-
随着全球二氧化碳排放的不断增加，温室效应日益凸显，气候问题已经成为一个全球性问题。2010—2019年期间，全球温室气体年平均排放量达到人类历史上最高水平。大量的二氧化碳排放，导致全球气温不断上升，极端天气发生的概率大大增加。为了应对气候危机，欧盟和美国等都相继公布了各自的碳减排目标。我国作为世界第二大经济体，各行各业的快速发展导致了大量的二氧化碳排放。在这样的背景下，我国国务院印发意见，作出在2030年前达到碳排放峰值，2060年前实现碳中和的重大承诺。
民航运输业是全球经济活动的重要支撑，在中远程运输中具有较高效益。但民航飞机燃烧航空煤油不可避免地产生大量二氧化碳，且由于其排放空间位于大气层中，所造成的温室效应也是地面排放的数倍。据国际清洁交通委员会（The International Council on Clean Transportation,ICCT）统计，2018年全球商业航空运输总二氧化碳排放量总计为9.18亿吨，占到全球CO2排放量的2.4%，比过去5年增加了32%。2019年这一数据进一步增加，达到9.2亿吨CO2，约占当年全球总排放的2.8%。就我国而言，2019年交通运输业碳排放量达到11.4亿吨，占全行业碳排放量的11%[1]。其中，仅包括国内民航运输导致的碳排放占6.09%。随着航空运输需求的不断增加，这一占比将会进一步扩大。
在全球碳减排的趋势下，国内外陆续开展了许多关于民航领域碳达峰、碳中和的研究。李心怡等[2]首先对中国民航运输碳排放量的影响因素进行分解，其次建立Tapio解耦模型分析民航运输碳排放量与各影响因素的关联强度，运用改进可拓展的STIRPAT模型对所设置的六种情景下中国民航碳排放量进行测算。韩博等[3]建立了一套民航大气污染物与CO2排放综合预测模型，基于民航飞机未来增长情况和2019—2050年民航CO2和NOx排放量开展预测分析，并评价产生的减排协同效益。许绩辉[4]采用LEAP模型构建中国民航业能源系统模型，通过设置五组不同的发展情景，深入分析民航业的驱动因子和发展趋势，探讨中国民航业中长期低碳发展的技术路径，为民航业双碳目标的推进提供了一系列建议。胡荣等[5]对2019年厦门高崎机场的碳排放量进行计算，并且通过情景分析和蒙特卡洛模拟分析了碳达峰的可能性、峰值与影响因素。FAN et al[6]基于LTO和巡航阶段，建立了2010年中国各航空公司污染物排放清单，并对减少污染物排放的有效途径进行了分析。WANG et al[7]考虑混合层高度影响，基于ICAO方法和241个机场数据，对中国2010—2020年的综合排放进行估算，并计算四种情景下航空业的未来污染情况。
通过对国内外现有文献的分析，能够发现目前的碳达峰预测研究大多以机场为单位，很少以航空公司作为单位对碳排放进行预测。中型航空公司处于发展的关键期，对中型航空公司未来的碳排放进行预测分析，能够为航司提供数据支持，为航司机队发展与优化提供方向。本研究正是基于这种思路出发，选择国内某中型航空公司作为研究对象，设置不减碳情景、基础减碳情景、快速减碳情景和理想减碳情景4个情景，对其2022—2035年内的碳排放进行预测分析，并提出一系列发展建议。
-
国际民航组织ICAO将飞机从起飞机场到目的机场的运行分为了九个阶段，分别是滑出、起飞、爬升、上升、巡航、下降、进近、着陆、滑入，这九个阶段又可以归纳为起飞着陆阶段（Landing and Take-off, LTO）和爬升巡航和下降阶段（Climb Cruise and Descend, CCD）。本文将依照这两个阶段，对耗油量进行分段计算。其中LTO，即起飞和着陆阶段，测算模型见式（1）：
式中：C1为航空器在一个完整LTO阶段的二氧化碳排放量，kg；Tj为航空器在j运行阶段的运行时长，s；Rj为航空器在j运行阶段的燃油流量，kg/s；N为航空器使用的发动机数量，台；Z为航空煤油的碳排放指数，即3.115，kg/kg；j为一个完整LTO的4个运行阶段，即起飞、爬升、进近和滑行。
CCD阶段的测算模型类似于LTO阶段，但由于其包含的爬升、巡航和下降的过程并不统一，难以进行类似的分段计算。模型见式（2）：
式中：C2为航空器在一个完整CCD阶段的二氧化碳排放量，kg；TCCD为航空器在CCD阶段的运行时长，s；R为航空器在CCD阶段的燃油流量，kg/s。
将LTO阶段碳排放和CCD阶段碳排放相加，即为航空器在一个完整的航班运行中排放的二氧化碳量，见式（3）:
式中，C为航空器在一个完整CCD阶段的二氧化碳排放量，kg。
-
情景分析法又被称为趋势外推法，是在假设某种现象或某种趋势将持续到未来的前提下，对预测对象可能出现的情况或引起的后果作出相应预测的方法，常用于渐进式而非跳跃式变化的变量预测[8]，现已被广泛运用于可持续性发展的研究当中。它具有直观的优点，对给定的未来变化不大的情况具有较高的精确性。
