大气污染是我国城市面临的主要环境问题之一。随着我国经济的持续高速增长和城市化进程的逐步加快，我国机动车保有量大幅增加，机动车污染已成为我国城市大气污染的主要来源，控制我国日趋严重的机动车污染己刻不容缓。准确的掌握城市机动车污染物排放特征和排放趋势是对在用车污染物排放进行有效控制的前提；而建立准确的机动车排放清单则是制定有效的机动车排放控制政策、准确模拟城市污染物浓度分布和研究机动车污染对大气环境质量和人体健康影响的基础。但是，目前在我国对城市机动车排放特征的深入研究还非常缺乏，机动车的排放因子和排放清单的计算也还存在着很大的不确定性。 从有效控制在用车排放的角度出发，本论文首次在国内采用道路遥感监测技术开展了系统深入的城市汽油车车队排放特征研究。确定了我国城市汽油车车队污染物排放的统计概率分布；分析了不同登记年代车辆的排放特征；从车队总体排放的角度确定了机动车尾气排放CO，HC和NO之间的相关关系，为从整体上有效的控制城市汽油车排放提供了科学依据。 从准确量化机动车排放的角度出发，本论文提出了采用基于道路遥感实测的燃料消耗法代替传统的基于行驶里程的排放清单用于我国宏观机动车排放清单的研究；首次采用道路遥感监测数据对基于行驶工况的IVE模型进行了评估和修正，并将修正后的IVE模型与GIS相结合应用于建立我国城市机动车高时空分辨率的中观排放清单，基本解决了传统的基于平均速度的排放模型应用于中观排放清单无法达到所需准确度的问题和IVE模型基本排放因子本地化的问题。 从准确量化机动车排放对城市大气质量影响的角度出发，本论文在城市机动车中观排放清单的基础上，采用AERMOD模型对机动车和其它污染源造成的污染物浓度分布进行了模拟，得到了机动车浓度贡献率的空间分布情况，并据此分析了机动车排放对城市大气质量造成的影响。 本论文的研究内容和所取得的成果和结论如下： (1)道路上实际运行的汽油车队，CO，HC和NO的排放呈偏态分布，其中HC和NO的排放浓度服从Gamma分布，CO的排放浓度服从指数分布；20％的高排放车辆对整个机动车排放的贡献率达到60％以上，因此在我国将污染物排放最高的20％的车辆作为高排放车辆进行重点控制能够取得更明显的效果。 (2)年代较新的车队中的高排放车辆是整个车队排放的最大贡献者。杭州市2000-2004年登记的车辆中，高排放车辆贡献了46.55％N CO，30.44％的He和38.44％的NO。每个登记年中最清洁的40％的车辆对总体排放的贡献则微乎其微。因此，如果年代较新的车队中的高污染车辆能够被及时地检测出来并得到有效维护，城市车队的整体排放状况会大大好转。 (3)对车辆总体而言，NO和CO、He在不同的浓度范围内存在明显的相关关系。20％高排放车辆的交叠分析显示，He和NO的高排放车辆存在相当部分的重叠(51.2％)，因此在常规I/M项目中，严格控制20％HC高排放车辆，能够对NO排放的控制能够起到一定的作用。 (4)杭州市汽油车的CO、HC和NO的平均排放因子分别为193.07±15.63，9.51±2.40和3.68±0.31 g/l。车队CO的高排放因子说明杭州汽油车的排放状况很差，而车队NO的低排放因子是车辆在富燃状态下行驶的结果，并不能说明汽油车NO的排放得到了很好的控制。建立了基于燃油消耗的杭州市2005年汽油车的污染物排放清单，CO、HC和NO<,x>的年排放量分别为182，013±16，936、9107±2255和5050±480吨。基于燃料消耗的排放清单与传统排放清单相比具有方法简便、准确度高、更能反映车辆实际运行情况下的排放和能够给出不确性范围的诸多优点，更适用于尚缺乏能力开发本地机动车排放计算机模型和TDMs模型的发展中国家和地区。 (5)采用遥感监测对IVE模型的评估结果表明：WE模型对各个技术水平下机动车HC排放因子的计算与遥感测试结果都较为接近； WE模型低估了CO的排放，其计算的各个技术水平下的排放因子比相应的遥感测试结果低了12～50％；而WE模型高估了NO<,x>的排放，其计算的各个技术水平下的排放因子是相应的遥感测试结果的1.5～3.5倍。提出了采用道路遥感测试数据修正IVE模型基本排放因子的方法，验证结果表明，修正后的WE模型模拟效果明显改善。 (6)应用修正后的WE模型建立了杭州市主城区2004年机动车的中观排放清单。结果显示：杭州市机动车全年CO排放量约23万吨；HC年排放1.5万吨；NO<,x>年排放2.5万吨；PM<,10>年排放在0.05万吨左右。机动车CO、NO<,x>和PM<,10>的排放量分担率分别为84.16％，41.49％和2％。乘用车对CO和HC的贡献最大，而NO<,x>和PM<,10>的最大贡献车型则分别为：重型卡车和公交车。机动车污染物的排放量日变化和季节变化十分明显。机动车污染物排放强度的空间分布整体上呈现由城市中心向城市边缘扩展的递减趋势。不同污染物的排放强度分布不同：CO和HC的排放量集中于城市中心，而机动车NO<,x>和PM<,10>的排放量分布则较为分散。 (7)采用AERMOD大气污染扩散模型，对CO，HC，NO<,x>和PM<,10>浓度的时空分布情况进行了模拟，并确定了流动源对污染物浓度的分担率。结果显示：机动车排放的CO、HC、NO<,x>和PM<,10>的浓度空间分布表现出明显的地域特征，4种污染物的浓度随区域以郊区向市中心的推移，均呈现明显的递增趋势。机动车CO浓度分担率的空间分布比较均匀且分担率很高(79％)。说明机动车是杭州市主城区CO最主要的排放源，控制机动车CO的排放是减轻城市CO污染的最有效手段。机动车NO<,x>的浓度分担率相对偏低，整个研究区域的浓度平均分担率为40％。受城市上风向大型工业点源的影响，城市中心区的平均分担率最低。说明目前大型点源对杭州市中心区域NO<,x>污染的贡献要大于机动车的排放贡献。机动车在整个研究区域内产生的PM<,10>浓度都很低，最高浓度仅为0.8μg/m<3>，其平均浓度贡献率为1.7％，影响较小。