汪光燾，李 昂，胡肇?zé)j

(1.同濟(jì)大學(xué)，上海 201804；2.國際歐亞科學(xué)院中國科學(xué)中心，北京 100107；3.中國科學(xué)院安徽光學(xué)精密機(jī)械研究所，中國科學(xué)院環(huán)境光學(xué)與技術(shù)重點實驗室，安徽 合肥 230031)

0 引言

機(jī)動車是由內(nèi)燃機(jī)燃燒化石燃料(如汽油、柴油、天然氣等)提供動力。在實際燃燒過程中由于燃燒不充分，機(jī)動車尾氣中會排放出SO2，NOX，CO，PM10，PM2.5，BC，OC和VOCs等多種氣態(tài)和顆粒狀固態(tài)污染物。

機(jī)動車污染物排放量一般采用模型估算法和排放因子法相結(jié)合的方式進(jìn)行估算。其中，道路移動源的活動水平數(shù)據(jù)主要來自機(jī)動車數(shù)量和行駛里程兩方面；而機(jī)動車的排放因子主要采用MOBILE， EMFAC，COPERT，CMEM，IVE和MOVES等模型進(jìn)行估算，排放量主要采用排放因子法進(jìn)行估算[1]。

隨著現(xiàn)代物理學(xué)和化學(xué)研究的進(jìn)步，各種大氣環(huán)境監(jiān)測技術(shù)也取得長足進(jìn)步。其中，以光譜法為基礎(chǔ)的光學(xué)和光譜學(xué)監(jiān)測技術(shù)作為新興的技術(shù)手段，以其無須預(yù)采樣、可大范圍多組分實時自動監(jiān)測而成為環(huán)境污染監(jiān)測的理想工具。2006年，美國環(huán)境保護(hù)局(United States Environmental Protection Agency,US EPA)也在環(huán)境技術(shù)驗證項目(Environmental Technology Verification Program,ETV)中發(fā)布了基于地基光學(xué)遙測方法非點源排放測量標(biāo)準(zhǔn)。車載差分吸收光譜 技 術(shù) (Differential Optical Absorption Spectroscopy,DOAS)作為一種被動式光學(xué)遙測技術(shù)，由于具有快速實時、結(jié)構(gòu)簡單、多組分同時觀測等優(yōu)點，國際上已經(jīng)被大量的應(yīng)用在點源、面源的排放監(jiān)測上。采用這種方法，2008年文獻(xiàn)[2]獲取了北京市五環(huán)路的NO2排放通量；2009年文獻(xiàn)[3]獲取了墨西哥城的NO2和HCHO的排放通量；2011年文獻(xiàn)[4]獲取了新德里城NOX的排放通量，并與衛(wèi)星數(shù)據(jù)進(jìn)行了比對、校驗；2012年文獻(xiàn)[5]獲取了Tijuana 地區(qū)NO2的排放通量。2014年文獻(xiàn)[6]采用車載DOAS 和車載SOF的方法連續(xù)5年獲取Houston 地區(qū)點源和面源的SO2，NO2及VOCs的排放情況。

在中國，中國科學(xué)院安徽光學(xué)精密機(jī)械研究所和復(fù)旦大學(xué)開展過車載DOAS的相關(guān)工作[7-9]?，F(xiàn)有研究局限在單純繞行重點區(qū)域來獲取區(qū)域整體對外排放通量，并沒有系統(tǒng)地開展獲取區(qū)域網(wǎng)格化排放通量的理論、方法及應(yīng)用研究。首先，車載DOAS系統(tǒng)大多采用天頂觀測的方式(即采用90°的觀測仰角)，只能獲取污染物參考光譜為零的相對垂直柱濃度，無法獲取絕對垂直柱濃度，更沒有結(jié)合大氣輻射傳輸模型考慮氣溶膠、云等影響；其次，未開展區(qū)域高空間分辨率的網(wǎng)格化排放通量研究；最后，缺乏車載DOAS對點、面源排放的驗證方法研究以及排放通量的性能指標(biāo)和影響因素研究，方法體系完整性不足。

與傳統(tǒng)的排放因子法不同，本研究以車載光學(xué)遙測平臺為基礎(chǔ)，建立高空間分辨率的網(wǎng)格化大氣污染源排放通量獲取方法，從實際觀測角度為污染源排放清單(以下簡稱“源清單”)提供校驗。采用車載DOAS 遙測技術(shù)開展污染源排放的理論及方法研究，重點研究基于車載光學(xué)遙測技術(shù)的污染物垂直柱濃度獲取方法、結(jié)合多源遙測數(shù)據(jù)插值的柱濃度分布區(qū)域分布重構(gòu)方法、污染源網(wǎng)格化排放通量獲取方法，并開展排放通量測量的影響因素以及典型區(qū)域污染氣體排放特征研究。

該結(jié)果將為高時空分辨率源清單(點、面源以及無組織源等)提供一種基于車載光學(xué)遙測技術(shù)的獲取和校驗方法，有效彌補(bǔ)目前在源清單獲取手段上的不足，這不僅有助于認(rèn)識污染源排放現(xiàn)狀，也為污染物來源解析以及空氣質(zhì)量預(yù)警預(yù)報模型提供基礎(chǔ)科學(xué)數(shù)據(jù)。該方法將是基于車載光學(xué)遙測技術(shù)的道路移動源NOX排放定量表征方法研究的基礎(chǔ)。為了便于與所提研究方法的對比，本文首先介紹傳統(tǒng)的排放因子法。

