陈文君，廖一嘉，周建力，刘芳彤，许民甲，乌云娜
1.华北电力大学经济与管理学院，北京 102206 2.华北电力大学新能源电力与低碳发展研究北京市重点实验室，北京 102206
随着经济的不断发展和技术的不断进步，我国航空运输业的发展持续向好。2015—2019年，我国民航运输总量从851.7亿t·km迅速增长至1 293.3亿t·km，年平均增幅约为12.7%；
2019年，民航旅客运输量和机场旅客吞吐量分别为6.60亿人次和13.52亿人次[1]。但与此同时，航空运输业快速发展所带来的环境问题也愈发严重[2]。根据国际民航组织(International Civil Aviation Organization，ICAO)2016年报告[3]，全球范围内人为CO2总排放量的约2%为航空排放。相关报告还指出，民航飞机排放的碳氢化合物(HC)、氮氧化物(NOx)和一氧化碳(CO)等气体将对当地空气质量造成不利影响，并损害人体健康[4]。大气污染物排放清单是我国实施空气质量监管、制定环境保护政策的重要依据[5]。建立不同尺度的大气污染物排放清单，有利于相关部门有针对性地实施不同级别的大气污染排放监管。排放清单在空间上的高分辨率化有利于更好地摸清本地污染排放情况[6]，在时间上的高分辨率化有利于进行实时监管，从而保证在发生突发性大气污染事件时可迅速进行检测及应对。
随着环保工作的不断深入,机场大气污染物排放清单的建立工作逐渐受到各界的重视[7]。夏卿等[8]对民航机场飞机起飞着陆排放量进行了估算，采用了标准起飞着陆(Landing and Take-off，LTO)循环识别飞机的各种状态；
樊守彬等[9]应用排放和扩散建模系统(Emissions and Dispersion Modeling System，EDMS)建立了机场大气污染物排放清单，明确了机场大气污染物的主要排放源；
徐冉等[10]收集了北京首都国际机场相关数据，建立了首都国际机场飞机排放清单；
周子航等[11]等建立了成都双流国际机场大气污染物排放清单，并分析了污染排放的时空特征。在现有机场大气污染物排放清单研究中，关于污染物排放源的识别工作和排放因子的本地化工作已较为完善，但清单的时间尺度一般为年度、季度或月度级别，且所包含的地面保障设备(GSE)运作状况数据较少。因此，为了更好地分析机场大气污染物的排放特征，实现对机场周边大气环境质量的实时监控，需建立具备更高时间分辨率的排放清单。
本文在前人研究的基础上，以提高时间分辨率为目标，对机场大气污染物主要排放源的排放量计算方法进行了改进。首先，分析了机场大气污染物的排放来源，明确了计算范围。其次，结合我国民航飞机主要机型的发动机型号组成情况，收集整理了更加本地化的污染排放因子。再次，根据飞机飞行全过程大气污染物排放组成情况相关研究，将单次LTO循环排放因子拆分成起飞和降落两部分。最后，通过收集首都国际机场航班数据和统计地勤设备一日活动情况，进行实例计算。通过与相关研究的对比，证明计算方法的可行性，并对计算结果进行误差分析。
1.1 机场大气污染物排放特征
ICAO《机场空气质量手册》所含计算方法[12-16]按照污染物的排放来源，将机场大气污染物排放划分为3部分：飞机发动机排放、机场地勤设备排放和机场固定源排放。机场大气污染物总排放量的计算公式见公式(1)。其中，飞机发动机为最主要的污染物排放源。2012年首都国际机场大气污染物排放中，由飞机发动机产生的CO、挥发性有机物(VOCs)、NOx、二氧化硫(SO2)、可吸入颗粒物(PM10)的排放量占比分别达到了37.9%、76.6%、91.6%、91.0%、47.3%[17]。
Ei=Ei,a+Ei,g+Ei,s
(1)
式中：i为污染物类型；
Ei为机场的i类污染物排放总量，t；
Ei,a、Ei,g、Ei,s分别表示飞机发动机、机场地勤设备、机场固定源的i类污染物排放总量，t。
1.1.1 飞机发动机排放
飞机发动机作为飞机的动力设备，在运行过程中因燃油消耗、局部高温等会产生大量大气污染物。ICAO将飞机单次起降活动的全过程记作一次LTO循环，包括靠近、滑行引导、起飞和爬升4个阶段，如表1所示。ICAO通过对大量数据的统计与分析，给出了飞机在LTO循环各阶段的状态时间(Time in Mod，TIM)的理想数据。
表1 LTO循环及各阶段TIMTable 1 LTO cycle and TIM
