胡榮，王德蕓，馮慧琳，劉志昊，張軍峰

（南京航空航天大學，民航學院，南京 211106）

0 引言

“碳達峰”“碳中和”是綠色低碳轉型發(fā)展的重要特征，在2021年被首次寫入全國經(jīng)濟和社會發(fā)展的五年規(guī)劃。據(jù)《IPCC國家溫室氣體清單指南》統(tǒng)計，交通運輸部門是第三大溫室氣體排放部門，且仍有上升空間[1]。由于民用航空器運行特殊性，其運行產(chǎn)生的碳排放對大氣的影響更為顯著。從我國民航的能源消費結構來看，航空器燃油的消耗量占民航整體能源消耗量的90%以上[2]。同時，我國民航正處于從民航大國邁向民航強國的關鍵時期。因此，開展機場航空器碳達峰研究對促進民航碳排放按期達峰、早日達峰具有積極意義。

近年來，有關機場航空器碳排放的研究受到了學界與業(yè)界的廣泛關注。相關研究成果主要集中于航空器碳排放的總量測算、演化特征、減排措施等分析。在諸多機場航空器碳排放測算模型中，國際民航組織(International Civil Aviation Organization，ICAO)推薦的航空器碳排放測算方法(簡稱ICAO 方法)涵蓋3 種細分模型，因其權威性、高可靠性及“自下而上”計算的特點，在政府部門、研究機構等得到廣泛應用。不少學者也采用該方法對我國機場航空器碳排放進行測算與分析[3]。在民航碳排放預測方面，情景分析法是最常用的綜合預測技術。Zhou等[4]考慮燃油類型、運輸需求及燃油強度這3 個影響因素，共設計了27 種組合對2015—2030年我國民航碳排放量進行預測和分析。Liu 等[5]從運輸收入、運輸強度、能源強度和排放系數(shù)這4個影響因素入手，運用情景分析法對未來我國民航碳排放進行分析。在交通運輸碳達峰研究方面，現(xiàn)有研究主要集中于城市交通，民航與機場碳達峰的研究極少。僅有于敬磊等[6]從明確碳達峰路線圖、加快技術創(chuàng)新等方面探討了我國民航實現(xiàn)2030年碳達峰的措施。

綜上所述，目前對機場航空器碳排放的研究已取得較為豐富的成果，但仍有以下內(nèi)容值得深入：現(xiàn)有研究主要集中于機場航空器碳排放測算及特征分析，涉及機場碳排放預測的研究較少；有關機場碳排放達峰研究亟待加強，特別是對機場航空器碳達峰路徑的定量分析更為匱乏。因此，本文以廈門高崎機場為例，采用修正后的ICAO 方法，測算2019年機場航空器的CO2排放量；并運用情景分析與蒙特卡洛模擬方法開展廈門機場航空器CO2排放達峰的可能性、達峰峰值及影響因素等研究，以期為我國民航碳排放順利達峰、早日達峰提供有益參考。

1 研究方法

1.1 機場航空器碳排放測算方法

為研究航空器在機場起降循環(huán)(Land and Takeoff)過程中的排放問題，ICAO在開展大量地面試驗及機場實踐的基礎上，構建了基于發(fā)動機燃油流量的機場航空器CO2排放測算模型，即

式中：Fi為一架i類航空器在一個起降循環(huán)中消耗的燃油量(kg)；j為一個起降循環(huán)內(nèi)的4 個運行階段，分別為起飛、爬升、進近和滑行；Ri,j為一架i類航空器的一個發(fā)動機在j運行階段的燃油消耗率(kg·s-1)；Ni為一架i類航空器配備的發(fā)動機數(shù)量；Ti,j為一架i類航空器在j運行階段的標準時長(s)。ICAO 給出了航空器各運行階段的標準時長：起飛0.7 min，爬升2.2 min，進近4 min，滑行26 min(滑入7 min，滑出19 min)。

