2018年大連海域船舶大氣污染物排放特征及影響分析

汪承杰，環久峰，張洪朋，馬來好，徐志偉，李逐翔，王旅東

1.大連海事大學輪機工程學院，遼寧 大連 116026 2.大連市生態環境保護綜合行政執法隊，遼寧 大連 116001 3.大連市生態環境事務服務中心，遼寧 大連 116000

實現船舶大氣污染物排放有效管控，首先需要得到準確的船舶排放清單和排放特征。國外在該方面的研究起步較早。JALKANEN等[10]利用船舶自動識別系統(Automatic Identification System，AIS)監測數據，測算了波羅的海海域船舶的二氧化氮(NO2)、二氧化硫(SO2)、二氧化碳(CO2)、顆粒物(PM)和一氧化碳(CO)排放水平；WINTHER等[11]利用主機功率函數及排放因子，建立了排放計算模型，并根據AIS監測信息，對2012年北極航線船舶大氣污染物排放情況進行了測算；TICHAVSKA等[12]建立了港口-城市界限下的船舶廢氣排放模型，并基于AIS數據得到不同類型船舶的作業工況,估算了2011年西班牙拉斯帕爾馬斯港的船舶排放清單。近年來，船舶大氣污染物排放量計算也逐漸受到了國內研究人員的重視。金陶勝等[13]調研獲取了天津港運輸船舶相關排放因子，并采用基于燃料消耗的方法，測算出2006年天津港水域船舶大氣污染物排放清單；伏晴艷等[14]采用“由下而上”的動力法，測算出2010年上海港船舶大氣污染物排放清單，發現上海港船舶排放對上海市SO2、NOx、PM2.5排放總量的貢獻十分突出，遠洋船的分擔率最大；梁永賢等[15]對2013年深圳港大氣污染物排放進行了計算，發現2013年深圳港船舶PM2.5、NOx、SO2排放量分別約占全市總排放量的5.2%、16.4%、58.9%；葉斯琪等[16]采用基于船舶引擎功率和耗油量的排放因子法,建立了2010年廣東省船舶排放清單，并對不同城市、類型及行駛模式的船舶的排放分擔率進行了分析；LI等[5]使用船舶移動數據,計算了珠三角地區的船舶排放，發現從船舶類型來看，集裝箱船是最大的污染物排放源。

綜合前人研究成果，結合大連海域實際狀況，本研究采用基于船舶AIS數據的“自下而上”的方法,測算了2018年大連海域船舶大氣污染物排放清單，并通過大氣擴散模型模擬了船舶大氣污染物排放對大連市大氣環境的影響，以期為大連市船舶大氣污染物排放管控提供參考。

1 船舶大氣污染物排放清單計算

1.1 研究區概況及數據來源

研究發現，大連海域船舶的活動范圍主要是在離岸12 n mile以內，故本研究取由A至N共14個點的連線為海岸線，以距離海岸線12 n mile以內的海域為具體測算范圍(圖1，表1)。研究時段為2018年1—12月，污染物種類涉及SO2、NOx、PM10、PM2.5、CO、HC及CO2。根據AIS數據，將船舶種類劃分為工作船、滾裝船、散裝化學品船、集裝箱船、拖船、干貨船、多用途船、散貨船、客船、油船及其他船舶(暫不考慮漁船)。

圖1 研究區域Fig.1 Research region

表1 研究區域邊界點坐標Table 1 Coordinates of boundary points of the research region

圖2為基于AIS數據的船舶大氣污染物排放量計算流程。本研究涉及的船舶基礎數據主要來自北海航海保障中心大連航標處提供的2018年渤海灣船舶AIS數據和大連海事局2018年船舶報港數據。通過對船舶AIS數據進行解析和篩選，獲得2018年大連海域航行船舶的靜態數據和動態數據。對于靜態數據中存在的船舶主機、輔機及鍋爐功率等部分信息缺失問題，采用船舶報港數據、船檢信息、勞氏船級社數據及其他資料進行匹配和補充。從AIS數據中獲得船舶實時位置、航速、吃水深度、工況等動態信息。在此基礎上，應用船舶排放計算模型、船舶能耗設備排放因子及船舶燃油修正因子，實現對船舶大氣污染物排放量的計算。

