正确解析拖拉机不同工况排放特性是编制排放清单以及分析和控制区域污染物排放的基础。基于实测数据对不同工况下CO、HC、NOX和PM四种污染物排放特征进行分析。同时分析单一工况参数与污染物排放之间的关联性,并基于BP-MIV模型定量分析不同工况转速、油耗流量以及速度对不同污染物排放的影响。结果表明:CO、HC、NOX和PM四种污染物耕作模式下的瞬时排放速率分别为0.041 6 g/s、0.013 2 g/s、0.088 g/s、0.011 6 g/s,高于行走和怠速模式;4种污染物基于油耗的CO、HC和NOX的排放因子表现为旋耕工况下最低。分析单一工况参数与污染物排放之间的关联性,发现发动机转速对污染物排放速率的影响最大。对转速、油耗流量以及速度对瞬时排放速率的影响进行量化,怠速工况下油耗流量对4种污染物的影响最大,而在耕作工况下3种影响因素对于4种污染物的影响程度则各不相同。针对新疆农用拖拉机不同工况下污染物排放的研究有助于厘清农机污染物排放特征,为区域性大气污染联防联控提供数据保障。

建立拖拉机污染物排放清单在分析、评价和制定农业机械化生产排放治理措施方面具有重要的研究价值。基于车载排放测试系统进行拖拉机实际工况排放试验，并测度基于油耗的排放因子，结合《非道路移动源排放清单估算方法》建立2008—2019年新疆66个县域非道路移动农用拖拉机排放PM、HC、NOX和CO等污染物清单，并对其演变态势进行分析。以排放清单为聚类样本，应用Kmeans聚类法对66个县域进行区划。结果表明：2008—2019年新疆66个县域污染物排放总量从2.72×104 t增加到3.52×104 t，年均增长率为2.37%，变化趋势呈现出大幅上升、稳步上升、波动下降3个态势。空间维度上，2019年新疆66个县域被划分为轻度、中度和重度排放控制区域，其污染物排放量占总量的占比分别为39.99%、41.31%和18.70%，排放均值分别为312.56 t、806.97 t和2 192.22 t。重度排放控制区分布格局较为分散，轻度和中度排放控制区空间分布呈现较为聚集的特征。不同排放区域的分异驱动机制可归纳为经济社会发展水平差异型、自然环境相异型、农业生产规模激励型和农业机械化程度主导型等。本研究为县域拖拉机排放清单估算、农业机械化生产排放控制区划分和制定差异化的污染物排放治理措施提供参考。

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。