Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jurnal Asosiasi Pengelolaan Udara & Limbah

ISSN: 1096-2247 (Cetak) 2162-2906 (Online) Beranda jurnal:https://www.tandfonline.com/loi/uawm20

Emisi real-time dari peralatan konstruksi

dibandingkan dengan prediksi model

Bardia Heidari & Linsey C. Marr

Mengutip artikel ini:Bardia Heidari & Linsey C. Marr (2015) Emisi real-time dari
peralatan konstruksi dibandingkan dengan prediksi model, Journal of the Air & Waste
Management Association, 65:2, 115-125, DOI:10.1080/10962247.2014.978485

Untuk menautkan ke artikel ini:https://doi.org/10.1080/10962247.2014.978485

Lihat materi tambahan

Diterbitkan secara online: 21 Januari 2015.

Kirimkan artikel Anda ke jurnal ini

Tampilan artikel: 16695

Lihat artikel terkait

Lihat data Tanda Silang

Mengutip artikel: 28 Lihat artikel yang mengutip

Syarat & Ketentuan lengkap akses dan penggunaan dapat ditemukan di

https://www.tandfonline.com/action/journalInformation?journalCode=uawm20
KERTAS TEKNIS

Emisi real-time dari peralatan konstruksi dibandingkan dengan prediksi

model
Bardia Heidari dan Linsey C. Marr⁄
Departemen Teknik Sipil dan Lingkungan, Virginia Tech, Blacksburg, VA, AS
⁄Silakan
alamat korespondensi ke: Linsey C. Marr, Departemen Teknik Sipil dan Lingkungan, Virginia Tech, 1185 Stanger Street (0246),
Durham 411, Blacksburg, VA 24061, USA; surel:lmarr@vt.edu

Industri konstruksi merupakan sumber besar gas rumah kaca dan polutan udara lainnya. Mengukur dan memantau emisi secara real-
time akan memberikan informasi kepada praktisi untuk menilai dampak lingkungan dan meningkatkan keberlanjutan konstruksi. Kami
menggunakan sistem pengukuran emisi portabel (PEMS) untuk pengukuran karbon dioksida (CO2) secara real-time2), nitrogen oksida
(NOX), emisi hidrokarbon, dan karbon monoksida (CO) dari peralatan konstruksi untuk memperoleh tingkat emisi (massa polutan yang
diemisikan per satuan waktu) dan faktor emisi (massa polutan yang diemisikan per satuan volume bahan bakar yang dikonsumsi) dalam
kondisi pengoperasian di dunia nyata. Pengukuran dibandingkan dengan perkiraan emisi berdasarkan metodologi yang digunakan
dalam tiga model: NONROAD2008, OFFROAD2011, dan model statistik modal. Tingkat emisi yang diukur sesuai dengan prediksi model
untuk beberapa peralatan, namun 100 kali lebih rendah untuk peralatan lainnya. Perbedaan terbesar ini disebabkan oleh tingkat
konsumsi bahan bakar yang lebih rendah dari perkiraan. Faktor emisi selama idling dan hauling berbeda secara signifikan satu sama lain
dan dengan aktivitas pemindahan lainnya, seperti penggalian dan pembuangan. Tampaknya kondisi pengoperasian menimbulkan
variabilitas yang cukup besar dalam faktor emisi. Hasil penelitian ini akan membantu para peneliti dan praktisi dalam meningkatkan
teknik, kerangka kerja, dan database estimasi emisi saat ini.

Implikasi:Peralatan konstruksi merupakan sumber penting emisi polutan udara. Terdapat ketidakpastian yang besar dalam
perkiraan emisi dari peralatan konstruksi, sebagian disebabkan oleh sedikitnya jumlah pengukuran yang dipublikasikan. Penulis
telah memperluas database dengan mengukur emisi CO2, TIDAKX, hidrokarbon, dan CO dari peralatan konstruksi dalam kondisi
pengoperasian sebenarnya di lokasi. Terdapat perbedaan besar antara emisi terukur dan emisi yang diprediksi oleh model,
termasuk NONROAD dan OFFROAD. Faktor emisi yang terkait dengan idling dan hauling berbeda secara signifikan satu sama lain
dan dengan aktivitas lainnya. Hasil ini dapat digunakan untuk menyempurnakan model estimasi emisi generasi berikutnya.

Perkenalan
Terdapat lebih dari dua juta peralatan konstruksi dan
pertambangan di Amerika Serikat, yang mengonsumsi lebih dari 6
miliar galon bahan bakar diesel per tahun (US Environmental Protection
Agency [EPA],2005). Masalah lingkungan utama yang timbul akibat
penggunaan peralatan konstruksi dan pertambangan adalah emisi
polutan udara yang berdampak pada perubahan iklim dan kualitas
udara. Terdapat ketidakpastian yang besar dalam inventarisasi emisi
untuk peralatan konstruksi, hingga perbedaan sebesar 4,5 kali
tergantung pada metode yang digunakan untuk estimasi (Millstein dan
Harley,2009). Oleh karena itu, diperlukan peningkatan metode dan data
untuk menilai, memantau, dan memperkirakan emisi dari peralatan
konstruksi tugas berat secara akurat.
Beberapa penelitian telah dilakukan untuk mengukur dan memprediksi
emisi dari peralatan tugas berat (Gautan et al.,2002; Mungkin,2003; Lewis,
2009). Beberapa di antaranya bergantung pada pengujian dinamometer
mesin dalam kondisi tunak yang mungkin tidak mewakili emisi sebenarnya
selama pengoperasian peralatan sebenarnya (Hare
dan Springer,1973; Wang dkk.,2000). Lainnya kurang memiliki jaminan
kualitas data atau tidak tersedia untuk publik (Gautan dkk.,2002;
Mungkin,2003). Salah satu model yang banyak digunakan untuk
memperkirakan emisi dari mesin non-jalan raya adalah model
NONROAD dari Badan Perlindungan Lingkungan AS (EPA), (EPA,2004,
2009). Model ini didasarkan pada pengukuran dari pengujian pada
sejumlah mesin pada kondisi tunak (EPA,1991,2004).
EPA telah mendukung pengembangan dan penggunaan
sistem pengukuran emisi portabel (PEMS), yang dipasang pada
masing-masing kendaraan dan mengukur konsentrasi gas dan
partikel di knalpot (Fulper,2002). Para peneliti telah
membuktikan bahwa metode ini praktis dan efisien dalam
menilai emisi secara real-time baik dari kendaraan ringan
maupun berat (Frey dkk.,2003; Armos dkk.,2009). Lebih lanjut,
Durbin dkk. (2007), menggunakan PEMS, telah menunjukkan
bahwa karbon dioksida (CO2) dan nitrogen oksida (NOX) emisi
yang diukur dari generator cadangan relatif sesuai dengan nilai
yang ditentukan oleh Metode Referensi Federal (FRM). Itu

115
Jurnal Asosiasi Pengelolaan Udara & Limbah,65(2):115–125, 2015. Hak Cipta © 2015 A&WMA. ISSN: 1096-2247 cetakan DOI:
10.1080/10962247.2014.978485 Dikirim 24 Juli 2014; versi final diserahkan 9 Oktober 2014; diterima 15 Oktober 2014.
116 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125

