机场航空器碳排放及碳达峰预测

张培文; 丁锐; 赵联政

doi:10.16503/j.cnki.2095-9931.2022.06.009

交通运输研究 >

2022 , Vol. 8 >Issue 6: 81 - 89

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.06.009

机场航空器碳排放及碳达峰预测

张培文 ^,¹ ,
丁锐 ^,² ,
赵联政 ²

展开

1.中国民用航空飞行学院经济与管理学院，四川广汉 618307
2.中国民用航空飞行学院机场学院，四川广汉 618307

丁锐（1999—），男，内蒙古卓资人，硕士生，研究方向为民航碳减排。E-mail: dingrui@cafuc.edu.cn

张培文（1985—），男，安徽太和人，博士，副教授，研究方向为民航运输系统优化、民航碳减排。E-mail: zhangpeiwen@cafuc.edu.cn

收稿日期: 2022-11-10

网络出版日期: 2023-01-17

基金资助

国家自然科学基金项目(U2033213)

国家自然科学基金项目(U1733127)

中央高校基本科研业务费专项资金项目(J2022-049)

中国民航飞行学院科研创新团队项目(G2022-21)

收起

Aircraft Carbon Emissions and Carbon Peaking Prediction

ZHANG Pei-wen ^,¹ ,
DING Rui ^,² ,
ZHAO Lian-zheng ²

Expand

1. School of Economics and Management, Civil Aviation Flight University of China, Guanghan 618307, China
2. School of Airports, Civil Aviation Flight University of China, Guanghan 618307, China

Received date: 2022-11-10

Online published: 2023-01-17

Fold

摘要

为预测机场航空器碳排放量和碳达峰的可能性，探究碳减排的关键影响因素对碳排放的影响，基于运行数据的“自下而上”的计算方法，以成都双流机场为研究对象，将机场航空器未来碳排放设置为初始情景、优化情景、绿色发展情景、技术革新情景4种不同情景，然后与蒙特卡罗模拟相结合，预测未来年机场内航空器的碳排放趋势和碳达峰的可能性。经测算：2019年成都双流机场航空器碳排放量为99.6万t，从而获得各情景下初始点的碳排放量和不同机型的碳排放特征；在优化情景、绿色发展情景和技术革新情景下，均可在2035年前实现航空器碳达峰，其中技术突破情景可最早实现碳达峰且峰值最低；航空燃油碳排放系数是碳达峰最重要的影响因素。据此，机场可通过优化机场航空器地面运行、使用新型航空器等措施来践行减排政策，以顺利实现民航碳达峰。

关键词： 起降循环阶段; 蒙特卡罗模拟; 碳达峰; 情景分析; 航空器

本文引用格式

张培文 , 丁锐 , 赵联政 . 机场航空器碳排放及碳达峰预测[J]. 交通运输研究, 2022 , 8(6) : 81 -89 . DOI: 10.16503/j.cnki.2095-9931.2022.06.009

Abstract

To predict the carbon emissions of airport aircraft and the possibility of reaching the carbon peak, and to investigate the impact of key carbon reduction factors on carbon emissions, a "bottom-up" approach based on operational data was used to calculate the future carbon emissions of Chengdu Shuangliu Airport. Four different scenarios of future aircraft carbon emissions were developed, including the initial scenario, the optimization scenario, the green development scenario, and the technological innovation scenario, combined with Monte Carlo method, the carbon emission trends of aircraft in the airport and the possibility of reaching the carbon peak in the coming years were predicted. The results showed that: the aircraft carbon emissions of Chengdu Shuangliu Airport in 2019 were 996 000t, according to which, the carbon emissions at the initial point under each scenario and the carbon emission characteristics of different aircraft types were obtained; under the optimization scenario, green development scenario and technological innovation scenario, aircraft carbon peaking could be achieved by 2035, with the Technological Breakthrough Scenario achieving the earliest carbon peaking and the lowest peak; aviation fuel carbon emission factor is the most important influencing factor for carbon peaking. Therefore, airports can implement emission reduction policies in terms of optimizing airport aircraft ground operations and using new types of aircraft to successfully achieve the civil aviation carbon peaking.

