2018, Vol. 38
[PDF全文]
2. 上海市环境科学研究院, 国家环境保护城市大气复合污染成因与防治重点实验室, 上海 200233;
3. 上海工程技术大学, 航空运输学院, 上海 201620
2. State Environment Protection Key Laboratory of Formation and Prevention of the Urban Air Complex, Shanghai Academy of Environmental Sciences, Shanghai 200233;
3. School of Air Transportation and Flying, Shanghai University of Engineering Science, Shanghai 201620
交通工具是支撑社会经济运行的重要手段, 以燃油为主的机动车、船舶、飞机等交通工具产生的大气污染物排放对PM2.5及光化学前体物均具有重要贡献(Blanchard et al., 2015; Hu et al., 2015; Huang et al., 2015; Jathar et al., 2017).飞机是交通出行的重要方式之一, 飞机发动机主要包括活塞发动机、涡轮发动机和冲压发动机三大类, 其中, 涡轮发动机应用最为普遍.飞机排放的大气污染物主要包括NOx、HC、CO、SO2和PM等(Herndon et al., 2006; Stettler et al., 2013), 根据全球大气污染源排放清单的测算结果, 民航飞机排放的NOx占全球排放总量的2.2%, 在移动源中的占比为4.5%(Hoesly et al., 2018).尽管相对占比不高, 但相关研究发现, 民航飞机对城市和区域环境空气质量具有一定影响, 尤其是对机场周边区域的污染贡献较为突出(Gilmore et al., 2013; Masiol et al., 2014; Vennam et al., 2015; Vichi et al., 2016; Hudda et al., 2018), 对O3污染和人体健康的影响也不容忽视(Harrison et al., 2015; Yim et al., 2015; Eastham et al., 2016).飞机的主要排放环节可分为起飞着陆(Land take-off, LTO)循环和高空巡航两大部分, 其中, 高空巡航过程大气污染物排放在飞机全过程排放中占主导地位, 但LTO循环排放对近地面的影响更为突出(Mazaheri et al., 2011; 韩博等, 2016; Turgut et al., 2017).近年来, 国际民航客运量呈快速上升趋势, 2017年全球每年航空客运量已达41亿人次, 其中, 中国民航客运量增长最为迅速.长江三角洲地区是我国经济活动最为频繁的区域, 区域民航客运量已达9.9×107人次, 占全国的20%左右, 民航飞机排放对区域大气污染的影响不容忽视.
为了掌握飞机大气污染物的排放情况, 已有研究在全球(Wilkerson et al., 2010; Wasiuk et al., 2016)、全国(夏卿等, 2008; Fan et al., 2015)及珠三角(张礼俊等, 2010)、京津冀(徐冉等, 2016)等重点区域开展了不同尺度飞机大气污染物排放清单的相关研究, 为完善城市和区域尺度大气污染物排放清单提供了重要基础.相对而言, 长三角区域的研究基础相对薄弱, 全国尺度研究并未考虑气象条件对工作模式的影响, 且未对PM排放量进行估算, 精确度不足, 而且未作时间、空间分布分析.基于此, 本研究通过收集长三角区域各机场的航班起降、机队组成、配备的发动机等相关信息, 充分考虑气象条件对工作模式的影响, 并采用国际民航组织(ICAO)建立的一阶近似法(FOA3.0)对飞机PM排放进行计算, 对2017年度长三角区域民航飞机LTO循环的大气污染物排放清单进行估算, 旨在完善长三角区域大气污染物排放, 为区域环境空气质量模拟和评估提供重要支撑.
2 材料与方法(Materials and methods) 2.1 研究区域长三角地区的民航机场总数为22个, 其中包括：上海浦东国际机场、杭州萧山国际机场、上海虹桥机场、南京禄口机场4个1000万级机场, 以及合肥新桥国际机场、无锡硕放机场、宁波栎社国际机场3个200万级机场.本研究的区域范围为江苏、浙江、安徽和上海等长三角地区“三省一市”所有民航机场, 基准年为2017年, 涵盖的大气污染物包括NOx、HC、CO、SO2和PM.
