船舶動態驅動的碳排放時空分布規律

余紅楚,方慶龍,方志祥,劉敬賢**(.武漢理工大學航運學院, 湖北 武漢 430063；.武漢大學測繪遙感信息工程國家重點實驗室,湖北 武漢 430079；3.武漢理工大學三亞科教創新園, 海南 三亞 5705)

航運業CO2排放量占全球總排放量約3%[1-3],隨著全球未來經濟和能源的發展,如果不采取任何措施,船舶溫室氣體的排放量到2050 年將會比2012年增加150%～250%,其占全球總排放量的比例也將會顯著升高[4-6].集裝箱船相較于其他類型的船舶,具有更強大的發動機和較高的航速,導致其CO2排放也相對較高.集裝箱船是全球航運業中主要的排放來源之一[7],船舶碳排放監測與計算是航運碳核算的基礎,也是實現航運碳減排與“零碳航線”的重要支撐.由于全球船舶分布較為分散且船舶機動性強,準確收集每艘船的尾氣排放難度較大,給監管機構帶來了巨大挑戰[8].

目前船舶排放計算通常采取自上而下和自下而上2 種方式[9-11].自上而下的方法以船舶消耗的燃油為基礎,結合燃料的CO2排放因子,來近似計算CO2排放量[12-13].該方法計算簡單便捷,但是人為記錄的燃油消耗數據通常不夠準確[14-15].此外,由于沒有考慮船舶的實際航行狀況,缺乏地理空間信息,難以反映集裝運輸CO2排放的時間空間分布規律.自下而上的方法是依據動態AIS 數據和船舶信息來測算船舶排放量.AIS 軌跡數據記錄了船舶航向、航速、位置、航行時長等[16]活動信息,結合船舶發動機的功率、發動機負載系數及其相應的排放因子,實現基于船舶活動的自下而上碳排放計算.該方法可以更精確地了解每艘船的排放,從而掌握其排放時空分布.在更大尺度上,該方法能夠支撐全球CO2排放情景的詳細分析,包括全球集裝箱船碳排放的復雜時空變化分析.

目前基于AIS 數據的船舶碳排放計算方法通常被稱為船舶交通排放評估模型(STEAM). Jalkanen等[17]提出了STEAM模型,通過AIS軌跡數據和船舶信息計算了波羅的海水域內船舶的廢氣排放量.該模型后來在深圳港西區[18]、珠江三角洲地區[19-20]、天津港[21]、長江口地區[22]、廈門港[23]、寧波-舟山港[24]等不同區域的船舶尾氣排放計算中得到了應用,并分析了這些區域不同船舶類型和時間段的排放情況.之前的研究主要集中在港口群和單個港口,難以全面捕捉不同區域碳排放的差異特性,也無法對船舶碳排放實現全過程的跟蹤.Johansson 等[25]在2015 年的研究中基于全球航運活動的分析實現全球尺度的碳排放計算,主要從空間視角分析碳排放分布特征,對碳排放的時間動態考慮不足.通過對全球集裝箱船軌跡深入挖掘,充分考慮不同航線、不同時間、不同區域等因素,能夠更精確地對全球集裝箱船的CO2排放特征進行建模分析.

本文以全球集裝箱船軌跡為數據基礎,計算和分析全球集裝箱船的CO2排放情況,具體包括全球集裝箱船月排放規律、空間分布特征,以及主要集裝箱運輸航線排放量時空格局,旨在為碳中和、碳達峰、節能減排等政策的實施提供參考.

1 研究方法

1.1 研究總體技術路線

本研究的技術路線包括以下步驟:(1)AIS 軌跡數據預處理:首先對AIS 軌跡數據中的異常數據進行清洗,包括位置異常、速度異常、航向異常刪除等,進而計算船舶航行速度、航行時間、進出港服務時間等,以便后續計算船舶碳排放.(2)船舶靜態數據匹配:將AIS 動態軌跡數據和船舶靜態數據進行匹配,獲得集裝箱船的船寬、功率、噸位等,并確定集裝箱船的船型.(3)主機功率與最大航速計:根據不同集裝箱船船型的主機選型參考標準,計算船舶主機功率、最大船速等信息,便于后續船舶碳排放計算.(4)航行狀態判別:結合船舶主機功率、最大航速和實際航行速度,根據航行速度判斷出船舶發動機負載情況,進而判別船舶航行狀態.(5)船舶CO2排放量計算:采用自下而上的方法對集裝箱船碳排放進行計算,通過主機的功率和速度以及船舶的排放系數等因子的計算,最終可以得到船舶的碳排放量,如下圖1 所示.

