基于多视角智能计算的港口污染预测与管理——以天津港为例的时空排放建模与政策评估

《Regional Studies in Marine Science》：Port pollution prediction and management via multi-view intelligent computing: A case study of Tianjin Port

本文提出融合排放清单构建与预测的多视角智能时空计算框架，通过AIS数据构建高时空分辨率港口船舶排放清单，结合CEEMDAN分解和SCINet_D混合模型提升非平稳排放序列预测精度。研究揭示天津港CO2/SOX/NOX排放时空特征，为DECA（国内排放控制区）政策评估和港口ESG（环境、社会和治理）管理提供科学支持。

　　

港口污染与船舶排放估算

航运业快速增长加剧空气污染（Liu等，2018；Shu等，2023），显著影响生态系统。船舶排放的NO_X（氮氧化物）、CO（一氧化碳）和HC（碳氢化合物）参与地面臭氧形成，威胁人类健康和植被（Eyring等，2005；Sun等，2023）。此外，船舶排放增加航运路线沿线的氮沉降，导致土壤酸化、富营养化、营养失衡，最终引发生物多样性丧失。

研究区域描述与数据来源

天津港位于中国天津市滨海新区，是京津冀地区主要海上门户，被誉为中国北方最大综合性港口（Chen等，2016；Yang等，2021）。2023年港口集装箱吞吐量达2218.72万TEU（标准箱），全球排名第八。研究区域由中国海事局设立的船舶交通服务（VTS）区界定，覆盖东经117.35°至119.5°范围。

船舶技术规范与运行模式

图4展示了基于匹配AIS（自动识别系统）和劳氏船级社数据的天津港目标区域各类船舶静态技术规范统计分析。如图4a和图4b所示，大多数船舶在天津港的月均停留时间相对稳定。2015年，所有船舶整体月均停留时间约346.4小时。所有船型中，散货船作业时间最长，其次为油轮、渔船等。

结论与管理建议

本研究基于AIS数据开发了港口船舶智能时空计算框架，以天津港为案例进行排放清单构建与预测。该框架整合DECA政策约束以标准化船舶数据，实现主机、辅机和锅炉污染物及温室气体（GHG）的精细化计算，支持跨时间尺度、船型、发动机类型和运行条件等多维排放特征分析，为精准港口空气质量管理和减排策略提供科学依据。