The Refined Carbon Emission Measurement Method of Provincial Highway Network in the Context of Carbon Peaking and Carbon Neutrality
-
摘要: 基于高速公路门架、2019年货运专项调查、汽车能耗查询平台等数据,综合考虑不同车型、不同路段饱和度下车辆能耗差异,构建基于改进“政府间气候变化专门委员会”(IPCC)的高速公路网碳排放精细化测算模型,并以山东省为例进行实例分析。结果表明:从车型上看,高速公路碳排放客车、货车碳排放量占比分别为45.29%、54.71%,其中主要碳排放源为Ⅰ类客车、Ⅰ类货车与Ⅵ类货车等;从路网分布看,碳排放高值路段主要在人口密集和经济发达城市的绕城高速,邻近综合交通枢纽(高铁、机场、港口),济青、京沪运输通道等呈现空间集聚分布特征;从区域分布看,碳排放高值区主要在以济南中心城区为核心的省会经济圈、以青岛中心的城区为中心胶东经济圈集聚,并呈现出从经济圈中心向外逐层递减的态势。该研究可为区域交通碳排放相关政策监管、区域交通运输“碳达峰”时间点研判提供理论和数据支撑,对推动区域交通运输双碳目标的实现具有重要现实意义。Abstract: Based on the data of highway gantry, 2019 freight transport special survey, and vehicle energy consumption query platform, this study comprehensively considers the differences in vehicle energy consumption under different models and saturation degrees of different road sections, constructs a refined measurement model of highway network carbon emissions based on the improvement of the Intergovernmental Panel on Climate Change(IPCC), and conducts an analysis in Shandong Province as an example. An example analysis is carried out in Shandong Province. The results show that: from the perspective of vehicle type, the proportion of carbon emissions from passenger cars and trucks on motorways is 45.29% and 54.71% respectively, and the main sources of carbon emissions are Class Ⅰ passenger cars, Class Ⅰ trucks and Class Ⅵ trucks, etc. From the distribution of road network, the high carbon emission sections are mainly found in the bypass highways of densely populated and economically developed cities, and the sections are adjacent to the comprehensive transport hubs (high-speed rail, airport and port), Jinan-Qingdao and Beijing-Shanghai transport corridor, etc. The spatial clustering distribution characteristics are shown. In terms of regional distribution, high carbon emission areas are mainly concentrated in the provincial capital economic circle with Jinan central city as the core and Jiaodong economic circle with Qingdao central city as the centre, and show a decreasing trend from the centre of the economic circle. The study can provide theoretical and data support for the governance of regional transport carbon emission-related policies and the study of regional transport "carbon peak" time point, which is of great practical significance for promoting the realisation of regional transport dual-carbon goals.
-
近年来,与石墨烯结构类似的单层MoS2,在实验上可以被剥离出来[1].块体MoS2是间接带隙半导体,而单层MoS2拥有类似三明治的结构,是直接带隙半导体[2]. MoS2的能隙随层数的改变而变化,单层MoS2能隙更大.由于其突出的光学性质和电学性质引起了人们的关注[3].单层MoS2具有较大的光吸收率[4-7],其载流子的迁移率高,可以作为晶体管的优良材料[8],也可被用于光探测器[9].
最近,光伏效应[10-17](Photogalvanic Effect, PGE)又掀起了一波热潮.不仅在二维电子气[18]上实现线偏光电流效应(LPGE)和自旋光电流效应(SPGE)[19],而且,对于拓扑绝缘体[20-22](例如HgTe量子阱,Sb2Te3等)也可以观察到量子圆偏光电流效应(CPGE)[23].此外,对于外尔半金属[24],例如TaAs,通过理论计算,会出现CPGE. GUO研究组采用第一性原理[25-27]计算研究了掺杂硼、氮原子对的石墨烯以及掺杂硫原子的黑磷等材料的非平衡态光电流.
到目前为止,对于含硫空位的单层MoS2,从实验研究[28-32]到理论研究[33-39]已成为热点,其电学性质及光学性质已受到广泛关注.但是,单层含硫空位MoS2的光伏效应研究鲜有报道,所以本文采用第一性原理的方法,来研究其在零偏压下的光电流.