Key words： landing and takeoff cycle; Monte Carlo simulation; carbon peaking; scenario analysis; aircraft

0 引言

2018年国际民用航空组织（International Civil Aviation Organization, ICAO）提出航空碳减排和碳抵消计划。中国于2020年在第75届联合国大会上承诺2030年实现碳达峰，2060年实现碳中和。航空运输业的碳排放占比较小，但随着科学技术的进步和民航运输需求量的增加，其逐渐增长的碳排放比例势必会增大中国航空运输业的减排压力^[1]。自2013年以来，全球航空业的每日燃料消耗量已超过500万桶，导致大量二氧化碳排放^[2]。对于在800km航程上运行的双引擎航空器，大约25%的碳排放产生于着陆和起飞（Landing and Takeoff, LTO）循环期间^[3]。因此，考虑到中国航空业的快速发展，有必要开展机场航空器碳排放和碳达峰预测研究，为加快实现民航碳达峰提供理论依据。

近年来，民航碳减排问题越来越受到学者们的关注，其中部分学者围绕碳排放核算和预测展开研究。在碳排放量核算方法方面，Yilmaz采用“自上而下”的方法计算了机场航空器LTO阶段的碳排放量，分析了LTO各阶段时间变化对于碳排放量的影响^[4]。然而“自上而下”的方法基于燃料消耗量来核算碳排放量，存在燃油数据难以获取的问题，不利于核算各机场航空器的碳排放量^[5]，相比而言，基于运行数据“自下而上”的方法具有一定优势^[6-7]。在碳排放预测方面，Zhou等^[8]采用情景分析法从燃油强度和燃油种类等角度，预测并分析我国民航碳排放量；Liu等^[9]考虑运输强度和碳排放系数等多个因素，采用情景分析法对未来我国民航碳排放进行了预测；胡荣等^[10]运用改进的ICAO方法，预测了厦门高崎机场碳达峰的可能性及影响因素。此外，现有文献中的情景分析限于设定每个影响因素的固定变化率。实际上，不同变量在未来的变化率是不确定的，每个变量的变化速率的潜在变化应该是连续值，而不是某个特定值。因此，邵帅等^[11]引入蒙特卡罗模拟来预测碳排放趋势。

纵观国内外现有研究，可以发现：大多采用“自上而下”的方法核算碳排放量；尚未揭示碳排放与不同情景之间的内部动态联系。两种主要研究方法相比，情景分析在假定某些趋势持续发展的前提下，可对可能出现的后果作出有效预测，但存在一定的主观性；蒙特卡罗作为一种走势预测方法，广泛用于不确定性情景分析研究，但无法揭示不同碳减排趋势导致的不同情景之间的差异。如果情景分析和蒙特卡罗模拟能够有机地结合起来，定量与定性方法的互补优势将有助于科学预测不同情景下碳排放及碳达峰的演变趋势。为了科学预测机场航空器碳排放量和碳达峰的可能性，本研究将基于运行数据的“自下而上”的ICAO方法，首先将机场航空器未来碳排放划分为初始情景、优化情景、绿色发展情景、技术革新情景，并测算成都双流机场2019年的机场航空器碳排放量，以获得各情景下初始点的碳排放量和横向分析不同机型的碳排放特征；然后，将蒙特卡罗模拟与情景分析相结合，对成都双流机场不同情景下未来年的航空器碳排放量进行预测；最后，对碳排放影响参数进行灵敏度分析，明确关键因素对机场航空器碳排放的影响程度，并进一步探讨碳减排的可能途径和实现碳达峰的可能性。

1 研究方法

1.1 机场航空器碳排放测算方法

本文采用ICAO建立的基于运行数据的“自下而上”的方法，测算机场航空器碳排放量。ICAO对各阶段运行时长进行了标定：起飞0.7min，爬升2.2min，进近4min，滑行26min，具体公式如下：