圖1 船舶排放計算流程Fig.1 Flowchart of ship emission calculation

1.2 AIS 數據預處理

采取目前公認較為完備的億海藍科技(船訊網)AIS 覆蓋系統數據源,并且通過與我國AIS 數據中心積累的AIS 數據進行融合,盡可能保證數據源的可靠性.AIS 軌跡數據包括MMSI 編號、IMO 注冊編號標識、船長、船寬等詳細靜態信息,也包括時間戳、船舶速度、船舶航向、位置等近實時動態信息[18],不僅可以追蹤集裝箱船運輸路線、航行狀態、行駛時間,也可以實現集裝箱船碳排放的準確計算.AIS 數據預處理主要包括數據清洗和靜態數據匹配,如圖2 所示.數據清洗包括錯誤、重復數據剔除,如經緯度異常、速度異常數據的刪除,以保證數據的質量和準確性.靜態數據匹配是指將AIS 動態數據與船舶靜態信息進行匹配,得到可用且更加規范的船舶碳排放計算數據集.

圖2 AIS 數據處理流程Fig.2 Flowchart of AIS data processing

1.3 船舶碳排放計算方法

船舶航行中CO2排放主要來源于船舶發動機(主機、輔機和鍋爐).主機、輔機和鍋爐具有不同的功能,其中主機為船舶提供航行動力,船舶在水上航行時主機燃料消耗最多,而輔機為船舶提供電力,鍋爐為船舶提供加熱或蒸汽泵驅動[22,26].通常,發動機類型可分為5 類,包括低速柴油機(SSD)、中速柴油機(MSD)、高速柴油機(HSD)、燃氣輪機(GT)和蒸汽輪機(ST).大型船舶通常采用最高轉速小于350r/min 的低速柴油機作為主機.最高轉速在350～1000r/min 之間的中速柴油機通常用作大型船舶的主機或輔機,而轉速高于1000r/min 的高速柴油機則用于小型船舶主機或大型船舶輔機[6].

本文采用自下而上的STEAM 方法來計算船舶CO2排放[17].模型中考慮了船上3種類型的發動機包括主機、輔機和鍋爐的排放.每艘船在某一航程之間排放量的計算式如下(式1).

式中: E 為CO2總排放量;EM為主機CO2排放量;EA為輔機CO2排放量;EB為鍋爐排放量.

船舶主機排放計算(式2):

式中: MCR 為船舶主機額定功率,kW; LF 為負載系數; hr 為不同狀態下船舶的航行時間,h; EF 為污染物排放因子,g/(kW?h).

不同船型的集裝箱船型寬通常不同(表1),根據船舶的寬度,可以確定集裝箱船的類型.不同類型的集裝箱船有不同的設計標準,包括船舶的設計速度、載重量等.根據這些標準,可以確定每種類型集裝箱船所需要的主機功率[27-28],如表2 所示.

表1 集裝箱船分類Table 1 Container ships classification

表2 集裝箱船主機選型參考[27]Table 2 Main engines for container ships

船舶發動機負載系數LF 是由最大航速和實際航行速度確定,根據螺旋槳定律估算每段持續時間的發動機負載系數[29],計算公式如下.

式中:Va為實際航行速度,節;Vm為最大設計速度,節.船舶實際速度是根據AIS 記錄的連續兩個點的位置和時間戳,計算出來的平均速度.

船舶輔機與鍋爐排放計算: 船舶輔機與鍋爐的燃料消耗主要與船舶類型、尺寸、航行狀態有關.根據遠洋船舶航行速度將航行工況分為5 種不同的航行狀態,包括正常巡航、慢航、機動、錨泊和系泊5 類(表3)[5,22,30].

