2020, Vol. 41
海上贸易的繁荣是港口城市经济发展的重要推动力, 但是随着水路运输和港口建设的发展, 船舶运输活动对港口城市大气环境质量的影响也日益显著[1~5].厦门港是我国沿海主要港口之一, 是我国综合运输体系的重要枢纽、集装箱运输干线港和对台航运主要口岸.同时, 厦门港又是一个复式港湾, 海域封闭, 群山环绕, 大气交换能力较弱[6], 航运业的飞速发展, 使得船舶运输活动对厦门市大气环境质量的影响不容忽视; 王征等[7]的研究表明, 90%的船舶排放发生在海岸线至领海基线外96海里范围内, 即距离陆地200 km的海域内.国外学者对船舶大气污染物排放及其影响研究起步较早, 2009年Jalkanen等[8]首次利用船舶自动识别系统(AIS)数据建立排放模型, 估算波罗的海船舶NOx、SOx、CO2、PM和CO的排放量, 至今, 如希腊[9]、西班牙[10]和美国洛杉矶港[11, 12]等多地均有较深入的船舶排放研究.我国对船舶污染物排放的研究相对较少, 少数几个沿海地区在参考国外研究成果基础上, 初步开发了当地港口的船舶大气污染物排放清单, 如广东省[13]、深圳市[14]、上海港[15~17]、天津港[18]、青岛港[19]、宁波舟山港[20]、珠江三角洲[21]以及龙潭集装箱港[22]等船舶排放清单.本研究选择本地中速船舶开展排放因子测试, 验证所选择的船舶基准排放因子的准确性, 根据每一艘船舶的航行轨迹和行驶工况进行逐艘船舶的污染物排放清单的计算, 建立了高精度的100 m×100 m污染物排放网格数据库, 分析船舶控制区内的污染物排放的时空分布特征, 以期为有效防治船舶大气污染与绿色港口减排成效评估提供可靠的技术支撑.
1 材料与方法本文以厦门市船舶控制区为研究区域, 以2018年为基准年, 通过对AIS数据的有效应用和实地调查, 获得了各类型船舶静态和动态数据以及燃料油质量参数等信息.
1.1 研究范围与航道限速根据国家船舶大气污染物排放控制区实施方案[23]及厦门市绿色港口建设与管理规定, 确定本研究的控制区域为海沧：E117°46.621′, N24°27.825′; 翔安：E118°15.111′, N24°44.531′; 控制区南：E118°23.280′, N24°0.900′; 控制区北：E118°51.563′; N24°19.65′构成的区域.厦门海事局2018[1]号文规定了厦门海域船舶航速限制要求, 航道限速情况见图 1.
|
图 1 航道限速情况 Fig. 1 Channel speed limit |
船舶大气污染物排放清单的计算根据AIS动态数据, 采用自下而上的动力法进行逐条船的单独核算, 然后分类统计的方式, 其单船计算公式[11]为：
|
(1) |
|
(2) |
|
(3) |
式中, EF为本地化船舶污染物排放因子[g·(kW·h)-1]; BEF为船舶污染物基准排放因子, [g·(kW·h)-1]; LCF为低负荷修正因子(仅对主机负荷进行修正); FCF为燃油修正因子(根据本地使用的燃油含硫量确定); CF为减排技术的控制因子(本文未考虑减排措施取CF=1); W为船舶主机、辅机或锅炉实际功率(kW); MCR为船舶主机、辅机或锅炉额定功率(kW); LF为船舶主机负荷系数(该系数为实际航速与设计航速比值的三次方); E为船舶污染物排放量(t); Act为船舶在不同航行状态下的运行时间(h).
