基于AIS数据的精细化船舶排放清单方法

朱倩茹,廖程浩,王 龙 ,韩 昊,刘剑筠,张永波,曾武涛 (.广东省环境科学研究院,广东省环境保护大气环境管理与政策模拟重点实验室,广东 广州 50045；.华南理工大学环境与能源学院,广东 广州 50006)

近年来,随着大气污染精细化管理需求不断提高和空气质量持续改善压力逐步加大,船舶对区域大气污染排放贡献受到越来越多关注[1],尤其对于港口城市,船舶已经成为重要的污染排放来源[2-6].建立排放清单是评估船舶排放对空气质量影响的重要手段之一.

船舶排放清单的编制总体经历了“自上而下”的估算方法到“自下而上”的精细化计算过程.早期的排放清单主要采用基于吞吐量、船用燃油消耗量、船舶进出港数据等的“自上而下”的估算方法[7-11],操作相对简单, 但缺乏对船舶实际航行状态的反映以及数据区域代表性不足等使得清单计算结果具有较大不确定性[12].为有效提高清单结果的精确度,船舶自动识别系统(AIS,Automatic Identification System)数据被逐步应用到船舶大气污染物排放清单编制中,其详实的航行速度、时间、经纬度等信息可被用来获取船舶航行轨迹、航速等多个实时活动水平动态信息[13],以精确计算船舶航行过程中的大气污染物排放量.但AIS数据并不包含对于船舶排放量计算同样十分重要的主辅机和锅炉功率等静态数据.由于与船舶动态信息匹配的相关基础数据获取以及海量AIS数据处理的难度较大,目前使用AIS数据“自下而上”编制船舶排放清单的方法主要集中在欧洲、北美等发达国家和地区[14-19].

我国船舶清单开发对 AIS数据的初期使用主要集中在活动水平统计分析、提取船舶流量、利用船舶航行轨迹进行空间分配等方面[20-24],没有充分发挥 AIS本身带有的实时航行状态数据在清单开发过程中的优势,同时也忽略了不同船舶类型、不同吨位等级船舶在单位时间内污染排放量的差异性.目前也有部分学者给出了基于AIS数据建立的船舶大气污染物排放清单[25-27],但一般以远洋船为研究对象或侧重于对清单结果的描述,对于我国沿海和内河船数量多、部分船型 AIS数据关键信息项缺失严重、数据补充难度大的实际情况及解决办法的相关内容很少涉及.因此,本研究针对可获取的数据源现状提出了一种通过构建船舶 AIS静态信息关联属性库以实现缺失数据有效补充的方法,并给出了包括远洋船、沿海船和内河船在内的主要参数的推荐均值或推演公式,以期将AIS数据更好地应用于船舶排放清单“自下而上”的编制过程.

1 方法概述

1.1 排放量计算模型

采用动力计算法、以AIS数据为基础,利用船舶逐条 AIS动态上报信息计算船舶大气污染物排放量,单条船污染物排放量的计算模型如下：

其中：

式中：i=1,2,3,代表主机、辅机和锅炉3种设备,其中内河船仅计算主机排放量;j=1,2,3,代表航行、进出港和停泊3种工况;E为污染物排放量;MCR为发动机额定功率,kW;LF为负载率;UTC1和UTC2为前后 2条 AIS动态信息上报时间,h;EF为排放因子,g/(kw·h);EF0为基础排放因子,g/(kw·h);FCF为燃料校正因子;LLA为低负载校正因子(当船舶负载率低于 20%的时候燃油燃烧效率会下降,排放量会相应上升,此时引入低负载校正因子对排放因子进行细化修订).

1.2 研究对象

本方法清单研究对象为安装并开启 AIS设备的船舶,包括远洋船、沿海船和内河船等,以珠江三角洲地区的珠江口水域为研究区域,包括SO2、NOx、PM10、PM2.5、CO 和 HC 共 6种船舶大气污染物.

1.3 数据基础

本方法主要数据来源包括 AIS数据、船舶签证信息、船舶进出口岸信息、船检信息、国内外已有研究结果数据等,以及大量的多方位实地调研分析结果.

