2020, Vol. 41
交通运输业是我国大气污染物重要排放源之一, 机动车、船舶和飞机等交通工具在消耗燃油的同时产生多种不同类型的大气污染物, 都在一定程度上影响着大气环境和人体健康[1~3].当前, 民航飞机主要使用涡轮发动机, 排放的污染物包括NOx、HC、CO、SO2和PM等[4~6].相对于高空巡航阶段飞机在地面起飞着陆循环(landing and take-off cycle, LTO循环)阶段的排放更为突出[7~9].有研究表明, 民航飞机的活动是机场区域最主要的排放源[10], 由其排放的污染物, 将导致附近的居民增加出现健康问题或加剧现有疾病的可能性[11].国内外针对民航飞机大气污染物排放情况开展了不同程度的研究, Song等[12]、Winther等[13]和Turgut等[14]相继对韩国济州国际机场(2012年)、丹麦哥本哈根国际机场(2015年)和土耳其国家航空公司(2017年)飞机大气污染物排放清单进行了计算; 徐冉等[15]于2016年对首都国际机场航空器排放清单进行了研究; 王瑞宁等[16]以2017年为基准年对长三角地区民航飞机LTO循环大气污染物排放清单进行了研究.
近年来, 京津冀地区大气污染平均超标天数比例高达40%以上, 远高于长三角和珠三角等地区[17].该地区目前共有9个民航运输机场, 大气污染物排放量较大, 数据显示[18], 2018年京津冀机场群完成旅客吞吐量为1.51亿人次, 仅次于长三角机场群, 位居我国四大机场群第二位, 其中, 北京首都国际机场旅客吞吐量突破1亿人次, 居国内各机场首位.目前, 尚缺乏将京津冀区域机场群作为整体, 进行飞机LTO循环大气污染物排放的相关研究.
本研究基于ICAO标准排放模型, 考虑大气混合层高度对飞机LTO运行时间和污染排放的影响, 较为精确地计算了京津冀机场群2018~2019航季年大气污染物排放清单.同时分析了不同机型和工作模式的差异, 并对该机场群污染物排放的时空分布进行了研究, 旨在为改善京津冀地区环境空气质量提供重要依据.
1 材料与方法 1.1 研究区域与时间本研究的区域为京津冀机场群的9个重要民航机场, 如图 1所示, 其中包括：北京首都机场(PEK)、北京南苑机场(NAY)、天津滨海机场(TSN)、石家庄正定机场(SJW)、唐山三女河机场(TVS)、邯郸马头机场(HDG)、秦皇岛北戴河机场(BPE)、承德普宁机场(CDE)和张家口宁远机场(ZQZ).以该区域机场的进离港民航飞机为研究对象, 涵盖的大气污染物包括NOx、HC、CO、SO2和PM.
|
图 1 研究区域示意 Fig. 1 Research area |
根据我国民航系统关于航季的划分, 每年分冬春和夏秋两个航季, 本文研究基准年为2018~2019航季年, 共计364 d.其中, 包括冬春航季2018年10月28日至2019年3月30日, 共计154 d; 夏秋航季2019年3月31日至2019年10月26日, 共计210 d.此外, 唐山机场于2019年4月1日至5月28日停航, 该航季年运行时间为306 d; 南苑机场于2019年9月29日关闭, 该航季年运行时间为337 d.
1.2 气态污染物计算模型采用ICAO规定的NOx、HC和CO这3种污染物的排放因子, 先分别计算各类污染物在发动机不同工作模式下的排放量, 然后再计算各类污染物的总排放量.计算公式如下所示.
|
(1) |
式中, Ei, m表示i类污染物在m工作模式下的排放量(g); Nj表示京津冀机场群j型发动机的数量(台); FFj, m表示j型发动机在m工作模式下的燃油消耗率(kg·s-1); EIi, j, m表示j型发动机在m工作模式下i类污染物的排放因子(g·kg-1); tj, m表示j型发动机在m工作模式下的工作时间(min); n表示统计时段内的日均LTO循环数量; k表示对应航季的总天数.