2.2 数据获取按照国际民航组织(ICAO)的规定, 飞机在机场的活动可由LTO循环描述, 其中包括：进近、滑行、起飞和爬升4个工作模式, 本研究也按照LTO循环的划分方法开展大气污染物排放清单计算.已有研究表明, 影响飞机大气污染物排放的因素主要包括：飞机类型、飞机机型及其对应的发动机、工作模式及各模式下的单位燃油消耗率排放因子和工作时间(Lobo et al., 2015).为此, 本研究对2017年长三角区域起落的民航飞机情况进行调查汇总, 具体情况如下.
① 飞机类型：根据国内外共29个航空公司网上公布的航班信息, 长三角区域民航飞机的主要类型包括五大类, 分别为A320、A321、A330、B737、B777, 其占比如图 1所示.可见, 长三角民航客机主要以A320、B737和A330等中型客机为主, 分别占33.8%、29.3%和20.4%.
 |
| 图 1 长三角地区各机型数量占比 Fig. 1 Proportions of aircraft type in the Yangtze River Delta Region |
② 发动机类型：发动机类型是决定飞机大气污染物排放的重要因素.根据调查结果, 本研究建立了长三角民航飞机与其对应的发动机型号数据库.长三角区域民航飞机搭载的发动机类型主要包括CFM系列、PW系列、TRENT系列、V系列及GE系列五大类, 共计43种, 各系列的占比情况如图 2所示.长三角民航客机搭载发动机主要为CFM系列、V系列和TRENT系列发动机, 分别占60.3%、21.1%和12.8%.
 |
| 图 2 长三角地区各飞机发动机类型数量比例 Fig. 2 Proportions of aircraft engine type in the Yangtze River Delta Region |
③ 工作模式的确定：飞机在LTO循环各模式下的额定推力和工作时间主要参考ICAO的推荐参数, 其中, 滑行、进近、爬升、起飞4个工作模式的额定推力分别设定为7%、30%、85%、100%, 滑行、进近、起飞、爬升的工作时间分别为26、4、2.2和0.7 min.ICAO规定的爬升模式主要是指起飞结束至飞机冲到大气边界层顶部约1 km的高度(ICAO, 2014), 但实际大气环境中边界层高度会随气象条件发生变化(徐冉等, 2016), 因此, 根据实际情况下的大气边界层确定爬升模式的工作时间可更为准确的评估飞机在边界层内的大气污染影响, 计算公式如式(1)所示.
|
(1) |
式中, tj, m为j型飞机在爬升模式的实际工作时间(s)；tm为ICAO规定的标准时间(s)；Hj为j型飞机有效排放高度(m)；m为进近、爬升模式；Hj为大气边界层高度(m), 该值来自气象模型WRF-v3.9.1模拟结果, WRF(Weather Research and Forecasting)模型是NCAR(National Center for Atmospheric Research)中小尺度气象处、NCEP(National Centers for Environmental Prediction)的环境模拟中心、FSL(Forecast Systems Laboratory)的预报研究处和奥克拉荷马大学的风暴分析预报中心四部门于1997年联合发起建立的新一代中尺度数值天气预报模型.本研究中该模型垂直方向设为27层, 模型顶层为100 hPa, 气象初始场和侧边界资料(IC/BCs)选用来自全球数据同化系统(Global Data Assimilation System, GDAS)中的FNL1°×1°全球再分析场资料, 边界条件每6 h更新一次, 得到大气边界层高度结果.
④ 各工作模式下的燃油消耗率和排放因子：发动机在各工作模式下的燃油消耗率及NOx、HC、CO的排放因子取自ICAO飞机发动机排放数据库(ICAO, 2014), SO2和PM排放因子采用燃油及相关模型方法计算所得.
2.3 计算方法 2.3.1 NOx、HC、CO排放量计算NOx、HC、CO排放量采用排放因子法计算, 计算公式如式(2)所示.
|
(2) |
式中, Ei, m为在m工作模式下i类污染物的排放量(g)；nj为j型飞机发动机的数量(台)；Fj, m为在m模式下j型发动机的燃油消耗率(kg·s-1)；EIi, j, m为m模式下j型发动机i类污染物的排放因子(g·kg-1)；tj, m为m模式下j型发动机的工作时间(s).