1. 计算模型与方法
基于密度泛函理论的第一性原理计算,在Material Studio中用CASTEP软件包[40-41]对含硫空位的单层MoS2原胞进行结构优化,考虑了电子分布的不均匀性,采用广义梯度近似(Generalized Gradient Approximation, GGA)、交换关联泛函(Perdew-Burke-Ernzehof, PBE).在倒格矢空间中,平面波的截断能为500 eV,k点的取值为6×12×1,每个原子能量的收敛精度为10-6 eV,以保证结构的合理性.
计算光电流的器件模型如图 1所示,它由中心散射区和2个电极组成,其中2个电极是半无限长的. 图 1A是计算光电流的器件图,图 1B是图 1A经过结构驰豫后的侧视图.在零偏压下,光子垂直照射在器件的中心散射区.对于线偏光来说,偏振角θ是与输运方向相关的.对于椭偏光来说,相位角φ与椭圆离心率有关.
基于第一性原理的量子输运软件Nanodcal对原胞进行自洽计算[42-43],然后绘制能带图和联合态密度图.在自洽计算中,使用了交换关联泛函GGA_PBE96,k空间格点数为1×12×1,能量的收敛精度为10-6 eV,原子的基矢设置为(Double-Zeta Polarization, DZP).然后,利用Device Studio软件构建器件,温度设置为100 K、光照区域为中心散射区.最后,利用非平衡态格林函数-密度泛函理论的方法计算无偏压下的光电流.其中,光子偏振的类型由偏振矢量决定,
e=[cosθcosφ−isinθsinφ]e1+[sinθcosφ+icosθsinφ]e2, 其中,θ为偏振角,φ为相位角,表示椭圆离心率. eα (α=1, 2)表示单位矢量.当入射光为线偏光时,φ=0°.当入射光为椭圆偏振光时,θ=0°.特别地,当φ=±45°时,表示右旋/左旋圆偏振光.在计算的材料中,由于打破了空间反演对称性,所以可以产生光伏效应.值得注意的是,光电流〈I〉(ph)的正方向是从电极流向中心区域,量子输运软件Nanodcal中运用的方法是非平衡态格林函数-密度泛函理论.计算的光电流都是归一化光电流R,也可以称为光响应函数,其表达式[25-27]:
RI≡⟨I⟩(ph)eIω, 其中,Iω是单位时间通过单位面积的光子数,即光子通量.在Nanodcal中,左电极的光电流IL(ph)可以写成:
I(ph)L=ieh∫Tr{ΓLG<(ph)+ΓLfL(E)(G<(ph)−G<(ph))}dE, 其中,G < (ph)和G>(ph)分别是小于格林函数和大于格林函数; ΓL表示中心散射区与左电极之间的耦合作用.对于线偏光电流效应,光电流可以写成:
I(ph)L=ieh∫{cos2θTr{[G<(ph)1+fL(G>(ph)1−G<(ph)1)]}+sin2θTr{ΓL[G<(ph)2+fL(G>(ph)2−G<(ph)2)]}+2sin(2θ)Tr{ΓL[G<(ph)3+fL(G>(ph)3−G<(ph)3)]}}dE. 对于圆偏光电流效应,左电极的光电流可以写成:
I(ph)L=ieh∫{cos2φTr{[G<(ph)1+fL(G>(ph)1−G<(ph)1)]}+sin2φTr{ΓL[G<(ph)2+fL(G>(ph)2−G<(ph)2)]}+sin(2φ)2Tr{ΓL[G<(ph)3+fL(G>(ph)3−G<(ph)3)]}}dE. 对于LPGE和CPGE,G1>/ < (ph)和G2>/ < (ph)具有相同的表达式:
G>/<(ph)1=Σα,β=x,y,zC0NGr0e1αp+αG>/<0e1βpβGa0.G>/<(ph)2=Σα,β=x,y,zC0NGr0e2αp+αG>/<0e2βpβGa0. 其中,G0a和G0r分别是超前格林函数和推迟格林函数,pα/β表示电子动量在笛卡尔坐标系上的分量,e1/2β表示在笛卡尔坐标系上的单位矢量.