2 方法实现

图1 船舶排放清单编制方法技术路线Fig.1 Framework of vessel emission inventory method

建立了一套采用动力计算法、以 AIS数据为基础、利用船舶逐条动态上报信息自下而上式地编制船舶大气污染物排放清单的方法,尤其是针对 AIS静态信息不足以支撑排放量计算的实际情况提出了一种通过构建关联属性库来补齐缺失数据的方法,具体方法流程如图1所示.

2.1 AIS数据及静态信息关联属性库构建

2.1.1 AIS数据 AIS报文各条信息项都需通过特定的标识符进行信息上传,具有不可直观阅读性,需要对其信息项进行解码,解译成可直观阅读和使用的数据[28],可服务于清单编制的主要包括静态数据项和动态数据项 2大部分,由于上报频率存在差异性以及考虑后续清单编制工作的便易性,将解译后的静态数据和动态数据分开存储,形成船舶静态数据库和动态数据库.AIS系统的技术特性可参考国际电信联盟发布的《ITU-R M.1371-4建议书》,来源方面,岸基AIS数据可通过海事部门获取,卫星AIS数据可通过定向数据库购买的方式获取.

2.1.2 完善缺失数据 针对AIS静态数据中船舶吨位、主机额定功率等信息缺失的现状,提出通过多源数据匹配与回归模拟计算相结合的方法构建船舶 AIS静态信息关联属性库以补充完善缺失数据.通过充分利用AIS自有静态数据项和目前可掌握的其他数据信息,提高AIS数据在船舶大气污染物排放清单编制过程中的可用性.通过如下2个步骤实现.

步骤 1,多源数据匹配.收集整理船舶签证、进出口岸、船检、劳氏船级社等数据库信息对AIS静态数据库做多源查询匹配,关键信息项依据数据库的不同可依次选择水上移动通信业务标识码(MMSI编码)和船舶英文名称,匹配结果可同时实现对船舶类型的详细划分.

步骤 2,回归模拟结果推算.对于无法直接匹配的船舶通过数理统计的方式进行补充完善,具体做法为：提取AIS静态信息项中的船长数据,依据不同船型船长和船舶吨位间的拟合关系式(见表1)推算出吨位数据,再依据吨位值和功率值间的拟合关系式(见表2)得到功率数据,鉴于AIS信息的局限性,将船舶类型划分为货船、客船、油轮、拖船和其他(不包括捕捞船)共5种.该方法充分利用了AIS已有信息项来补充缺失数据,可有效降低采用平均数值替代缺失数据带来的较大不确定性.

表1 船长与吨位值间数理关系Table 1 Mathematical relationship between gross tonnage and length of vessels

表2 船舶吨位与主机额定功率间数理关系Table 2 Mathematical relationship between main enginepower and gross tonnage of vessels

2.1.3 辅机和锅炉额定功率补充 辅机额定功率由于在各数据库中均严重缺失,按照国内外清单编制经验利用辅机、主机额定功率间的比值(以下简称辅机/主机比)与主机额定功率进行关联,通过主机额定功率和“辅机/主机比”的经验值计算获取.远洋船辅机/主机比参考国内外已有经验值[3,29-30],为提高辅机/主机比在沿船中的适用性,通过样本数据统计获取的方式给出包括分船型的平均额定功率及辅机/主机比的统计均值,如表 3所示.锅炉额定功率按照国内外清单编制经验不再补充,直接给出各工况下的实际运行功率值.

表3 不同船型辅机/主机比Table 3 Auxiliary engine to main engine power ratios for different vessel types

2.2 活动水平获取

通过 AIS动态数据可获取逐条船舶详实的运行轨迹信息,包括时间、经纬度、航行速度等,需获取的活动水平数据主要包括负载率、工况划分、运行时间等.

2.2.1 负载率 主机负载率参考国内外清单编制经验,依据螺旋桨定律利用船舶航行实时速度数据和最大航行速度间的关系计算获取(见公式(3),不同船型最大航行速度推荐值见表4),在船舶整个运行过程中,依据航行速度的变化实时更新主发动机实际运行负载率.辅机负载率和锅炉实际运行功率获取难度较大,建议参考国内外清单经验值.