鉴于船舶在不同的航行状态下, 具有各自不同的污染物排放特征.本文综合国内外研究及厦门市航道限速情况, 将船舶控制区内的航行分为巡航、低速巡航、机动操控、锚泊和停泊5种状态, 根据船舶主机功率与英国劳氏船级社数据库的匹配情况, 建立航行的判定依据(表 1).
|
表 1 船舶航行状态判定依据 Table 1 Basis of the ships' operating conditions |
1.3 研究资料获取 1.3.1 船舶静态与动态数据库的建立
基于厦门市海事局提供的全年进出港船舶静态数据、厦门市公安局公共安全平台提供的所有无证船舶的静态数据、厦门船级分社和实地船舶综合信息的调查(包括发放230份调查表并收回90%有效资料)及船舶AIS的静态信息, 建立包括船舶类型、IMO号、MMSI号、建造年份、船长、船宽、吃水、载重量、设计航速及主机、辅机、锅炉额定功率、锅炉油耗、不同航行工况下的辅机输出功率及锅炉使用情况等基础信息的船舶静态数据库.获取AIS动态数据, 建立控制区内每艘船舶的航行轨迹数据库.
船舶污染物排放水平受油品质量、船舶建造年代和航行工况等因素影响.本文选用2012年美国洛杉矶港大气污染物排放清单的排放因子[11](表 2~3)作为基准排放因子; 该排放因子是在硫含量为2.7%的重油基础上制定的, 当船舶所用燃油硫含量不同于2.7%时, 用燃油修正因子进行修正[12](表 4); 当船舶主机的负载低于20%时, 由于发动机的热效率低下造成污染物排放的增加, 必须进行主机低负荷修正[11, 12](表 5).
|
|
表 2 主机污染物基准排放因子/g·(kW·h)-1 Table 2 Emission factors for main engines/g·(kW·h)-1 |
|
|
表 3 辅机和锅炉污染物基准排放因子[11]/g·(kW·h)-1 Table 3 Emission factors for auxiliary engines and boilers/g·(kW·h)-1 |
|
|
表 4 燃油修正因子[12] Table 4 Correction factors for fuel oil |
因所选的基准排放因子中无高速船舶的数据, 本研究的高速船舶采用国家环境保护部发布的非道路移动污染源清单编制中的船舶大气污染物的排放因子[24], 调查国内高速船舶的设计油耗及本地产游艇的额定油耗, 确定高速船舶和游艇的平均额定油耗分别为213.5 g·(kW·h)-1和221 g·(kW·h)-1.根据港口管理部门提供的各类型无证船舶年平均活动水平和油耗, 核算2018年该类型船舶中工作、渔业和货船的年耗油量分别为693、2 965和2 679 t, 共计6 337 t.
1.3.2 控制区内船舶分布特征厦门市船舶控制区内只有沿海船舶, 因国内目前尚无统一的船舶分类规定, 本文按照用途, 将2018年途经控制区的船舶划分为客运船舶(载客12人以上)、货运船舶(以载运货物为主和载客12个以下)、工作船舶(不直接参加客货运输专为港口生产服务)、工程船舶(在港口、航道等水域从事工程作业)和渔业船舶(从事渔业生产或为渔业生产服务)这5种类型, 对于无证船舶(大多数为总吨位 < 500t的小型船舶)的污染物排放量单独计算后, 按船舶分类分配至上述5种类型的船舶中.
2018年厦门市船舶控制区船舶大气污染物排放清单计算的船舶共计7 787艘, 其中货船3 272艘(集装箱货船1 173艘, 其它货船2 099艘)、客船155艘、工作船舶95艘、工程船舶88艘、渔业船舶1 420艘和无证货船2 757艘.本年度进出港船舶合计168 456艘次, 控制区内直行未进港和作业未进港船舶共计15 208艘次.