C0=Iω(e/m0)2ħ√μrεr/2Nωεc, 其中,N是光子数,ω和c分别是光子的频率和光速,ε和εr分别是介电常数和相对介电常数. μr是相对磁化率,m0为净电子质量.特别地,对于线偏振光来说,
G>/<(ph)3=Σα,β=x,y,zC0N(Gr0e1αp†αG>/<0e2βpβGa0+Gr0e2αp†αG>/<0e1βpβGa0). 对于圆偏振光来说,
G>/<(ph)3=±iΣα,β=x,y,zC0N(Gr0e1αp†αG>/<0e2βpβGa0−Gr0e2αp†αG>/<0e1βpβGa0. 联合态密度(Joint Density of States, JDOS)是研究光伏效应的工具,其定义:在光学跃迁的过程中,设1个光子的能量为ħω,计算从价带到导带之间电子跃迁的数目[44].联合态密度的一般表达式如下:
{J_{cv}}\left( {{\rm{ħ}}\omega } \right) = \mathop \smallint \limits_{BZ} \frac{{2{\rm{d}}k}}{{{{\left( {2{\rm{ \mathit{ π} }}} \right)}^3}}}\delta \left[ {{E_c}\left( \mathit{\boldsymbol{k}} \right) - {E_v}\left( \mathit{\boldsymbol{k}} \right) - {\rm{ħ}}\omega } \right]. 其中,Ec(k)和Ev(k)分别是在特定k值下,导带和价带的能量,Ec(k)-Ev(k)表示为带间能量差.特别地,对于准二维材料来说,当材料打破空间反演对称性,能带产生劈裂的时候,联合态密度可以写成:
{J_{cv}}\left( {{\rm{ħ}}\omega } \right){\rm{ = }}\mathop \smallint \limits_{BZ} \frac{{2{\rm{d}}\mathit{\boldsymbol{k}}}}{{{{\left( {2{\rm{ \mathit{ π} }}} \right)}^2}}}\delta \left[ {{E_c}\left( \mathit{\boldsymbol{k}} \right) - {E_v}\left( \mathit{\boldsymbol{k}} \right) - {\rm{ħ}}\omega } \right]. 2. 结果与讨论
2.1 单层含硫空位MoS2的电学性质
在计算与能量有关的光电流之前,先研究单层含硫空位MoS2的电学性质. 图 2A为单层MoS2能带图,图 2B是单层含硫空位MoS2的能带图.对比能带图不难发现,单层含硫空位的MoS2在费米能附近多了3条能带,而且能带发生了劈裂.一般来说,分析能带间的能量是了解电子跃情况的关键一步.在图 2B的高对称点Y处,费米能两边最近邻两条缺陷能带的能量差为0.80 eV,次近邻两条缺陷能带的能量差为1.10 eV.而价带顶到导带底的能量差为1.90 eV.此外,在高对称点Γ处,费米能附近最近邻两条缺陷能带的能量差为0.75 eV,次近邻两条缺陷能带的能量差为1.10 eV.并且,价带顶到导带底的能量差为2.10 eV.
2.2 单层含硫空位MoS2的光学性质
基于非平衡态格林函数-密度泛函理论的方法研究单层含硫空位MoS2的光学性质. 图 3模拟出用线偏光和圆偏光垂直照射单层含硫空位MoS2的光响应函数.对于LPGE,θ=π/4, φ=0°;对于CPGE,φ=π/4, θ=0°.光子的能量范围在0~2.20 eV,能量间隔为0.10 eV.从整体上来看,由于图 1的器件结构打破了空间反演对称,所以在垂直光照下,LPGE和CPGE都会产生光电流.但是,CPGE所产生的光响应强度比LPGE的大1个数量级.一方面,因为在圆偏光照射下,会使能带进一步劈裂,发生Rashba自旋轨道耦合,而线偏光并不会发生上述过程,所以CPGE产生更大的光电流;另一方面,单层含硫空位的MoS2以杂质电导为主.与纯的单层MoS2相比,由于其发生了杂质散射,使得电阻率增大、电导率减小,所以LPGE产生的光电流很小.从局部来看,对于LPGE,当线偏光能量为1.20 eV时,光电流开始产生.因为在图 2B中高对称点X处,费米面附近最近邻两条缺陷能带间的能量差为1.20 eV.当线偏光能量为1.70 eV时,光电流也会出现1个弱峰.因为在高对称点S处,电子从价带跃迁到缺陷带的最小能量为1.70 eV.对于CPGE,在光子能量不小于0.80 eV时,才会产生光电流,因为在图 2B中高对称点Y处,电子从费米能附近最近邻两条缺陷能带间跃迁的能量为0.80 eV.在能量为1.90 eV和2.10 eV时,光响应函数会出现2个峰.这分别是在高对称点Y、Γ处,从价带顶到导带底的最小能量.