2.3.2 SO2排放量计算SO2排放量采用物料衡算法计算, 与燃油消耗量有关, 计算公式如下：
|
(3) |
式中, ESO2为SO2的排放量(g)；FSC为航空燃料中的含硫量, 本研究参考Wayson等(2009)的结果默认航空煤油含硫量为0.068%；η为燃烧效率, 取96.7%.
2.3.3 PM排放量的计算本研究采用ICAO建立的一阶近似法(FOA3.0)对飞机PM排放进行计算(Wayson et al., 2009), 该方法将飞机PM排放分为挥发性组分和非挥发性组分两部分, 其中, 挥发性组分包括含硫组分和有机组分两部分.含硫组分可根据式(4)进行计算.
|
(4) |
式中, EIvol-s为挥发性含硫组分排放因子(g·kg-1)；FSC为航空燃料中的含硫量, 默认为0.068%；ε为转化效率, 默认为0.033(Schumann et al., 2002).
挥发性有机组分的计算方法如式(5)所示, 非挥发性组分的计算方法如式(6)所示.
|
(5) |
|
(6) |
式中, EIvol-o为挥发性有机组分排放因子(g·kg-1)；δ为比例系数, 无量纲；EIHC为HC污染物排放因子(g·kg-1)；EInvol为非挥发性组分排放因子(g·kg-1)；SN为烟度, 不同发动机在各种模式下的烟度数据来自ICAO排放数据库；AFR为发动机在不同模式下的空燃比, 滑行、进近、爬升、起飞模式下的空燃比分别为106、83、51、45(Wayson et al., 2009).
PM排放因子为上述组分之和, 具体如式(7)所示, PM排放量可按照式(8)进行计算.
|
(7) |
|
(8) |
式中, EIPM为PM排放因子(g·kg-1), EPM为PM排放量(g).
3 结果与讨论(Results and discussion) 3.1 区域排放清单结果表 1所示为长三角区域各机场LTO循环大气污染物排放清单计算结果.由表 1可知, 2017年长三角区域民航飞机LTO循环NOx、HC、CO、SO2和PM排放量分别为16429.6、734.4、8234.3、1159.6和125.7 t.从污染物来看, NOx是民航飞机排放的最主要污染物, 其中, 上海浦东机场、上海虹桥机场、杭州萧山机场和南京禄口机场是长三角地区民航飞机LTO循环排放量最大的机场.
| 表 1 2017年长三角区域民航飞机LTO循环大气污染物排放清单 Table 1 Air pollutant emission inventory from LTO cycles of civil aviation in the Yangtze River Delta Region for the year of 2017 |
 |
图 3所示为各种工作模式下主要大气污染物的排放分担率.可见, 不同污染物在不同工作模式下的排放占比存在较大差异, NOx排放主要来自爬升阶段, 占排放总量的47.2%, 其它依次为起飞、进近和滑行阶段, 分别占22.9%、15.0%和14.9%.HC和CO在滑行阶段的排放占比最高, 分别达到95.4%和95.4%, 主要是由于滑行阶段飞机发动机负荷相对较低, 易导致燃料不完全燃烧, 产生较高的HC和CO排放.SO2和PM排放的分担率构成较为接近, 滑行阶段排放占比相对较高, 分别为40.5%和33.1%, 其次为爬升阶段, 分别占29.6%和36.2%.
 |
| 图 3 各种工作模式下主要大气污染物排放分担率 Fig. 3 Emission contributions of air pollutants from civil aviation at different operating modes |
图 4所示为长三角区域各机场LTO循环主要大气污染物排放的空间分布及不同工作模式的排放构成情况.可见, 长三角区域机场大气污染物排放主要集中在上海、杭州和南京等城市, 其中, 上海浦东和虹桥机场的排放最为突出.各机场不同工作模式下的大气污染物排放占比基本相近.
