0 引言
交通运输行业是碳排放的重要来源，推动交通行业低碳化转型具有重要意义。我国正在积极推进交通运输行业减碳降排相关工作。2021年10月《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作意见》发布，明确提出“加快推进低碳交通运输体系建设”“加强二氧化碳排放统计核算能力建设，提升信息化实测水平”[1]。在中央政策的指导下，全国各省市纷纷制定相应的减排规划和政策，落实推进碳达峰、碳中和工作。公路交通是我国交通碳排放的主体，准确掌握公路交通碳排放水平对落实推进“双碳”战略，制定绿色交通发展策略具有重要意义。
现阶段，我国公路交通运输的碳排放总量测算主要采用基于统计数据的核算法与基于排放模型或实测数据的计算法。基于统计数据的核算法有：聂华伟[2]采用能源消耗数据，自上而下地对贵州省道路客运交通运输碳排放进行了核算，并提出了贵州省道路交通运输碳排放清单;陈诚等[3]采用投入产出法与过程分析法对福建省道路运输碳排放量进行了测算，并比较了两种方法的特点，等等。基于排放模型或实测数据的碳排放计算主要通过构建具有本地化特征的碳排放计算模型、数据库，并结合交通运行等数据计算不同尺度的交通碳排放量，如：孙健等[4]使用监测设备记录了机动车不同行驶特征下的碳排放数据，基于监测结果标定了机动车排放模型（Motor Vehicle Emission Simulator, MOVES），并逐层分析了微观、中观、宏观三个时空尺度的碳排放量。除碳排放总量测算外，部分学者还对道路交通碳排放的时空分布特征进行了分析，如：高洁[5]和范育洁[6]均使用能源消耗数据测算了我国不同区域、各省交通运输的碳排放时空特征。总体来看，核算法数据获取难度低，计算便捷，但对细分层次的碳排放核算效果有限;模型法本地化程度高，计算精度高，但对数据要求也较高。
近年来，碳排放监测凭借其数据动态连续、实时、准确的优势，在控制温室气体排放领域发挥着越来越重要的作用。美国与欧盟在碳排放监测领域起步较早，其主要使用烟气排放连续监测系统（Continuous Emission Monitoring System, CEMS）对能源企业碳排放进行监测。2021年我国生态环境部发布了《碳监测评估试点工作方案》，提出对五大重点行业、城市温室气体及区域温室气体进行试点监测。碳排放监测相较于核算法和模型法，具有数据获取便捷、数据可信度高等优势，现阶段主要应用在能源、钢铁、废弃物处理等行业，而交通运输活动的碳排放源较为分散，因此碳排放监测技术的应用存在难度，需进一步研究和探索。
综上所述，当前对于道路运输碳排放量的研究已具备一定基础，但其成果主要集中在排放总量的测算上，而对道路运输碳排放时空分布的研究相对较少，且主要集中在区域、省际层面，对于城市群内部公路通道等更微观层面的碳排放时空特征研究得不多。为探索公路交通的碳排放测算方法，实现公路交通碳排放的精细化测算，本文将对如何构建适用于我国公路交通网的碳排监测体系进行探讨，分析构建交通碳排放监测体系的关键影响因素，并展望其应用场景。
1 “双碳”战略背景下的交通碳排放监测需求
1.1 交通碳排放总量
据国际能源署（International Energy Agency, IEA）统计数据，我国交通运输业2019年CO2排放量为901MT，仅次于电力与供暖行业及工业，如图1 所示。同时，公路运输客货运周转量大，能源消耗量高[7]，是交通领域碳排放的重要来源。各运输方式客货运周转量如表1 所示。
1.2 交通碳排放核算法
自上而下法是通过能源消耗总量对碳排放量进行核算。根据权威部门公布的能源消耗数据，计算出每类燃料消耗产生的碳排放总量，将每种燃料消耗产生的碳排量汇总即可得到全行业碳排放量，计算方法如式（1）所示。在我国，自上而下法通常采用国家统计局、国家能源局公布的交通、邮电、仓储行业燃料消耗数据进行碳排放核算。但国家统计局公布的燃料消耗量通常是行业总量，难以进一步细化分类。
式（1）中：Q为CO2排放总量;Hi为每种能源消耗的总量; 为每种燃料的排放因子。
自下而上法则是以机动车行驶里程为基础进行排放核算。根据各级统计机构发布的客货运周转量以及对应的排放因子，可计算出交通运行阶段产生的碳排放总量，计算方法如式（2）所示。受限于出行数据与排放因子的获取，自下而上法的精度相对较低。一是统计部门发布的为周转量数据，提供的参考有限;二是各类车型在不同工况、路况条件下的排放因子存在差异，但实际计算时往往采用统一的排放因子，在大范围计算时会产生较大的误差。