2.3 联合态密度
为了进一步理解单层含硫空位MoS2的光响应行为,利用联合态密度来分析(图 4).当光子能量在0~0.75 eV时,JDOS均为零.这是电子发生光学跃迁所需要的最小能量(0.75 eV),对应于图 2B中Γ处缺陷能带之间的能量.同时也对应于图 3B中只有光子能量大于0.70 eV才会有光电流的现象.此外,电子质量在1.10、1.30、1.38时代表电子在缺陷能带之间跃迁的能量值,但前两者的JDOS明显大于后者.这是因为前两者的电子是在高对称点Y、Γ、S处被激发,所以被激发的数量比较多,JDOS出现峰值;而后者不是在高对称点处被激发,所以JDOS出现波谷.而当光子能量为1.44 eV时,JDOS出现峰值,此时电子可以从价带跃迁到缺陷带.随后能量在2.10 eV之前,JDOS振荡上升,这里对应于电子从缺陷带跃迁到导带的过程.在2.10~2.15 eV之间,JDOS急速上升,意味着受光激发电子的数量急速增长,这里对应于高对称点Γ处以及Γ~X处价带顶到导带底的能量.这也是CPGE在能量为2.10 eV时出现一个较大峰的原因.所以能带图结合联合态密度在一定程度上能够分析光响应行为.
2.4 随偏振角/相位角变化的光响应函数
为了进一步了解光响应函数的行为,研究单层含硫空位的MoS2在垂直光照下随θ变化的光响应函数(图 5).由于LPGE在1.10 eV之后才出现光电流(图 3),所以本文研究线偏光的能量范围为1.10~2.20 eV,能量间隔为0.10 eV.结果表明:LPGE的光响应函数绝大多数正比于sin(2θ),基本上与唯象理论相符[13, 18, 45-46].在唯象理论中,具有Cs对称性的材料,在光子的垂直照射下,光电流为
{R_x} \propto E_0^2\mathit{\boldsymbol{\chi }}{_{xxy}}{\rm{sin}}\left( {2\theta } \right) 其中,E02是入射光的电场强度;χxxy是一个张量.但是,在1.60 eV能量下的光响应强度正比于cos(2θ).而1.60 eV对应的是从价带到缺陷带的能量.这说明非均匀材料的光响应函数不能完全符合均匀材料的唯象理论.总之,当光子能量在1.20、1.70、2.00 eV时,LPGE光响应函数的振幅比较大;对于其他能量,LPGE光响应函数的振幅都不大.对于单层含硫空位的MoS2,LPGE产生的光电流振幅小且不明显.
对比研究单层含硫空位的MoS2在垂直光照下随φ变化的光响应函数,光子的能量范围为0.70~2.20 eV,能量间隔为0.10 eV.结果表明,光响应函数正比于sin2φ,完全符合唯象理论.在图 6A中,光子能量范围为0.70~1.00 eV,只有在0.80 eV能量下才会出现光电流,这对应于电子在缺陷带间跃迁的能量. 0.80 eV对应于红外光的能量.在图 6B描述的是电子从价带跃迁到缺陷带的光响应函数,其光响应函数的趋势类似.在图 6C中,光子的能量范围是1.50~1.80 eV,对应于红光能量.此时,光响应的振幅随光子的能量并非线性增加.例如,当光子能量为1.80 eV时,光响应的振幅很小,而且与1.50 eV能量下的光响应函数趋势相反.在图 6D中能量值对应于电子从价带及缺陷带跃迁到导带.此时,描述的是随红光(1.90 eV)、黄光(2.10 eV)到绿光(2.20 eV)变化的光电流.结果表明,在能量为1.90 eV的圆偏光照射下,单层含硫空位MoS2的光响应强度达到最大值,其次是能量为2.10 eV的光.总体上CPGE光响应函数的振幅比LPGE大1个数量级.所以,用圆偏光照射单层含硫空位的MoS2能获得更大的光电流,由于光子的能量在可见光范围,所以单层含硫空位的MoS2适用于光电子器件.
