!"#$%&'()+,-./012High-resolutionshipandportemissioninventoryofHainan清华大学2023年9月TsinghuaUniversitySeptember,2023!"#$%&'()+,-+./012!"3456()+,-+.789:;<=>?+@ABCDE1+FGHIJKLMNOPQROE+ST.,UVWXYMNOPQ,-UZVW[\V],-E+ST.^_`abcdVWefgV],-E+ST.^_`abcdVWhgij?k,-E+ST.lmnopqrstuMNOPvD\wxyzST{()+,-+.}~•€{•‚ƒ„…†‡ˆ„‰Š‹Œ•()+,-+.()+,-+.‚•()+1928Ž••‘’“”•–‹1977Ž—•V]˜™š,-”•9›€2011Žœ()+•ŽžŸ¡t¢£,-+.‹()+,-+Eœ¤¥¦§¨©‘/ªQ+E«¬V-®,-E+¯”•™°+E˜™±²2022ŽQS,-+E³´+a±˜9€œµ¶·¸+‘,-+EVa±˜1‹œ¤¥‘¹ºŽV€œ/ªQ»¼½,-Q»E+12Q¾¶ŒQ¿‘À‰ŠÁ€,-+.œÂˆÃÄ»+E—•»%ÅÆÇ»E+STv]¡ÈɾÊËÌ®ÍÎÏ‘ÐÑ‹,-+.—•ÍÒ,-E+»,-”•»,-ÓÔ¨+EÊÕ£ƒÖ€×ØÙÚÛÙÜÝ‘ÞÈß»Màá+Eâ–€Á•,-”•–»,-E+–v,-ãä¯ÓÔ–‹/ÂVå¶4±V]”•..æFçV26£è]”•.éê.æI€/ÂÃÄë¶ìí‘îï•À»ðñÀvòÃÈÉóô€£õRö/+»ESv÷…øù”É‘úûs¢†‡Í¶ÀUü‹+.—•Í“,-ýþ¯bÿd!]:"#$È%&'”»“]:,-UZ()Èbÿ‚¯d!"#%&'”¾õRös+,ST^-€./40/ªQõ¾+ž“,-E+¯”•/+12¿3…”v“,-”•9›/+124¿3…”‘5056‹+.£]:",-86‘78v9Š§t¢:;‘%<†‡Í12øù»Ô=‰Šv8>‰?€Ð£,-UZõ@©%ÅÆǃAvõRöE+STVW€œ]Bé,-UZCDE¶ìõ‘FG‹Œ••‚ƒ„…•‚ƒ„…Hœè]IûJK·HLM‘9›ßNOûPQRS;T€•1999ŽsUœV]s¢”É€xÀ•V]9Š§•‚t¢‹ƒ„…œVWXYZ[••\]^-€{VW’P^w_tZ[`a€›ù5Ó56£]:t¢vbc¿3…‹•‚ƒ„…‘deHNfgh9Š§•‚ihV]v³´‘jkt¢v(l^m²noHNfg_•‚pávÎqqrr-€ihV]v³´sÐ(lVv€tu³´Cvwx‘y(Ýz€{%%%E¶•}û€%å~•qr€.‹xÀ••‚™šë¶:;ƒ„‘9›ƒ„…€É£…†ˆ‡»ˆ‰gh‡v:;—Š‡€õ‹ghno‘tЋŒ•ˆŽCD••‘À»”›»MN»’’»,-ÓÔ»“”pá»>;•–—šÊË‹NfˆŽV]‘˜Œ^-s¢“>vwxST€g_•À—•™ih]¡ÈÉ€ŽÀV]š›t¢»•‚»,-¯(lœq•:‹žŸ—šCD‘”É€•‚ƒ„…¡xÀ•‰Š›V]“”t¢¶"Ú¢£‘ÞÈߊ6‘STv%¤€™Ð•Í¥šÞÈ”É;¦V./“”t¢:;»’§q»¨©pố(q»y(Ýz»]¡ÈÉ‹------------------------------!"#$-------------------------------ª$F«-!"#$%&'()+,-./012345678'912:;<=>-./?:;<=>9@AB()CDEFG-HIJ'9KLM6NOB()PQ-RSTUVL?-WXEYZ[\]^_E`ab'c97defghi:;<=>jklmno'mpqrXE-stuv[\]^_E`a?Disclaimer-Unlessotherwisespecified,theviewsexpressedinthisreportarethoseoftheauthorsanddonotnecessarilyrepresenttheviewsofEnergyFoundationChina.EnergyFoundationChinadoesnotguaranteetheaccuracyoftheinformationanddataincludedinthisreportandwillnotberesponsibleforanyliabilitiesresultingfromorrelatedtousingthisreportbyanythirdparty.-Thementionofspecificcompanies,productsandservicesdoesnotimplythattheyareendorsedorrecommendedbyEnergyFoundationChinainpreferencetoothersofasimilarnaturethatarenotmentioned.!"!"..............................................................................................................................1#1$%&..............................................................................................................11.1'()..........................................................................................................11.2'(!+..........................................................................................................21.3'(,-..........................................................................................................2#2$./01234567..............................................................................52.1'(67..........................................................................................................52.2234589:;<=>............................................................................132.3'(?@........................................................................................................242.4A$B?........................................................................................................39#3$./CDCEFG4567....................................................................423.1HIMOVES-NONROADJCEFG45:;<=..............................423.2KLCCEFG4589............................................................................473.3A$B?........................................................................................................51#4$./CDMNOPQ4567................................................................534.1CDMNORP45:;<=....................................................................534.2KLCMNORP45S;TUVWX....................................................574.4A$B?........................................................................................................63#5$./CDY23Z4[\]^................................................................645.1./2345_`aZ4bcde............................................................645.2fg45hi./jCDZ4Jkl........................................................695.3HImnop45JqrstuWX........................................................745.4A$B?........................................................................................................77#6$?&Yvw................................................................................................796.1?&Y]^....................................................................................................796.2vw................................................................................................................84xyz{......................................................................................................................86第1章绪论1.1研究背景近年来，随着蓝天保卫战深入实施，海南省环境空气质量总体优良，但各市县频繁出现的持续臭氧污染过程已成为困扰全省大气环境质量改善的关键问题；PM2.5在低浓度水平下进一步削减的难度也逐步加大。与此同时，我国提出，力争2030年前实现碳达峰、2060年前实现碳中和，降碳按下快进键。《海南省“十四五”生态环境保护规划》把碳达峰碳中和纳入生态文明建设整体布局。2022年海南省的政府工作报告明确提出，海南要守牢生态环境质量底线，争当“双碳”工作优等生。航运业是海南省自由贸易港经济的命脉，也是CO2以及大气污染物的重要来源。据估算，船舶排放对我国PM2.5年平均贡献最高值可达5.2μg/m3；对内陆地区的影响最远可达960km。如何充分发挥航运减排潜力，在巩固且优化PM2.5治理效果的同时使O3进入下降通道，对海南省大气环境的改善提出了新的难题和挑战。另一方面，由于碳和大气污染物同根同源，减污降碳协同增效具有科学性和可操作性，航运业的“双碳”进程将为海南省空气质量持续改善注入新动能，推进国家生态文明试验区建设。作为首个中国特色自由贸易港，将海南港口的绿色低碳港口成功做法总结形成可复制可推广的经验，对实现港口整体绿色转型，建设国际领先的智慧绿色港口具有重要意义。排放清单是识别碳和污染物主要排放源、量化排放对污染贡献的基础。然而，海南省目前已有的船舶和港口排放清单精度较低，难以满足精细化碳排放管理、空气质量改善的需求。主要体现在尚未形成提供高分辨率排放清单的方法体系，缺乏船舶、货物装卸设备、港作机械和港口集疏运车辆的活动水平和排放因子数据，无法正确体现和反映本地排放的特点，亟需一套综合评估港口和船舶大气环境影响的技术体系。2019-2020年是海南省附近水域船舶控制政策急剧迭代的两年。交通运输部印发的《船舶大气污染物排放控制区实施方案》规定，2019年1月1日起，海船使用硫含量不大于0.5%mm的船用燃油。内河船使用硫含量50ppm的普通柴油。因此船用燃油主要包括硫含量不大于0.5%mm的船用燃油、LNG、少量内河船和江海直达船使用的普通柴油等。2020年1月1日起，海船进入沿海控制区海南水域，应使用硫含量不大于0.1%m/m的船用燃油。但据管理部门反映10.1%m/m的燃油供应不足，因此可能同时存在硫含量不大于0.1%mm的船用燃油、硫含量不大于0.5%mm的船用燃油、LNG、少量内河船和江海直达船使用的普通柴油等。不同的船舶遵循的排放标准不同。具有中国船籍在我国水域航行或作业的船舶如内河船、沿海船、江海直达船等应遵循《船舶发动机排气污染物排放限值及测量方法（中国第一、二阶段）》的规定，而远洋运输船舶则执行防止船舶污染国际公约（MARPOL公约）的规定。海南12Nm区域中既包括中国的沿海船、少数内河船和江海直达船，同时又包括中国籍和外国籍远洋船。它们遵循的排放标准不同。随着船舶控制区政策的实施和发动机后处理技术的改进，目前海南省水域内多种燃油和排放标准共存，船舶排放及其环境影响仍有待全面和清晰的认识。针对海南自由贸易港的清洁航运发展需求，一方面要对海南省港口和船舶碳和污染物的排放量进行准确估算，并科学评估其对省内空气质量的影响，摸清本地船舶排放现状和影响程度；另一方面要结合未来海南自由贸易港的发展规划，系统评估柴油、LNG、电动化等不同能源和措施组合对大气污染物和温室气体的减排效果，从而选择减污降碳协同增效的港口船舶治理路径。1.2研究目标开展海南自由贸易港建设下，我省船舶污染排放现状调查工作，并利用船舶污染来源工具汇总计算现有船舶大气污染排放现状，建立一套海南省高时空分辨率港口及船舶排放清单。1.3研究内容（1）海南水域船舶排放现状基于我国最新船舶自动识别系统（AIS）数据中海南水域的船舶行驶轨迹和本地船舶注册信息中的静态技术参数，包括船舶类型、吨位、船龄等，利用最新研发的第二代非集计动力法船舶排放模型（SEIMv2.0），结合本地化船舶排放因子，建立分工况、分船型、精确至航线的高时空分辨率船舶排放清单，识别海南港口与我国沿海港口、其它国家主要港口之间的典型航线，分析现阶2段海南水域、港口区域及典型航线上的船舶活动和排放特征，并评估船舶排放管控措施的适用范围、低排放航线和春节等节假日特殊时段对海南省船舶流量及排放的影响。（2）海南港口港作机械排放现状全面收洋浦港港作机械（CHE）的基础数据资料，包括保有量、活动数据、发动机年龄等，利用美国环保署（EPA）开发的MOVES-NONROAD模型，结合本地化CHE排放因子、负荷因子、燃料校正因子和劣化率等参数，建立分工况、分设备类型的CHE排放清单；分析现阶段海南港口CHE排放特征。（3）海南港口集疏运车辆排放现状基于港口货物物流信息中的货运车辆出发-到达（OD）位置、车辆轨迹以及海南路网等信息确定货运车行驶路线，估算不同类型货运车的活动水平；基于动态排放模型计算运输车辆排放，通过车辆运行模式和车辆基础信息获取污染物排放因子。基于分车型排放因子、活动水平及行驶路线等信息，建立港口集疏港货运车高分辨率污染物排放清单，并在地图上展示集疏港货运车排放进行可视化呈现，从车辆构成、时间变化与空间分布等方面分析排放特征。本研究第一期具体的项目研究技术路线图和总时间安排见图1.4-1和图1.4-2。研究内容围绕船舶、港作机械、港口集疏运车辆展开：（1）计算海南省高精度船舶排放清单；（2）计算海南省相关航程排放；（3）进行DECA政策情景与减排效益分析；（4）收集海南本地化的港作机械活动水平、排放因子；（5）计算海南省典型港口港作机械排放清单；（6）收集海南本地化的港口集疏运车辆活动水平与排放标准分布；（7）计算海南省典型港口集疏运车辆排放清单3图1.4-1项目技术路线图图1.4-2项目第一期时间安排4第2章海南水域船舶排放现状2.1研究现状2.1.1船舶排放清单研究现状建立船舶大气污染物排放清单是评估船舶排放影响的重要基础，基于清单对水运排放的时空特征进行分析，进而展开排放控制措施的评价和减排路径的探索，为实际政策制定和脱碳减排奠定基础。最早的排放清单计算探索可以追溯到上世纪末，美国环境保护署对船舶排放因子和船舶发动机功率展开了研究，建立了船舶活动水平和排放因子数据库[1]。随着海运贸易数据和船舶活动数据收集机制的完善，船舶大气污染物排放清单的建立逐渐由基于统计数据和经验参数的“自上而下”方法向基于海运大数据的“自下而上”高时空分辨率排放清单计算方法发展。目前，船舶排放清单建立方法按所获取的数据类型可归为三类：1）基于燃料统计数据的油耗法，2）基于贸易数据的排放计算法，3）基于船舶静态技术参数的动力法[2]，4）基于航运自动识别系统（AIS）数据的动力法。（1）基于燃料统计数据的油耗法燃油法是自上而下的计算方式，通过船舶燃油的消耗量和燃油排放因子计算得到总体的船舶排放情况，计算公式如式（2.1-1）所示。由于没有对船舶单体进行分析，不考虑船舶实际运行状态差异，计算结果较为粗糙，在NOx、PM等污染物排放水平和排放的空间分布上较真实情况有较大差异[3]。因此目前燃油法主要用于估算大空间尺度的船舶排放，获得该区域大致的排放水平。如果要对区域内部的空间分布进行进一步分析，一般是基于船舶流量数据对估算得到的排放总量进行空间分配。𝐸!=∑"$𝐹×𝐴"(×EF!,"×10$式（2.1-1）其中：𝐸!