在航空器標準起降循環(huán)中，滑行時長占比最高(79.03%)，其他階段時長占比較小。以我國民航機隊規(guī)模占比最大的B738 與A320 機型為例，完成1次標準滑行的CO2排放量分別占總起降循環(huán)排放的40%與46%，排放占比最大。同時考慮到起飛、爬升等階段的實際運行數(shù)據(jù)獲取難度較大，故本文利用航班場面運行數(shù)據(jù)，統(tǒng)計不同機型的實際滑行時間，進而對模型的相關參數(shù)進行標定，以期獲得更加真實的結果。

式中：E為各類航空器所有起降循環(huán)的CO2排放總量(kg)；I為航空燃油的CO2排放系數(shù)(kg·kg-1)；ni為i類航空器起降循環(huán)總數(shù)。

1.2 機場航空器碳排放情景預測方法

將機場航空器未來CO2排放設置為3種不同情景：基準情景、綠色發(fā)展情景和技術突破情景。

基準情景是指根據(jù)以往民航發(fā)展及機場運行特征而推斷未來發(fā)展趨勢的一種發(fā)展情景。此情景假設了行業(yè)發(fā)展的慣性狀態(tài)：受新冠疫情影響，民航業(yè)將于2023年恢復至2019年水平[7]；機隊構成保持現(xiàn)有更新速度；傳統(tǒng)航空燃油仍廣泛使用。

綠色發(fā)展情景是指在基準情景基礎上，積極響應“綠色機場”建設的一種發(fā)展情景。該情景假設行業(yè)實施了一些減排措施：航空器場面滑行時間有所減少；高油耗率航空器加速淘汰；生物燃油逐步投入使用，但占比較小。

技術突破情景是指在綠色發(fā)展情景基礎上，假定技術創(chuàng)新取得進一步進展的發(fā)展情景，具體包括：場面運行效率接近全球先進機場水平；新款發(fā)動機油耗率大幅降低；生物燃油研制成本降低，使用率進一步提高。

根據(jù)ICAO 方法，本文將從機場航空器滑行時間、燃油流量以及航空燃油碳排放系數(shù)這3個指標開展上述3 種情景設置。同時考慮到未來民航發(fā)展的不確定性，采用蒙特卡洛模擬方法，開展未來預測的不確定性仿真：首先，基于式(1)和式(2)構造機場航空器CO2排放測算的概率過程；然后，依據(jù)設定的概率分布類型及變化范圍開展大量(10000次)抽樣分析；最后通過對模擬結果的討論，加深對預測結果的認識。

2 數(shù)據(jù)來源

本文選取廈門高崎國際機場(IATA：XMN；ICAO：ZSAM)作為研究案例。廈門高崎機場是我國典型的單跑道機場。2019年完成旅客吞吐量2741 萬人次，居我國單跑道機場首位；保障航空器起降192929架次，位列世界百強。目前，廈門高崎機場已接近其保障能力上限，廈門新機場預計2025年投入使用。廈門高崎機場的發(fā)展水平與趨勢具有一定的代表性，故將其作為研究案例。

本研究所需數(shù)據(jù)及其來源如下：

(1)航空器起降架次，民航局出版的歷年《從統(tǒng)計看民航》，并采用多項式擬合方法進行預測。

(2)航班執(zhí)飛機型信息，航空數(shù)據(jù)與航班信息提供商(Official Airways Guide，OAG)數(shù)據(jù)庫。

(3)發(fā)動機基準參數(shù)，ICAO飛機發(fā)動機排放數(shù)據(jù)庫(Aircraft Engine Emissions Databank)。