3. 结论
基于非平衡态格林函数-密度泛函理论的第一性原理方法,研究了单层含硫空位MoS2的光伏效应.利用能带图与联合态密度有效分析了光响应行为.硫空位打破了材料的空间反演对称性,使得能带发生劈裂,为光电流的产生提供前提条件.联合态密度能够表征电子受激跃迁的情况,结合能带图可以分析光响应行为.结果表明:圆偏光电流效应产生的光电流比线偏光电流效应产生的光电流大1个数量级,并且线偏光(圆偏光)随偏振角(相位角)变化的光响应函数与唯象理论相符合.通过计算可知,用1.90 eV能量的圆偏光垂直照射单层含硫空位的MoS2能获得最大光电流.本文通过对单层含硫空位MoS2的研究,为二维材料光伏器件的设计提供了理论基础.优良的光电性能使单层含硫空位的MoS2成为光电子和微电子器件应用的潜在材料.
-
表 1 高速公路机动车分类标准
Table 1 The motor vehicle classification standards for highways
客车种类 规格 货车种类 规格 Ⅰ类车 < 9座 Ⅰ类车 2轴(车长 < 6 m且最大允许总质量 < 4 500 kg) Ⅱ类车 10~19座 Ⅱ类车 2轴(车长≥6 m且最大允许总质量≥4 500 kg) Ⅲ类车 20~39座 Ⅲ类车 3轴 Ⅳ类车 ≥40座 Ⅳ类车 4轴 Ⅴ类车 5轴 Ⅵ类车 6轴 表 2 山东省Ⅱ~Ⅳ类客车品牌的油耗
Table 2 Fuel consumption of Shandong Province in bus brand, Class Ⅱ~Ⅳ
品牌 车辆数量占比/% 油耗/L Ⅱ类 Ⅲ类 Ⅳ类 1类 49.1 14.0 17.9 23.4 2类 10.3 14.1 17.8 24.2 3类 9.6 12.6 18.7 23.5 4类 8.3 14.1 21.1 22.8 均值 13.7 18.9 23.5 注:油耗定义为燃油车行驶100 km的平均耗油量(L),下表同。 表 3 山东省Ⅰ~Ⅳ类货车主要品牌的油耗
Table 3 Fuel consumption of main truck brand in Shandong Province, Class Ⅰ~Ⅳ
L 品牌 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 1类 12.8 21.3 26.4 31.6 2类 16.6 20.1 26.2 30.6 3类 17.2 19.7 24.9 29.2 4类 12.9 21.5 24.3 31.6 均值 14.9 20.7 25.5 30.8 表 4 不同车型的理论能耗修订系数
Table 4 The revised theoretical energy consumption coefficients for different models
车型 车辆数/辆 理论能耗修订系数 客车Ⅰ类 258 1.35 客车Ⅱ类 26 1.32 客车Ⅲ类 35 1.28 客车Ⅳ类 271 1.23 货车Ⅰ类 101 1.82 货车Ⅱ类 121 1.67 货车Ⅲ类 87 1.53 货车Ⅳ类 95 1.42 货车Ⅴ类 234 1.23 货车Ⅵ类 841 0.99 表 5 汽油、柴油信息
Table 5 The information of gasoline and diesel
燃油类型 密度/(kg·L-1) 平均低位发热量/(kJ·kg-1) 潜在碳排放系数/
(t·TJ-1)碳氧化率/% 柴油(5-0-10) 0.84 42 705 20.20 98 柴油(20-35-50) 0.82 42 705 20.20 98 汽油(89-92-95) 0.75 43 070 18.90 98 表 6 客车油耗及碳排放率数据
Table 6 The fuel consumption and carbon emission rate data for passenger vehicles
序号 Rv/C FCa/L 序号 Rv/C FCa/L 序号 Rv/C FCa/L 1 0.15 8.66 17 0.45 8.51 33 0.84 9.38 2 0.16 8.45 18 0.49 7.40 34 0.85 9.89 3 0.17 9.13 19 0.50 8.22 35 0.86 10.08 4 0.19 8.55 20 0.53 8.09 36 0.88 9.21 5 0.20 8.35 21 0.55 8.36 37 0.90 9.94 6 0.21 8.25 22 0.59 7.71 38 0.91 10.07 7 0.22 8.29 23 0.60 8.51 39 0.92 9.66 8 0.24 8.65 24 0.62 8.37 40 0.94 10.78 9 0.25 8.37 25 0.68 8.79 41 0.95 11.36 10 0.28 8.40 26 0.70 8.23 42 0.96 10.99 11 0.30 8.32 27 0.71 9.09 43 0.97 11.10 12 0.34 8.88 28 0.75 8.50 44 1.02 12.33 13 0.35 8.40 29 0.77 8.52 45 1.03 12.37 14 0.39 7.47 30 0.78 9.50 46 1.10 12.17 15 0.42 7.89 31 0.80 8.70 47 1.17 13.74 16 0.43 7.77 32 0.83 8.77 48 1.18 14.16 表 7 货车油耗及碳排放率数据