EPA menerapkan sistem ini untuk mengukur data mesin dan emisi
dari tiga peralatan konstruksi pada tahun 2002 (Hart et al.,2002).
Namun, data tersebut tidak komprehensif dan tidak terjamin
kualitasnya. Oleh karena itu, diperlukan lebih banyak upaya dalam
bidang ini untuk memperluas basis data yang ada dan
menyempurnakan model yang dapat digunakan untuk
memperkirakan emisi secara akurat (EPA,2002).
Hampir semua data yang dipublikasikan mengenai emisi real-time dari
peralatan konstruksi berasal dari kelompok di North Carolina State
University yang menggunakan PEMS dan metode lainnya (Abolhasani et al.,
2008; Frey dkk.,2010; Lewis dkk.,2012b). Berdasarkan hasil penelitian
mereka, para peneliti mengembangkan model berbasis modal (yaitu, regresi
linier modal [MLR]) untuk memprediksi tingkat emisi secara real-time (Lewis,
2009). Mereka juga menilai ketergantungan tingkat emisi pada jenis bahan
bakar yang digunakan untuk setiap peralatan (Frey et al.,2008). Pendekatan
ini memiliki keuntungan karena lebih mewakili kondisi dunia nyata
dibandingkan dengan pengujian dinamometer mesin (Lewis et al., 2009a)
dan memberikan informasi untuk mendukung pengambilan keputusan
manajemen armada (Lewis et al.,2009b). Sejalan dengan itu, Fu dkk. (2012)
telah menerapkan PEMS untuk mengukur emisi real-time dari peralatan
konstruksi di Tiongkok dan menemukan bahwa emisi tersebut lebih tinggi
dibandingkan dengan yang dilaporkan dalam penelitian lain (Frey dkk.,2010).
Beberapa penelitian berfokus pada emisi menganggur (Khan et al.,2006;
Lewis dkk.,2012a), yang sangat berbeda dengan emisi non-idle.
Beberapa model berbeda untuk memprediksi tingkat emisi
dari peralatan konstruksi tugas berat telah diusulkan, dan
beberapa di antaranya telah diterapkan dalam peraturan.
Model NONROAD (EPA,2004,2009) telah diterapkan dalam
banyak model penilaian lingkungan (Li dan Lei,2010; Rasdorf
dkk., 2012; Haji dan Lewis,2013). Model OFFROAD Dewan
Sumber Daya Udara California (CARB) juga digunakan untuk
memperkirakan emisi dari peralatan konstruksi (CARB,2010).
Melanta dkk. (2013) telah merangkum alat-alat yang dapat
digunakan untuk memperkirakan emisi dari skala satu jenis
peralatan hingga skala nasional.
Meskipun beberapa penelitian berfokus pada penghitungan dan
estimasi emisi dari peralatan konstruksi, masih terdapat kebutuhan
untuk memperluas dan memperbarui basis data emisi seiring
penerapan standar emisi baru, untuk memvalidasi model yang
digunakan saat ini untuk memprediksi emisi, dan untuk menilai
variabilitas emisi. faktor-faktor yang berhubungan dengan tindakan
peralatan (misalnya, menggali, membuang, mengangkut, menganggur)
untuk meningkatkan model penilaian lingkungan. Alasan untuk
berfokus pada tindakan adalah karena teknologi pemantauan berbasis
visi dapat mengidentifikasi tindakan yang berbeda (Heydarian et al.,
2012; Shiftefar dkk.,2010), dan ada minat untuk memperluas teknologi
ini untuk memperkirakan emisi. Dalam studi ini, kami mengukur emisi
real-time dari 18 peralatan konstruksi dan membandingkannya dengan
nilai yang diperkirakan berdasarkan metodologi yang digunakan dalam
model NONROAD2008, OFFROAD2011, dan MLR Lewis. Kami juga
menyelidiki perbedaan faktor emisi berdasarkan tindakan dan ukuran
mesin. Hasilnya akan memungkinkan estimasi emisi yang lebih akurat
melalui kerangka pemantauan dan penilaian lingkungan.
Metodologi
Menggunakan PEMS (AxionGO; GlobalMRV, Buffalo, NY), kami
mengukur konsentrasi karbon dioksida (CO2), nitrogen oksida (NOX),
hidrokarbon (HC), dan karbon monoksida (CO) di saluran pembuangan
ekskavator, backhoe, dan loader selama pengoperasian sebenarnya di
berbagai lokasi konstruksi. Kami menguji 18 peralatan bertenaga diesel
berbeda yang terlibat dalam aktivitas pemindahan tanah di kampus
Virginia Tech dan di lokasi lain di Montgomery County, Virginia.Tabel 1
mencantumkan spesifikasi mesinnya, dan Tabel S2 di Materi Tambahan
menjelaskan kondisi selama setiap pengujian.

Tabel 1.Spesifikasi mesin tiap peralatan yang diuji, semuanya bertenaga diesel

Mesin yang Diasumsikan

Jenis Membuat Nilai Daya (kW) Tingkat Perpindahan Engine (L) Model TahunA Kecepatan (RPM)

Buldoser Komatsu D31E 52 SAYA 3.9 1993 2350

Pemuat Komatsu WA180 82 SAYA 5.9 1998 2200
Penggali John Deere 120C 66 II 4.5 2004 2200
Penggali Kobelco 135SR 70 II 4.3 2002 2200
backhoe John Deere 410G 73 II 4.52 2004 2200
Penggali Komatsu PC228 82 II 6.69 2003 2000
Penggali Ulat 320CL 103 II 6.37 2001 2000
Penggali Hitachi EX270LC 125 II 6.7 1997 2050
Penggali Kobelco SK250LC 131 II 5.9 2004 2100
Pemuat John Deere 755C 132 II 10.0 2004 1800
Penggali Volvo EC240 134 II 7.1 2005 2000
Penggali Kobelco SK330LC 177 II 7.5 2008 2200
Penggali Komatsu PC300LC 180 II 8.3 2005 1900
Penggali Komatsu PC160-6 84 AKU AKU AKU 3.9 2009 2100
Penggali Sany SY215CLC 116 AKU AKU AKU 5.86 2012 2000
Penggali Komatsu PC200-8 116 AKU AKU AKU 6.7 2009 2000
Penggali Ulat 308D 42 IV 2.83 2009 2000
Penggali Volvo EC250D 151 IV 7.8 2012 1800
Catatan:AModel tahun mengacu pada mesin. Tidak ada satu pun mesin yang dibangun kembali.
 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125 117

PEMS menggunakan penyerapan inframerah nondispersif (NDIR) kamu =konsentrasi volumetrik polutan yang diinginkan
untuk mengukur CO2, HC, dan CO dan sel elektrokimia untuk mengukur knalpot (tanpa unit)
NOX. PEMS kami tidak mampu mengukur materi partikulat. Kami MW =berat molekul polutan (g mol−1)
memasang perangkat seukuran koper dengan aman pada peralatan D =perpindahan mesin (L)
konstruksi dan memasang probe di dalam pipa knalpot untuk RPM =kecepatan mesin dalam putaran per menit (min−1)
mengambil sampel knalpot. PEMS mencatat konsentrasi gas detik demi P =tekanan sekitar (atm)
detik dan mengirimkannya dari jarak jauh ke tablet, yang kemudian R =konstanta gas ideal (82,05 × 10−6M3atm mol−1K−1)
mencatat dan menyimpan datanya. T =suhu di dalam knalpot (K)
Data mesin, seperti kecepatan dalam putaran per menit (RPM) 2 = memperhitungkan fakta emisi gas buang
dan suhu udara masuk, dapat diukur melalui rangkaian sensor dilepaskan selama setiap putaran lainnya dalam mesin 4-
yang dipasang di sekitar mesin atau melalui sistem diagnostik on- tak
board (OBD). Sayangnya, tidak ada pilihan yang tersedia dalam 60 = faktor konversi antara menit dan detik 1000 =
penelitian ini, dan tidak mungkin mengukur konsumsi bahan bakar faktor konversi antara meter kubik dan liter
selama pengujian. Oleh karena itu, kami memperkirakan
kecepatan mesin berdasarkan informasi dari pabrikan. Faktor emisi Karena data mesin tidak tersedia, kami mengasumsikan
(massa polutan yang dikeluarkan per massa bahan bakar yang kecepatan mesin sama dengan yang dilaporkan oleh pabrikan
dikonsumsi) dapat dihitung langsung dari konsentrasi gas buang, untuk daya tetapan saat mesin dalam mode non-idle (Tabel 1) dan
namun laju emisi (massa polutan yang dikeluarkan per satuan putaran mesin 1000 RPM saat mesin dalam mode idle (Abolhasani
waktu) memerlukan perkiraan kecepatan mesin atau laju konsumsi dkk.,2008). Saat probe mengambil sampel tepat di dalam pintu
bahan bakar. Kami merekam video aktivitas konstruksi pada setiap keluar pipa knalpot, kami berasumsi bahwa tekanannya sama
pengujian untuk memungkinkan penetapan emisi pada waktu dengan tekanan lingkungan sekitar. Kami mengasumsikan suhu
tertentu ke jenis tindakan tertentu. gas buang sebesar 402 atau 213 °C pada saluran keluar pipa
knalpot, tidak bergantung pada kondisi sekitar, bergantung pada
Jaminan kualitas dan kontrol kualitas apakah peralatan dilengkapi dengan filter partikulat diesel atau
tidak (Gonzales, 2008). Untuk mengukur dampak asumsi ini
Kami mengkalibrasi PEMS berdasarkan standar kalibrasi Bureau of
terhadap hasil, kami melakukan analisis sensitivitas menggunakan
Automotive Repair (BAR) 97, termasuk propana untuk HC, dan zero air sesuai
nilai ekstrem yang akan memaksimalkan laju emisi. Setelah
dengan instruksi pabrik dalam waktu 2 hari setelah setiap pengujian. Untuk
menghitung dan mengagregasi tingkat emisi, kami
setiap peristiwa kalibrasi, kami mengisolasi tabung gas dan PEMS dalam
menormalkannya ke daya terukur mesin untuk setiap peralatan.
lemari asam, mengalirkan gas melalui PEMS selama 2 menit, dan
menyesuaikan konsentrasi yang dilaporkan agar sesuai dengan standar
kalibrasi. Sebelum aktivitas konstruksi sebenarnya dimulai, kami memasang Faktor emisi
PEMS dengan aman pada bantalan busa di atas kap mesin untuk
meminimalkan getaran dan menghangatkannya selama 15–30 menit. Kami Kami menghitung faktor emisi dalam gram polutan yang dikeluarkan per
menutupinya dengan plastik untuk melindunginya dari air dan debu. Setiap liter bahan bakar diesel yang dikonsumsi berdasarkan keseimbangan karbon
tes berlangsung antara 15 dan 120 menit. Setelah setiap pengujian, kami menggunakan persamaan 2 (Singer dan Harley,2000). Persamaan ini
membersihkan probe. mengasumsikan bahwa semua karbon dalam bahan bakar dilepaskan
Kami menerapkan langkah-langkah jaminan kualitas dan pengendalian pada sebagai CO2, CO, atau HC.
data. Setelah penghapusan titik data ketika ada masalah koneksi, daya, atau panas --
berlebih, atau video berkualitas buruk, 16 jam data tersisa untuk dianalisis. Kami Y
YCO2 0:87
juga menghilangkan periode yang menunjukkan lonjakan konsentrasi yang EF¼ - -- ---- MW -840 -
1th YBERSAMA
th3 - YHC 12
terputus-putus yang disebabkan oleh kebisingan listrik (<10 detik per peristiwa YCO2 YCO2
dalam 4 dari 18 pengujian) atau konsentrasi yang tidak realistis (misalnya, CO2di
(2)
atas ~10% atau mendekati nol) dan menggeser konsentrasi tepat waktu untuk
menyinkronkan pengukuran dengan rekaman video.
Di mana
EF =faktor emisi (g L−1)
Tingkat emisi
kamu =konsentrasi volumetrik polutan yang diinginkan
PEMS melaporkan konsentrasi gas buang sebagai rasio pencampuran knalpot (tanpa unit)
volumetrik (misalnya persen atau bagian per juta). Dengan YCO2= konsentrasi volumetrik CO2di knalpot
mempertimbangkan perkiraan kecepatan mesin, suhu lingkungan, dan (tanpa unit)