主机负载率=(实际航行速度/最大航速)3(3)

表4 不同船型最大航速推荐值Table 4 Recommended maximum speed for different vessel types

2.2.2 工况划分 不同工况下船舶主辅机和锅炉的开启、负载率等情况有所不同,在很大程度上影响排放量的计算结果,目前船舶排放清单的工况划分主要参考国外研究成果,为提高工况划分在不同研究水域的适用性,依据不同船型 AIS数据的时间-航速曲线具体识别不同工况,以给出适用于研究水域范围内的划分各工况的速度限值.考虑到基于AIS数据对工况识别的可行性和便易性,建议将运行工况划分为航行、进出港操作和停泊3个阶段.以珠江口船舶为例,船舶流量大、平均航速偏低,通过提取大量船舶随时间的速度变化情况,给出工况划分限值建议值如表5所示.

表5 珠江口水域不同类型船舶运行工况划分Table 5 Operation mode classification for different vessel types

2.2.3 运行时间 依据船舶逐条动态上报信息计算排放量,运行时间为前后 2条信息的时间差值.

2.3 排放因子

表6 船舶大气污染物排放因子[g/(kW·h)]Table 6 Emission factors [g/(kW·h)]

船舶排放因子受诸多因素影响,最主要的有燃料含硫率、引擎类型、引擎转速等,我国目前尚缺乏本地化的船舶排放因子实测结果,美国和香港地区等相关研究报告[3,29-30]中提供了不同燃料类型、不同引擎类型和转速下的船舶排放因子,建议选取该排放因子作为编制清单的基础排放因子,结合研究区域船用燃料硫含量情况对排放因子进行燃油校正,以获取更优化的船舶大气污染物排放因子,给出珠三角地区修正后的船舶大气污染物排放因子(基于 2014年船用燃油调研结果),如表6所示.

图2 船舶大气污染物空间分布特征Fig.2 Spatial distribution of vessel pollutant emissions

2.4 网格化排放清单

以逐条动态信息为基础进行船舶大气污染物排放量计算,以MMSI编码为关键信息项对动态数据库和补充完善的静态数据库进行映射查询,实现动态信息和静态信息的匹配,再结合优化后的排放因子计算每条动态信息对应的污染物排放量,并标记该排放量对应的经纬度信息和时间信息.

依据研究范围和清单精度需求对研究区域做网格划分,分别统计各网格内的船舶大气污染物排放量,获取网格化排放清单,明确船舶大气污染物在研究区域内的空间分布特征,同时可分别统计不同时段内的船舶大气污染物排量,明确时间分布特征.

3 方法应用

3.1 研究范围及结果

利用本文建立的船舶大气污染物排放清单 编制方法,选取珠江口附近水域为研究对象,计算范围为 113.4°E～114°E、22.56°N～23.1°N,以 2014年为基准年,清单计算结果包括如下 6种污染物：SO2、NOx、PM10、PM2.5、CO 和 HC.

以 15″(约 500m)为间隔做网格划分,以船舶大气污染物排放量计算结果和对应的经纬度为关键信息项分别统计各网格内的排放量总和,从而获得基于船舶实际排量的空间分布结果,如图2所示.从各分布中可以看出清晰的船舶航行轨迹,由于计算范围内的船舶流量比较大,并没有呈现出明显的排放热点.该种基于航行轨迹排放量的空间分布相较于基于航道长度、船舶流量等的空间分布具有更好的合理性和更高的精确度.

图3 船舶大气污染物排放月变化Fig.3 Monthly variation of vessel pollutant emissions

分别以月和小时为时间尺度、以船舶大气污染物排放量计算结果和对应的时间点为关键信息项来统计该研究区域内船舶排放量的月变化和小时变化.月排放变化如图3所示,远洋、沿海和内河船的月排放变化具有明显差异,其中以内河船的月排放量波动性最大,尤其是2月份的排放量明显低于其他月份;小时排放变化如图4所示,远洋、沿海船的变化趋势相似,白天排放量略高于夜间,而内河船的小时排放呈双高峰变化.