Table 7 Truck fuel consumption and carbon emission rate data
序号 Rv/C FCa/L 序号 Rv/C FCa/L 序号 Rv/C FCa/L 1 0.15 27.27 17 0.45 25.39 33 0.84 30.31 2 0.16 28.46 18 0.49 25.91 34 0.85 29.47 3 0.17 28.27 19 0.50 25.31 35 0.86 30.76 4 0.19 27.65 20 0.53 26.73 36 0.88 29.33 5 0.20 26.88 21 0.55 26.92 37 0.90 32.71 6 0.21 27.27 22 0.59 26.21 38 0.91 31.67 7 0.22 27.27 23 0.60 26.17 39 0.92 33.73 8 0.24 27.03 24 0.62 25.89 40 0.94 32.64 9 0.25 26.60 25 0.68 26.74 41 0.95 32.83 10 0.28 28.12 26 0.70 26.98 42 0.96 32.51 11 0.30 27.69 27 0.71 28.49 43 0.97 33.73 12 0.34 26.73 28 0.75 27.25 44 1.02 34.64 13 0.35 26.03 29 0.77 29.53 45 1.03 34.83 14 0.39 25.72 30 0.78 28.51 46 1.10 34.78 15 0.42 26.12 31 0.80 29.34 47 1.17 38.42 16 0.43 25.43 32 0.83 28.76 48 1.18 39.84 -
[1] 中共中央. 国务院印发国家综合立体交通网规划纲要[N]. 人民日报, 2021-02-25(1). https://www.cnki.com.cn/Article/CJFDTOTAL-GWYB202108003.htm [2] ZHANG L, LONG R, CHEN H, et al. A review of China's road traffic carbon emissions[J]. Journal of Cleaner Production, 2019, 207: 569-581. doi: 10.1016/j.jclepro.2018.10.003
[3] 滕文焘, 张芊芊, 刘芳, 等. 中国机动车碳排放估算的研究进展[J]. 华南师范大学学报(自然科学版), 2022, 54(3): 83-92. doi: 10.6054/j.jscnun.2022047 TENG W T, ZHANG Q Q, LIU F, et al. The progress in the research on estimation of vehicle carbon emission in China[J]. Journal of South China Normal University (Natural Science Edition), 2022, 54(3): 83-92. doi: 10.6054/j.jscnun.2022047
[4] 李琳娜, BECKY P Y L. 中国客运交通的碳排放地理特征与展望[J]. 地理研究, 2016, 35(7): 1230-1242. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201607003.htm LI L N, BECKY P Y L. Geographical characteristics and outlook of carbon emissions from passenger transportation in China[J]. Geography Research, 2016, 35(7): 1230-1242. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201607003.htm
[5] MCMANUS P, HAUGHTON G. Sustainability or sustainable infrastructure? Using sustainability discourse to construct a motorway[J]. Local Environment, 2020, 25(11/12): 985-999.
