新型烟羽反演技术，为城市空气质量监测 “精准把脉”

作者：Professor David Carslaw, University of York, UK and Yoann Bernard

要精准测量道路车辆排放并非易事，但在过去几十年中，车辆排放测量技术已经有了长足的进展，发展出了多项除了实验室测量之外的新型测量技术。本文将介绍一项由约克大学和国际清洁交通委员会（ICCT）合作开发的在用车排放测量新技术，该技术可以简化点位采样，便于在城市层面广泛应用，从而帮助城市管理部门更好地了解当地的交通源排放情况，并能提供关于不同车辆对空气污染贡献率方面的有效信息。

我们开发这项技术的初衷是为了应对目前测量车辆排放所面临的一些固有挑战，例如：数百万个排放源在时间和空间上不断移动；车辆采用了不同的燃料和不同水平的后处理技术；还有温度、道路坡度等环境因素的影响。

在测量车辆排放的过程中，必须测量大量车辆才能获得具有代表性的样本，并确保从数据中得出可靠的结论。这一点在分析特定汽车制造商或特定车型的排放时尤为重要。遥感技术是在实际道路条件下测量车辆排放的一种常见方法，它通过向车辆尾气烟羽发射光束并测量污染物的光吸收来记录途经车辆的尾气排放。近年来，ICCT通过“城市实际排放行动（TRUE）项目”，在全球许多城市推动应用了遥感监测技术。

尽管遥感技术在测量部分常见污染物（如氮氧化物、二氧化氮和一氧化碳）方面具有许多优势，但却不太适合测量车辆尾气中的其他污染物。例如，苯和甲苯等对健康有害的单一碳氢化合物通常难以通过遥感测量，颗粒物粒子数量 (PN) 和黑碳 (BC) 也无法测量。

另一种道路车辆排放测量方法是点位采样，这种技术采用快速响应测量仪，在路边测量途经车辆散布的尾气烟羽。通过点位采样，可以从烟羽中采集污染物并导入到分析仪中。点位采样可以通过专用仪器来测量特定空气污染物和颗粒物，从而扩展了可测定污染物的种类。在测定空气污染物的同时会对二氧化碳进行测量，从而确定污染物与二氧化碳（例如NO_X/CO₂）之间的比值，并据此计算出不同的排放因子。

然而，点位采样测量同样存在挑战。对于大多数路边点位，单一车辆通常不会与其他车辆分开行驶，导致无法在车辆经过时准确测量单车尾气烟羽，很容易造成超过70%的数据丢失。如果在车辆较少的安静位置设点，会难以获取大量样本；反之，在车流量较大的位置设点，则很快就会遇到烟羽相互重叠混合的问题。

为了解决这个问题，我们开发了一种改进性的反演分析方法，可以从烟羽重叠的数据中分离不同车辆的排放信息。图1展示了在约克大学采样点15分钟内的车辆通过情况。可以清楚地看到，没有任何时间段内单车尾气烟羽能与其他车辆尾气烟羽完全隔离。这种新型分析技术采用回归方法，能够将路边不同污染物的浓度与预期的平均烟羽扩散量关联起来。每当特定类型的车辆经过时，系统便会在时间序列中虚拟叠加一个平均羽流扩散模型。这项新技术被称为烟羽反演，它不仅能有效简化点位采样过程，还能够提供具有重要价值的新信息。该技术的核心方法已详述于2024年11月发表在《环境科学与技术》期刊的论文《An Ambient Measurement Technique for Vehicle Emission Quantification and Concentration Source Apportionment》中。

图1. 约克大学采样点15分钟的车辆途径情况（X轴上的垂直线表示车辆通过采样仪器的时间）

我们将这种烟羽反演方法应用于多种不同的数据集和污染物，包括在约克大学采样点采集的氮氧化物、二氧化氮和氨数据；以及在米兰采集的氮氧化物、颗粒物粒子数量、黑炭和10种挥发性有机化合物（VOCs），我们将通过羽流反演得出的氮氧化物排放因子与遥感数据进行了比较，结果显示两者高度一致。图2展示了米兰约2.4万次测量数据中的氮氧化物排放因子（按燃料类型划分），这些结果体现了不同燃料、不同排放标准车辆之间的排放差异。

图2. 米兰测试数据进行烟羽反演后的氮氧化物排放因子（按燃料类型划分，克/千克燃油）

除了提供排放因子外，新的烟羽反演方法还能够提供关于浓度源解析的有效信息，即能够测量出设点道路周边污染物浓度分别来自哪些不同类型的车辆。例如，仅凭车辆排放测量数据，我们无法得知道路周边测量到的二氧化氮有多少来源自欧5柴油车乘用车。这需要更先进的空气质量模型来预测近道路污染物浓度，而在复杂的城市环境中，这是一项极具挑战性的任务。

新的烟羽反演方法可以帮助我们更有针对性地削减道路周边污染物浓度。图3展示了来自米兰的一个分析案例，每个矩形的面积表示不同燃料和技术水平的车辆对道路周边氮氧化物浓度的贡献率。可以看到，氮氧化物排放的主要来源是柴油车（蓝色），而汽油车（绿色）、LPG车（黄色）和CNG车（紫色）的氮氧化物排放占比则要小得多。在柴油乘用车中，又以RDE之前的欧6乘用车和欧5乘用车为最主要的排放源，这是由于这类车辆的数量较多且其实际行驶排放较高。

图3. 米兰点位的道路周边氮氧化物绝对浓度贡献率，色块面积代表该类车辆对氮氧化物浓度的总贡献率

这种新的烟羽反演方法有可能在全球范围内广泛应用。这种设点测量的方式本质上与道路周边设定的大量环境空气质量监测点类似（这些监测点可提供逐小时的污染物浓度数据），但使用的是快速响应测量仪器，并增加了对车辆燃料燃烧副产品——二氧化碳的测量。因此，设点采样结合烟羽反演方法可以增强现有道路周边监测站的功能。这种新方法通过量化车辆排放并估算不同类型的车辆对环境空气污染浓度的贡献率，助力城市更好地了解交通排放，并以数据为导向来制定切实有效的政策措施，减少机动车空气污染排放。 

阅读英文版：https://theicct.org/introducing-a-new-plume-regression-technique-for-point-sampling-to-support-cities-in-monitoring-air-quality-nov24/