1 基于排放因子的機(jī)動車排放量化表征方法

1.1 污染物排放量化表征方法概述

源清單的定量表征方法主要包括四種：1)物料衡算法，是基于物質(zhì)質(zhì)量守恒定理的分析方法；2)排放因子法，是基于活動水平的自下而上的計算方法；3)實際測量法，通過排放監(jiān)測設(shè)備測量排放源的排放特征；4)模型估算法，是基于統(tǒng)計回歸的排放估算模型來估計污染物排放特征。一套完整的源清單的建立通常是一種或幾種方法組合使用。在實際源清單編制工作中，排放因子法及模型估算法的應(yīng)用較為廣泛。

1.2 機(jī)動車污染物排放估計方法

機(jī)動車污染物排放特征受到內(nèi)燃機(jī)、尾氣控制技術(shù)、燃料類型等因素的影響。機(jī)動車排放量化研究過程一直遵從ASIF 方法，一種自下而上的計算方法，其中A指交通活動水平(Activity)，S指車隊組成結(jié)構(gòu)(Structure)，I 指能源強(qiáng)度(Intensity)，F(xiàn) 指燃料種類(Fuels)。其計算公式為，式中：(EQij)m為使用第i種能源的第j類車輛排放第m種污染物(或能耗)的日排放量/(g·d-1)；(EQFij)m為使用第i種能源的第j類車輛排放第m種污染物(或能耗)的單位里程排放量/(g·km-1)，即排放因子；Vij為使用第i種能源的第j類車輛的保有量/輛；Mij為使用第i種能源的第j類車輛日均行駛里程/km；EQm為排放第m種污染物的汽車日尾氣排放總量/(g·d-1)。

估計機(jī)動車污染物排放總量的數(shù)據(jù)需求包括：機(jī)動車類型結(jié)構(gòu)、機(jī)動車保有量、日均行駛里程及相應(yīng)的機(jī)動車污染物排放因子。顯然，機(jī)動車污染物排放因子的準(zhǔn)確性決定了機(jī)動車污染物排放總量估計的準(zhǔn)確性。

1.3 機(jī)動車交通活動水平數(shù)據(jù)來源與收集

表征機(jī)動車交通活動水平的數(shù)據(jù)主要包括不同類型的機(jī)動車保有量及車輛日均或年均行駛里程。其中，機(jī)動車保有量包括本地登記注冊的機(jī)動車及外地駛?cè)氲臋C(jī)動車數(shù)量兩部分。由于不同類型機(jī)動車的數(shù)量、運(yùn)營比例、行駛里程及污染物排放因子等各種參數(shù)均有所不同，機(jī)動車污染物排放特征亦存在差異。因此，在機(jī)動車排放總量估算過程中需要對不同車輛類型的不同污染物進(jìn)行分類計算。

機(jī)動車污染物排放總量估算過程中所需的交通活動水平數(shù)據(jù)包括：機(jī)動車車型、分車型的保有量；分車型的機(jī)動車日均或年均行駛里程；機(jī)動車燃料類型、應(yīng)用比例、燃料成分、含硫率、排放標(biāo)準(zhǔn)；機(jī)動車日均工作時間、平均行駛速度；機(jī)動車全社會客運(yùn)量和貨運(yùn)量?？赡艿墨@取途徑包括：車管所機(jī)動車登記信息數(shù)據(jù)庫；交通局統(tǒng)計資料；機(jī)動車行業(yè)協(xié)會；各省市統(tǒng)計年鑒；污染源普查數(shù)據(jù)；相關(guān)法律法規(guī)；實地調(diào)研。

2 機(jī)動車污染物排放因子估計模型

機(jī)動車污染物排放因子通過道路實測法或采用基于數(shù)理統(tǒng)計的模型估算得到。道路實測法主要有兩種方式：1)車載實驗，指在實際行駛的車輛上安裝實時污染物排放收集監(jiān)控系統(tǒng)，稱之為“便攜式車載排放測試系統(tǒng)”，從而獲得單車在不同工況下的污染物排放因子；2)隧道實驗，是利用隧道原理的間接監(jiān)測方法，逐個單位時間測量機(jī)動車的排放速度、成分等，獲得機(jī)動車車流平均排放因子。顯然，車載排放測試結(jié)果能較真實地反映機(jī)動車的實際排放特征。但這兩種實測方式均存在多種影響因素，受被測車輛代表性的影響較大，并且需要大量的人力物力，要求實際測試時持續(xù)較長的時間。在應(yīng)用層面，如果要建立機(jī)動車污染物排放清單，則道路實測法的可操作性和全面性不如模型估算法。因此，在中國較為缺乏機(jī)動車污染物排放基礎(chǔ)數(shù)據(jù)的情況下，機(jī)動車排放因子的主要來源是采用各種國際認(rèn)可的、發(fā)展成熟的機(jī)動車污染物排放計算模型進(jìn)行估算。

美國和歐洲開發(fā)的機(jī)動車排放模型最具代表性，其原理是根據(jù)大量的實測數(shù)據(jù)，建立機(jī)動車基本排放速率(basic emission rates)，使用者根據(jù)研究區(qū)域的實際情況和機(jī)動車的技術(shù)標(biāo)準(zhǔn)設(shè)置具體的參數(shù)，修正計算得出符合研究區(qū)域特征的本地化污染物排放因子。下面對機(jī)動車排放因子模型進(jìn)行簡要介紹。