图4 船舶大气污染物排放小时变化Fig.4 Hourly variation of vessel pollutant emissions

3.2 不确定性分析

受到资料完善程度、调研难度大以及调研样本的数量和质量等因素影响,本方法仍存在一定不确定性,主要来源于：(1)开启AIS设备的船舶会存在漏报、错报数据条或数据项以及不同岸基之间存在重复接受信息等问题,为解决这些问题对原始数据做处理的过程中不可避免地给计算结果带来一定误差;(2)沿海船舶辅机/主机比、船用燃油硫含量、各船型最大航速等通过调研数据统计分析获取,受到数据样本量和样本数据代表性等因素的影响,不可避免地增加清单计算结果的不确定性;(3)由于船舶尾气排放测试成本高,开展远洋、沿海船舶大规模调研难度大等原因,基础排放因子等数据借鉴国外研究成果,虽然通过燃油品质及燃油校正因子对基础排放因子进行了本地化修正,鉴于在船队构成、船载设备、航行工况等方面存在的差异性,会给清单结果带来一定不确定性.

基于 AIS数据的清单编制方法涉及参数众多,各参数的真实性和代表性决定了清单结果的精确度,建议从以下几方面不断完善：(1)通过相关部门建立完善的数据调查和统计机制,研究探讨如何以合适的渠道和方式提高船舶基础信息和活动水平信息的可获取性;(2)逐步开展船舶排放因子测试并实现数据共享,建立我国的船舶排放因子数据库.此外,建议应逐步建立全国范围的船舶大气污染物排放清单,摸清船舶排放基线及排放特征,为实现船舶大气污染精细化管理提供数据支撑.

4 结论

4.1 本文建立了一套采用动力计算法、以 AIS数据为基础,利用船舶逐条动态上报信息自下而上编制船舶大气污染物排放清单的方法,尤其是针对 AIS静态信息不足以支撑排放量计算的实际情况提出了一种通过构建船舶 AIS静态信息关联属性库实现对AIS静态数据的有效补充.包括两个步骤,首先利用多个现有数据库进行多源数据匹配对缺失数据进行直接补充,而后识别无法直接匹配的船舶采用回归模拟结果推算的方法进行间接补充.

4.2 通过方法的应用示范过程,总结了 AIS数据处理经验、排放量的空间分布和时间分布的获取方法;通过对珠三角区域的大量调研和数据资料收集分析,分别统计梳理了远洋船、沿海船和内河船中不同船型船长与吨位值间数理关系、吨位与额定功率间数理关系、不同船型最大航速推荐均值以及不同类型沿海船辅机平均额定功率和辅机/主机比推荐均值等船舶大气污染排量计算过程中主要参数的推荐均值或推演公式,可为广东省船舶大气污染排放清单编制工作提供技术方法,同时也可为全国船舶排放清单的编制提供参考.

[1] Ng S K W, Loh C, Lin C, 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.

[2] 梁永贤,廖汝娥,颜 敏,等.深圳港船舶大气污染物排放核算[J]. 环境科学导刊, 2016,35(2)：27-31.

[3] 伏晴艳,沈 寅,张 健.上海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.

[4] 刘 静,王 静,宋传真,等.青岛市港口船舶大气污染排放清单的建立及应用 [J]. 中国环境监测, 2011,27(3)：50-53.

[5] Minguillón M C, Arhami M, Schauer J J, et al. Seasonal and spatial variations of sources of fine and quasi-ultrafine particulate matter in neighborhoods near the Los Angeles-Long Beach harbor [J]. Atmospheric Environment, 2008,42(32)：7317-7328.

[6] Yuan Z, Lau A K H, Zhang H, et al. Identification and spatiotemporal variations of dominant PM10sources over Hong Kong [J]. Atmospheric Environment, 2006,40(10)：1803-1815.

[7] 刘启明,方梦圆,曹湘怡,等.2006～2015年厦门港船舶大气污染物排放清单的初步估算 [J]. 生态环境学报, 2016,25(9)：1483-1486.

