亚洲乱码日产精品一二三,亚洲乱亚洲乱少妇无码,色无码av在线播放,国产丝袜在线精品丝袜不卡

近年來，交通領(lǐng)域已成為城市CO₂和大氣污染物排放重要來源之一。隨城市不斷發(fā)展擴(kuò)張，機(jī)動(dòng)車保有量迅速增長導(dǎo)致了CO、NO_x、HC、PM_x等污染物急劇增加。國際能源署發(fā)布數(shù)據(jù)顯示交通運(yùn)輸業(yè)成為全球第二大碳排放行業(yè),碳排放量占全行業(yè)21%,預(yù)測(cè)交通運(yùn)輸業(yè)碳排放量到2050年將達(dá)到2010年的1.4倍^[1]。

以《城市交通大氣污染物與溫室氣體協(xié)同控制技術(shù)指南(1.0版本)》為基準(zhǔn)，從道路、鐵路及航空三個(gè)交通領(lǐng)域?qū)ッ魇?019年CO₂及6種大氣污染物（CO、NO_X、PM₁₀、PM_2.5、HC、SO₂）排放量進(jìn)行估算。各類型交通工具數(shù)據(jù)主要來源于昆明市車輛管理所、昆明市城市交通研究所。公路各交通工具在參考《道路機(jī)動(dòng)車大氣污染排放清單編制指南》分類基礎(chǔ)上，增加網(wǎng)約車、出租車、城市公交和渣土車等交通污染物排放較多車型（具體分類如表1所示）。機(jī)動(dòng)車燃料類型分為汽油﹑柴油、混合動(dòng)力、電、天然氣共5類，單位里程排放根據(jù)國1-國5國標(biāo)準(zhǔn)設(shè)定不同排放量，因昆明地處高原，CO₂和大氣污染物排放因子還需根據(jù)國內(nèi)外己有的研究成果（Hao Han，2015; 王慧慧;2016; YeWu,2016)進(jìn)行校正。

注：本研究對(duì)網(wǎng)約車、出租車進(jìn)行單獨(dú)分類，不包含在“小型載客汽車”中；大、中型載客汽車不包含公交車。

本文采用兩種方法對(duì)交通碳達(dá)峰和大氣污染物減排協(xié)同進(jìn)行分析。

根據(jù)LEAP模型計(jì)算結(jié)果，2019年昆明市CO₂排放量及排放占比如下圖3、4所示。交通領(lǐng)域全年共排放CO₂1185.77萬噸，其中公路排放1142.11萬噸，占交通總排放的96.6%；鐵路和航空排放各24.35萬噸、19.31萬噸，因跨市、活動(dòng)量相對(duì)較低原因CO₂排放較少。據(jù)《昆明環(huán)境科學(xué)研究院2015年全市碳排放研究》報(bào)告，預(yù)估2019年昆明市全行業(yè)碳排放總量約6600萬噸，交通領(lǐng)域占全行業(yè)排放總量的17.9%。公路CO₂排放中小型載客汽車排放最大，排放543.98萬噸占公路總排放的47.6%，其次為重型載貨汽車，排放284.13萬噸占總CO₂排放的25%，輕型載貨汽車因保有量大排放132.71萬噸CO₂，其他車型因保有量或單位排放因子較小原因排放總量相對(duì)較少。

2019年昆明公路交通大氣污染物排放總量16.8萬噸，其中CO排放11.3萬噸，占排放總量的67.1%，排放貢獻(xiàn)最大；其次NO_x排放3.94萬噸，占排放總量的23.43%，PM₁₀、PM_2.5以及SO₂整體排放量較少。由于缺乏6種大氣污染物標(biāo)準(zhǔn)等價(jià)轉(zhuǎn)換值，本報(bào)告只從污染物排放量大小進(jìn)行區(qū)分，未對(duì)各類型大氣污染物危害值大小進(jìn)行研究。