，船舶排放的污染物p的年排放量，单位：吨/年；F，燃油年消耗量，单位：吨/年；𝐴"，第j类船舶在所有船舶中的百分比，单位：%；EF!,"，基于燃料的第j类船舶排放的污染物p的排放因子，单位：克/千克；5当计算NOx排放时，通常基于发动机类型对船舶进行分类，而计算SOx的排放时，通常基于燃料进行分类。这与二者的形成机制有关。用于船舶排放空间分配的早期数据集主要包括美国船只自动化互助救助系统（AMVER）、国际综合海洋大气数据集（ICOADS）和国际海事组织的远程识别与跟踪系统（LRIT）等[4]。总体而言，燃油法计算过程相对简单，数据相对容易获取，在全球船舶污染问题开始受到关注的初期，可以提供一个数量级相对准确的全球硫排放清单，为船舶排放历史趋势的推演、未来情景预测、全球大气环境与气候影响的评估等提供了关键的数据基础[5-8]。但该方法不考虑船舶技术特征和运行工况的差异，对除了CO2、SOx之外其他污染物的排放估算差异较大（2）基于贸易数据的排放计算法贸易法是根据贸易对之间的水路货物运输等数据，利用经验给出假设和参数取值，将贸易和排放联系起来，进行船舶排放计算。该方法对数据的要求较低，可以基于经验对数据缺失较严重的地区进行评估假设，但准确性受限于数据完整性和经验假设准确性。Streets等人基于港口货物周转量，结合典型航运参数，估算了亚洲水域国际航运的SO2排放量[9]。近些年也有研究基于AIS系统进一步建立了贸易和船舶排放的关系，基于Voy-SEIM和GTMS模型进行高精度计算，并将排放分配到贸易商品和贸易国上，对全球交易和运输市场减排提出建议[10]。（3）基于船舶静态技术参数的动力法基于船队静态技术参数的动力法（简称静态动力法）是利用船队注册数据（如英国Lloyd数据库）或港口船舶进出艘次数据（如签证数据）中的发动机功率信息，假定每类船舶的平均负载和航行时间，结合基于功率的排放因子（g/kW·h）计算得到船舶各种污染的排放量。由于船队数据中可以获得每艘船舶的发动机功率，因此该方法能够较好地体现单船排放的差异，相较于油耗法能够对NOx等污染物的估算更准确。一般计算公式如式（2.1-2）所示。𝐸!=∑"𝑃×LF"×EF!,"×𝑇"×10%&式（2.1-2）其中：𝐸!，船舶排放的污染物p的排放量，单位：吨；P，船舶主机的连续运转功率，对每艘船舶来说是固定值，单位：千瓦；6LF"，第j类船舶的平均航行负载；𝑇"，第j类船舶的航行时间，单位：小时；EF!,"，基于发动机功率的第j类船舶排放的污染物p的排放因子，单位：克/千瓦时。2003年Corbett等人基于劳氏海事信息系统中的船舶注册信息建立全球远洋船舶的排放清单[11]。同年Endresen等基于美国船只自动化互助救助系统中的船舶数据建立了全球远洋船排放清单[12]。2007年Wang等人建立了STEEM模型，基于往返于北美港口的1.72万艘船舶的活动水平数据建立了北美船舶排放清单，后又基于该模型更新了全球船舶排放清单，提高了清单的空间分辨率[13]。静态统计法在计算船舶污染物排放的同时可计算燃油消耗量，在全球尺度上能够与燃油法建立的排放清单进行总量的相互校验。由于静态统计法利用单船发动机功率参数进行计算，排放计算的主体从燃油消耗量转变成了船舶本身，因此能够实现船舶排放在船队结构上进行细化表征，相较于燃油法具有一定的优越性。同时该方法在港口尺度可以基于船舶进出港的签证数据进行逐艘次的计算，在港口范围内使用有较好的表现。但该方法完全依赖船舶静态数据，不包含船舶的实际活动信息，因此计算过程中需要对活动水平进行大量假设，增加了排放的不确性定性，且空间上仍无法分配至船舶的真实航行轨迹。（4）基于航运自动识别系统（AIS）数据的动力法随着船舶AIS设备的普及和大数据时代的到来，静态动力法发展为基于航运AIS大数据的动力法（简称AIS动力法）。AIS动力法与静态动力法最大的区别是其将AIS数据作为活动水平数据，结合船舶额定功率、设计航速等静态技术参数，通过模拟船舶发动机的实际工作状态，实现在船舶真实航行轨迹的高精度排放表征。AIS动力法可进一步分为集计法和非集计法两大类。集计法将预先对AIS数据中每类或每艘船舶在不同工况下的运行时间进行统计，在与船舶的技术参数进行匹配后逐船计算排放，最后利用集计的网格化AIS信号强度进行排放的空间分配。非集计动力法的核心思想则是跟踪AIS数据中每艘船舶在航行过程的动态变化，从微观视角进行船舶运行工况的判断和发动机瞬时功率的计算，从而逐船、逐时地计算船舶的瞬时排放。基于AIS数据的动力法计算的船舶排放通常包含主发动机、辅发动机和锅炉，计算公式如式（2.1-3）7所示。由于动力法和船舶实际运行情况紧密联系，是目前分辨率最高的一种排放计算方式，也是近些年学界广泛采用的方式。𝐸',!=∑"𝑃'×LF',"×EF!,'×∆𝑇',"×10%&式（2.1-3）其中：𝐸!，船舶i排放的污染物p的排放量，单位：吨；𝑃'，船舶发动机的额定功率，单位：千瓦；LF',"，船舶i在工况条件j下的主机负载因子；∆𝑇',"，船舶i在工况条件j下的的航行时间，单位：小时；EF!,"，船舶i排放的污染物p的排放因子，单位：克/千瓦时。按照对船舶动力数据的不同处理方式，动力法又分为集计法和非集计法。集计法先将统计每艘船舶在不同工况下的航行时间，再进行计算，然后利用集计的网格化AIS信号强度进行空间分配。而非集计法则是逐个信号分析计算，得到单艘船舶的瞬时排放，再依据不同计算目标进行累计，得到不同船型、不同空间范围、不同时间尺度的船舶排放。2009年，Jalkanen等人首次用基于AIS信号的动力法进行船舶排放清单计算，建立了第一代船舶交通排放评估模型STEAM，以此为基础得到了波罗的海2007年的船舶排放清单[14]。目前该模型已更新至第三代，于2017年建立了2015年的全球高时空分辨率船舶排放清单[15,16]。2020年国际海事组织IMO发布的第四次温室气体报告基于AIS动力法，加入了对航程的考虑，对2012年-2018年全球船舶排放清单进行了计算，是目前国际上最权威的船舶排放清单之一[17]。我国利用AIS动力法建立船舶清单的起步较晚。在全国尺度上，2016年Liu提出了基于AIS数据的非集计动力法，建立了东亚地区2013年远洋船排放清单[18]，覆盖了我国东南沿海主要港口区域，领衔了中国团队利用AIS动力法进行船舶排放的研究；Chen建立了2014年包含远洋船、沿海船和内河船的高精度全国船舶排放清单，并进行了多维排放表征[19]；Fu建立了全国至港口多尺度的船舶排放清单，并将船舶排放特征与机动车进行了对比分析[20]；Li采用货物和港口数据估算了中国2004—2013年的船舶排放，并预测了不同情景下至2040年船舶排放路径[21]。在区域尺度上，不少研究者利利用AIS动力法建立了我国港口分布较为密集的长三角[22]、环渤海[23,24]和珠三角[25,26]水域的船舶排放清单。8在港口尺度上，AIS动力法的应用已包括香港港[27]、上海港[28]、天津港[29]、宁波-舟山港[30]、青岛港[31]、大连港[32]和南京港[33]等地的船舶排放清单。相较于早期的燃油统计法和静态动力法，基于AIS数据的动力法建立的船舶排放清单具有不确定性更小、研究尺度更灵活、分辨率更高等优点，是目前国际上主流的“自下而上”的清单建立方法。由于船舶发送AIS信号的时间频率通常为数秒到数分钟，空间分辨率可达数米，因此AIS数据中对船舶时空信息的记录具有较高的准确度，使该方法能够灵活地适应多尺度船舶排放清单的建立，并为空气质量模型提供精度更高的排放输入数据。相对于集计AIS动力法，非集计AIS动力法不仅能够应用于建立高时空分辨率的历史船舶排放清单，理论上也能够实现近实时的船舶排放的计算。但与此同时，非集计动力法计算成本较高，通常需要搭建大数据技术框架进行排放方法的建模，因此目前我国的船舶排放清单中采用非集计AIS动力法的研究较少。尽管非集计AIS动力法相较于传统方法有诸多优势，但该方法极大地依赖于AIS数据的质量。例如，在AIS基站覆盖较少或海洋气象条件干扰严重的区域，AIS数据中存在长时间信号缺失的现象（图2.1-1），常用的处理方法是将缺失信号进行直线插值，这样方法显著的弊端是可能会产生排放分布到陆地上的情况，降低排放清单时空分布的准确性。另一方面，不断细化的管控政策也对排放模型的准确度和灵敏度也提出了更高的要求。在中国范围内，内河船舶与远洋船舶的排放标准不一，但二者存在空间活动范围的重叠，但AIS数据中难以实现对二者的区分，而将内河船误认为远洋船将导致排放结果偏高，无法支撑针对不同对象减排政策的合理评估。因此，随着中国船舶控制政策的推进，非集计动力法在数据处理和技术方法上都仍需要进一步提升，以响应船舶减排控制政策下的排放精准表征。9图2.1-1典型油船航行的AIS轨迹2.1.2基于航线的船舶排放现状研究现状近年来，船舶AIS数据的应用推动了更细尺度的船舶排放和国际贸易进出口国的关联的模型研究。这种方法利用AIS信号中的船舶航速、吃水、轨迹及船舶静态数据中的载重吨位等特征对船舶航行状态进行再分析，逐次识别船舶航程的出发与到达国，从而推算出与运输船舶类型相匹配的海运货物类型、贸易量及海运排放量。随着全球贸易和物流的不断发展，海运航线成为出发国和到达国货物和人员运输的重要途径。然而，船舶在航行过程中会产生大量的排放，对第三方国家的大气环境和人类健康产生负面影响。例如，2018年，SchimvanderLoeff等人将船运单数据与船舶AIS数据关联，同时利用动力法逐船计算海运碳排放，以2014年巴西出口贸易为案例实现了海运排放在贸易对层面的解析[34]。2018，Liu等人基于AIS数据首次建立了双边贸易航运船舶排放识别计算的方法，并基于大量调研工作建立了船-货匹配关系，以中美贸易为案例量化了由于双边国家之间的贸易导致的船舶排放，并评估了第三方国家因此受到的空气质量和健康损失[35]。但是，该方法的建立依赖于获取大量具有商业敏感性的基于航程的详细货类信息目前，因此多应用于原油、散货等船型运载货物易识别的商品的推算，对于集装箱货类的推算少有研究。且其于AIS识别多边贸易航线的计算成本较高、算法复杂，因此在推广到地区或全球尺度时存在一定的技术挑战。10在2020格拉斯哥举行的《联合国气候变化框架公约》第26届缔约方大会（COP26）上，英、美、德、日等22个国家共同签署了《克莱德班克宣言》(ClydebankDeclaration)，宣布建立多条零排放航运路线，即所谓的“绿色航运走廊”[36]。《克莱德班克宣言》的目标是到2025年在两个或更多港口之间建立至少六条这样的走廊，并希望到2030年发展更多的“绿色航运走廊”。中国虽然不是《克莱德班克宣言》的签署国，但是参与了第一条绿色航运走廊的建设，即上海港-洛杉矶港绿色航运走廊。这条线路是全球最繁忙的货运航线，2020年，累计运输3120万个20英尺集装箱，占全球集装箱运输总量的21%。ICCT的一项研究分析了在深圳和长滩之间建设一条以氢燃料电池为动力的零排放集装箱走廊的技术可行性。该研究分析了2015年所有行驶于这条航线的航次，其中关键的结论是如果在深圳和长滩航线途中增设新燃料加注点以解决续航里程短的问题，99%的航次都可以由氢驱动[37]。2021年，由全球海事论坛、海洋行动之友和世界经济论坛以及能源转型委员会合作的“零排放联盟”发布了一份关于绿色走廊的报告。这份报告认为绿色走廊和新能源技术的应用、经济措施等并列，是推动未来海运部门实现碳中和的主要路径之一。该报告从影响和可行性的角度对10条国际航道进行了半定量的排名，如图2.1-2所示。其影响对全球贸易量和碳强度进行了评分。可行性取决于商品价格、它们受国际海事组织范围3排放的影响程度、零排放燃料供应和成本以及政策和监管支持。然后将航道分为四种类型：高可行性但低影响的“速赢”，高可行性和高影响的“游戏规则改变者”，低可行性和低影响的“低优先级”，最后是低可行性但高影响力的“长期游戏”[38]。11图2.1-2绿色航运走廊评价体系零排放联盟的报告对三条航线（澳大利亚-日本铁矿石航线，亚欧集装箱航线和东北亚-美国汽车运输航线）进行了绿色航运走廊的可行性分析。研究结果表明，前两条航线在燃料选择、货物、政策环境和船舶类型方面展现了足够的影响规模和必要的特异性，为航运业加速脱碳提供了可行的路线图。东北亚-美国汽车运输航线实现零排放与汽车产业等利益相关者的行动紧密相关。在这条航线上，行业参与者可以在零排放燃料在全球推广前，在整个价值链上进行港口与港口间的合作以减少排放[38]。马士基零碳航运中心从四个维度——合适的航道、船型、替代燃料和利益相关者——评估北欧-波罗的海绿色航运走廊的预可行性。该研究首先根据船队组成、贸易路线和排放选择合适的航道。鹿特丹港和汉堡港之间的集装箱航线航程距离短，已形成生产线运营，因此适合建立绿色走廊。此外，客运渡轮每年为当地大气排放贡献500kT的二氧化碳排放量，因此客运路线也适合绿色走廊[39]。国际清洁交通委员会（ICCT）系统地评估了美中集装箱走廊沿线远洋船中用液氢替代传统化石燃料的可行性。研究发现，珠江三角洲-圣佩德罗湾港口走廊99%的航线可以使用氢气替代化石燃料，而船舶的燃料容量和运营方式只有微小的变化，例如使用5%的仓库容量储存氢燃料或沿航增加额外的港口停靠以补充氢气。43%的航程可以用液氢实现，而12无需改变燃料容量或任何额外的港口停靠[40]。表2.1-1总结了绿色航运走廊可行性研究的典型案例。表2.1-1绿色航运走廊可行性研究案例绿色航运走廊替代燃料文献来源澳大利亚-日本铁矿石航线欧亚集装箱航线绿氨Getting-To-Zero-东北亚-美国汽车运输航线绿色甲醇Coalition[38]北欧-波罗的海珠三角-圣佩德罗港绿氨绿氨氢气，生物质油，生MMMCZCS[39]物甲醇XiaoliMao[40]液氢综上所述，目前开展的基于航线的船舶排放研究主要聚焦于双边贸易具体案例，依赖具有商业敏感性的贸易货单数据，从而实现对特定贸易对航线上船舶排放的测算。基于航程的船舶排放的结果，能够为未来航运净零排放的主要路径之一的绿色走廊、新燃料加注站点的可行性评估提供数据基础。基于AIS的航程排放的测算方法学构建是此方法摆脱商业数据的依赖、推广到区域或全球尺度最主要的技术瓶颈。2.2船舶排放清单计算方法学2.2.1基于AIS数据的船舶排放清单模型（SEIM）2.2.1.1方法概述本研究所建立的SEIMv2.0模型是一种基于船舶大数据和非集计动力算法的排放清单计算模型。该模型由全球AIS数据驱动，根据船舶运行过程中的航速和发动机功率变化计算瞬时的大气污染物和温室气体排放水平。区别于基于对船队活动水平数据进行集计化的算法，SEIM模型是一种完全“自下而上”的非集计排放清单建立方法，针对AIS数据中的每艘船舶，通过匹配其独立的静态技术参数信息，实现逐船、逐时排放状态的动态模拟。得益于AIS数据的全13样本和高频率（数秒至数分钟）的优势，SEIM模型不需要采用代用参数进行时空分配，而是保留生成与AIS信号频率一致的“秒级”排放数据集，针对所需分辨率对研究区域内的排放数据进行聚合，从而“自下而上”形成高分辨率船舶排放清单。因此，SEIMv2.0在对船舶排放的时空表征上具有显著优势，可适用于多尺度高分辨率船舶排放清单的建立。SEIM模型的最初版本（SEIMv1.0）由清华大学刘欢团队[18]建立，用于计算2013年东亚地区高时空分辨率船舶排放清单，并陆续应用于我国区域及港口尺度的船舶排放表征[10,41-43]。在非集计算法原理的基础上，SEIMv1.0中主要引入了下列几种技术来提升船舶排放清单的可靠性：1）利用双层嵌套模拟域方法来减少排放在区域边界的骤增或骤降现象（“边界效应”）；2）采用渐进梯度回归树（GBRT）方法预测船舶技术参数的缺失值；3）采用10分钟线性插值法来填补长时间AIS信号缺失。为了及时更新近几年排放控制政策下的船舶排放变化，并进一步提高排放计算的时空准确性，本研究将在SEIM1.0的基础上对其进行数据更新、算法改进和结构优化，将其发展为SEIM2.0版本。其中方法的改进主要包括：（1）开发航线修复算法，改善缺失信号线性插值导致的航线穿过陆地问题；（2）增设内河船鉴别方法，以适应内河船不同于远洋船的燃料标准；（3）建立与国际上和国内逐步实施的排放控制政策衔接的减排修正方法，以反映不同区域及时段的船舶排放水平。图2.2-1所示为更新之后的SEIMv2.0的模型结构示意图。在数据预处理阶段，首先对收集到的原始AIS数据和多源船舶技术参数数据进行数据清洗、缩减及缺失参数估算等，建立动态AIS数据库和船舶静态信息数据库，并根据船舶活动轨迹识别中国内河船。在排放计算阶段，需要设置模拟区域、排放因子、低负荷调整因子等参数作为基础输入参数，通过发动机负荷计算、运行工况判断来逐船模拟其瞬时排放，并利用Dijkstra最短路径法和10分钟节点插值法对部分缺失信号进行航线修复，最后结合排放控制技术进行系数修正，从而建立船舶排放清单数据集。在结果分析阶段，将对模型生成的排放数据集进行汇总与聚合，进行可视化和统计分析。SEIMv2.0模型基于Python语言编写，在Spark分布式计算框架下运行，相较于最初版本，SEIMv2.0模型将在数据库质量、模型稳定性及结果准确性等方面均有所提升。经过模型数十亿的计算，能够获得高信息密度的船舶排放数据集，一方面可基于AIS信号传输时间和船舶14的经纬度位置建立高时空分辨率的排放清单，另一方面可以结合船舶静态资料实现船队排放结构化表征。图2.2-1SEIMv2.0模型结构示意图2.2.1.2计算流程模型具体的计算过程可以描述为：1）针对AIS动态数据库中的每艘船舶i，将其所有AIS信号按时间排序获得历史航行状态序列，船舶i在目标区域内的总AIS信号数以Ni表示；2）基于船舶i的海上移动通信业务标识（MMSI）编码，将其静态技术信息与动态序列进行匹配，获取该船舶的船型、建造年代、载重吨、主机功率、主机类型、主机转速和设计航速等静态信息列表；3）最后以每两个连续AIS信号（n和n+1）之间的时间间隔△T（数秒至数分钟）为计算单位，基于船舶瞬时的航速、航行工况及发动机输出功率，以微观视角对船舶的主发动机、辅发动机与锅炉分别进行排放模拟计算。本研究对船舶的分类标准15与SEIMv1.0保持一致：将船舶类型划分为集装箱船、散货船和油船等15种类型；按船舶的载重吨位将其尺寸分为不同的等级，包括0~9099吨、10000~19999吨、20000~29999吨等共12个等级；不同船舶的主机类型主要有四种，即低速柴油发动机（SSD）、中速柴油发动机（MSD）和奥托循环液化天然气燃料发动机（Otto），船舶的燃料使用类型包括HFO、船用轻柴油（MGO）和普通柴油（GDO）等；排放标准按船舶的建造年代分为Tier0、TierI和TierII四种；而船舶航行过程中的运行工况根据其负载和航速判断，包括巡航（Cruising）、机动操纵（Maneuvering）、锚泊（Anchorage）和停靠（Berth）四种类型。