(4)航班滑行時間，民航運行中心統(tǒng)計報表。

(5)機型與發(fā)動機匹配，來源于朱佳琳等[3]和Hu等[8]的研究成果。

(6)傳統(tǒng)石化航空燃油的CO2排放系數(shù)，取3.115 kg·kg-1[3]。

(7)新型航空器更新速度，參考Owen[9]的成果。

(8)航空生物燃油替代率及CO2排放系數(shù)，參考Zhou[4]和Liu等[5]的成果。

(9)新冠疫情對民航業(yè)的影響，參考IATA[7]與Gudmundsson等[10]的結論。

此外，考慮數(shù)據(jù)的可得性及便于計算，對原始數(shù)據(jù)的特殊情形進行如下處理：

(1)不同衍生機型的歸類問題。本文將基本型及其衍生機型歸為一類，使用同一類型發(fā)動機。例如將B737-700 與B73G/H 等B737-700 改進型統(tǒng)一歸為B737-700。

(2)同一機型配備不同型號發(fā)動機的問題。實際運行中，同一機型可能配備不同型號的發(fā)動機。例如A320 可能使用CFM56 或V2500 不同型號發(fā)動機。為便于確定發(fā)動機基準參數(shù)，每種機型的發(fā)動機配備以國內(nèi)使用數(shù)量最多的型號為準，具體如表1所示。

表1 航空器型號與發(fā)動機型號的匹配表Table 1 Results of aircraft-engine combination

基于上述數(shù)據(jù)及參考文獻，廈門高崎機場航空器CO2排放預測的情景參數(shù)在基準年和目標年的數(shù)值水平、蒙特卡洛模擬概率分布信息如表2所示。相關參數(shù)均服從正態(tài)分布，設置說明如下：

表2 不同預測情景下參數(shù)的數(shù)值設置Table 2 Parameter settings of three different scenarios

(1)滑行時間?？紤]到廈門新機場投運，預計2021—2025年滑行時間參數(shù)可變范圍較小，2025年后滑行時間明顯縮短。預測各情景2035年滑行時間分別為35 min、25 min(ICAO 標準滑行時間26 min)和19 min(接近國際發(fā)達機場水平，2017年全球433個大型機場平均滑行時間為16.4 min)。

(2)燃油流量。新研發(fā)的航空器燃油效率較原同類型航空器平均提高約20%[9]。因此，假設各情景2035年分別有40%、60%和60%的發(fā)動機升級或替換，其中基準和綠色發(fā)展情景發(fā)動機以20%效率升級，技術突破情景以27%效率升級，則整個機隊燃油效率分別提升8%、12%和16.2%。

(3)排放系數(shù)。2035年基準、綠色發(fā)展及技術突破情景下生物燃油使用占比分別設置為0、10%和30%[4-5]，則排放系數(shù)分別降低0、8.5%和25.5%。

(4)起降架次。以2010—2020年廈門機場航空器起降架次為基礎數(shù)據(jù)，開展多項式擬合(R2=0.99，擬合優(yōu)度最佳)預測，同時考慮到新冠疫情的影響[7，10]，2025年、2030年、2035年航空器起降架次分別為：197728，231675，292871架次。

3 結果與討論

3.1 2019年碳排放測算

2019年廈門高崎機場共保障航空器起降19.3萬架次，綜合各型航空器的實際滑行時間、起降架次及與之匹配的發(fā)動機性能數(shù)據(jù)，根據(jù)式(1)和式(2)計算得到當年航空器在起降循環(huán)階段共產(chǎn)生約33.8萬t的CO2排放。

表3為2019年廈門高崎機場不同機型的CO2排放結果。平均單次起降循環(huán)排放量較低的3 種機型分別是：E190、B733和B734。其中，E190機型CO2排放量最低，主要原因是該機型較小，通常配備98～114個座位，使用的CF34-10E5發(fā)動機功率較小(其滑行階段燃油流量為0.084 kg·s-1，約為B737燃油流量的74%)。單次起降循環(huán)排放量較高的3類機型分別是：A330、B789 和B788，均屬于寬體機。雖然A330 滑行時長較B789/8 短，但由于其使用的發(fā)動機燃油流量較大(起飛階段燃油流量為3.15 kg·s-1，是B789/8 的1.68 倍)，導致其單次起降排放強度較高。

