基于AIS數(shù)據(jù)的中國(guó)沿海集裝箱港口碳排放

陳偉杰,宋炳良,張婕姝

基于AIS數(shù)據(jù)的中國(guó)沿海集裝箱港口碳排放

陳偉杰1,宋炳良1,張婕姝2*

(1.上海海事大學(xué)經(jīng)濟(jì)管理學(xué)院,上海 201306；2.上海海事大學(xué),上海國(guó)際航運(yùn)研究中心,上海 201306)

為了精確有效地測(cè)量船舶在港碳排放,提出了一種基于海量船舶AIS(Automatic identification System)航行軌跡數(shù)據(jù)的港口碳排放計(jì)算框架,并結(jié)合上市港務(wù)公司經(jīng)營(yíng)數(shù)據(jù),估算港口碳排放承擔(dān)能力.以中國(guó)11個(gè)沿海主要集裝箱港口為例,采用2018年全球4280艘集裝箱船的AIS軌跡全年數(shù)據(jù)計(jì)算碳排放社會(huì)成本.結(jié)果顯示:中國(guó)沿海集裝箱港口碳排放量與船舶抵港艘次整體呈正相關(guān),上海港是全球第一大集裝箱港口,2018年其港口CO2排放量最高,為69.3萬(wàn)t;船舶靠港作業(yè)時(shí),在泊和錨泊狀態(tài)CO2的排放比例較高,占碳排放比例的65.8%;從CO2排放社會(huì)成本來看,上海港域內(nèi)的船舶碳排放社會(huì)成本最高,2018年需要支付2459.6萬(wàn)元,從承擔(dān)碳排放社會(huì)成本的能力來看,連云港壓力較大,每?jī)|營(yíng)業(yè)收入需要承擔(dān)碳排放社會(huì)成本24.46萬(wàn)元.

水路運(yùn)輸；數(shù)據(jù)挖掘；AIS船舶數(shù)據(jù)；港口CO2排放量；碳排放社會(huì)成本

海運(yùn)在國(guó)際進(jìn)出口商品運(yùn)輸中占有重要地位.據(jù)聯(lián)合國(guó)貿(mào)發(fā)會(huì)統(tǒng)計(jì)數(shù)據(jù)顯示,超過80%的全球貨物貿(mào)易量(或70%的全球貨物貿(mào)易額)都是通過海上運(yùn)輸完成[1].隨著全球經(jīng)濟(jì)和貿(mào)易活動(dòng)的快速發(fā)展,海運(yùn)活動(dòng)產(chǎn)生的溫室氣體排放量不斷增加[2-3].CO2是全球氣候升溫的罪魁禍?zhǔn)?2015年其在溫室氣體中的占比達(dá)到76%[4].國(guó)際海事組織(IMO)于2018年4月通過了全球首份航運(yùn)業(yè)溫室氣體減排戰(zhàn)略,以2008年碳排放為基準(zhǔn),提出到2030年將航運(yùn)業(yè)碳排放強(qiáng)度降低40%;2050年碳排放強(qiáng)度降低70%(碳排放總量降低50%)的明確目標(biāo)[5].同時(shí),為了推進(jìn)船舶碳減排, IMO出臺(tái)了一系列舉措.自2013年以來,新船必須符合IMO的能效設(shè)計(jì)指數(shù)(EEDI)的要求, IMO還在同年實(shí)施了船舶能效管理計(jì)劃(SEEMP).但是,由于船舶的分散性和機(jī)動(dòng)性,監(jiān)管部門難以準(zhǔn)確收集每艘船的尾氣排放數(shù)據(jù),對(duì)船舶尾氣排放的監(jiān)測(cè)和監(jiān)管面臨挑戰(zhàn).

隨著AIS數(shù)據(jù)在全球船舶的應(yīng)用推廣,船舶的AIS軌跡數(shù)據(jù)快速增長(zhǎng),基于AIS大數(shù)據(jù)的港航運(yùn)營(yíng)管理研究越來越多,通過對(duì)船舶AIS數(shù)據(jù)在港航領(lǐng)域的應(yīng)用研究文獻(xiàn)的梳理,可以發(fā)現(xiàn)目前圍繞AIS數(shù)據(jù)的主要聚焦于船舶和港口兩個(gè)方面:在船舶方面,涉及船舶避碰[6-7]、航線優(yōu)化[8-9]、軌跡預(yù)測(cè)[10]、船舶交通流分析[11]等;在港口方面,主要聚焦于港口生態(tài)效率[12-13]、港口污染排放[14-15]、港口擁堵[16]等.AIS數(shù)據(jù)能夠提供船舶的軌跡坐標(biāo)、速度、時(shí)間等關(guān)鍵信息,為研究者測(cè)算船舶CO2排放量提供了新的可能性[12-18].根據(jù)IMO第三次(2014年)和第四次(2020年)船舶溫室氣體研究報(bào)告統(tǒng)計(jì)數(shù)據(jù)顯示,集裝箱船舶CO2排放量在所有類型船舶排放占比最高,是污染最為嚴(yán)重的船舶類型.而中國(guó)港口集裝箱吞吐量位居全球第一,2020年中國(guó)沿海港口集裝箱吞吐量約占全球港口集裝箱吞吐量的32.1%[19],每年有大量的集裝箱船舶靠港.由此,中國(guó)集裝箱港口每年CO2排放量非?？捎^.目前,支持航運(yùn)碳減排方案和政策制定的船舶排放數(shù)據(jù)相對(duì)匱乏[20],且針對(duì)港口的碳排放水平缺乏衡量方法和指標(biāo).由此,本文基于AIS船舶數(shù)據(jù),建立港口碳排放計(jì)算框架,測(cè)算中國(guó)沿海集裝箱港口碳排放成本,為政府環(huán)保監(jiān)管和企業(yè)綠色經(jīng)營(yíng)提供對(duì)策建議,為中國(guó)港航領(lǐng)域2060年實(shí)現(xiàn)碳中和目標(biāo)提供參考.