2.1 MOBILE模型

MOBILE模型是以平均車速為污染表征參數(shù)的數(shù)學(xué)關(guān)系模型，誕生于1978年，經(jīng)過幾十年的發(fā)展，已被廣泛應(yīng)用于宏觀尺度以及中觀尺度機(jī)動車污染物平均排放因子的計算中。MOBILE模型是建立在聯(lián)邦測試程序(Federal Test Procedure,FTP)的大量臺架測試結(jié)果上，對不同車型各種水平的測試結(jié)果進(jìn)行統(tǒng)計回歸分析，綜合考慮了溫度、速度、駕駛行為、燃料品質(zhì)、行駛里程等因素的影響，得出不同車型的平均基本排放速率，形成MOBILE模型的核心數(shù)據(jù)。使用者再利用本地數(shù)據(jù)的輸入，對平均基本排放速率進(jìn)行修正，從而得到適合區(qū)域的平均基本排放速率。

MOBILE6.2模型包含8大模塊，共27類模型參數(shù)，如活動水平、車隊特征控制計劃、燃料特性和外部環(huán)境等，均在參數(shù)輸入的范圍內(nèi)。同時MOBILE6.2模型按照車重、燃料類型等將機(jī)動車劃分為28 類，使用者需要根據(jù)估算區(qū)域的機(jī)動車類型結(jié)構(gòu)對相關(guān)的活動數(shù)據(jù)進(jìn)行整理轉(zhuǎn)化。道路類型劃分為高速公路、干路、支路、高速公路匝道4 類；排放分為尾氣管排放、蒸發(fā)排放和磨損微粒物排放等幾類。

雖然，MOBILE模型僅使用平均車速為特征參數(shù)，無法體現(xiàn)行駛工況對機(jī)動車排放的影響，但其應(yīng)用性強(qiáng)，對機(jī)動車活動數(shù)據(jù)要求不高，適用于機(jī)動車數(shù)據(jù)系統(tǒng)尚不完善的地區(qū)，中國研究者也對MOBILE模型進(jìn)行了廣泛的本地化處理。

2.2 EMFAC模型

與美國其他州不同，加利福尼亞州采用不同的大氣污染物排放標(biāo)準(zhǔn)，因此，加州空氣資源委員會(California Air Resources Board,CARB)對應(yīng)地根據(jù)其自身情況開發(fā)了EMFAC(Emission Factors)模型。EMFAC模型屬于經(jīng)驗?zāi)Ｐ?，原理與MOBILE模型類似，也是對基本排放因子進(jìn)行車速、溫度、行駛里程、駕駛行為等方面的修正。區(qū)別于MOBILE模型采用的FTP工況，EMFAC模型采用加州標(biāo)準(zhǔn)工況(California Unified Cycle)，即LA92，每年從車輛登記數(shù)據(jù)庫中隨機(jī)抽取部分車輛進(jìn)行工況測試，進(jìn)而不斷更新改進(jìn)其數(shù)據(jù)庫，對模型進(jìn)行完善。

根據(jù)機(jī)動車的重量、燃料技術(shù)等特性，EMFAC模型將機(jī)動車劃分為13 類，包括客車、貨車、公共汽車、摩托車、校車等，估算時間可以從1965—2020年中選擇任一年或者是任一時間段。

關(guān)于EMFAC模型的應(yīng)用，香港環(huán)保署對其進(jìn)行了本地化處理，修正為模型EMFAC-HK。模型改進(jìn)主要體現(xiàn)在車型、排放標(biāo)準(zhǔn)、排放控制計劃等方面，將香港關(guān)于機(jī)動車的控制計劃反映在模型中，并不斷對模型進(jìn)行更新，以體現(xiàn)控制水平的變化。

2.3 COPERT模型

COPERT模型(Computer Programme to Calculate Emissions from Transport)由歐洲環(huán)境署(European Environment Agency)資助開發(fā)，在歐洲應(yīng)用廣泛。其原理同樣與MOBILE模型類似，基于大量可靠的實驗數(shù)據(jù)，以平均車速為排放特征參數(shù)，可以計算單車或者車隊一年的污染物排放量。但與MOBILE模型不同的是，COPERT模型以燃料銷售為基礎(chǔ)數(shù)據(jù)，更適合使用不同尾氣排放控制標(biāo)準(zhǔn)和很少交通數(shù)據(jù)的區(qū)域，且COPERT模型采用的是歐洲ECE 模擬工況。具體參數(shù)內(nèi)容如下：1)活動水平數(shù)據(jù)，包括分車型保有量、分車型的年行駛里程、分車型分道路類型的平均速度；2)車隊特征，車齡登記分布；3)燃油特性，包括消耗量、含硫量、蒸汽壓和HC 比；4)氣候參數(shù)，包括月最低和最高氣溫。

COPERT模型將機(jī)動車劃分為小客車、輕型貨車、重型貨車、公共汽車或長途汽車和摩托車5 大類，再結(jié)合車重、燃料類型、發(fā)動機(jī)排量和排放控制標(biāo)準(zhǔn)等影響因素將其劃分為具體的車型；道路類型則包括城區(qū)道路、郊區(qū)道路和高速公路；定義污染物排放來自于熱穩(wěn)定運(yùn)行排放、冷啟動排放和燃料蒸發(fā)排放。