本研究针对主机、辅机和锅炉的计算方法略有差异。由于船舶的主机功率通常可以从静态库中获得较完整的数据，因此可基于船舶主机的额定功率和瞬时负荷情况来计算实际输出功率，从而结合排放因子和运行时间来计算瞬时排放：𝐸(+,),,'-=MCR(×EF(+,,'-×LF(,)×LLAF(,),×∆𝑇(,)×10%&式（2.2-1）式中，𝐸(+,),,'-是船舶i的主机在第n与n+1个AIS信号之间产生的大气污染物或温室气体p的排放量（t）；MCR(是船舶i的主机最大连续额定功率（kW），从船舶静态信息库中获取；EF(+,,'-是船舶i主机产生的物种p的排放因子（g/kW·h），受船舶使用的燃料类型、发动机类型和排放标准影响。目前SEIMv2.0中对于排放因子的设置主要以IMO和EPA等研究报告对全球远洋船队的测试结果为基准，并结合了我国的船舶燃料油标准进行校正，对于我国内河船，按照《GB252-2011普通柴油》标准应用硫含量更低的GDO。随着柴油标准的加严，船舶GDO的硫含量由0.035%m/m逐渐降低至0.001%m/m。船舶发动机排放标准按IMO的要求分为了Tier0、TierI和TierII三类，分别适用于建造年代在2000年以前、2001—2010年及2010年之后的船舶，主要影响船舶NOx的排放水平。LF(,)是船舶i在第n个AIS信号时的主机负荷系数；LLAF(,),是船舶i在第n个AIS信号时产生的物种p在主机在低负荷状态（LF<0.2）运行时的排放调整系数；∆𝑇(,)是船舶i的第n与n+1个AIS信号之间的时间间隔（h）。16其中，船舶实时负荷系数可以根据螺旋桨定律，通过船舶瞬时航速和其最大设计速度计算，如式2.2-2所示：.$%&'()$LF(,)=56!,#式（2.2-2）.!(+,-'.式中，LF(,)为船舶i在第n个AIS信号时的主机负荷系数；𝑉(/,)012,3为船舶i在第n个AIS信号时的地面航速（节）；𝑉(+,4'52-为船舶i的最大设计航速（节）。对于船舶辅机和锅炉，由于船舶注册信息中的额定功率资料不完善，因此按国例惯例处理方法[44]，在SEIMv2.0中对不同类型、不同尺寸的船舶设定在不同工况下的默认输出功率。每艘船舶的辅机和锅炉排放计算方法分别如式2.2-3和式2.2-4所示：𝐸/24'3',67=𝑃/24'3',67×EF(/,24'3',67×∆𝑇(,)×10%&式（2.2-3）(,),(,)𝐸(8,)9,'3:6=𝑃(8,)9'3:6×EF(8.9'3:6×∆𝑇(,)×10%&式（2.2-4）式中，𝐸(/,)2,4'3',67和𝐸(8,)9,'3:6分别为船舶i的辅机和锅炉在第n与n+1个AIS信号之间产生的大气污染物或温室气体p的排放量（t）；𝑃(/,)24'3',67和𝑃(8,)9'3:6分别为船舶i的辅机和锅炉在第n个AIS信号时的实际输出功率（kW），它与船舶的类型、载重吨级和其瞬时运行工况相关；EF(/,24'3',67和EF(8,9'3:6分别为船舶i的辅机和锅炉产生的物种p的排放因子（g/kW·h），受船舶的燃料类型和排放标准影响。船舶辅机和锅炉的输出功率采用之前的研究[1]。最后，将所有船舶所产生主机、辅机和锅炉排放量进行合计获得总排放量，如式2.2-5所示：𝐸(,=∑<)>!%==𝐸(,),=∑<)>!%==(𝐸(+,),,'-+𝐸/24'3',67+𝐸(8,)9,'3:6)式（2.2-5）(,),式中，𝐸(,是船舶i在目标区域内产生的大气污染物或温室气体p的总排放量（t）；𝐸(,),是船舶i在第n与n+1个AIS信号之间产生的物种p的总排放量（t）；𝑁(是船舶i在区域内的总AIS信号数。172.2.1.3数据来源本研究中使用的船舶动态信息主要来自船载自动识别系统（AIS）。为了避免船舶在航行过程中发生碰撞，提高船舶航行中的安全性和效率，更好的管理船舶，IMO要求国际航行的300GT以上的船舶、沿海航行500GT以上的船舶安装AIS。该系统由船载设备、岸基和卫星接收站组成，船舶航行过程中，船载设备每隔2秒至数分发射一次AIS信号，该信号被基站（T-AIS）或者卫星（S-AIS）接收并实时传输到服务器上储存，研究表明，基站仅能接收距离50海里范围内的AIS信号，卫星可以接收远洋船舶的AIS信号，因此在使用AIS数据计算船舶排放清单时，应使用完备的T-AIS和S-AIS数据，以提高清单的准确度。本研究收集的全球AIS信号同时包括卫星信号和地面信号，年均报文总数约300亿条。将AIS数据按报文内容分为静态报文和动态报文，动态报文记录了船舶在航行过程中随其行驶状况而逐时改变的高频动态信息，包括船舶MMSI编码、信号发射时间、船舶位置（经度和纬度）、地面航速、航向、运行工况、吃水、目的地等字段信息，在进行层层清洗之后将用于建立动态AIS数据库。MMSI编码是船舶无线电通信系统在其无线电信道上发送的能独特识别各类台站和成组呼叫台站的一列十位数字码，其前三位是国家代码，后七位是关于船舶其它信息的识别码。船舶地面航速为报文发送时刻船舶的地面航行速度，以“节”为单位（1节=1海里/小时=1.852公里/小时）。而船舶静态报文信息记录了船舶类型、船长、船宽、船舶总吨、载重吨和设计航速等信息，将与多源的船舶技术参数信息进行融合，用于建立船舶静态信息库。船舶静态信息是指船舶建造后固有的、不随实际驾驶条件而变化的信息，主要包括船舶MMSI代码、IMO代码、船型、船长、船宽、最大吃水深度、吨位（DWT）、额定发动机功率、设计速度、船旗国、建造年份等。船舶静态信息数据库与全球AIS数据匹配后，可用于的船舶排放清单的计算。本研究的船舶静态信息数据库主要收集了劳氏船级社、中国船级社和东亚其他国家船级社收集船舶档案信息，构建船舶技术规范数据库（STSD），该数据库在过去六年中不断更新，从最早的约80000艘全球远洋船舶覆盖到约120000艘全球远洋船只和东亚本地船只。结合AIS静态消息和全球渔业观察（GFW）数据库收集的有效信息，从2016-2019年开始逐年淘汰老旧和报废船18只，并增加新建船只。目前，以MMSI代码为唯一标识符的STSD包含了全球约38.4万艘船舶的静态信息，高于基于AIS数据构建全球船舶排放清单的其他研究，如国际海事组织第四次GHG报告中的约18.9万艘船舶[44]。具有IMO编号的船舶在STSD中被定义为远洋船舶。统计数据显示，更新后的STSD共包含122746艘远洋船舶，与国际海事组织第四次温室气体报告中记录的截至2018年年中具有IMO号的船舶数量（112144艘）一致，略高于贸发会议记录的2019年世界船队数量（97136艘)。2.2.1.4研究区域和范围与大多数具有固定地理活动范围的公路移动源不同，远洋船舶具有很强的空间流动性。由于远洋船舶的船旗国、作业国和活动地点的不一致性带来的复杂性，目前几乎没有统一的标准来确定远洋船舶排放的归属国。在本研究中，制定海南船舶排放清单的目标区域是距离海南大陆领海基线约12Nm以内的可通航水域（以下简称12Nm区域），如图2.2-2所示。确定目标区域的主要原因有以下几点。首先，从空气质量影响的角度来看，研究表明，该地区发生的船舶排放量被证明对中国的空气污染和人类健康有重大贡献。第二，12Nm区域是船舶交通最密集、航线最复杂的水域。此外，该研究区域也与中国其他基于AIS的船舶排放清单的研究范围大致一致，以便对相应的结果进行比较。图中标注出了海南省主要港口的位置，包括三亚港、海口港、洋浦港、八所港和清澜港，这几个港口也是海南省货物吞吐量最大的港口。19图2.2-2本研究的研究范围：海南省沿岸12Nm及其与中国排放控制区12Nm的相对位置SEIMv2.0模型结合IMO对船舶的分类方式，根据船舶的主要功能和用途，将船型划分为15大类。需要特别说明的是，本研究聚焦于水路运输产生的船舶排放，共包含集装箱船、散货船、普通货船、客船、滚装船、冷藏船、化学品船、油船、液化气船等船型。不包含渔船、搜救船、科考船、港口作业船等不参与水路运输的船舶类型。本研究涉及到的船型的详细分类说明如表2.2-1所示。船舶类型表2.2-1根据船舶主要功能和用途的船舶分类集装箱船主要功能和用途散货船运载集装箱货物的自行推进式的干货船滚装船专运散装货物的自行推进式的干货船，如煤炭等大宗散货等利用货车来装运货物的自行推进式的干货船，用牵引车牵20引装运箱货或散货的半挂车或轮式托盘进出货舱装卸的运输船舶普通货船装运各种干货的自行式货物船，具有多层或单层船体，以运载成包、成捆、成桶等件杂货为主油船载运散装石油或成品油的液货运输船舶化学品船建造或改装用于散装运输散装液体化学品的船舶。除工业化学品和清洁石油产品外，还经常运载需要高标准油舱清洁的其他类型的敏感货物，例如棕榈油、植物油、牛脂、烧碱、甲醇等载车船主要用来装运进出口车辆的自行推进式的干货船，容量大，甲板层数多，船头、船尾和船中部有舷门和跳板，用于车辆上下船冷藏船用于装运冷冻或低温冷藏的易腐烂的鱼、肉、水果、蔬菜等食品的专用船舶，属于自行推进式的干货船，受货运量有限，吨位不大液化石油气船专用来运输液化石油气的船舶液化天然气船专用来运输液化天然气的船舶2.2.2基于航次的航程排放计算模型（VoySEIM）2.2.2.1方法概述基于2.2.1章的SEIM增加航程识别与靠港修正可以得到基于航次的航程排放计算模型VoySEIM。相比于SEIM，VoySEIM新增的功能包括：1）将排放分配至单条航程的精度；2）识别每条航线的出发与到达地；3）筛选经过某特定范围的航线。在识别航线出发与到达地方面，需要输入港口边界文件，通过经纬度判断起始点是否在港口边界范围内。VoySEIM模型基于Python语言编写，21在Spark分布式计算框架下运行，模型的最终产出为高信息密度的、基于航程与航线的船舶排放清单，可以分离区域排放与靠港航线排放并实现航程排放的空间表征。本章中基于航程的船舶计算边界为2022年中国东部沿岸与东南亚（北纬0°～50°，东经90°～140°）范围内靠港海南省的航线。选择北纬0°～50°，东经90°～140°作为靠港海南省航线排放计算边界的原因是该范围包含了我国港口与周边东亚、东南亚国家，覆盖靠港海南的绝大部分航程的同时减少计算工作量。2.2.2.2计算流程图2.2-3所示为更新之后的VoySEIM的模型结构示意图。模型具体的计算过程可以描述为：1）将AIS动态数据库与静态技术信息进行匹配；2）以每两个连续AIS信号之间的时间间隔为计算单位，基于船舶瞬时航速、航行工况及发动机输出功率，以微观视角对船舶的主发动机、辅发动机与锅炉分别进行排放模拟计算；3）基于经纬度判断每个信号点所在位置，取每段航程首信号与末信号的位置为该段航程的出发/到达地；4）对每一段航程，根据经纬度判断是否有信号点在限定地理区域内，若存在则导出该段航程，则可得到所有经过某区域的航程。图2.2-3VoySEIM计算流程222.2.2.3数据来源本部分对船舶的分类标准与计算所需的AIS数据与船舶静态信息与2.2.1章相同。本研究使用的港口地理空间数据包括港口名称、港口地理空间坐标。北纬0°～50°，东经90°～140°范围内的港口划分如图2.2-4所示，包含了55个主要国内港口（表2.2-2）和部分东亚、东南亚国家（柬埔寨、日本、朝鲜、韩国、菲律宾、新加坡-印尼-马来西亚、泰国、越南）。表2.2-2研究采用的主要国内港口清单省份港口海南儋州，东方，三亚，海口，文昌广西钦州，北海，防城港东莞，广州，汕头，汕尾，深圳，中山，珠海，湛江，茂名，阳江广东，江门，惠州，潮州，揭阳福州，泉州，厦门，漳州，莆田，宁德福建台州，温州，嘉兴，宁波舟山浙江日照，青岛，烟台，潍坊，威海，东营山东滨海，连云港，南通，盐城江苏大连，丹东，葫芦岛，锦州，盘锦，营口辽宁黄化湖北秦皇岛，唐山河北台湾台湾上海，天津直辖市特别行香港政区23图2.2-4北纬0°～50°，东经90°～140°内港口划分2.3研究结果2.3.1区域视角的海南省船舶排放特征分析2.3.1.1海南省船队构成由于AIS信号中有浮标、灯塔、渔网等干扰信息，本研究结合多年建立的船舶静态信息库对具有有效技术信息的船舶进行了匹配。2019年，在海南12Nm区域保持一定活动强度（年AIS信号不少于2）且为船舶类型为货运船的船舶数量为7080艘船，总功率为31.2百万瓦，总载重吨为2.2亿吨。本研究进一步采用相同的方法统计了中国12Nm区域的船队，发现中国12Nm区的船舶共86108艘，主机功率总和为2亿瓦，载重吨总和为12.5亿吨。海南12Nm区的船舶的艘数、总功率和总载重吨分别是中国12Nm区船舶的8%、13%和15%（图2.3-1）。24图2.3-1中国12Nm区和海南12Nm区活动船队对比图2.3-2展示了海南12Nm区和中国12Nm区船队结构的船型构成和船旗国构成。总体来看，海南12Nm区和中国12Nm区一致，船队以散货船、油船、集装箱船、普通货船为主。这四种船舶占海南12Nm区活动船舶数量的85.9%，总载重吨的95.6%，总功率的92.6%。对于中国12Nm区来说，这四种船舶占活动船舶数量的85.4%，总载重吨的92.9%，总功率的90.5%。海南船队的集装箱船占船舶数量的8.0%，高于中国船队集装箱船在数量上的占比（4.5%）。但是海南船队集装箱船在总载重吨中占6.8%，低于中国船队集装箱船在总载重吨上的占比（14.9%）。说明海南船队中集装箱船的吨位较中国船队整体水平偏小。而海南船队的散货船船占船舶数量的54.0%，低于中国船队散货船在数量上的占比（69.5%）。但是海南船队散货船在总载重吨中占60.2%，高于中国船队散货船在总载重吨上的占比（52.7%）。说明海南船队中散货船的吨位较中国船队整体水平偏高。燃油方面，识别出海南12Nm区使用LNG作为燃料的船舶16艘，占活动船舶总数量的0.3%，总功率的0.2%，总载重吨的0.6%。25图2.3-2海南12Nm区和中国12Nm区的船型构成及船旗国构成（I:功率，II:载重吨，III:数量）在船旗国构成方面，在数量上，海南12Nm区的外国船旗的船舶占比为56.2%。而中国12Nm区的中国船旗的船舶占比为27.8%。海南区域有更多的外国籍船舶活动，这可能是由于在海南自贸港政策的吸引下，越来越多的航运相关市场主体在海南开展国际贸易、物流仓储等活动，从而使得外籍船舶在海南附近活动增加。除了中国船旗以外，占比最大的三个船旗国分别是巴拿马、马绍尔群岛和利比里亚，这三个国家也是世界上典型的方便旗国家，但船旗国与贸易的出口国与进口国没有必然的联系，不能反映贸易运输活动。鉴于海南省12Nm水域外籍船舶占比较大，在未来的自贸港建设中应该重视对外籍船舶的管理。2019年中国12海里区中国船旗的船舶总载重吨约为3.1亿吨，这与《2019年中国航运发展报告》[45]中我国海运船舶总载重吨一致，保证了本研究的覆盖度。图2.3-3海南12Nm区船舶的建造时间和载重吨分布（I:功率，II:载重吨，III:数量）26图2.3-3展示了海南12Nm区船队的建造时间和载重吨分布。在船舶建造时间方面，建造于2000-2010年之间的船舶数量上和主机功率上占比最大，分别占了53.0%和44.4%。而建造于2010-2016年的船舶在载重吨方面占比最大，占了42.0%。在载重吨级别方面，载重吨小于10千吨的小船在数量上占了44.8%，占比最大。但是在主机功率和总载重吨方面，这部分小船仅占20.8%和3.7%。载重吨方面占比最大的是吨位大于10万吨的大船。主机功率方面占比最大的是50千吨-100千吨的船舶。2.3.1.2多年际船舶排放2019年，海南省12Nm区船舶AIS信号数为0.1亿，船舶排放的SOx、NOx、HC、CO2、PM（硫酸盐）、CO分别为2.7千吨、14.0千吨、0.6千吨、930.4千吨、0.4千吨和0.7千吨。2022年，海南省12Nm区船舶AIS信号数为0.1亿，船舶排放的SOx、NOx、HC、CO2、PM（硫酸盐）、CO分别为0.6千吨、10.4千吨、0.4千吨、711.7千吨、0.2千吨和0.5千吨，较2019年下降了7.9%-75.8%。根据清华大学开发的多尺度排放清单模型（MEIC），2019年海南省人为源排放（不包括船舶）为4.1万吨SOx，8.7万吨NOx，3.0万吨PM（硫酸盐），本研究计算的海南沿岸12Nm区的船舶SOx、NOx和PM（硫酸盐）排放量相当于海南省人为源排放的6.6%、16.1%和1.3%。海南沿岸12海里以内海域的航运有关的船舶排放量占中国区域相同方法统计的排放量的0.5%-1.5%。图2.3-42019-2022年海南12Nm区船舶排放年际变化272019-2022年，海南沿岸12Nm区的船舶排放量如图2.3-4所示，排放量整体呈现波动趋势，但变化不大。2020年受疫情影响，船舶排放量相对2019年下降约16%，2021年有回升的趋势，略低于2019年的排放量。2022年，沿海控制区海南水域控制要求生效，要求海船进入沿海控制区海南水域，应使用硫含量不大于0.1%m/m的船用燃油。DECA政策的实施驱动船舶排放的大气污染物，尤其是SOx和一次颗粒物的大幅下降，所有污染物相较于2021年下降了19.2%-74.0%。根据中国环境监测总站全国空气质量实时发布平台数据，海口港最近的站点（海南大学监测点：北纬20.0574°，东经110.3232°、秀英海南医院站点：北纬20.0053°、东经110.2830°、龙华路环保局宿舍站点：北纬20.0356°、东经110.3300°）2022年相较于2021年PM2.5、PM10、SO2、NO2的年均浓度均有所下降，下降幅度分别为8%、8%、10%、18%，船舶减排对海口港口区域附近空气质量改善的贡献明显。2.3.1.3船舶排放的空间分布2019年海南12Nm的船舶排放空间分布如图2.3-5所示。船舶活动和相关排放主要集中在海口港、洋浦港、八所港、三亚港等海南主要沿海港口。从排放的空间分布可以明显看出船舶航行的轨迹，反映了海南沿海港口之间的运输活动。海南12Nm区的网格排放强度平均为0.1吨SOx/0.01°网格、0.3吨NOx/0.01°网格、18.6吨CO2/0.01°网格（0.01°网格相当于1千米网格），是中国沿海12海里区域平均网格排放强度的6.4%-7.4%。