长江武汉段船舶大气污染物排放清单研究

Air Pollutant Emission Inventory from Ships in Wuhan Section of the Yangtze River

摘要

以长江武汉段为研究区域，分别基于船舶自识别系统（automatic identification system，AIS）数据和船舶运输周转量数据，计算2019年长江武汉段船舶典型大气污染物排放量。结果显示，前者计算结果更符合武汉市真实情况。船舶大气污染物中SO₂、NO _x 、CO、PM₁₀、PM_2.5、VOCs（挥发性有机物）排放量分别为183.0、12 003.5、1 727.0、1 505.2、1 442.0、359.6 t；普通货船的污染物排放量分担率最高，SO₂、NO _x 、CO、PM₁₀、PM_2.5、VOCs排放量分别占船舶总排放的92.9%、90.8%、94.7%、85.1%、85.0%、87.6%；1月、8月和9月是高峰期。

Abstract

This study took Wuhan section of the Yangtze River as the research area, and established the typical air pollutants emissions inventory of ships in 2019. Two methods were adopted for the calculation of emissions, which were based on automatic identification system （AIS） data and ship turnover amount respectively. It was found that the former estimation results were more in line with the real situation of Wuhan. The emissions of SO₂, NO _x, CO, PM₁₀, PM_2.5 and VOCs from ships are 183.0, 12 003.5, 1 727.0, 1 505.2, 1 442.0 and 359.6 t respectively. The proportion of pollutant emissions from ordinary cargo ships is the highest, with SO₂, NO _x, CO, PM₁₀, PM_2.5, and VOCs accounting for 92.9%, 90.8%，94.7%, 85.1%, 85.0%, and 87.6% of the total emissions from ships, respectively. January, August and September are the peak periods for ship pollutants emissions.

Graphical abstract

关键词

船舶污染 / 长江 / 大气污染物 / 排放清单

Key words

ship pollution / Yangtze River / atmospheric pollutants / emission inventory

0　 引 言

近年来，由于我国船舶保有量和行驶里程大幅增长，其排放的大气污染物对人类健康、环境空气质量和气候变化产生了重要影响。因此，核算船舶的大气污染物排放清单具有重要意义。基于船舶自识别系统（automatic identification system，AIS）和船舶运输周转量数据，利用排放因子方法，苑帅等^[1]计算了2017年长江江苏段船舶排放尾气中SO₂、NO _x 、PM₁₀、PM_2.5、CO和VOCs（挥发性有机物）分别为5.53、19.21、1.25、0.95、0.98、0.45万t；李明明等^[2]计算得到，2018年珠海高栏港船舶排放的SO₂、CO、HC、NO _x 、PM_2.5和PM₁₀等6项大气污染物排放总量为1 140.70 t；曾凡涛等^[3]研究发现，2018年厦门港的大气污染物最大贡献船型为集装箱船。以上研究表明，船舶排放已成为港口、江河沿岸城市大气污染的重要来源之一^[4~8]。但目前关于船舶大气污染物排放清单和污染特征的分析主要集中在远洋船舶和沿海港口城市，而对内河船舶污染物排放清单及特征的研究较少^[9，10]。

武汉市是长江中游航运网的中心，设过境航线15条，拥有各类运输船舶328艘、55.2万t载重，“十三五”期间，年均水运货物周转量约1.6亿t，且呈逐年增长趋势^[11]。船舶排放的大气污染物对城市区域的大气环境质量影响较大。本研究分别基于AIS数据和运输周转量，建立了2019年长江武汉段船舶大气污染物排放清单，并对两种测算方法进行了对比分析，希望为长江武汉段船舶大气污染物排放控制措施的制定提供科学依据。

1　 研究方法

1.1　研究区域

研究区域为长江武汉段（包含汉江段）水域，即长江由武汉经济技术开发区（汉南区）进入武汉境内，至新洲区出境水域范围。长江武汉段水域流经全市11个行政区，合计总长达150.5 km。清单基准年为2019年，主要研究SO₂、NO _x 、CO、PM₁₀、PM_2.5和VOCs等6种典型的船舶大气污染物。