-
蒙特卡洛法是一种将概率现象作为研究对象的方法。其基本原理是事件的概率可以用大量试验中发生的频率来估计，而当样本容量足够大可以认为该事件的发生频率即为其概率。近年来，越来越多的研究将其应用于民航碳排放预测中[9-10]，实现对未来航空碳排放进行科学量化，得到结果可信度高。
-
研究所采用的数据主要包括发动机排放数据和历年航班运行次数和运行时长。其中，发动机排放数据来自ICAO Annex 16[11]和Engine Emissions Databank[12]，结合航司实际情况计算。航班信息来自航空公司调研期间从运行控制部门提取。
-
该航空公司目前运营着全空客梯队，其中绝大多数为A320-214机型，少部分为A320-251机型。A320-214机型选装CFM公司的CFM56-5B4型发动机，能够提供大概27000 lbs的推力。因此，为方便计算，本文假设所有发动机型号统一为CFM56-5B4，以ICAO推荐的飞机发动机数据库中的各阶段燃油流量作为计算标准。
LTO阶段碳排放的计算主要依靠ICAO的清单，将航班进程分为起飞阶段、爬升阶段、进近阶段和滑行阶段，通过4个阶段不同的发动机数量、推力设置、使用时长和对应发动机燃油流量进行估算。该型号发动机不同推力设置对应的燃油流量，见表1。
CCD阶段根据国外学者GASPAR et al[13]的研究，民航客机在巡航阶段的推力约为82%，与爬升阶段的推力设置非常接近。因此，为方便研究，设置巡航阶段推力为85%，即发动机燃油流量为0.939 kg/s。
-
采用完整的航班数据条，主要包括了航班日期、执飞机型、起飞站、飞行时间、到达站、上座数、实载量等信息，能够支持碳排放量的计算。
-
使用ICAO碳排放计算方法，依照往年已执行航班信息计算可衡量航空公司碳排放现状的多种指标，见图1。
图1（a）可知，该航空公司碳排放量在2015—2021年七年间持续增长。其中，2015～2018年间碳排放保持着相近的增长率，2019年由于机队数量增长、航线网络拓展等原因碳排放增长较多，而2020—2021年由于新冠肺炎疫情的暴发和延续，导致碳排放增长放缓，但总体还是处于增长的状态。另一方面，由于航空公司规模相对较小，受市场影响较大，导致其每万架次碳排放量在这7年间上下波动，处于13.5～15.5万吨之间。
图1（b）可知，2015—2021年间该航空公司每旅客碳排放量和吨业载碳排放量总体都呈现下降趋势，在2017—2019年间快速下降，表明虽然碳排放总量在增加，但该航司的碳排放效率在不断提高。而在2020—2021年间，每旅客碳排放量在反弹上升的同时，吨业载碳排放量却保持下降。造成这一现象的原因主要是在新冠肺炎疫情期间，航空公司运输旅客量有较为明显的下降，而货运比例却有较大增加。
-
预测期为2022—2035年，分别对2025、2030和2035年的参数进行说明。影响碳排放的参数主要包括航班量、燃油流量、排放因子和空中交通管理优化。
（1）航班量：机队规模的扩大、航线扩展加密，使得航班总量快速提升。该航空公司在近十年间发展迅速，即使是在新冠肺炎疫情影响下，机队规模也能保持较快速度的增长。2019年机队规模达46架，2020年机队规模达57架，2021年机队规模达62架，2022年预计机队规模达到70架。因此假设该航空公司在未来14年能够持续发展，扩大机队规模，航班量逐年增长。通过对2015—2021年起降航班数量的分析，发现存在明显的线性关系。选择对数拟合，得到2025年航班量为123 179班次，2030年为174 136班次，2035年为225 094班次，拟合度
$ {R}^{2} $ =0.987 4，表明拟合良好。（2）燃油流量：航空公司不断对已有机队进行更新，购买新型环境友好型客机，使得机队总体燃油效率提升。2008年，国际航空运输协会提出将年均燃油效率提高1.5%的提议。2016年，国际民航组织第39届大会提出了国际航空碳抵消和减排计划（CORSIA），形成了全球首个行业减排市场机制。根据该计划的预计，未来几年燃料消耗效率将提高2.5%。
（3）排放因子：国际民航运输逐步提高了可持续航空燃料的使用比例。与传统的化石燃料相比，可持续航空燃料从制备到被使用的整个过程中产生的碳排量最高可减少85%。全球两大飞机制造商波音、空客等均对外宣布将在2030年前交付可以使用掺混比例100%可持续航空燃料的飞机。为加快欧盟能源转型进程，欧盟委员会于2021年7月提出“Fit for 55”计划，其中的ReFuelEU Aviation法定规划了未来30年的可持续航空燃料掺混目标——到2025年使用2%，到2030年使用5%，到2035年这一掺混比例达到20%。