（1）

F i = ∑ j T i, j ⋅ R i, j ⋅ N i

（2）

E = ∑ i F i ⋅ I ⋅ n i

式（1）~式（2）中：i为航空器种类；j为LTO中的4个不同阶段，即起飞、爬升、进近、滑行；F_i为i类航空器在1次LTO的耗油量（kg）；R_{i, j}为1个发动机在j阶段的耗油率（kg/s）；N_i为i类航空器的发动机个数（个）；T_{i, j}为i类航空器在j阶段的运行时间（s）；E为航空器在LTO阶段的碳排放量（kg）；I为燃油碳排放系数（kg/kg）；n_i为i类航空器的LTO总数（次）。

1.2 碳排放情景设置

基于过去碳排放的演化趋势和不同影响因素、现有政策执行的有效性和潜在的减排空间，本研究构建了以下4种碳排放情景。

情景1：初始情景。这是根据过去民航发展特征及趋势得出的一种可能情景。该情景假设一种民航发展的惯性状态：目前经济环境和技术水平没有发生变化，没有采取新的减排措施，民航发展特征将与过去模式相同。具体来说，航空器更新保持现有速度，生物燃油使用较少，传统燃油使用较多。

情景2：优化情景。民航节能减排“十三五”发展规划中指出，民航行业要高效利用能源资源，优化航空节能运行环境，着力提高运输生产力^[12]。优化情景是指在初始情景基础上，假设民航业实施了一些减排措施：航空器地面滑行时间在优化策略的初步实施下开始减少，地面运行效率得到一定提升；航空公司得到政府补贴，逐步淘汰耗油率较高的老旧航空器，并开始增大生物燃油的使用比例。

情景3：绿色发展情景。“十四五”民航绿色发展规划提出民航可持续发展的理念，强调生态文明建设^[10]，节约资源和保护环境是一项基本国策。因此，中国已逐步走向绿色发展道路。绿色发展情景在优化情景的基础上，继续从地面滑行时间、航空器耗油率及生物燃油使用比例等角度绿色减排。

情景4：技术革新情景。节能减排需要技术创新，在提高能源效率和使用低碳能源方面，生产和储能技术的重大突破尤为关键，具体包括：生物燃油研发成本降低，燃油效率大幅度提升，新型航空器使用生物燃油，耗油率明显降低等。

1.3 蒙特卡罗方法

本研究采用蒙特卡罗方法（Monte Carlo）^[13]，根据一定概率随机组合参考变量计算目标变量。蒙特卡罗方法在模拟预测中尽管存在不确定性，但可对未来趋势的变化作出相对科学合理的判断^[11]。利用该方法可以计算碳排放不同演化路径的概率分布，得到最可能的演化路径。根据T_{i, j}, R_{i, j}, I, n_i等参数在上述4种情景下的潜在变化率和发生概率，采用蒙特卡罗模拟可得到不同因素的随机值。

本研究中机场航空器碳排放蒙特卡罗模拟流程如图1所示。首先根据相关参数设定，回归得到不同情景下概率分布函数，考虑到机场运行的不确定性，对其进行20 000次随机抽样，然后输入概率模型进行模拟，最后使用Matlab和Origin对预测结果进行绘图和分析。

显示原图|下载原图ZIP|生成PPT

图1 机场航空器碳排放蒙特卡罗模拟流程

2 数据来源及研究假设

2.1 数据来源

本研究选取成都双流机场（IATA: CTU; ICAO: ZUUU）作为碳排放及碳达峰预测算例。双流机场是4F级国际航空枢纽，为我国八大区域性枢纽机场之一。该机场2019年保障航空器起降366 887架次，位居我国当年第4（2019年度机场生产公报）。本文所用数据及其来源如表1所示。

表1 航空器碳排放数据来源

参数	数据来源
航空器起降架次	中国民用航空局官网的全国民用运输机场生产统计公报^[14]
航班飞机机型数据	历年民航局、航空公司的夏秋与冬春航季全国航班计划总表
发动机匹配基准参数	ICAO官网^[15]
航班滑行时间	文献[10]（胡荣等，2021）^[10]及民航运控中心报表
航空燃油的碳排放系数	参考前人研究成果^[3,9]，取3.115kg·kg^-1
航空器更新速度	文献[16](Owen, et al, 2010)^[16]
航空生物燃油替代率	文献[8](Zhou, et al, 2016)^[8]
碳排放系数	文献[9](Liu, et al, 2020)^[9]