其中，洋浦港、海口港和八所港附近的网格排放强度较高，最高可达到88.7吨SOx/0.01°网格、423.6吨NOx/0.01°网格、3.1万吨CO2/0.01°网格。28图2.3-52019年海南12Nm的船舶排放的空间分布2.3.1.4排放贡献分析图2.3-6展示了2019年海南12Nm区的船舶排放构成。在所有船型中，散货船贡献了船舶排放的35.6%-43.5%，其次是滚装船和集装箱船，分别贡献了船舶排放的22.6%-24.5%和22.6%-26.3%。不同的船舶类型的排放贡献的特点与货物种类有关，反映了海南的航运以能源、矿产、粮食等干散货的运输，以及制造业、贸易主导的滚装货物和集装箱货物的运输为主。在燃油方面，使用硫含量不超过0.5%m/m的轻柴油的船舶贡献了95.1%-96.5%的的船舶排放。对于SOx和PM这类主要受燃油质量影响的污染物来说，使用MGO作为燃料的船舶几乎贡献了全部的排放量。随着海南航运清洁化政策措施的落地和基础设施的建设，也有一部分船舶使用LNG作为替代能源。2019年使用LNG的船舶贡献了1.5%的船舶CO2排放。在船龄方面，可以看出建造时间在2000-2010年之间的船舶贡献最大，贡献量为46.0%-52.7%。2016年以后的新造船舶只贡献了11.9%-13.4%。在船旗国方面，中国船籍的船舶贡献了40.6%-43.8%的船舶排放，贡献量第二的是巴拿马籍的船舶，贡献了8.7%-9.3%的船舶排放。对比中国12Nm区，中国船籍的船舶贡献了中国12Nm区船舶排放的40.1%-53.5%，高于海南水域。说明海南水域的外籍船舶活动较多，排放贡献较大。29图2.3-6不同船型、燃油、船龄、船旗国的船舶对不同污染物的排放贡献图2.3-7海南岛12海里内活动的不同类型船舶的数量构成图2.3-7展示了在海南岛12海里内活动的不同类型船舶的数量构成。结合船队数量占比与排放占比可见，滚装船的数量少，但是对于12海里内的排放贡献较大，控制滚装船的排放可以达到较高的减排效率与减排效果。散货船的数量与排放占比均比较高，因此散货船的12海里内船舶减排的重点控制类型。海南12Nm区的活动船队的构成呈现出明显的外籍船舶占比大的特点。本研究分别针对不同船旗国的船舶排放构成进行了分析。如图2.3-8所示。中国籍30船舶和外国籍船舶的排放构成在船型和载重吨方面有明显不同。海南12Nm区内，中国籍船舶的排放贡献最大的是散货船（29.1%-38.5%），其次是油船（13.3%-19.2%），而外国籍船舶中这两种船型仅贡献了25.4%-31.1%和7.3%-12.5%的排放。外籍船中的集装箱船和普通货船的贡献分别为21.9%-24.4%和12.5%-13.5%的排放，明显高于中国籍船中的集装箱船和普通货船的贡献（11.1%-13.0%和4.3%-5.0%）。在载重吨方面，中国籍船中小于10千吨的船贡献了66.4%-68.4%的排放，而外籍船船中小于10千吨的船仅贡献了42.2%-43.0%的排放，外籍船中贡献最大的是10千吨到50千吨的船，贡献了34.7%-36.7%的排放。外籍船舶中超过10万吨级别的大船的排放贡献占比达到了9.9%-11.4%，高于中国籍中超过10万吨级别的大船的排放贡献（1.9%-2.5%）。图2.3-8不同船型、载重吨对中国籍船、外籍船不同污染物的排放贡献312.3.2OD视角的海南省船舶排放特征根据船舶是否在海南省主要港口（儋州、海口、东方、三亚、文昌）停泊可以把2022年海南省周边航线划分为到港航程和途径航程，本部分的计算对象为靠港海南省的航程。2.3.2.1靠港航次与排放总量在北纬0°～50°，东经90°～140°的范围内，共识别出219万条航线，船舶排放为1596.24万吨二氧化碳，约占2022年全球海运二氧化碳排放的2.6%。其中，共有约2万条航程在海南省靠港，在北纬0°～50°，东经90°～140°范围内共排放34.68万吨CO2，174.67吨PM，7867.39吨NOx，964.14吨SOx，333.13吨CO。图2.3-9和图2.3-10分别展示了范围内所有航程排放与靠港海南省的航程排放。可见由靠港海南的航程导致的网格排放强度明显低于海南岛周边的网格排放强度，海南岛周边非靠港航线的网格排放强度大，区分靠港航程排放与途经航程排放可以分离海南在该海域内的减排责任。图2.3-92022年北纬0°～50°，东经90°～140°范围内所有航线32图2.3-102022年靠港海南省的所有航线2.3.2.2分航程的排放贡献与特征在靠港海南省的航线中，海南省内航线贡献了大部分温室气体与大气污染物排放。2022年，海南省内航线共排放15.87万吨CO2，80.84吨PM，3596.50吨NOx，437.46吨SOx，156.59吨CO，对靠港海南省航线CO2排放贡献约为45.8%，PM排放贡献约为46.3%，NOx排放贡献约为45.7%，SOx排放贡献约为45.4%，CO排放贡献约为47%。海南-广东航线排放贡献次之。2022年，海南-广东航线共排放3.11万吨CO2，15.18吨PM，694.64吨NOx，83.78吨SOx，28.92吨CO，对靠港海南航线CO2排放贡献约为9.0%，PM排放贡献约为8.7%，NOx排放贡献约为8.8%，SOx排放贡献约为8.7%，CO排放贡献约为8.7%。其余航线对排放贡献接近且贡献量较小。国内航线中，海南-浙江航线、海南-广西航线、海南-山东航线、海南-福建航线共排放3.04万吨CO2，15.07吨PM，682.49吨NOx，86.88吨SOx，27.42吨CO，对靠港海南航线CO2排放贡献约为8.8%，PM排放贡献约为8.6%，NOx排放贡献约为8.7%，SOx排放贡献约为9.0%，CO排放贡献约为8.2%。国际航线中，海南-越南航线共排放0.76万吨CO2，3.90吨PM，171.12吨NOx，21.83吨SOx，7.20吨CO；海南-菲律宾航线共排放0.58万吨CO2，2.71吨PM，111.73吨NOx，15.70吨SOx，4.79吨CO，两类航线共同对靠港海南航线CO2排放贡献约为3.9%，PM排放贡33献约为3.8%，NOx排放贡献约为3.6%，SOx排放贡献约为3.9%，CO排放贡献约为3.6%。除了识别出“出发/到达港口”的航线外，“出发/到达港口”未被识别的航线贡献了较多的排放，排放9.60万吨CO2（排放贡献为27.7%），48.60吨PM，（排放贡献为27.8%），2208.40吨NOx（排放贡献为28.1%），269.37吨SOx（排放贡献为27.9%），93.04吨CO（排放贡献为27.9%）。未识别航线可被归纳为三类：第一类航线的出发/到达地为远离大陆的海域或海岛（如黄海与南沙群岛），第二类是在海南岛离岸12海里外、100海里内航行的渔船航线，第三类是少量出发/到达地在本区域外的航线。图2.3-112022年靠港海南省的主要航线示意图表2.3-2和图2.3-12展示了各航线贡献的温室气体与大气污染物排放。由此可以看出，海南省内的船舶活动最为活跃，其次是与广东、浙江、广西、山东、福建的船舶活动，国际航线中与越南、菲律宾的船舶活动较为活跃。以上航线共占70%的靠港海南省航线的温室气体与大气污染物排放。进一步考虑船型贡献，海南省内的渔船、海南-广西的滚装船、海南-越南、菲律宾、广东、34福建的货船为较为活跃的船舶活动类型。表2.3-22022年靠港海南省的航程排放PMNOxSOxCOHCCO2N2OCH4出发/目的地(吨)(吨)(吨)(吨)(吨)(万吨)（吨）(吨)7.24靠港航线174.677867.39964.14333.13362.1634.6818.633.440.60省内80.843596.50437.46156.59172.2015.878.640.210.14广东15.18694.6483.7828.9230.203.111.650.160.09浙江5.73268.4733.6410.1310.661.140.590.120.10广西3.87171.6922.217.177.170.790.420.070.05越南3.90171.1221.837.207.840.760.410.000.20菲律宾2.71111.7315.704.794.560.580.302.06山东2.83127.1715.675.365.880.560.30福建2.64115.1715.364.764.770.540.28新马印1.8779.8911.093.283.280.390.20港台1.2560.737.362.232.340.250.13日韩0.146.140.880.250.210.030.02其他5.09255.7629.809.4110.021.040.54未识别48.602208.40269.3793.04103.029.605.17CH410%20%30%40%50%60%70%80%90%100%N2OCO2HCCOSOxNOxPM0%海南省内广东浙江广西越南菲律宾山东福建新马印港台日韩其他未识别35图2.3-122022年靠港海南省航线对不同温室气体与污染物的排放贡献图2.3-13展示了2022年不同船型、船龄的船舶对海南省内航线、海南-国内航线（不包含海南省内航线）、海南-东亚、东南亚航线（包括日本、韩国、朝鲜、越南、菲律宾、泰国、新加坡、印尼、马来西亚、柬埔寨）不同污染物排放量的贡献。船型对不同航线的排放贡献存在一定差异。对于三类航线，散货船均贡献了大部分排放，是排放控制的重点船型。对于海南省内航线而言，油船、普通货船、滚装船与集装箱船的排放贡献也不可忽视。对于海南-国内航线而言，油船对污染物排放的贡献更大，约为11.1%～13.2%。另外，相比海南省内航线，化学品船与液化气船对海南-国内航线存在一定排放贡献。对于海南-东亚、东南亚航线，化学品船与普通货船对排放的贡献明显高于海南省内航线与海南-国内航线，分别为14.8%～16.67%和15.0%～16.9%。图2.3-14展示了海南省内航线、海南-国内航线、海南-东亚、东南亚航线中不同船型的航次数量构成。对于海南省内航线而言，69%的航次由散货船构成，其次为普通货船和油船，分别占航次数的13%和7%。对于海南-国内航线而言，76%的航次由散货船构成，其次为滚装船和油船，分别占航次数的7%和7%。对于海南-东亚、东南亚航线而言，51%的航次由普通货船构成，其次为散货船和化学品船，分别占航次数的29%和11%。船龄对不同航线的排放贡献存在较大差异。对于海南省内航线而言，几乎全部排放由建造年份在2000年至2010年的船舶贡献，在省内活动的船舶较老，与中国船东协会公布的我国沿海省际干散货船与油船的平均船龄（10.67年和10.51年）接近。对于海南-国内航线而言，建造年份在2000年至2010年的船舶仍然贡献了约95%的排放，但也存在少量建造年份晚于2010年的船舶排放。对于海南-东亚、东南亚航线而言，建造年份更新的船对排放的贡献更大，建造年份在2010-2016年的船舶对排放的贡献约为20.0%，但建造年份早于2000年的船舶也对排放有一定贡献，约为5.8%。36图2.3-132022年不同船型、船龄的船对海南省内航线、海南-国内航线、海南-东亚、东南亚航线不同污染物的排放贡献图2.3-142022年海南省内航线、海南-国内航线、海南-东亚、东南亚航线中不同船型的航次数量构成综合船型的航次数量占比与船型、船龄的排放贡献占比可以得到需要重点控制的船舶类型。对于海南省内航线和海南-国内航线而言，散货船在航次数量与排放贡献占比均比较高，因此需要加强对于海南省船龄10年以上的散货船的监管；油船的航次数量占比约为7%，排放占比达到13%，因此也需要加强对船龄10年以上的油船的监管。该类船的船龄与我国沿海省际干散货船、油船的船龄接近，距离成为老旧船舶（散货船船龄达到18年，油船船龄达到12年）尚存在一定的缓冲期。对于油船而言，大部分船舶船龄邻近老旧，航线以海南省37内、海南-国内航线为主，在购置新船时可以增加甲醇、氢能等使用清洁能源船舶的比例，并加快老旧船舶的淘汰。对于散货船而言，距离被淘汰还剩余约8年的时间，在近期可以考虑加装尾气处理设施、使用岸电，在远期也需提升清洁能源船舶在新船中的占比。2.3.2.3不同船型的航程OD特征根据船型解析靠港海南的航线排放结果如图2.3-15至图2.3-17所示。与货物运输相关的船型（散货船、集装箱船、普通货船）的航线（图2.3-15）集中在海南岛周边并有部分航线均匀辐射中国东南沿岸与东南亚国家。燃料运输船（液化石油气船、油船）的航线（图2.3-16）基本为国内航线，液化石油气船主要从海口港与洋浦港通过琼州海峡与中国东南沿海港口相连，油船的出发/到达港口包含了五个主要港口与中国东南沿海港口相连，排放量更大，且有少量通往俄罗斯的航线。与特定产业相关的船型（滚装船、化学品船）的航线与图2.3-17所示。滚装船航线排放分布在海口、儋州与广西省之间，化学品船航线排放较为分散，主要分布在海南、中国东部沿岸、越南、新加坡间。图2.3-15靠港海南航线中散货船、集装箱船、普通货船的排放分布38图2.3-16靠港海南航线中液化石油气船、油船的排放分布图2.3-17靠港海南航线中滚装船、化学品船的排放分布2.4本章小结本研究将船舶排放分别分配至区域与航程，计算了海南省12海里范围的船舶排放与靠港海南省、途径海南省200海里的航程排放。计算结果展现了海南12海里的多年际船舶排放变化、空间分布与和靠港海南省的航程排放。2019-2022年，海南沿岸12Nm区排放量整体呈现波动趋势，但变化不大。2022年海南省12Nm区船舶污染物排放（SOx、NOx、HC、CO2、PM、CO）较2019年下降了7.9%-75.8%。在所有船型中，散货船、滚装船和集装箱船贡献了最多排放；在燃油使用方面，使用硫含量不超过0.5%m/m的轻柴油的船舶贡献了95.1%-96.5%的的船舶排放；在船龄方面，建造时间在2000-2010年之间的船39舶贡献最大；在船旗国方面，中国船籍的船舶贡献了最多排放。但对比中国12Nm区，说明海南水域的外籍船舶活动较多，排放贡献较大。在海南岛12海里范围内活动的船舶中，滚装船的数量少，但是对于12海里内的船舶排放贡献较大，控制滚装船的排放可以达到较高的减排效率与减排效果。散货船的数量与排放占比均比较高，因此散货船的12海里内船舶减排的重点控制类型。在靠港海南省的航线中，海南省内航线贡献了大部分温室气体与大气污染物排放（约为46%），其中散货船贡献了大部分排放，是减排需要关注的重中之重，油船、普通货船、滚装船与集装箱船的排放贡献也不可忽视。几乎全部的海南省内航线排放由建造年份在2000年至2010年的船舶贡献，可见在省内活动的船舶较老，应该首先推动省内运输船队的更新。海南-国内航线贡献了约18.4%的靠港排放，其中海南-广东航线对靠港海南航线的贡献约为9%。从船型看，散货船仍然贡献了最多的排放，是减排控制的重点。油船、化学品船与液化气船的排放贡献相比海南省内航线有所提升，也应重点控制。从船龄看，建造年份在2000年至2010年的船舶仍然贡献了约95%的排放，但也存在少量建造年份晚于2010年的船舶排放。综合船型的航次数量占比与船型、船龄的排放贡献占比可以得到需要重点控制的船舶类型。对于海南省内航线和海南-国内航线而言，散货船在航次数量与排放贡献占比均比较高，因此需要加强对于海南省船龄10年以上的散货船的监管；油船的航次数量占比约为7%，排放占比达到13%，因此也需要加强对船龄10年以上的油船的监管。该类船的船龄与我国沿海省际干散货船、油船的船龄接近，距离成为老旧船舶（散货船船龄达到18年，油船船龄达到12年）尚存在一定的缓冲期。对于油船而言，大部分船舶船龄邻近老旧，航线以海南省内、海南-国内航线为主，在购置新船时可以增加甲醇、氢能等使用清洁能源船舶的比例，并加快老旧船舶的淘汰。对于散货船而言，距离被淘汰还剩余约8年的时间，在近期可以考虑加装尾气处理设施、使用岸电，在远期也需提升清洁能源船舶在新船中的占比。40海南-国际航线中，海南-越南航线、海南-菲律宾航线的排放贡献较高。散货船、化学品船与普通货船是需要重点控制的船舶类型，其中化学品船与普通货船对排放的贡献明显高于海南省内航线与海南-国内航线，分别为14.8%～16.67%和15.0%～16.9%。建造年份在2010-2016年的船舶对排放的贡献约为20.0%，但建造年份早于2000年的船舶也对排放有一定贡献，约为5.8%。41第3章海南港口港作机械排放现状3.1基于MOVES-NONROAD的港作机械排放计算方法本研究采用的MOVES模型是基于美国当地的实际情况建立的排放因子模型，因此在对海南地区进行港作机械排放因子模拟的过程中，需要首先对模型的相关参数本地化修正。主要包括地理信息、机械信息、燃油信息、模拟年信息四个方面[46,47]。3.1.1地理信息处理MOVES模型中提供了美国的50个州3042个县的地理区域。本研究基于影响排放因子的地理气候条件方面进行相应筛选匹配。我国海南省位于北纬18°10′~20°10′，属热带季风气候，全年高温，旱雨季明显，降水集中在雨季且量大。美国位于相近纬度的州县主要是夏威夷州，最终确定美国夏威夷州的夏威夷县HawaiiCounty作为模拟地理区域。具体海南省与夏威夷地理气候特点见表3.1-1。表3.1-1海南与佛罗里达地理气候对应特点评价指标海南省夏威夷州（夏威夷县）纬度18°10′N至20°10′N19°32'34"N经度108°37′E至111°05′E155°39′W年均温度22.5℃至25.6℃23℃至29℃年均降水量1640mm3302mm相对湿度77%至86%66%-71%雨季5月至10月11月至3月3.1.2机械信息对标（1）港作机械类型本土化MOVES模型中将港作机械类型分为16大类，并且进一步根据燃料类型（柴油、两冲程汽油、四冲程汽油、液化石油气、压缩天然气）进行区分并采用源分类代码（SourceClassificationCodes，SCCs）对不同污染源进行区分，见42表3.1-2，表3.1-3。根据实地调研结果，本研究对代表性港口的港作机械按照以上分类进行一一对应。