《Science of The Total Environment》：A calibrated, uncertainty-aware, and spatially explicit emission inventory of New Zealand's agricultural diesel tractor fleet
编辑推荐：
非道路移动机械（non-road mobile machinery，NRMM）是一个相对监管不足的氮氧化物（NOx）和细颗粒物（PM2.5）排放源，随着道路移动源逐步得到控制，其相对重要性不断上升，然而在全国尺度上经活动水平验证、并量化了不确定性和空间异质性的
非道路移动机械（non-road mobile machinery，NRMM）是一个相对监管不足的氮氧化物（NOx）和细颗粒物（PM2.5）排放源，随着道路移动源逐步得到控制，其相对重要性不断上升，然而在全国尺度上经活动水平验证、并量化了不确定性和空间异质性的排放清单仍然罕见。研究人员构建了一份经校准、不确定性感知且空间显式的新西兰农用柴油拖拉机车队排放清单，该案例具有国际意义，因为该国在采用超低硫柴油并逐步趋严道路车辆排放标准的同时，完全缺乏针对NRMM的专项排放法规。该清单整合了43,367台柴油拖拉机的行级机动车登记册（Motor Vehicle Register）微观数据、新西兰交通局（New Zealand Transport Agency）官方许可状态表（该表界定了由31,253台拖拉机组成的活跃许可车队），以及覆盖2017至2025年的29,278条经销商销售记录。研究采用了基于燃料锚定的IPCC Tier 2框架，结合EMEP/EEA排放因子、以加州空气资源委员会（CARB）监测研究经验校准的分层级运行小时数，并以全国2.04亿升拖拉机专用燃料消耗目标对车队级燃料消耗进行校准。经10,000次迭代的蒙特卡洛不确定性传播得到年排放量为：NOx 2258吨（95%不确定性区间1609至3177），PM2.5 115吨（95%不确定性区间73至190），CO2 534千吨（95%不确定性区间419至670）。拖拉机级洛伦兹分析揭示了高度集中的排放分布：NOx的基尼系数为0.42，PM2.5为0.51；排放最高的30%拖拉机贡献了58%的NOx和69%的PM2.5。对67个领土当局（territorial authority）的空间分析识别出强烈的强度聚类（Moran's I = 0.293，p = 0.001），以及四个显著的Getis-Ord Gi*热点：其中三个形成坎特伯雷-南地（Canterbury-Southland）带，另有一个在地理上独立的奥克兰（Auckland）热点。Mann-Kendall和Theil-Sen检验拒绝了严格的锁定效应（p = 0.001），但显示现代化速率仅为每年+2.7个百分点，意味着自愿更替要到2040年代才能实现Tier 4 Final和Stage V的主导地位。该研究结果提供了一个可能具有可转移性的证据基础，可为NRMM监管提供信息。
**论文解读：新西兰农用柴油拖拉机车队的校准化、不确定性量化与空间显式排放清单**
**研究背景与问题**
非道路移动机械（Non-Road Mobile Machinery, NRMM）是全球氮氧化物（NOx）和细颗粒物（PM2.5）人为排放的重要贡献者，但相较于道路车辆，其监管长期不足。农用拖拉机作为牧场和耕地经济中占主导地位的NRMM类别，消耗了大部分非道路柴油，其柴油发动机使用寿命通常是道路车辆的两到三倍。已有研究表明，老旧NRMM机群对空气污染和相关健康负担的贡献不成比例地偏高。然而，国家尺度的NRMM排放核算仍较零散，很少有研究能够同时结合经校准的活动数据、针对外部市场证据的正式验证，以及足以支撑政策制定空间分辨率的排放清单。新西兰提供了一个具有国际相关性的典型案例：该国在全国范围内强制使用超低硫柴油（≤10 mg/kg），道路车辆排放标准已逐步与欧VI等法规对齐，但非道路农业机械是唯一没有尾气认证的主要移动柴油类别。尽管新西兰具备独特的方法学优势——包括个体记录级的机动车登记册（Motor Vehicle Register）微观数据、明确的全国拖拉机燃料消耗目标，以及官方许可状态表——此前却始终缺乏针对农用拖拉机车队的综合排放清单。现有评估仅将非道路农业柴油作为总体处理，未按排放层级、车队年龄或地理区域进行解析。这一空白限制了基于证据的政策设计，阻碍了对老旧设备公共健康负担的量化，也妨碍了可为其他国家NRMM监管提供参考的国际比较。
**研究内容与核心发现**
研究人员通过整合行级机动车登记册微观数据（43,367台柴油拖拉机）、新西兰交通局官方许可状态表（界定活跃许可车队为31,253台）以及Landpower集团经销商销售档案（29,278条记录，2017–2025年），构建了该国首个经校准、不确定性感知且空间显式的农用柴油拖拉机排放清单。研究采用以燃料锚定的IPCC Tier 2框架，应用EMEP/EEA排放因子，并以CARB监测研究经验校准了分排放层级的年运行小时数。经10,000次蒙特卡洛迭代传播参数不确定性后，后验中位年排放量为：NOx 2258吨（95%不确定性区间1609–3177）、PM2.5 115吨（95%不确定性区间73–190）、CO2 534千吨（95%不确定性区间419–670）。拖拉机级洛伦兹分析显示排放分布高度集中，NOx和PM2.5的基尼系数分别为0.42和0.51；排放最高的30%拖拉机贡献了58%的NOx和69%的PM2.5。空间分析识别出强烈的单位拖拉机排放强度聚类（Moran's I = 0.293，p = 0.001），并确定了四个显著的Getis-Ord Gi*热点。时间趋势检验表明，尽管统计上拒绝了严格的锁定效应，但自愿更替速度仅为每年+2.7个百分点，远不足以在近期内实现现代化。该研究发表在《Science of The Total Environment》。