2018年厦门市船舶控制区内船舶分布(图 2)中集装箱船舶占15.1%、干、散、杂货及油船占23.8%, 以无证船舶为主的其它货船占38.6%, 呈现了以货船为主、渔业船舶次之、其余船舶占比不足5%的特征; 虽然厦门是邮轮母港, 但2018年进出港邮轮数量仅为13艘, 占比为0.2%, 尚属起步阶段.
|
图 2 2018年进出厦门港船舶分布情况 Fig. 2 Distribution of ships entering and leaving Xiamen port in 2018 |
根据船舶航行状态的判断依据(表 1), 按每艘船舶的AIS轨迹数据结合船舶静态信息统计各类型船舶每个进出港周期(2艘次)的平均活动水平及其在不同航行状态下的辅机和锅炉使用情况(表 6).另外, 直行未进港船舶中货船占98.3%, 在控制区内每艘次平均航行时间3.7 h, 航行工况为巡航或低速巡航; 作业船舶中捕捞船占96%, 每艘次的平均作业时间为16.3 h, 以锚泊或停泊状态为主.
|
|
表 6 各类型船舶不同航行工况的平均活动水平 Table 6 Average activity level of various types of ships under different navigation conditions |
各类型船舶均呈现停泊时间高于其它航行状态的特征, 其中工作船、渔业船和工程船的停泊状态明显高于其它船舶, 体现了这些船舶的工作特征; 各类型船舶在巡航状态下的平均航速以客船为最高, 在低速巡航、机动操控和锚泊状态下, 各类型船舶的平均航速很接近, 体现了控制区内不同航道的限速情况.
1.3.4 控制区内船舶燃油硫含量根据2018年海事局对进出港船舶进行的500多次的燃油硫含量检测数据的统计, 拖轮所用柴油硫含量0.001% ~0.014%, 平均为0.008%;对其它船舶的用油测定硫含量为0.001%~7.3%, 其中, 外贸货船和内贸集装箱船、油船使用平均硫含量为1.5%的重油, 停泊按规定使用硫含量0.5%的轻质柴油, 其余船舶燃油硫含量取平均值为0.5%的轻质柴油.
2 结果与讨论 2.1 控制区内船舶大气污染物排放清单2018年厦门市船舶控制区内所有船舶大气污染物排放总量16 413 t, 其中: PM10 592 t、PM2.5 491 t、NOx 10 544 t、SO2 2 816 t、CO 1 755 t、HC 706 t, 各类型船舶大气污染物排放情况见表 7.
|
|
表 7 2018年厦门港各类船舶污染物排放清单/t·a-1 Table 7 Vessels' emission inventory for Xiamen Port in 2018/t·a-1 |
根据2018年厦门市船舶控制区进出港船舶分布情况, 虽然进出港船舶中集装箱船的比例仅为进出港船舶总数的15.1%, 但贡献了污染物排放总量的64.6%;究其原因是集装箱船不仅单船污染物排放量大, 且航行过程使用平均硫含量为1.5%重油所造成; 进出港船舶中除集装箱船以外的货船占比为62.4%, 但仅贡献了污染物排放总量的12.8%, 与深圳市[13]的船舶污染物排放清单具有共性.客船、工作船、工程船和渔业船舶占进出港船舶的22.5%, 贡献了污染物排放总量的22.6%, 这些船舶除邮轮外, 其它均使用硫含量为0.001% ~0.5%的轻质柴油、且辅机功率低、无锅炉等因素是其污染物排放较少的主要原因.
控制区内船舶大气污染物排放顺序为货船>渔业船>工作船>工程船>客船, 且工作船、工程船和客船的污染物排放总量与渔业船舶的排放量相近, 可见船舶大气污染物排放清单与控制区内船舶分布特征(1.3.2节)一致, 真实反映了厦门船舶大气污染物排放情况.
2.2 控制区内船舶大气污染物排放特征控制区内船舶污染物排放总量表明, 进出港船舶污染物排放占82.6%, 未进港船舶占17.4%;各污染物中以NOx的排放量最大, 占比达64.2%(图 3), SO2次之, 然后是CO, 与2010年上海港[15]和深圳市[14]船舶大气污染物排放特征具有相似性, 与2012年大连海域远洋船舶(包括货船与邮轮)污染物排放特征[25]有差异, 大连的污染物排放顺序为NOx、SO2和PM10, 其主要原因是大连进出港远洋船舶使用硫含量为2.7%的重油[25], 油品质量较厦门港差; 由表 4可见, 油品质量提升对PM减排明显, 当船舶处于航行时大连港船舶排放的PM比厦门港高18%、处于停泊时大连港比厦门港高75%, 致使该港区船舶排放的PM数量相对较大.