表3 船舶航行狀態分類Table 3 Ship navigation status classification

輔助發動機在船舶航行和泊位時都可能運行,電力由輔助發動機生成,用于照明、烹飪、空調、供暖、泵、輔助鼓風機、船首推進器、控制系統、貨物處理等.功率使用取決于操作模式.船舶副機負荷系數不能通過計算公式直接得到,本研究采用不同船舶類型在不同的航行狀態下的副機負荷系數推薦值[5-6],即在泊和錨泊時為0.19,機動狀態為0.48,低速航行為0.25,巡航為0.13.輔機排放計算如下:

式中:ACR為船舶輔機額定功率,kW; LF為輔機負載系數; hr 為不同狀態下的航行時間,h; EF 為污染物排放因子,g/(kW?h).

鍋爐一般在船舶主負荷≤20%時開啟,船舶處于航行狀態時不啟動[21].鍋爐排放計(式5):

式中: G 為鍋爐實際功率,kW; hr 為不同狀態下的航行時間,h; EF 為污染物排放因子,g/(kW?h).

對于輔助發動機和鍋爐功率(表4),參考IMO 第四次溫室氣體(GHG)研究報告中對集裝箱船不同船型、不同船舶尺寸以及不同航行狀態下的輔機和鍋爐功率的研究結果.

表4 不同航行狀態下的輔機和鍋爐功率[6]Table 4 Auxiliary engine and boiler power under different navigation status

船舶主機、輔機和鍋爐的排放因子取自IMO發布的溫室氣體研究報告和相關研究[5-6,8,31].假設集裝箱船船舶主機為使用重油的低速發動機,船舶輔機使用柴油的中速發動機,船舶鍋爐使用柴油或輕柴油.船舶CO2排放因子如表5 所示.

表5 發動機的排放因子和燃料類型Table 5 Engine emission factors and fuel types

1.4 區域性碳排放計算

區域船舶排放統計可以用于提供集裝箱船排放的全球時變特征和空間多尺度時空分布的視圖[19].通過不同的網格單元的船舶排放量,可以更好地了解船舶污染的熱點區域[32-33].

本文使用WGS84 坐標系的數字網格來劃分全球區域,經度方向上360 個單元格,緯度方向上180 個單元格,建立了1°×1°分辨率的空間網格.首先為每個單元格分配索引號,進而實現全球范圍內較高精度的碳排放測算.每艘船的排放量計算是在其每兩個連續位置報告循環進行的,通常以幾秒為間隔.用后一報告點中的地理坐標記錄該段航行中的排放量,根據坐標計算出該點所在的單元格,將該軌跡段產生的排放統計至其所在的網格.具體計算公式為:

式中:Qj表示網格j的船舶排放量;j表示網格編號;Ei,j表示船舶i 在網格j 的排放量; n 表示航行經網格j的所有船舶;Q 表示區域的所有排放量; m 表示空間區域的所有網格單元數.

如圖3 所示,使用上述方法將每條船舶排放量分配到相應的網格單元,可以計算出每條船的排放分布情況[31].在同一網格單元內的多個船舶的排放量將被累計,從而得到該網格單元的總排放量.通過該方法,不僅可以計算某一區域內總的排放量,還能分析不同網格單元之間的排放差異、確定排放熱點區域等.

圖3 區域船舶排放量計算Fig.3 Calculation of regional ship emissions

1.5 不同航線碳排放計算

航線碳排放的計算首先需要明確航線的出發地、目的地以及途徑的海域和港口等信息.這就包括確定航線的起點和終點,以及航線經過的航路和停靠港口.如圖4 所示,根據確定的航線信息,在WGS84 坐標系下使用大圓航線確定其經過的網格區域.接著將航線經過的不同網格區域的排放量進行累加,可以得出該條航線上的總排放量(式8).

圖4 航線排放計算Fig.4 Emissions calculation along shippingroutes

式中:PAB表示航線AB 的排放量;Qj表示j 網格的船舶排放量.

