中國民用航空機場大氣污染物及碳排放清單

尤 倩 ,李洪枚 ,伯 鑫 ,鄭 昀 ,陳少博 (.首都經濟貿易大學管理工程學院,北京 00070；2.北京化工大學環境科學與工程系,北京 00029；3.北京化工大學北化中國工業碳中和研究院,北京 00029；4.北京市職業病防治研究院,北京 00093)

我國航空運輸業發展迅速[1-2],飛機起降架次快速增長,機場污染物排放量隨之增加.航空業的碳排放在每年全球人為碳排放中占 2.0%～2.5%[3].目前,機場排放清單研究主要利用 ICAO(international civil aviation organization, ICAO)推薦的模型在不同尺度上探討飛機發動機在起降(landing and take-off,LTO)循環過程中排放的 HC、NOx、CO、SO2等大氣污染物和CO2排放量及影響因素[4-18].對單個機場,如國外的意大利的佛羅倫薩機場[4]、土耳其的阿塔圖爾克國際機場[5]、丹麥的哥本哈根凱斯楚普機場[6],國內的廣州白云機場[7]、成都雙流機場[8]、首都機場[9-11]大氣污染物排放的研究,是根據機場實際運行情況,飛機機型構成,發動機類型,確定飛機發動機排放因子,并核算的機場大氣污染物排放量,此方法處理的數據龐雜,數據清洗耗費時間.在此基礎上,對城市群如華北地區[12]、珠三角[13]、京津冀[14]、粵港澳[15]的機場排放清單研究,根據區域內起降飛機機型構成,獲得各機場或區域的污染物排放因子,核算區域內各機場大氣污染物排放量.在全國機場方面,夏卿[16]等以1周為周期,將某航空公司機隊某型飛機的平均排放因子作為核算機場排放清單的依據;BO[17]等根據《非道路移動源大氣污染物排放清單編制技術指南》[18]編制了2000～2016年飛機污染物排放清單,相關研究采用的因子與我國機場實際運行排放情況存在差異,排放量核算結果存在較大不確定性.

目前,研究主要核算單個機場或區域機場的排放因子,全國機場排放因子大多采用不分機型的《非道路移動源大氣污染物排放清單編制技術指南》[18]因子或單一機型平均因子,本研究根據中國機隊配置情況,核算LTO循環階段,中國飛機平均大氣污染物排放因子;建立 2017～2020年中國大陸(不包括港澳臺)民用航空機場 LTO循環過程的大氣污染排放清單(HC、NOx、CO、PM、SO2、CO2);結合本團隊已有成果(2000～2016年機場排放清單)[17],分析了自2000年以來,3次全球性疫情(2003年的非典、2012年的中東呼吸癥、2020年新冠疫情)對機場大氣污染物排放的影響.

1 研究方法

1.1 研究區域與對象

以2017～2020為基準年,區域包括中國30個省、自治區及直轄市(中國香港、澳門、臺灣和西藏地區暫不考慮) ,2017年共有機場229個,2018年有235個,2019年有239個,2020年240個.飛機起降數據來源于中國民用航空局;全國飛機機隊配置數據,來源于中國民用航空局出版物《從統計看民航》[19];機型與發動機匹配數據來源于飛機制造公司官網和文獻查閱[12,20];發動機的燃油消耗率、煙度及排放因子,來源于 ICAO飛機發動機排放數據庫[21].研究的排放污染物包括NOx、CO、HC、SO2、PM和CO2.

1.2 大氣污染物排放量計算方法

機場區域的污染物排放源包括:飛機LTO循環階段尾氣排放,輔助動力裝置(APU)和地面支持設備(GSE)等.其中,飛機 LTO 循環階段碳排放占比超過80%[21],故本文僅核算飛機LTO循環階段大氣污染物排放.由于我國機隊配置情況復雜,機型繁多,且飛機機型與發動機機型并非一一匹配,全國范圍內的詳細分機型起降數據統計不易實現, ICAO提供了不同數據水平下的排放模型,基于ICAO標準排放量模型和機場飛機起降航班架次比例排放清單編制方法,已經在多個項目中得到了應用,取得了很好的效果[10,12].因此本研究采用基于機隊配置數據計算加權排放因子的方法核算全國機場LTO循環大氣污染物及碳排放量.2017～2020年,我國機隊配置變化幅度較小,故假設每架飛機的起降概率是均等的,根據 2018年各機型所占比例(表1)利用ICAO排放因子數據庫提供的排放因子,計算飛機發動機LTO循環大氣污染物加權排放因子和航空煤油加權消耗率.2018年,我國行業運輸飛機共 3639架登記在冊,納入本文排放因子核算的機型數量占比98.79%.