為研究不同情景各交通工具CO₂和大氣污染物減排潛力,本研究參考《云南省綠色低碳發(fā)展規(guī)劃》、《昆明市打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)實(shí)施方案》基礎(chǔ)上，以2019年數(shù)據(jù)為基準(zhǔn)，對(duì)2020—2035年昆明市CO₂和各類型大氣污染物排放進(jìn)行預(yù)測(cè)。根據(jù)車輛活動(dòng)水平、能源利用效率及高原本地化參數(shù)構(gòu)建基準(zhǔn)情景、節(jié)能情景、達(dá)峰協(xié)同情景和理想情景四大情景，探討昆明市CO₂及大氣污染物排放關(guān)系。

各情景CO₂排放模擬結(jié)果如圖5所示。基準(zhǔn)情景下2030年出現(xiàn)拐點(diǎn)，但沒有下降趨勢(shì)，碳排放不能達(dá)到峰值；節(jié)能情景較基準(zhǔn)情景增加減排措施，CO₂排放變化趨勢(shì)較基準(zhǔn)情景有所降低，但依然不能達(dá)峰；達(dá)峰協(xié)同情景增加“機(jī)動(dòng)車機(jī)燃料結(jié)構(gòu)調(diào)整”、“提升貨運(yùn)能效”策略，此兩項(xiàng)措施減排效果明顯，CO₂排放能夠在2029年達(dá)峰，峰值1347萬噸，較基準(zhǔn)情景減排15.75%，即251.7萬噸。理想情景增加汽車尾氣凈化、燃油低硫清潔策略，CO₂排放進(jìn)一步下降，可提前至2025年達(dá)峰，比達(dá)峰協(xié)同情景追加減排4%，較基準(zhǔn)情景減排18.5%。

公路大氣污染物減排結(jié)果顯示，基準(zhǔn)情景下大氣污染物排放持續(xù)增長未出現(xiàn)拐點(diǎn)，節(jié)能情景、達(dá)峰協(xié)同情景污染物排放從2019年開始持續(xù)下降，2029達(dá)峰年較基準(zhǔn)年分別減排28.5%，32.6%，措施疊加后減排效果十分明顯。各車型大氣污染物排放總量變化中，小型載客汽車、重型載貨汽車和網(wǎng)約車呈先上升再下降趨勢(shì)，2025年排放達(dá)到峰值分別為6.05萬噸、4.11萬噸和0.94萬噸；輕型載貨汽車污染物下降趨勢(shì)明顯，其余車型污染物排放從2020年開始緩慢下降。各車型減排污染物貢獻(xiàn)上，重型載貨汽車減排NO_x、PM₁₀、PM_2.5和SO₂污染物最多，原因是貨運(yùn)能效提升且城市物流貨運(yùn)電動(dòng)化，單位污染物排放減少，達(dá)峰年較基準(zhǔn)情景分別減排21.4%，58.8%，58.7%和5.2%；小型載客汽車減排HC、CO污染物最多，通過私家車電動(dòng)化、新能源汽車推廣促使減排潛力良好，達(dá)峰年較基準(zhǔn)情景分別減排32.3%，28.5%。

達(dá)峰協(xié)同情景采用“機(jī)動(dòng)車燃料結(jié)構(gòu)調(diào)整”、“出行結(jié)構(gòu)調(diào)整”、“強(qiáng)制淘汰老舊車”、“提升貨運(yùn)能效”四大措施同時(shí)減排CO₂和大氣污染物減，利用協(xié)同坐標(biāo)分析法和減排占比分析法分別測(cè)算不同措施協(xié)同性。