2.2 研究假设

不同假设场景下各参数在初始点（2019年）和目标年的取值、蒙特卡罗模拟概率分布区间如表2所示。

表 2 不同预测情景下的参数取值设置

情景类型	参数设置		年份				概率分布区间
情景类型	参数设置		2019	2025	2030	2035	概率分布区间
初始情景	滑行时间/min		36.750	34.182	32.180	30.295	[-2%, 2%]
	航油流量/(kg·s^-1)	起飞	1.131	1.084	1.047	1.011	[-1%, 1%]
		爬行	0.925	0.881	0.856	0.827	[-1%, 1%]
		滑行	0.307	0.292	0.282	0.274	[-1%, 1%]
		进近	0.104	0.100	0.096	0.093	[-1%, 1%]
	碳排放系数/(kg·kg^-1)		3.115	3.115	3.115	3.115	[-1%, 1%]
优化情景	滑行时间/min		36.750	32.356	29.098	26.169	[-2%, 2%]
	航油流量 /(kg·s^-1)	起飞	1.131	1.065	1.013	0.963	[-1%, 1%]
		爬升	0.925	0.871	0.828	0.788	[-1%, 1%]
		滑行	0.307	0.289	0.275	0.261	[-1%, 1%]
		进近	0.104	0.098	0.093	0.089	[-1%, 1%]
	碳排放系数/(kg·kg^-1)		3.115	3.023	2.948	2.875	[-1%, 1%]
情景类型	参数设置		年份				概率分布区间
情景类型	参数设置		2019	2025	2030	2035	概率分布区间
绿色发展情景	滑行时间/min		36.750	31.863	28.291	25.120	[-2%, 2%]
	航油流量/(kg·s^-1)	起飞	1.131	1.052	0.990	0.932	[-1%, 1%]
		爬升	0.925	0.860	0.810	0.763	[-1%, 1%]
		滑行	0.307	0.286	0.269	0.253	[-1%, 1%]
		进近	0.104	0.097	0.091	0.086	[-1%, 1%]
	碳排放系数(kg·kg^-1)		3.115	3.005	2.915	2.829	[-1%, 1%]
技术革新情景	滑行时间/min		36.750	29.677	24.198	19.730	[-2%, 2%]
	航油流量/(kg·s^-1)	起飞	1.131	1.058	0.986	0.919	[-1%, 1%]
		爬升	0.925	0.866	0.807	0.752	[-1%, 1%]
		滑行	0.307	0.287	0.268	0.250	[-1%, 1%]
		进近	0.104	0.097	0.091	0.085	[-1%, 1%]
	碳排放系数(kg·kg^-1)		3.115	2.995	2.834	2.682	[-1%, 1%]

（1）滑行时间。在不同假设情景下，机场对航空器的调度有所差异。根据ICAO给出的标准滑行时间26min和2017年机场平均滑行时间16min，假设4种情景下滑行时间分别减少7.2%, 10.5%, 11.75%, 20%。

（2）航油流量。新一代航空器发动机较上一代可提升航油效率20%左右。假设4种情景下分别有21%, 22.7%, 25%, 25.9%的航空器会进行发动机升级或替换，且4种情景下发动机升级分别会提高20%, 22%, 24%, 27%的效率，另外假设航油流量的提高比例为发动机的升级或替换参数与发动机提高的效率之积。因此，4种情景下整个机队航油效率分别提高4.2%, 5%, 6%, 7%。

（3）碳排放系数。不同情景对燃油的改进水平与投入工艺存在一定差异，且燃油同类替代品——生物燃油、新能源燃料的使用比例也存在一定差异。因此，假设不同情景下碳排放系数分别减少0%, 0.5%, 0.6%, 1.1%。

（4）起降架次。基于2010—2021年成都双流机场航空器的起降架次，采用回归方法，同时考虑疫情影响，假设2025年、2030年、2035年成都双流机场航空器的起降架次分别为482 972, 577 420, 671 295架次。