2.4 IVE模型

MOBILE模型和COPERT模型都是根據(jù)美國以及歐洲等發(fā)達(dá)國家當(dāng)?shù)氐臄?shù)據(jù)建立的。鑒于中國仍是發(fā)展中國家，機(jī)動車類型結(jié)構(gòu)以及車隊的行駛特征與發(fā)達(dá)國家有較大差距，應(yīng)用以上模型可能會對源清單造成較大的不確定性。IVE模型(International Vehicle Emission Model)是由美國加州大學(xué)河濱分校環(huán)境研究與技術(shù)中心(University of California,Riverside,College of Engineering-Center for Environmental Research and Technology,UCR CE-CERT)、全球可持續(xù)體系研究組織(Global Sustainable Systems Research，GSSR)等，在EPA國際事務(wù)處的資助下共同開發(fā)的針對發(fā)展中國家的機(jī)動車污染物排放估計模型。其原理同樣是對基礎(chǔ)排放因子進(jìn)行修正，針對以往模型以車隊的平均速度作為替代因子的設(shè)置，IVE模型引入了VSP(Vehicle Specific Power)和ES(Engine Stress)兩個參數(shù)以表征車輛的行駛工況特征，并根據(jù)上述兩個指標(biāo)將發(fā)動機(jī)工作狀態(tài)劃分為60個VSP區(qū)間。根據(jù)各區(qū)間與排放之間的對應(yīng)關(guān)系以及分配比例，計算得到機(jī)動車在不同行駛工況下的排放因子。

應(yīng)用IVE模型所需的數(shù)據(jù)以及信息包括當(dāng)?shù)爻鞘行畔ⅰ④囮牸夹g(shù)組成信息和基準(zhǔn)因子修正信息等。另外，IVE模型需要輸入研究對象的道路平均坡度、海拔、溫度、濕度、I/M制度、空調(diào)開啟比例、燃油品質(zhì)(包括含鉛率、含硫率、甲苯含量等)、車隊行駛特征(包括行駛距離、啟動次數(shù)、VSP 區(qū)間分布、熱浸時間分布、平均速度)等信息。

對于車隊的組成信息，IVE模型根據(jù)機(jī)動車的車型、燃油類型、車重、發(fā)動機(jī)技術(shù)、污染控制措施、累計行駛里程等因素，詳細(xì)劃分了機(jī)動車技術(shù)類型，用戶需要根據(jù)本地機(jī)動車分類以及獲得的活動數(shù)據(jù)，選擇描述恰當(dāng)?shù)募夹g(shù)類型，計算該類型機(jī)動車所占比例，填寫輸入表格導(dǎo)入。同時，也可自定義某些技術(shù)類型，以更好地適應(yīng)本地機(jī)動車類型結(jié)構(gòu)。

2.5 MOVES模型

MOVES模型(Motor Vehicle Emission Simulator)以MOBILE 和NONROAD模型為基礎(chǔ)，積累了大量的車載排放測試及臺架測試數(shù)據(jù)。其默認(rèn)的數(shù)據(jù)庫涵蓋美國的機(jī)動車排放信息，包括來自眾多機(jī)構(gòu)的數(shù)據(jù)，如美國國家環(huán)境保護(hù)局(U.S.Environmental Protection Agency)的研究、其他州及地方研究機(jī)構(gòu)的研究、車輛普查信息和相關(guān)的旅游數(shù)據(jù)等。MOVES模型采用開放的數(shù)據(jù)庫管理系統(tǒng)，方便使用者輸入本地化數(shù)據(jù)，可適用于不同地區(qū)，模型移植性高。與其他單一的模型不同，MOVES模型能同時滿足宏觀、中觀、微觀不同層次對機(jī)動車污染物排放的綜合分析，但不同的層次需要輸入的數(shù)據(jù)不同。MOVES模型比IVE模型考慮得更全面，不僅保留了VSP參數(shù)，同時將其與速度特征結(jié)合起來，反映車輛的行駛工況特征。根據(jù)EPA所做的大量與MOBILE模型模擬結(jié)果的對比試驗顯示，MOVES模型更好地反映了機(jī)動車的行駛特征，提高了計算精度。MOVES模型主要由四部分組成，包括總活動數(shù)據(jù)生成塊、運(yùn)行工況分布生成塊、排放源bin 分布生成塊、氣象和燃料信息生成塊。

MOVES模型的主要輸入?yún)?shù)包括速度分布、車齡、燃料類型、道路類型等。在操作控制版選項中，需要進(jìn)行以下11個子類別的數(shù)據(jù)選擇：運(yùn)行描述、規(guī)模(宏觀、中觀、微觀)、時間跨度(年、月、日、小時、分鐘)、地理區(qū)域(國家、縣、路段)、車型或發(fā)動機(jī)類型(摩托車、小型客車、長途汽車等)、道路類型(城市封閉和非封閉道路、鄉(xiāng)村封閉和非封閉道路)、污染物種類和過程、數(shù)據(jù)輸入管理集、政策、數(shù)據(jù)輸出和高級選項。對于本地用戶建立的自定義數(shù)據(jù)庫，MOVES模型會在運(yùn)行的時候自行選取對應(yīng)的輸入信息。

2.6 小結(jié)

上述5 個模型的對比分析如表1 所示。MOVES模型由于其開放的數(shù)據(jù)庫及靈活的機(jī)動車污染物排放估計方法，具有最好的模型移植性，其中模型本地化修正是模型移植的重點及難點。

3 基于車載光學(xué)遙測耦合三維風(fēng)場的面污染源NOX排放定量表征方法

3.1 研究背景

中國大氣環(huán)境污染呈現(xiàn)區(qū)域性、復(fù)合型污染特征，京津冀地區(qū)作為經(jīng)濟(jì)發(fā)展最活躍的地區(qū)之一，大氣污染問題尤為突出。要了解造成大氣污染的前因后果并有效控制，需要對各類污染源的排放進(jìn)行實時有效監(jiān)測，從而建立大氣主要污染物的區(qū)域面源排放清單[10-11]。目前區(qū)域面源的獲取主要依靠污染源調(diào)查統(tǒng)計[12]、衛(wèi)星數(shù)據(jù)[13-14]、模型計算[15-16]等方法，但存在時間滯后、分辨率低等問題，使得區(qū)域面源排放清單的獲取難題一直未得到有效解決。