（4）空中交通管理优化：欧洲单一天空（Single European Sky,SES）计划目标实现欧洲空中交通管理现代化。指出现有的碎片化的空中交通管理（Air Traffic Management,ATM）会导致效率低下，而通过SES计划对欧洲ATM进行现代化改造将使欧洲的航空排放减少6%～10%。
-
根据航空公司发展情况和民航减碳计划，同时参考文献[14-15]，设置了不减碳情景、基础减碳情景、快速减碳情景和理想减碳情景4个情景，见表2。
（1）不减碳情景：没有任何节能减排技术升级，所有参数保持不变，民航按照2021年水平持续发展。
（2）基础减碳情景：采取较低强度的减排措施。以2021年为基准，燃油效率每年提升0.5%；SAF掺混比例每年提升0.5%，即到2035年SAF掺混比例达到7%；到2035年空管技术优化，使得总体减少碳排放2%。
（3）快速减碳情景：采取中等强度的减排措施。以2021年为基准，燃油效率每年提升1.0%；SAF掺混比例每年提升1.0%，即到2035年SAF掺混比例达到14%；到2035年空管技术优化，使得总体减少碳排放4%。
（4）理想减碳情景：采取较高强度的减排措施。以2021年为基准，燃油效率每年提升1.5%；SAF掺混比例每年提升1.5%，即到2035年SAF掺混比例达到21%；到2035年空管技术优化，使得总体减少碳排放6%。
-
使用Python进行蒙特卡洛模拟，以2021年航班数据为基础，进行20 000次抽样。输出的预测，见图2和图3。
图2（a）可知，在4种设定的情景下，航空公司都无法在2035年之前完成碳达峰使命。2035年，理想减碳情景下的碳排放量最少，为227.7万吨。随着时间推移，各项技术优化所带来的碳减排效果愈发明显。在2035年，相比于悲观的基准情景，基础减碳情景和快速减碳情景分别减碳24.6万吨和48.5万吨，理想减碳情景效果最好，预计减碳达到71.7万吨。
图2（b）可知，不减碳情景下，每万架次碳排放量随着年份推移先增加后减少，在2028年达到最大。基础减碳情景的每万架次碳排放量则是在2023年达到最大，随后不断减小。快速减碳情景和理想减碳情景的每万架次碳排放量数值则一路下降，且下降速率逐渐增大。相较于2035年不减碳情景的每万架次碳排放量，基础减碳情景、快速减碳情景和理想减碳情景的数值分别下降了8.2%、16.2%和24.0%。
图3（a）可知，2025年四种情景下的每万架次碳排放量相对接近，不减碳情景的每万架次排放最高，最可能的区间为（14.3～14.7）万吨，基础减碳情景和快速减碳情景最可能的区间为（14.0～14.3）万吨和（13.6～13.9）万吨，而理想减碳情景的相应排放最低，最可能处于（13.3～13.6）万吨。
图3（b）可知，2030年4种情景下每万架次碳排放量的数值均有所降低。不减碳情景、基础减碳情景、快速减碳情景和理想减碳情景的每万架次排放最可能的区间依次为（14.0～14.4）万吨、(13.2～13.5）万吨、(12.5～12.7）万吨和（11.6～12.0）万吨。
图3（c）可知，2035年4种情景下每万架次碳排放量与2025、2030年相比明显下降。其中，4种情景最有可能的区间分别为（13.6～14.0）万吨、(12.5～12.9）万吨、(11.3～11.6）万吨和（10.1～10.5）万吨。
依据预测结果，对2035年基础减碳情景、快速减碳情景和理想减碳情景下3种变量的减碳贡献度进行计算，见图4。
图4可知，无论在哪种情景下，机队更新对应的燃油流量减小带来的减碳最显著，其次是增加生物燃油比例对应的排放因子降低，贡献度最低的是空管技术优化。对于不同的情景，这三种变量的贡献百分比也体现出不同的特征。从基础减碳情景到快速减碳情景再到理想减碳情景，机队更新和增加生物燃油比例的贡献不断增加，而空管优化的贡献度则不断降低。
-
（1）引进更安全、环保和高效的新一代客机。根据ICAO DOC.10013和文献[16-17]研究，随着飞机机龄的增加，飞机的气动结构和涡轮风扇发动机会产生退化，最多可以增加10%的额外燃油消耗。新型客机通过使用碳纤维材料、采用新型高效发动机等措施降低了耗油量，能够在节约运行成本的同时有效减少污染物排放。随着航空公司规模的扩大，窄体客机逐渐不能够满足部分航线上的客运需求，购买宽体客机是必然选择。空客公司的A350和波音公司的B787等新型宽体客机具有较低的人均碳排放，可以提高机队的整体性能和燃油效率。
（2）进一步推进精细化管理。近年来，进一步推进精细化管理成为业内潮流。航空公司通过采取利用桥载设备代替APU、全面推进地面单发滑行及空中航路优化工作等措施，在缩短航距、减少运行时间的同时节省燃油消耗，能够有效减少二氧化碳排放。目前，我国航空公司在空中航线截弯取直的优化方面仍有较大提升空间。