3 结果与讨论

3.1 2019年碳排放测算

成都双流机场2019年共起降航空器366 887架次，根据历年民航局、航空公司的夏秋与冬春航季全国航班计划总表，通过数据清洗、整理，最终得到不同机型起降总架次为356 457，基本符合实际情况。

为获得各情景下初始点的碳排放量以及横向分析不同机型的碳排放特征，根据式（1）、式（2）计算得出2019年成都双流机场LTO阶段航空器共产生约99.6万t的碳排放，其中各机型碳排放结果如表3所示。LTO的碳排放量排前三的机型分别为：A320, A321和A319。其中A320的碳排放量最高，原因是该机型较大且在双流机场起降架次最多，根据座位布局的不同通常配备150~180座不等，使用的V2527-A5发动机功率较大，航油流量较高。另外，B788/789/787/781, B7M8/7M9, B773这3类机型均属于宽体机，对应的单次起降循环碳排放量较高，平均滑行时间远高于其他机型。可见，滑行时间和发动机航油流量是影响LTO碳排放量的重要因素。

表3 2019年成都双流机场不同机型碳排放情况

机型	发动机型号	平均滑行时间 /min	起降架次 /架	起降循环碳排放量/kg
A319	CFM56-5B7-P	34.38	53 954	139 158.401
A321	CFM56-5B3/3	36.73	76 555	207 737.014
A320	V2527-A5	36.75	97 176	263 804.966
A330/333/332	Trent772	33.42	35 411	89 364.737
A350	Trent XWB-75	37.28	3 997	10 972.259
B737	CFM56-7B22	33.18	19 091	47 915.978
B738	CFM56-7B27	34.29	47 216	121 513.329
B75F	PW2037	36.88	714	1 943.631
B773	GE90-94B	39.78	440	1 270.971
ARJ	CF34-10A	34.56	2 550	6 602.089
CR9	CF34-8C5	33.76	1 939	4 931.172
E190	CF34-10E5	30.44	1 326	3 119.622
B788/789/787/781	GEnx-1B	41.76	8 273	24 837.022
B73F	CFM56-3C-1	32.89	3 567	8 893.362
B777	GE90-77B	38.96	660	1 875.403
A359	Trent XWB-84	37.45	315	867.787
A32A/32N	CFM56-5B	36.27	871	2 340.526
B7M8/7M9	LEAP-1B	40.22	98	285.554
B763/744	PW4056	34.47	706	1 824.227
B739	CFM56-7B26	34.37	663	1 709.315
A32B	CFM56-5B	37.28	718	1 970.999
B77L	GE90-115BL	39.25	13	37.156
B733	CFN56-3-B1	25.43	204	421.299

3.2 碳达峰可能性分析

将相关参数值代入蒙特卡罗模型，基于式（1）和式（2），进行20 000次随机抽样，得到不同情景下碳排放量及碳达峰模拟结果，如图2 ~图 5所示。

显示原图|下载原图ZIP|生成PPT

图5 技术革新情景碳排放预测

图2为初始情景下的碳排放预测结果。在该情景下，2025年碳排放量在107.21万~129.88万t之间，最有可能达到的水平是118.88万t；2030年碳排放量在117.98万~145.93万t之间，最有可能为131.08万t；2035年碳排放量在125.73万~155.55万t之间，最有可能为140.64万t。根据计算结果，在初始情景下没有碳达峰的可能性。这一结果表明，在初始情景下，机场航空器碳排放将持续增加。从长远来看，这种高速增长是不可取的。因此，为了控制碳排放的增长趋势，机场和航空公司需采取更加严格的减排措施。

图3为优化情景下的碳排放预测结果。在该情景下，2025年碳排放量在97.94万~120.20万t之间，最有可能达到的水平是108.66万t；2030年碳排放量在99.24万~123.05万t之间，最有可能为111.34万t；2035年碳排放量在96.01万~123.73万t之间，最有可能为140.64万t。在优化情景下，2032年将出现碳排放的峰值，为111.49万t。

图4为绿色发展情景下的碳排放预测结果。在该情景下，2025年碳排放量在93.65万~116.28万t之间，最有可能达到的水平是105.48万t；2030年碳排放量在92.60万~116.79万t之间，最有可能为105.50万t；2035年碳排放量在91.31万~116.09万t之间，最有可能为102.90万t。在此情景下，峰值碳排放量105.88万t在2028年出现，相较于优化情境下碳达峰时间提前了4年。