圖2 基于AIS數據的船舶大氣污染物排放量計算流程Fig.2 The calculation process of ship airpollutant emission based on AIS data

1.2 船舶排放計算模型

對于船舶排放，采用基于AIS數據和船舶報港數據的“自下而上”的方法進行計算。計算公式如下：

E=W×E×F×C

(1)

式中：E為某種大氣污染物的排放量，g；W為船舶在某種運行狀態下消耗的能量，kW·h；E為該污染物的排放因子，g/(kW·h)；F為燃油修正因子；C為主機控制因子。

船舶在某種運行狀態下消耗的能量的計算公式為

所謂先進性，就是在與其他同類事物進行相互比較之后，該事物自身所具備的獨特長處和優勢。然而隨著時代的發展，事物原來具有的先進性可能會逐漸減弱，漸漸消失，甚至可能會走向落后。中國力量的先進性體現在他們的成員中總是包含著當時社會最進步、最有覺悟的人群，中國共產黨是中國力量先進性最具體、最鮮明的體現。

W=M×L×T

(2)

式中：M為船舶主機、副機、鍋爐功率，kW·h；L為對應工況的負荷因子；T為設備運行時間。對于負荷系數L，可通過航速的三次方關系進行確定[9]：

L=(Va/Vm)3

(3)

式中：Va為船舶實際航速,kn；Vm為船舶最大設計航速,kn。

除了“自下而上”的計算模型外，也有“自上而下”和根據船舶載重噸的計算模型。但“自上而下”的方法需要知道船舶在大連海域的燃油消耗量，不適用于本研究；而根據船舶載重噸的計算方法需要知道船舶的實際載重情況，同樣不適用于本研究。因此，經綜合考慮，本研究采用“自下而上”的方法，并基于船舶AIS數據和船舶報港數據，獲得準確的船舶動態信息。這樣做的優點是可以消除船舶動態數據和靜態數據的缺失問題，使計算結果更接近實際值。

1.3 工況劃分和參數確定

不同工況下的船舶的大氣污染物排放情況不同，因此，在進行船舶大氣污染物排放量計算時，首先要對船舶的工況進行劃分。以船舶航速小于1 kn為停泊工況；以船舶航速大于1 kn,且主機功率小于額定功率的65%為進出港工況；以船舶主機功率大于額定功率的65%為巡航工況。

根據國內相關研究[17-18],確定本文所采用的船舶能耗設備排放因子，如表2所示。對于不同含硫率的燃油，需要采用不同的燃油修正因子，如表3所示。《珠三角、長三角、環渤海(京津冀)水域船舶排放控制區實施方案》規定，自2018年1月1日起，船舶在排放控制區內所有港口靠岸停泊期間應使用硫含量≤0.5%(質量百分數，下同)的燃油。因此，在本研究中，停泊工況采用硫含量為0.5%時的燃油修正因子，其他工況采用硫含量為1.5%時的修正因子。后期的船舶排放清單計算應根據研究基準年的相關規定，采用相應硫含量的燃油修正因子。

表2 船舶能耗設備排放因子Table 2 Emission factors of ship energy equipment g/(kW·h)

表3 船舶燃油修正因子Table 3 Correction factor for ship fuel

2 計算結果與時空分布特征分析

2.1 計算結果分析

根據船舶AIS數據和大連海事局2018年船舶報告數據，獲得2018年大連海域船舶活動水平，見圖3。2018年進出大連海域船舶共13.69萬航次，其中：航次數最多的是客船，占總航次數的59.51%；油船和干/散貨船分別占總航次數的9.74%和7.73%。

圖3 2018年大連海域船舶活動水平Fig.3 Ship activity level inDalian sea area in 2018

基于2018年度大連海域船舶靜態數據和動態數據，應用前文所述計算方法和參數，估算得到2018年大連海域船舶大氣污染物排放量：SO2為7 606.23 t，NOx為30 990.13 t，PM10為1 212.02 t，PM2.5為969.58 t，CO為3 339.10 t，HC為1 414.63 t，CO2為2 546 299.67 t。