表3.1-2港作机械类型到MOVES-Nonroad设备类型的映射CHETypeMOVES-NonroadEquipmentTypeMOVES-NonroadSectorAerialLiftsAerialLiftsIndustrialAirCompressorsAirCompressorsCommercialCranesCranesConstructionEmptyContainerOtherGeneralIndustrialEquipmentIndustrialHandlersExcavatorsExcavatorsConstructionForkliftsForkliftsIndustrialGenerators/PowerPacksGeneratorSetsCommercialLightTowersSignalBoards/LightPlantsConstructionManliftsAerialLiftsIndustrialOff-highwayTrucksOff-highwayTrucksConstructionPumpsPumpsCommercialRailPushersOtherGeneralIndustrialEquipmentIndustrialReachStackersOtherGeneralIndustrialEquipmentIndustrialRollersRollersConstructionRTGCranesOtherGeneralIndustrialEquipmentIndustrialSideHandlersOtherGeneralIndustrialEquipmentIndustrialSkidSteerLoadersSkidSteerLoadersConstructionSweepersSweepers/ScrubbersIndustrialTopHandlersOtherGeneralIndustrialEquipmentIndustrialTractor/Loader/BackhoesTractors/Loaders/BackhoesConstructionWeldersWeldersCommercialYardTractorsTerminalTractorsIndustrial表3.1-3MOVES-Nonroad设备类型和燃料类型与SCC的映射MOVES-NonroadSourceClassificationCode(SCC)byFuelType43EquipmentTypeDiesel2-Stroke4-StrokeLPGCNGGasolineGasolineAerialLifts2270003022670030N/AAirCompressors10N/A2265003010226800602260006010Cranes227000602267006015Excavators15152265006015N/AForkliftsN/A15GeneratorSets2270002022670020N/AOff-highwayTrucks45226500204522680030OtherGeneralIndustrial45Equipment22700020N/A2036N/AN/A22680060Pumps22670030Rollers22700030N/A226500302005SignalBoards/Light2020N/APlants226000602267006022680030SkidSteerLoaders2270006005226500600540Sweepers/Scrubbers050522680060TerminalTractorsN/A10Tractors/Loaders/Backh22700020N/AN/AN/A5122670030oes226000302265003040N/AWelders2270003040404022670060N/A2260006022650060102268003022700060101010N/A22670020302265002015226800302270002022600020151527N/A70N/A22650020N/A227000202722670020272260003072N/A302265002022700020N/A72226700307230N/A2265003022700030302267003030N/A7022650030227000307022670020706622650020227000206622670060662522650060227000602525（2）港作机械排放标准44不同模型年的港作机械排放状况也存在一定差异。本研究通过开展实地调研，获取了研究区域当下使用的主要港作机械相关信息。根据《非道路移动源大气污染物排放清单编制技术指南》[48]，采用设备到货日期作进行各机械执行排放标准的判定依据，见表3.1-4。结合2022年底实行的国4标准，本研究中将模型年超过2022年的设备归类为国4。表3.1-4基于销售日期的排放标准判别方法类型国0国1国2国3国4挖掘机~2008.10.12008.10.1~2010.10.1~2016.4.1~推土机2010.10.12016.4.12022.122023.1～工装载机程叉车机压路机械摊铺机平地机其它3.1.3燃油构成模拟MOVES模型提供了6中不同类型的燃油，分别为：汽油、柴油、压缩天然气、液化石油气、乙醇和电力，但目前只考虑了汽油和柴油的燃料性质[49,50]。本研究中所涉及均为柴油机械，而在MOVES中主要规定了柴油的硫含量，因此，本研究模拟过程中仅对柴油硫含量进行转换调整。研究表明，降低硫含量科研削减HC、CO以及NOx等污染物排放。历次国家燃油标准只对硫含量做出了调整，且国家标准化管理委员会自2019年起，非车用柴油均按照车用柴油国Ⅵ标准评价（见表3.1-5），其它指标均不变。因此，本研究中的燃油主要对含硫量进行统一设定，均为10ppm。表3.1-5国标中规定的柴油硫含量国Ⅰ国Ⅱ国Ⅲ国Ⅳ国Ⅴ国Ⅵ10柴油200010003505010单位：ppm453.1.4模拟年限确定MOVES内部提供了广泛的模拟时间，由于国内外的相关排放标准颁布时间以及限值存在较大区别，需要根据国内与美国排放标准的差异，结合具体的港作机械执行标准来确定模拟年限[51,52]。首先，研究依据我国与美国排放标准中各污染物的排放限值大小，建立了排放标准的关系见图3.1-1。图3.1-1展示了我国标准实施年限与美国非道路移动机械排放标准的对应关系，其中红色折线表示美国污染物排放标准逐年的变化，红星表示我国国1至国4标准的实施年与污染物浓度。可见，我国国1标准排放水平对应美国1999年，国2对应2003年，国3对应2008年。在2014年后，美国的排放标准没有进一步更新，与我国国4标准相近。因此，本研究中对于研究区域港作排放因子的模拟年限的设定与上述一致。图3.1-1美国非道路移动机械污染物排放限值之和与我国标准对应关系463.2洋浦港港作机械排放清单本研究基于本地参数化后的MOVES模拟得出的排放因子，首先计算出单个不同类型港作机械排放量（见式3-1），然后结合不同设备的数量，最终计算的出年排放总量。E=P×LF×A×EF(3-1)其中，E为单台设备的排放量，g；P为该类设备额定功率，hp；LF为引擎负载因子；A为引擎运行时长，h；EF为排放因子，g/(hp·h)。3.2.1港作机械活动水平数据本研究对国投裕廊洋浦港的港作机械活动水平以及相关参数进行了调研，初步形成了133台港作机械的详细数据，见图3.2-1。其中装载机、门座起重机以及重型引车数量最多，共46台，占比36%。港作机械的燃料类型直接影响其排放。研究港口港作机械主要动力驱动类型包括柴油以及电力。其中，柴油机驱动的设备共计60台，港作机械电动化率达到55%。岸桥、门座起重机、龙门起重机与轮胎吊的电动化程度最高。图3.2-1国投裕廊洋浦港的港作机械保有量以及燃料类型进一步对柴油机驱动的港作机械进行分析。60台柴油机额定功率范围在66—256kW，见图3.2-2(a)。其中超过52%的港作机械功率为150—200kW；功率小于100kW的港作机械占比达到23%；功率大于200kW的机械占比最小，仅为8%。港作机械的年工作时长见图3.2-2(b)。在所有港作机械中，超过70%的港作机械年工作时长小于1000小时。47各类型港作机械模型年调研结果见图3.2-2(c)。依照《非道路移动源大气污染物排放清单编制技术指南》划分调研区域柴油机驱动的港作机械的排放标准，最终得到所有港作机械排放标准均在国0到国3之间，见图3.2-2(d)，其中国3的港作机械最多，占比达到55%；而国0占比最少，占10%。图3.2-2柴油驱动港作机械额定功率、工作时长、模型年以及排放标准基本情况3.2.2基准排放因子计算基于MOVES-NONROAD模型，在地理选项为HawaiiCounty的基础上，由调研结果中的燃料类型确定采用非道路机械柴油，并依照我国现阶段柴油标准，将其中硫含量调整为10ppm；然后依照WRF模拟的海南省典型月份平均气温以及湿度信息进行气候条件设置；最终根据不同排放标准分别选定模拟为1990，1999，2003以及2008年进行模拟，得到排放因子。模拟结果与《非道路移动源大气污染物排放清单编制技术指南》中推荐值进行对比。结果显示：（1）本研究中各种功率、各排放标准下，大部分结果均在推荐值±50%以内；（2）PM10、PM2.5、HC、CO、NOx平均偏差分别为7%、10%、-57%、-17%以及5%。考虑指南中指标值测定时设备性能、燃油组成、环境条件不同，同时由于设备功率分类不同，合并过程中也会带来差异，综合形成的影响。483.2.3港作机械污染物排放总量2022年国投裕廊洋浦港的港作机械排放污染物THC、CO、NOx、SO2、PM10、PM2.5以及CO2总量分别为1.93吨、7.11吨、24.75吨、0.02吨、1.26吨、1.22吨以及3094.49吨。进一步结合货运量分析，计算得到洋浦国际集装箱码头、其它码头以及整个洋浦港的港作机械产生的THC、CO、NOx、SO2、PM10、PM2.5以及CO2总量分别为18.68吨、68.72吨、239.12吨、0.18吨、12.18吨、11.82吨以及29901.03吨，见表3.2-1。由结果可知，由于非道路机械采用车用柴油，其含硫量较低（低于10ppm），港作机械产生的SO2排放较低，而NOx的排放仍处于较高水平，是目前港口排放的主要污染物。表3.2-1洋浦港污染物及二氧化碳排放总量（吨）国投裕廊洋浦港THCCONOxSO2PM10PM2.5CO21.937.1124.750.021.261.223094.49洋浦国际集装箱码头15.5857.30199.400.1510.169.8524934.64其它码头1.174.3014.970.010.760.741871.90洋浦港总计18.6868.72239.120.1812.1811.8229901.03分设备的排放结果见图3.2-3。重型引车在各类污染物中的贡献均为最高，约50%，并且在颗粒物PM2.5以及PM10中占比达到65%。此外，装载机、正面吊/轮胎吊的排放占比相当，而空箱堆高机和其它机械排放占比最低。49图3.2-3洋浦港不同港作机械排放占比以港作机械的排放标准划分结果见图3.2-4。在各类污染物中，国1机械排放占比最大（主要为重型引车），并在NOx、PM10、PM2.5中占比均超过50%，其次为国3，而国0机械排放占比最小。图3.2-4洋浦港不同港作机械排放占比洋浦港分港作机械的各标准设备排放结果见图3.2-5。由结果可知，重型引车中，国1设备排放占比最高，超过80%；而装载机、正面吊/轮胎吊以及空箱50堆高机的排放主要来自于国3机械。此外，叉车排放主要来自于国2和国0机械，而其它港作机械的排放主要为国2机械，在各污染物中占比均超过60%。图3.2-5洋浦港分设备各标准港作机械排放占比3.3本章小结本研究通过现场调查和数据调研，获取海南省儋州市国投裕廊洋浦港港作机械种类、保有量、功率分布和活动水平数据。进一步通过MOVES模型nonroad模块建立了本地化排放因子库，结合各货物吞吐量核算了2022年洋浦港港作机械排放清单。研究结果明确了主要污染源和主要污染物，为制定针对性的减排措施提供依据。计算结果显示，就机械种类而言，各污染物分担率最高的机械为重型引车，约占排放总量的55%；就排放阶段而言，对典型污染物分担率最高的机械为国1和国3标准机械，共计占比超过80%。对首要污染物NOx，港作机械中以国1标准的排放分担率最高，占总排放58%；重型引车中国1机械排放分担率最高，占总排放的88%。岸桥、龙门起重机、门座式起重机的电动化率最高，装载机、重型引车的电动化率低，且数量较多、排放分担率高，是港作机械排放控制的重点与难点。因此，针对未来洋浦港港作机械的减排路径，应主要从以下方面开展：（1）老旧港作机械淘汰：包括进一步推进包括叉车、集装箱正面吊、空箱堆高机以及重型引车在内的国0、国1、国2标准设备（销售年份早于2016年4月1日）51的淘汰进程，以减少高排放强度设备的使用；（2）港作机械清洁能源替代：持续推动港口清洁能源发展，针对主要排放源重型引车，积极推动电动化和其它清洁燃料替代进程，以期能获取最大的减排效益。（3）提高港区智能化水平：加强物流与污染联合监控管理，一方面，通过优化运输路线提升运输效率，释放物流调度环节的减排潜力；同时，通过天地空检测设备进行污染物监控，识别排放热点区域，支撑管控措施及时落地。52第4章海南港口集疏运车辆排放现状4.1港口集疏运货车排放计算方法4.1.1方法概述本研究计算了洋浦港集疏港货车因港口货物运输需求，即货物从港口运输至目标公司或从生产公司运至港口，该过程产生的运输排放清单，并对排放进行空间分配，分析港口货运车的排放特征，评估减排潜力。研究的污染物包括HC、CO、CO2、SO2、NOx、PM。本研究计算了2022年洋浦港货车排放清单并进行空间分配。货车排放数据通过洋浦港货运量进行计算，公式如下：E==𝐴×𝛼(×𝛽?×𝑙×𝐸𝐹(?×10%&(4-1)(,?其中：E为污染物排放总量（t）,𝐸𝐹(?为污染物排放因子（g/km）,𝛼(表示不同车型的货车占比，根据总质量分为重型、中型、轻型和微型，𝛽?表示不同排放标准的货车占比，𝑙为进出港货车平均运距（km），A为进出洋浦港总货车车次，通过第一季度进出港车次推算得到全年进出港车次。4.1.2活动水平本研究前往洋浦经济开发区的两个港口公司，国投洋浦港有限公司（以下简称国投洋浦）和洋浦国际集装箱码头有限公司（以下简称洋浦国际）进行调研，以确定本地活动水平。本研究通过收集公司门禁系统中的进出港货车信息和过磅信息，确定港口货物运输量；通过整理港口登记的车辆行驶证打印文件，收集港口车辆信息，包括排放标准、燃料类型、平均载重、车型等。具体数据内容及数据量如表4.1-1所示。表4.1-1港口调研数据条目港口公司时间数据类型数据量（条）日均（条）国投洋浦散货出港1286042953散货进港92743092023.1.1-集装箱112233742023.3.30进港车辆426101420进口箱11816洋浦国际2023.3.1-2023.3.7出口箱1993284进港车辆6503929本研究收集了两个公司3月前后的门禁数据，并计算单日平均车次分别为339033辆、174745辆。由于我们收集了海南统计年鉴中洋浦港港口吞吐量数据，除重要节日（如春节、国庆）外，其变化并不明显（如图4.1-1），因此我们认为可以使用3月左右的平均车次推算至港口全年。洋浦港吞吐量（万吨）600500400300200123456789101112月份图4.1-12021年洋浦港吞吐量变化本研究联系港口公司拿到纸质车辆登记表，手动录入行驶证信息，包括号牌号码、车辆类型、品牌型号、发动机号码、车辆识别代号、注册日期、整备质量、总质量、核定载质量、准牵引总质量、燃料类型。获取了449辆进出港货车信息，通过车辆识别代号匹配排放标准，计算港口货物平均运输车次和不同车队类型比例。港口货物平均运距来自《海南省统计年鉴》。544.1.3排放因子污染物排放因子主要来自于《道路机动车排放清单编制技术指南》（后用《指南》代替），如表4.1-2所示。然而《指南》中对排放因子的测试主要针对柴油车，且缺乏最新国六标准和二氧化碳的排放数据，而洋浦港的天然气货车、国六标准车在车队中占比均较高，对排放的影响不可忽视，因此本研究进行了对货车排放因子的研究进行了文献调研，补充缺失的排放因子，最终应用于清单计算的排放因子如表4.1-2所示。表4.1-2《指南》中不同排放标准的重型货运车排放因子（g/km）排放标准COHCNOxPM柴油车-国三2.790.2557.9340.27柴油车-国四2.20.1295.5540.153柴油车-国五2.20.1294.7210.03SO2、CO2排放因子的推导依靠课题组之前相关项目中对重型货车排放特征的研究工作结论，使用不同排放标准下SO2、CO2与其他气体的比例系数，如表4.1-3。表4.1-3重型车CO2、SO2与其他气体排放比例关系CO2/COSO2/(CO+CO2+VOC)柴油车-国一前44.126380.000212柴油车-国一103.62880.000217柴油车-国二194.79860.000218柴油车-国三215.04650.000218柴油车-国四272.72450.000219柴油车-国五272.63370.000219柴油车-国六272.63370.000219表4.1-4通过文献调研完善后的货运车排放因子（g/km）排放标准COHCNOxPMCO2SO255柴油车-国三3.3570.2876.7620.673730.5740.160柴油车-国四2.3540.1654.5590.300649.69740.143柴油车-国五2.3540.1374.5000.020649.48110.143柴油车-国六1.7950.0400.1000.020495.2500.109天然气-国五0.7005.2633.227-761.401-天然气-国六0.3505.2630.725-761.401-4.1.4空间分配方法本研究以12km洋浦港货物平均运距为半径，划取港口货车排放影响区，并在该区域路网上对港口货车排放进行分配。首先统计排放影响区内不同类型道路的长度（表4.1-5），考虑到货车运输的实际情况，本研究中的城市道路只包括一级和二级道路。表4.1-5排放影响区内不同类型道路长度道路类型长度（km）城市道路1123.77省道968.78国道154.55高速495.80通过调研相关研究获取不同类型货车在不同道路上的VKT占比（表4.1-6），作为空间分配的权重因子，将排放分配至12km×12km网格中。