图5为技术革新情景下的碳排放，预测结果。在该情景下，2025年碳排放量在90.76万~110.28万t之间，最有可能达到的水平是100.35万t；2030年碳排放量在81.33万t~100.04万t之间，最有可能为91.39万t；2035年碳排放量在72.97万~89.66万t之间，最有可能为81.64万t。2023年存在碳排放的峰值，为101.48万t。在此情景下，将最早实现碳达峰。

3.3 碳达峰影响因素及灵敏度分析

机场航空器碳达峰及减排潜力由多重因素共同作用。为顺利实现机场航空器碳达峰，从航空器滑行时间、发动机航油流量及燃油碳排放系数3个方面探究参数变化对碳排放的影响。

根据3.1节和3.2节中的参数设置，2019—2035年，初始情景、优化情景、绿色发展情景及技术革新情景下成都双流机场航空器分别产生碳排放2 086.246万t, 1 844.06万t, 1 772.475万t, 1 608.32万t。这4种情景下产生的碳排放总量相较于在未来碳排放管理上不采取任何政策或措施的情况下，分别减少13.16%, 23.24%, 26.22%, 33.05%的碳排放量。

为分析单一因素变化对不同碳减排情景的影响，通过控制变量计算各因素对碳减排的贡献比例，结果如图6所示。

显示原图|下载原图ZIP|生成PPT

图6 不同情景下各影响因素对碳减排的贡献比例

由图6可知，首先，碳排放系数对碳减排的贡献最大，除初始情景下碳排放系数没有发生变化外，优化情景、绿色发展情景与技术革新情景下碳排放系数对碳减排的贡献比例分别为44%, 41%, 40%，这表明降低燃油燃烧的碳排放系数是航空器碳减排的有效方法之一。其次，航油流量对于碳减排发挥着重要作用，4种情景下的贡献比例分别为56%, 29%, 33%, 37%。再次，滑行时间的减少对于航空器碳减排同样重要。

为进一步探究各因素对于航空器碳排放的影响，图7给出减少6%滑行时间（约1.9min）、减少6%航油流量以及减小6%碳排放系数相对于2019年即不采取任何措施下的碳减排比例。

显示原图|下载原图ZIP|生成PPT

图7 单因素变化的灵敏度分析

从图7可以看出，碳排放系数具有较大的碳减排效益，航油流量与滑行时间对碳减排的贡献略低于碳排放系数，但同样起到重要作用。以B737（发动机型号：CFM56-7B22）为例，单次起降循环的碳排放量为47 915.98kg，减少6%碳排放系数的碳减排效益为3 254.395kg，减少6%的燃油流量的碳减排效益为2 857.889 kg，缩短6%滑行时间的碳减排效益为2 233.114 kg。

《2022中国民航绿色发展政策与行动》中指出，民航碳减排主要可从优化机场场面运行、升级发动机和混合使用可持续燃料等方面着手^[17]，因此可以这从3个方面有针对性地制定政策和实施相关管理措施，加快机场航空器实现碳达峰。

4 结语

本文采用ICAO建立的“自下而上”计算方法，将机场航空器未来碳排放划分为4种不同情景，测算了成都双流机场2019年机场航空器的碳排放量，结合情景分析法与蒙特卡罗方法，对未来年机场航空器碳排放进行了预测，探讨了碳达峰实现的可能性，最后分析了碳减排的关键影响因素对碳排放的影响。经测算，2019年成都双流机场航空器共产生约99.6万t的碳排放量；在4种不同情景下，成都双流机场航空器碳排放在初始情景下达到最高值，约为140.64万t；在技术革新情景下达到最低值，约为81.64万t；在优化情景、绿色发展情景和技术革新情景下可分别于2032年、2028年和2023年实现碳达峰，碳排放最可能的峰值分别为111.49万t, 105.88万t, 101.48万t。研究表明，降低航空燃油碳排放系数是实现碳达峰最重要的手段。

需要指出的是，鉴于本研究以机场内航空器为研究对象，因此仅考虑了航空器起降循环阶段的碳排放，而未考虑航空器在机场间巡航阶段的碳排放。未来将进一步以某一型号航空器或航空公司整个机队的角度，开展航空器碳排放及碳达峰预测研究，以更好地指导民航业的碳减排工作，顺利实现碳达峰。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	凤振华, 王雪成, 张海颖, 等. 低碳视角下绿色交通发展路径与政策研究[J]. 交通运输研究, 2019, 5(4):37-45.

