中国民用航空机场大气污染物及碳排放清单

尤 倩 ,李洪枚 ,伯 鑫 ,郑 昀 ,陈少博 (.首都经济贸易大学管理工程学院,北京 00070；2.北京化工大学环境科学与工程系,北京 00029；3.北京化工大学北化中国工业碳中和研究院,北京 00029；4.北京市职业病防治研究院,北京 00093)

我国航空运输业发展迅速[1-2],飞机起降架次快速增长,机场污染物排放量随之增加.航空业的碳排放在每年全球人为碳排放中占 2.0%～2.5%[3].目前,机场排放清单研究主要利用 ICAO(international civil aviation organization, ICAO)推荐的模型在不同尺度上探讨飞机发动机在起降(landing and take-off,LTO)循环过程中排放的 HC、NOx、CO、SO2等大气污染物和CO2排放量及影响因素[4-18].对单个机场,如国外的意大利的佛罗伦萨机场[4]、土耳其的阿塔图尔克国际机场[5]、丹麦的哥本哈根凯斯楚普机场[6],国内的广州白云机场[7]、成都双流机场[8]、首都机场[9-11]大气污染物排放的研究,是根据机场实际运行情况,飞机机型构成,发动机类型,确定飞机发动机排放因子,并核算的机场大气污染物排放量,此方法处理的数据庞杂,数据清洗耗费时间.在此基础上,对城市群如华北地区[12]、珠三角[13]、京津冀[14]、粤港澳[15]的机场排放清单研究,根据区域内起降飞机机型构成,获得各机场或区域的污染物排放因子,核算区域内各机场大气污染物排放量.在全国机场方面,夏卿[16]等以1周为周期,将某航空公司机队某型飞机的平均排放因子作为核算机场排放清单的依据;BO[17]等根据《非道路移动源大气污染物排放清单编制技术指南》[18]编制了2000～2016年飞机污染物排放清单,相关研究采用的因子与我国机场实际运行排放情况存在差异,排放量核算结果存在较大不确定性.

目前,研究主要核算单个机场或区域机场的排放因子,全国机场排放因子大多采用不分机型的《非道路移动源大气污染物排放清单编制技术指南》[18]因子或单一机型平均因子,本研究根据中国机队配置情况,核算LTO循环阶段,中国飞机平均大气污染物排放因子;建立 2017～2020年中国大陆(不包括港澳台)民用航空机场 LTO循环过程的大气污染排放清单(HC、NOx、CO、PM、SO2、CO2);结合本团队已有成果(2000～2016年机场排放清单)[17],分析了自2000年以来,3次全球性疫情(2003年的非典、2012年的中东呼吸症、2020年新冠疫情)对机场大气污染物排放的影响.

1 研究方法

1.1 研究区域与对象

以2017～2020为基准年,区域包括中国30个省、自治区及直辖市(中国香港、澳门、台湾和西藏地区暂不考虑) ,2017年共有机场229个,2018年有235个,2019年有239个,2020年240个.飞机起降数据来源于中国民用航空局;全国飞机机队配置数据,来源于中国民用航空局出版物《从统计看民航》[19];机型与发动机匹配数据来源于飞机制造公司官网和文献查阅[12,20];发动机的燃油消耗率、烟度及排放因子,来源于 ICAO飞机发动机排放数据库[21].研究的排放污染物包括NOx、CO、HC、SO2、PM和CO2.

1.2 大气污染物排放量计算方法

机场区域的污染物排放源包括:飞机LTO循环阶段尾气排放,辅助动力装置(APU)和地面支持设备(GSE)等.其中,飞机 LTO 循环阶段碳排放占比超过80%[21],故本文仅核算飞机LTO循环阶段大气污染物排放.由于我国机队配置情况复杂,机型繁多,且飞机机型与发动机机型并非一一匹配,全国范围内的详细分机型起降数据统计不易实现, ICAO提供了不同数据水平下的排放模型,基于ICAO标准排放量模型和机场飞机起降航班架次比例排放清单编制方法,已经在多个项目中得到了应用,取得了很好的效果[10,12].因此本研究采用基于机队配置数据计算加权排放因子的方法核算全国机场LTO循环大气污染物及碳排放量.2017～2020年,我国机队配置变化幅度较小,故假设每架飞机的起降概率是均等的,根据 2018年各机型所占比例(表1)利用ICAO排放因子数据库提供的排放因子,计算飞机发动机LTO循环大气污染物加权排放因子和航空煤油加权消耗率.2018年,我国行业运输飞机共 3639架登记在册,纳入本文排放因子核算的机型数量占比98.79%.

