emissions proportion from different emission stages of machinery |
非道路移动机械多年以来保有量、功率等底数不详给排放清单计算带来了很大的不确定性, 本次研究通过多种方式提高公式(1)中各参数的准确性以降低计算结果的不确定性.保有量和功率数据几乎来自于成都市全样本, 具有较小的不确定性;年均工作小时数来源于现场咨询、资料调研、生产企业调研、行业协会咨询, 尽管对调研数据进行了分析和筛选, 但由于数据量有限, 可能因数据对成都的代表性不足引起不确定性;排放因子和负载因子来源于《指南》, 负载因子主要通过实际调研获得, 与机械类型相关, 随时间变化较小, 排放因子基本是2014年以前的数据, 国Ⅲ机械的因子主要参照了国外, 随着国Ⅲ机械保有量的增加及各排放阶段机械机龄的变化, 原有的排放因子与目前的状况已有一定的差别, 对清单的结果带来了较大的不确定性.由于数据的多种来源方式, 公式(1)中各参数准确性没有量化数值, 计算结果的不确定性也无法量化, 但根据数据来源方式的不同, 可判断各参数对排放清单结果不确定性的影响程度由大到小依次为:排放因子>年均工作小时数、负载因子>保有量、功率.《指南》中排放因子的重要参考之一为实际排放测试, 已经有不少的学者对非道路施工机械中占比较大的挖掘机、装载机进行了排放因子测试研究, 但是其他种类机械的排放因子用PEMs测试的数据还很少, 特别是国Ⅲ阶段排放因子的研究还很不足, 因此为了提高排放清单的准确性, 需要重点加强国Ⅲ阶段排放因子以及挖掘机、装载机外其他机械排放因子的测试.
3.4 排放清单比较本研究得到的成都市2018年非道路施工机械CO、HC、NOx和PM排放量分别为11231、2898、16738、845 t.针对成都市, 马帅计算了2015年工程机械的排放量, CO、HC、NOx和PM2.5分别为192.3、60.7、588.2、37.4 t(马帅, 2018), 本研究的结果是马帅研究结果的23~58倍.马帅计算时采用燃油法, 通过调研四川省建筑业柴油年消耗量统计数据, 利用成都市房屋建筑施工面积占四川省的比例推算出成都市建筑业柴油消耗量, 即为工程机械柴油消耗量, 然后利用《指南》中基于油耗的排放因子进行了清单计算.本研究与马帅等研究结果的差异, 一方面是由于机械保有量的增长, 从2015—2017年底, 全国非道路移动机械的保有量约增加10%, 成都的机械保有量也会有相应的增加, 带来排放增加, 但是导致如此明显差异的主要原因是由于通过建筑面积来推算机械柴油消耗量的方法目前研究还很少, 方法具有较大的不确定性.
4 结论(Conclusions)1) 已建立较完善的成都市非道路移动机械排放清单, 可为相关研究和管理决策提供基础数据和技术支撑.
2) 2018年成都非道路施工机械PM、HC、NOx和CO的排放量分别为845、2898、16738、11231 t.通过排放特征分析, 按机械类型划分, 挖掘机4项污染物排放占比最高, PM、HC、NOx和CO分别占59%、61%、59%和62%;按排放阶段划分, 国Ⅱ机械4项污染物排放占比最高, PM、HC、NOx和CO分别占55%、66%、68%和65%.国1及以前机械的4项污染物排放也不容忽视, PM、HC、NOx和CO分别占28%、16%、21%、17%.
卞雅慧, 范小莉, 李成, 等. 2018. 广东省非道路移动机械排放清单及不确定性研究[J]. 环境科学学报, 2018, 38(6): 2167–2178.
|
陈洁, 张静. 2016. 南京市典型施工工地非道路移动机械活动水平及排放清单研究[J]. 环境科技, 2016, 29(6): 22–25.
DOI:10.3969/j.issn.1674-4829.2016.06.005 |
《成都市非道路移动机械排放监督管理规定》. 2018.[EB/OL]. 2018-05-25, http://www.cdepb.gov.cn/cdepbws/Web/Template/GovDefaultInfo.aspx?cid=756&aid=8853B536056B4F2885897EDE39801A58
|
杜小申, 燕丽, 贺晋瑜, 等. 2018. 安阳市典型工业源PM2.5排放特征及减排潜力估算[J]. 环境科学, 2018, 39(5): 2043–2051.
|
樊守彬, 聂磊, 阚睿斌, 等. 2011. 基于燃油消耗的北京农用机械排放清单建立[J]. 安全与环境学报, 2011, 11(1): 145–148.
DOI:10.3969/j.issn.1009-6094.2011.01.034 |
Fu M L, Ge Y S, Tan J W, et al. 2012. Characteristics of typical non-road machinery emissions in China by using portable emission measurement system[J]. Science of The Total Environment, 437: 255–261.
DOI:10.1016/j.scitotenv.2012.07.095
|
贺晋瑜, 燕丽, 雷宇, 等. 2017. 京津冀地区燃煤锅炉PM2.5减排潜力分析[J]. 中国环境科学, 2017, 37(4): 1247–1253.
DOI:10.3969/j.issn.1000-6923.2017.04.006 |
黄晓锋, 云慧, 宫照恒, 等. 2014. 深圳大气PM2.5来源解析与二次有机气溶胶估算[J]. 中国科学:地球科学, 2014, 44(4): 723–734.
|
贾旭, 封学军, 蒋柳鹏. 2014. 港口作业机械大气污染物排放研究[J]. 华东交通大学学报, 2014, 31(3): 12–17.