[2]	LIU X, ZHOU D Q, ZHOU P, et al. What drives CO₂ emissions from China′s civil aviation? An exploration using a new generalized PDA method[J]. Transportation Research Part A: Policy and Practice, 2017, 99: 30-45.

[3]	HU R, ZHU J L, ZHANG Y, et al. Spatial characteristics of aircraft CO₂ emissions at different airports: Some evidence from China[J]. Transportation Research Part D: Transport and Environment, 2020, 85: 102435.

[4]	YILMAZ İ. Emissions from passenger aircraft at Kayseri Airport, Turkey[J]. Journal of Air Transport Management, 2017, 58: 176-182.

[5]	盛强. 交通领域碳减排的影响机制及情景分析[D]. 北京: 北京化工大学, 2021.

[6]	金昱, 苏红娟. 城市客运交通规划的碳排放估算方法[J]. 交通运输研究, 2022, 8(3):42-48.

[7]	LYU C, LIU X, WANG Z, et al. An emissions inventory using flight information reveals the long-term changes of aviation CO₂ emissions in China[J]. Energy, 2023, 262: 125513.

[8]	ZHOU W, WANG T, YU Y, et al. Scenario analysis of CO₂ emissions from China′s civil aviation industry through 2030[J]. Applied Energy, 2016, 175: 100-108.

[9]	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.

[10]	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.

[11]	邵帅, 张曦, 赵兴荣. 中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J]. 中国工业经济, 2017(3):44-63.

[12]	刘笑. 中国民航部门碳排放驱动因素及减排路径研究[D]. 南京: 南京航空航天大学, 2018.

[13]	MOHAMMED H, HOLGER P, DIMITRI M. Probabilistic assessment of aviation CO₂ emission targets[J]. Transportation Research Part D: Transport and Environment, 2018, 63: 362-376.

[14]	中国民用航空局. 2019年民航机场生产统计公报[EB/OL]. (2021-12-21)[2022-09-14]. http://www.caac.gov.cn/XXGK/XXGK/TJSJ/202003/t20200309_201358.html.

[15]	ICAO. ICAO Aircraft Engine Emissions Databank[EB/OL]. (2021-07-20)[2022-09-14]. https://www.easa.europa.eu/en/domains/environment/icao-aircraft-engine-emissions-databank#group-easa-downloads.

[16]	OWEN B, LEE D S, LIM L. Flying into the future: Aviation emissions scenarios to 2050[J]. Environmental Science & Technology, 2010, 44(7): 2255-2260.

[17]	中国民用航空局. “十四五”民航绿色发展专项规划[EB/OL]. (2021-12-21)[2022-09-14]. http://www.caac.gov.cn/XXGK/XXGK/FZGH/202201/t20220127_211345.html.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

0 引言

1 研究方法

1.1 机场航空器碳排放测算方法

1.2 碳排放情景设置

1.3 蒙特卡罗方法

图1 机场航空器碳排放蒙特卡罗模拟流程

2 数据来源及研究假设

2.1 数据来源

表1 航空器碳排放数据来源

2.2 研究假设

表 2 不同预测情景下的参数取值设置

3 结果与讨论

3.1 2019年碳排放测算

表3 2019年成都双流机场不同机型碳排放情况

3.2 碳达峰可能性分析

图2 初始情景碳排放预测

图3 优化情景碳排放预测

图4 绿色发展情景碳排放预测

图5 技术革新情景碳排放预测

3.3 碳达峰影响因素及灵敏度分析

图6 不同情景下各影响因素对碳减排的贡献比例

图7 单因素变化的灵敏度分析

4 结语

参考文献