 |
| 图 4 长三角区域民航机场大气污染物排放的空间分布 Fig. 4 Spatial distributions of air pollutant emissions from civil aviation in the Yangtze River Delta Region |
图 5所示为不同月份民航飞机LTO循环的排放变化.由图可知, 民航飞机LTO循环大气污染物排放主要集中在3—8月, 一方面是由于6—8月长三角地区民航机场航班起落架次相对较多, 另一方面是由于3—5月长三角地区大气边界层相对较高, 有效排放高度增加导致污染物排放上升.
 |
| 图 5 长三角区域民航机场大气污染物排放的月分布 Fig. 5 (Monthly distribution of air pollutant emissions from civil aviation in the Yangtze River Delta Region |
从小时排放廓线来看(图 6), 长三角地区民航飞机LTO循环排放主要集中在上午7：00—9：00, 10：00—11：00左右略有下降, 下午16：00—17：00左右出现小高峰, 夜间20：00—21：00排放也相对突出.7：00—9：00、20：00—21：00排放量突出是由于该时间段内航班起落架次相对较多, 下午16：00—17：00出现小高峰一方面是由于该时间段航班起落架次相对较多, 另一方面是由于大气边界层相对较高导致污染物排放上升.
 |
| 图 6 长三角民航机场大气污染物排放的小时分布 Fig. 6 Hourly distribution of air pollutant emissions from civil aviation in the Yangtze River Delta Region |
表 2所示为本研究计算的单位LTO循环大气污染物排放与其他地区研究结果的比较.由表 2可知, 长三角地区单位LTO循环NOx、HC、CO、SO2和PM平均排放水平分别为19.7、0.9、9.9、1.4、0.2 kg·次-1, 略低于2013年首都机场的估算结果, 但高于广州白云机场.首都机场民航飞机LTO循环大气污染物排放主要集中3—8月, 与长三角各机场大气污染物排放月分布基本一致, 该时段内首都机场大气边界层高度在1280~1400 m之间, 长三角各机场大气边界层高度在1200~1500 m之间, 两者近似, 首都机场主要机型为B738和A321, 占起落架次总量的46%(徐冉等, 2016), 该机型大气污染物排放水平与长三角地区主要机型B737、A320相比较高, 因此, 首都机场单位LTO循环数大气污染物排放水平略高于长三角各机场平均值.本研究与黄清凤等(2014)的研究相比考虑到大气边界层高度对有效排放高度的影响, 由于长三角各机场地区大气边界层在1 km以上, 所以本研究地区与广州白云机场单位LTO循环数大气污染物排放水平相比较高.
| 表 2 长三角区域民航飞机单位LTO循环数的大气污染物排放水平与其他机场的比较 Table 2 Comparisons of air pollutant emission levels of civil aviation for each LTO cycle in the Yangtze River Delta and other regions |
|
本研究的不确定性主要来自民航飞机基本信息、LTO循环时间及排放因子3个方面.民航飞机基本信息来自相关航空公司公开的航班、机型、发动机及起落时间等信息, 可靠性较高.除爬升模式时间根据边界层高度计算所得外, 滑行、进近、起飞等其他LTO循环模式时间均取自ICAO推荐参数, 存在较大的不确定性, 特别是滑行和进近模式, 与我国民航飞机的实际情况可能存在较大的差异, 建议后续通过实地调查予以本地化.排放因子是影响排放清单不确定性的最主要因素, 本研究估算所用的基础排放因子来源于ICAO发动机排放数据库, 该基准模型使用固定的参数和飞行时间, 与真实情况存在一定的差异, 可能导致模型估算结果存在偏差；另一方面, 部分实际在用的飞机发动机可能由于老化使排放因子有所增加, 存在一定的不确定性.由于飞机发动机排放实测难度大, 目前国际上鲜有针对在用民航飞机排放因子实测结果可以参考, 建议在后续研究中加大对实际在用民航飞机大气污染物排放的研究力度, 改进并提升民航飞机基础排放因子, 为进一步完善我国民航飞机大气污染物排放清单提供关键支撑.
4 结论(Conclusions)1) 根据本研究结果, 2017年长三角区域民航飞机LTO循环NOx、HC、CO、SO2和PM年排放总量分别为16198.2、734.5、8234.3、1159.7和125.7 t.与清华大学多尺度排放清单(MEIC)比较, 分别占长三角交通源各类污染物排放的1.2%、0.1%、1.2%、1.9%和0.1%.尽管排放占比相对较低, 但对机场周边区域的影响不容忽视.
