中国移动源多污染物排放数据集（2011-2020）：网格化排放清单构建与验证

本研究创新性地构建了中国首套覆盖8类移动源（MS）、包含尾气与非尾气排放过程的网格化排放清单（GMED），整合本地化排放因子（EF）、时空代理变量和活动数据，以36 km×36 km分辨率提供2011-2020年多污染物（CO/NOx/VOCs/IVOCs/NH3/PM2.5等）月尺度排放数据，为大气质量建模和政策评估提供高精度基础数据。

　　

背景与意义

随着中国机动车保有量突破4亿辆，移动源（MS）已成为城市空气污染的关键贡献者。传统排放清单存在源分类粗糙、新兴污染物缺失等问题，本研究开发的网格化移动源排放数据集（GMED）首次实现8类移动源（包括道路车辆、非道路机械、船舶等）的全覆盖，整合尾气排放、蒸发排放和磨损排放等多过程，涵盖从挥发性有机物（VOCs）到极低挥发性有机物（xLVOCs）的全谱系污染物。

方法论创新

GMED采用七项关键技术改进：

1. 车辆保有量空间降尺度：基于Gompertz模型将省级车辆保有量（VP）分配至2848个区县，利用人均GDP与人口数据建立非线性关系，验证显示区县尺度模拟R²达0.77。

2. 燃料构成动态校准：整合交通事故强制保险（TACI）系统的2.64亿条记录，识别天然气重卡在山西等省份占比达36%的区域差异。

3. 排放标准（ES）年龄映射：改进生存率函数（式14-16）模拟车辆年龄分布，使省级保有量模拟精度提升10%（R²从0.84至0.92）。

4. 里程活动（VKT）年龄修正：基于7万条GPS数据构建年龄-里程函数，发现新车年均行驶里程较旧车高20-30%。

5. 全参数化排放因子库：建立包含NH₃和有机物的EF数据库，其中IVOCs排放因子基于实测数据，电动汽车因车重增加导致轮胎磨损PM_2.5排放较燃油车高8.3%。

6. 非道路机械活动数据整合：采用30米分辨率土地利用数据，以耕地面积分配农业机械排放，以不透水面增长量分配工程机械排放。

7. 时空分配优化：利用高速公路货运周转量实现月分配，COVID-19期间交通流变化通过智能交通系统数据动态修正。

数据特征与验证

数据集提供2011-2020年36 km网格的月尺度排放，包含：

• 污染物谱系：常规污染物（CO/NO_x/PM_2.5）、新兴物种（NH₃）、有机物四分类（VOCs/IVOCs/SVOCs/xLVOCs）及SAPRC-07化学机制映射。

• 过程贡献：车辆VOCs排放中蒸发占比达40%（图6），PM_2.5排放中非尾气过程贡献超50%。

• 不确定性：蒙特卡洛模拟显示95%置信区间为?25%~48%，与高分辨率动态清单对比显示NO_x排放平均绝对误差（MAE）仅23%。

应用与展望

GMED已应用于中国清洁空气政策评估，揭示2015-2020年移动源NO_x排放强度下降30%（图4）。未来需结合车载诊断（OBD）大数据优化跨区域排放分配，并发展IVOCs等非常规污染物的EF校正模型。该数据集为解析移动源对二次有机气溶胶（SOA）的贡献提供了关键基础。