[8] Hulskotte J H J, Denier H A C. Fuel consumption and associated emissions from seagoing ships at berth derived from an on-board survey [J]. Atmospheric Environment, 2010,44：1229-1236.

[9] Winther M. New national emission inventory for navigation in Denmark [J]. Atmospheric Environment, 2008,42：4632—4655.

[10] Endresen O, Bakke J, Sorgard E, et al. Improved modelling of ship SO2emissions—a fuel-based approach [J]. Atmospheric Environment, 2005,39：3621—3628.

[11] Corbett J J, Fischbeck P, Pandis S N. Global nitrogen and sulfur emission inventories for oceangoing ships [J]. Journal of Geophysical Research Atmospheres, 1999,104(3)：3457-3470.

[12] Miola A, Ciuffo B. Estimating air emissions from ships： Metaanalysis of modelling approaches and available data sources [J].Atmospheric Environment, 2011,45：2242-2251.

[13] 刘人杰,柳晓鸣,索继东.船舶交通管理电子信息系统 [M]. 大连：大连海事大学出版社, 2006：115-150.

[14] Jalkanen J P, Johansson L, Kukkonen J. A comprehensive inventory of ship traffic exhaust emissions in the European sea areas in 2011 [J]. Atmospheric Chemistry and Physics, 2016,16：71-84.

[15] Maragkogianni A, Papaefthimious S. Evaluating the social cost of cruise ships air emissions in major ports of Greece [J].Transportation Research Part D, 2015,36：10—17.

[16] Third IMO Greenhouse Gas Study 2014 Executive Summary and Final Report [R]. International Maritime Organization, 2015.

[17] Lonati G, Cernuschi S, Sidi S. Air quality impact assessment of at-berth ship emissions： Case-study for the project of a new freight port [J]. Science of the Total Environment, 2010,409：192—200.

[18] Schrooten L, Vlieger I D, Panis L I, et al. Emissions of maritime transport： A European reference system [J]. Science of the Total Environment, 2009,408：318—323.

[19] Wang C F, Corbett J J, Firestone J. Modeling energy use and emissions from North American shipping： application of the ship traffic, energy, and environment model [J]. Environmental Science & Technology, 2007,41(9)：3226-3232.

[20] 尹佩玲,黄争超,郑丹楠,等.宁波-舟山港船舶排放清单及时空分布特征 [J]. 中国环境科学, 2017,37(1)：27-37.

[21] 邢 辉,段树林,黄连忠,等.基于 AIS数据的渤海湾地区海运排放测算 [J]. 中国环境科学, 2016,36(3)：953-960.

[22] 叶斯琪.珠江三角洲地区船舶排放特征及对区域空气质量影响的研究 [D]. 广州：华南理工大学, 2014.

[23] 谭建伟,宋亚楠,葛蕴珊,等.大连海域远洋船舶排放清单 [J]. 环境科学研究, 2014,27(12)：1426-1431.

[24] NG S K W, Lin C B, Chan J W M, et al. Study on marine vessels emission inventory final report [R]. Hong Kong： The Hong Kong University of Science & Technology, 2012.

[25] 邢 辉,段树林,黄连忠,等.辽宁省港口临近区域海运废气排放测算 [J]. 环境科学研究, 2016,29(1)：29-35.

[26] Fan Q, Zhang Y, Ma W, et al. Spatial and seasonal dynamics of ship emissions over the Yangtze River Delta and East China Sea and their potential environmental influence [J]. Environmental Science & Technology, 2016,50(3)：1322-1329.

[27] Liu H, Fu M L, Jin X X, et al. Health and Climate Impacts of Ocean-going Vessels in East Asia [J]. Nature Climate Change,2016,6：1037-1041.

[28] 胡 晶.基于 AIS的船舶轨迹分析与应用系统的设计与实现[D]. 武汉：华中师范大学, 2015.

[29] The Port of Los Angeles Inventory of Air Emissions for Calendar Year 2012 [R]. United States： Starcrest Consulting Group, LLC,2013.

[30] ICF International. Current methodologies in preparing mobile source port-related emission inventories Final Report. Technical Report [R]. United States： EPA, 2009.

致谢：感谢广东海事局给予本文的大力支持和帮助.