1 研究方法和數(shù)據(jù)來源

1.1 技術(shù)路線

圖1 本研究技術(shù)路線

本研究的主要技術(shù)路線如圖1所示,首先對(duì)船舶AIS動(dòng)態(tài)航線軌跡數(shù)據(jù)進(jìn)行預(yù)處理,計(jì)算船舶碳排放量所需要的速度和時(shí)間;然后將AIS動(dòng)態(tài)軌跡數(shù)據(jù)和船舶靜態(tài)數(shù)據(jù)匹配,獲取計(jì)算船舶碳排放量所需要的功率、最大速度、發(fā)動(dòng)機(jī)類型等信息;其次根據(jù)速度和發(fā)動(dòng)機(jī)負(fù)載情況對(duì)港內(nèi)船舶狀態(tài)判別;接著采用STEAM模型測(cè)算船舶CO2排放量,估算出港內(nèi)船舶CO2排放社會(huì)成本,最后分析港口社會(huì)成本差異原因.

1.2 數(shù)據(jù)來源與預(yù)處理

1.2.1 數(shù)據(jù)來源 本文數(shù)據(jù)來源主要包括兩大類:①港口數(shù)據(jù);②船舶數(shù)據(jù).其中,港口數(shù)據(jù)主要有港口地理信息數(shù)據(jù)和港口生產(chǎn)數(shù)據(jù),此類數(shù)據(jù)獲取通常由港口官方網(wǎng)站獲得;船舶數(shù)據(jù)主要由船舶AIS動(dòng)態(tài)信息數(shù)據(jù)和船舶檔案(靜態(tài)數(shù)據(jù))構(gòu)成.靜態(tài)數(shù)據(jù)源于IHS Markit官網(wǎng)和勞氏船舶檔案;AIS動(dòng)態(tài)數(shù)據(jù)可獲取的途徑包括國(guó)家/地方海事部門提供的官方數(shù)據(jù)、航運(yùn)信息服務(wù)企業(yè)提供的商業(yè)數(shù)據(jù),以及通過自建基站獲取數(shù)據(jù)等.本文使用的AIS數(shù)據(jù)是基于上海國(guó)際航運(yùn)研究中心港航大數(shù)據(jù)實(shí)驗(yàn)室經(jīng)過合并多家數(shù)據(jù)源、剔除無效數(shù)據(jù)并校驗(yàn)后的數(shù)據(jù),提取2018年全年約86G集裝箱船舶航行軌跡數(shù)據(jù),進(jìn)行實(shí)例研究.

1.2.2 數(shù)據(jù)說明 本文研究的數(shù)據(jù)主要包括船舶AIS動(dòng)態(tài)軌跡數(shù)據(jù)、船舶檔案數(shù)據(jù)、港口生產(chǎn)數(shù)據(jù)以及港口地理信息數(shù)據(jù).其中船舶AIS動(dòng)態(tài)軌跡數(shù)據(jù)主要指包含經(jīng)緯度、時(shí)間、速度等動(dòng)態(tài)時(shí)空信息數(shù)據(jù);船舶檔案主要包含MMSI編號(hào)、船型、船舶載重噸、船寬、發(fā)動(dòng)機(jī)功率、最大設(shè)計(jì)速度等船舶信息;港口生產(chǎn)數(shù)據(jù)主要包括港口吞吐量、港口營(yíng)收數(shù)據(jù)等;港口地理信息數(shù)據(jù)主要包括港界坐標(biāo)、泊位坐標(biāo)、航道范圍等地理信息(表1).

1.2.3 數(shù)據(jù)預(yù)處理 原始AIS信息解碼后,所得信息數(shù)據(jù)是離散的,通過數(shù)據(jù)預(yù)處理可剔除異常、錯(cuò)誤AIS數(shù)據(jù).本文主要通過3個(gè)步驟對(duì)AIS數(shù)據(jù)進(jìn)行預(yù)處理:①對(duì)AIS進(jìn)行數(shù)據(jù)清洗,數(shù)據(jù)清洗主要是剔除明顯錯(cuò)誤、重復(fù)的數(shù)據(jù);②剔除異常數(shù)據(jù),主要剔除嚴(yán)重偏離軌跡的AIS數(shù)據(jù)點(diǎn),采用集裝箱船的速度約束條件進(jìn)行剔除,若某段集裝箱船速度大于閾值,則剔除該點(diǎn),使得求出船舶速度整體平滑(式1);③將船舶AIS動(dòng)態(tài)信息數(shù)據(jù)與船舶靜態(tài)信息數(shù)據(jù)(船舶檔案)進(jìn)行匹配.