1.2　基于AIS数据的计算方法

1.2.1　AIS数据处理

AIS数据中包含了船舶的航行速度、地理经纬度、航行时间等一系列动态信息^[12]。通过查询劳氏船级社和交通部门提供的在汉登记注册船舶引擎功率信息，结合船舶的水上移动通信业务标识码或船舶的英文名称，将船舶静态数据库与AIS动态数据库进行匹配，获得相关信息^[13]。长江武汉段的船舶类型分为普通货船、油船、高速船、拖船、执法船、工作船、客船、化学品运载船等，本文将除普通货船、油船外的船舶统称为“其他类型船舶”。

1.2.2　排放因子

基于AIS数据的计算方法中船舶污染物的排放因子主要参考美国环境保护署^[14]和Ng等^[15]研究成果，具体采用的排放因子如表1所示。

1.2.3　计算方法

船舶污染物排放量的计算参考EPA^[14]和珠江三角洲地区排放清单手册^[16]中的方法，采用基于船舶引擎功率的排放因子法，综合考虑不同类型船舶的引擎负荷系数以及活动时间等因素。计算公式如下：

E_{ij}=\mathrm{V}\mathrm{A}{\mathrm{N}}_i\times P_i\times \mathrm{L}{\mathrm{F}}_i\times A_i\times \mathrm{E}{\mathrm{F}}_{ij}(1)

其中，E_ij （g）为第i种类型船舶第j种污染物的排放量；VAN _i （次）为第i种类型船舶在研究期间的抵港次数；P_i （kW）为第i种类型船舶的引擎功率；LF _i 为第i种类型船舶的引擎负荷系数；A_i （h）为第i种类型船舶在航道中的活动时间；EF _ij （g/(kW·h) ）为第i种类型船舶第j种污染物的排放因子。

船舶的引擎负荷系数与船舶行驶的速度及其设计的最大行驶速度有关：

\mathrm{L}{\mathrm{F}}_i=\frac{v_{\mathrm{a}}}{v_{\mathrm{m}\mathrm{a}\mathrm{x}}}(2)

其中，v_a、v_max（m/s）分别为船舶行驶的实际速度和为船舶设计的最大行驶速度。

1.3　基于运输周转量的计算方法

1.3.1　数据来源与处理

参考生态环境部发布的《城市大气污染物排放清单编制技术手册》^[17]，客货运输船舶燃油消耗量通过客货周转量计算获得，计算公式如下：

Y=\left(\mathrm{0.065}\times Z_{\mathrm{客}}+Z_{\mathrm{货}}\right)\times \mathrm{Y}\mathrm{X}(3)

其中，Y（kg）为客货运船舶燃油消耗量；Z_客（万人·km）为客运周转量；Z_货（万t·km）为货物周转量；YX（kg/万t·km）为油耗系数；0.065 t/人为转换系数。

1.3.2　排放因子

基于运输周转量的船舶污染物排放因子如表2所示^[17]。SO₂排放因子\mathrm{E}{\mathrm{F}}_{\mathrm{S}{\mathrm{O}}_{\mathrm{2}}}采用物料衡算法计算^[17]：

\mathrm{E}{\mathrm{F}}_{\mathrm{S}{\mathrm{O}}_{\mathrm{2}}}=\mathrm{2}\times S(4)

其中，S（mg/kg）为燃油含硫量。《中共中央 国务院关于全面加强生态环境保护 坚决打好污染防治攻坚战的意见》提出“2019年1月1日起，内河和江海直达船舶必须使用硫含量不大于10 mg/kg的柴油”，因此本研究船舶燃油硫含量取10 mg/kg。