|
图 3 2018年厦门港船舶控制区内船舶各污染物排放情况 Fig. 3 Pollutant emissions by vessels in the Xiamen Port ECA in 2018 |
2018年厦门进出港船舶污染物排放总量13 563.2 t, 各类型船舶中以货船污染物排放占比最高, 达到77.4%, 而客船、工作船、工程船和渔业船舶的污染物排放量相近(图 4).与控制区内所有船舶的污染物排放总量相比, 货船的排放量更大, 因此货船的污染物排放控制是厦门港的重要防控方向.
|
图 4 2018年厦门港进出港船舶污染物排放情况 Fig. 4 Pollutants Emissions by different types of ship entering and leaving Xiamen Port in 2018 |
因不同航行工况下, 船舶的主机、辅机输出负荷和锅炉的使用情况和活动时长有很大差异, 造成了不同航行状态下污染物排放量的差异性变化.2018年进出港船舶各航行工况下污染物排放量的顺序为:停泊>巡航>低速巡航>机动操控>锚泊(图 5), 各类型船舶呈现的停泊时间高于其它航行状态的特征, 及邮轮和大部分货船停泊时均使用锅炉, 使得停泊状态下污染物的排放量最大.
|
图 5 2018年厦门港进出港船舶不同工况下污染物排放量分布 Fig. 5 Air pollutant emission shares of vessels entering and leaving Xiamen Port via different operation modes |
表 8分别统计各污染物在不同工况下的排放情况, 其中巡航状态排放量占比较大的污染物有颗粒物、SO2和NOx, 产生这一现象的主要原因是大部分货船和邮轮使用重油所致; 而停泊状态排放量占比较大的污染物是CO、HC和NOx, 体现了船舶辅机和锅炉的污染物排放与主机存在差异及船舶普遍停靠时间长的特征; 同时, SO2的排放具有特殊性, 巡航和停泊的排放量接近, 占SO2排放总量的78.8%.由于停泊时船舶大气污染物排放量最大, 同时在路程相同情况下低速巡航状态下的污染物排放低于巡航状态, 因此岸电的使用和控制区内降低航速能有效降低船舶大气污染物的排放.
|
|
表 8 2018年进出港船舶不同工况下各污染物排放分担率/% Table 8 Different air pollutant emission contribution rates for different operation modes/% |
2.4 船舶大气污染物排放的时空变化特征 2.4.1 船舶大气污染物排放的日变化规律
根据AIS的船舶进出港时间分布情况, 统计进出港船舶污染物排放的日变化特征(见图 6, 以NOx为例).结果表明, 各污染物排放量基本上从凌晨03:00开始呈上升态势并于9:00达到最高峰值, 至下午16:00均处于排放高峰值期间; 各污染物最大值与最小值之比在1.5~2.0之间, 进出港船舶的污染物排放高峰期处于本市大气扩散条件较好的时段, 削弱了船舶污染物排放高峰时段对市区环境空气质量的影响; 16:00之后船舶污染物排放量呈现较大幅度的下降, 减轻了晚交通高峰期间的污染叠加程度, 但船舶排放的污染物在扩散条件较差的时间段(20:00~23:00)对市区环境空气质量的影响比较明显, 特别是夏季风期间夜间海陆风环流的作用明显, 容易在市区出现污染物的积累而形成上半夜污染较严重的情形.
|
图 6 2018年厦门港进出港船舶NOx排放日变化特征 Fig. 6 Diurnal variation characteristics of NOx emissions from vessels entering and leaving Xiamen Port in 2018 |
按月统计船舶污染物排放水平(见图 7, 以NOx和SO2为例)发现, 1 a中各污染物的月变化规律一致, 全年以2月的排放量为最低, 与春节期间船舶活动量减少相关, 并与江苏省的船舶大气污染物排放的月变化规律[26]一致; 1、4和7月的排放量也相对较低, 全年出现两个污染物排放峰值分别为3月和5月, 由于春季的大气扩散条件为全年最差, 这个季节船舶大气污染物排放对环境空气质量的影响相对较大.