表1 數(shù)據(jù)說明

1.3 船舶行駛狀態(tài)判別

表2 船舶航行狀態(tài)分類

根據(jù)IMO第四次溫室氣體(GHG)研究報(bào)告,將船舶的運(yùn)行分為5個(gè)階段:在泊(berth)、錨泊(anchored)、機(jī)動(dòng)(manoeuvring)、低速巡航(slow- steaming)、巡航(normal cruising),并根據(jù)船舶與陸地或港口的距離以及船舶的行駛速度來判斷船舶狀態(tài).還有學(xué)者對(duì)判別狀態(tài)的約束條件進(jìn)行了簡(jiǎn)化[21-22],依據(jù)船舶發(fā)動(dòng)機(jī)負(fù)載系數(shù)和船舶行駛速度作為參照條件.本文主要測(cè)算港域范圍內(nèi)的船舶排放清單,故船舶與陸地的距離在較小范圍內(nèi),不考慮船舶到陸地距離對(duì)船舶狀態(tài)的影響因素,僅考慮負(fù)載系數(shù)和速度對(duì)船舶狀態(tài)的影響(表2).

1.4 船舶碳排放估算方法

1.4.1 船舶碳排放模型建立 船舶消耗燃料產(chǎn)生碳排放的主要部件包括主機(jī)、輔機(jī)以及鍋爐,由此建立碳排放估算模型.

式中:為CO2排放量,g;m為主機(jī)CO2排放量;E為輔機(jī)CO2排放量;E為鍋爐CO2排放量.

目前,業(yè)界通常采用兩種排放計(jì)算思路來測(cè)算港口和船舶CO2排放量,即為“自上而下”和“自下而上”的方法.“自上而下”的方法是使用燃油消耗量和CO2排放因子來估算CO2排放量.不少研究[20,23-24]直接搜集船舶燃油消耗量數(shù)據(jù)估算不同國(guó)家和區(qū)域的船舶排放清單(式3).“自下而上”的方法[13-21]是利用船速、航行時(shí)間、地理位置信息等實(shí)時(shí)航行AIS軌跡數(shù)據(jù),結(jié)合船舶檔案數(shù)據(jù)以及地理信息數(shù)據(jù)對(duì)船舶能耗進(jìn)行估算.

式中:為CO2排放量,g;為燃油消耗量,kg;EF為排放系數(shù),單位為g/kg.

有多種“自下而上”的方法估算船舶碳排放量.Trozzi等[25]建立MEET框架,使用15000個(gè)船舶數(shù)據(jù),對(duì)船舶載重噸和能源單位時(shí)間消耗量進(jìn)行擬合,得到兩者之間的線性關(guān)系,從而估算船舶能耗量;Georgakaki等[26]采用一種更為直接的TRENDS框架進(jìn)行估算,應(yīng)用船舶數(shù)據(jù)庫(kù)得到了船舶載重噸和能源單位公里消耗量的關(guān)系;Jalkanen等[27]和Shi等[12]建立STEAM (船舶運(yùn)輸排放評(píng)估模型)評(píng)估模型,基于AIS船舶軌跡數(shù)據(jù)以及船舶檔案數(shù)據(jù)估算船舶能耗量,采用能耗值與各類污染物的排放因子估算船舶排放清單;Topic等[18]建立 SEA(船舶排放評(píng)估模型)評(píng)估模型估算船舶航次排放清單,其計(jì)算方法與STEAM評(píng)估模型相似,但SEA評(píng)估模型主要以航次為單位計(jì)算航次平均速度以及耗費(fèi)時(shí)間來估算船舶的某個(gè)航次的碳排放.對(duì)比這些方法,Jalkanen等[27]建立的STEAM模型被論證為最可靠的模型,其估算結(jié)果更為精準(zhǔn),因此本文采用STEAM評(píng)估模型用來評(píng)估港口船舶主機(jī)的CO2排放量.

式中:為船舶區(qū)域內(nèi)單艘船舶的CO2排放量總量,t;為船舶發(fā)動(dòng)機(jī)的額定功率,kW;LF為負(fù)載因子,%,由船舶速度和船舶發(fā)動(dòng)機(jī)類型決定;為船舶航行時(shí)間,h;EF為CO2的排放因子,g/kW×h;為船舶發(fā)動(dòng)機(jī)類型,船舶的發(fā)動(dòng)機(jī)主要分為主機(jī)、輔機(jī)和鍋爐;P表示不同發(fā)動(dòng)機(jī)對(duì)應(yīng)的功率;為船舶發(fā)動(dòng)機(jī)燃料類型,包括重油(RO)、船用柴油(MDO)、船用輕柴油(MGO),發(fā)動(dòng)機(jī)類型和燃料類型決定碳排放因子(表5);為船舶行駛速度,節(jié),T表示船舶以速度行駛的時(shí)間.

1.4.2 載重系數(shù) 船舶發(fā)動(dòng)機(jī)負(fù)荷系數(shù)LF是計(jì)算船舶排放的重要參數(shù),通常船舶發(fā)動(dòng)機(jī)負(fù)荷系數(shù)LF是由最大航速和實(shí)際航行速度確定(式(5)).

主機(jī)的負(fù)載系數(shù)與船舶行駛速度相關(guān),而輔機(jī)和鍋爐的負(fù)載系數(shù)與速度并不相關(guān),曾凡濤等[14]和Browning等[28]給出輔機(jī)負(fù)載系數(shù)(表3).

表3 船舶不同行駛狀態(tài)下輔機(jī)負(fù)載系數(shù)

1.4.3 輔機(jī)與鍋爐碳排放估算 輔機(jī)與鍋爐能源消耗主要與船舶類型、船舶尺寸、船舶行駛狀態(tài)有關(guān).IMO第四次溫室氣體(GHG)研究報(bào)告[19]對(duì)不同船型、不同船舶尺寸以及不同行駛狀態(tài)下的輔機(jī)和鍋爐功率進(jìn)行規(guī)定,本文將直接引用.規(guī)定如下:

(1)當(dāng)主機(jī)功率m?[0,150kW]機(jī)和鍋爐功率為零;

(2)當(dāng)主機(jī)功率m?[150kW,500kW]時(shí),輔機(jī)功率是主機(jī)功率的5%,鍋爐功率參照表4;

(3)當(dāng)主機(jī)功率m?(500kW,+￥]時(shí),輔機(jī)功率和鍋爐功率參照表4.