圖1為航空器在不同運行階段CO2排放占比情況，滑行階段約占50%的CO2排放總量。因此，縮短滑行時間，特別是縮短滑出時間將明顯減少機場航空器CO2排放總量。

圖1 航空器各飛行階段CO2排放占比Fig.1 Proportion of CO2 emission of aircraft in each flight stage

此外，A330、B789 和B788 機型多用于國際長途航線運行，且據(jù)統(tǒng)計發(fā)現(xiàn)：國際航班平均滑行時間較國內(nèi)航班滑行時間長(表3)。同時考慮到寬體機的發(fā)動機燃油流量較大，縮短同樣滑行時間條件下，國際航班將具有比國內(nèi)航班更大的減排空間。

表3 2019年廈門高崎機場分機型CO2排放情況Table 3 CO2 emission of each aircraft type during LTO cycle at XMN in 2019

3.2 碳達峰可能性分析

基于式(1)和式(2)，將表2中情景分析的參數(shù)取值、概率分布信息作為蒙特卡洛模擬的輸入，預測廈門高崎機場各情景下未來航空器CO2排放的可能取值區(qū)間及最有可能的值，并探討能否達峰、何時達峰和峰值高低的問題。

圖2為基準情景下的CO2排放預測結果。2025年排放量介于33.8萬～35.6萬t，最有可能的水平是34.8 萬t；2030年介于37.9 萬～39.7 萬t，最有可能為38.9 萬t；2035年介于43.0 萬～45.3 萬t，最有可能為44.1 萬t。2021—2035年間航空器CO2排放年均增長率約為3.1%，無碳達峰可能性。

圖2 基準情景廈門機場未來CO2排放預測Fig.2 Future CO2 emission forecast at XMN under benchmark scenario

圖3為綠色發(fā)展情景下的CO2排放預測結果。2025年排放量介于32.1 萬～33.7 萬t，最有可能為32.9 萬t；2030年介于32.5 萬～33.8 萬t，最有可能為33.1 萬t；2035年介于32.4 萬～33.8 萬t，最有可能為33.0萬t，較基準情景降低了11.1萬t。

圖3 綠色發(fā)展情景廈門機場未來CO2排放預測Fig.3 Future CO2 emission forecast at XMN under green development scenario

在綠色發(fā)展情景下，2031年存在CO2排放的最大峰值33.2 萬t，可實現(xiàn)碳達峰。碳達峰后CO2排放年均增長率約為-0.1%，表明此情景下各減排措施效果并不明顯。

圖4為技術突破情景下的CO2排放預測結果。2025年排放量介于31.0 萬～32.6 萬t，最有可能為31.9 萬t；2030年介于28.5 萬～29.8 萬t，最有可能為29.2 萬t；2035年介于22.6 萬～23.6 萬t，最有可能為23.1萬t，較基準情景降低了21.0萬t。

圖4 技術突破情景廈門機場未來CO2排放預測Fig.4 Future CO2 emission at XMN under technology breakthrough scenario

在技術突破情景下，2023年將達到CO2排放的最大值32.4 萬t，可實現(xiàn)碳達峰。該情景下的CO2排放峰值較綠色發(fā)展情景降低了0.8 萬t 且提前8年達峰，達峰后年均CO2排放增長率約為-2.6%。

圖5為2007—2035年廈門機場航空器CO2排放量變化趨勢圖，圖中陰影部分為不同發(fā)展情景下CO2排放量最大值與最小值的變化區(qū)間。排放量的最大值發(fā)生于基準情景，該情景下未來CO2排放量將持續(xù)增長，2035年達到44.1 萬t，約為2019年的1.3 倍。最小值發(fā)生于技術突破情景，該情景下的CO2排放將于2023年達峰，2035年約排放23.1萬t，約為2013年的排放水平。