（3）增加可持续燃油的使用。燃油优化对航空碳减排的贡献率最大。在全球局势不稳定，石油价格不断上涨的背景下，航空公司使用传统煤油的成本不断升高。随着提炼生物燃油技术的不断进步，可持续燃油的成本持续降低，使得航空公司提高可持续燃油的使用比例越来越现实。
（4）加入战略航空联盟。战略航空联盟是至少两家航空公司之间的长期合作协议，航空公司之间在实质性层面上进行合作。STEVEN et al[18]指出在增强市场竞争力的同时能够提高整体效益。中型航空公司加入航空联盟可以提高联盟成员的载客率，降低机队的平均机龄，从而对航空公司碳减排产生积极影响。
多情景下中型航空公司碳排放预测研究
A study of carbon emission projections for medium-sized airlines under multiple scenarios
-
摘要: 文章是在国际国内减碳的大背景下，选择国内某中型航空公司作为研究对象，首先利用ICAO碳排放计算法，依据航班进程的两个阶段（LTO和CCD阶段），对2015—2019年的碳排放量状况进行计算分析，再通过设置不减碳情景、基础减碳情景、快速减碳情景和理想减碳情景4个民航发展情景，使用基于Python语言的蒙特卡洛模拟方法，以2021年为基准，对该航空公司2022—2035年内的碳排放进行仿真预测。结果表明：由于中型航空公司的发展需求，4种情况下都无法完成碳排放总量达峰，但其每万架次碳排放量明显降低，表明碳减排措施的有效性。最后从国内外理论研究和现实应用的角度出发，为中型航空公司提出了多条低碳发展建议，以助力我国民航业早日实现碳达峰、碳中和的重要目标。Abstract: The article is based on the background of international and domestic carbon reduction, and a medium-sized domestic airline was selected as the research object. Firstly, using the ICAO carbon emission calculation method, the carbon emission status from 2015 to 2019 was calculated and analyzed based on the two phases of the flight process (LTO and CCD phase), and then by setting up a no carbon reduction scenario, a basic carbon reduction scenario, a rapid carbon reduction scenario and an ideal carbon reduction. The airline's carbon emissions from 2022 to 2035 were then projected using a Python based Monte Carlo simulation using four civil aviation development scenarios, with 2021 as the base year. The results showed that due to the development needs of the medium-sized airline, it will not be able to complete the carbon peaking in all four scenarios, but its carbon emissions per 10,000 flights are significantly lower, indicating the effectiveness of carbon reduction measures. Therefore, finally, from the perspectives of domestic and international theoretical research and real-life applications, several low-carbon development suggestions were made for medium-sized airlines to help China's civil aviation industry achieve the important goal of carbon peaking and carbon neutrality as soon as possible.