1.3.3　核算方法

船舶污染物排放量计算采用基于燃油消耗量的排放因子法^[17]：

E=(Y\times \mathrm{E}\mathrm{F})\times {\mathrm{10}}^{-\mathrm{6}}(5)

其中，E（t）为船舶污染物排放量；Y（kg）为船舶燃油消耗量；EF（g/kg）为污染物排放因子。

2　 基于AIS数据的长江武汉段船舶排放清单

2.1　船舶流量分析

依据长江武汉段船舶信息，2019年该水域入境船舶共有32 651艘，其中普通货船最多，数量为27 955艘，占比85.6%；其次为油船，数量为1 835艘，占比5.6%。不同船舶类型的具体数量详细见表3。

从入境船舶断面流量来看，2019年穿过武汉长江大桥的船舶约10.6万艘，穿过阳逻长江大桥的船舶约11.8万艘，其中1月和10月为船舶通过的高峰期，详见表4。

2.2　船舶大气污染物排放清单

解析长江武汉段船舶AIS数据，提取相应的计算参数，结合交通部门提供的在汉登记注册船舶引擎功率信息以及表1中不同类型船舶的排放因子，根据(1)(2)式，计算得到长江武汉段的内河船舶大气污染物排放情况，详见表5。船舶排放SO₂ 183.0 t、NO _x 12 003.5 t、CO 1 727.0 t、PM₁₀ 1 505.2 t、PM_2.5 1 442.0 t、VOCs 359.6 t。其中，NO _x 为最主要的排放污染物。推算得到SO₂、NO _x 、CO、PM₁₀、PM_2.5、VOCs的单位船舶流量排放量分别为0.01、0.37、0.05、0.05、0.04、0.01 t/艘。与长江江苏段^[18]、上海港^[19]、长江口^[20]的研究结果对比，发现长江武汉段单位船舶污染物排放量远低于江苏段，与上海港、长江口水平大致相当，详见表6。

各类船舶的大气污染物排放分担率情况如表7所示。排放量分担率最高的为普通货船，其排放量占船舶各类污染物总量的85.0%~94.7%；其次为油船，其排放量占船舶各类污染物总量的3.8%~11.3%。这与普通货船中承担外贸运输的船舶比例较高有关，其保有量达到85%以上，船舶流量与航行里程较大，因此排放量也较大。

从污染物排放的时间分布特征来看，1、8、9月为船舶污染物排放的高峰期，2、6月为排放低谷期。以NO _x 排放为例分析得到，1、8、9月船舶排放量分别占全年的10.2%、10.4%、10.3%；2、6月排放量分别占全年的6.6%、5.9%，具体情况如图1所示。

3　 基于运输周转量的长江武汉段船舶排放清单

3.1　活动水平数据

根据《2020年武汉统计年鉴》^[11]，2019年武汉市货运船舶运输周转量达到1 781亿t·km，油耗系数取50 kg/万t·km ^[17]，计算得到船舶燃油消耗量为89.1万t。

3.2　核算结果

结合船舶燃料含硫量和表2中船舶排放因子，计算出长江武汉段的船舶大气污染物排放量，详见表8。结果表明，NO _x 为最主要的污染物，全年共排放42 397.3 t；SO₂排放量最少，全年共排放17.8 t。

4　 结果对比与校验

基于AIS计算得到的NO _x 、PM_2.5、VOCs排放量占全社会总排放的比率分别为8.4%、2.6%、0.2%，而基于运输周转量计算得到的NO _x 、PM_2.5、VOCs排放量占全社会总排放的比率分别为29.6%、6.0%、3.4%，后者相较于前者普遍偏高，详见表9。船舶属于非道路移动源的一种^[17]，但采用基于运输周转量计算的污染物排放量占全社会总排放比率结果通常明显高于其他研究中非道路移动源排放量占全社会比率^[21~23]。这主要是由于《城市大气污染物排放清单编制技术手册》^[17]中未对柴油升级带来的除SO₂外的其他污染物排放因子进行修正，从而导致船舶污染物排放量核算结果普遍偏高。另外，采用基于运输周转量的计算方法仅能得到研究区域内全部船舶的总排放量，而缺少不同船型的排放量结果。这主要是由于活动水平数据的处理是结合油耗系数推算出的船舶燃油消耗量，并未考虑到实际的船舶类型、出入港航行情况（是否超载、空载等）等。而采用AIS数据，考虑了多种类型船舶的航速、航行时间等动态因素和船舶尺寸类型、载重吨位等静态因素，得到的船舶污染物排放清单结果更加精准、细致^[24，25]。因此，采用AIS数据计算结果更为合理。