2 結果與討論

2.1 全球集裝箱船碳排放

以2018 年的所有集裝箱船作為研究對象,采用本文建立的碳排放計算模型測算全球尺度下的集裝箱運輸碳排放.根據每艘船舶在連續的AIS 位置報告之間行駛的情況計算其碳排放,通常是以幾秒鐘為時間間隔循環計算[13].通過將每艘船舶在不同時間段的排放量相加,可以得到該船的總排放量.將每艘船舶的總排放量進行累加,就可以得到所有船舶的總排放量.

2018 年裝箱船的總CO2排放量約為1.2355 億t,不同月份的船舶排放量存在明顯差異,如圖5 所示.最高排放量出現在1 月(1239.47 萬t),隨著新年伊始,經濟回升態勢較為強勁,貿易活動增強,航運需求也上升.8、10、11 月的排放量相對較低,特別是11 月份的排放量為全年最低,可能受到多種因素的影響,部分地區在8 月份可能會遇到臺風天氣,這會影響船舶的運營.另外,夏季度假季節已過,圣誕購物季節還未開始,貿易活動相對較低,導致航運需求下降,通常是航運淡季.1～3 月的排放量相對較高,主要可能是隨著春節前運輸高峰的到來,市場需求大幅增加,進而導致排放量相對較高.隨后4～7 月,船舶排放呈現出小幅上升趨勢,這可能與全球貿易活動的持續增加有關,但波動總體不大.在一年不同的月份中,船舶的排放量有所波動,可能受到季節性因素、貿易活動變化或其他因素的影響.

圖5 2018 年集裝箱船逐月CO2 排放量Fig.5 Monthly CO2 emissions from container ships in 2018

2.2 碳排放月度空間分布特征

船舶的月排放空間分布有助于觀察船舶排放的時間和空間熱點.結合所有集裝箱船排放量及其實際位置信息,得到全球1°×1°網格下的集裝箱船排放統計結果,如圖6 所示.從空間分布上來看,CO2排放量較高的區域分別在中國東部海域和南部海域、日本海域和南亞海域、紅海海域、地中海海域、靠近歐洲海岸的北大西洋海域、墨西哥灣和加勒比海以及北美西海岸.集裝箱船的CO2排放較高的區域中會有一些重要的航線經過,如亞歐航線、北大西洋航線、巴拿馬運河航線、太平洋航線等.這些航線上的交通密集度較高,集裝箱船數量和航次數較多.總體而言,集裝箱船CO2月排放的空間分布較為相似,月度CO2排放的熱點區域相對固定.

圖6 2018 年集裝箱船CO2 排放空間分布特征(t)Fig.6 Monthly spatial distribution of CO2 emissions from container ships in 2018

Johansson 等[25]和Kramel 等[14]對2015 和2017年海運碳排放研究表明,集裝箱船的研究結果與本研究得到的CO2空間分布接近.這表明集裝箱船在這一定期內的空間排放分布相對穩定.可能是因為國際集裝箱運輸通常采用班輪運輸模式,依據集裝箱班輪公司制定的船期表,集裝箱船在固定航線和港口之間提供規范的、反復的貨物運輸服務.此外,由于集裝箱船運輸航線和掛靠港口也較為固定,可能導致排放量的空間分布相對集中且較為相似,但總體上集裝箱船碳排放也會對全球環境產生重要的影響.

2.3 集裝箱海運干線碳排放

通過對全球集裝箱船CO2排放空間分布分析,可以發現排放熱點區域主要分布在集裝箱運輸航線上.為了分析熱點區域的CO2排放情況,結合全球主要集裝箱運輸企業的航線分布,本研究選擇了全球集裝箱航運中最重要、最具代表性的6 條海運干線進行碳排放統計和分析,如圖7 所示.這6 條航線涵蓋了集裝箱船CO2排放的熱點區域,分別是遠東-北美航線、遠東-歐洲航線、歐洲-西非南非航線、澳新-北美航線、北美-歐洲航線和遠東-澳新航線.這6 條干線的碳排放占總排放量的占比由高到低依次為,遠東-歐洲約為28%,遠東-北美約為17%,遠東-澳新約為15%,北美-歐洲、地中海約為8%,歐洲-西非南非約為6%,澳新-北美約為2%.