通过对国内航空公司的机型组成及发动机型号构成情况进行统计，加权得出国内不同机型的单次LTO循环排放因子，并参考《大气可吸入颗粒物一次源排放清单编制技术指南(试行)》等[18-19]，确定了PM10、细颗粒物(PM2.5)的排放因子，最终整理出我国民航飞机常见机型排放因子，如表2所示。
表2 常见机型单次LTO循环排放因子Table 2 Single LTO cycle emission factors for main aircrafts g/LTO
除飞机主发动机外，部分机型还安装有小型涡轮发动机，可作为动力辅助单元(Auxiliary Power Unit，APU)在需要时为飞机提供动力。但APU排放量较小，使用情况难以统计，并且部分飞机并未安装，所以本文未纳入考虑。
1.1.2 地勤设备排放
机场地勤设备可在飞机停航和维护时为飞机提供各类服务。其种类繁多，大致分为GSE、飞机加油相关设备、飞机除冰相关设备。其中，飞机加油和除冰工作的排放量较小且排放物种类单一，在本文的计算方法中不纳入考虑。
不同国家的GSE排放因子并不统一，国内主要参照《非道路移动源大气污染物排放清单编制技术指南(试行)》[20]。按照能源类型，可将GSE分为汽油型、柴油型和电能型。电能驱动的GSE几乎不产生大气污染物排放，在本文的计算方法中不纳入考虑。
根据相关研究，在美国联邦航空管理局颁布的AirportGroundSupportEquipment:EmissionReductionStrategies,InventoryandTutorial[21]的基础上，对上述GSE的排放因子取均值，并结合我国《非道路移动源大气污染物排放清单编制技术指南(试行)》，整理出汽油型设备和柴油型设备的排放因子，如表3、表4所示。
表3 机场常见汽油型GSE排放因子Table 3 Emission factors for main GSE (gasoline) g/(kW·h)
表4 机场常见柴油型GSE排放因子Table 4 Emission factors for main GSE (diesel oil) g/(kW·h)
1.1.3 固定源排放
为了维持机场的正常运行，机场内建设有许多不可移动的大型设施，其在运行时同样会产生大气污染。这些设施主要包括动力和供热设备(如锅炉、发电机)、焚化炉、机场与飞机维修设施、燃料相关设施(如燃料厂、输油管道和加油站)等。除此之外，消防培训活动和建筑施工活动等也会产生污染物排放。固定设施的排放量计算公式可查看ICAO《机场空气质量手册》。机场内固定设施的大气污染物排放与其他大气污染物排物放场景相似，可通过安装检测设备进行监管，在本文计算方法中不纳入考虑。
1.2 计算方法
本文针对飞机主发动机和GSE设计了半小时尺度的排放量计算方法，涉及的大气污染物包括CO2、HC、NOx、CO、SO2、PM2.5、PM10。
1.2.1 飞机主发动机排放量计算
为实现高时间分辨率的排放量计算，需要将LTO循环拆分成出发和到达两种状态，拆分后的LTO循环如图1所示。
图1 LTO循环拆分示意图Fig.1 Divided LTO cycle
航班飞行的全过程分为起飞阶段、空中飞行阶段和着陆阶段。其中，起飞阶段包括了滑出、地面起飞和初始爬升(离地爬升至1 000 m高度)3个过程，空中飞行阶段包括了高空爬升(自离地1 000 m高度爬升至巡航高度)、巡航和下降过程(自巡航结束点下降至离地1 000 m高度)，着陆阶段包括了接近(自离地1 000 m高度下降至主轮接地)、地面着陆和滑入过程。相关研究[22-23]通过对航班飞行全过程的大气污染物排放特征进行分析，得到了各阶段的污染物排放量占比，如图2所示。
图2 不同飞行阶段的各污染物排放量占比Fig.2 The emission proportion in each phase
基于图2中的研究结果，整理起飞和着陆阶段的各类污染物排放量比例，将不同污染物单次LTO循环的排放因子进行拆分，分别得到出发航班和到达航班的大气污染物排放因子，如表5、表6所示。在此基础上，通过统计进出港航班的机型、数量及时间，可计算得出该时间尺度内的飞机发动机污染物排放量，计算公式如下：
(2)
式中：Ei,e表示飞机发动机总排放量，g；
Nj,d和Nj,a分别表示出港和进港的j型飞机的数量；
Eij,d和Eij,a分别表示j型飞机在出发和到达状态的i类污染物的排放因子，g/架次。
表5 常见机型出发阶段排放因子Table 5 Emission factors for departure flight g/架次