tekanan lingkungan, kami menghitung tingkat emisi, atau massa polutan MW =berat molekul polutan yang diinginkan (g mol−1) 840 =
yang diemisikan per satuan waktu, berdasarkan persamaan 1. massa jenis bahan bakar solar (g L−1) (Penyanyi dan Harley,2000)
0,87 = kandungan karbon bahan bakar solar (g C g−1solar)
RPM 1 P (Penyanyi dan Harley,2000)
UGD¼Y - MW - D - -- - 1000 (1)
2 60 R-T 12 = berat atom karbon (g mol−1)
3 = penyesuaian penggunaan propana dengan tiga karbon sebagai
Di mana gas kalibrasi (tanpa unit) (Singer dan Harley,
UGD =tingkat emisi (g detik−1) 2000)
118 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125
Emisi yang dimodelkan
Kami membandingkan perkiraan tingkat emisi kami dengan perkiraan
berdasarkan metodologi yang digunakan dalam NONROAD2008 (EPA,2004),
modul peralatan off-road OFFROAD2011 yang sedang digunakan (CARB,
2007), dan model MLR Lewis (Lewis,2009). Untuk memperjelas, kami tidak
menjalankan model NONROAD dan OFFROAD yang sebenarnya, namun
kami menggunakan persamaan dalam NONROAD2008 dan OFFROAD2011,
yang dijelaskan dalam Materi Tambahan, untuk menghitung tingkat emisi
untuk setiap jenis peralatan. Model MLR adalah model statistik yang
memprediksi konsumsi bahan bakar dan emisi berdasarkan tekanan absolut
manifold yang dinormalisasi (MAP) di mesin. Karena data mesin seperti MAP
tidak tersedia dalam penelitian ini, kami menggunakan fraksi waktu yang
sama yang dihabiskan di setiap mode MAP seperti yang direkomendasikan
dalam formulasi asli model untuk menghitung tingkat emisi yang terkait
dengan model MLR untuk memindahkan material, penilaian halus, dan
menggali tanah (Lewis, 2009).
Faktor emisi berbasis tindakan
Kami memeriksa video setiap pengujian secara manual untuk
mengidentifikasi tindakan, seperti idling, scooping, dan dumping, detik
demi detik. Selain itu, kami menggabungkan beberapa tindakan
spesifik ke dalam lima kategori umum.Meja 2menunjukkan jenis
tindakan spesifik yang terdeteksi serta kategori umum yang ditetapkan
untuk tindakan tersebut. Kami menghitung tingkat emisi dan faktornya
detik demi detik menggunakan persamaan 1 dan 2. Setelah
menetapkan faktor dan tingkat emisi pada tindakan spesifik dan umum
yang terkait, kami membandingkan faktor emisi rata-rata waktu dalam
setiap tindakan umum dengan tindakan lainnya untuk menentukan
apakah faktor-faktor tersebut berbeda secara signifikan satu sama lain
melalui uji Tukey. Jika faktor emisi tidak terdistribusi secara normal,
kami mengubahnya (misalnya log, log-log, atau transformasi invers
tergantung pada kumpulan data) untuk memenuhi asumsi normalitas
uji Tukey. Jika faktor emisi tetap tidak terdistribusi secara normal,
bahkan setelah transformasi, kami mengeluarkannya dari analisis lebih
lanjut. Kami menghitung aPnilai untuk setiap perbandingan dan
menetapkan tingkat signifikansi sebesar 0,05. Jika faktor emisi dari dua
rangkaian tindakan yang berbeda tidak berbeda secara signifikan satu
sama lain, kami menggabungkan keduanya ke dalam satu kategori
tindakan. Untuk menyelidiki hubungan antara
Meja 2.Jenis tindakan terdeteksi
Tindakan Khusus Tindakan Umum
Pemalasan Pemalasan
Menyendoki Penggalian
Ember kosong di udara Ember Pemalasan
kosong bergerak di udara Ember Ayunan
penuh di udara Pemalasan
Ember penuh bergerak di udara Ayunan
Pengangkatan ember penuh Ayunan
Dumping Dumping
Kendaraan bergerak dengan ember kosong mengangkut
Kendaraan bergerak dengan ember penuh mengangkut
emisi dan parameter mesin, kami mengelompokkan hasil berdasarkan
tingkatan mesin dan menghitung garis regresi linier kuadrat terkecil antara
faktor emisi dan tenaga atau perpindahan mesin.
Hasil dan Diskusi
Tingkat emisi
Tabel 3Dan4menunjukkan tingkat emisi dan faktor emisi berbasis
bahan bakar, masing-masing, untuk setiap peralatan yang dirata-
ratakan pada seluruh titik data yang valid. Karena siklus kerja, termasuk
efisiensi operasional (rasio waktu non-idle terhadap total waktu), dan
kondisi lingkungan berbeda antar pengujian, kami memperkirakan
adanya variabilitas yang besar dalam faktor emisi (Bishop et al., 2001;
Clark dkk.,2002; Ahn dan Lee,2013). Parameter seperti ketinggian
lokasi, kelembapan, kemiringan medan, dan suhu juga dapat
memengaruhi emisi. Faktor emisi CO2tentu saja jauh lebih tinggi
dibandingkan polutan lainnya, karena sebagian besar bahan bakar
teroksidasi menjadi produk ini. Di antara tiga polutan lainnya, NOX
dihasilkan dalam jumlah terbesar, dan emisi CO dan HC rendah, seperti
yang diharapkan untuk mesin bertenaga diesel. Dalam beberapa kasus,
standar deviasi laju emisi CO lebih besar dibandingkan nilai rata-rata,
sehingga menunjukkan bahwa terdapat banyak kasus dimana
konsentrasi CO mendekati nol.
Emisi tidak melebihi standar EPA untuk mesin non-jalan raya.
Sebelum model tahun 2014, EPA mengatur NOXdan emisi HC secara
bersamaan, dan tidak ada satu pun mesin yang melebihi standar NO
masing-masingXditambah HC, 4–7,5 g kW−1jam−1, tergantung pada
ukuran mesin dan model tahun. Tidak ada satupun peralatan yang
melebihi standar emisi CO sebesar 5,0 g kW−1jam−1untuk mesin yang
lebih kecil dari 130 kW (174 hp) atau 3,5 g kW−1jam−1untuk yang lebih
besar. EPA memperkenalkan standar emisi HC terpisah pada model
tahun 2014. Hanya dua peralatan, buldoser Komatsu D31E dan
ekskavator John Deere 120C yang melampaui standar baru sebesar 0,19
g kW−1jam−1, meskipun tidak berlaku untuk mereka karena dibangun
sebelum tahun 2014.
Secara umum emisi CO, HC, dan NOXmenurun dengan jumlah tingkat
yang lebih tinggi. Misalnya, tingkat emisi mesin yang memenuhi tingkat
emisi yang lebih ketat (III dan IV) lebih rendah dibandingkan dengan mesin
berukuran setara pada tingkat yang lebih rendah. Tingkat emisi tidak
sebanding dengan tenaga mesin dalam penelitian ini. Variabilitas substansial
dalam siklus kerja dan/atau beban mesin kemungkinan besar berkontribusi
terhadap pengamatan ini (Abolhasani dan Frey,2013; McDonald dkk., 2011).
Tabel 4menunjukkan faktor emisi berbasis bahan bakar yang
terukur untuk 18 peralatan. Di antara semua faktor emisi, CO2
adalah variabel terkecil. TIDAKXfaktor emisi mesin tier III dan IV
umumnya lebih rendah dibandingkan mesin tier I dan II. Deviasi
standar faktor emisi umumnya lebih kecil dibandingkan dengan
laju emisi, sehingga menunjukkan variabilitas yang lebih besar
dalam laju emisi, seperti yang ditemukan dalam penelitian lain
(Frey dkk., 2010). Umumnya, faktor emisi detik demi detik,
terutama untuk CO2, tidak terdistribusi secara normal.
Gambar 1menunjukkan perbedaan antara CO2tingkat emisi
diperkirakan dari pengukuran kami dan dihitung berdasarkan
metodologi yang digunakan dalam NONROAD2008 dan model MLR. A
 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125 119