表4 輔機(jī)和鍋爐功率參照

注:巡航包含低速巡航.

1.4.4 船舶CO2排放因子選定 排放因子由船舶機(jī)器類型、轉(zhuǎn)速、燃料類型等因素決定.其中,船舶類型包括主機(jī)、輔機(jī)和鍋爐;船舶轉(zhuǎn)速包括低速、中速和高速發(fā)動(dòng)機(jī).關(guān)于船舶發(fā)動(dòng)機(jī)類型,IHS船舶檔案和克拉克森官方網(wǎng)站均有集裝箱船舶主機(jī)數(shù)據(jù)信息.發(fā)動(dòng)機(jī)曲軸最高轉(zhuǎn)速小于350r/min的低速柴油機(jī)主要用于大型船舶主機(jī);發(fā)動(dòng)機(jī)曲軸最高轉(zhuǎn)速介于350～1000r/min的中速柴油機(jī)通常用于大型船舶主機(jī)或輔機(jī);發(fā)動(dòng)機(jī)曲軸最高轉(zhuǎn)速超過1000r/min的通常用于小型船主機(jī)或大型船輔機(jī)[13].船舶燃料類型主要包括重油(RO)、船用柴油(MD)和船用輕柴油(MG).由于缺乏船舶使用燃油數(shù)據(jù),結(jié)合調(diào)查結(jié)果,本文設(shè)定船舶主機(jī)使用重油(RO),船舶輔機(jī)使用船用柴油(MD)、船舶鍋爐使用船用柴油(MD)或船用輕柴油(MG).通過參考相關(guān)文獻(xiàn),針對(duì)主機(jī)、輔機(jī)、鍋爐不同機(jī)器類型及燃料類型,選取船舶排放因子如表5所示.

表5 不同發(fā)動(dòng)機(jī)類型的CO2排放因子[g/(kW×h)]

1.5 港口碳排放社會(huì)成本

Nunes等[29]和Papaefthimiou等[30]建立了港口生態(tài)效率評(píng)價(jià)指標(biāo),考慮了港口排放對(duì)經(jīng)濟(jì)、環(huán)境和社會(huì)的影響,進(jìn)行了綜合評(píng)價(jià).曾凡濤等[14]也定義了港口的生態(tài)效率,考慮了環(huán)境和社會(huì)兩類指標(biāo),并使用港口單位收入的社會(huì)成本作為核心的環(huán)境指標(biāo).基于以上研究,本文將測(cè)算各個(gè)港口碳排放社會(huì)成本,并評(píng)估各大港口承擔(dān)碳排放的能力(式(6)),客觀反映港口經(jīng)濟(jì)—資源—環(huán)境復(fù)合系統(tǒng)的協(xié)調(diào)發(fā)展情況.

式中:port為港口承擔(dān)碳排放的能力,即每營(yíng)業(yè)收入億元所需承擔(dān)的碳排放社會(huì)成本,萬(wàn)元/億元;ECport是港內(nèi)船舶CO2排放的社會(huì)成本,元;port為港口的營(yíng)業(yè)收入,億元;port是港內(nèi)船舶CO2的排放量,t; ECF是每種CO2排放的社會(huì)成本系數(shù),元/t.

CO2排放的社會(huì)成本是CO2排放量造成的損害以貨幣價(jià)值來表示.Maragkogianni等[31]采用CAFE(歐洲清潔空氣)和NEEDS(新能源外向性的可持續(xù)發(fā)展)兩種方法估算希臘5大港口的污染物排放社會(huì)成本,邱達(dá)春等[32]定義了碳排放的SCC(社會(huì)成本),以及闡述了SCC的經(jīng)濟(jì)學(xué)原理.2013年美國(guó)白宮部門聯(lián)席工作組發(fā)布《技術(shù)上調(diào)碳排放社會(huì)成本用以政策影響分析》的報(bào)告,給出了2015～2050年碳排放社會(huì)成本.趙巧芝等[33]測(cè)算了中國(guó)30省份2000～2015年CO2邊際減排成本,反應(yīng)了中國(guó)各個(gè)省份CO2邊際減排成本存在差異性.根據(jù)以上學(xué)者對(duì)CO2排放的社會(huì)成本研究,本文采用我國(guó)碳配合交易市場(chǎng)中碳配額的價(jià)格代表社會(huì)成本系數(shù)(表8).

2 實(shí)證分析

2.1 研究港口和數(shù)據(jù)

本文選取中國(guó)上海、寧波、天津等11大沿海港口4類信息數(shù)據(jù),即:①港務(wù)集團(tuán)生產(chǎn)經(jīng)營(yíng)數(shù)據(jù),主要包括港口集裝箱吞吐量、上市港口經(jīng)營(yíng)公司營(yíng)業(yè)收入;②集裝箱軌跡數(shù)據(jù):包含2018年1～12月4280艘船舶的AIS動(dòng)態(tài)軌跡數(shù)據(jù);③船舶檔案數(shù)據(jù):由IHS提供的全球主要船舶檔案,包括船舶MMSI編號(hào)、IMO編號(hào)、尺寸、噸位、船型、船舶功率等屬性信息;④港口地理信息數(shù)據(jù):航海圖標(biāo)定基本港口信息(包括港界、錨地、航道和VTS報(bào)告線等),本文主要根據(jù)航海圖、《船舶交通服務(wù)指南》[34]以及各大港口官方網(wǎng)站公布的港口地理信息為依據(jù)對(duì)標(biāo)定各港口港界范圍.