|
图 7 2018年船舶排放NOx、SO2的月变化情况 Fig. 7 Monthly variation characteristics of NOx and SO2 emissions in 2018 |
根据上述计算的各类型船舶的污染物排放量, 结合AIS的船舶航行轨迹数据, 在船舶控制区内创建100m×100m尺度的格网化污染物排放数据库, 利用ArcGIS技术进行可视化处理(图 8).
|
图 8 厦门港船舶污染物排放空间分布 Fig. 8 Spatial distribution of the total ship emission in Xiamen Port |
由船舶污染物排放的空间分布可见, 控制区内船舶污染物排放的空间分布规律与船舶的航行轨迹和航行工况密切相关, 各污染物排放高值主要分布于主航道、东渡港区和海沧港区的海岸线上(该区域的高排放是船舶停泊过程的排放所致), 本研究结果与谭建伟等[25]关于大连海域远洋船舶污染物排放空间分布特征具有相似性.
2.5 不确定性分析对于船舶信息完全匹配的船只, 计算结果准确可靠; 对于按不同类型船舶平均状态匹配的船只, 计算结果会产生偏差, 因这部分船舶仅占船舶总数的3.9%, 整体偏差水平较小.本文根据AIS的船舶航行轨迹数据, 获取了近5 000万个进出港船舶的计算数据、近2 000万个未进港船舶的计算数据, 船舶航行工况可信度较高.为检验船舶大气污染物排放清单的准确性, 本文选择2000年制造、发动机额定功率255 kW、额定转速1 000 r·min-1、额定航速10节的渔船、正常航速7~8节时的燃烧室温度为400℃、单缸最大排气量4.5 L的渔业船舶和使用硫含量为0.086 4%轻质柴油进行实船测试, 当船舶发动机输出功率为122 kW时, 实测NOx平均浓度1 468 mg·m-3、标干流量978 m3·h-1、排放量为1.44 kg·h-1, 以基准排放因子按燃油修正系数和主机负荷比计算的NOx排放量为1.48 kg·h-1, 两者相差2.8%, 可见本文在船舶污染源排放清单的统计过程中所选择的基准排放因子和本地化处理过程科学合理, 能比较准确地反映厦门的船舶尾气排放情况.
3 结论(1) 2018年厦门市船舶控制区内的船舶污染物排放总量16 413 t, 进出港船舶污染物排放占82.2%、未进港船舶占17.8%, 各污染物年排放量为: PM10 592 t、PM2.5 491 t、NOx 10 544 t、SO2 2 816 t、CO 1 755 t、HC 706 t, 以NOx的排放量最大, 占比达64.2%, 控制区内船舶的主要污染来源于货船, 并以集装箱船的污染物排放量为最大; 经船舶污染物排放因子实测验证, 厦门市船舶大气污染物排放清单核算科学可靠.
(2) 各航行工况下污染物排放量的顺序为：停泊>巡航>低速巡航>机动操控>锚泊, 不同航行工况下的污染物排放具有明显的特征, 其中, 巡航状态排放量占比较大的污染物有PM、SO2和NOx; 而停泊状态排放量占比较大的污染物是CO、HC和NOx; SO2的排放具有特殊性, 巡航和停泊的排放量接近, 占SO2排放总量的78.8%.岸电的使用、油品质量的提升、控制区内降低航速均能有效减少船舶大气污染物排放.