Tabel 3.Perkiraan tingkat emisiA

Rata-rata dan Standar Deviasi Laju Emisi (g kW−1jam−1)

Membuat Nilai Daya (kW) Tingkat Mesin BERSAMA2 TIDAKX HC BERSAMA

Komatsu D31E 52 SAYA 199 ± 6 2,18 ± 0,09 0,290 ± 0,009 1,50 ± 0,05
Komatsu WA180 82 SAYA 89 ± 8 1,92 ± 0,19 0,091±0,005 0,57 ± 0,07
John Deere 120C 66 II 316 ± 6 2,83 ± 0,04 0,290 ± 0,026 0,02 ± 0,01
Kobelco 135SR 70 II 240 ± 11 1,82 ± 0,09 0,149 ± 0,012 0,15 ± 0,02
John Deere 410G 73 II 9±5 0,11 ± 0,05 0,006 ± 0,002 0,05 ± 0,16
Komatsu PC228 82 II 89 ± 8 1,92 ± 0,19 0,091±0,005 0,57 ± 0,07
Ulat 320CL 103 II 15 ± 8 0,07 ± 0,05 0,004 ± 0,002 0,02 ± 0,08
Hitachi EX270LC 125 II 183 ± 18 1,93 ± 0,20 0,079 ± 0,004 0,83 ± 0,32
Kobelco SK250LC 131 II 9±7 0,05 ± 0,04 0,004 ± 0,005 0,02 ± 0,06
John Deere 755C 132 II 58 ± 7 0,64 ± 0,06 0,034 ± 0,002 0,27 ± 0,05
Volvo EC240 134 II 15 ± 5 0,11 ± 0,05 0,010 ± 0,010 0,01 ± 0,01
Kobelco SK330LC 177 II 48 ± 7 0,27 ± 0,03 0,026 ± 0,003 0,10 ± 0,03
Komatsu PC300LC 180 II 107 ± 6 0,54 ± 0,03 0,030 ± 0,002 0,18 ± 0,02
Komatsu PC160-6 84 AKU AKU AKU 60 ± 5 0,41 ± 0,06 0,037 ± 0,003 0,25 ± 0,02
Sany SY215CLC 116 AKU AKU AKU 35 ± 6 0,16 ± 0,02 0,020 ± 0,001 0,14 ± 0,01
Komatsu PC200-8 116 AKU AKU AKU 53 ± 4 0,16 ± 0,01 0,022 ± 0,002 0,08 ± 0,01
Ulat 308D 42 IV 138±5 0,57 ± 0,03 0,028 ± 0,003 0,19 ± 0,04
Volvo EC250D 151 IV 31 ± 7 0,14 ± 0,02 0,011 ± 0,002 0,01 ± 0,01

Catatan:AAsumsi pada kecepatan mesin, temperatur gas buang, dan tekanan mungkin menimbulkan ketidakpastian pada laju ini, sehingga bisa saja lebih tinggi hingga
faktor 4,5 dalam kasus yang paling ekstrim (Tabel 5).

Tabel 4.Faktor emisi terukur

Rata-rata dan Deviasi Standar Faktor Emisi (g L−1)

Membuat Nilai Daya (kW) Tingkat Mesin BERSAMA2 TIDAKX HC BERSAMA

Komatsu D31E 52 SAYA 2628±74 30,1 ± 13,6 5.2 ± 12.3 23,0 ± 24,0
Komatsu WA180 82 SAYA 2608±159 63,1 ± 55,6 3,7 ± 8,5 54,3 ± 124
John Deere120C 66 II 2671±6 24.1 ± 2.4 2,5 ± 1,8 0,4 ± 2,2
Kobelco 135SR 70 II 2668±44 21,7 ± 26,9 2,4 ± 10,6 3,0 ± 8,4
John Deere 410G 73 II 2643±85 41,9 ± 51,0 3,0 ± 9,8 17,7 ± 39,8
Komatsu PC228 82 II 2654 ± 16 36,4 ± 8,7 3,8 ± 2,9 9,5 ± 7,1
Ulat 320CL 103 II 2670±16 14,9 ± 4,5 1,0 ± 1,0 4.0 ± 9.1
Hitachi EX270LC 125 II 2650±43 23,7 ± 7,1 1,5 ± 1,0 15,9 ± 26,4
Kobelco SK250LC 131 II 2667±36 16,7 ± 4,7 1,3 ± 1,3 5,8 ± 22,5
John Deere 755C 132 II 2647±46 27,6 ± 8,1 16,3 ± 47,9 30,1 ± 4,6
Volvo EC240 134 II 2672±5 19,2 ± 3,8 1,7 ± 0,9 4,6 ± 3,6
Kobelco SK330LC 177 II 2669 ± 22 19,7 ± 9,9 2,2 ± 1,6 4,2 ± 11,5
Komatsu PC300LC 180 II 2669 ± 11 14.1 ± 9.6 0,9 ± 1,0 5.2 ± 5.3
Komatsu PC160-6 84 AKU AKU AKU 2652±20 12.3 ± 4.1 2,0 ± 1,0 13,7 ± 12,1
Sany SY215CLC 116 AKU AKU AKU 2649 ± 13 3,5 ± 1,4 2,4 ± 1,0 15.2 ± 7.1
Komatsu PC200-8 116 AKU AKU AKU 2667±8 8,6 ± 2,6 1,3 ± 0,7 5,7 ± 4,5
Ulat 308D 42 IV 2672 ± 13 10,6 ± 3,2 0,5 ± 0,6 4.2 ± 7.7
Volvo EC250D 151 IV 2664 ± 23 17,5 ± 9,6 3,6 ± 4,4 2,9 ± 9,2

perbandingan dengan OFFROAD2011 tidak ditampilkan karena tidak
memprediksi CO2emisi. Dalam penggunaan selanjutnya, model muncul
sebagai NONROAD dan OFFROAD tanpa nomor versi. Nilai 0%, 20%,
atau −20% berarti perkiraan laju emisi sama dengan, masing-masing
20% lebih tinggi, atau 20% lebih rendah dibandingkan
diprediksi berdasarkan model. Perkiraan CO2tingkat emisi 60–90%
lebih rendah dari perkiraan NONROAD, sedangkan tingkat
emisinya lebih merata antara 70% lebih rendah hingga 70% lebih
tinggi dari perkiraan model MLR. Tentu saja, metode yang berbeda
menghasilkan perkiraan laju emisi yang sangat berbeda. Untuk
120 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125

Diamati v. NONROAD Diamati v. MLR

80
60
40

Perbedaan (%)
20
0
– 20
– 40
– 60
– 80
– 100

Gambar 1.Perbedaan antara CO2tingkat emisi dan yang dihitung menggunakan metode lain.