表6 2018年中國(guó)沿海集裝箱港口吞吐量和營(yíng)收數(shù)據(jù)

注:數(shù)據(jù)來源:中國(guó)交通運(yùn)輸部和各大港口年報(bào).

2.2 港口碳排放數(shù)據(jù)測(cè)算核心步驟

本文進(jìn)行港域碳排放主要分為8個(gè)步驟(圖2):①篩選港域內(nèi)船舶AIS軌跡點(diǎn);②將每艘船舶軌跡點(diǎn)按照時(shí)間序列排序,求出船舶軌跡段(相鄰兩點(diǎn)之間)的時(shí)間間隔、球面距離以及速度;③將AIS動(dòng)態(tài)數(shù)據(jù)與船舶檔案匹配,獲取船舶尺寸、發(fā)動(dòng)機(jī)類型、船舶主機(jī)功率、最大速度等信息;④計(jì)算船舶負(fù)載系數(shù),基于速度和負(fù)載系數(shù)判斷船舶航行狀態(tài);⑤根據(jù)船舶尺寸和船舶航行狀態(tài)判斷船舶輔機(jī)和鍋爐功率;⑥計(jì)算每個(gè)船舶軌跡段的燃料消耗;⑦根據(jù)CO2排放因子計(jì)算每個(gè)船舶軌跡段的CO2排放量;⑧匯總所有船舶軌跡段CO2排放量.本文以上海港為例具體展示(表7).

圖2 CO2排放量計(jì)算流程

2.3 港口碳排放量計(jì)算

本文統(tǒng)計(jì)了11個(gè)港口碳排放量月度數(shù)據(jù)(圖3),采用python 3.0進(jìn)行運(yùn)算求解.從圖中可以看出,中國(guó)沿海11個(gè)港口2月和8月的碳排放量最低,此前的研究結(jié)果表明,全球船舶排放量不會(huì)隨季節(jié)發(fā)生顯著變化,Weng等[13]研究2014年長(zhǎng)江口水域碳排放2月和7月的污染物排放量最少.由此,可能的原因是2月份屬于中國(guó)春節(jié)前后,靠港船只相應(yīng)減少,而7、8月份處于中國(guó)沿海地區(qū)臺(tái)風(fēng)高發(fā)期,影響港口生產(chǎn).

從CO2排放比例來看,2018年中國(guó)沿海11個(gè)港口CO2碳排放主機(jī)、輔機(jī)、鍋爐占比分別為42.3%,24.9%,32.8%,在泊、錨泊、機(jī)動(dòng)、低速巡航、巡航占比分別為45.2%、20.6%、7.9%、10.6%、15.7%,與國(guó)內(nèi)外文獻(xiàn)進(jìn)行比較分析,與Weng等[13]的對(duì)比顯示出主機(jī)的CO2排放量偏低主要因?yàn)楸O(jiān)測(cè)區(qū)域不同,Weng等[13]主要監(jiān)測(cè)長(zhǎng)江口水域,絕大多數(shù)船舶在航道上正常運(yùn)行,而本文研究的是港域內(nèi)的船舶,在港時(shí)大部分時(shí)間是用來裝卸作業(yè),船舶處于在泊狀態(tài)或者錨泊狀態(tài),而主機(jī)的負(fù)載系數(shù)取決于速度,低速下的主機(jī)CO2排放量較小,由此測(cè)算的CO2的主機(jī)排放量偏低,這點(diǎn)與曾凡濤等[14]觀點(diǎn)一致.輔機(jī)和鍋爐是船舶拋錨時(shí)的主要排放源,這與Chen等[15]和Yau等[35]的研究結(jié)論一致.輔機(jī)通常用于供電,當(dāng)船舶處于低速狀態(tài)時(shí)會(huì)產(chǎn)生更多的排放.

圖3 2018年中國(guó)沿海集裝箱港口碳排放量逐月數(shù)據(jù)

表7 上海港CO2排放量測(cè)算實(shí)例

注:表中經(jīng)緯度數(shù)值為方便計(jì)算所用,實(shí)際經(jīng)緯度為表中數(shù)值′10-6;表中“速度”為AIS數(shù)據(jù)獲得,表中“計(jì)算速度”根據(jù)相鄰兩點(diǎn)的時(shí)間和距離計(jì)算得出.

2.4 港口碳排放社會(huì)成本計(jì)算

中國(guó)從2013年在7個(gè)城市的重點(diǎn)行業(yè)開展碳交易試點(diǎn),2021年上海市出臺(tái)《上海市2020年碳排放配額分配方案》,對(duì)名單納入配額管理的單位按照《上海市碳排放管理試行辦法》的有關(guān)規(guī)定開展碳交易,交易標(biāo)的為碳排放配額.由于部分港口城市尚不屬于碳交易試點(diǎn)城市,故將中國(guó)11個(gè)港口分配到周邊交易市場(chǎng)進(jìn)行碳配額交易(表8).