表6 常见机型到达阶段排放因子Table 6 Emission factors for arrival flight g/架次
1.2.2 GSE排放量计算
在初始排放因子的基础上，进一步考虑了GSE的发动机功率和负载率。若能获取每台机场地勤设备的工作马力变化数据及实时负载率，则可直接纳入计算。考虑到大数据技术的发展，在新型号的地勤设备中，获取这些实时信息和数据是有望实现的。但目前要想进行高时间分辨率的相关计算，只能基于大量已有数据的平均值。通过统计相关文献数据，确定了我国机场常见GSE的平均发动机功率和平均负载率，如表7所示。在此基础上，通过统计该时间尺度内机场GSE的活动情况，即可计算污染物排放量。GSE的污染物排放量计算公式见公式(3)。
(3)
式中:Ei,g为由GSE排放的i类污染物的总量，g；
BHPj为j类设备的平均发动机马力,kW；
LFj为j类设备的平均负载率，%；
Eij为j设备的i类污染物排放因子，g/(kW·h)；
tj为j类设备的工作时间，h。
表7 常见GSE的发动机功率和平均负载率Table 7 Engine power and average load ratio for common GSE equipment
2.1 实例计算
通过北京首都国际机场工作人员的大力配合，采用Python语言对机场官方网站的公开信息进行统计后，本文收集整理了首都国际机场某日24 h的真实数据，包括全天出发航班的机型与出发时间、全天到达航班的机型与到达时间、常见GSE组成情况、全天GSE活动状况。
首都国际机场当日进出港航班总数为996架次，共涉及518架飞机，机型组成情况如下：空客公司各类机型共计198架，占比38.2%，其中主要机型为A320、A321、A330，分别为50、72、56架；
波音公司各类机型共计241架，占比46.5%，其中又以B737-800型为主，为181架，占当日飞机总数的34.9%。根据表2可知，A330机型各类大气污染物的单次LTO循环排放因子都处于较高水平，因此，从污染物排放角度，各航空公司应优化机型组成，逐渐减少该机型的占比，以减少大气污染物排放。当日及后续几日进出港航班数量的时间分布如图3所示。由图3可知，进出港航班数量的时间分布趋势大致相同，均在02：00—06：00处于较低水平，在14：00左右达到峰值。
注：图中标注的数值为日期1的架次数。图3 进出港航班数量的时间分布Fig.3 Distribution of the number of inbound and outbound flights over time
首都国际机场现有地面作业车辆共计3 630辆，其中，通用车1 325辆，民航特种车1 100辆，专项特种车1 205辆。机场内常见GSE的能源类型及数量组成情况如表8所示。可以看到，目前电动设备占常见设备总数量的比例仅为14.2%，未来可进一步增加电动设备的比例，以减少大气污染物排放。全天24 h处于活动(非待命)状态的GSE的数量统计情况如图4所示。其中，组类1包括摆渡车与客梯车，组类2包括清水车、加油车、食品车、行李车、空调车和充电车，组类3包括污水车和垃圾车，组类4为牵引车。对比进出港航班数量可知：组类1与组类2的活动水平与进出港航班数量的变化趋势较为相近；
组类3则有一定的滞后性；
组类4则一直处于较低水平，与进出港航班数量无明显直接联系。在后续计算中，默认处于活动状态的GSE在该时间段内一直处于运行状态。
表8 首都国际机场常见GSE组成Table 8 Composition of common GSE in Beijing Capital International Airport辆
图4 GSE的24 h活动水平Fig.4 GSE activity level in 24-hour
经计算，建立了首都国际机场某日高时间分辨率大气污染物排放清单，如表9所示，其中包含了飞机发动机排放与GSE排放。当日除颗粒物以外的其余5类大气污染物的排放量变化趋势如图5所示。以NOx和PM2.5为例进行分析，NOx的排放峰值出现在08：00左右，为488 642.6 g，平均每半小时的排放量为178 802.71 g，00：00—08：00、08：00—16：00、16：00—24：00的排放量分别占日排放总量的20.9%、45.2%、33.9%；
PM2.5的排放峰值出现在08：00，为3 644.34 g，00：00—08：00、08：00—16：00、16：00—24：00的排放量分别占日排放总量的20.4%、43.9%、35.7%。