(3) 船舶污染物排放具有明显的时空特征.进出港船舶排放的各污染物基本上在9:00出现峰值, 且09:00~16:00处于船舶污染物排放高峰期、16:00之后船舶污染物排放量呈现较大幅度的下降, 污染物排放高峰期处于当地大气扩散条件较好期间, 有利于污染物的扩散; 船舶污染物排放的最小值出现在03:00, 但上半夜的污染物排放对市区环境空气质量的影响较明显; 全年以2月的排放量为最低, 3月和5月出现排放峰值、加大了春季的污染压力; 同时控制区内各污染物排放高值主要分布于主航道和港区海岸线上.
| [1] | Minguillón M C, Arhami M, Schauer J J, et al. Seasonal and spatial variations of sources of fine and quasi-ultrafine particulate matter in neighborhoods near the Los Angeles-Long Beach harbor[J]. Atmospheric Environment, 2008, 42(32): 7317-7328. |
| [2] |
王延龙, 李成, 黄志炯, 等. 2013年中国海域船舶大气污染物排放对空气质量的影响[J]. 环境科学学报, 2018, 38(6): 2157-2166. Wang Y L, Li C, Huang Z J, et al. Impact of ship emissions on air quality over Chinese waters in 2013[J]. Acta Scientiae Circumstantiae, 2018, 38(6): 2157-2166. |
| [3] | Zhang Y, Yang X, Brown R, et al. Shipping emissions and their impacts on air quality in China[J]. Science of the Total Environment, 2017, 581-582: 186-198. |
| [4] | Aliabadi A A, Staebler R M, Sharma S. Air quality monitoring in communities of the Canadian Arctic during the high shipping season with a focus on local and marine pollution[J]. Atmospheric Chemistry and Physics, 2015, 15(5): 2651-2673. |
| [5] |
朱倩茹, 廖程浩, 王龙, 等. 基于AIS数据的精细化船舶排放清单方法[J]. 中国环境科学, 2017, 37(12): 4493-4500. Zhu Q R, Liao C H, Wang L, et al. Application of fine vessel emission inventory compilation method based on AIS data[J]. China Environmental Science, 2017, 37(12): 4493-4500. |
| [6] |
刘启明, 方梦圆, 曹湘怡, 等. 2006-2015年厦门港船舶大气污染物排放清单的初步估算[J]. 生态环境学报, 2016, 25(9): 1483-1486. Liu Q M, Fang M Y, Cao X Y, et al. Establishment of vessels air pollutant emission inventory in Xiamen port during 2006-2015[J]. Ecology and Environmental Sciences, 2016, 25(9): 1483-1486. |
| [7] |
王征, 张卫, 彭传圣, 等. 中国近周边海域船舶排放清单及排放特征研究[J]. 交通节能与环保, 2018, 14(63): 11-15. Wang Z, Zhang W, Peng C S, et al. Study on characteristics of ship emissions from surrounding China seas[J]. Energy Conservation & Environmental Protection in Transportation, 2018, 14(63): 11-15. |
| [8] | Jalkanen J P, Brink A, Kalli J, et al. A modelling system for the exhaust emissions of marine traffic and its application in the Baltic Sea area[J]. Atmospheric Chemistry and Physics, 2009, 9(23): 9209-9223. |
| [9] | Maragkogianni A, Papaefthimious S. Evaluating the social cost of cruise ships air emissions in major ports of Greece[J]. Transportation Research Part D:Transport and Environment, 2015, 36: 10-17. |
| [10] | Tichavska M, Tovar B. Port-city exhaust emission model:an application to cruise and ferry operations in Las Palmas Port[J]. Transportation Research Part A:Policy and Practice, 2015, 78: 347-360. |
| [11] | Group Starcrest Consulting, LLC. The port of Los Angeles inventory of air emissions for calendar year 2012[R]. Los Angeles: Starcrest Consulting Group, LLC, 2012. 37-55. |
| [12] | Archana A, Guiselle A, Anderson B, et al. Port of Los Angeles air emissions inventory-2009, ADP #050520-525[R]. LLC, Poulsbo: Starcrest Consulting Group, 2011. |