根據(jù)估算模型和相關(guān)數(shù)據(jù),計(jì)算得到2018年中國(guó)沿海11個(gè)港船舶CO2排放量如表9所示.2018年中國(guó)沿海集裝箱港口共排放CO2量214萬(wàn)t,其中上海港集裝箱船CO2排放量為69.3萬(wàn)t,占比32%.從單位箱量CO2排放量來看,唐山港和日照港排名靠前,每完成一萬(wàn)標(biāo)準(zhǔn)箱分別排放CO2量327.5t和264.0t.船舶靠港作業(yè)時(shí),在泊和錨泊狀態(tài)CO2的排放比例較高,占碳排放比例的65.8%,且主要是由輔機(jī)和鍋爐產(chǎn)生.根據(jù)交通運(yùn)輸部數(shù)據(jù)顯示,截至2018年6月,全國(guó)主要港口以及排放控制區(qū)內(nèi)港口岸電設(shè)施覆蓋率達(dá)40%,但具有受電設(shè)施的船舶較少,航運(yùn)企業(yè)已完成船舶受電設(shè)施改造占在運(yùn)船只數(shù)量的比例不足1%,導(dǎo)致船舶岸電使用率極低.而輔機(jī)的主要作用是為船舶發(fā)電,由此港口管理方要加大岸電基礎(chǔ)設(shè)施投入和推廣,采取措施提升船舶靠港岸電使用率,以降低港域內(nèi)CO2污染.

表8 2018年中國(guó)主要碳交易市場(chǎng)碳配額價(jià)格

注:數(shù)據(jù)來源:碳排放交易網(wǎng).

從CO2排放社會(huì)成本來看,2018年中國(guó)沿海11個(gè)主要集裝箱港口CO2排放共為港航企業(yè)帶來6359.6萬(wàn)元的社會(huì)成本.上海港域內(nèi)的船舶碳排放社會(huì)成本最高,2018年需要支付2459.6萬(wàn)元.從承擔(dān)碳排放社會(huì)成本的能力來看,連云港壓力較大,每?jī)|營(yíng)業(yè)收入需要承擔(dān)碳排放社會(huì)成本24.46萬(wàn)元,大連、營(yíng)口、廈門、天津等港口承受壓力較小.目前,中國(guó)港航業(yè)碳減排之路剛開始起步,港航企業(yè)碳排放付出的成本相對(duì)較小,未來隨著“碳達(dá)峰、碳中和”目標(biāo)接近,碳排放權(quán)將會(huì)變成一種稀缺資源,港航企業(yè)碳排放的成本也將水漲船高,甚至?xí)?shí)施碳稅等政策.由此,通過測(cè)算港口碳排放社會(huì)成本以及港口承擔(dān)碳排放的能力,能夠及時(shí)反映港口在“雙碳”推進(jìn)進(jìn)程中所面臨的壓力,未雨綢繆,盡早推進(jìn)港口綠色轉(zhuǎn)型;從圖4可以看出,港口的CO2排放量與抵港船舶艘次成正相關(guān),計(jì)算相關(guān)系數(shù)(式(8)),相關(guān)系數(shù)=0.94(∈[0,1],值越接近1,表明兩組數(shù)據(jù)越相關(guān)).說明港口船舶靠港艘次越多,CO2排放量越多,由此,上海港碳排放量過高的原因是上海港是全球第一大集裝箱港,抵港船舶艘次、船舶在港裝卸吞吐量要遠(yuǎn)高于其他城市.受各大碳交易市場(chǎng)碳配額價(jià)格差異影響,上海、寧波等長(zhǎng)三角區(qū)域港口碳排放社會(huì)成本較高.

表9 2018年中國(guó)沿海集裝箱港口碳排放社會(huì)成本計(jì)算

本文對(duì)港口碳排放量和碳排放社會(huì)成本測(cè)算,為港口的可持續(xù)發(fā)展提供依據(jù).但仍存在一些工作需要繼續(xù)研究和探討:①港口的碳排放包括港機(jī)和港域船舶兩個(gè)方面的CO2排放,受港口的數(shù)據(jù)獲取限制,部分港口港機(jī)CO2的排放無法估算;②受限于數(shù)據(jù)限制,本文僅采用可獲取數(shù)據(jù)的港口,中國(guó)仍有幾大集裝箱港口尚未囊括進(jìn)去,如深圳港因股權(quán)結(jié)構(gòu)過于復(fù)雜,無法取得港口公司營(yíng)收數(shù)據(jù).

圖4 2018年我國(guó)11個(gè)集裝箱沿海港口CO2排放量和抵港船舶艘次

2.5 不確定性分析

本文采取定量分析手段評(píng)估中國(guó)沿海集裝箱港口CO2排放量以及社會(huì)成本的不確定性主要來自于以下3個(gè)方面:

第一,船舶動(dòng)態(tài)數(shù)據(jù)誤差.本文通過船舶AIS動(dòng)態(tài)數(shù)據(jù)統(tǒng)計(jì)分析,盡可能采用所有船舶軌跡數(shù)據(jù),但仍存在各種不確定因素導(dǎo)致小部分AIS數(shù)據(jù)采集誤差,且樣本量略小于實(shí)際樣本總數(shù),帶來一定不確定性.

第二,船舶靜態(tài)數(shù)據(jù)誤差.本文的船舶靜態(tài)數(shù)據(jù)主要來自IHS提供的船舶檔案,部分船舶主機(jī)、輔機(jī)和鍋爐的功率以及燃料類型的選取是根據(jù)相關(guān)文獻(xiàn)統(tǒng)計(jì)分析確定,具有較強(qiáng)代表性,但與實(shí)際情況略微存在差異,給CO2排放量估算帶來不確定性.