表9 首都国际机场大气污染物高时间分辨率排放清单
图5 首都国际机场大气污染物排放量时间分布Fig.5 Temporal distribution of air pollutants emissionin Beijing Capital International Airport
对比相关文献研究结果[11]，其日排放的分布趋势与本文计算结果相似，不同污染物的排放量占比也相近，间接验证了该计算方法的可靠性。
2.2 不确定性分析
该计算案例中，结果的不确定性来源于活动水平和排放因子。其中，活动水平方面的不确定性可通过收集更为准确与实时的数据来解决，排放因子方面的不确定性则需要通过进一步的研究工作进行优化。
2.2.1 活动水平
本案例收集的机场航班机型与进出港时间数据来自北京首都国际机场官方网站上的航班计划，总体可靠性较强，但在高时间分辨率排放量计算上存在明显的不足。主要原因是航班的真实起降情况更为复杂，存在延误、取消等状况，会造成污染排放在时间分配上的差异。此外，地勤设备的活动水平难以实现准确统计。本案例从首都国际机场获取的GSE活动状态数据增加了计算结果的准确性，但相关数据在高时间分辨率排放量计算上的适用性有待进一步提升。理想情况下，未来通过大数据技术可实现对飞机发动机与GSE活动情况的实时检测和统计，从而实现实时排放量计算。
2.2.2 排放因子
本案例采用的排放因子经过了本地化处理，对国内机场的适用性较强。分析排放因子的确定过程，误差主要来自于LTO循环中的TIM值。其中，靠近和滑行引导两部分的准确率分别只有30%和7%，误差最大。将同种机型采用相同排放因子的思路应用到高时间分辨率排放量计算中，会产生一定的误差。理想情况下，应该精确到具体的发动机型号。为了拆分现有的排放因子，需要对飞机飞行全过程的排放特征进行大量的数据分析。而本文采用的拆分依据具有一定的局限性，代表性不强，实际情况更为复杂，这进一步增加了清单的不确定性。
本文以提高机场大气污染物排放清单的时间分辨率为目标，在前人研究的基础上，收集整理了飞机发动机与GSE的排放因子，并对计算方法进行了调整，实现了对半小时时间分辨率大气污染物排放清单的计算。同时，收集了首都国际机场某日24 h的真实数据，建立了首都国际机场高时间分辨率大气污染物排放清单。相关结论如下：
1)首都国际机场当日进出港航班总数为996架次，其中起飞503架次，降落493架次。机场全天大多数时间处于较为繁忙的工作状态，只有02：00—06：00处于低运营水平。
2)当日的CO2、HC、NOx、CO、SO2、PM2.5、PM10总排放量分别为4 503 823.08、350 084.94、8 582 530.23、4 665 950.08、456 216.91、88 846.00、91 380.19 g。各类污染物排放量的时间分布和机场航班进出港数量的时间分布一致，且与以往有关研究中的排放量分布相似，间接验证了本方法计算结果的可靠性。
3)本文设计的计算方法可行，但不确定性因素较多。为满足高时间分辨率的排放量计算，未来的研究应着力提升设备活动水平相关数据的准确性，完善排放因子的拆分依据。
4)结合统计分析结果，为减少机场大气污染物排放，建议进一步优化机型组成，降低污染排放因子较高的机型的比例；
普及APU，用于低功率运行，减少飞机燃油消耗；
提升地面设备电气化水平，减少地勤设备排放。
致谢：本文航班起降架次、时间，GSE设备运作时间等数据的获取，得到了北京首都国际机场工作人员的帮助与支持，特此感谢！
猜你喜欢 机型排放量航班 饲粮蛋白质水平对妊娠期云南半细毛羊氮平衡和养分排放的影响动物营养学报(2022年3期)2022-03-30山航红色定制航班金桥(2021年10期)2021-11-05山航红色定制航班金桥(2021年9期)2021-11-02山航红色定制航班金桥(2021年8期)2021-08-23天然气输配系统甲烷排放量化方法煤气与热力(2021年6期)2021-07-28山航红色定制航班金桥(2021年7期)2021-07-22国内主流机型客舱声品质表现分析民用飞机设计与研究(2020年4期)2021-01-21不可小觑的4K机型，着重亮丽的色彩还原 光峰A300家庭影院技术(2019年11期)2019-12-09渐趋成熟的旗舰机型 艾洛维V10家庭影院技术(2019年1期)2019-01-2150%，全球最富有的10%人口碳排放量占全球一半中国国情国力(2016年1期)2016-11-26