高时空分辨率下车辆PM2.5排放量的估算及其在韩国首尔空气扩散建模中的应用

《Environmental Pollution》：Estimation of vehicle PM 2.5 emissions with high spatio-temporal resolution and its application to air dispersion modeling in Seoul, South Korea

基于MOVES5和本地交通数据开发了首尔高分辨率时空车辆PM2.5排放清单，通过RLINE模型计算得出主干道PM2.5浓度贡献率达70%，为城市空气质量管理提供了精细化的数据支撑。

　　

李尚珍（Sang-Jin Lee）| 斯图尔特·巴特曼（Stuart Batterman）

美国密歇根大学公共卫生学院环境健康科学系，安娜堡，密歇根州 48109

摘要

车辆排放的PM_2.5是城市空气污染的主要来源之一。尽管国家排放清单被广泛使用，但其粗略的空间分辨率限制了其在复杂城市环境中的适用性。本研究为韩国首尔开发了一个高分辨率的时空车辆排放清单，该城市面临着严重的交通相关污染问题，并利用扩散模型来确定特定道路上的PM_2.5浓度。通过将韩国清洁空气政策支持系统（CAPSS）中的道路排放数据与机动车排放模拟器（MOVES5）模型以及详细的本地道路和交通活动数据相结合，对现有数据进行了改进。这些在空间和时间上得到精细化的数据与CAPSS报告的城市级排放数据高度一致，证明了修订后清单的可靠性。估计首尔12,192条道路上的年均PM_2.5排放量为53.0 ± 63.2千克/公里/年，而交通繁忙的道路上的排放量则在150至789千克/公里/年之间。使用针对交通特征的空气扩散模型RLINE，车辆排放对环境PM_2.5浓度的贡献在主要道路附近为0.7至4.6微克/立方米，平均约占监测值的10%，在道路沿线站点则高达70%。这一可扩展的框架提高了道路排放清单的空间和时间分辨率，尤其适用于缺乏排放数据的地区，改善了对城市环境中车辆相关PM_2.5污染的描述，并有助于空气质量管理。

引言

由于车辆排放（包括PM_2.5、NO_X、CO和VOCs）对公共健康和城市空气质量的影响（Kim等人，2019年；Lee等人，2025年；Zhang和Batterman，2013年），以及管理城市空气质量的挑战（Askariyeh等人，2020年；DeWinter等人，2018年），因此它们仍然是大都市区的主要环境问题。由于移动源排放依赖于动态交通活动且道路网络复杂，因此难以对其进行量化。排放的时间和空间变异性，加上地面排放，导致了高度局部化的污染现象，某些地区的污染物浓度可能超过空气质量指南和标准。

在韩国，道路排放数据由国家环境研究院（NIER）开发的清洁空气政策支持系统（CAPSS）进行估算。CAPSS根据汇总的车辆数据（包括车型、速度、燃料和年龄）考虑了冷启动和高温运行条件（NIER，2023b）。这一框架类似于机动车排放模拟器（MOVES）（美国环保署，2024a）、排放因子模型（EMFAC）（加州环保署，2014年）、综合模式排放模型（CMEM）（Scora和Barth，2006年）以及计算道路交通排放的计算机程序（COPERT）（欧盟委员会，2024年）等模型。CAPSS基于欧盟的空气污染源分类系统SNAP（Jang等人，2023年）开发，并采用自上而下的方法进行道路排放估算，遵循COPERT的方法论（欧洲环境署，2000年）。CAPSS使用区级分辨率的年均交通相关数据来估算车辆排放因子（EFs），但仅提供年度排放量。尽管CAPSS2SMOKE程序将空间分辨率提高到了1公里网格（NIER，2013年），但仍不足以满足高分辨率（道路级或路段级）扩散建模的需求（Lee等人，2024a）。这一点至关重要，因为空气污染物浓度会随着距离呈指数级迅速衰减，例如，在距离道路50米范围内浓度可能下降约50%，而在1公里距离处可能降至初始值的1%（Batterman等人，2020年；Snyder等人，2013年）。最近，Baek等人（2022年）开发了综合汽车研究系统（CARS），通过使用平均日交通量（AADT）和道路几何信息重新分配年度排放量来提高空间分辨率，其结果可以输入到网格化的化学传输模型（CTM）中（1公里×1公里）。然而，CARS的空间尺度对于评估道路附近的暴露情况仍然相对粗糙，其时间分辨率依赖于通用的时间剖面，这限制了其在需要详细时空变化性研究中的应用。专为交通排放和道路附近环境设计的线源模型（如RLINE）需要精确的路段级排放清单（Heist等人，2013年；Snyder等人，2013年）。如果没有反映路段特定数据的准确小时排放量（包括车队组成、速度和路段方向），浓度和暴露量估计可能不可靠。

本研究通过在路段级别计算每小时PM_2.5排放量来填补这些空白，提供了一个自下而上的框架，能够提供高时空分辨率（空间上精细到50米以下，时间上达到每小时）的排放数据，适用于城市规模的扩散模型。这些数据与RLINE结合使用，用于估算交通相关空气污染物的高分辨率地图。

数据收集

为了支持首尔高分辨率道路级排放清单的编制，收集了2022年的交通和环境数据集。道路网络形状文件来自国家交通信息中心（https://www.its.go.kr/）。AADT数据来自韩国交通研究院运营的View-T系统（https://viewt.ktdb.go.kr/），该系统整合了车辆GPS数据、移动通信数据、公共交通使用情况和道路网络信息。

高温运行条件下的排放因子

对于柴油车辆，根据CAPSS方法中的公式计算出的EF_hot随车型年份的不同而有所差异（表S3），这是由于排放控制技术（如滤清器和催化转化器）的不断进步。老旧车辆的排放量更高，原因是燃烧效率降低以及排气后处理系统老化（ECMWF，2022年；Nam等人，2010年）。（2022年首尔柴油乘用车、卡车和公交车的车型年份分布见表S4。）

结论

本研究显著提高了首尔交通相关空气污染中PM_2.5排放清单的空间和时间分辨率。特别是，量化河畔高速公路沿线的高排放量对于当地交通污染管理具有重要意义。此外，本研究还展示了RLINE扩散模型的适用性，该模型此前在韩国尚未应用。

CRediT作者贡献声明

斯图尔特·巴特曼（Stuart Batterman）：撰写——审稿与编辑、监督、项目管理。李尚珍（Sang-Jin Lee）：撰写——初稿、方法论、数据分析、概念化

利益冲突声明

? 作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本项工作得到了底特律市/密歇根州的支持，资助项目名为“Gordie Howe国际大桥的空气监测”。此外，还得到了美国国立卫生研究院下属的国家环境健康科学研究所提供的P30ES017885和R01ES032389号资助。内容仅代表作者的观点，不一定反映资助方的官方立场。