第三,碳排放吞吐量計(jì)算相關(guān)參數(shù)誤差.本文在碳排放量計(jì)算過程中,輔機(jī)和鍋爐的發(fā)動(dòng)機(jī)功率、碳排放因子、輔機(jī)負(fù)載系數(shù)等相關(guān)參數(shù)來源于國(guó)內(nèi)外相關(guān)研究文獻(xiàn),會(huì)與船舶真實(shí)數(shù)據(jù)存在一定誤差.

3 結(jié)論

3.1 2018年中國(guó)沿海集裝箱港口共排放CO2量214萬(wàn)t,其中上海港集裝箱船CO2排放量為69.3萬(wàn)t,占比32%.

3.2 從CO2排放比例來看,2018年中國(guó)沿海11個(gè)港口CO2碳排放主機(jī)、輔機(jī)、鍋爐占比分別為42.3%,24.9%,32.8%,在泊、錨泊、機(jī)動(dòng)、低速巡航、巡航占比分別為45.2%、20.6%、7.9%、10.6%、15.7%.

3.3 從CO2排放社會(huì)成本來看,2018年中國(guó)沿海11個(gè)主要集裝箱港口CO2排放共為港航企業(yè)帶來6359.6萬(wàn)元的社會(huì)成本.

[1] Sirimanne S N, Hoffman J, Juan W, et al. Review of maritime transport 2019 [C]//United Nations Conference on Trade and Development, Geneva, Switzerland, 2019.

[2] Kurtenbach R, Vaupel K, Kleffmann J, et al. Emissions of NO, NO2and PM from inland shipping [J]. Atmospheric Chemistry and Physics, 2016,16(22):14285-14295.

[3] Zhang Y, Yang X, Brown R, et al. Shipping emissions and their impacts on air quality in China [J]. Science of the Total Environment, 2017,581:186-198.

[4] Hockstad L, Hanel L. Inventory of US greenhouse gas emissions and sinks [R]. Environmental System Science Data Infrastructure for a Virtual Ecosystem, 2018.

[5] Joung T H, Kang S G, Lee J K, et al. The IMO initial strategy for reducing Greenhouse Gas (GHG) emissions, and its follow-up actions towards 2050 [J]. Journal of International Maritime Safety, Environmental Affairs, and Shipping, 2020,4(1):1-7.

[6] 冮龍暉,鄭中義,齊 樂.AIS數(shù)據(jù)中船舶會(huì)遇信息的提取方法 [J]. 中國(guó)科技論文, 2017,12(7):802-805.

Jiang L H, Zheng Z Y, Qi L. Extraction of ship-encounter information from AIS data [J]. China Sciencepaper, 2017,12(7):802-805.

[7] 李子強(qiáng),杜利娥.基于AIS信息的船舶自動(dòng)避讓決策研究[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息, 2016,(6):44-47.

Li Z Q, Du L E. Automatic Collision Avoidance Decision-making Based on AIS [J]. Agriculture Network Information, 2016,(6):44-47.

[8] Breithaupt S A, Copping A, Tagestad J, et al. Maritime route delineation using AIS data from the atlantic coast of the US [J]. The Journal of Navigation, 2017,70(2):379-394.

[9] Fiorini M, Capata A, Bloisi D D. AIS data visualization for Maritime Spatial Planning (MSP) [J]. International Journal of e-Navigation and Maritime Economy, 2016,5:45-60.

[10] Zhao L, Shi G. A method for simplifying ship trajectory based on improved Douglas–Peucker algorithm [J]. Ocean Engineering, 2018, 166:37-46.

[11] Weng J, Shi K, Gan X, et al. Ship emission estimation with high spatial-temporal resolution in the Yangtze River estuary using AIS data [J]. Journal of Cleaner Production, 2020,248:119297.

[12] Shi K, Weng J. Impacts of the COVID-19epidemic on merchant ship activity and pollution emissions in Shanghai port waters [J]. Science of the Total Environment, 2021,790:148198.

[13] Kang M J, Zohoori S, Hamidi M, et al. Study of narrow waterways congestion based on automatic identification system (AIS) data: a case study of Houston Ship Channel [J]. Journal of Ocean Engineering and Science, 2021.

[14] 曾凡濤,呂 靖.廈門港船舶排放清單及港口生態(tài)效率評(píng)價(jià) [J]. 中國(guó)環(huán)境科學(xué), 2020,40(5):2304-2311.

[15] Chen D, Zhao Y, Nelson P, et al. Estimating ship emissions based on AIS data for port of Tianjin, China [J]. Atmospheric environment, 2016,145:10-18.

[16] Kang M J, Zohoori S, Hamidi M, et al. Study of narrow waterways congestion based on automatic identification system (AIS) data: a case study of Houston Ship Channel [J]. Journal of Ocean Engineering and Science, 2021.

[17] Ju Y, Hargreaves C A. The impact of shipping CO2emissions from marine traffic in Western Singapore Straits during COVID-19 [J]. Science of The Total Environment, 2021,789:148063.

[18] Topic T, Murphy A J, Pazouki K, et al. Assessment of ship emissions in coastal waters using spatial projections of ship tracks, ship voyage and engine specification data [J]. Cleaner Engineering and Technology, 2021,2:100089.

[19] Shi K, Weng J. Impacts of the COVID-19epidemic on merchant ship activity and pollution emissions in Shanghai port waters [J]. Science of the Total Environment, 2021,790:148198.

[20] Smith T, Jalkanen J P, Anderson B A, et al. Fourth IMO Greenhouse Gas Study 2020 [R].