相关研究发现SO2的排放量取决于航空燃油的燃烧效率和航空燃油中的含硫量[19], 本研究的SO2排放量采用物料衡算法计算.
1.3 颗粒物计算模型采用一阶近似法(FOA3.0), 利用发动机的烟度和空燃比等分别估算出挥发性颗粒物和非挥发性颗粒物的排放指数, 根据总排放指数、燃油流量以及不同模式的工作时间计算出PM的排放量.
|
(2) |
|
(3) |
|
(4) |
|
(5) |
式中, EIPMvol-o表示挥发性颗粒物有机组分排放指数(g·kg-1); δ表示EIPMvol-O和EIHC的比例系数(mg·g-1), 起飞、爬升、进近和滑行模式下的取值分别为115、76、56.25和6.17; EIHC表示发动机HC排放指数(g·kg-1).EIPMvol-s表示挥发性颗粒物含硫组分排放指数(g·kg-1); FSC表示航空燃料中的含硫量, 默认为0.068%; λ表示发动机燃油的硫转化效率, 采用高硫燃油的默认值为0.033. EIPMnvol表示非挥发性颗粒物组分排放指数(g·kg-1); SN表示发动机排气烟度, 无量纲, 取自ICAO发动机排放数据库[20]; AFR表示发动机在不同工作模式下的空燃比, 无量纲, 起飞、爬升、进近和滑行模式下的取值分别为45、51、83和106.
1.4 混合层高度修正模型ICAO规定飞机的爬升模式, 主要是指从起飞结束至上升到大气混合层(固定为915 m, 3 000 ft)的高度, 但实际运行中的混合层高度会随时间、地点以及气象条件发生改变, 使用ICAO规定的915 m的高度计算会产生较大的误差, 本文选取京津冀机场群各机场地区日最大混合层高度进行计算, 选取情况如表 1所示.
|
表 1 京津冀机场群日最大混合层高度情况 Table 1 Maximum mixed layer height of the Beijing-Tianjin-Hebei airport group |
本研究采用EPA方法修正ICAO规定的爬升、进近参考时间, 修正公式如下：
|
(6) |
|
(7) |
式中, Tj, app和Tj, c/o表示搭载j型发动机的飞机进近和爬升阶段实际运行时间(min); tj, app和Tj, c/o表示ICAO规定航空器进近和爬行参考时间, 分别取4.0 min和2.2 min; HML表示京津冀机场群各机场实际日最大混合层高度(m).
1.5 日均LTO循环数确定本研究根据航班进离港信息, 在冬春航季和夏秋航季, 分别选取3 d, 统计各机场3 d内LTO循环总量, 用于计算该航季日均LTO循环数量.其中, 冬春航季选取2019年1月的6、7和8日进行统计; 夏秋航季选取2019年4月的22、23和24日.此外, 唐山机场夏秋航季由于部分时间停航, 该航季统计时间为2019年5月的29、30和31日.
2 结果与分析 2.1 污染物排放清单2018~2019航季年, 京津冀机场群飞机LTO循环大气污染物排放清单计算结果如表 2所示.可见, 京津冀地区, 各机场LTO过程中NOx、CO、SO2、HC和PM的航季年排放总量分别为10 720.5、3 972.2、407.8、508.0和53.7 t.其中, 冬春航季排放量分别为4 290.2、1 646.7、168.3、220.1和22.4 t; 夏秋航季排放量分别为6 430.3、2 325.5、239.5、287.9和31.3 t.该机场群排放的最主要污染物是NOx, CO是仅次于NOx的污染物, HC、SO2和PM的排放量相对较少.