式（2）中：Q为CO2排放总量;Si为每种运输方式的行驶总里程; 为每种运输方式的排放因子。
核算法是现阶段计算碳排放量的常用方法，其计算便捷，适用于大多数场景。自上而下核算法被联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change, IPCC）和我国生态环境部所采用。但核算法极度依赖能源消耗及客货运周转量统计数据，其统计周期、应用场景具有一定的局限性。
1.3 交通碳排放监测法
碳排放监测法是指通过专业设备对大气中的实时碳浓度进行监测，并通过计算获得监测区域内的碳排放水平。相较于核算法，监测法具有实时、灵活、直观的优势，能够反映中短周期内的碳浓度变化趋势，同时由于其无需依靠能源消耗与客货运周转量等统计数据，因此可实现连续滚动的碳排放监测，动态表征监测区域的交通碳排放水平。
相较于国外众多已实现碳达峰的发达经济体，我国正处于生产建设持续发展、交通需求持续增长同时又要兼顾降碳减排的复杂阶段：一方面出行需求不断增加，另一方面又亟需控制交通碳排放总量。我国提出的“2030年碳达峰”战略目标，任务周期相对较短，各类低碳政策评估的时效性、有效性极为重要。对交通运输行业而言，碳排放核算法统计周期较长且细分场景下的排放量难以核算，因此需要碳排放监测体系加以补充完善。
1.4 公路交通碳排放监测需求
我国公路交通网络庞大，所处地形、气候环境复杂多样，影响碳监测的因素众多，有必要开展针对性的研究。现阶段环境监测站点主要设置在城市范围内，相关研究实践也主要集中在城市层面[4,13⇓-15]，但公路环境与城市环境在车流特征、地形地貌、气候条件等方面差异显著，交通排放在大气中的扩散、传输过程也不尽相同，无法将城市环境监测体系直接移植到公路上。国外对公路交通排放监测开展了一些实践，如新西兰多年来持续开展公路NO2排放监测工作，其发布的《环境空气质量（NO2）监测网操作指南》列举了公路环境空气监测不同类型站点的布设原则[16]，如表2 所示。但受限于国内外经济、交通发展阶段不同，以及污染物与碳排放监测的差异，其对我国构建公路网碳排放监测体系的参考价值有限。
表2 新西兰高速公路环境监测网不同类型站点的布设原则 |
| 类型 | 站点布设原则 |
|---|---|
| 国家高速 公路站点 | 位于被监测公路100m范围内; AADT>20000或已知拥堵路段 |
| 地方公路 站点 | 位于被监测公路50m范围内; AADT>20000或已知拥堵路段 |
| 城市背景 站点 | 距离邻近的国家高速公路>100m; 距离邻近的繁忙地方公路>50m; 与连续监测站合建为佳 |
注：AADT（Annual Average Daily Traffic）为年平均日交通量。 |
环境监测的项目为SO2, NO2等空气污染物，有健康危害性及明确的受体，故在站点布设时会重点考虑受体与污染源的相对位置，如：我国《环境空气质量监测点位布设技术规范》（HJ 664—2013）中规定，路边监测点应布设在能反映人们日常生活和活动场所中受道路交通污染源排放影响的道路两旁及其附近区域[17];英国在布设道路监测点时也充分考虑尾气扩散与人的相对高度，将监测仪器设置在停车线上游5m，距地面1.5m处[18]。相比之下，碳排放监测则侧重于对整体排放量的把握，需要尽可能地反映监测目标的碳排放水平，与环境监测存在一定差异。除此之外，近年来卫星、遥感技术也开始应用于碳排放监测，如美国的OCO-2碳监测卫星、日本的GOSAT温室气体观测卫星。2016年我国发射了首颗碳卫星TanSat，其观测数据已应用在全球碳循环研究、生态系统监测等多个领域。但对固定区域的碳排放连续监测，需要卫星变轨追踪监测，成本较高。因此，对于公路交通的碳排放监测，有必要探索一套经济有效、适用于我国公路交通网环境的监测体系。
2 公路交通网碳排放监测体系构建关键问题
为实现公路交通碳排放的有效监测，应准确把握公路交通碳排放、碳扩散规律，合理布设监测体系。下面将从碳排放监测影响因素、公路交通碳排放过程、监测站点选取3个方面展开分析。
2.1 碳排放监测影响因素分析
（1）车流量、车型组成
车流量会对交通碳排放产生重要影响，公路交通量越大，交通碳排放总量越高，故在设置监测点位时，应重点考虑路段流量，选择交通量大、车流密集的路段布设。车型是影响碳排放的另一个重要因素，不同车型之间燃料消耗、碳排放速率差异较大，监测点位布局需结合路段车流组成，重点监测货车等大排量车交通量较大的路段，如区域间主要货运廊道、工业区主要进出通道等。
（2）行驶速度