圖5 廈門機場航空器CO2排放演化趨勢圖（2007—2035年）Fig.5 Aircraft CO2 emission at XMN from 2007 to 2035

3.3 碳達峰影響因素分析

為實現(xiàn)機場航空器CO2排放順利達峰、盡早達峰，結合ICAO 方法，從航空器的運行時長(縮短滑行時間)、發(fā)動機燃油流量(使用新型發(fā)動機)及航空燃油排放系數(shù)(推廣生物燃油)這3個方面探討其對CO2排放量的影響。

2021—2035年，基準、綠色發(fā)展和技術突破情景下廈門機場的航空器CO2排放累積量最可能值分別為：556.0 萬，485.0 萬，430.7 萬t。與不采取任何減排措施相比，3種情景分別減少了7.0%、19.6%和31.4%的CO2排放總量。如果僅考慮某個影響因素的變化，圖6給出不同影響因素對該情景減排總量的貢獻度。所有情景中，縮短滑行時間貢獻度均超過43%；在技術突破情景下，生物燃油的使用也扮演著較重要的角色。

圖6 各情景下不同影響因素對減排總量的貢獻度（2021—2035年）Fig.6 Contribution of different factors to total emission reduction under different scenarios from 2021 to 2035

此外，通過敏感性分析進一步探究影響因素對CO2排放的影響。圖7給出減少5%滑行時間(約2 min)、對5%的航空器進行發(fā)動機升級和將5%的傳統(tǒng)航空燃油替換為生物燃油情形下，相對2019年水平的減排幅度。對于平均單次起降循環(huán)排放量，使用生物燃油具有最大的減排效益(減少151 kg)，其后是縮短滑行時間(93 kg)和使用新型發(fā)動機(36 kg)。

圖7 不同減排措施下的減排貢獻度Fig.7 Emission reduction efforts of various emission reduction measures

3.4 碳達峰行動建議

根據(jù)以上研究，本文對加快廈門機場航空器CO2排放達峰提出以下行動建議：

(1)優(yōu)化場面運行，減少航空器滑行時間。建議機場優(yōu)化機位(特別是國際航班的機位)使用規(guī)則，實現(xiàn)“機位指派-跑道使用”的精準匹配；根據(jù)場面運行態(tài)勢，實行正點推出、機位等待等多樣化推出策略，減少場面擁堵等待[11]。

(2)加強規(guī)劃引領，減少石化燃油消耗。鼓勵航空公司采用新型低油耗機型，鼓勵航空器單發(fā)滑行或APU電力驅動滑行，做好油改電、生物燃油等新技術應用規(guī)劃。

(3)創(chuàng)新工作舉措，推動機隊升級更新。機場可綜合采用航空性業(yè)務費用優(yōu)惠、近機位優(yōu)先使用、地面服務優(yōu)先保障等鼓勵措施，推動航空公司機隊的更新升級。

4 結論

機場航空器CO2排放問題日益受到社會與行業(yè)的關注。本文采用改進的ICAO 方法，綜合情景預測和蒙特卡洛模擬方法，以廈門高崎機場為例，開展了機場航空器CO2排放量的測算、碳達峰可能性與影響因素分析，并提出實現(xiàn)碳達峰的行動建議。

主要研究結論如下：

(1)2019年廈門高崎機場航空器共產(chǎn)生約33.8萬t的CO2，近50%產(chǎn)生于滑行階段。

(2)基于3 種不同發(fā)展情景，2035年廈門機場航空器CO2排放最高值為45.3 萬t，最低值為22.6萬t。

(3)廈門機場在技術突破和綠色發(fā)展情景下可分別于2023年和2031年實現(xiàn)碳達峰。CO2排放最可能峰值分別為32.4萬t和33.2萬t。

(4)減少航空器地面滑行時間是實現(xiàn)碳達峰的最重要措施。生物燃油替代是降低航空器單次起降循環(huán)排放量的最有效手段。