|
|
表 2 2018~2019航季年京津冀机场群飞机LTO循环大气污染物排放清单 Table 2 List of LTO circulating air pollutants from Beijing-Tianjin-Hebei airport group aircraft during the 2018-2019 season |
2.2 空间分布
图 2所示为京津冀机场群飞机LTO循环大气污染物排放空间分布情况.各污染物在排放总量上处于不同数量级, NOx排放量相对最高, CO次之, SO2和HC排放量相当, PM排放量相对最少.各机场排放量差异明显.北京首都机场年LTO循环总量占该区域总和的65%, 各污染物排放量均排在首位, 5种污染物排放量占该区域总和的比值均大于65%, 其中, NOx和SO2占比可达74.2%和74.9%;天津滨海机场是该区域吞吐量第二的机场, 其污染物排放量也位于第二位; 石家庄正定机场和北京南苑机场年LTO循环总量处于中等, 污染物排放量也处于中等水平; 邯郸、唐山、承德、秦皇岛和张家口等地机场年LTO循环总量较少, 各污染物排放量均最低, 仅占0.2%~1.2%.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 2 京津冀机场群飞机LTO循环大气污染物排放空间分布 Fig. 2 Spatial distribution of air pollutant emissions from the LTO cycle of Beijing-Tianjin-Hebei airport group aircraft |
统计京津冀机场群整体每小时LTO循环数量, 根据公式(1)~(7), 计算出大气污染物排放日分布情况如图 3所示.该区域冬春航季和夏秋航季小时LTO循环数具有很高的相似性, 且该区域民航飞机LTO循环排放量最高值出现在07:00~08:00, 这是因为该时间段内飞机的小时LTO循环次数达到最高值, 随着飞机的起落次数的减少, 08:00~10:00内排放量大幅度下降. 12:00~20:00, 处于中等偏高排放水平, 这不仅与该时间段航班的起落架次较高有关, 而且还与下午时间段内大气边界层高度相对较高有关. 21:00之后, 航班量开始降低, 飞机污染物的排放量也逐渐降低.
|
图 3 京津冀机场群飞机LTO循环大气污染物排放时间分布 Fig. 3 Time distribution of air pollutant discharge in the LTO cycle of Beijing-Tianjin-Hebei airport group aircraft |
飞机类型是决定污染物排放量最基本的因素.图 4所示为京津冀机场群不同机场机型与排放占比情况.该机场群主要机型包括波音、空客和巴西ERJ系列这3大类, 双发机型较多.各机场机型占比情况差异明显, 北京首都机场机型种类和数量最多, 其中B737、A320、A321和A330占比较高, 所占比例分别为31.3%、13.7%、14.3%和17.3%;北京南苑机场是中联航的主运营基地, 机型全部为B737;天津滨海和石家庄正定机场B737机型占比较高, 分别为52.4%和43.1%;唐山三女河机场、秦皇岛北戴河机场、承德普宁机场和张家口宁远机场属支线机场, 机型数量较少, ERJ190机型占有一定的比例, 分别为25%、37.5%、20%和40%.
|
图 4 京津冀机场群各机场机型分类 Fig. 4 Beijing-Tianjin-Hebei airport group aircraft classification |
图 5所示为京津冀机场群部分机型污染物排放总量占比情况.B737排放的NOx、CO、SO2和PM总量最多, 分别占各污染物排放总量的26%、35%、29%和37%; A320所排放的HC最多, 占HC排放总量的32%, 其排放CO总量仅次于B737机型; A330排放各种污染物都占有一定的比例, 处于中等排放水平; ERJ190排放量较少, 是因为该机型LTO循环数量较少的缘故. 5种污染物, 不同机型排放占比略有不同, 这与各机型单位LTO循环排放量有关.
|
图 5 不同机型污染物排放占比 Fig. 5 Percentages of pollutant emissions from different models |
图 6表示京津冀机场群部分机型单位LTO循环污染物排放情况.经比对, 本研究结果与ICAO规定的NOx、HC和CO这3种污染物的排放因子相符合.京津冀所有机型中, B777的单位LTO循环排放污染物最多; B787的单位LTO循环排放HC最低, 几乎为零, 这与京津冀机场群中B787所配备的发动机排放HC的排放因子有关.ERJ190的SO2、NOx和PM这3种污染物的单位LTO循环排放明显低于其他机型, 而CO和HC的排放显著高于其他机型, 其单位LTO循环排放CO约是B737的1.7倍.