表1 2018年中國全行業運輸飛機數及占比Table 1 The number and proportion of transport aircraft in China's entire industry in 2018

各污染物加權排放因子計算公式如式1所示:

式中:EIi,j表示i類污染物在j模式下我國機隊的加權排放因子,kg/kg;EIi,j,m表示m類發動機i類污染物在j模式下的排放因子,kg/kg;Nm發動機為m的飛機數量;N為總飛機數量.

加權燃油消耗率計算公式:

式中:Fj為在j模式下我國機隊的航空煤油加權消耗率,kg/s;Fj,m表示m類發動機在j模式下的燃油消耗率,kg/s.

煙度計算公式:

式中:SNj為在j模式下我國機隊的加權煙度;SNj,m表示m類發動機在j模式下的煙度,來自ICAO發動機排放數據庫[22].

(1)HC、NOx、CO排放量的計算方法:由公式(1)計算出來的加權排放因子,計算飛機發動機不同工作模式的排放量.

式中:Ei,j為i類污染物在j模式下的排放量,kg;tj表示j模式的工作時間(分別為0.7, 2.2, 4, 26min);n代表發動機臺數;LTO為LTO循環數量.

(2)SO2排放量的計算方法:SO2的排放量一般采用物料衡算的核算方法,計算公式為:

式中:ESO2為SO2的排放量,kg; FSC為航空燃料的含硫量,不同批次FSC差異較大,無具體數據時一般默認為0.068%;η為燃燒效率(即 SO2產率),本文取96.7%.

(3)PM排放量的計算方法:ICAO發動機數據庫中不包含PM排放因子,PM的計算采用一階近似法(FOA3.0).該方法將飛機PM排放分為揮發性含硫組分、揮發性有機組分和非揮發性組分3部分[23].

式中:EPM為PM排放量,kg;EIPM為PM的3部分組分排放因子總和,g/kg,根據燃油含硫率(0.068%),空燃比[24](起飛、爬升、進近和滑行階段分別為115,76,56.25,6.17),煙度(式 3)等計算[21].

(4)CO2排放量的計算方法:由公式(2)計算出來的加權燃油消耗率,計算飛機發動機不同工作模式的碳排放量.

式中: ECO2為CO2在j模式下的排放量,kg; EICO2表示CO2排放因子,本文取3.15[25].

2 結果與討論

2.1 2017～2020年中國機場LTO循環排放清單

如表2所示,2017～2019 年,機場 NOx、CO、HC、SO2、PM和CO2排放總量呈增長趨勢,2020年排放總量同比下降 22.39%.其中,2020年中國民航機場LTO循環NOx、CO、HC、SO2、PM和CO2排放量分別為10.90, 8.22, 0.96, 0.28、0.06和1360.27萬t.

表2 中國民航飛機LTO循環污染物及碳總排放量及排放總量(萬t/a)Table 2 Pollutants and CO2emissions of LTO cycle from China’s civil aviation aircraft (104t/a)

甘孜格薩爾機場、北京大興機場、重慶巫山機場、九寨黃龍機場等,2020年排放量同比增長超過300%,此類排放量大幅增長的機場主要為2020年新通航或者復航的國內支線機場(表3).

表3 2020年污染物及碳排放量同比增長前10的機場Table 3 Top 10airports with year-on-year increase in emissions in 2020

2.2 污染物排放量的時間變化

由圖1可見,2017～2019年,機場大氣污染物及碳排放月分布較為均衡,2月份占比相對較低,主要原因是 2月份天數與其他月份比天數較少,飛機起降次數較少.2020年排放量月分布變化明顯,2020年2月,受新冠肺炎疫情影響,飛機起降次數驟降,排放量同比下降70.54%,3月之后,疫情逐漸好轉,航空運輸恢復,機場排放逐月增加,同比下降量逐月減少,10月份同比下降1.61%,基本恢復疫情前水平.

圖1 2017～2020年機場污染物及碳月排放總量的年占比Fig.1 Monthly emissions as a percentage of annual emissions of airport in 2017～2020

如圖2所示,2017～2019年,季度 GDP同比增長超6%,2020年第一季度同比下降5.49%,第四季度恢復正常增長水平,與機場排放的變化規律一致,由此,機場排放量在一定程度上與經濟發展水平相關.