本研究構(gòu)建了面向區(qū)域面源排放監(jiān)測的車載光學(xué)遙測系統(tǒng)，耦合污染物垂直柱濃度監(jiān)測數(shù)據(jù)與三維精細(xì)化風(fēng)場數(shù)據(jù)，建立了網(wǎng)格化面源污染排放通量評估方法，形成了經(jīng)過專家鑒定的《車載光學(xué)遙測系統(tǒng)(DOAS)監(jiān)測區(qū)域污染面源技術(shù)導(dǎo)則》(以下簡稱《技術(shù)導(dǎo)則》)，為定量獲取面源、無組織源的排放，以及實時更新源清單提供了一種快速有效的光學(xué)遙測方法。

表1 機(jī)動車污染物排放模型對比分析Tab.1 Comparative analysis of vehicle emission models

根據(jù)《技術(shù)導(dǎo)則》制定的技術(shù)方法及觀測要求，完成了對北京市內(nèi)不同功能區(qū)及京津冀不同方向通道6 個季節(jié)42 天的車載DOAS走航觀測，以及三維風(fēng)場數(shù)值模擬與訂正。通過觀測獲取的各區(qū)域主要污染物(SO2，NO2，HCHO)的柱濃度分布，耦合各區(qū)域三維風(fēng)場數(shù)據(jù)，計算區(qū)域面源污染排放通量；從時間變化、空間分布上細(xì)致分析了各區(qū)域污染分布特征，并與國內(nèi)外相關(guān)結(jié)果進(jìn)行了對比分析。

本研究提供了一種快速有效的具有國有自主知識產(chǎn)權(quán)監(jiān)測設(shè)備的高精準(zhǔn)光學(xué)遙測方法，并通過專家鑒定。目前上述一整套的儀器設(shè)備、方法、流程已經(jīng)建立，并完成北京及京津冀典型區(qū)域觀測和污染特征分析，未來將進(jìn)行數(shù)據(jù)深度挖掘，細(xì)化特征分析；同時，進(jìn)一步實現(xiàn)成果轉(zhuǎn)化，完善觀測設(shè)備，增加顆粒物監(jiān)測能力，集成現(xiàn)場三維風(fēng)場模塊等。這一方法有效彌補(bǔ)了在準(zhǔn)確、高時空分辨率污染源監(jiān)測方法上的缺陷；發(fā)現(xiàn)城市環(huán)境存在的問題，為更精準(zhǔn)的城市污染防治提出科學(xué)決策依據(jù)。

3.2 車載被動光學(xué)遙測技術(shù)原理

圖1 車載被動光學(xué)遙測技術(shù)原理Fig.1 Principle of mobile passive optical telemetry

車載DOAS系統(tǒng)在汽車移動過程中，采集太陽散射光，并基于被動DOAS原理，測量路徑上每條光譜的污染氣體(SO2，NO2等)斜柱濃度SCD。在光譜的反演過程中，首先在測量路徑上任意選擇一條測量譜作為參考譜，反演得出整個測量路徑上氣體柱濃度的分布趨勢，再根據(jù)氣體分布趨勢找出最小值，該最小值所對應(yīng)的測量譜被認(rèn)為是此次測量的此種污染氣體的夫瑯禾費(fèi)參考譜。再利用此夫瑯禾費(fèi)參考譜重新反演該測量路徑上的所有采集光譜即可得到測量路徑上污染氣體的柱濃度，過程如圖1所示。

由上述分析可知，由此反演得到的是差分斜柱濃度DSCD，為了得到污染氣體的垂點柱濃度VCD，需要進(jìn)行轉(zhuǎn)化。但在車載DOAS 觀測中，近似認(rèn)為DSCD 為對流層VCD。這主要有以下幾點考慮：1)車載DOAS測量時間都是在正午附近，太陽天頂角較小，平流層的貢獻(xiàn)最??；2)觀測仰角α為90°，按照大氣質(zhì)量因子的幾何近似計算方法得出AMFtrop≈1；3)所選擇的夫瑯禾費(fèi)參考譜中污染氣體的濃度含量相比測量譜中污染氣體的較高濃度可忽略，認(rèn)為此條參考譜是“干凈”的。綜合以上幾點考慮，認(rèn)為車載DOAS測量得到的就是污染氣體的垂直柱濃度VCD。但這種近似VCD 在無云、低氣溶膠狀況下，且測量路徑上污染物濃度有明顯的高低區(qū)分或測量大的污染源時很容易滿足，而對于其他情況這種近似就會帶來較大的誤差，需要進(jìn)行修正。

通過以上分析獲得了測量路徑上污染氣體的VCD 后，再根據(jù)GPS 系統(tǒng)獲取的地理信息，將兩者進(jìn)行疊加即可獲取污染氣體的柱濃度分布信息，這種空間分布信息能夠準(zhǔn)確、直觀地定位城市污染狀況。以北京市環(huán)路的某次觀測為例，利用車載DOAS系統(tǒng)對區(qū)域內(nèi)開展網(wǎng)格化觀測，實現(xiàn)了觀測路徑上NO2柱濃度的快速測量(見圖2)。