行驶速度主要从两个方面影响车辆碳排放：一是不同行驶工况下车辆碳排放水平不同，如怠速时排放速率高于正常行驶时，并且公路交通流车速与交通量之间存在关联性，需综合考虑行驶车速对碳排放的影响;二是行驶速度会对碳排放的时空分布产生影响，车队以不同速度行驶时，公路单位长度上的碳排放率亦不相同。
（3）地形地貌
公路所处地形地貌环境是影响公路交通碳排放扩散的重要因素。当公路位于平原时，公路两侧遮挡物较少，排放出的碳更容易横向扩散，而当公路位于山区时，其侧方往往存在遮挡物，不利于碳扩散。碳以尾气的形式从机动车排放到大气中，之后将以气体形态在空气中扩散，而监测站所监测到的浓度是站点所在点位的碳浓度，因此碳在大气中的扩散模式会对碳监测结果产生较大的影响。类比污染物监测站点布设方法，碳排放监测站点应布设在最能表征区域内典型碳浓度的位置。因此在进行站点布设时，需要重点考虑地形环境对碳扩散模式的影响。
（4）环境条件
环境条件包括监测时的天气、风向、湿度等因素，这些因素通过影响碳在大气中的扩散模式而对监测结果产生影响。进行监测站点布设时，需要充分考虑环境因素并加以利用，如：将站点布置在区域主要风向的下风侧，避免在气候变化频繁区域设点，等等。
2.2 交通流-碳排放集成仿真分析
真实环境中碳排放、扩散的机理和模式较为复杂，无法完全在现实环境中开展监测分析，故应结合计算机仿真技术，使用融合交通与环境的仿真分析方法，对典型场景下的公路交通碳排放、扩散模式展开分析。
交通碳排放包含碳排放与碳扩散两个过程，分别对应公路交通流仿真与碳排放扩散仿真。其中，公路交通流仿真模拟运行交通流特征，包含轨迹、速度、车型等，通过构建机动车碳排放模型可计算出机动车单点碳排放量。在此基础上，应用碳扩散仿真模型，模拟碳在大气环境中的扩散模式，并获取不同目标点位的碳浓度。最后，按照时间、空间进行监测数据汇总划分。交通流-碳排放仿真分析架构如图3 所示。
2.3 公路交通碳排放监测点位选择
监测站选点布局是构建碳排放监测体系的关键，其布局选址应充分考虑碳排放量与碳扩散模式两大因素，一方面从公路交通量、车型分布、运行特征等方面分析路段碳排放总量，另一方面从公路地形环境、气象环境条件分析碳在大气中的扩散模式，综合考虑两方面因素，确定选址布局方案。
2.3.1 监测点路段选址
监测点选址重点在于选取具有典型碳排放特征的路段，以充分反映监测目标的碳排放水平，如高交通量路段、易拥堵路段、工业区进出通道等。监测点位的选取应充分结合多源大数据进行流量、行程车速等特征提取，量化分析公路交通运行特征，使用聚类等数据分析方法识别典型路段。同时，还需分析不同车型、不同工况下的排放特征，采用台架测试、实际道路测试等方法测算机动车碳排放因子，进而分析不同车辆组成下的碳排放特征，以支撑监测点位选取。
2.3.2 监测点路侧选址
3 公路交通网碳排放监测体系的应用前景
通过碳排放监测体系可实现公路交通碳浓度的连续监测，能够直观反映监测区域碳排放的动态变化情况。结合现有技术水平，本文对公路交通碳排放监测的应用场景进行了展望。
现有CO2监测设备可分为固定监测设备与移动监测设备，且部分环境污染物监测设备也可实现对CO2浓度的监测。因此，在站点布设时应结合具体条件选用不同类型的设备，必要时也可与污染物监测共站设置。基于碳排放监测数据，可类比城市交通拥堵指数，构建公路交通碳排放指数，以反映公路交通整体碳排放强度。通过对监测路段的长期监测，获取路段的碳排放平均水平，在实施减碳政策后，可根据碳排放监测数值的变化对政策实施效果进行评估，如图5 所示。为实现公路交通碳排放的量化评估，可设置公路碳排放等级、碳排放变化率等细分指标，以反映监测对象碳排放的动态变化，为管理决策部门提供科学的量化数据支撑。同时，通过公路网交通碳排放监测体系，可获取不同区域、路段的交通碳排放时空分布数据，有助于管理部门掌握交通碳排放动态变化情况，把握交通碳排放薄弱环节，采取针对性的管控措施，实现低碳交通的精细化管理。
4 结语
公路交通是我国交通碳排放的重要来源，掌握其碳排放特征对落实推进“双碳”战略具有重要意义。碳排放监测技术具有动态连续、数据可信度高等优势，但因交通碳排放源较为分散，其在交通领域的应用存在一定难度，目前应用程度不高。本文首先结合公路交通运输活动的碳排放测算需求，论述了碳排放监测技术在公路交通领域的应用价值，其次分析了交通量、地形地貌、气候环境等因素对碳排放监测的影响，最后展望了公路碳排放监测体系的应用场景。后续可对公路交通碳排放扩散特征、碳排放指标构建等问题开展进一步研究，以支撑碳排放监测技术在交通领域的应用推广。