2) NOx排放主要来自爬升阶段, 占排放总量的47.2%.HC和CO排放主要集中在滑行阶段, 此时飞机发动机负荷相对较低, 易导致燃料不完全燃烧.SO2和PM排放主要集中在滑行和爬升阶段.
3) 上海浦东国际机场、上海虹桥机场、杭州萧山机场和南京禄口机场是长三角区域民航飞机LTO循环大气污染物排放最为集中的机场, 民航飞机起落频繁是其排放集中的最主要因素.
4) 从月分布看, 长三角区域民航飞机LTO循环主要集中在3—8月；从小时分布看, 日间民航飞机排放显著高于夜间, 特别是上午7：00—9：00存在较明显的高峰.起落架次较多及边界层相对较高是导致LTO循环大气污染物排放相对较高的主要原因.
Blanchard C L, Tanenbaum S, Hidy G M. 2015. Source contributions to atmospheric gases and particulate matter in the Southeastern United States[J]. Environmental Science & Technology, 46(10): 5479–5488.
|
Eastham S D, Barrett S R H. 2016. Aviation-attributable ozone as a driver for changes in mortality related to air quality and skin cancer[J]. Atmospheric Environment, 144: 17–23.
DOI:10.1016/j.atmosenv.2016.08.040
|
Fan W Y, Sun Y F, Zhu T L, et al. 2012. Emissions of HC, CO, NOx, CO2, and SO2 from civil aviation in China in 2010[J]. Atmospheric Environment, 56: 52–57.
DOI:10.1016/j.atmosenv.2012.03.052
|
Gilmore C K, Barrett S R H, Koo J, et al. 2013. Temporal and spatial variability in the aviation NOx-related O3 impact[J]. Environmental Research Letters, 8(3): 034027.
DOI:10.1088/1748-9326/8/3/034027
|
韩博, 黄佳敏, 魏志强. 2016. 民航飞机起飞过程气态污染物排放特征分析[J]. 环境科学, 2016, 37(12): 4524–4530.
|
Harrison R M, Masiol M, Vardoulakis S. 2015. Civil aviation, air pollution and human health[J]. Environmental Research Letters, 10(4): 041001.
DOI:10.1088/1748-9326/10/4/041001
|
Herndon S C, Rogers T, Dunlea E J, et al. 2006. Hydrocarbon emissions from in-use commercial aircraft during airport operations[J]. Environmental Science & Technology, 40(14): 4406–4413.
|
Hoesly R M, Smith S J, Feng L, et al. 2018. Historical (1750-2014) anthropogenic emissions of reactive gases and aerosols from the Community Emissions Data System (CEDS)[J]. Geoscientific Model Development, 11(1): 369–408.
DOI:10.5194/gmd-11-369-2018
|
Hu L, Millet D B, Baasandorj M, et al. 2015. Emissions of C6-C8 aromatic compounds in the United States:Constraints from tall tower and aircraft measurements[J]. Journal of Geophysical Research-Atmospheres, 120(2): 826–842.
DOI:10.1002/2014JD022627
|
Huang C, Wang H L, Li L, et al. 2015. VOC species and emission inventory from vehicles and their SOA formation potentials estimation in Shanghai, China[J]. Atmospheric Chemistry and Physics, 15(19): 11081–11096.
DOI:10.5194/acp-15-11081-2015
|
黄清凤, 陈桂浓, 胡丹心, 等. 2014. 广州白云国际机场飞机大气污染物排放分析[J]. 环境监测管理与技术, 2014, 26(3): 57–59.
DOI:10.3969/j.issn.1006-2009.2014.03.022 |
Hudda N, Simon M C, Zamore W, et al. 2018. Aviation-related impacts on ultrafine particle number concentrations outside and inside residences near an airport[J]. Environmental Science & Technology, 52(4): 1765–1772.
|
Jathar S H, Woody M, Pye H O T, et al. 2017. Chemical transport model simulations of organic aerosol in southern California:model evaluation and gasoline and diesel source contributions[J]. Atmospheric Chemistry and Physics, 17(6): 4305–4318.