圖7 運輸航線 CO2 月排放量Fig.7 Monthly CO2 emissions from shipping routes

根據6 條主要集裝箱運輸線路上的CO2排放量的統計和分析,可以發現遠東-歐洲航線、遠東-北美航線和遠東-澳新航線的CO2排放量較高,占總排放量的60%,明顯高于其他3 條航線.這主要是因為這3 條航線上的船舶數量較多,且航程較長.排放最高的是遠東到地中海歐洲的航線,其全年排放中,也呈現8、10、11 月排放量相比其他月份較低,11月排放量為年內最低,1～3 月的排放量相對較高.年初正值春節前的運輸旺季,節后航運市場進入淡季和恢復期,各航線運力運價有所下降,如4 月中旬,歐洲和地中海航線運價均跌至600 美元/TEU 的年內低點.4～7 月期間,船舶排放量呈現小幅上升的趨勢,可能與季節性貨物運輸需求的增加有關.在8～12 月的時間段內,船舶排放量出現了較大的波動.進入下半年,隨著國際經貿形勢發生變化,集裝箱運輸需求增長放緩,主干航線運價有所分化,部分航線步入淡季,多條航線行情遇冷,運力增速明顯趨緩.不同航線上的CO2排放量有些許不同,整體變化趨勢基本保持一致.不同航線的排放可能受到多種因素的影響,包括季節性貨物需求、天氣和氣象條件、航線選擇以及節假日等因素.這也表明了航運業的復雜性,需要綜合考慮多個因素來解釋排放量的時空變化.

同時,本文也對這6 條航線上每月航行的船只數量進行了統計分析,結果表明船只數量與CO2排放量之間存在明顯的關聯性.具體而言,航線上行駛的船只數量越多,相應的CO2排放量也隨之增加.船只的數量通常反映了航線的繁忙程度,繁忙的航線上通常具有更多的貨物需要運輸,因此需要更多的船只來滿足運輸需求.然而,隨著船只數量的增加,也伴隨著更多的燃料消耗和相應的排放.

2.4 不確定分析

在集裝箱船排放計算時,涉及到多個因素,如發動機功率、船舶活動和排放因子等,而各個參數的準確性直接影響排放計算的準確性.本研究集裝箱船排放計算結果的不確定性可能主要來自以下幾個方面:(1)由于缺乏有關船舶的發動機信息和鍋爐的詳細信息,采取相似類型和噸位級別的船舶信息作為替代,與船舶實際可能存在差異,進而導致船舶碳排放計算結果存在一定誤差.(2)由于缺乏集裝箱船船齡信息,本研究尚未考慮全球正在運營的集裝箱船的船齡差異對排放的影響.新船和老船之間的技術、設計和引擎性能可能存在差異,且船舶性能和燃油效率通常也會隨著時間的推移而發生變化,從而導致結果產生一定的誤差.(3)排放因子的不確定性.本文采用了國內外相關研究文獻確定的排放因子,而忽略了排放因子在不同船上的差異,所以計算結果存在一定誤差.(4)統計方式的不確定性.本文將航線經過的不同網格區域的排放量進行累加,從而得出該條航線上的總排放量.該方法在航線的邊界區域,即航線未能覆蓋整個格網單元的區域存在一定誤差,后續需進一步研究航線邊界區域碳排放統計的更精確方法.

3 結論

3.1 2018 年全球集裝箱船的CO2排放量約為1.2355 億t,1 月份排放量最高,11 月份得排放量最低,明顯低于其他月份.這種變化可能與季節性航線調整、天氣條件以及全球貿易活動的波動有關.

3.2 船舶排放的時空分布表明集裝箱船在不同地區的排放動態差異特征,其中高排放區域會有密集的集裝箱運輸航線經過,也與船舶的交通密度和貿易活動水平息息相關.

3.3 碳排放受到船齡、發動機功率、排放因子、統計方式等因素的影響,使得計算結果存在一定的誤差.未來研究將從多源數據融合方面開展更加精準的船舶碳排放計算與監測.