|
图 6 单位LTO循环不同机型污染物排放情况 Fig. 6 Emissions of pollutants from different models of the LTO cycle |
京津冀机场群飞机LTO循环各工作模式下大气污染物排放贡献率如图 7所示.可见, 因各工作模式下发动机排放指数不同, 所以各污染物在不同工作模式下的排放占比也存在较大差异.NOx的排放在爬升阶段占比最大, 占排放NOx总量的51%, 这与王瑞宁等[16]的研究结果相似, 其得到长三角区域民航飞机排放NOx主要来自爬升阶段; HC和CO的排放基本全部来自滑行阶段, 可达到93.1%和93.9%, 产生这种情况的原因是由于飞机在滑行时发动机低负荷运行, 容易导致燃油不完全燃烧, 从而排放较高的HC和CO; SO2的排放量按工作模式从高到低分别是滑行、爬升、进近和起飞, 分别占排放SO2总量的40%、30%、18%和12%;不同工作模式排放PM的占比情况与排放SO2相似.
|
图 7 各工作模式下主要大气污染物排放贡献率 Fig. 7 Contribution rate of major atmospheric pollutants discharged under various working modes |
表 3所示为京津冀机场群大气污染物单位LTO循环排放与其他研究对比情况.数据显示, 京津冀机场群单位LTO循环NOx、CO、SO2、HC和PM排放量分别为24.3、9.0、0.9、1.2和0.1 kg·次-1, CO、SO2和PM的单位LTO循环排放量略低于长三角机场群, NOx和HC的单位LTO循环排放量略高于长三角机场群, 这种情况与机场内主要运行飞机比例不同有关.与2013年首都国际机场单位LTO循环排放量相比, 京津冀机场群HC单位LTO循环排放量高于首都机场, NOx、CO和SO2的排放量相对较低.
|
|
表 3 京津冀机场群大气污染物单位LTO循环排放与其他研究对比情况 Table 3 Comparison of LTO cycle emissions of atmospheric pollutants in the Beijing-Tianjin-Hebei airport group and other studies |
排放总量方面, 京津冀机场群5种污染物排放均低于长三角机场群, 这与长三角机场群机场数量较多有关.与2016年相比, 首都国际机场2018~2019航季年NOx和SO2排放总量有所升高, 其余3种污染物排放量均有所降低, 这与修正爬升和进近阶段时间有关.
4 结论(1) 根据本研究结果显示, 2018~2019航季年京津冀机场群飞机LTO循环NOx、CO、SO2、HC和PM排放总量分别为10 720.5、3 972.2、407.8、508.0和53.7 t.其中, 冬春航季排放量分别为4 290.2、1 646.7、168.3、220.1和22.4 t; 夏秋航季排放量分别为6 430.3、2 325.5、239.5、287.9和31.3 t. NOx是京津冀地区飞机LTO循环排放量最大的污染物.
(2) 空间分布计算结果表明, 北京首都国际机场是京津冀机场群飞机LTO循环大气污染物排放最多的机场, 是由于该机场飞机起落频繁.时间分布计算结果表明, 该区域大气污染物排放量夜间低, 白天高, 最高值出现在上午07:00~08:00, 排放量随飞机起落次数的增减而变化.
(3) 各污染物在LTO不同阶段排放量差异较大, 这与各机型单位LTO循环排放量有关.NOx主要来自于爬升阶段; HC和CO的排放基本全部来自滑行阶段; SO2排放在滑行、爬升、进近、起飞阶段的占比分别为40%、30%、18%和12%; PM排放量最少, 其在不同工作模式下排放的占比情况与SO2相似.