[6] 朱嘉, 杨林, 陈灵均. 高速公路低碳运营综合效益评价指标体系研究[J]. 公路, 2016, 61(12): 231-235. https://www.cnki.com.cn/Article/CJFDTOTAL-GLGL201612044.htm ZHU J, YANG L, CHEN L J. Research on evaluation system of low-carbon expressway in service period[J]. Highway, 2016, 61(12): 231-235. https://www.cnki.com.cn/Article/CJFDTOTAL-GLGL201612044.htm
[7] 张秀媛, 杨新苗, 闫琰. 城市交通能耗和碳排放统计测算方法研究[J]. 中国软科学, 2014(6): 142-150. doi: 10.3969/j.issn.1002-9753.2014.06.013 ZHANG X Y, YANG X M, YAN Y. Research on energy consumption and carbon emission of urban transportation[J]. China Soft Science, 2014(6): 142-150. doi: 10.3969/j.issn.1002-9753.2014.06.013
[8] 徐志, 邹哲, 曹伯虎. 城市客运交通碳排放水平估算及低碳途径——以天津市为例[J]. 北京工业大学学报, 2013, 39(7): 1007-1013. https://www.cnki.com.cn/Article/CJFDTOTAL-BJGD201307008.htm XU Z, ZOU Z, CAO B H. Carbon emission level estimation and low-carbon approach of urban passenger transport: a case study of Tianjin[J]. Journal of Beijing University of Technology, 2013, 39(7): 1007-1013. https://www.cnki.com.cn/Article/CJFDTOTAL-BJGD201307008.htm
[9] 景侨楠, 侯慧敏, 白宏涛, 等. 自上而下的城市能源消耗碳排放估算方法[J]. 中国环境科学, 2019, 39(1): 420-427. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHJ201901055.htm JING Q N, HOU H M, BAI H T, et al. A top-down approach to estimating carbon emissions from urban energy consumption[J]. China Environmental Science, 2019, 39(1): 420-427. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHJ201901055.htm
[10] CHANG X, CHEN B Y, LI Q, et al. Estimating real-time traffic carbon dioxide emissions based on intelligent transportation system technologies[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 14(1): 469-479.
[11] DELMÁS D, PETIT-BOIX A, GASOL C M, et al. Environmental assessment of drinking water transport and distribution network use phase for small to medium-sized municipalities in Spain[J]. Journal of Cleaner Production, 2015, 87: 573-582. doi: 10.1016/j.jclepro.2014.09.042
[12] LANDGRAF M, ZEINER M, KNABL D, et al. Environmental impacts and associated costs of railway turnouts based on Austrian data[J]. Transportation Research Part D: Transport and Environment, 2022, 103: 103168/1-17.
[13] 郭胜. 城市交通系统碳排放评估体系与评价方法研究[D]. 合肥: 合肥工业大学, 2014. GUO S. Research on carbon emission assessment system and evaluation method for urban transportation system[D]. Hefei: Hefei University of Technology, 2014.
[14] 李玲玲, 韩瑞玲, 张晓燕. 中国航空碳排放及其效率时空演化特征分析[J]. 生态学报, 2022, 42(10): 3919-3932. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202210004.htm LI L L, HAN R L, ZHANG X Y. Analysis of the spatial and temporal evolution of aviation carbon emissions and their efficiency in China[J]. Journal of Ecology, 2022, 42(10): 3919-3932. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202210004.htm
[15] GONÇALVES D N S, GOES G V, MÁRCIO D A, et al. Energy use and emissions scenarios for transport to gauge progress toward national commitments[J]. Energy Policy, 2019, 135: 110997/1-10.
[16] AMIN A, ALTINOZ B, DOGAN E. Analyzing the determinants of carbon emissions from transportation in European countries: the role of renewable energy and urbanization[J]. Clean Technologies and Environmental Policy, 2020, 22(8): 1725-1734.
[17] XU X, XU H. The driving factors of carbon emissions in China's transportation sector: a spatial analysis[J]. Frontiers in Energy Research, 2021, 9: 225-233.
[18] EGGLESTON S, BUENDIA L, MIWA K, et al. IPCC guidelines for national greenhouse gas inventories[J]. Energy, 2006, 2: 1-13.