表1 2018年中国全行业运输飞机数及占比Table 1 The number and proportion of transport aircraft in China's entire industry in 2018

各污染物加权排放因子计算公式如式1所示:

式中:EIi,j表示i类污染物在j模式下我国机队的加权排放因子,kg/kg;EIi,j,m表示m类发动机i类污染物在j模式下的排放因子,kg/kg;Nm发动机为m的飞机数量;N为总飞机数量.

加权燃油消耗率计算公式:

式中:Fj为在j模式下我国机队的航空煤油加权消耗率,kg/s;Fj,m表示m类发动机在j模式下的燃油消耗率,kg/s.

烟度计算公式:

式中:SNj为在j模式下我国机队的加权烟度;SNj,m表示m类发动机在j模式下的烟度,来自ICAO发动机排放数据库[22].

(1)HC、NOx、CO排放量的计算方法:由公式(1)计算出来的加权排放因子,计算飞机发动机不同工作模式的排放量.

式中:Ei,j为i类污染物在j模式下的排放量,kg;tj表示j模式的工作时间(分别为0.7, 2.2, 4, 26min);n代表发动机台数;LTO为LTO循环数量.

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

式中:ESO2为SO2的排放量,kg; FSC为航空燃料的含硫量,不同批次FSC差异较大,无具体数据时一般默认为0.068%;η为燃烧效率(即 SO2产率),本文取96.7%.

(3)PM排放量的计算方法:ICAO发动机数据库中不包含PM排放因子,PM的计算采用一阶近似法(FOA3.0).该方法将飞机PM排放分为挥发性含硫组分、挥发性有机组分和非挥发性组分3部分[23].

式中:EPM为PM排放量,kg;EIPM为PM的3部分组分排放因子总和,g/kg,根据燃油含硫率(0.068%),空燃比[24](起飞、爬升、进近和滑行阶段分别为115,76,56.25,6.17),烟度(式 3)等计算[21].

(4)CO2排放量的计算方法:由公式(2)计算出来的加权燃油消耗率,计算飞机发动机不同工作模式的碳排放量.

式中: ECO2为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 结果与讨论

2.1 2017～2020年中国机场LTO循环排放清单

如表2所示,2017～2019 年,机场 NOx、CO、HC、SO2、PM和CO2排放总量呈增长趋势,2020年排放总量同比下降 22.39%.其中,2020年中国民航机场LTO循环NOx、CO、HC、SO2、PM和CO2排放量分别为10.90, 8.22, 0.96, 0.28、0.06和1360.27万t.

表2 中国民航飞机LTO循环污染物及碳总排放量及排放总量(万t/a)Table 2 Pollutants and CO2emissions of LTO cycle from China’s civil aviation aircraft (104t/a)

甘孜格萨尔机场、北京大兴机场、重庆巫山机场、九寨黄龙机场等,2020年排放量同比增长超过300%,此类排放量大幅增长的机场主要为2020年新通航或者复航的国内支线机场(表3).

表3 2020年污染物及碳排放量同比增长前10的机场Table 3 Top 10airports with year-on-year increase in emissions in 2020

2.2 污染物排放量的时间变化

由图1可见,2017～2019年,机场大气污染物及碳排放月分布较为均衡,2月份占比相对较低,主要原因是 2月份天数与其他月份比天数较少,飞机起降次数较少.2020年排放量月分布变化明显,2020年2月,受新冠肺炎疫情影响,飞机起降次数骤降,排放量同比下降70.54%,3月之后,疫情逐渐好转,航空运输恢复,机场排放逐月增加,同比下降量逐月减少,10月份同比下降1.61%,基本恢复疫情前水平.

图1 2017～2020年机场污染物及碳月排放总量的年占比Fig.1 Monthly emissions as a percentage of annual emissions of airport in 2017～2020

如图2所示,2017～2019年,季度 GDP同比增长超6%,2020年第一季度同比下降5.49%,第四季度恢复正常增长水平,与机场排放的变化规律一致,由此,机场排放量在一定程度上与经济发展水平相关.