表4.1-6文献中不同车型在不同道路上的VKT占比微型轻型中型重型0.08城市道路0.350.240.140.14省道0.16国道0.190.340.190.58高速0.210.140.250.220.270.3956其他0.030.010.030.044.2洋浦港集疏运货车排放核算及特征分析4.2.1港口货车车队构成与活动水平洋浦经济开发区典型港口的集疏运货车车队构成与活动水平数据由实地调研得到。课题组在2023年3月27日至2023年3月31日（共5天）在洋浦国际集装箱码头有限公司和国投裕廊洋浦港有限公司开展了实地调研，通过与港口管理方沟通的行驶获得了进出港车队行驶证信息与某段时间内货车进出港信息（洋浦国际集装箱有限公司的时间段为2023年3月1日00时00分至2023年3月7日23时59分，国投裕廊洋浦港为2023年1月1日00时00分至2023年3月30日10时59分）。通过对两家港口公司的调研，本研究共收集到449条进出港车辆信息，其中有448条为重型货车，1条为轻型货运车。图4.2-1实地调研企业地理位置分布574.2.1.1车队构成从车型来看，所调研的货车均为重型车，其中重型半挂牵引车为最主要的货车类型，约占总调研车辆的92%。其次为重型自卸货车与重型罐式半挂车，分别占3%和2.8%。图4.2-2展示了车队的燃料类型分布，从燃料类型来看，约59%的车为天然气车（264条车辆信息），约35%的车为柴油车（157条车辆信息），6%的车的燃料类型未知。因为不同燃料类型的货车排放标准不同，且燃料类型为未知的货车的排放标准也未知，因此，排放标准分布的基数为已知燃料类型的421辆货车。图4.2-3展示了不同燃料类型货车的排放标准分布。总体而言，达到国五标准的货车占大多数（235辆，约占55.8%），其次为达到国六标准的货车（共165辆，约占39.2%），有少量车为国四、国三标准的货车（分别占4.8%和0.2%）。若区分不同燃料类型的车，对柴油车而言，有84.7%的柴油车达到了国五标准，2.5%的柴油车达到了国六标准，12.1%的柴油车达到了国四标准；对天然气车而言，有61.6%的天然气车达到了国六标准，38.3%的天然气车达到了国五标准，其余为排放标准未知的货车占比。图4.2-2洋浦港集疏运货车燃料类型分布58图4.2-3不同燃料类型的货车排放标准占比95%的港口集疏运货车的排放标准都达到国五及以上，其中87%的柴油车的排放标准都达到国五及以上，99%的天然气车的排放标准都达到国五及以上。天然气车的排放标准分布整体优于柴油车。4.2.1.2活动水平在实地调研的两家港口企业中，国投裕廊洋浦港提供的数据时间段较长且包含进出港车辆的行驶里程数据，所以对货车车队活动水平的分析主要基于国投裕廊洋浦港的货车情况。在2023年第一季度（2023年1月1日至2023年3月30日），进出国投洋浦港的总车次为42609，单日车次为479次。在2023年3月的第一周（2023年3月1日至2023年3月7日），进出洋浦国际集装箱码头的总车次为6502，单日车次为929。如图4.2-4和图4.2-5所示，从贸易类型来看，国投洋浦港的货车运输货物以内贸为主，进出港车次中提箱与收箱的比例接近1:1。在进出国投洋浦港的货车行驶证信息中，共有184条货车信息包含行驶里程数据。表4.2-1展示了在国投洋浦港登记行驶证信息的集疏运货车的行驶里程数据。进出国投洋浦港的货车平均过去一年（即2022年）的行驶里程为89564千米，其中天然气车过去一年的平均行驶里程为108219千米，柴油车过去一年的平均行驶里程为45922千米。天然气车的平均行驶里程与2019年全国货车平均行驶里程（102881千米）接近，且远高于柴油车的平均行驶里程（约为柴油车的2.4倍）。据此可推断柴油车多被用于短距离运输，天然气多用于长距离运输。结合货车的车队构成与活动水平，可见从数量与运输距离的角度，洋浦港的集疏运货车以天然气车为主，柴油车的使用强度较小。59图4.2-4国投洋浦港进出港货车内外贸货物运输情况图4.2-5国投洋浦港进出港货车提箱收箱情况表4.2-1国投裕廊洋浦港集疏运货车行驶里程数据去年一年的行驶里程（km）总行驶里程（km）平均2019年全国2019唐山平均89564平均市平均252060总100375264159天然气车225768柴油车1082198900045922±45000洋浦港集疏运货车的出发地/目的地可以大致分为市内、跨市区两类，市内出发/到达地包括金海浆纸、逸盛石化、海南炼化等洋浦经济开发区内的其他码头，跨市区出发/到达地集中在海口、儋州、三亚周边。跨市区的货车路线主要通过G98环岛高速（图4.2-6）。60图4.2-6洋浦港集疏运货车主要行驶路线4.2.2港口货车排放清单表4.2-2展示了2022年洋浦港集疏运车辆温室气体和大气污染物的排放情况。2022年洋浦港集疏运货车在距离港口12千米的区域内共排放了1.73万吨CO2，0.71吨PM10，74.91吨NOx，1.75吨SO2，34.80吨CO和66.41吨HC。不同燃料类型与排放标准的货车对不同污染物的贡献也有较大差异。图4.2-7展示了不同燃料类型、排放标准的货车对不同气体排放的贡献。天然气车在SO2、PM10、NOx、CO的减排中表现较好，对SO2和PM10的排放贡献小于5%，对NOx和CO的排放贡献小于30%。然而天然气车对CO2和HC的排放贡献较大，对CO2的排放贡献约为55%（略小于天然气车在车队数量上的占比59%），对HC的排放贡献约为97%。柴油车在SO2、PM10、NOx、CO的减排中表现较差，其中国四标准的柴油车相比国五标准的柴油车贡献了更多的PM10排放，尽管国四标准的柴油车在数量构成上远小于国五标准的柴油车。表4.2-22022年洋浦港集疏运货车12km排放清单排放量（吨）COHCNOxPM10CO2SO261柴油-国三0.260.020.530.0557.220.01柴油-国四3.500.256.780.45966.690.21柴油-国五24.521.4346.870.216764.511.49柴油-国六0.560.010.030.01155.150.03天然气-国五3.3024.7915.200.003586.660.00天然气-国六2.6539.925.500.005774.570.00总排放34.8066.4174.910.7117304.791.75图4.2-72022年洋浦港集疏运货车12km排放贡献4.2.3排放空间分布图4.2-8展示了洋浦港集疏运货车排放的空间分布。各类温室气体和大气污染物排放集中在G98环岛高速与洋浦经济开发区与儋州市之间的万洋高速。62图4.2-82022年洋浦港集疏运货车排放空间分布4.4本章小结本研究通过现场调查和数据调研，获取海南省儋州市国投裕廊洋浦港和洋浦国际集装箱码头进出港货车数据。进一步通过文献调研建立了本地化排放因子库，结合进出港货车车次核算了2022年洋浦港进出港货车排放清单。研究结果明确了主要污染源和主要污染物，为制定针对性的减排措施提供依据。2022年洋浦港集疏运货车在距离港口12千米的区域内共排放了1.73万吨CO2，0.71吨PM10，74.91吨NOx，1.75吨SO2，34.80吨CO和66.41吨HC。天然气车对CO2和HC的排放贡献较大，柴油车在SO2、PM10、NOx、CO的减排中表现较差，尽管国四标准的柴油车在数量上少于国五标准的柴油车，但国四标准的柴油车却贡献了更多的PM10排放。63第5章海南港口与船舶减排政策建议5.1海南船舶排放控制区减排效益评估5.1.12019-2022年海南DECA政策演变2018年，我国交通运输部印发了《船舶大气污染物排放控制区实施方案》[53]，将控制区沿海水域扩展至全国领海基线外延12海里内的所有海域和港口，包括海南水域及其港口；内河控制区则纳入沿海地级以上城市行政辖区内的内河通航水域以及长江干线通航水域。“控硫”是《船舶大气污染物排放控制区实施方案》的关键措施。其规定了2019年1月1日起，海船进入排放控制区，应使用硫含量不大于0.5%m/m的船用燃油，大型内河船和江海直达船舶应使用符合新修订的船用燃料油国家标准要求的燃油。2022年1月1日起，海船进入沿海控制区海南水域，应使用硫含量不大于0.1%m/m的船用燃油。沿海排放控制区海南水域的地理范围如图5.1-1所示，同本研究定义的海南12Nm区一致。图5.1-1沿海控制区海南水域范围示意图[8]IMO的“限硫令”于2020年1月1日开始实施，其规定全球范围内船用燃油硫含量不超过0.5%m/m[54]。可以看出，我国沿海船舶排放控制区海南水域的64措施实施前于国际标准。2022年海南水域对船舶燃料硫含量的要求更是进一步提高，凸显了海南作为绿色发展的先锋和生态文明建设的典范的雄心。体现了海南省致力于减轻船舶排放对环境的影响，推动航运业向更加绿色、可持续的方向发展。5.1.2DECA政策演变下的逐日船舶排放本研究假设沿海船舶控制区海南水域的船舶完全遵守交通运输部《船舶大气污染物排放控制区实施方案》的规定，使用对应硫含量的燃油。燃油硫含量对船舶SOx和一次颗粒物排放的影响最大。图5.1-2展示了2019-2022年海南12Nm区船舶逐日SOx、PM（硫酸盐）和NOx的排放趋势。2019-2021年，海南12Nm区船舶排放的SOx、PM（硫酸盐）和NOx的95%以上都是由使用硫含量不超过0.5%m/m的船舶贡献的，日排放量约为6.8吨/天、1.0吨/天和36.1吨/天。海南DECA政策实施后，硫含量不超过0.1%m/m的轻柴油的贡献上升。2022年，船舶SOx排放和PM（硫酸盐）的排放量相较2021年分别下降了73.9%和49.0%。但DECA政策对NOx的减排效果有限，2022年，船舶NOx排放量相较2021年仅下降了24.3%。65图5.1-2DECA政策演变下的海南12Nm区逐日船舶SOx、PM（硫酸盐）和NOx排放5.1.3基于反事实情景的减排效益分析本研究对船舶排放的估算均基于以当年的实际船舶活动水平和政策实施方案为基础，通过与上一年度对比来分析政策对船舶减排的效益。然而，该结果实际为减排政策与船舶活动水平变化共同影响下的总效益。为了进一步探究政策的绝对减排效益，本研究设置了一个假设的无政策情景，通过模拟2019-2022年期间不实施政策时船舶排放的变化，并将其与基准情景对比，来解析研究区域内排放控制政策和船舶活动水平变化对排放的绝对影响。在Base情景中，所有政策按实际执行情况进行设置，而无政策情景中，2019-2020年间对于所有船舶均不设置控制区和燃料要求，即保持在无DECA政策的水平。通过实地调研得知，海南省超低硫油（硫含量不高于0.1%m/m）的供应目前可能存在一定短缺。因此如果按照基准情景对船舶排放的估算与假设，很可能存在对海南12Nm区船舶排放的低估的情况。为了进一步探究超低硫油供应不足的情况对DECA政策减排效益的影响，本研究进一步设置了超低硫油供应不足情景。通过模拟2022年仍然维持2019-2021年的政策水平下船舶排放的变66化，并将其与基准情景对比，来分析供应不足对海南省船舶排放的影响。在供应不足情景中，2019-2021年的控制区和燃料要求与基准情景相同。而在供应不足情景中，2022年仍然使用之前海南船舶排放控制区设置的燃料硫含量不高于0.5%m/m的燃油标准。表5.1-1所示为基准情景、燃料供应不足情景和无政策情景的具体设置。表5.1-1本研究中的DECA政策情景设置基准情景0.1%燃油供应不足情景无DECA政策情景AIS数据2019-20222019-20222019-2022政策设置DECA2.0政策实施无DECA政策DECA2.0与海南燃油设置DECA政策相继实施燃油硫含量限值0.5%无要求m/m燃油硫含量限值从0.5%m/m降低到0.1%m/m图5.1-3所示为2019-2022年基准、燃料供应不足和无政策情景下海南12Nm区内船舶SOx、PM（硫酸盐）和NOx排放的年际变化。若不采取任何船舶排放控制政策（无政策情景），海南省12Nm船舶SOx、PM（硫酸盐）和NOx的年均排放量分别预计将为12.9千吨/年、1.5千吨/年和14.2千吨/年。与基准情景对比，研究区域内DECA政策的减排效益约10.8千吨SOx/年、1.2千吨/PM（硫酸盐）年和0.8千吨NOx/年。DECA政策有效地减少了船舶SOx、PM（硫酸盐）的排放至无政策情景的16.6%和22.4%。但对船舶NOx的减排效益有限，仅减少了无政策情景的5.8%。近10年内（活动在海南省大部分船舶距离成为老旧船舶的时间）可通过船舶发动机改造或加装后处理装置等方式减少NOx排放，中远期需要提升氢燃料等清洁能源船舶在新船中的比例。67图5.1-3三种情景下2019-2022年海南12Nm区船舶SOx、PM（硫酸盐）、NOx排放年际变化如果2022年0.1%m/m硫含量的燃油供应不足，那么DECA政策的控制效果将无法达到上述评估的程度。将供应不足情景与基准情景相比较，可以发现如果完全不使用0.1%m/m硫含量的燃油，那么2022年海南省12Nm船舶SOx、PM（硫酸盐）和NOx的年均排放量将为2.2千吨/年、0.3千吨/年和11.7千吨/年，比基准情景增加1.5千吨/年、0.1千吨/年和0.5千吨/年，升幅约为220.7%、56.5%和4.8%。685.2不同排放源对海南省港口减排的影响5.2.1研究现状5.2.1.1港口排放核算边界港口排放源种类繁多，港口排放清单的建立是一项综合性复杂的工程。港口排放清单主要涉及与货物运输有关的排放。如果考虑生命周期评估（LCA），相关电网的排放也应包括在清单中。如果排放源的范围不相同，港口排放可能会产生巨大差异。因此，计算港口排放的首要步骤是确定排放核算边界。IMO将港口排放源分为三个范围。范围1代表直接由港口运营管理的直接排放源，包括港口拥有的船队车辆，港口管理部门拥有或租赁的车辆，建筑物中的锅炉和熔炉，港口拥有和运营的货物装卸设备以及港口管理当局拥有和运营的任何其他排放源[55]。范围2代表港口间接排放源，包括为港口管理部门拥有的建筑物和运营购买的电力。租户电力和能源购买不包括在此范围内。范围3包括与租户操作关联的其他间接源，例如船舶、卡车、货物装卸设备（CHE）、铁路机车、港口船只、租户建筑、租户购买的电力和港口员工车辆。对于拥有大量租户的港口，范围3通常是温室气体排放的最大来源[55]。大多数港口排放清单选择范围3或其中的一部分作为其研究区域。5.2.1.2港口排放清单美国洛杉矶港（POLA）从2001年起发布基于活动法的年度港口排放清单。洛杉矶港的排放清单是全球首份公开发表的港口排放清单，也是评估圣佩德罗湾港（SanPedroBayPorts,SPBP）清洁空气行动计划（CleanAirActionPlan,CAAP）减排措施及美国联邦和加利福尼亚州颁布的减排法规的主要工具。表5.2-12022年洛杉矶港港口排放清单排放量PM10PM2.5DPMNOxSOxCOHCCO2e（吨）远洋船6660433369129360143271236港作船舶2550811131313499010069货物装卸121111425267288170634设施铁路26242671711754161145货车5756435544420243总551361662341974069985765123114洛杉矶港排放清单的计算方法与加州空气资源委员会（CaliforniaAirResourceBoard,CARB）规定中的方法一致。远洋船舶（Ocean-GoingVessel）、港作船舶、卡车和货车装卸设备的排放量都是根据活动数据估算的，而部分铁路排放量是根据燃料消耗估算的[56]。对于远洋船而言，不同操作模式（过境、锚地、泊位和机动）的排放计算方法略有不同。一般来说，远洋船排放量是船舶电力需求与排放因子乘积的函数。港作船舶的排放量基于发动机的型号年份、额定功率和年运行小时数得到。在计算货物装卸设施的排放量时，应使用控制因子来反映由于使用柴油机氧化型催化器（DOC）和柴油颗粒过滤器（DPF）等各种技术而导致的减排量。与各类减排技术相关的控制因子采用CARB验证或协商通过的数据。Geerlings提出了一种方法来粗略估计鹿特丹港集装箱码头的二氧化碳排放量[57]。该研究旨在为港口当局提供一种估计港口排放并确定减少排放的最有效措施的工具，因此方法学和输入数据较为简单易用。其中，输入数据包含港口吞吐量、港口运营模式划分、码头配置和码头布局。码头配置是指各类货物装卸运输设备（如码头起重机、驳船起重机）的数量。码头布局是指设备到子过程的距离。结果表明，对于现有的集装箱码头，“快速更换柴油设备”和“混合可持续生物柴油燃料”是两种易于实施的减排措施，可显着降低二氧化碳排放量。最具潜力的长期零排放技术是基于氢、生物质、太阳能和风能的各种形式的电力。Villalba使用现有方法估算巴塞罗那港的海上排放量和陆地运营排放量[58]。海上排放量的计算采用美国环保署的方法，根据活动水平估计，活动水平数据包括到达或离开港口、巡航和停泊状态所花费的时间。计算结果显示，2008年巴塞罗那港共排放331390吨二氧化碳当量气体，其中约一半由海上排放贡献，70另一半由陆地排放贡献。单位货运量排放最高的船型是汽车运输船，每吨货物的温室气体排放量为6公斤。Yang归纳了港口货运系统的基本要素和主要碳排放源，提出港口一体化物流系统的概念。运输、重型设备、材料消耗和能源消耗是四个主要港口碳排放源。对深圳港进行的案例研究提供了一种测量港口综合物流系统中碳排放的方法[59]。山东港务集团的港口排放清单是由中国港务局发布的第一份港口排放清单。清单计算的排放源包括货物装卸运输设备、卡车、铁路、船舶和港作船舶，排放的计算综合采用了燃料法、距离法和活动水平法[60]。表5.2-2总结了不同港口排放清单的研究。港口排放的范围不同，港口的排放源也不同，计算范围因研究而异。本研究旨在为海南寻找航运清洁低碳转型的路径，因此将排放计算范围定为船舶、卡车、货物装卸运输设备和港作船舶，它们代表了港口中最主要的货运活动。表5.2-2港口排放清单研究总结港口年份排放源计算方法文献来源洛杉矶港2022船舶，货物装卸运输活动法Starcrest设备，港作船舶，卡燃料法，活动法Consulting车Group[61]铁路鹿特丹港2011货物装卸运输设备燃料法，活动法GeerlingsandvanDuin[57]船舶活动法巴塞罗那2008货物装卸运输设备，燃料法/能源法Villalbaand港卡车Gemechu[58]能源法，经验公供暖，电力，垃圾式山东港货物装卸运输设备，燃料法⼭东省港⼝集团2020铁路，港作船舶距离法[60]卡车71船舶活动法船舶，货物装卸运输活动法设备深圳港2013卡车距离法Yang[59]2014铁路燃料法供暖，电力，垃圾能源法，经验公式5.2.2洋浦港港口排放清单5.2.2.1核算边界本研究的港口排放核算边界基于货物在港口发生的三类运输模式：货物通过水运运入/运出港口（排放源为船舶）、货物在港口内的装卸搬运（排放源为港作机械）、货物通过集疏运货车运入/运出港口（排放源为货车）排放计算公式见式5-1，港口建筑物的供暖、电力排放则不在本研究的港口排放边界内。