圖2 2017～2020年分季度污染物及碳排放量與GDP增速對比Fig.2 Comparison between quarterly emissions and GDP growth in 2017～2020

2.3 不同飛行模式下排放特征

如圖3所示,CO、HC、SO2、CO2主要的污染源來自滑行階段,分別占總排放量的 92.80%、91.56%、41.81%、41.81%.飛機在LTO循環的滑行和著陸階段發動機處于低推動力運行模式,分別約為標準推動力的7%和30%,尤其是滑行段發動機燃燒室處于較低溫度和壓力狀態[26-27],燃燒反應不完全,HC 和 CO 排放因子較大[28-29],滑行時間長,產生HC 和CO最大[8,10,12,30-31].滑行階段SO2、CO2排放量最大的原因是滑行時間長,燃油消耗多,兩種污染排放量與燃油消耗量成正比[31-32].NOx、PM 的主要污染源來自爬升階段,分別占總排放量的 47.93%、37.39%.起飛和爬升階段飛機發動機推動力大,燃油消耗率大,空燃比較小(氧氣不足),燃燒室溫度高,壓力大,產生較多NOx和PM[12,33-34].

圖3 中國民航機場飛機LTO循環污染物及碳排放量Fig.3 Pollutants and CO2 emissions of LTO cycle in China's civil aviation airports

減小LTO循環的燃油消耗率、各污染物排放因子和 LTO 循環時間,選擇優質燃油(低含量的硫和芳香烴)和低排放發動機,優化 LTO循環模式,可減少各種污染物排放量.比如,鑒于起飛段和滑行段的污染物排放特征,可以通過采用減小起飛推動力(比如采用發動機組合),減少起飛滑跑階段的燃油消耗,達到減少NOx和BC)排放峰值[35-36];中型機場飛機可采用單引擎滑行,減少燃油消耗,可減少污染物排放;選擇飛機最佳滑行速度,減少滑行時間,可減少污染物排放[37];選擇50:50的混合生物燃料(生物質油與航空煤油混合)可減少飛機顆粒物排放50%～70%[38].

2.4 污染物排放量的空間分布

從總體上看,污染物和碳排放存在較大區域差異.我國通用航空企業地區分布按民航各地區管理局所轄區域劃分,共有7大區域分別是:華東、中南、西南、華北、西北、東北和新疆.以2018年為例,各地區年排放總量占全國的比例分別為:26.96%、25.17%、16.28%、14.31%、7.29%、6.42%和 3.56%.排放主要集中在華東地區和中南地區,東北地區和新疆地區占比最小.華東地區經濟發達,擁有上海浦東機場、上海虹橋機場等超大規模的機場,而東北部地區和新疆地區70%以上的機場為4C級的支線機場,機場起降架次少,排放量隨之減少.從單一機場上看,2017～2020年機場大氣污染物及碳排放主要集中在一些大型機場,機場污染物及碳排放總量與機場所在省市GDP相關.以2018年為例,排放量最多的3個機場為北京首都機場、上海浦東機場和廣州白云機場,排放總量占全國排放總量的5.54%、4.55%和4.31%(表4).

表4 2017～2020年污染物及碳排放總量前10機場及其省份GDPTable 4 Top 10 airport pollutants and CO2 emissions and provincial GDP in 2017～2020

隨著旅游業與航空運輸業的關聯性越來越強,機場污染物及碳排放與機場所處地區旅游業興衰等密切相關.以CO2為例,2018～2020年CO2排放量同比增長的機場數量占比分別為:73.80%、65.96%、19.67%.如圖4,2018～2020年同比降低最多的機場為九寨黃龍機場、永州零陵機場和安順黃果樹機場.2018年九寨黃龍機場所在地的景區九寨溝受災封閉重建,旅游人數減少,旅游業大幅萎縮,機場排放量同比降低73.80%.2019年,永州零陵機場老化嚴重,機場跑道提質改造,4月底后所有航班取消,機場排放量同比降低76.61%.2020年疫情暴發安順黃果樹機場所在地安順市擁有著名旅游景點黃果樹大瀑布,游客減少,旅游業受到影響,形勢低迷,機場排放量同比降低79.58%.此外,云南、陜西、重慶等旅游省市的機場排放量較高.由此,除去機場自身原因,旅游業的發展對國內旅游支線機場CO2排放有較大影響.