協(xié)同效應(yīng)坐標(biāo)分析法利用二維象限坐標(biāo)直觀反映控制措施結(jié)果：CO₂和CO、NO_x和HC、PM₁₀和PM_2.5六種大氣污染物減排對(duì)比，各項(xiàng)控制措施減排結(jié)果均在第一象限，減排措施均具有正向協(xié)同效應(yīng)。單一控制措施情景下，“強(qiáng)制淘汰老舊車”減排污染物最多，除SO₂以外，其余五種大氣污染物達(dá)峰年減排均超過70%，同時(shí)減排較多CO₂，協(xié)同減排效果最為顯著；“機(jī)動(dòng)車燃料結(jié)構(gòu)調(diào)整”、“貨運(yùn)能效提升”、“出行結(jié)構(gòu)調(diào)整”三項(xiàng)措施減排CO₂效果優(yōu)于大氣減排污染物，“機(jī)動(dòng)車燃料結(jié)構(gòu)調(diào)整”措施減排CO₂程度大于大氣污染物，“貨運(yùn)能效提升”、“出行結(jié)構(gòu)調(diào)整”減排CO₂和大氣污染物占比小于20%，協(xié)同效應(yīng)不明顯。

減排占比分析結(jié)果顯示“機(jī)動(dòng)車燃料結(jié)構(gòu)調(diào)整” 措施減排CO₂占比（9.52%）明顯高于大氣污染物，此項(xiàng)措施更有利于溫室氣體減排，且大氣污染物減排較多且均衡，協(xié)同效果明顯；“出行結(jié)構(gòu)調(diào)整”措施CO₂和大氣污染物減排量較?。–O₂=1.9%,0.04%<污染物<1.94%），且大氣污染物減排不均勻，協(xié)同效果不明顯。“強(qiáng)制淘汰老舊車”措施對(duì)大氣污染物減排明顯高于二氧化碳減排（PM₁₀=43.77%，PM_2.5=43.21%，HC=35.5%，CO₂=3.43%），此項(xiàng)措施對(duì)大氣污染物減排效果更優(yōu)于CO₂；“提高貨運(yùn)能效”措施減排CO₂(2.15%)優(yōu)于大氣污染物（0.8%＞污染物＞0.2%），但總體減排量相對(duì)較小，協(xié)同效果不明顯。

基于LEAP建立了交通領(lǐng)域碳達(dá)峰及大氣污染物協(xié)同減排模型，根據(jù)達(dá)峰協(xié)同情景四大措施預(yù)測(cè)結(jié)果：昆明市交通CO₂排放2029年達(dá)峰，峰值排放CO₂1347萬噸；達(dá)峰協(xié)同情景公路大氣污染物從2020年開始持續(xù)下降，達(dá)峰年共排放交通大氣污染物16萬噸。協(xié)同坐標(biāo)分析法表明“強(qiáng)制淘汰老舊車”減排污染物最多同時(shí)減排大量CO₂，協(xié)同效應(yīng)最為顯著；減排占比分析法中“機(jī)動(dòng)車燃料結(jié)構(gòu)調(diào)整”措施CO₂減排量最大，協(xié)同效應(yīng)明顯。

致謝：能源基金會(huì)為本研究提供資金支持，可持續(xù)發(fā)展合作研究所（ISC）和上海環(huán)球可持續(xù)環(huán)境能源咨詢研究中心提供大量技術(shù)支持，在此表示感謝。

參考文獻(xiàn)：

[1]丁金學(xué). 我國交通運(yùn)輸業(yè)碳排放及其減排潛力分析[J]. 綜合運(yùn)輸, 2012, 000(012):20-26.

[2]唐偉,鄭思偉,何平等.基于情景分析的杭州市機(jī)動(dòng)車尾氣排放控制協(xié)同效應(yīng)研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2019,39(6): 2033- 2042.

[3]徐西蒙. 昆明市二氧化碳排放峰值研究[J]. 環(huán)境科學(xué)導(dǎo)刊, 2015, 34(004):47-52.

[4]丁輝. 城市能源系統(tǒng)分析模型研究[M]．北京：科學(xué)出版社，2012：29

[5] Hao H ,  Geng Y ,  Li W , et al. Energy consumption and GHG emissions from China's freight transport sector: Scenarios through 2050[J]. Energy Policy, 2015, 85:94-101.

[6]Ye Wu, Shaojun Zhang Jiming Hao.On-road vehicle emissions and their control in China A review and outlook.Science of The Total Environment. 2016.

[7]邱凱,唐翀.昆明城市交通碳排放達(dá)峰前瞻性思考[J].建筑與文化,2019(11):153-154.