mesin yang memenuhi standar emisi yang lebih ketat (tingkat yang lebih tinggi),
perbedaan antara kedua model tersebut menyatu, kecuali untuk ekskavator
Caterpillar 42 kW. Perbedaan negatif yang besar menunjukkan bahwa tingkat
konsumsi bahan bakar aktual lebih kecil dari perkiraan. Perbedaan antara tingkat
emisi yang diamati dan diprediksi kemungkinan besar sebagian disebabkan oleh
fakta bahwa database yang digunakan untuk membuat kedua model tidak
memuat mesin yang lebih baru (EPA,1991; Lewis,2009). Tentu saja, kemungkinan
bahwa kesalahan pengukuran atau kesalahan karakterisasi kondisi operasi
mungkin berkontribusi terhadap perbedaan tersebut tidak dapat dikesampingkan,
meskipun ada upaya untuk meminimalkan kesalahan tersebut.
Gambar 2,3, Dan4menunjukkan perbedaan antara tingkat emisi yang
diperkirakan dari pengukuran kami dan yang dihitung berdasarkan
metodologi yang digunakan dalam model NONROAD, OFFROAD, dan MLR
untuk NOX, HC, dan CO. Besaran perbedaannya serupa dan terkadang lebih
besar dibandingkan CO2. Dalam kebanyakan kasus, tingkat emisi yang
diamati jauh lebih rendah dari nilai yang diperkirakan, terutama untuk mesin
yang memenuhi standar emisi yang lebih ketat (tingkat III dan IV), dan
perbedaan tersebut umumnya lebih kecil untuk model MLR dibandingkan
dengan NONROAD dan OFFROAD. Perbedaan terbesar ini disebabkan oleh
tingkat konsumsi bahan bakar yang lebih rendah dari perkiraan. Ini bukan
penelitian pertama yang menunjukkan hal besar
perbedaan antara emisi terukur dan emisi yang dimodelkan dari
peralatan konstruksi. Dalam pengukuran tiga ekskavator yang
menggunakan PEMS, faktor emisi NO, HC, dan CO ditemukan 50%
lebih rendah hingga 70% lebih tinggi dibandingkan yang diprediksi
oleh NONROAD (Abolhasani et al.,2008).
Untuk peralatan yang memenuhi standar tingkat yang lebih rendah,
perbedaan yang lebih mirip antara NONROAD dan OFFROAD dibandingkan
antara keduanya dan model MLR. Umumnya untuk peralatan yang sama,
perbedaan terbesar dan terkecil antara pendekatan yang berbeda dikaitkan
dengan CO dan CO2, masing-masing. Seiring dengan meningkatnya tingkat
emisi, kesenjangan antara tingkat emisi yang diperkirakan dalam studi ini
dan yang diprediksi oleh model semakin besar. Ada kemungkinan bahwa
masukan model tidak cukup untuk memprediksi emisi secara akurat dalam
kondisi pengoperasian sebenarnya. Kemungkinan besar diperlukan
pertimbangan lebih lanjut mengenai peningkatan teknologi pengendalian
emisi yang diterapkan pada mesin yang memenuhi standar tingkat III dan IV
—filter partikulat, reduksi katalitik selektif, dan resirkulasi gas buang.
Kami melakukan analisis sensitivitas untuk mengukur
ketidakpastian yang terkait dengan memperkirakan kecepatan
mesin serta tekanan dan suhu gas buang, yang diperlukan untuk

Diamati v. NONROAD Diamati v. OFFROAD Diamati v. MLR

80
60
40
Perbedaan (%)

20
0
– 20
– 40
– 60
– 80
– 100

Gambar 2.Perbedaan antara TIDAKXtingkat emisi dan yang dihitung menggunakan metode lain.
 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125 121

Diamati v. NONROAD Diamati v. OFFROAD Diamati v. MLR

200
150

Perbedaan (%)
100
50
0
– 50
– 100

Gambar 3.Perbedaan tingkat emisi CO dengan yang dihitung menggunakan metode lain.

Diamati v. NONROAD Diamati v. OFFROAD Diamati v. MLR

40
20
0
Perbedaan (%)

– 20
– 40
– 60
– 80
– 100

Gambar 4.Perbedaan antara tingkat emisi HC dan yang dihitung menggunakan metode lain.

menghitung tingkat emisi (persamaan 1). Kami berkonsultasi dengan
beberapa praktisi yang menyatakan bahwa putaran mesin untuk
peralatan jenis ini biasanya berkisar antara 1750 hingga 2200 RPM.
Kami mempertimbangkan suhu minimum 97 °C untuk gas buang, suhu
gas buang terendah yang diamati untuk kondisi panas di mesin diesel
(Gonzales,2008), dan tekanan maksimum 250 kPa (2,47 atm), yang
sama dengan MAP maksimum yang diamati pada penelitian lain (Lewis,
2009). Kami menghitung ulang tingkat emisi menggunakan nilai ketiga
variabel yang akan memaksimalkan tingkat emisi.Tabel 5menunjukkan
perbedaan yang dihasilkan antara batas atas perkiraan laju emisi dan
yang diprediksi oleh NONROAD untuk setiap polutan, metrik yang sama
ditunjukkan padaGambar 1–4untuk masing-masing peralatan tetapi
dirata-ratakan untuk semuanya di sini. Karena persamaan 1 adalah
linear dalam kecepatan mesin, temperatur, dan tekanan, perubahan
pada satu nilai input yang diasumsikan akan menghasilkan perubahan
proporsional pada laju emisi. Misalnya, meningkatkan MAP sebesar 2
kali lipat akan melipatgandakan tingkat emisi. Bahkan setelah
penghitungan ulang tingkat emisi dengan nilai masukan ekstrem ini,
perbedaan rata-rata tetap negatif. Oleh karena itu, temuan ini lebih
kuat dari temuan kami
Tingkat emisi berbasis PEMS, yang memerlukan sejumlah asumsi
mengenai kecepatan mesin dan parameter gas buang, lebih
rendah dibandingkan prediksi model yang banyak digunakan.
Faktor emisi saat idle juga menarik karena dapat berdampak besar
pada faktor emisi rata-rata, yang bergantung pada waktu yang
dihabiskan di setiap mode.Tabel 6menunjukkan perbedaan antara
faktor emisi idle yang diukur dan yang direkomendasikan oleh model
MLR untuk seluruh 18 peralatan. Model MLR menetapkan faktor emisi
konstan yang tidak bergantung pada ukuran mesin, tenaga, dan tingkat
untuk mode 1, yang mewakili keadaan idle. Ada kesepakatan yang baik
untuk CO2, tapi untuk TIDAKX, HC, dan CO, perbedaannya sebagian
besar negatif, dengan rata-rata masing-masing −46%, −33%, dan −64%,
yang berarti bahwa faktor emisi menganggur yang diukur lebih rendah
daripada yang direkomendasikan oleh model. Terdapat perbedaan
besar antara buldoser dan loader, meskipun prosedur pengujian pada
kedua penelitian serupa. Hasil penelitian menunjukkan bahwa
penggunaan faktor emisi tunggal untuk waktu idle pada semua
peralatan konstruksi mungkin tidak ideal. Faktor selain mode mesin
juga harus mempengaruhi emisi saat idle.
122 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125

Tabel 5.Perbedaan antara tingkat emisi nonidle dan prediksi NONROAD2008 dan OFFROAD2011 (%), dengan asumsi suhu gas buang, tekanan, dan
kecepatan mesin yang berbeda

Knalpot Knalpot Mesin

Suhu tekanan Kecepatan

Kasus (°C) (ATM) (RPM) BERSAMA2 TIDAKX HC BERSAMA

Garis dasar NONROAD 402 atau 213A 0,93B Tabel 1 − 80 ± 10 − 81 ± 13 − 85 ± 11 − 90 ± 9

NONROAD ekstrim 97 2.47 2200 − 16 ± 31 − 24 ± 44 − 40±37 − 60±31
Garis dasar OFFROAD 402 atau 213A 0,93B Tabel 1 TIDAK − 86 ± 7 − 88 ± 13 − 94 ± 6
OFFROAD ekstrim 97 2.47 2200 TIDAK − 41 ± 23 − 50 ± 42 − 75 ± 22

Catatan:A402 °C untuk peralatan dengan filter partikulat diesel, dan 213 °C untuk peralatan tanpa filter partikulat diesel.BSemua lokasi berada ~600 m di atas permukaan laut.