5　 结 语

本文基于AIS数据计算得出如下结论：2019年长江武汉段的内河船舶活动直接排放SO₂ 183.0 t、NO _x 12 003.5 t、CO 1 727.0 t、PM₁₀ 1 505.2 t、PM_2.5 1 442.0 t、VOCs 359.6 t，其中NO _x 排放量占全社会总排放的8.4%；污染物排放的主要船舶类型为普通货船，其排放量占船舶总排放量的85.0%~94.7%；污染物排放峰值时间为1月、8月、9月，排放低谷时间为2月、6月。基于AIS数据的计算方法考虑了航速、航行时间等动态因素，同时还考虑了船舶尺寸类型、载重吨位等静态因素，计算结果更符合本地真实情况。

参考文献

[1] 苑帅， 封学军， 朱逸凡. 内河航道船舶尾气快速排放清单研究——以长江江苏段为例［J］. 交通运输研究， 2020， 6（2）： 91-100. DOI： 10.16503/j.cnki.2095-9931.2020.02.011 .

[2] YUAN S， FENG X J， ZHU Y F. Rapid inventory of ship exhaust emissions for inland waterway： A case study in Jiangsu section of Yangtze River［J］. Transport Research， 2020， 6（2）： 91-100. DOI： 10.16503/j.cnki.2095-9931.2020.02.011（Ch ）.

[3] 李明明， 周竹军. 珠海高栏港船舶大气污染物排放清单研究［J］. 中国海事， 2021（2）： 54-56. DOI： 10.16831/j.cnki.issn1673-2278.2021.02.016 .

[4] LI M M， ZHOU Z J. Research on ship air pollutant emission list in Gaolan Port of Zhuhai［J］. China Maritime Safety， 2021（2）： 54-56. DOI： 10.16831/j.cnki.issn1673-2278.2021.02.016（Ch ）.

[5] 曾凡涛， 吕靖. 厦门港船舶排放清单及港口生态效率评价［J］. 中国环境科学， 2020， 40（5）： 2304-2311. DOI： 10.19674/j.cnki.issn1000-6923.2020.0264 .

[6] ZENG F T， LÜ J. Ship emission inventory and valuation of eco-efficiency in Xiamen Port［J］. China Environmental Science， 2020， 40（5）： 2304-2311. DOI： 10.19674/j.cnki.issn1000-6923.2020.0264（Ch ）.

[7] LÜ Z F， LIU H， YING Q， et al. Impacts of shipping emissions on PM_2.5 pollution in China［J］. Atmospheric Chemistry and Physics， 2018， 18（21）： 15811-15824. DOI： 10.5194/acp-18-15811-2018 .

[8] CHEN D S， WANG X T， LI Y， et al. High-spatiotemporal-resolution ship emission inventory of China based on AIS data in 2014［J］. Science of the Total Environment， 2017， 609： 776-787. DOI： 10.1016/j.scitotenv.2017.07.051 .

[9] LI C， BORKEN-KLEEFELD J， ZHENG J Y， et al. Decadal evolution of ship emissions in China from 2004 to 2013 by using an integrated AIS-based approach and projection to 2040［J］. Atmospheric Chemistry and Physics， 2018， 18（8）： 6075-6093. DOI： 10.5194/acp-18-6075-2018 .