因此本研究计算的港口排放能较全面反映由港口物流导致的排放。𝐸港口=𝐸船舶（=@<A区域）+𝐸港作机械+𝐸货车（=@BA区域）(5-1)其中船舶排放指洋浦港周边12海里区域的船舶排放，以下用船舶（12Nm区域）代指。12Nm区域发生的船舶排放量被证明对中国的空气污染和人类健康有重大贡献，且该区域是船舶交通最密集、航线最复杂的水域。货车排放指以12千米为平均运距的货车排放影响区，用货车（12km区域）代指，与第4章的计算边界一致。其中12km范围为海南省港口货物的平均运距，能较好代表港口货物使用货车运入/运出产生的排放。港作机械排放的计算边界、方法与第3章一致。5.2.2.2计算结果表5.2-3为2022年洋浦港排放清单，2022年洋浦港共排放23.7万吨CO2，172.2吨SOx，2560.2吨NOx，176.3吨HC，56.7吨PM，215.1吨CO，各排放源的贡献可见图5.2-1。不同排放源对不同污染物的排放贡献存在一定差异。对于各类大气污染物和温室气体，船舶仍然贡献了大部分排放。对于PM、CO2、72NOx、SOx，船舶排放的贡献在75%以上，对SOx的贡献可达95%以上。但是对于CO和HC，港作机械和货车贡献了约50%的排放。整体而言，船舶排放仍然是港口减排的控制重点，货车与港作机械对港口排放的贡献较小。COPMCO2HCNOxSOx0%10%20%30%40%50%60%70%80%90%100%船舶（12海里区域）港作机械货车（12千米区域）图5.2-12022年洋浦港各排放源排放贡献表5.2-32022年洋浦港排放清单排放（吨）SOxNOxHCCO2PMCO船舶（12海里区域）170.22246.291.2189561.043.8111.6港作机械0.218.729901.012.268.7货车（12千米区1.8239.166.417304.80.734.8域）74.9从建设零碳港口的角度，港作机械与货车使用零排放燃料可以带来约20%的降碳效益，剩余80%的碳排放减排需要通过船舶减排措施如岸电与清洁船舶替代能源达成。船舶替代能源的选择与推进进度与海南省的能源产业发展相关，将船用能源清洁化与本地能源产业发展相结合可以实现海南自由贸易港的绿色发展，而海南省建立清洁能源加注站则是将两者结合的一条路径。735.3基于邻近航程排放的加注站潜力分析5.3.1计算边界与方法本部分计算对象为航程途经海南岛（不包含南沙群岛、西沙群岛等海南省四大群岛）周边海域的邻近航程，计算边界为2022年全球航程中途径海南岛离岸200海里的航程的排放（以下简称200Nm区域）。选择200Nm区域的原因为：（1）海南岛离岸200Nm存在大量没有停靠海南省的航线；（2）对于中途/长途航线，从原始航线偏航至200海里处的海南停靠加注的航程增量相比原始航程在可接受范围内。海南岛离岸12海里、100海里与200海里的区域范围如图5.3-1所示。图5.3-1海南岛离岸12海里、100海里与200海里的区域范围5.3.2途径海南岛200Nm区域的邻近航程排放在2022年全球海运航线中筛选出途径海南岛200Nm区域的邻近航程得到图5.3-2。邻近航程主要集中在东亚、东南亚，但也有较多航程通过马六甲海峡通往南亚与霍尔木兹海峡、亚丁湾，少量航程抵达非洲、北美与南美。2022年，途径海南岛200Nm区域的航程全航程排放为201.17万吨CO2，927.82吨PM，45447.85吨NOx，5298.37吨SOx，1876.80吨CO，占2022年全球国际航程总排放的0.28%至0.36%，约为靠港海南省的航程总排放的5.7倍。其中，超过70%的排放由国内航线、中国-东南亚航线贡献。74图5.3-22022年全球途经海南省沿岸200海里的航线途径海南岛200Nm区域的国内航线排放了131.95万吨CO2，646.47吨PM，30093.8732吨NOx，3662.21吨SOx，1245.88吨CO，约为靠港海南省航线总排放的3.7倍，占途径海南离岸200海里总航线的65%。途径海南省沿岸200海里的中国-东南亚（泰国、缅甸、马来西亚、新加坡、印度、印尼）航线（图5.3-3）排放了15.68万吨CO2，40.77吨PM，1714.72吨NOx，236.78吨SOx，73.03吨CO，约为靠港海南省航线总排放CO2的45%，对其余大气污染物的贡献较小，约为22%。东南亚内部航线（图5.3-4）排放主要集中在越南沿海，有部分航线排放分布在越南、菲律宾、新加坡、马来西亚间。途径海南省沿岸200海里的东南亚内部航线排放了17.22万吨CO2，89.91吨PM，3825.22吨NOx，511.11吨SOx，168.99吨CO，约为靠港海南省航线总排放的50%。如果海南省建立了零碳船用能源加注站，除了可以实现靠港海南省航程带来的80万吨减排，还可实现由途经海南岛200Nm范围的国内航线、国内-东南亚航线、东南亚航线贡献的164.85万吨CO2排放的减排，并有助于201.17万吨途经海南岛200Nm范围的国际航程CO2排放的减排。75图5.3-3途径海南岛离岸200海里的中国-东南亚航线图5.3-4途径海南岛离岸200海里的东南亚航线765.4本章小结（1）DECA政策减排效益本研究计算了DECA政策下2019年至2022年船舶污染物的排放演变，且构建的反事实情景能够支持DECA政策减排效益的后评估。2022年，船舶SOx排放和PM（硫酸盐）的排放量相较2021年分别下降了73.9%和49.0%，但船舶NOx排放量相较2021年仅下降了24.3%。DECA政策对海南12Nm区的船舶SOx和PM（硫酸盐）的减排效果非常显著。但政策目前仍然存在一些不足。首先，DECA政策对NOx减排效果有限，年均减排效益相对于无政策情景来说为5.8%。此外，低硫船舶燃料的供应和排放监管对DECA政策取得的减排效果也很重要。如果燃料供应短缺，2022年海南省12Nm船舶SOx、PM（硫酸盐）和NOx的年均排放量将最多相对于基准情景上升220.7%、56.5%和4.8%。如果存在船舶违规使用超限值的燃油，也将使DECA政策无法完全取得理论减排效果。（2）各排放源对港口排放的贡献本研究以海南省儋州市洋浦港为例，研究了与港口货物运输相关的三类排放源（船舶、港作机械、集疏运货车）对港口排放的贡献。2022年，洋浦港共排放23.7万吨CO2，172.2吨SO2，2560.2吨NOx，176.3吨HC，56.7吨PM，215.1吨CO。从大气污染物控制角度，船舶仍然是港口排放的重要贡献源，对于PM、CO2、NOx、SOx，船舶排放的贡献在75%以上，对SOx的贡献可达95%以上。货车与港作机械排放对港口大气污染物排放的贡献较小。对建设零碳港口而言，港作机械与货车使用零排放燃料可以带来约20%的降碳效益。剩余80%的碳排放减排需要通过船舶减排措施如岸电与清洁船舶替代能源达成。船舶替代能源的选择与推进进度与海南省的能源产业发展相关，将船用能源清洁化与本地能源产业发展相结合可以实现海南自由贸易港的绿色发展，而海南省建立清洁能源加注站则是将两者结合的一条路径。77（3）基于邻近航程排放的零碳燃料加注站潜力分析本研究发现2022年途径海南200海里范围的所有航程（国际航程和国内航程）排放约为200万吨CO2，占全球国际航程总排放的0.3%。邻近航程主要集中在东亚、东南亚，但也有较多航程通过马六甲海峡通往南亚与霍尔木兹海峡、亚丁湾，少量航程抵达非洲、北美与南美。海南省12海里区年均船舶排放的CO2约为80万吨，如果海南作为零碳燃料加注站，有望实现比自身航运清洁化（80万吨的减排量）更大的减排效益。78第6章结论与展望6.1结论与建议6.1.1海南省港口与船舶排放现状（1）船舶排放现状海南沿岸12海里以内海域的运输船舶排放的SOx、NOx、HC、CO2、PM（硫酸盐）、CO分别为2.7千吨/年、14.0千吨/年、0.6千吨/年、930.4千吨/年、0.4千吨/年和0.7千吨/年，仅占中国12海里区域相同方法统计的排放量的0.5%-1.5%。海南省12海里区船舶排放的网格排放强度平均为0.1吨SOx/0.01°网格、0.3吨NOx/0.01°网格、18.6吨CO2/0.01°网格（约为1千米网格），是中国沿海12海里区域船舶排放平均网格排放强度的6.4%-7.4%。在数量上，海南12Nm区的外国船旗的船舶占比为56.2%。而中国12Nm区的中国船旗的船舶占比为27.8%，海南区域有更多的外国籍船舶活动。在所有船型中，散货船贡献了船舶排放的35.6%-43.5%，其次是滚装船和集装箱船，分别贡献了船舶排放的22.6%-24.5%和22.6%-26.3%。不同的船舶类型的排放贡献的特点与货物种类有关，反映了海南的航运以能源、矿产、粮食等干散货的运输，以及制造业、贸易主导的滚装货物和集装箱货物的运输为主。在燃油方面，使用硫含量不超过0.5%m/m的轻柴油的船舶贡献了95.1%-96.5%的的船舶排放。对于SOx和PM这类主要受燃油质量影响的污染物来说，使用MGO作为燃料的船舶几乎贡献了全部的排放量。随着海南航运清洁化政策措施的落地和基础设施的建设，也有一部分船舶使用LNG作为替代能源，LNG的排放贡献约为1.5%。在靠港海南省的航线中，海南省内航线贡献了大部分温室气体与大气污染物排放。2022年，海南省内航线对靠港海南省航线的温室气体与大气污染物排放的贡献约为46%。海南-广东航线对靠港海南航线的温室气体与大气污染物排放的贡献约为9%。海南-浙江航线、海南-广西航线、海南-山东航线、海南-福建航线对靠港海南航线的温室气体与大气污染物排放的贡献约为9%。国际航线中，海南-越南航线、海南-菲律宾航线共同对靠港海南航线的温室气体与大气污染物排放的贡献约为4%。2022年过境海南200海里范围的航程排放约为200万吨CO2，占全球国际航程总排放的0.3%，约为靠港海南省航线总排放的5.779倍。其中超过70%的排放由国内航线、中国-东南亚航线贡献。东南亚航线排放主要集中在越南沿海，有部分航线排放分布在越南、菲律宾、新加坡、马来西亚间，对温室气体和大气污染物的贡献约为靠港海南省航线总排放的50%。（2）港作机械排放现状将2020年国投裕廊洋浦港的港作机械排放结合货运量分析，计算得到洋浦国际集装箱码头、其它码头以及整个洋浦港的港作机械产生的THC、CO、NOx、SO2、PM10、PM2.5以及CO2总量分别为15.95吨、62.70吨、230.72吨、0.16吨、11.91吨、11.55吨以及26684.71吨。由结果可知，由于非道路机械采用车用柴油，其含硫量较低（低于10ppm），港作机械产生的SO2排放较低，而NOx的排放仍处于较高水平，是目前港口排放的主要污染物就机械种类而言，各污染物分担率最高的机械为重型引车，约占排放总量的60%；就排放阶段而言，对典型污染物分担率最高的机械为国1和国3标准机械，共计占比超过80%。对首要污染物NOx，港作机械中以国1标准的排放分担率最高，占总排放58%；重型引车中国1机械排放分担率最高，占总排放的88%。岸桥、龙门起重机、门座式起重机的电动化率最高，装载机、重型引车的电动化率低，且数量较多、排放分担率高，是港作机械排放控制的重点与难点。（3）货车排放现状2022年洋浦港集疏运货车在距离港口12千米的区域内共排放了1.73万吨CO2，0.71吨PM10，74.91吨NOx，1.75吨SO2，34.80吨CO和66.41吨HC。不同燃料类型与排放标准的货车对不同污染物的贡献有较大差异。天然气车在SO2、PM10、NOx、CO的减排中表现较好，对SO2和PM10的排放贡献小于5%，对NOx和CO的排放贡献小于30%。然而天然气车对CO2和HC的排放贡献较大，对CO2的排放贡献约为55%（略小于天然气车在车队数量上的占比59%），对HC的排放贡献约为97%。柴油车在SO2、PM10、NOx、CO的减排中表现较差，尽管国四标准的柴油车在数量上少于国五标准的柴油车，但国四标准的柴油车却贡献了更多的PM10排放。806.1.2海南省港口与船舶清洁化政策建议（1）现有DECA政策对NOx的减排效果有限，需要求船舶加装后处理装置或发动机改造加强对NOx排放的管控，并落实对低硫船舶燃料的供应和排放监管2019-2021年，海南12Nm区船舶排放的SOx、PM（硫酸盐）和NOx的95%以上都是由使用硫含量不超过0.5%m/m的船舶贡献的，日排放量约为6.8吨/天、1.0吨/天和36.1吨/天。海南DECA政策实施后，硫含量不超过0.1%m/m的轻柴油的贡献上升。2022年，船舶SOx排放和PM（硫酸盐）的排放量相较2021年分别下降了73.9%和49.0%。但DECA政策对NOx的减排效果有限，2022年，船舶NOx排放量相较2021年仅下降了24.3%。若不采取任何船舶排放控制政策（无政策情景），海南省12Nm船舶SOx、PM（硫酸盐）和NOx的年均排放量分别预计将为12.9千吨/年、1.5千吨/年和14.2千吨/年。与基准情景对比，研究区域内DECA政策的减排效益约10.8千吨SOx/年、1.2千吨/PM（硫酸盐）年和0.8千吨NOx/年。DECA政策有效地减少了船舶SOx、PM（硫酸盐）的排放至无政策情景的16.6%和22.4%。但对船舶NOx的减排效益有限，仅减少了无政策情景的5.8%。DECA政策对海南12Nm区的船舶SOx和PM（硫酸盐）的减排效果非常显著。但政策目前仍然存在一些不足。首先，DECA政策对NOx减排效果有限，年均减排效益相对于无政策情景来说为5.8%。近10年内（活动在海南省大部分船舶距离成为老旧船舶的时间）可通过船舶发动机改造或加装后处理装置等方式减少NOx排放，中远期需要提升氢燃料等清洁能源船舶在新船中的比例。此外，低硫船舶燃料的供应和排放监管对DECA政策取得的减排效果也很重要。如果燃料供应短缺，2022年海南省12Nm船舶SOx、PM（硫酸盐）和NOx的年均排放量将最多相对于基准情景上升220.7%、56.5%和4.8%。如果存在船舶违规使用超限值的燃油，也将使DECA政策无法完全取得理论减排效果。后续应进一步完善DECA政策，加强对NOx的排放控制。此外，保证低硫船舶燃料的供应和排放监管（如船舶是否存在违规使用超限值的燃油的情况）。81（2）运输船队主要为散货船、油船且船龄集中在10年及以上，需加强对于海南省内及海南-国内航行的散货船、油船、滚装船排放监管，并优先对该类船舶进行岸电、尾气处理设备加装、清洁燃料试点海南省12海里区海南区域有更多的外国籍船舶活动，鉴于海南省12Nm水域外籍船舶占比较大，且以大中型集装箱船和普通货船为主，在未来的自贸港建设中应该重视对外籍船舶的管理和排放控制。在所有船型中，散货船贡献了最多的船舶排放，其次是滚装船和集装箱船，这几类船舶有更高的减排潜力。省内航线、海南-广西航线、海南-广东航线贡献了大部分的靠港航程排放。在进行海南航运清洁低碳转型时，应该首先控制省内航线排放和与临近省份（广西省、广东省、福建省）的航线排放。在海南岛12海里范围内活动的船舶中，滚装船的数量少，但是对于12海里内的船舶排放贡献较大，控制滚装船的排放可以达到较高的减排效率与减排效果。散货船的数量与排放占比均比较高，因此散货船的12海里内船舶减排的重点控制类型。在靠港海南省的省内航线与海南-国内航线中，散货船贡献了大部分排放，是减排需要关注的重中之重。对海南省内航线而言，油船、普通货船、滚装船与集装箱船的排放贡献也不可忽视，且几乎所有海南省内航线排放由建造年份在2000年至2010年的船舶贡献。对于海南-国内航线，油船、化学品船与液化气船也应重点控制。从船龄看，建造年份在2000年至2010年的船舶仍然贡献了约95%的排放，但也存在少量建造年份晚于2010年的船舶排放。综合船型的航次数量占比与船型、船龄的排放贡献占比可以得到需要重点控制的船舶类型。对于海南省内航线和海南-国内航线而言，船龄10年以上的散货船、油船在航次数量与排放贡献占比均比较高，该类船的船龄与我国沿海省际干散货船、油船的船龄接近，距离成为老旧船舶（散货船船龄达到18年，油船船龄达到12年）尚存在一定的缓冲期。对于油船而言，大部分船舶船龄邻近老旧，航线以海南省内、海南-国内航线为主，在购置新船时可以增加甲醇、氢能等使用清洁能源船舶的比例，并加快老旧船舶的淘汰。对于散货船而言，距离被淘汰还剩余约8年的时间，在近期可以考虑加装尾气处理设施、使用岸电，在远期也需提升清洁能源船舶在新船中的占比。散货船与油船分别与煤炭、矿82产运输与燃料运输相关，可以从形成固定上下游运输关系的航程入手，推动这两类船舶的燃料清洁化、零碳化。（3）不同类型的港作机械电动化水平差异大，重型引车、装载机是下一步港作机械电动化的重点与难点岸桥、龙门起重机、门座式起重机的电动化率最高，装载机、重型引车的电动化率低，且数量较多、排放分担率高，是港作机械排放控制的重点与难点。因此积极推动重型引车和装载机的电动化进程可以获得最大的电动化收益。此外，应进一步推进包括叉车、集装箱正面吊、空箱堆高机以及重型引车在内的老旧设备（国0、国1、国2标准的港作机械，即销售日期早于2016年4月1日的设备）淘汰进程，以减少高排放强度设备的使用。（4）港口集疏运车队以重型天然气货车为主，但柴油车的排放也不可忽视，应加快淘汰国四标准的柴油车，并逐步推进氢能在港口货车中的使用港口运输车队中，柴油车在SO2、PM10、NOx、CO的减排中表现较差，尽管国四标准的柴油车在数量上少于国五标准的柴油车，但国四标准的柴油车却贡献了更多的PM10排放。应加快提高国五、国六标准货车在车队中的占比。对于清洁燃料选择，受电池自重影响电动化的可行性较低，应推进氢能在港口集疏运货车中的使用。针对现有货车车队中的天然气车，应减缓配置天然气车，并逐步用氢动力货车取代柴油车与天然气车。此外，应提高港区智能化水平，加强物流与污染联合监控管理，一方面，通过优化运输路线提升运输效率，释放物流调度环节的减排潜力；同时，通过天地空检测设备进行污染物监控，识别排放热点区域，支撑管控措施及时落地。