-
-
图 1 2015—2021年碳排放相关参数变化趋势
Figure 1. Trends of carbon emission related parameters from 2015-2021
图 2 2022—2035年4种情景下预测碳排放量
Figure 2. Projected carbon emissions under four scenarios from 2022—2035
图 3 2025、2030、2035年4种情景下每万架次碳排放量概率
Figure 3. Probability of carbon emissions per 10,000 sorties in 2025, 2030 and 2035
图 4 2035年3种情景下各变量的减碳贡献度百分比
Figure 4. Percentage contribution of each variable to carbon reduction in 2035 under three scenarios
表 1 CFM56-5B4各阶段推力设置、使用时长及燃油流量
Table 1. CFM56-5B4 Thrust setting, duration of use and fuel flow rate for each stage
飞行阶段 推力设置/% 使用时长/s 燃油流量/kg·s−1 起飞阶段 100 42 1.142 爬升阶段 85 132 0.939 进近阶段 30 240 0.316 滑行阶段 7 1560 0.102 
下载: 导出CSV
表 2 4种情景下的变量参数设置
Table 2. Variable parameter setting under four scenarios
情景分类 t/a 起飞流量/kg·s−1 爬升流量/kg·s−1 进近流量/kg·s−1 滑行流量/kg·s−1 排放因子/kg·kg−1 空管优化 不减碳情景 2021—2035 1.142 0.939 0.316 0.102 3.115 不减少 基础减碳情景 2021 1.142 0.939 0.316 0.102 3.115 减少2% 2025 1.119 0.920 0.310 0.100 3.061 2030 1.091 0.897 0.302 0.097 2.994 2035 1.062 0.873 0.294 0.095 2.927 快速减碳情景 2021 1.142 0.939 0.316 0.102 3.115 减少4% 2025 1.096 0.901 0.303 0.098 3.008 2030 1.039 0.854 0.288 0.093 2.873 2035 0.982 0.808 0.272 0.088 2.739 理想减碳情景 2021 1.142 0.939 0.316 0.102 3.115 减少6% 2025 1.073 0.883 0.297 0.096 2.954 2030 0.988 0.812 0.273 0.088 2.752 2035 0.902 0.742 0.250 0.081 2.551
下载: 导出CSV
-
[1] 李心怡, 赵瑞嘉, 高成男, 等. 中国民航运输碳排放解耦分析和达峰预测[J]. 环境污染与防治, 2022, 44(6): 729 − 733. [2] 李晓易, 谭晓雨, 吴睿, 等. 交通运输领域碳达峰、碳中和路径研究[J]. 中国工程科学, 2021, 23(6): 15 − 21. [3] 韩博, 邓志强, 于敬磊, 等. 碳达峰目标下中国民航CO2与NOx减排协同效益分析[J]. 交通运输系统工程与信息, 2022, 22(4): 53 − 62. [4] 许绩辉, 王克. 中国民航业中长期碳排放预测与技术减排潜力分析[J]. 中国环境科学, 2022, 42(7): 3412 − 3424. [5] 胡荣, 王德芸, 冯慧琳, 等. 碳达峰视角下的机场航空器碳排放预测[J]. 