[10] 刘欢， 商轶， 金欣欣， 等. 船舶排放清单研究方法及进展［J］. 环境科学学报， 2018， 38（1）： 1-12. DOI： 10.13671/j.hjkxxb.2017.0257 .

[11] LIU H， SHANG Y， JIN X X， et al. Review of methods and progress on shipping emission inventory studies［J］. Acta Scientiae Circumstantiae， 2018， 38（1）： 1-12. DOI： 10.13671/j.hjkxxb.2017.0257（Ch ）.

[12] HUANG L， WEN Y Q， ZHANG Y M， et al. Dynamic calculation of ship exhaust emissions based on real-time AIS data［J］. Transportation Research Part D： Transport and Environment， 2020， 80： 102277. DOI： 10.1016/j.trd.2020.102277 .

[13] 朱倩茹， 廖程浩， 王龙， 等. 基于AIS数据的精细化船舶排放清单方法［J］. 中国环境科学， 2017， 37（12）： 4493-4500. DOI： 10.3969/j.issn.1000-6923.2017.12.011 .

[14] ZHU Q R， LIAO C H， WANG L， et al. Application of fine vessel emission inventory compilation method based on AIS data［J］. China Environmental Science， 2017， 37（12）： 4493-4500. DOI：10.3969/j.issn.1000-6923.2017.12.011（Ch ）.

[15] ZHANG Y Q， FUNG J C H， CHAN J W M， et al. The significance of incorporating unidentified vessels into AIS-based ship emission inventory［J］. Atmospheric Environment， 2019， 203： 102-113. DOI： 10.1016/j.atmosenv.2018.12.055 .

[16] 武汉市统计局， 国家统计局武汉调查队. 2020年武汉统计年鉴［M］. 武汉： 中国统计出版社， 2020.

[17] Wuhan Municipal Statistics Bureau， State Statistical Bureau Wuhan Investigation Team. 2020 Wuhan Statistical Yearbook［M］. Wuhan： China Statistics Press， 2020（Ch）.

[18] YANG L， ZHANG Q J， ZHANG Y J， et al. An AIS-based emission inventory and the impact on air quality in Tianjin Port based on localized emission factors［J］. Science of the Total Environment， 2021， 783： 146869. DOI： 10.1016/j.scitotenv.2021.146869 .

[19] HUANG L， WEN Y Q， ZHANG Y M， et al. Dynamic calculation of ship exhaust emissions based on real-time AIS data［J］. Transportation Research Part D： Transport and Environment， 2020， 80： 102277. DOI： 10.1016/j.trd.2020.102277 .

[20] United States Environmental Protection Agency. Office of Transportation and Air Quality， Energy and Environmental Analysis， inc. Analysis of Commercial Marine Vessels Emissions and Fuel Consumption Data ［R］. Washington， DC： Office of Transportation and Air Quality， U.S. Environmental Protection Agency， 2000.

[21] NG S K W， LOH C， LIN C B， et al. Policy change driven by an AIS-assisted marine emission inventory in Hong Kong and the Pearl River Delta［J］. Atmospheric Environment， 2013， 76： 102-112. DOI： 10.1016/j.atmosenv.2012.07.070 .

[22] 广东省环境监测中心， 香港特别行政区政府环境保护署. 珠江三角洲地区空气污染物排放清单编制手册［R］. 广州： 广东省环境保护局， 2005.

[23] Guangdong Provincial Environmental Monitoring Center， Environmental Protection Department of the Hong Kong Special Administrative Region Government. Compilation Manual of Air Pollutant Emission Inventory in the Pearl River Delta［R］. Guang Zhou： Guangdong Environmental Protection Bureau， 2005 （Ch）.

[24] 贺克斌. 城市大气污染物排放清单编制技术手册［R］. 北京： 生态环境部， 2015.