表4為2012年大連海域、2018年渤海灣及本研究排放清單比較。可以發現：相較于2012年船舶排放清單，2018年大連海域船舶各種大氣污染物的排放量均有所下降，符合船舶大氣污染物排放治理的客觀情況；本研究計算的船舶NOx、SO2、PM10、PM2.5、CO、HC排放量分別占渤海區域船舶大氣污染物排放總量的10.0%、19.0%、12.1%、10.5%、25.4%、26.1%，與大連市的實際情況一致。因此，本研究計算的排放清單符合大連市船舶排放客觀情況。

表4 相關研究排放清單對比Table 4 Comparison of emission inventories of related studies t

圖4為2018年大連海域船舶各種大氣污染物排放分布情況。可以看出，各種大氣污染物的排放源主要集中在客船、油船、散貨船及多用途船。其中：對于SO2，客船、油船、散貨船、多用途船的排放量分別占船舶SO2排放總量的25%、20%、15%、13%，合計占比達到了73%；對于NOx，4類船舶的排放量分別占船舶NOx排放總量的18%、20%、17%、15%，合計占比達到了70%；其他幾種污染物的排放特征基本與SO2和NOx一致。

圖4 不同船舶的各種大氣污染物排放占比Fig.4 Proportion of various airpollutants from different ships

圖5為不同工況下的船舶的各種大氣污染物排放分布情況。由圖5可知，船舶大氣污染物排放主要發生在進出港工況下，其中，進出港時的SO2和NOx排放量占比分別達到了53.93%和51.92%，這與船舶進出港的活動水平相吻合。

圖5 不同工況船舶的各種大氣污染物排放占比Fig.5 Proportion of various air pollutants fromships under different working conditions

2.2 船舶排放分布特征分析

圖6為2018年大連海域船舶各類大氣污染物排放分布。可以看出，2018年大連海域船舶大氣污染物排放主要集中在大連灣、大窯灣、莊河灣、里長山海峽、葫蘆山灣、復州灣、煙大鐵路輪渡港附近及周邊航道。其中，大連灣和大窯灣及其附近航道船舶活動頻繁，因而各種大氣污染物的排放強度最大。進一步研究發現，2018年大連海域船舶SO2、NOx、PM10、PM2.5、CO、CO2、HC的平均排放強度分別為0.374、2.091、0.049、0.043、0.162、126.991、0.084 t/km2。

2018年大連海域船舶大氣污染物排放主要集中在春季(采用氣象部門的劃分方法，以每年公歷的3—5月為春季，6—8月為夏季，9—11月為秋季，1—2月及12月為冬季，并把1月、4月、7月、10月分別作為冬、春、夏、秋季的代表月份)，占全年排放總量的40%左右，而其他3個季節各污染物的排放量占比基本相近，都在20%左右。這主要是因為春季大功率集裝箱船和散貨船的活動水平比其他季節高，污染物排放也相對較多。

2.3 船舶排放對大連市大氣環境的影響分析

為研究2018年大連海域船舶大氣污染物排放對大連市大氣環境的影響，以WRF、SMOKE、CMAQ空氣質量數值模擬系統為研究工具，以大連市陸地污染排放數據為污染源輸入數據，并以此作為基準模擬情景，再將1月、4月、7月和10月這4個代表月份的船舶污染排放數據加入污染源輸入數據，開展敏感性數值模擬試驗。通過對比兩次模擬結果的變化，分析大連市周邊海域船舶污染排放對大連市環境空氣質量的影響。

表5為2018年大連海域船舶SO2排放對大連市大氣環境的影響。可以看出：1月和4月，船舶排放對大連市SO2平均濃度的貢獻分別為0.12 μg/m3和0.50 μg/m3，在所有排放源中的占比分別為1.17%和7.38%，其中占比最大的區域均為旅順口區，分別達到了4.43%和16.76%；7月，船舶排放對大連市SO2平均濃度的貢獻率最高，達到了7.50%，且受風向等環境因素影響，甘井子區受影響最大(19.83%)，普蘭店受影響最小(2.02%)；10月，船舶排放對大連市SO2平均濃度的貢獻為0.24 μg/m3，在所有排放源中的占比為3.22%，其中占比最大和最小的區域分別為金州區(7.35%)和普蘭店(1.43%)。表6為2018年大連海域船舶NOx排放對大連市大氣環境的影響，其規律與SO2相同。

表5 2018年大連海域船舶SO2排放對大連市大氣環境的影響Table 5 Impact of SO2 emissions from ships in Dalian sea areaon atmospheric environment of Dalian in 2018