在無明顯工業(yè)污染源區(qū)域且易出現(xiàn)交通擁堵的路段，將柱濃度分布數(shù)據(jù)同觀測時的行車速度結(jié)合，發(fā)現(xiàn)交通擁堵對污染氣體柱濃度高低影響巨大。以北京市北五環(huán)路為例(見圖3)，在五環(huán)路擁堵路段，NO2柱濃度明顯升高；整體行駛暢通時，NO2柱濃度無明顯升高。車載光學(xué)遙測技術(shù)可以實現(xiàn)道路移動源氮氧化物柱濃度變化的快速捕捉。

3.3 基于車載被動光學(xué)遙測技術(shù)的污染氣體通量獲取原理

一般而言，用描述守恒量傳輸?shù)倪B續(xù)偏微分方程表示任意有限區(qū)域內(nèi)的能量守恒。在各自適應(yīng)條件下，這些量(包括質(zhì)量、能量、動量、電荷等)都是守恒的，其傳輸行為均可以用連續(xù)性方程來描述，即

式中：φ為物質(zhì)對體積的微分比例，即物質(zhì)的密度/(kg·m-3)，本文指痕量氣體的濃度；f為通量/(kg·s-1)，即φ的矢量函數(shù)，指每單位時間單位面積的痕量氣體流量；t為時間/s；σ為φ單位體積單位時間的生成量/kg(去除量)，當(dāng)σ＞0 時，稱σ為源，反之則稱為匯。，式中：q為物質(zhì)的量/mol；V為體積/m3；

式(1)表示的連續(xù)性方程主要涉及三方面要素：守恒量的源、通量散度和守恒量的時間變化率。如果對式(1)中的體積變量積分，則有

假設(shè)在繞行區(qū)域內(nèi)氣體分子為常數(shù)，并且在測量的過程中并沒有改變，那么可以被忽略，則有

式中：VCD為污染物垂直柱濃度；為繞行區(qū)域的平均風(fēng)場。沿移動路線進(jìn)行積分，即可獲得區(qū)域內(nèi)污染物的排放通量(見圖4)。車載DOAS測量時，由于行駛路徑上單個光譜的積分時間有限，可以將式(4)的連續(xù)積分轉(zhuǎn)換為離散的求和，即式中：△si為連續(xù)兩條測量光譜之間的距離差，可通過由GPS獲取的車速與測量時間的乘積得到；β為汽車行駛方向與風(fēng)向之間的夾角。

3.4 精細(xì)化三維風(fēng)場數(shù)據(jù)模擬

風(fēng)場數(shù)據(jù)是計算污染物排放通量的關(guān)鍵信息，其數(shù)據(jù)質(zhì)量直接影響排放通量計算結(jié)果的可信度。在以往的計算中通常采用臨近地面氣象觀測站的風(fēng)場數(shù)據(jù)，即一個點的風(fēng)向風(fēng)速代表了整個監(jiān)測區(qū)域的風(fēng)場特征；風(fēng)場信息的不準(zhǔn)確直接影響污染通量的計算精度。因此，本次研究中確立了利用氣象數(shù)值模擬、氣象站點觀測和雷達(dá)測風(fēng)數(shù)據(jù)集合方法，獲取監(jiān)測區(qū)域優(yōu)化的三維網(wǎng)格化風(fēng)場數(shù)據(jù)：采用多模式嵌套方法對監(jiān)測區(qū)域進(jìn)行風(fēng)場數(shù)值模擬，同時滾動同化氣象站點觀測和探空數(shù)據(jù)來不斷調(diào)整風(fēng)場模擬過程；采用風(fēng)廓線雷達(dá)和激光雷達(dá)，在污染監(jiān)測同時對區(qū)域內(nèi)風(fēng)場進(jìn)行實時觀測，利用風(fēng)場實測數(shù)據(jù)對模擬結(jié)果進(jìn)行訂正；最終形成區(qū)域網(wǎng)格化、不同高度、逐小時、200～1 000 m 分辨率的優(yōu)化三維網(wǎng)格化風(fēng)場；使風(fēng)場數(shù)據(jù)水平達(dá)到分區(qū)、垂直達(dá)到分層。

圖2 北京市環(huán)路觀測路線及柱濃度分布Fig.2 Observation route on different ring expressways and distribution of pollution column concentration in Beijing

圖3 北五環(huán)路車輛行駛速度與NO2柱濃度對比Fig.3 Operating speed vs.NO2 column concentration along North Fifth Ring expressway

氣象數(shù)據(jù)改進(jìn)方案如圖5 所示。區(qū)域風(fēng)場數(shù)據(jù)按照城市尺度和小區(qū)尺度進(jìn)行監(jiān)測。

1）城市尺度監(jiān)測區(qū)域模擬。其數(shù)值模式為中尺度氣象數(shù)值模式(WRF)。①氣象初始場來自NCEP FNL 數(shù)據(jù)(美國國家環(huán)境預(yù)報中心提供的1o×1o全球再分析數(shù)據(jù))；②模擬過程：調(diào)試適用監(jiān)測區(qū)域的參數(shù)化方案，滾動同化地面氣象觀測和探空數(shù)據(jù)，進(jìn)行3～4重嵌套，其中最內(nèi)層嵌套模擬區(qū)域范圍應(yīng)涵蓋整個監(jiān)測區(qū)域；③模擬結(jié)果是監(jiān)測區(qū)內(nèi)水平分辨率為1 km的三維網(wǎng)格化風(fēng)場數(shù)據(jù)。

圖4 污染煙羽掃描剖面與通量計算原理Fig.4 Contaminated plume scanning profile and flux calculation principle