**关键技术方法**
本研究采用IPCC Tier 2燃料锚定排放清单框架，整合三类核心数据源：新西兰交通局机动车登记册个体记录（n=43,367）、官方许可状态表（活跃许可车队31,253台）及Landpower经销商销售档案（n=29,278条，2017–2025年）。方法体系包括：基于制造年份与来源国的六队列概率性排放层级分配模型、以CARB 208台拖拉机监测研究经验校准的分层级年运行小时数、以2.04亿升国家拖拉机专用燃料目标为锚的车队级燃料校准，以及10,000次迭代的蒙特卡洛不确定性传播。统计分析涵盖Lorenz曲线与基尼系数、Pearson卡方检验与Jensen-Shannon散度、Moran's I与Getis-Ord Gi*热点检测、Mann-Kendall与Theil-Sen趋势检验，以及Logarithmic Mean Divisia Index（LMDI）分解。
**研究结果**
*3.1 车队结构与组成*：活跃许可柴油拖拉机车队共31,253台，其中2010–2019年队列占比最高（10,841台），其次为2020–2025年（8,489台）。中位发动机排量为4.5 L，主要来源国为德国（28%）、英国（17%）和美国（10%）。
*3.2 协调清单与蒙特卡洛不确定性*：通过校准活动模型和EMEP/EEA排放因子，经10,000次迭代蒙特卡洛传播，得到后验中位年排放量：NOx 2258吨（95%不确定性区间1609–3177）、PM2.5 115吨（95%不确定性区间73–190）、CO2 534千吨（95%不确定性区间419–670）。老旧层级（Unregulated至Tier 3）贡献了78.0%的NOx和93.4%的PM2.5。
*3.3 拖拉机级排放不平等*：基于逐行随机层级分配和人口加权Lorenz分析，得到基尼系数NOx为0.418、PM2.5为0.515、CO2为0.421。排放最高的10%拖拉机贡献了26%的NOx、31%的PM2.5和25%的CO2；排放最高的30%贡献了58%的NOx、69%的PM2.5和58%的CO2。
*3.4 独立经销商数据验证*：与Landpower 2021–2025年销售记录（n=15,560）的验证显示，Jensen-Shannon散度为0.054，层级份额均方根误差为8.59个百分点。模型低估Tier 2销售9.5个百分点、高估Tier 4 Interim销售16.2个百分点，表明中央清单对NOx和PM2.5的估计可能偏于保守。
*3.5 空间异质性与排放热点*：将排放聚合至67个领土当局后，NOx排放强度（每台拖拉机每年公斤数）的全局Moran's I为+0.293（p=0.001）。Getis-Ord Gi*识别出四个显著热点：Ashburton（z=4.14）、Auckland（z=3.29）、Southland（z=2.63）和Timaru（z=2.36），其中三个形成坎特伯雷-奥塔哥-南地农业带。
*3.6 现代层级采用的时间趋势*：2017至2025年间，Tier 4 Final和Stage V新车销售份额从16.8%升至40.2%。Mann-Kendall检验拒绝了无趋势的原假设（p=0.0012），Theil-Sen中位斜率为+2.71个百分点/年。按此速率，新车销售要到约2043年才能实现Tier 4 Final和Stage V主导。
*3.7 LMDI分解*：排放因子效应解释了NOx层级间排放差的96.3%和PM2.5的98.2%；CO2差异则主要由车队数量效应驱动（+496.4%），但被现代化拖拉机更高的功率和利用率的负效应大部分抵消。
**讨论与结论**
讨论部分指出，排放高度集中于老旧设备（基尼系数超过大多数发达经济体的收入分配不平等程度），意味着针对高排放子群体的定向淘汰或改造可产生不成比例的环境效益。空间聚类分析表明，四个热点地区合计占全国拖拉机NOx排放约20%，有针对性的区域干预成本远低于统一政策。由于自愿更替速率过慢，仅靠市场力量无法在近期实现车队现代化，需要政策干预来加速转型。方法学上，该研究展示了燃料锚定Tier 2清单可通过蒙特卡洛不确定性传播、逐行概率层级分配和经销商数据验证得以显著增强，这些要素可转移至具有类似数据条件的其他司法管辖区。局限性包括：概率层级分配依赖制造年份和来源国而非发动机级认证信息、CARB运行小时数源自加州背景、空间权重基于质心距离、分析仅限于拖拉机类别。研究结论为：新西兰活跃许可的31,253台农用拖拉机车队年排放NOx 2258吨、PM2.5 115吨、CO2 534千吨。高度不平等的排放分布、空间聚类的强度以及缓慢的自愿更替表明，定向淘汰高排放亚群比统一的车队级政策更有效。该研究建立的方法框架原则上可推广至其他拥有行级车辆登记数据的司法管辖区，其估计值应视为可随本地实测数据逐步完善的校准基线。