Tabel 6.Perbedaan antara faktor emisi idle dan yang diprediksi oleh model MLR

Buat dan ketik BERSAMA2(%) TIDAKX(%) SDM (%) CO (%)

Buldoser Komatsu 52 kW tingkat I Pemuat 1 − 19 6 113

Komatsu 82 kW tingkat I Ekskavator John 2 − 91 − 53 − 64
Deere 66 kW tingkat II Ekskavator Kobelco 2 − 31 − 42 − 99
70 kW tingkat II John Deere backhoe 73 kW 1 − 38 − 43 − 92
tingkat II Ekskavator Komatsu 82 kW tingkat −8 14 − 34 − 57
II Ekskavator Caterpillar 103 kW tingkat II 1 4 − 11 − 73
Ekskavator Hitachi 125 kW tingkat II 1 − 58 − 78 − 89
Ekskavator Kobelco Loader John Deere 131 1 − 32 − 64 − 55
kW tingkat II Ekskavator Volvo 132 kW 1 − 50 − 62 − 84
tingkat II Ekskavator Volvo 134 kW tingkat II 2 − 21 255 − 12
Ekskavator Kobelco 177 kW tingkat II 2 − 45 − 61 − 87
Ekskavator Komtasu 180 kW tingkat II 1 − 44 − 49 − 76
Ekskavator Komatsu 84 kW tingkat III 1 − 60 − 80 − 85
Ekskavator Sany 116 kW tingkat III 1 − 65 − 53 − 62
Ekskavator Komatsu 116 kW tingkat III 1 − 90 − 45 − 59
Caterpillar ekskavator 42 kW tingkat IV 1 − 75 − 69 − 84
Ekskavator Volvo 151 kW tingkat IV Rata-rata 2 − 70 − 89 − 88
1 − 50 − 15 − 92
1 − 46 − 33 − 64

Variabilitas faktor emisi dengan tindakan Secara umum, terdapat perbedaan yang signifikan antara mode idle dan
mode kerja lainnya. Perbedaan faktor emisi berdasarkan tindakan tidak
Berdasarkan video tindakan setiap peralatan konstruksi, kami konsisten dengan polutan. Hasilnya menunjukkan bahwa penggunaan faktor
menetapkan faktor emisi ke salah satu tindakan spesifik diMeja 2 emisi yang berbeda untuk tindakan tertentu, serta penggunaan konsumsi
berdasarkan detik demi detik.Tabel 7menunjukkan jumlah bahan bakar khusus untuk tindakan tersebut, dapat membantu praktisi
pengujian yang teramati perbedaan signifikan dalam faktor emisi memperkirakan tingkat emisi aktual dengan lebih akurat. Kemungkinan
antara setiap kombinasi tindakan. Misalnya, nilai 5/16 inTabel 7 besar tingkat emisi berdasarkan tindakan tertentu akan mengikuti tren yang
untuk CO berarti dalam 5 dari 16 pengujian, terdapat perbedaan sama.
yang signifikan antara penggalian dan pembuangan dalam hal Seperti yang diharapkan, faktor emisi untuk mesin dalam tingkatan
faktor emisinya. Karena laju emisi tidak diukur secara langsung yang sama tidak berkorelasi dengan karakteristik mesin, yaitu
(yaitu memerlukan asumsi mengenai kecepatan mesin dan perpindahan dan daya terukur. Analisis regresi pada pengukuran dari
parameter gas buang), maka laju emisi tersebut dikeluarkan 10 mesin tingkat II menunjukkan bahwa untuk semua polusi
dari analisis ini. Meskipun terdapat 18 buah tant yang berbeda, tidak ada hubungan yang signifikan antar peralatan, tidak
semuanya melakukan semua kategori tindakan. perpindahan, daya pengenal, dan faktor emisi (P>0,05). Dalam
didefinisikan dalamMeja 2, faktor emisinya juga tidak terdistribusi kondisi pengoperasian sebenarnya, siklus kerja, faktor beban,
secara normal; dengan demikian, jumlah perbandingan untuk parameter mesin lainnya, dan kondisi lingkungan pasti
sepasang tindakan tidak sama untuk setiap kombinasi. berkontribusi terhadap variabilitas faktor emisi. Jadi, ini
 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125 123

Tabel 7.Jumlah perbedaan signifikan yang teramati dalam faktor emisi antar tindakan

Pemalasan Penggalian Ayunan Dumping mengangkut

BERSAMA2

Pemalasan — 2/4 4/4 3/4 4/4

Penggalian — — 3/4 2/4 2/4
Ayunan — — — 4/4 4/4
Dumping — — — — 4/4
mengangkut — — — — —
TIDAKX

Pemalasan — 9/11 10/11 7/10 8/12

Penggalian — — 5/10 1/10 7/11
Ayunan — — — 5/10 7/11
Dumping — — — — 6/10
mengangkut — — — — —
HC
Pemalasan — 15/17 14/17 16/12 15/18
Penggalian — — 16/11 16/4 17/11
Ayunan — — — 16/11 14/17
Dumping — — — — 16/7
mengangkut — — — — —
BERSAMA

Pemalasan — 15/17 17/12 13/16 16/18

Penggalian — — 16/8 16/5 14/17
Ayunan — — — 16/8 17/12
Dumping — — — — 16/10
mengangkut — — — — —