交通运输系统工程与信息, 2021, 21(6): 257 − 263. [6] FAN W Y, SUN Y F, ZHU T L, et al. Emissions of HC, CO, NOx, CO2, and SO2 from civil aviation in China in 2010[J]. Atmospheric Environment, 2012, 56: 52 − 57. doi: 10.1016/j.atmosenv.2012.03.052 [7] WANG K, WANG X Q, CHENG S Y, et al. National emissions inventory and future trends in greenhouse gases and other air pollutants from civil airports in China[J]. Environmental Science and Pollution Research, 2022, 29(54): 81703 − 81712. doi: 10.1007/s11356-022-21425-1 [8] 侯丽朋, 唐立娜, 王琳, 等. 闽三角城市群碳达峰的多情景模拟分析[J]. 生态学报, 2022(23): 1 − 14. [9] 韩舒婉. 五大交通运输方式碳排放的经验分解与达峰预测[D]. 大连: 东北财经大学, 2020. [10] 朱昶歆. 民用航空器污染物排放测算的不确定性研究[D]. 南京: 南京航空航天大学, 2021. [11] ICAO. Environmental Protection(Annex 16)[R]. Montreal: International Civil Aviation Organization, 2008. [12] ICAO. ICAO aircraft engine emissions data bank[DB/OL]. (2021-07-20)[2023-01-10]. https: ∥easa. europa. eu/document-library/icaoaircraft-engine-emissions-databank. [13] GASPAR R M P, SOUSA J M M. Impact of alternative fuels on the operational and environmental performance of a small turbofan engine[J]. Energy Conversion and Management, 2016. [14] ZHOU W J, WANG T, YU Y D, et al. Scenario analysis of CO2 emissions from China’s civil aviation industry through 2030[J]. Applied Energy, 2016, 175: 100 − 108. doi: 10.1016/j.apenergy.2016.05.004 [15] LIU X, HANG Y, WANG Q, et al. Flying into the future: A scenario-based analysis of carbon emissions from China's civil aviation[J]. Journal of Air Transport Management, 2020, 85: 101793. doi: 10.1016/j.jairtraman.2020.101793 [16] JAKOVLJEVIC I, MIJAILOVIC R, MIROSAVLJEVIC P. Carbon dioxide emission during the life cycle of turbofan aircraft[J]. Energy, 2018, 148: 866 − 875. doi: 10.1016/j.energy.2018.02.022 [17] GRAMPELLA M, LO P L, MARTINI G, et al. The impact of technology progress on aviation noise and emissions[J]. Transportation Research Part A:Policy and Practice, 2017, 103: 525 − 540. doi: 10.1016/j.tra.2017.05.022 [18] STEVEN M, MERKLEIN T. The influence of strategic airline alliances in passenger transportation on carbon intensity[J]. Journal of Cleaner Production, 2013, 56: 112 − 120. doi: 10.1016/j.jclepro.2012.03.011 -
点击查看大图
图( 4) 表( 2)
计量
- 文章访问数: 1509
- HTML全文浏览数: 1509
- PDF下载数: 4
- 施引文献: 0