| [1] |
王人洁, 王堃, 张帆, 等. 中国国道和省道机动车尾气排放特征[J]. 环境科学, 2017, 38(9): 3553-3560. Wang R J, Wang K, Zhang F, et al. Emission characteristics of vehicles from national roads and provincial roads in China[J]. Environmental Science, 2017, 38(9): 3553-3560. |
| [2] |
徐文文, 殷承启, 许雪记, 等. 江苏省内河船舶大气污染物排放清单及特征[J]. 环境科学, 2019, 40(6): 2595-2606. Xu W W, Yin C Q, Xu X J, et al. Vessel emission inventories and emission characteristics for inland rivers in Jiangsu province[J]. Environmental Science, 2019, 40(6): 2595-2606. |
| [3] |
何吉成. 30年来中国民航运输行业的大气污染物排放[J]. 环境科学, 2012, 33(1): 1-7. He J C. Air pollutant emissions of aircraft in China in recent 30 years[J]. Environmental Science, 2012, 33(1): 1-7. |
| [4] |
韩博, 黄佳敏, 魏志强. 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. Han B, Huang J M, Wei Z Q. Gaseous emission characterization of civil aviation aircraft during takeoff[J]. Environmental Science, 2016, 37(12): 4524-4530. |
| [5] | Stettler M E J, Boies A M, Petzold A, et al. Global civil aviation black carbon emissions[J]. Environmental Science & Technology, 2013, 47(18): 10397-10404. |
| [6] |
韩博, 刘雅婷, 陈鑫, 等. 民航飞机起飞过程细粒子排放特征[J]. 中国环境科学, 2017, 37(5): 1620-1627. Han B, Liu Y T, Chen X, et al. Fine particles emission characterization of civil aviation aircraft during takeoff[J]. China Environmental Science, 2017, 37(5): 1620-1627. DOI:10.3969/j.issn.1000-6923.2017.05.003 |
| [7] | Masiol M, Harrison R M. Aircraft engine exhaust emissions and other airport-related contributions to ambient air pollution:a review[J]. Atmospheric Environment, 2014, 95: 409-455. DOI:10.1016/j.atmosenv.2014.05.070 |
| [8] | Vichi F, Frattoni M, Imperiali A, et al. Civil aviation impacts on local air quality:a survey inside two international airports in central Italy[J]. Atmospheric Environment, 2016, 142: 393-405. DOI:10.1016/j.atmosenv.2016.08.005 |
| [9] | Hudda N, Simon M C, Zamore W, et al. Aviation-related impacts on ultrafine particle number concentrations outside and inside residences near an airport[J]. Environmental Science & Technology, 2018, 52(4): 1765-1772. |
| [10] | Simonetti I, Maltagliati S, Manfrida G. Air quality impact of a middle size airport within an urban context through EDMS simulation[J]. Transportation Research Part D:Transport and Environment, 2015, 40: 144-154. DOI:10.1016/j.trd.2015.07.008 |
| [11] | Fajersztajn L, Guimarães M T, Duim E, et al. Health effects of pollution on the residential population near a Brazilian airport:a perspective based on literature review[J]. Journal of Transport & Health, 2019, 14: 100565. DOI:10.1016/j.jth.2019.05.004 |
| [12] | Song S K, Shon Z H. Emissions of greenhouse gases and air pollutants from commercial aircraft at international airports in Korea[J]. Atmospheric Environment, 2012, 61: 148-158. DOI:10.1016/j.atmosenv.2012.07.035 |
| [13] | Winther M, Kousgaard U, Ellermann T, et al. Emissions of NOx, particle mass and particle numbers from aircraft main engines, APU's and handling equipment at Copenhagen Airport[J]. Atmospheric Environment, 2015, 100: 218-229. DOI:10.1016/j.atmosenv.2014.10.045 |