表7為2018年大連海域船舶PM2.5排放對大連市大氣環境的影響。1月，船舶排放對大連市PM2.5平均濃度的貢獻率最低，為0.27%，平均貢獻濃度為0.07 μg/m3，其中受影響最大和最小的區域分別是旅順口區和莊河市，對應的船舶排放貢獻率分別為0.62%和0.05%；7月，船舶排放對大連市PM2.5平均濃度的貢獻率最高，為7.09%，平均貢獻濃度為1.25 μg/m3，其中受影響最大和最小的區域分別是金州區和瓦房店，對應的船舶排放貢獻率分別達到了10.45%和5.52%；4月和10月，船舶排放對大連市PM2.5平均濃度的貢獻分別為0.41 μg/m3和0.16 μg/m3，在所有排放源中的占比分別為2.52%和0.98%。

表6 2018年大連海域船舶NOx排放對大連市大氣環境的影響Table 6 Impact of NOx emissions from ships in Dalian sea areaon atmospheric environment of Dalian in 2018

表7 2018年大連海域船舶PM2.5排放對大連市大氣環境的影響Table 7 Impact of PM2.5 emissions from ships in Dalian sea areaon atmospheric environment of Dalian in 2018

表8為通過模擬仿真獲得的2018年大連海域船舶SO2排放對大連市空氣質量監測站所在點位的影響。由表8可知：1月，船舶SO2排放對傅家莊、金州兩個監測站所在點位的影響最大，平均貢獻濃度分別為0.871 4、0.841 3 μg/m3，月均貢獻率分別為6.037%、5.855%；4月，對金州、開發區兩個監測站所在點位的影響最大，平均貢獻濃度分別為4.410 9、3.524 7 μg/m3，月均貢獻率分別為31.520%、28.287%；7月，對傅家莊、青泥洼橋、開發區3個監測站所在點位的影響最大，平均貢獻濃度分別為5.061 3、2.184 9、2.186 3 μg/m3，月均貢獻率分別為27.285%、23.937%、32.537%；10月，對金州、雙D港、傅家莊3個監測站所在點位的影響最大，平均貢獻濃度分別為1.137 4、1.113 8、1.012 9 μg/m3，月均貢獻率分別為19.621%、15.597%、7.285%。

表8 2018年大連海域船舶SO2排放對大連市空氣監測站所在點位的影響Table 8 Impact of SO2 emission from ships in Dalian sea area on location of Dalian air monitoring station in 2018

3 結論與建議

1)2018年，大連周邊海域船舶共排放SO27 606.23 t、NOx30 990.13 t、PM101 212.02 t、PM2.5969.58 t、CO 3 339.10 t、HC 1 414.63 t、CO22 546 299.67 t。其中，SO2排放量遠小于NOx排放量，且隨著“限硫令”的施行，SO2排放量還會進一步減少，而當前我國針對船舶NOx的限排法規還不太完善，因此，后期應當針對船舶NOx排放制定相應的要求。

2)2018年,大連海域船舶大氣污染物排放主要集中在客船、油船、散貨船及多用途船等船舶類型，排放區域主要集中在船舶活動頻繁的大連灣、大窯灣、煙大鐵路輪渡港附近及周邊航道。針對這一特點，建議加強對重點排放區域船舶大氣污染物排放的監測，并在重點排放區域大力推廣連接岸電、使用清潔能源和安裝尾氣處理裝置等措施，以減少船舶大氣污染物排放。

3)2018年，受大連海域船舶大氣污染物排放影響較大的區域有旅順口區、金州區和甘井子區，其中，1月、4月和10月主要是旅順口區和金州區受影響較大，而7月則是甘井子區受影響較大。針對這一特點，建議在船舶大氣污染物排放較多的大連灣、大窯灣、莊河灣、里長山海峽等區域開展重點監控，在船舶大氣污染物排放量較大的春季開展綠色港口建設活動，普及船舶污染物治理要求，并對使用岸電和采取減排措施的船舶給予政策優惠。

4)除以上措施外，建議加快相關法規、標準、規范的制修訂，持續推進船舶結構調整，加快淘汰老舊落后船舶，嚴禁新建的不符合污染物排放標準的船舶進入交通運輸市場，并提升船舶大氣污染防治的科學化水平。