（5）零碳能源加注站的减排潜力大，可与本地能源产业协同发展途径海南省200海里范围的所有航程（国际航程和国内航程）排放约200万吨，占国际航运排放的0.3%。海南省12海里区年均船舶排放的CO2约为80万吨。海南省建设零排放燃料加注中心有望实现比自身航运清洁化更大的减排效益。海南“十四五”规划和2035年远景目标提出海南省要建设海南自由贸易港船用燃料油和航空煤油加工项目。以儋州市洋浦经济开发区为例，在港口附近83有大片石化与炼油项目区，为氨、甲醇等清洁船舶替代能源的加工、加注提供产业基础。6.2展望该研究主要对海南省水域船舶排放现状、典型港口港作机械、集疏运货车排放现状进行了资料收集、整理与计算分析，计算了海南12海里多年际船舶排放清单，从航程角度解析海南省周边海域的船舶排放，收集洋浦经济开发区典型港口企业港作机械与集疏运货车的本地化数据，并计算洋浦港港作机械与集疏运货车的排放现状。该研究的进行为中国港口排放研究提供了系统的方法论，并通过一系列典型案例的分析，为政府等决策部门提供了港口排放管理与控制政策的制定与实施提供了数据支持。该研究还存在可以改进、完善的空间，主要体现在以下三点：（1）需要进行更多港口实地调研，形成更加完整的本地化数据库。不同港口的主要货物类型不同，港作机械的构成也有很大差异。洋浦港主要以货物运输为主，海口港近年来则正向客运转型，现有基于洋浦港的港口设施数据库不一定准确描述海口港的现状，需要进一步开展对海口港的实地调研。（2）基础数据的质量和完整性问题。报告中部分关于国内外航运相关数据来源于商业或研究机构发布的报告，数据的可靠性有待商榷，同时，对于中国内河和沿海的船舶AIS数据，来源于商业机构，船舶静态信息、船舶动态位置信息等可能存在不完整或不准确的问题。（3）围绕海南省清洁航运发展路径展开进一步研究。海南省航运发展在全国范围来看已经是排放强度较低、相对清洁的水平，海南省航运排放需要在此基础上进一步探索出再降低的新路径。因此接下来需结合对未来经济发展水平的预测、货运需求的预测等，构建近中期海南省船舶、港作机械和货车的减排路径。本研究发现途径海南省200海里范围的所有航程（国际航程和国内航程）排放约200万吨，占国际航运排放的0.3%。海南省12海里区年均船舶排放的CO2约为80万吨。海南省建设零排放燃料加注中心有望实现比自身航运清洁化更大的减排效益。因此，未来进一步评估海南省建设零碳燃料加注中心、构建“绿色走廊”的可行性和减排潜力，可以为面向“减污降碳、协同增效”目84标的海南省清洁航运发展政策制定提供技术支撑和政策建议。85参考文献[1]USEPA.Non-roadEngineandVehicleEmissionStudy——Reportandappendixes[J].1991,[2]刘欢,商轶,⾦欣欣,etal.船舶排放清单研究⽅法及进展[J].环境科学学报,2018,38(01):1-12.[3]LIUH,SHANGY,JINX,etal.Reviewofmethodsandprogressonshippingemissioninventorystudies[J].HuanjingKexueXuebao/ActaScientiaeCircumstantiae,2018,38(1):1-12.[4]ENDRESENØ,SØRGARDE,SUNDETJK,etal.Emissionfrominternationalseatransportationandenvironmentalimpact[J].JournalofGeophysicalResearch,2003,108(D17):[5]CAPALDOK,CORBETTJJ,KASIBHATLAP,etal.Effectsofshipemissionsonsulphurcyclingandradiativeclimateforcingovertheocean[J].Nature,1999,400(6746):743-6.[6]LAWRENCEMG,CRUTZENPJ.InfluenceofNOxemissionsfromshipsontroposphericphotochemistryandclimate[J].Nature,1999,402(6758):167-70.[7]EYRINGV.Emissionsfrominternationalshipping:1.Thelast50years[J].JournalofGeophysicalResearch,2005,110(D17):[8]EYRINGV.Emissionsfrominternationalshipping:2.Impactoffuturetechnologiesonscenariosuntil2050[J].JournalofGeophysicalResearch,2005,110(D17):[9]STREETSDG,CARMICHAELGR,ARNDTRL.SulfurdioxideemissionsandsulfurdepositionfrominternationalshippinginAsianwaters[J].AtmosphericEnvironment,1997,31(10):1573-82.[10]WANGX-T,LIUH,LVZ-F,etal.Trade-linkedshippingCO2emissions[J].NatureClimateChange,2021,11(11):945-51.[11]CORBETTJJ,KOEHLERHW.Updatedemissionsfromoceanshipping[J].JournalofGeophysicalResearch:Atmospheres,2003,108(D20):[12]ENDRESENØ,SØRGÅRDE,SUNDETJK,etal.Emissionfrominternationalseatransportationandenvironmentalimpact[J].JournalofGeophysicalResearch:Atmospheres,2003,108(D17):[13]WANGC,CORBETTJJ,FIRESTONEJ.ModelingEnergyUseandEmissionsfromNorthAmericanShipping:ApplicationoftheShipTraffic,Energy,andEnvironmentModel[J].EnvironmentalScience&Technology,2007,41(9):3226-32.[14]JALKANENJP,BRINKA,KALLIJ,etal.AmodellingsystemfortheexhaustemissionsofmarinetrafficanditsapplicationintheBalticSeaarea[J].AtmosChemPhys,2009,9(23):9209-23.[15]JALKANENJP,JOHANSSONL,KUKKONENJ.AcomprehensiveinventoryofshiptrafficexhaustemissionsintheEuropeanseaareasin2011[J].AtmosChemPhys,2016,16(1):71-84.86[16]JALKANENJP,JOHANSSONL,KUKKONENJ,etal.Extensionofanassessmentmodelofshiptrafficexhaustemissionsforparticulatematterandcarbonmonoxide[J].AtmosChemPhys,2012,12(5):2641-59.[17]FABERJHS,ZHANGS,ETAL.London:IMO,2020.[18]LIUH,FUM,JINX,etal.Healthandclimateimpactsofocean-goingvesselsinEastAsia[J].NatureClimateChange,2016,6(11):1037-41.[19]CHEND,WANGX,LIY,etal.High-spatiotemporal-resolutionshipemissioninventoryofChinabasedonAISdatain2014[J].ScienceofTheTotalEnvironment,2017,609(776-87.[20]FUM,LIUH,JINX,etal.National-toport-levelinventoriesofshippingemissionsinChina[J].EnvironmentalResearchLetters,2017,12(11):[21]LIC,BORKEN-KLEEFELDJ,ZHENGJ,etal.DecadalevolutionofshipemissionsinChinafrom2004to2013byusinganintegratedAIS-basedapproachandprojectionto2040[J].AtmosphericChemistryandPhysics,2018,18(8):6075-93.[22]FANQ,ZHANGY,MAW,etal.SpatialandseasonaldynamicsofshipemissionsovertheYangtzeRiverDeltaandEastChinaSeaandtheirpotentialenvironmentalinfluence[J].EnvironSciTechnol,2016,50(3):1322-9.[23]CHEND,ZHAON,LANGJ,etal.ContributionofshipemissionstotheconcentrationofPM2.5:AcomprehensivestudyusingAISdataandWRF/ChemmodelinBohaiRimRegion,China[J].SciTotalEnviron,2018,610-611(1476-86.[24]邢辉,段树林,⻩连忠,etal.基于AIS数据的渤海湾地区海运排放测算[M]//邢辉,段树林,⻩连忠,etal.中国环境科学.2016:953-60.[25]LIC,YUANZ,OUJ,etal.AnAIS-basedhigh-resolutionshipemissioninventoryanditsuncertaintyinPearlRiverDeltaregion,China[J].SciTotalEnviron,2016,573(1-10.[26]叶斯琪,郑君瑜,潘⽉云,etal.⼴东省船舶排放源清单及时空分布特征研究[M]//叶斯琪,郑君瑜,潘⽉云,etal.环境科学学报.2014:537-47.[27]NGSKW,LOHC,LINC,etal.PolicychangedrivenbyanAIS-assistedmarineemissioninventoryinHongKongandthePearlRiverDelta[J].AtmosphericEnvironment,2013,76(102-12.[28]FENGJ,ZHANGY,LIS,etal.Theinfluenceofspatialityonshippingemissions,airqualityandpotentialhumanexposureintheYangtzeRiverDelta/Shanghai,China[J].AtmosphericChemistryandPhysics,2019,19(9):6167-83.[29]CHEND,ZHAOY,NELSONP,etal.EstimatingshipemissionsbasedonAISdataforportofTianjin,China[J].AtmosphericEnvironment,2016,145(10-8.[30]尹佩玲,⻩争超,郑丹楠,etal.宁波-⾈⼭港船舶排放清单及时空分配特征[M]//尹佩玲,⻩争超,郑丹楠,etal.中国环境科学.2017:27-37.[31]CHEND,WANGX,NELSONP,etal.ShipemissioninventoryanditsimpactonthePM2.5airpollutioninQingdaoPort,NorthChina[J].AtmosphericEnvironment,2017,166(351-61.[32]谭建伟,宋亚楠,葛蕴珊,etal.⼤连海域远洋船舶排放清单[M]//谭建伟,宋亚楠,葛蕴珊,etal.环境科学研究.2014:1426-31.87[33]ZHANGY,GUJ,WANGW,etal.InlandportvesselemissionsinventorybasedonShipTrafficEmissionAssessmentModel–AutomaticIdentificationSystem[J].AdvancesinMechanicalEngineering,2017,9(7):1687814017712878.[34]LIUH,MENGZ-H,LVZ-F,etal.EmissionsandhealthimpactsfromglobalshippingembodiedinUS–Chinabilateraltrade[J].NatureSustainability,2019,2(11):1027-33.[35]LOEFFWSVD,GODARJ,PRAKASHV.Aspatiallyexplicitdata-drivenapproachtocalculatingcommodity-specificshippingemissionspervessel[J].JournalofCleanerProduction,2018,[36]COP26:ClydebankDeclarationforgreenshippingcorridors[M]//TRANSPORTDF.2022.[37]ELISEGEORGEFFXM,DANRUTHERFORD,LIUDMILAOSIPOVA:THEINTERNATIONALCOUNCILONCLEANTRANSPORTATION,2020.[38]GETTING-TO-ZERO-COALITION,2021.[39]MMMCZCS:MærskMc-KinneyMøllerCenterforZeroCarbonShipping,2022.[40]XIAOLIMAODR,LIUDMILAOSIPOVA,BRYANCOMER:THEINTERNATIONALCOUNCILONCLEANTRANSPORTATION,2020.[41]MINGLIANGFUHL,XINXINJIN,KEBINHE.National-toport-levelinventoriesofshippingemissionsinChina[J].EnvironmentalResearchLetters,2017,12(11):[42]LIUH,SHANGY,JINX,etal.Reviewofmethodsandprogressonshippingemissioninventorystudies[J].ActaScientiaeCircumstantiae,2018,38(1):1-12.[43]WANGX,YIW,LVZ,etal.ShipemissionsaroundChinaundergraduallypromotedcontrolpoliciesfrom2016to2019[J].AtmosChemPhys,2021,21(18):13835-53.[44]FABERJHS,ZHANGS.London:IMO,2020.[45]中华⼈⺠共和国交通运输部.北京：⼈⺠交通出版社,2020.[46]冯⽟松.MOVES-⻄安排放模型的建⽴及污染评估应⽤[D];⻓安⼤学,2019.[47]郭园园.MOVES-深圳模型的构建及其模拟机动⻋排放因⼦的应⽤[D];哈尔滨⼯业⼤学,2014.[48]中华⼈⺠共和国⽣态环境部.⾮道路移动源⼤⽓污染物排放清单编制技术指南（试⾏）[M].2014.[49]冯⽟松.MOVES-⻄安排放模型的建⽴及污染评估应⽤[D],2019.[50]郭园园.MOVES-深圳模型的构建及其模拟机动⻋排放因⼦的应⽤[D],2014.[51]胡明伟，汤静妍，刘鹏.中国与欧美⾮道路移动机械排放标准对⽐分析[J].中国环境管理,2021,13(3):66-73.[52]郑春芳，庞永胜，李⻓豫.国内⾮道路柴油移动机械排放标准发展综述[J].内燃机与配件,2023,1):115-7.[53]中华⼈⺠共和国交通运输部.船舶⼤⽓污染物排放控制区实施⽅案[M/OL].2018[2023.9.28].https://www.msa.gov.cn/page/article.do?articleId=6545D5FF-6617-4B20-9BE5-7C8D77636AFF.[54]中华⼈⺠共和国海事局.中华⼈⺠共和国海事局关于发布《2020年全球船⽤88燃油限硫令实施⽅案》的公告[M].2019.[55]IAPHG-U-IGPA,2018.[56]STARCRESTCONSULTINGGROUPL,2021.[57]GEERLINGSH,VANDUINR.AnewmethodforassessingCO2-emissionsfromcontainerterminals:apromisingapproachappliedinRotterdam[J].JournalofCleanerProduction,2011,19(6):657-66.[58]VILLALBAG,GEMECHUED.EstimatingGHGemissionsofmarineports—thecaseofBarcelona[J].EnergyPolicy,2011,39(3):1363-8.[59]YANGL,YIJICAI,XIAOZHEZHONG,YONGQIANGSHI,ZHIYONGZHANG.ACarbonEmissionEvaluationforanIntegratedLogisticsSystem—ACaseStudyofthePortofShenzhen[J].Sustainability,2017,9(3):[60]⼭东省港⼝集团,2020.[61]STARCRESTCONSULTINGGROUPL,2022.89