DOI:10.3969/j.issn.1005-0523.2014.03.003 |
Lang J L, Tian J J, Zhou Y, et al. 2018. A high temporal-spatial resolution air pollutant emission inventory for agricultural machinery in China[J]. Journal of Cleaner Production, 183: 1110–1121.
DOI:10.1016/j.jclepro.2018.02.120
|
李东玲, 吴烨, 周昱, 等. 2012. 我国典型工程机械燃油消耗量及排放清单研究[J]. 环境科学, 2012, 33(2): 518–524.
|
Li Z, Zhang K, Pang K, et al. 2016. A fuel-based approach for emission factor development for highway paving construction equipment in China[J]. Journal of The Air&Waste Management Association, 66(12): 214–1223.
|
刘慧琳, 陈志明, 毛敬英, 等. 2017. 利用SPAMS研究南宁市四季细颗粒物的化学成分及污染来源[J]. 环境科学, 2017, 38(3): 894–902.
|
鲁君, 黄成, 胡磬遥, 等. 2017. 长三角地区典型城市非道路移动机械大气污染物排放清单[J]. 环境科学, 2017, 38(7): 2738–2746.
|
陆锡明, 邵丹. 2017. 北京、上海、杭州机动车对PM2.5的贡献度差异[J]. 城市交通, 2017(2): 93–95.
|
马帅. 2018. 2011-2015年成都市非道路移动源排放清单[J]. 四川环境, 2018, 37(3): 33–37.
DOI:10.3969/j.issn.1001-3644.2018.03.007 |
马帅, 张凯山, 王帆, 等. 2019. 现实工况下挖掘机尾气排放特征分析[J]. 环境科学, 2019, 40(4): 1–13.
|
Magnus L. 2005. A transient fuel consumption model for non-road mobile machinery[J]. Biosystems Engineering, 91(2): 139–147.
DOI:10.1016/j.biosystemseng.2005.03.011
|
任丽红, 周志恩, 赵雪艳, 等. 2014. 重庆主城区大气PM10及PM2.5来源解析[J]. 环境科学研究, 2014, 27(12): 1387–1394.
|
生态环境部. 2014.关于发布《大气细颗粒物一次源排放清单编制技术指南(试行)》等4项技术指南的公告[EB/OL].2014-08-20. http://www.mee.gov.cn/gkml/hbb/bgg/201501/t20150107_293955.htm
|
Veerle V L, Lieve H. 2014. A fuel consumption model for off-road use of mobile machinery in agriculture[J]. Energy, 77: 880–889.
DOI:10.1016/j.energy.2014.09.074
|
Wang F, Li Z, Zhang K S, et al. 2016. An overview of non-road equipment emissions in China[J]. Atmospheric Environment, 132: 283–289.
DOI:10.1016/j.atmosenv.2016.02.046
|
Wang J, Zhou M, Liu B S, et al. 2016. Characterization and source apportionment of size-segregated atmospheric particulate matter collected at ground level and from the urban canopy in Tianjin[J]. Environmental Pollution, 219: 982–992.
DOI:10.1016/j.envpol.2016.10.069
|
Wu Y, Zhang S J, Hao J M, et al. 2017. On-road vehicle emissions and their control in China:A review and outlook[J]. Science of The Total Environment, 574: 332–349.
DOI:10.1016/j.scitotenv.2016.09.040
|
谢轶嵩, 郑新梅. 2016. 南京市非道路移动源大气污染物排放清单及特征[J]. 污染防治技术, 2016, 29(4): 47–51.
|
Yang H N, Chen J, Wen J J, et al. 2016. Composition and sources of PM2.5, around the heating periods of 2013 and 2014 in Beijing:Implications for efficient mitigation measures[J]. Atmospheric Environment, 124: 378–386.
DOI:10.1016/j.atmosenv.2015.05.015
|
杨妍妍, 李金香, 梁云平, 等. 2015. 应用受体模型(CMB)对北京市大气PM2.5来源的解析研究[J]. 环境科学学报, 2015, 35(9): 2693–2700.
|
叶子铭, 李肇铸, 黄继章, 等. 2018. 广州市典型非道路移动机械大气污染物排放清单研究[J]. 环境科学与管理, 2018, 43(11): 63–66.
DOI:10.3969/j.issn.1673-1212.2018.11.014 |
元洁, 刘保双, 程渊, 等. 2018. 2017年1月天津市区PM2.5化学组分特征及高时间分辨率来源解析研究[J]. 环境科学学报, 2018, 38(3): 1090–1101.
|
张礼俊, 郑君瑜, 尹沙沙, 等. 2010. 珠江三角洲非道路移动源排放清单开发[J]. 环境科学, 2010, 31(4): 886–891.
|
张意, AndreMichel, 李东, 等. 2017. 天津市非道路移动源污染物排放清单开发[J]. 环境科学, 2017, 38(11): 4447–4453.
|
《中国机动车环境管理年报2018》. 2018.[EB/OL]. http://www.mee.gov.cn/gkml/sthjbgw/qt/201806/t20180601_442293.htm
|
Zhong Z M, Zheng J Y, Zhu M N, et al. 2018. Recent developments of anthropogenic air pollutant emission inventories in Guangdong province, China[J]. Science of the Total Environment, 627: 1080–1092.
DOI:10.1016/j.scitotenv.2018.01.268
|