variabel harus diperhitungkan ketika memprediksi emisi
dari aktivitas peralatan konstruksi.
Rekomendasi dan Pekerjaan Masa Depan
Kurangnya data mesin secara real-time merupakan keterbatasan
penelitian ini, karena kami harus mengasumsikan kecepatan mesin
untuk memperkirakan tingkat emisi dari konsentrasi gas buang yang
diukur. Pengembangan database RPM, MAP, dan suhu selama
pengoperasian peralatan akan sangat bermanfaat. Untuk melakukan
hal ini, diperlukan akses ke unit kontrol mesin (ECU) melalui port OBD,
yang saat ini tidak tersedia di sebagian besar peralatan konstruksi. Oleh
karena itu, kami mendorong produsen peralatan untuk memasang port
tersebut. Selain itu, penyelidikan lebih lanjut mengenai pengaruh
beban mesin terhadap tingkat emisi dan faktor emisi berbasis bahan
bakar dalam kondisi pengoperasian sebenarnya akan meningkatkan
pemahaman yang lebih baik tentang tren emisi dan perbedaan antara
nilai yang dipantau dan yang dimodelkan.
Hubungan antara emisi dan lokasi serta karakteristik operasional
(misalnya, jenis tanah yang diangkut dan dilalui, tingkat medan, dll.)
harus diselidiki lebih lanjut. Hal ini akan membantu para peneliti
mengembangkan model untuk melakukan tolok ukur emisi konstruksi
secara real-time pada tahap prakonstruksi dan membandingkan kinerja
secara real-time dengan nilai tolok ukur yang diharapkan.
Meskipun terdapat rekomendasi penggunaan PEMS untuk pengukuran
emisi konstruksi, hanya sedikit penelitian yang menggunakan teknik ini. Oleh
karena itu, diperlukan lebih banyak upaya dalam hal ini
domain untuk mengukur emisi secara real-time. Penelitian di masa depan
harus fokus pada emisi materi partikulat (PM) karena kaitannya erat dengan
kualitas udara dan dampaknya terhadap perubahan iklim.
Pada akhirnya, hasil studi seperti ini harus
dimasukkan ke dalam pengembangan dan
penyempurnaan model emisi, termasuk penerus
NONROAD, yaitu MOVES (EPA,2010b; Koupal dkk.,2002).
Kesimpulan
Karena besarnya kontribusi industri konstruksi terhadap emisi
gas rumah kaca dan polutan yang menurunkan kualitas udara,
terdapat kebutuhan yang terus-menerus untuk mengukur dan
memperkirakan emisi dalam skala mulai dari satu peralatan hingga
skala nasional. Tujuan dari penelitian ini adalah untuk menambah
database tingkat emisi dan faktor emisi peralatan konstruksi yang
terbatas, mengevaluasi kemampuan model yang banyak
digunakan (NONROAD, OFFROAD, dan MLR) untuk memprediksi
emisi, dan menyelidiki pengaruh tindakan peralatan dan
karakteristik mesin pada mesin. faktor emisi dalam kondisi operasi
aktual.
Tingkat emisi CO secara real-time2, TIDAKX, HC, dan CO lebih bervariasi
dibandingkan faktor emisi berbasis bahan bakar, hal ini menegaskan
temuan sebelumnya. Oleh karena itu, emisi real-time paling baik diprediksi
dengan mengumpulkan data penggunaan bahan bakar secara real-time dan
menggabungkannya dengan faktor emisi yang relatif konstan. Tingkat emisi
yang ditentukan dalam penelitian ini signifikan
124 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125
berbeda dari prediksi model, hampir satu tingkat lebih rendah
dibandingkan prediksi metodologi yang digunakan NONROAD dan
OFFROAD, serta −95% lebih rendah hingga 185% lebih tinggi
dibandingkan prediksi model MLR. Secara umum, tingkat emisi yang
dipantau lebih sesuai dengan model MLR dibandingkan model lainnya.
Menggunakan faktor emisi tunggal untuk mesin yang berbeda, bahkan
untuk tindakan yang sama dalam setiap siklus kerja mesin, sudah
cukup mencerminkan emisi sebenarnya. Oleh karena itu, spesifikasi
peralatan seperti nilai daya dan tingkat mungkin tidak cukup untuk
memprediksi emisi secara akurat. Faktor-faktor lain juga dapat
mempengaruhi emisi; MAP telah diusulkan untuk memperhitungkan
hal ini, namun hal ini tidak mudah untuk dipantau. Jenis teknologi
pengendalian emisi, faktor beban mesin, dan waktu yang dihabiskan
dalam setiap siklus kerja merupakan variabel yang mungkin memiliki
pengaruh besar terhadap tingkat dan faktor emisi secara keseluruhan.
Faktor emisi yang terkait dengan idling dan hauling berbeda
secara signifikan dibandingkan dengan digging, swinging, dan
dumping. Oleh karena itu, dua tindakan ini—idling dan hauling
— harus diperlakukan secara unik dan tidak disatukan dalam satu
faktor emisi secara keseluruhan. Di sisi lain, tingkat emisi saat idle
dapat bervariasi antara mode highidle dan low-idle. Dalam kondisi
nyata penelitian ini, faktor emisi tidak berbanding lurus dengan
nilai daya dan ukuran. Hasil ini memerlukan studi masa depan
mengenai siklus kerja dan konsumsi bahan bakar mesin yang
digunakan dalam peralatan konstruksi. Karena faktor emisi tidak
terlalu bervariasi dibandingkan tingkat emisi, pemahaman
menyeluruh tentang penggunaan bahan bakar berdasarkan
tindakan dan siklus kerja dapat memungkinkan estimasi emisi yang
lebih akurat.
Terdapat perbedaan yang signifikan antara emisi yang diukur dalam
kondisi dunia nyata dan emisi yang diprediksi oleh model yang banyak
digunakan. Hasil penelitian ini dapat digunakan untuk membantu
meningkatkan akurasi model. Perbedaan terbesar terjadi pada mesin
yang memenuhi standar tingkat yang lebih tinggi, yang menunjukkan
bahwa basis data emisi dan model estimasi harus diperbarui untuk
memperhitungkan kemajuan dalam pengendalian emisi dan teknologi
manufaktur.
Pengakuan
Dr Mani Golparvar-Fard memfasilitasi penelitian ini. Para
penulis berterima kasih kepada Ralph Thompson, Brian Graham,
David Chinn, Kelly Mattingly, Johnny Bean, Ben Taylor, Steve Cox,
Peeyush Khare, Joshua Bouchard, dan Jody Smiley.
Pendanaan
Pendanaan untuk pekerjaan ini disediakan oleh Virginia
Tech Institute for Critical Technology and Applied Science dan
US Environmental Protection Agency (SU835352).
Bahan Tambahan
Data tambahan untuk artikel ini dapat diakses dihttp://
dx.doi.org/10.1080/10962247.2014.978485.
Referensi
Abolhasani, S., dan HC Frey. 2013. Variabilitas mesin dan siklus kerja pada diesel
emisi peralatan konstruksi.J.Lingkungan. bahasa Inggris139:261–268. doi:
10.1061/(ASCE)EE.1943-7870.0000548
Abolhasani, S., HC Frey, K. Kim, W. Rasdorf, P. Lewis, dan SH Pang. 2008.
Aktivitas penggunaan, penggunaan bahan bakar, dan emisi di dunia nyata untuk kendaraan
konstruksi non-jalan raya: Studi kasus untuk ekskavator.J. Pengelolaan Limbah Udara.
Asosiasi. 58:1033–1046. doi:10.3155/1047-3289.58.8.1033
Ahn, CR, dan S. Lee. 2013. Pentingnya mencapai efisiensi operasional
efisiensi energi dan pengurangan emisi gas buang pada operasi konstruksi.
J.Konst. bahasa Inggris Mengelola.139:404–413. doi:10.1061/(ASCE)CO.1943-
7862.0000609
Armos, O., M. Lapuerta, C. Mata, dan D. Perez. 2009. Emisi online dari a
roller bergetar menggunakan campuran etanol-diesel selama konstruksi kereta api.
J. Energi Bahan Bakar23:2989–2996. doi:10.1021/ef900148c
Uskup, GA, JA Morris, DH Stedman, LH Cohen, RJ Countess, SJ
Countess, P. Maly, dan S. Scherer. 2001. Pengaruh ketinggian terhadap emisi
truk diesel tugas berat di jalan raya.J.Lingkungan. Sains. Teknologi.35: 1574–
1578. doi:10.1021/es001533a
Dewan Sumber Daya Udara California. 2007. Lampiran E. DalamDiesel Luar Jalan
Inventarisasi Peralatan, Metodologi dan Hasil Inventarisasi Emisi. Sacramento,
CA: Dewan Sumber Daya Udara California.
Dewan Sumber Daya Udara California. 2010. Lampiran D. Emisi Sumber Seluler
Inventarisasi: OSM dan Ringkasan Inventarisasi Emisi OFF-ROAD. http://
www.arb.ca.gov/regact/2010/offroadlsi10/offroadappd.pdf(diakses 14
Februari 2014).
Clark, NN, JM Kern, CM Atkinson, dan RD Sembilan. 2002. Faktor-Faktor yang Mempengaruhi
emisi kendaraan diesel tugas berat.J. Pengelolaan Limbah Udara. Asosiasi.52:84–
94.doi:10.1080/10473289.2002.10470755
Durbin, T., K. Johnson, DR Cocker III, JW Miller, H. Maldonado, A. Shah,
C. Ensfield, C. Weaver, M. Akard, N. Harvey, J. Symon, T. Lanni, WD
Bachalo, G. Payne, G. Smallwood, dan M. Linke. 2007. Evaluasi dan
perbandingan sistem pengukuran emisi portabel dan metode referensi
federal untuk emisi dari generator cadangan dan truk diesel yang
dioperasikan pada dinamometer sasis.J.Lingkungan. Sains. Teknologi.41:
6199–6204. doi:10.1021/es0622251
Frey, HC, W. Rasdorf, K. Kim, S. Pang, dan P. Lewis. 2008. Perbandingan
emisi biodiesel B20 di dunia nyata versus bahan bakar diesel untuk kendaraan non-
jalan raya dan tingkatan mesin tertentu.Transportasi. Res. Catatan2058:33–42. doi:
10.3141/2058-05
Frey, HC, W. Rasdorf, dan P. Lewis. 2010. Kajian lapangan bahan bakar secara komprehensif