[21] Miola A, Ciuffo B. Estimating air emissions from ships: Meta-analysis of modelling approaches and available data sources [J]. Atmospheric environment, 2011,45(13):2242-2251.

[22] Goldsworthy L, Goldsworthy B. Modelling of ship engine exhaust emissions in ports and extensive coastal waters based on terrestrial AIS data–An Australian case study [J]. Environmental Modelling & Software, 2015,63:45-60.

[23] Leong S C, Singhal P. Estimation of CO2emission from marine traffic in Singapore Straits using Automatic Identification Systems data [M]//Environmental Science and Information Application Technology. CRC Press, 2015:177-184.

[24] Nash C, Sansom T, Matthews B. Transport Research: Fourth Framework Programme Strategic: Concerted Action on Transport Pricing Research Integration CAPRI: Project Duration 1 January 1998 to 31 December 1999: Final Report for Publication [M]. EUR-OP, 2001.

[25] Trozzi C, Vaccaro R. Ships transport [J]. European Commission, Transport Research fourth framework programme strategic research DG VII–99, Meet, Methodologies for calculating transport emissions and energy consumption, European Communities, 1999.

[26] Georgakaki A, Coffey R A, Lock G, et al. Transport and Environment Database System (TRENDS): Maritime air pollutant emission modeling [J]. Atmospheric Environment, 2005,39(13):2357-2365.

[27] Jalkanen J P, Brink A, Kalli J, et al. A modelling system for the exhaust emissions of marine traffic and its application in the Baltic Sea area [J]. Atmospheric Chemistry and Physics, 2009,9(23):9209-9223.

[28] Browning L, Bailey K. Current methodologies and best practices for preparing port emission inventories [J]. ICF Consulting report to Environmental Protection Agency, 2006.

[29] Nunes R A O, Alvim-Ferraz M C M, Martins F G, et al. Environmental and social valuation of shipping emissions on four ports of Portugal [J]. Journal of environmental management, 2019,235:62-69.

[30] Papaefthimiou S, Maragkogianni A, Andriosopoulos K. Evaluation of cruise ships emissions in the Mediterranean basin: The case of Greek ports [J]. International Journal of Sustainable Transportation, 2016, 10(10):985-994.

[31] Maragkogianni A, Papaefthimiou S. Evaluating the social cost of cruise ships air emissions in major ports of Greece [J]. Transportation Research Part D: Transport and Environment, 2015,36:10-17.

[32] 邱達(dá)春.碳排放社會(huì)成本的經(jīng)濟(jì)分析 [J]. 發(fā)展研究, 2014,(7):75- 77.

Qiu D C. Economic Analysis of the Social Cost of Carbon Emissions [J]. Development Research, 2014,(7):75-77

[33] 趙巧芝,閆慶友.中國(guó)省域二氧化碳邊際減排成本的空間演化軌跡 [J]. 統(tǒng)計(jì)與決策, 2019,35(14):128-132.

Zhao Q Z, Yan Q Y. Spatial evolution trajectory of marginal CO2emission reduction costs in China's provinces [J]. Statistics & Decision, 2019,35(14):128-132.

[34] 李曉輝,王 偉,李遠(yuǎn)航.《船舶交通服務(wù)指南》修訂情況及履約策略研究[J]. 中國(guó)海事, 2020,(2):62-64.

Li X H, Wang W, Li Y H. The amendments to “Vessel Traffic Service Guidance” and research on associated implementation strategy [J]. China Maritime Safety, 2020,(2):62-64.

[35] Yau P S, Lee S C, Corbett J J, et al. Estimation of exhaust emission from ocean-going vessels in Hong Kong [J]. Science of the Total Environment, 2012,431:299-306.

Carbon emission from coastal container ports in China based on AIS data.

CHEN Wei-jie1, SONG Bing-liang1, ZHANG Jie-shu2*

(1.School of Economics and Management, Shanghai Maritime University, Shanghai 201306, China；2.Shanghai International Shipping Institute, Shanghai Maritime University, Shanghai 201306, China)., 2022,42(7)：3403～3411

A calculation framework of port carbon emission was proposed to accurately and effectively measure the carbon emission of ships in port, and the carbon emission capacities of ports were analyzed based on massive ship AIS (automatic identification system) navigation trajectory data and the operating data of listed port companies. Taking the AIS trajectory data of 4,280 container ships in 2018 as an example, we achieved several results in calculating the social cost of carbon emissions of the 11major coastal container ports in China. First of all, the result revealed that the carbon emissions of China's coastal container ports were overall positively correlated with the number of ships arriving at the port. For example, Shanghai port was the world's largest container port in 2018, which also suffered the highest carbon dioxide emissions of 693,000 tons. Secondly, the proportion of carbon dioxide emissions of ships in berthing and anchoring was relatively high, accounting for 65.8% of carbon emissions in port. Thirdly, the social cost of carbon emission from ships in the Shanghai port area was the highest, reaching 24.596million yuan in total. But in terms of the capacity to bear the social cost of carbon emission, Lianyungang was under tremendous pressure, expending 244,600 yuan on the social cost of carbon emission for every 100million operating incomes.

water transport；data mining；AIS data；port carbon emission；social cost of carbon emissions

X511

A

1000-6923(2022)07-3403-09

陳偉杰(1991-),男,河南信陽(yáng)人,博士,助理研究員,主要從事港口發(fā)展、國(guó)際航運(yùn)中心建設(shè)研究.發(fā)表論文3篇.

2021-12-10

國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目(20BJY177)

* 責(zé)任作者, 教授, jszhangsh@126.com