DOI:10.5194/acp-17-4305-2017
|
Lobo P, Hagen D E, Whitefield P D, et al. 2015. PM emissions measurements of in-service commercial aircraft engines during the Delta-Atlanta Hartsfield study[J]. Atmospheric Environment, 104: 237–245.
DOI:10.1016/j.atmosenv.2015.01.020
|
Masiol M, Harrison R M. 2014. Aircraft engine exhaust emissions and other airport-related contributions to ambient air pollution:A review[J]. Atmospheric Environment, 95: 409–455.
DOI:10.1016/j.atmosenv.2014.05.070
|
Mazaheri M, Johnson G R, Morawska L. 2011. An inventory of particle and gaseous emissions from large aircraft thrust engine operations at an airport[J]. Atmospheric Environment, 45: 3500–3507.
DOI:10.1016/j.atmosenv.2010.12.012
|
Stettler M E J, Boies A M, Petzold A, et al. 2013. Global civil aviation black carbon emissions[J]. Environmental Science & Technology, 47(18): 10397–10404.
|
The Environment Branch of the International Civil Aviation Organization (ICAO).2014.ICAO Environmental Report 2013[R].International Civil Aviation Organization.Canada
|
Turgut E T, Cavcar M, Usanmaz O, et al. 2017. Investigating actual landing and takeoff operations for time-inmode, fuel and emissions parameters on domestic routes in Turkey[J]. Transportation Research Part D, 53: 249–262.
DOI:10.1016/j.trd.2017.04.018
|
Vennam L P, Vizuete W, Arunachalam S, et al. 2015. Evaluation of model-predicted hazardous air pollutants (HAPs) near a mid-sized U.S.airport[J]. Atmospheric Environment, 119: 107–117.
DOI:10.1016/j.atmosenv.2015.08.015
|
Vichi F, Frattoni M, Imperiali A, et al. 2016. Civil aviation impacts on local air quality:A survey inside two international airports in central Italy[J]. Atmospheric Environment, 142: 393–405.
DOI:10.1016/j.atmosenv.2016.08.005
|
Wasiuk D K, Khan M A H, Shallcross D E, et al. 2016. A commercial aircraft fuel burn and emissions inventory for 2005-2011[J]. Atmosphere, 7(6): 78.
DOI:10.3390/atmos7060078
|
Wayson R L, Fleming G G, Lovinelli R. 2009. Methodology to estimate particulate matter emissions from certified commercial aircraft engines[J]. Journal of the Air & Waste Management Association, 59(1): 91–100.
|
Schumann U, Arnold F, Busen R, et al. 2002. Influence of fuel sulfur on the composition of aircraft exhaust plumes:The experiments SULFUR 1-7[J]. Journal of Geophysical Research Atmospheres, 107: 4247.
DOI:10.1029/2001JD000813
|
Wilkerson J T, Jacobson M Z, Malwitz A, et al. 2010. Analysis of emission data from global commercial aviation:2004 and 2006[J]. Atmospheric Chemistry and Physics, 10(13): 6391–6408.
DOI:10.5194/acp-10-6391-2010
|
夏卿, 左洪福, 杨军利. 2008. 中国民航机场飞机起飞着陆(LTO)循环排放量估算[J]. 环境科学学报, 2008, 28(7): 1469–1474.
DOI:10.3321/j.issn:0253-2468.2008.07.033 |
徐冉, 郎建垒, 杨孝文, 等. 2016. 首都国际机场飞机排放清单的建立[J]. 中国环境科学, 2016, 36(8): 2554–2560.
DOI:10.3969/j.issn.1000-6923.2016.08.038 |
Yim S H L, Lee G L, Lee I H, et al. 2015. Global, regional and local health impacts of civil aviation emissions[J]. Environmental Research Letters, 10(3).
DOI:10.1088/1748-9326/10/3/034001
|
张礼俊, 郑君瑜, 尹沙沙, 等. 2010. 珠江三角洲非道路移动源排放清单开发[J]. 环境科学, 2010, 31(4): 886–891.
|