penggunaan dan emisi peralatan konstruksi diesel non-jalan raya.
Mengangkut. Res. Rek.2158:69–76. doi:10.3141/2158-09
Frey, HC, A. Unal, NM Rouphail, dan JD Coylar. 2003. Pengukuran di jalan-
pengukuran emisi knalpot kendaraan menggunakan instrumen portabel.J. Pengelolaan
Limbah Udara. Asosiasi.53:992–1002. doi:10.1080/10473289.2003.10466245 Fu, M., Y. Ge, J.
Tan, T. Zeng, dan B. Liang. 2012. Ciri-ciri yang khas
emisi mesin non-jalan raya di Tiongkok dengan menggunakan sistem
pengukuran emisi portabel.Sains. Lingkungan Total.437:255–261. doi:10.1016/
j. scitotenv.2012.07.095
Fulper, C.2002.Strategi Pengukuran Emisi Portabel.Alexandria, VA: U.
S. Subkomite Tinjauan Teknis Sumber Seluler Badan Perlindungan
Lingkungan.
Gautan, M., DK Carder, NN Clark, dan DW Lyons. 2002.Pengujian untuk
Emisi Gas Buang Mesin Off-Road Bertenaga Diesel.Sacramento, CA:
Dewan Sumber Daya Udara California dan Badan Perlindungan
Lingkungan California.
Gonzales, RH 2008.Uji Suhu Sistem Emisi Buang Diesel.San
Dimas, CA: Pusat Teknologi & Pengembangan San Dimas,
Departemen Pertanian AS.
Kelinci, CT, dan KJ Springer. 1973. Emisi Gas Buang yang Tidak Terkendali
Kendaraan dan Perlengkapan Terkait yang Menggunakan Mesin Pembakaran Dalam;
Laporan Akhir Bagian 5, Mesin Pertanian, Konstruksi, dan Industri Tugas Berat.
Disiapkan untuk Kantor Pengendalian Polusi Udara Sumber Seluler dan Cabang Data
Udara Nasional, Badan Perlindungan Lingkungan AS, Washington, DC
 Heidari dan Marr / Jurnal Asosiasi Pengelolaan Udara & Limbah 65 (2015) 115–125
Hart, C., J. Koupal, dan R. Giannelli. 2002.Adu Analisa Onboard EPA:
Ikhtisar dan Hasil.Washington, DC: Divisi Penilaian dan Standar,
Kantor Transportasi dan Kualitas Udara, Badan Perlindungan
Lingkungan AS.
Hajji, AM, dan P. Lewis. 2013. Pengembangan estimasi berbasis produktivitas
alat untuk energi dan emisi udara dari kegiatan konstruksi pekerjaan tanah.J. Cerdas
Mempertahankan. Lingkungan yang Dibangun.2:84–100. doi:10.1108/20466091311325863
Heydarian, A., M. Memarzadeh, dan M. Golparvar-Fard. 2012. Bangku otomatis-
penandaan dan pemantauan jejak karbon operasi pemindahan tanah menggunakan
kamera video dan model estimasi gas rumah kaca.J.Komputasi. Teknik Sipil.509–516.
doi:10.1061/9780784412343.0064
Khan, AS, NN Clark, GJ Thompson, WS Wayne, M. Gautam, DW
Lyons, dan D. Hawelti. 2006. Emisi menganggur dari kendaraan diesel tugas berat:
Tinjauan dan data terkini.J. Pengelolaan Limbah Udara. Asosiasi.56:1404–1419. doi:
10.1080/10473289.2006.10464551
Koupal, J., H. Michaels, M. Cumberworth, C. Bailey, dan D. Brezinski. 2002.
Rencana EPA untuk MOVES: Model Emisi Sumber Seluler yang Komprehensif.
Washington, DC: Badan Perlindungan Lingkungan AS, Kantor Transportasi dan
Divisi Kualitas, Penilaian dan Standar Udara. Lewis, MP 2009. Memperkirakan
penggunaan bahan bakar dan tingkat emisi solar non-jalan raya
peralatan konstruksi yang melakukan siklus tugas representatif.
Ph.D. disertasi, Departemen Teknik Sipil, North Carolina State
University, Raleigh, North Carolina.
Lewis, P., HC Frey, dan M. Leming. 2012a. Pengaruh engine idling pada nasional
kriteria standar kualitas udara ambien emisi polutan dari peralatan konstruksi diesel
non-jalan raya.Mengangkut. Res. Rek.2270:67–75. doi:10.3141/2270-09 Lewis, P., HC
Frey, dan W. Rasdorf. 2009a. Pengembangan dan penggunaan emisi
persediaan sions untuk kendaraan konstruksi.Mengangkut. Res. Rek.2123: 46–
53. doi:10.3141/2123-06
Lewis, P., M. Leming, dan W. Rasdorf. 2012b. Dampak mesin idling terhadap bahan bakar
kegunaan dan CO2emisi peralatan konstruksi diesel non-jalan raya.J. Kelola.
bahasa Inggris28:31– 38. doi:10.1061/(ASCE)ME.1943-5479.0000068 Lewis, P.,
W. Rasdorf, HC Frey, S. Pang, dan K. Kim. 2009b. Persyaratan
dan insentif untuk mengurangi emisi kendaraan konstruksi dan perbandingan
sumber data emisi mesin diesel non-jalan raya.J.Konstruksi. bahasa Inggris
Mengelola. 135:341–351. doi:10.1061/(ASCE)CO.1943-7862.0000008
Li, H., dan Z. Lei. 2010. Penerapan simulasi kejadian diskrit (DES) pada
memperkirakan dan menganalisis CO2emisi selama pekerjaan tanah teknik
konstruksi bangunan. Makalah dipresentasikan pada konferensi Institute of Electrical
and Electronics Engineering (IEEE) 2010, Xiamen, Cina, 29-31 Oktober. Lindhjem, CE,
dan M. Beardsley. 1998.Median Kehidupan, Aktivitas Tahunan, dan Beban
Nilai Faktor untuk Pemodelan Emisi Mesin Non Jalan Raya.Washington,
DC: Tim Pemodelan Emisi Mesin Non Jalan Raya, Divisi Penilaian dan
Pemodelan, Badan Perlindungan Lingkungan AS, Kantor Sumber Seluler.
Mei, DF 2003.Sistem Pengujian Emisi Pada Kendaraan.Sacramento, CA:
Dewan Sumber Daya Udara California dan Badan Perlindungan
Lingkungan California, Analytical Engineering, Inc.
McDonald, JD, MJ Campen, KS Harrod, J. Seagrave, SK Seilkop, dan
JL Mauderly. 2011. Beban pengoperasian mesin mempengaruhi komposisi
knalpot diesel dan respon imun kardiopulmoner.Mengepung. Perspektif
Kesehatan.119:1136–1141. doi:10.1289/ehp.1003101
Melanta, S., E. Miller-Hooks, dan HG Avetisyan. 2013. Jejak karbon
alat estimasi untuk proyek konstruksi transportasi.J.Konstruksi. bahasa Inggris
Mengelola.139:547–555. doi:10.1061/(ASCE)CO.1943-7862.0000598 Millstein,
DE, dan RA Harley. 2009. Revisi estimasi konstruksi
aktivitas dan emisi: Efek terhadap ozon dan unsur karbon
125
konsentrasi di California selatan.atmosfer. Mengepung.43:6328–6335.
doi:10.1016/j.atmosenv.2009.09.028
Rasdorf, W., P. Lewis, SK Marshall, I. Arocho, dan HC Frey. 2012.
Evaluasi penggunaan bahan bakar dan emisi di lokasi selama durasi
proyek bangunan komersial.J. Infrastruktur. sistem.18:119–129. doi:
10.1061/ (ASCE)IS.1943-555X.0000071
Penyanyi, BC, dan RA Harley. 2000. Inventarisasi kendaraan bermotor berbasis bahan bakar
emisi gas buang di wilayah Los Angeles selama musim panas 1997.atmosfer.
Mengepung.34:1783–1795. doi:10.1016/S1352-2310(99)00358-1 Shiftefar, R., M.
Golparvar-Fard, F. Pena-Mora, KG Karahalios, dan Z. Aziz.
2010. Penerapan visualisasi untuk pemantauan emisi konstruksi. Di
dalamProsiding Kongres Riset Konstruksi,Banff, Alberta, 8–10 Mei
1396–1405.
Badan Perlindungan Lingkungan AS. 1991.Studi Mesin Non Jalan Raya dan
Emisi Kendaraan. Kantor Udara dan Radiasi.ANR-443. Washington, DC:
Badan Perlindungan Lingkungan AS.
Badan Perlindungan Lingkungan AS. 2002.Metodologi Pengembangan Tingkat
Emisi Modal untuk Sistem Emisi Kendaraan Bermotor dan Peralatan Multi
Skala EPA.Washington, DC: Divisi Penilaian dan Standar, Kantor Transportasi
dan Kualitas Udara, Badan Perlindungan Lingkungan AS; dan Raleigh, NC:
Laboratorium Komputasi untuk Energi, Udara dan Risiko, Departemen Teknik
Sipil, North Carolina State University.
Badan Perlindungan Lingkungan AS. 2004.Faktor Emisi Buang dan Bak Mesin
untuk Pemodelan Mesin Non Jalan Raya—Pengapian Kompresi.Washington,
DC: Divisi Penilaian dan Standar, Kantor Transportasi dan Kualitas Udara,
Badan Perlindungan Lingkungan AS.
Badan Perlindungan Lingkungan AS. 2005.Panduan Pengguna untuk
NONROAD Terakhir2005Model.Washington, DC: Divisi Penilaian dan
Standar, Kantor Transportasi dan Kualitas Udara, Badan Perlindungan
Lingkungan AS.
Badan Perlindungan Lingkungan AS. 2009. Pembaruan model EPA NONROAD
tahun 2008 “NONROAD2008”. Dipresentasikan pada Konferensi Inventarisasi
Emisi Internasional, Badan Perlindungan Lingkungan AS, Baltimore, Maryland,
14-17 April.
Badan Perlindungan Lingkungan AS. 2010a.Indikator Perubahan Iklim di
Amerika Serikat.Washington, DC: Badan Perlindungan Lingkungan AS.
Badan Perlindungan Lingkungan AS. 2010b. Pemodelan dan Inventarisasi, Pemodelan
dan Inventarisasi MOVES (Simulator Emisi Kendaraan Bermotor).http://www.epa.
gov/otaq/models/moves/#generalinfo(diakses 9 Maret 2014).
Badan Perlindungan Lingkungan AS. 2013. Panduan Referensi Standar Emisi:
Mesin Pengapian Kompresi Non-Jalan Raya—Standar Emisi Buang.http://
www.epa.gov/otaq/standards/nonroad/nonroadci.htm. Wang, WG, DW
Lyons, NN Clark, M. Gautam, dan PM Norton. 2000.
Emisi dari sembilan truk berat berbahan bakar solar dan biodiesel dicampur
tanpa modifikasi mesin.Mengepung. Sains. Teknologi.34:933–939. doi:10.1021/
es981329b
Tentang Penulis
Bardia Heidariadalah seorang mahasiswa MS di bidang teknik sipil di Virginia Tech pada
saat penelitian ini dilakukan. Dia saat ini meraih gelar Ph.D. mahasiswa teknik sipil dan
lingkungan di University of Illinois di Urbana – Champaign.
Linsey C. Marradalah profesor teknik sipil dan lingkungan di Virginia
Tech di Blacksburg, VA.