| [13] |
叶斯琪, 郑君瑜, 潘月云, 等. 广东省船舶排放源清单及时空分布特征研究[J]. 环境科学学报, 2014, 34(3): 537-547. Ye S Q, Zheng J Y, Pan Y Y, et al. Marine emission inventory and its temporal and spatial characteristics in Guangdong Province[J]. Acta Scientiae Circumstantiae, 2014, 34(3): 537-547. |
| [14] |
杨静, 尹佩玲, 叶斯琪, 等. 深圳市船舶排放清单与时空特征研究[J]. 环境科学, 2015, 36(4): 1217-1226. Yang J, Yin P L, Ye S Q, et al. Marine emission inventory and its temporal and spatial characteristics in the city of Shenzhen[J]. Environmental Science, 2015, 36(4): 1217-1226. |
| [15] |
伏晴艳, 沈寅, 张健. 上海港船舶大气污染物排放清单研究[J]. 安全与环境学报, 2012, 12(5): 57-64. Fu Q Y, Shen Y, Zhang J. On the ship pollutant emission inventory in Shanghai port[J]. Journal of Safety and Environment, 2012, 12(5): 57-64. |
| [16] | Yang D Q, Kwan S H, Lu T, et al. An emission inventory of marinevessels in Shanghai in 2003[J]. Environmental Science & Technology, 2007, 41(15): 5183-5190. |
| [17] | Song S. Ship emissions inventory, social cost and eco-efficiency in Shanghai Yangshan port[J]. Atmospheric Environment, 2014, 82: 288-297. |
| [18] |
张意, Michel A, 李东, 等. 天津市非道路移动源污染物排放清单开发[J]. 环境科学, 2017, 38(11): 4447-4453. Zhang Y, Michel A, Li D, et al. Development of a non-road mobile source emissions inventory for Tianjin[J]. Environmental Science, 2017, 38(11): 4447-4453. |
| [19] |
吕建华, 付飞, 左华, 等. 青岛市船舶废气排放清单及应用[J]. 环境保护科学, 2019, 45(5): 107-115. Lyu J H, Fu F, Zuo H, et al. Ship emission inventory and its application in Qingdao[J]. Environmental Protection Science, 2019, 45(5): 107-115. |
| [20] |
尹佩玲, 黄争超, 郑丹楠, 等. 宁波-舟山港船舶排放清单及时空分布特征[J]. 中国环境科学, 2017, 37(1): 27-37. Yin P L, Huang Z C, Zheng D N, et al. Marine vessel emission and its temporal and spatial distribution characteristics in Ningbo-Zhoushan port[J]. China Environmental Science, 2017, 37(1): 27-37. |
| [21] |
张礼俊, 郑君瑜, 尹沙沙, 等. 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. Zhang L J, Zheng J Y, Yin S S, et al. Development of non-road mobile source emission inventory for the Pearl River Delta region[J]. Environmental Science, 2010, 31(4): 886-891. |
| [22] |
顾建, 王伟, 彭宜蔷, 等. 基于STEAM的靠港船舶大气污染物排放清单研究[J]. 安全与环境学报, 2017, 17(5): 1963-1968. Gu J, Wang W, Peng Y Q, et al. Study on vessel emission inventory based on STEAM[J]. Journal of Safety and Environment, 2017, 17(5): 1963-1968. |
| [23] | 中华人民共和国交通运输部.交通运输部关于印发船舶大气污染物排放控制区实施方案的通知[EB/OL]. http://www.gov.cn/xinwen/2018-12/20/content_5350451.htm,2018-11-30. |
| [24] | 中华人民共和国环境保护部.非道路移动源大气污染物排放清单编制技术指南(试行)[ EB/OL]. http://www.mee.gov.cn/gkml/hbb/bgg/201501/t20150107_293955.htm,2014-12-31. |
| [25] |
谭建伟, 宋亚楠, 葛蕴珊, 等. 大连海域远洋船舶排放清单[J]. 环境科学研究, 2014, 27(12): 1426-1431. Tan J W, Song Y N, Ge Y S, et al. Emission inventory of ocean-going vessels in Dalian Coastal area[J]. Research of Environmental Sciences, 2014, 27(12): 1426-1431. |
| [26] |
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. |