[19] SVIREJEVA-HOPKINS A, SCHELLNHUBER H J. Urban expansion and its contribution to the regional carbon emissions: using the model based on the population density distribution[J]. Ecological Modelling, 2008, 216(2): 208-216.
[20] BINTI Z N F F, BINMATYAZID M R, YAACOB N F F. Quantifying carbon emission from campus transportation: a case study in University Kebangsaan Malaysia[C]//IOP Conference Series: Materials Science and Engineering, 2021, 1101(1): 012011/1-9.
[21] WANG Y, YANG L, HAN S, et al. Urban CO2 emissions in Xi'an and Bangalore by commuters: implications for controlling urban transportation carbon dioxide emissions in developing countries[J]. Mitigation and Adaptation Strategies for Global Change, 2017, 22(7): 993-1019.
[22] SIM J. The influence of new carbon emission abatement goals on the truck-freight transportation sector in South Korea[J]. Journal of Cleaner Production, 2017, 164: 153-162.
[23] ZHENG Y, DU S, ZHANG X, et al. Estimating carbon emissions in urban functional zones using multi-source data: a case study in Beijing[J]. Building and Environment, 2022, 212: 108804/1-11.
[24] LI Y, WANG B, XIE Y, et al. Cost and potential for CO2 emissions reduction in China's petroleum refining sector-a bottom up analysis[J]. Energy Reports, 2020, 6: 497-506.
[25] VANHULSEL M, DEGRAEUWE B, BECKX C, et al. Road transportation emission inventories and projections-case study of Belgium: Methodology and pitfalls[J]. Transportation Research Part D: Transport and Environment, 2014, 27: 41-45.
[26] TONGWANE M, PIKETH S, STEVENS L, et al. Greenhouse gas emissions from road transport in South Africa and Lesotho between 2000 and 2009[J]. Transportation Research Part D: Transport and Environment, 2015, 37: 1-13.
[27] KÖNE A Ç, BÜKE T. Factor analysis of projected carbon dioxide emissions according to the IPCC based sustainable emission scenario in Turkey[J]. Renewable Energy, 2019, 133: 914-918.
[28] JORGENSON A, SCHOR J, HUANG X. Income inequality and carbon emissions in the United States: a state-level analysis, 1997-2012[J]. Ecological Economics, 2017, 134: 40-48.
[29] 李苑君, 吴旗韬, 王长建, 等. 基于交通大数据的广东省高速公路碳排放计量模型与空间格局[J]. 热带地理, 2022, 42(6): 952-964. https://www.cnki.com.cn/Article/CJFDTOTAL-RDDD202206008.htm LI Y J, WU Q T, WANG C J, et al. Estimation model and spatial pattern of highway carbon emissions in Guangdong Province[J]. Tropical Geography, 2022, 42(6): 952-964. https://www.cnki.com.cn/Article/CJFDTOTAL-RDDD202206008.htm
[30] 王成新, 苗毅, 吴莹, 等. 中国高速铁路运营的减碳及经济环境互馈影响研究[J]. 中国人口资源与环境, 2017, 27(9): 171-177. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ201709020.htm WANG C X, MIAO Y, WU Y, et al. Study on carbon reduction and economic and environmental feedbacks of high-speed railroad operations in China[J]. China Population-Resources and Environment, 2017, 27(9): 171-177. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ201709020.htm
[31] 马海涛, 康雷. 京津冀区域公路客运交通碳排放时空特征与调控预测[J]. 资源科学, 2017, 39(7): 1361-1370. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201707013.htm MA H T, KANG L. Spatial and temporal characteristics and regulation prediction of carbon emissions from road passenger transportation in Beijing-Tianjin-Hebei Region[J]. Resource Science, 2017, 39(7): 1361-1370. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201707013.htm
[32] 景立竹, 许金良, 韩跃杰, 等. 基于v/C比的高速公路基本路段车辆碳排放预测模型研究[J]. 交通信息与安全, 2018, 36(6): 98-105. https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS201806013.htm JING L Z, XU J L, HAN Y J, et al. Research on vehicle carbon emission prediction model based on v/C ratio for basic highway sections[J]. Traffic Information and Safety, 2018, 36(6): 98-105. https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS201806013.htm
-
期刊类型引用(0)
其他类型引用(3)