圖4 2017～2020年中國民航機場CO2排放分布變化Fig.4 Changes in the distribution of CO2 emission in China's civil aviation airports in 2017～2020

2.5 疫情對飛機排放量影響

基于本團隊2000～2016年民用航空機場排放清單的研究成果[17]和本研究涵蓋的2017～2020根據年中國大陸機場排放清單,對 2000～2020年我國民用航空機場大氣污染物排放總量及其增長率進行分析如圖5所示.2000～2019年我國民用航空機場大氣污染物(NOx、CO、HC、SO2、PM)排放總量逐年增加(年均增長率為10.59%),到2020年的排放總量顯著降低.非典期間,2003年機場排放量同比增長0.08%,與2002年基本持平;2012年機場排放總量同比增長 10.43%;2015年機場排放總量同比增長7.97%;2020年機場排放總量同比減少22.39%.

圖5 2000～2020年中國民航機場飛機大氣污染物排放總量及增長率Fig.5 Total emissions and growth rate of air pollutants in China's civil aviation airports from 2000 to 2020

疫情對機場污染物排放的影響主要與疫情的特點、國家采取的措施相關.非典具有傳染性極強、病情發展快速等特點,國家采取嚴格管控措施,疫情在較短時間內得到控制(北京從 4月中旬較大規模傳染到6月20日基本結束),非典對民航運輸業的影響主要在上半年;中東呼吸癥具有病程進展迅速、病死率高等特點,但該疫情未在國內大流行,對民航機場運輸影響較小;新冠疫情具有涉及范圍廣,傳染性強,持續時間長等特點,為控制疫情蔓延,國家采取嚴格的管控措施,控制人口流動,減少感染風險,飛機航班減少,故民航機場大氣污染物排放總量下降.故21世紀3次全球大流行的疫情,2020年的新冠疫情對民航機場排放影響最顯著.

2.6 不確定性分析

本研究使用蒙特卡羅方法來證實中國民用航空機場排放清單計算的可靠性,根據燃油量和排放因子的概率分布產生隨機數,并求解不同參數取值下對應的排放量,獲取排放量的分布,以進一步確定其不確定性區間.參照Settler等[21]提出的方法,針對2018年的CO2排放清單,在蒙特卡羅框架下進行了1000次模擬實驗,求解了2018年機場CO2排放量的95%置信區間.

對于本研究2018年排放清單,結果不確定性主要來源于一下幾個方面:第一,排放因子是影響排放清單不確定性的最主要因素,ICAO發動機數據庫推薦參數的運行情況與我國民航飛機的實際情況可能存在差異,具有較大的不確定性.實際上發動機排放與飛機發動機類型、實際運行條件以及周圍環境密切相關,會隨著發動機役齡、維修狀態和氣候條件發生變化.本文僅選取了我國代表性的飛機發動機機型.飛機型號與發動機型號并非完全一一對應,假設其服從三角形分布(3.148,3.150,3.173)[21].第二, 航空燃油消耗量.本文選用2018年的中國機場機隊配置數據來計算2017～2020年的飛機機型發動機加權航空燃油消耗量,每架飛機每年的起降架次不同,機隊配置比例與飛機實際起降比例不完全相等,與實際情況會有偏差.同時,航空燃油的品質也會影響消耗量.假設航空燃油量服從±10%水平的三角形分布.

分析結果表明,本文核算的中國機場排放清單結果是相對穩定的,2018年機場排放清單總量的95%置信區間為±8.13%.

3 結論

3.1 2017～2019年機場大氣污染物及碳排放量呈現逐年增長的趨勢,2020年排放總量同比降低22.39%,第四季度基本恢復至去年同期水平.CO2是最主要的排放物,NOx是最主要的污染物.

3.2 HC、CO、SO2、CO2滑行階段排放量最大,NOx、PM爬升階段排放量最大.基于飛機LTO循環數據的精確性及全面性,選取和確定核算模型中有關參數的方法不同,導致 LTO循環及其不同飛行模式下幾種常見污染物排放量的大小順序存在一定差異性.

3.3 飛機排放在一定程度上可以反映經濟發展水平.從全國來看,2020年2月排放量同比下降70.54%,GDP同比下降 5.49%.第四季度排放量恢復同期水平,GDP恢復正常增長率.從地區來看,機場排放量還與所在地GDP、旅游化興衰密切相關.

3.4 疫情主要影響國際機場的排放量,對國內支線機場的影響相對較小.與非典和中東呼吸綜合征相比,2020年新冠疫情對機場排放影響更大.