图2 2017～2020年分季度污染物及碳排放量与GDP增速对比Fig.2 Comparison between quarterly emissions and GDP growth in 2017～2020

2.3 不同飞行模式下排放特征

如图3所示,CO、HC、SO2、CO2主要的污染源来自滑行阶段,分别占总排放量的 92.80%、91.56%、41.81%、41.81%.飞机在LTO循环的滑行和着陆阶段发动机处于低推动力运行模式,分别约为标准推动力的7%和30%,尤其是滑行段发动机燃烧室处于较低温度和压力状态[26-27],燃烧反应不完全,HC 和 CO 排放因子较大[28-29],滑行时间长,产生HC 和CO最大[8,10,12,30-31].滑行阶段SO2、CO2排放量最大的原因是滑行时间长,燃油消耗多,两种污染排放量与燃油消耗量成正比[31-32].NOx、PM 的主要污染源来自爬升阶段,分别占总排放量的 47.93%、37.39%.起飞和爬升阶段飞机发动机推动力大,燃油消耗率大,空燃比较小(氧气不足),燃烧室温度高,压力大,产生较多NOx和PM[12,33-34].

图3 中国民航机场飞机LTO循环污染物及碳排放量Fig.3 Pollutants and CO2 emissions of LTO cycle in China's civil aviation airports

减小LTO循环的燃油消耗率、各污染物排放因子和 LTO 循环时间,选择优质燃油(低含量的硫和芳香烃)和低排放发动机,优化 LTO循环模式,可减少各种污染物排放量.比如,鉴于起飞段和滑行段的污染物排放特征,可以通过采用减小起飞推动力(比如采用发动机组合),减少起飞滑跑阶段的燃油消耗,达到减少NOx和BC)排放峰值[35-36];中型机场飞机可采用单引擎滑行,减少燃油消耗,可减少污染物排放;选择飞机最佳滑行速度,减少滑行时间,可减少污染物排放[37];选择50:50的混合生物燃料(生物质油与航空煤油混合)可减少飞机颗粒物排放50%～70%[38].

2.4 污染物排放量的空间分布

从总体上看,污染物和碳排放存在较大区域差异.我国通用航空企业地区分布按民航各地区管理局所辖区域划分,共有7大区域分别是:华东、中南、西南、华北、西北、东北和新疆.以2018年为例,各地区年排放总量占全国的比例分别为:26.96%、25.17%、16.28%、14.31%、7.29%、6.42%和 3.56%.排放主要集中在华东地区和中南地区,东北地区和新疆地区占比最小.华东地区经济发达,拥有上海浦东机场、上海虹桥机场等超大规模的机场,而东北部地区和新疆地区70%以上的机场为4C级的支线机场,机场起降架次少,排放量随之减少.从单一机场上看,2017～2020年机场大气污染物及碳排放主要集中在一些大型机场,机场污染物及碳排放总量与机场所在省市GDP相关.以2018年为例,排放量最多的3个机场为北京首都机场、上海浦东机场和广州白云机场,排放总量占全国排放总量的5.54%、4.55%和4.31%(表4).

表4 2017～2020年污染物及碳排放总量前10机场及其省份GDPTable 4 Top 10 airport pollutants and CO2 emissions and provincial GDP in 2017～2020

随着旅游业与航空运输业的关联性越来越强,机场污染物及碳排放与机场所处地区旅游业兴衰等密切相关.以CO2为例,2018～2020年CO2排放量同比增长的机场数量占比分别为:73.80%、65.96%、19.67%.如图4,2018～2020年同比降低最多的机场为九寨黄龙机场、永州零陵机场和安顺黄果树机场.2018年九寨黄龙机场所在地的景区九寨沟受灾封闭重建,旅游人数减少,旅游业大幅萎缩,机场排放量同比降低73.80%.2019年,永州零陵机场老化严重,机场跑道提质改造,4月底后所有航班取消,机场排放量同比降低76.61%.2020年疫情暴发安顺黄果树机场所在地安顺市拥有著名旅游景点黄果树大瀑布,游客减少,旅游业受到影响,形势低迷,机场排放量同比降低79.58%.此外,云南、陕西、重庆等旅游省市的机场排放量较高.由此,除去机场自身原因,旅游业的发展对国内旅游支线机场CO2排放有较大影响.