| [14] | Turgut E T, Cavcar M, Usanmaz O, et al. Investigating actual landing and takeoff operations for time-in-mode, fuel and emissions parameters on domestic routes in Turkey[J]. Transportation Research Part D:Transport and Environment, 2017, 53: 249-262. DOI:10.1016/j.trd.2017.04.018 |
| [15] |
徐冉, 郎建垒, 杨孝文, 等. 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. Xu R, Lang J L, Yang X W, et al. Establishment of aircraft emission inventory for Beijing capital international airport[J]. China Environmental Science, 2016, 36(8): 2554-2560. DOI:10.3969/j.issn.1000-6923.2016.08.038 |
| [16] |
王瑞宁, 黄成, 任洪娟, 等. 长三角地区民航飞机起飞着陆(LTO)循环大气污染物排放清单[J]. 环境科学学报, 2018, 38(11): 4472-4479. Wang R N, Huang C, Ren H J, et al. Air pollutant emission inventory from LTO cycles of aircraft in civil aviation airports in the Yangtze River Delta region, China[J]. Acta Scientiae Circumstantiae, 2018, 38(11): 4472-4479. |
| [17] | 中华人民共和国生态环境部.中国生态环境状况公报[R].北京: 中华人民共和国生态环境部, 2015-2018. |
| [18] | 中国民航局. 2018年民航机场生产统计公报[R].北京: 中国民航局, 2019. |
| [19] |
黄成, 安静宇, 鲁君. 长三角区域非道路移动机械排放清单及预测[J]. 环境科学, 2018, 39(9): 3965-3975. Huang C, An J Y, Lu J. Emission inventory and prediction of non-road machineries in the Yangtze River Delta region, China[J]. Environmental Science, 2018, 39(9): 3965-3975. |
| [20] | ICAO. ICAO engine exhaust emissions data bank[R]. Montreal: International Civil Aviation Organization, 2015. |
| [21] |
杜吴鹏, 房小怡, 黄宏涛, 等. 北京近年地表风速和大气混合层厚度变化特征研究[J]. 环境科学与技术, 2017, 40(6): 149-156. Du W P, Fang X Y, Huang H T, et al. Variation characteristics of surface wind speed and atmospheric mixing layer height in recent years in Beijing[J]. Environmental Science & Technology, 2017, 40(6): 149-156. |
| [22] |
蔡子颖, 张敏, 韩素芹, 等. 天津重污染天气混合层厚度阈值及应用研究[J]. 气象, 2018, 44(7): 911-920. Cai Z Y, Zhang M, Han S Q, et al. Research on threshold and regularity of mixed layer thickness in heavy pollution weather in Tianjin[J]. Meteorological Monthly, 2018, 44(7): 911-920. |
| [23] |
李梦, 唐贵谦, 黄俊, 等. 京津冀冬季大气混合层高度与大气污染的关系[J]. 环境科学, 2015, 36(6): 1935-1943. Li M, Tang G Q, Huang J, et al. Characteristics of winter atmospheric mixing layer height in Beijing-Tianjin-Hebei region and their relationship with the atmospheric pollution[J]. Environmental Science, 2015, 36(6): 1935-1943. |
| [24] |
张恒德, 吕梦瑶, 张碧辉, 等. 2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析[J]. 环境科学学报, 2016, 36(12): 4340-4351. Zhang H D, Lü M Y, Zhang B H, et al. Analysis of the stagnant meteorological situation and the transmission condition of continuous heavy pollution course from February 20 to 26, 2014 in Beijing-Tianjin-Hebei[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4340-4351. |
| [25] |
周士茹, 陆倩, 张晓辉, 等. 承德市近五年大气污染气象条件分析[J]. 环保科技, 2018, 24(6): 31-36. Zhou S R, Lu Q, Zhang X H, et al. Meteorological conditions of atmospheric pollution in Chengde City in 2013-2017[J]. Environmental Protection and Technology, 2018, 24(6): 31-36. DOI:10.3969/j.issn.1674-0254.2018.06.006 |
| [26] |
刘学锋, 任国玉, 梁秀慧, 等. 河北地区边界层内不同高度风速变化特征[J]. 气象, 2009, 35(7): 46-53. Liu X F, Ren G Y, Liang X H, et al. The characteristics of wind speed variation at different altitudes of boundary layer in Hebei province[J]. Meteorological Monthly, 2009, 35(7): 46-53. |