2）小區(qū)尺度監(jiān)測區(qū)域模擬。其數(shù)值模式為小尺度氣象數(shù)值模式(CALMET)。①氣象初始場來自WRF 風(fēng)場模擬結(jié)果；②模擬過程：輸入監(jiān)測區(qū)域地形和下墊面資料，再利用計算流體力學(xué)模型和地面氣象站點逐小時觀測數(shù)據(jù)對WRF 風(fēng)場結(jié)果進(jìn)行精細(xì)化調(diào)整；③模擬結(jié)果是監(jiān)測區(qū)域內(nèi)水平分辨率為200 m的三維網(wǎng)格化風(fēng)場數(shù)據(jù)。

3.5 污染氣體通量計算修正

基于車載光學(xué)遙測耦合三維風(fēng)場的面污染源NOX排放定量表征方法可以實現(xiàn)不同痕量氣體的排放通量的計算，但對于NOX的排放，由于車載被動DOAS 系統(tǒng)只能測量NO2柱濃度，無法測量NO 柱濃度。為了獲得NOX的排放，需要對式(4)進(jìn)行一些修正。

1）壽命的修正。

如果在監(jiān)測區(qū)域具有恒定的風(fēng)向和風(fēng)速，就可以計算得到有限的大氣壽命的校正因子。壽命的校正因子式中：D為測量點到排放源的平均距離/m；W為測量時的平均風(fēng)速/(m·s-1)；T為NOX的壽命/s，其具體數(shù)值依賴于光化學(xué)反應(yīng)及觀測期間的氣象條件。

2）化學(xué)轉(zhuǎn)換因子。

快速的化學(xué)轉(zhuǎn)換可以改變排放物的比例，以NOX的排放為例，大多數(shù)的NO2最初是以NO 的形式排放出來。這些分子的比例依賴于O3的濃度和NO2的光解率[17]。排放物質(zhì)的大氣濃度會隨著過程而發(fā)生改變，這比從排放源到測量點的傳輸時間更快速。因此，通常所能測量的痕量氣體的濃度代表的僅僅是一部分排放的痕量氣體的量，這里的化學(xué)轉(zhuǎn)換因子

圖5 氣象數(shù)據(jù)改進(jìn)方案流程Fig.5 Meteorological data improvement program

應(yīng)用以上兩個校正因子之后，監(jiān)測區(qū)域的整個NOX排放為FNOX=RCLFNO2=RCL

3.6 基于車載光學(xué)遙測技術(shù)的道路移動源NOX排放定量表征

將車載光學(xué)遙測技術(shù)耦合精細(xì)化三維風(fēng)場數(shù)據(jù)，通過將區(qū)域劃分為若干小區(qū)塊，可以實現(xiàn)觀測區(qū)域內(nèi)網(wǎng)格化NOX排放量的定量獲取。以北京市環(huán)路監(jiān)測結(jié)果為例，將獲取的網(wǎng)格化排放通量投影到環(huán)路內(nèi)各網(wǎng)格上時，實現(xiàn)了觀測路徑上高空間分辨率的NOX排放的定量表征。結(jié)果表明，走航道路上NOX排放高值主要出現(xiàn)在交通擁堵或交通樞紐位置；車流量大但通行順暢的路段，NOX排放無明顯升高(見圖6)。

基于車載光學(xué)遙測技術(shù)的道路移動源NOX排放定量表征可以通過便捷的車載走航觀測，實時提供重點道路網(wǎng)上NOX的排放信息。該方法對于校驗現(xiàn)有道路移動源排放清單及實時評估交通排放具有重要意義。

3.7 北京市五環(huán)路內(nèi)快速路網(wǎng)道路移動排放通量對比源NOX

建立道路移動源的定量表征是一項系統(tǒng)性工作，需要大量的交通統(tǒng)計數(shù)據(jù)與本地化的實測數(shù)據(jù)來提供道路移動源的活動水平與排放因子。國際上大多數(shù)業(yè)務(wù)化源清單大多服務(wù)于中尺度模型，其空間分辨率多為3 km×3 km。以清華大學(xué)等團(tuán)隊的研究工作為例，利用人口分布、土地利用率等信息分配點、面污染源空間信息(見圖7)，這種處理方式會使污染物排放的空間分布與實際的空間分布存在差異。受限于源清單單一的分配技術(shù)和低空間分辨率，大多數(shù)業(yè)務(wù)化運(yùn)行的源清單在五環(huán)路內(nèi)區(qū)域這一空間尺度上較為粗糙。

以上源清單可以在全球模式或中尺度模式中起到較好的模擬效果，但是對于更小空間尺度的模擬需求則無法滿足。為了實現(xiàn)對更小空間尺度的污染物濃度分布的精細(xì)化模擬，重點區(qū)域的高分辨率源清單是必要條件。

中國已有眾多課題組開展了相關(guān)研究工作。例如針對北京市乃至京津冀區(qū)域，清華大學(xué)、北京工業(yè)大學(xué)(以下簡稱“北工大”)等相關(guān)課題組已經(jīng)建立更高空間分辨率的源清單(見圖8)。將2015年9月7日外場實驗獲取的基于車載被動DOAS系統(tǒng)遙測數(shù)據(jù)建立的污染源排放數(shù)據(jù)同北工大建立的基于2015年統(tǒng)計數(shù)據(jù)的空間分辨率為1 km×1 km的源清單在空間分辨率及排放強(qiáng)度上進(jìn)行對比驗證，考慮源清單組分，重點選擇NOX作為對比驗證的污染氣體。通過直觀對比，兩者較大多數(shù)業(yè)務(wù)化源清單在空間分辨率上有了明顯提高。同時，兩者在污染源高值的空間分布上存在部分位置的一致，如北京市五環(huán)路內(nèi)較為擁堵的北五環(huán)路、北四環(huán)路，包括連接的京藏高速一線、東三環(huán)路等位置上，NOX排放在空間分布及排放強(qiáng)度上均吻合較好。以上源清單均基于2015年數(shù)據(jù)。