图4 2017～2020年中国民航机场CO2排放分布变化Fig.4 Changes in the distribution of CO2 emission in China's civil aviation airports in 2017～2020

2.5 疫情对飞机排放量影响

基于本团队2000～2016年民用航空机场排放清单的研究成果[17]和本研究涵盖的2017～2020根据年中国大陆机场排放清单,对 2000～2020年我国民用航空机场大气污染物排放总量及其增长率进行分析如图5所示.2000～2019年我国民用航空机场大气污染物(NOx、CO、HC、SO2、PM)排放总量逐年增加(年均增长率为10.59%),到2020年的排放总量显著降低.非典期间,2003年机场排放量同比增长0.08%,与2002年基本持平;2012年机场排放总量同比增长 10.43%;2015年机场排放总量同比增长7.97%;2020年机场排放总量同比减少22.39%.

图5 2000～2020年中国民航机场飞机大气污染物排放总量及增长率Fig.5 Total emissions and growth rate of air pollutants in China's civil aviation airports from 2000 to 2020

疫情对机场污染物排放的影响主要与疫情的特点、国家采取的措施相关.非典具有传染性极强、病情发展快速等特点,国家采取严格管控措施,疫情在较短时间内得到控制(北京从 4月中旬较大规模传染到6月20日基本结束),非典对民航运输业的影响主要在上半年;中东呼吸症具有病程进展迅速、病死率高等特点,但该疫情未在国内大流行,对民航机场运输影响较小;新冠疫情具有涉及范围广,传染性强,持续时间长等特点,为控制疫情蔓延,国家采取严格的管控措施,控制人口流动,减少感染风险,飞机航班减少,故民航机场大气污染物排放总量下降.故21世纪3次全球大流行的疫情,2020年的新冠疫情对民航机场排放影响最显著.

2.6 不确定性分析

本研究使用蒙特卡罗方法来证实中国民用航空机场排放清单计算的可靠性,根据燃油量和排放因子的概率分布产生随机数,并求解不同参数取值下对应的排放量,获取排放量的分布,以进一步确定其不确定性区间.参照Settler等[21]提出的方法,针对2018年的CO2排放清单,在蒙特卡罗框架下进行了1000次模拟实验,求解了2018年机场CO2排放量的95%置信区间.

对于本研究2018年排放清单,结果不确定性主要来源于一下几个方面:第一,排放因子是影响排放清单不确定性的最主要因素,ICAO发动机数据库推荐参数的运行情况与我国民航飞机的实际情况可能存在差异,具有较大的不确定性.实际上发动机排放与飞机发动机类型、实际运行条件以及周围环境密切相关,会随着发动机役龄、维修状态和气候条件发生变化.本文仅选取了我国代表性的飞机发动机机型.飞机型号与发动机型号并非完全一一对应,假设其服从三角形分布(3.148,3.150,3.173)[21].第二, 航空燃油消耗量.本文选用2018年的中国机场机队配置数据来计算2017～2020年的飞机机型发动机加权航空燃油消耗量,每架飞机每年的起降架次不同,机队配置比例与飞机实际起降比例不完全相等,与实际情况会有偏差.同时,航空燃油的品质也会影响消耗量.假设航空燃油量服从±10%水平的三角形分布.

分析结果表明,本文核算的中国机场排放清单结果是相对稳定的,2018年机场排放清单总量的95%置信区间为±8.13%.

3 结论

3.1 2017～2019年机场大气污染物及碳排放量呈现逐年增长的趋势,2020年排放总量同比降低22.39%,第四季度基本恢复至去年同期水平.CO2是最主要的排放物,NOx是最主要的污染物.

3.2 HC、CO、SO2、CO2滑行阶段排放量最大,NOx、PM爬升阶段排放量最大.基于飞机LTO循环数据的精确性及全面性,选取和确定核算模型中有关参数的方法不同,导致 LTO循环及其不同飞行模式下几种常见污染物排放量的大小顺序存在一定差异性.

3.3 飞机排放在一定程度上可以反映经济发展水平.从全国来看,2020年2月排放量同比下降70.54%,GDP同比下降 5.49%.第四季度排放量恢复同期水平,GDP恢复正常增长率.从地区来看,机场排放量还与所在地GDP、旅游化兴衰密切相关.

3.4 疫情主要影响国际机场的排放量,对国内支线机场的影响相对较小.与非典和中东呼吸综合征相比,2020年新冠疫情对机场排放影响更大.