[25] HE K B. Technical Manual for Compiling Urban Air Pollutant Emission Inventory［R］. Beijing： Ministry of Ecology and Environment， 2015 （Ch）.

[26] 朱逸凡， 雷智鹢， 封学军， 等. 基于AIS大数据的长江江苏段船舶大气污染物排放清单研究［J］. 环境科技， 2019， 32（4）： 41-46. DOI： 10.3969/j.issn.1674-4829.2019.04.009 .

[27] ZHU Y F， LEI Z Y， FENG X J， et al. River based on AIS big data［J］. Environmental Science and Technology， 2019， 32（4）： 41-46. DOI： 10.3969/j.issn.1674-4829.2019.04.009（Ch ）.

[28] 伏晴艳， 沈寅， 张健. 上海港船舶大气污染物排放清单研究［J］. 安全与环境学报， 2012， 12（5）： 57-64. DOI： 10.3969/j.issn.1009-6094.2012.05.013 .

[29] FU Q Y， SHEN Y， ZHANG J. Research on the inventory of air pollutant emissions from ships in Shanghai Port［J］. Journal of Safety and Environment， 2012， 12（5）： 57-64. DOI： 10.3969/j.issn.1009-6094.2012.05.013（Ch ）.

[30] YAO X， MOU J M， CHEN P F， et al. Ship emission inventories in estuary of the Yangtze River using terrestrial AIS data［J］. TransNav， the International Journal on Marine Navigation and Safety of Sea Transportation， 2016， 10（4）： 633-640. DOI： 10.12716/1001.10.04.13 .

[31] 孙辰， 詹领茜， 尹珩，等. 武汉市人为源挥发性有机物排放清单的建立［J］. 环境科学与技术， 2018， 41（4）：166-171. DOI： 10.19672/j.cnki.1003-6504.2018.04.028 .

[32] SUN C， ZHAN L Q， YIN H， et al. Establishment of anthropogenic volatile organic compounds emission inventory in Wuhan［J］. Environmental Science & Technology. 2018， 41（4）：166-171. DOI： 10.19672/j.cnki.1003-6504.2018.04.028（Ch ）.

[33] 肖凯， 赵泉. 我国典型城市人为源VOCs排放行业的清单研究： 以武汉市为例［J］. 广东化工， 2019， 19（46）：143-145. DOI： 1007-1865（2019）19-0143-03 .

[34] XIAO K， ZHAO Q. Study of VOCs emission nventory of anthropogenic sources in a typical city in china： A case study of Wuhan City［J］. Guangdong Chemical Industry， 2019， 19（46）：143-145. DOI： 1007-1865（2019）19-0143-03（Ch ）.

[35] 周君蕊， 黄宇， 邱培培 等. 武汉市大气污染源排放清单及分布特征研究［J］. 南京信息工程大学学报（自然科学版）， 2018， 10（5）：599-605. DOI： 10.13878 /j.cnki.jnuist.2018.05.010 .

[36] ZHOU J R， HUANG Y， QIU P Pet al. Air pollutant emission inventory and distribution characteristics in Wuhan city［J］. Journal of Nanjing University of Information Science and Technology （Natural Science Edition）， 2018， 10（5）：599-605. DOI： 10.13878 /j.cnki.jnuist.2018.05.010 （Ch ）.

[37] LI C， YUAN Z B， OU J M， et al. An AIS-based high-resolution ship emission inventory and its uncertainty in Pearl River Delta region， China［J］. Science of the Total Environment， 2016， 573： 1-10. DOI： 10.1016/j.scitotenv.2016.07.219 .

[38] WAN Z， ZHANG Q， XU Z P， et al. Impact of emission control areas on atmospheric pollutant emissions from major ocean-going ships entering the Shanghai Port， China［J］. Marine Pollution Bulletin， 2019， 142： 525-532. DOI： 10.1016/j.marpolbul.2019.03.053 .

基金资助

武汉市环境保护科学研究院科研项目(HKY-2020-KY08)