從五環(huán)路的總排放量測算，圖8 中三者NOX排放量處在同一量級，且車載DOAS 的排放量落在了北工大源清單的誤差范圍內(nèi)。具體看來，車載DOAS獲取的NOX排放量較北工大源清單中NOX排放量高47.4%，較北京市交通委員會的業(yè)務(wù)化源清單中NOX排放量高84.4%。

圖6 五環(huán)路內(nèi)快速路網(wǎng)車載DOAS觀測路徑上NOX排放通量Fig.6 NOX emission flux on the mobile DOAS observation path within the Fifth Ring Expressway

為定量分析本研究與北工大源清單的差異，對原始的源清單做了進(jìn)一步處理，通過格點化處理將源清單分布在空間分辨率為9 km×9 km的等尺度經(jīng)緯網(wǎng)格內(nèi)。

圖7 北京市核心區(qū)域機(jī)動車排放量空間分布Fig.7 Spatial distribution of motor vehicle emissions in the core area of Beijing

從分布上，兩者在東三環(huán)路及北四環(huán)路位置均存在NOX高排放源，而在其他位置高值點差異相對較大，五環(huán)路內(nèi)的快速路網(wǎng)中二者相關(guān)性如圖9a 所示，R2為0.44。車載DOAS獲取的污染物排放量基于單日的車載觀測數(shù)據(jù)，而北工大的排放量基于全年的統(tǒng)計數(shù)據(jù)，二者在數(shù)據(jù)來源上的差異是其相關(guān)性差的重要原因。此外，推測本研究由于車載路線覆蓋范圍不夠，導(dǎo)致其部分排放源“熱點”信息的缺失；北工大源清單基于交通量統(tǒng)計數(shù)據(jù)，缺少車輛怠速等相關(guān)信息，而機(jī)動車的污染氣體排放主要發(fā)生在怠速期間。以上問題必然導(dǎo)致了兩種通過不同方式建立的源清單在部分污染源位置及其排放源強(qiáng)度上存在一定差異。

圖8 不同系統(tǒng)獲取的NOX排放量分布Fig.8 NOX emission distribution obtained by different systems

圖9 北京不同空間范圍內(nèi)NOX源清單相關(guān)性Fig.9 Correlation of NOX source list in different parts of Beijing資料來源：文獻(xiàn)[20]。

將對比區(qū)域縮小至[116.37～116.49，39.89～39.94]范圍內(nèi)，即包含了北四環(huán)路、東三環(huán)路等NOX排放量最高的幾個位置做相關(guān)性分析，結(jié)果如圖9b所示，R2為0.69。

4 結(jié)論

本研究為高時空分辨率源清單提供了一種快速有效的具有固有知識產(chǎn)權(quán)監(jiān)測設(shè)備的高精準(zhǔn)光學(xué)遙測方法，較傳統(tǒng)的排放因子法具有實時、動態(tài)、高空間分辨率等特點，有效彌補(bǔ)目前在源清單獲取手段上的不足。這不僅有助于認(rèn)識污染源排放現(xiàn)狀，也為污染物來源解析以及空氣質(zhì)量預(yù)警預(yù)報模型提供基礎(chǔ)科學(xué)數(shù)據(jù)。該方法在交通排放監(jiān)測上的應(yīng)用目標(biāo)是實現(xiàn)基于車載光學(xué)遙測技術(shù)的道路移動源NOX排放定量表征。

選擇北京市五環(huán)路內(nèi)快速路網(wǎng)開展對比研究，對比車載DOAS和排放因子法兩種完全不同的技術(shù)路線獲取NOX污染源排放量的差異。從車載DOAS、清華大學(xué)、北工大、北京市交通委員會等相關(guān)研究團(tuán)隊獲取的NOX排放量來看，四者NOX排放量處在同一量級，且車載DOAS的排放量落在北工大源清單的誤差范圍內(nèi)。具體看來，車載DOAS獲取的NOX排放量較北工大源清單中NOX排放量高47.4%，較業(yè)務(wù)化源清單中NOX排放量高84.4%，與北京市交通委員會的源清單接近，相差3%。在空間分布上，將車載DOAS源清單同北工大源清單的對比區(qū)域設(shè)定在[116.37～116.49，39.89～39.94]范圍內(nèi)時，R2達(dá)0.69。

基于大量統(tǒng)計數(shù)據(jù)與經(jīng)驗或數(shù)值模型的排放因子法的定量表征方法，可以實現(xiàn)區(qū)域內(nèi)全天候的污染氣體排放模擬。鑒于不同的統(tǒng)計數(shù)據(jù)及不同的時空分配模型，不同模型獲取的區(qū)域內(nèi)排放細(xì)節(jié)會有所不同，越精細(xì)的數(shù)據(jù)來源會越逼近真實的模擬?；诠鈱W(xué)遙測方法的定量表征方法將光學(xué)遙測與氣象模擬相融合，可以實現(xiàn)觀測區(qū)域內(nèi)觀測期間的污染氣體排放估算。精細(xì)的觀測路線可以實時獲取區(qū)域內(nèi)高空間分辨率的污染源排放細(xì)節(jié)，但受限于觀測條件與觀測設(shè)備數(shù)量，在監(jiān)測參數(shù)與監(jiān)測時段上會有所限制。