内河运输中的碳排放演变与能源结构设计：以长江为例

《Regional Studies in Marine Science》：Carbon emission evolution and energy structure design in inland waterway transport: A Yangtze River case study

　　传中音|新平孙|玉华朱|世元郑|学宗陶

摘要
为了实现内河航运的节能和减排目标，本研究采用排放因子方法计算了长江上散货船、普通货船和集装箱船的碳排放量，确定了主要的排放驱动因素。基于历史货运周转数据、社会经济因素和未来情景，开发了长江航运系统的LEAP模型。设计了多种情景，包括基准情景、能源结构情景、能源强度情景以及综合情景，以探索减排潜力。随后建立了一个优化模型，通过优化船舶能源结构来最小化碳排放、能源消耗和运输成本，使用NSGA-II算法确定了2040年的最佳能源组合。结果表明，综合情景实现了最大的减排效果，碳排放量比基准情景降低了31.98%，2034年是关键的转折点。单一途径的减排效果可能会被货运需求的增加所抵消；因此，将燃料替代与运营效率相结合对于实现脱碳至关重要。在中短期内，预计LNG和甲醇将占据主导地位，而纯电动船舶由于续航里程和基础设施的限制仍将受到限制。本研究为政策制定者和行业利益相关者提供了可操作的见解，以制定分阶段的能源转型策略、分配补贴并确定基础设施优先事项。该分析框架可以应用于面临类似脱碳挑战的其他内河航运系统，为区域可持续发展和全球气候缓解工作做出贡献。

引言
中国的“双碳”目标（碳达峰和碳中和）正在重塑交通运输行业的绿色发展路径。在这种背景下，内河航运的低碳转型，特别是长江这条“黄金水道”的转型，已成为实现这些国家目标的重点。作为中国内河航运的支柱，长江在国家经济发展中发挥着重要作用。然而，其航运活动产生的温室气体排放引起了越来越多的关注。目前，超过90%的内河船舶仍依赖柴油动力，这显著增加了温室气体浓度，并形成了持续的污染带。这种情况凸显了内河航运行业绿色化的紧迫性和必要性。

作为流域经济的重要组成部分，内河航运的碳排放模式与海上航运有显著不同。受独特的水道条件、船舶结构、运营模式和政策环境的限制，内河航运的碳排放驱动因素具有明显的区域性和内生性特征。影响内河船舶碳排放的主要因素体现在以下几个方面：
(1) 水道和水文条件的限制。内河航运的碳排放直接受到水道自然条件的影响。首先，内河受到季节性水位波动的影响。像长江这样的河流在干季和丰水季之间会有显著的变化，这直接影响船舶的载货能力。在干季，船舶必须减少货物装载量，导致每单位运输货物的能耗增加15-25%，相应的碳排放强度也随之上升（Fan等人，2023年）。相比之下，海上船舶在稳定的水深海域作业，其载货能力不受季节性限制。其次，内河中的弯道和浅水区常常迫使船舶减速，从而降低燃油效率，增加碳排放。
(2) 船舶动力系统和燃料类型。内河船舶使用的柴油发动机的热效率通常在35-40%之间，远低于海上船舶常见的50%以上的效率。由于船舶设计的限制，LNG动力改造的采用率仍然较低。同样，电动推进技术仍处于发展阶段，主要应用于短途渡轮，实际运营的此类船舶非常少。此外，国内使用的船用柴油的硫含量远高于国际标准。这一问题还因船队老化而加剧，20年以上的船舶占总数的30%（Zhao等人，2025年），而普遍缺乏废气处理系统使得这些老旧船舶成为主要的排放源。
(3) 运输组织和运营模式。内河船舶的空载率高达40%，而海上航运的空载率约为12%。这导致运输效率低下，占碳排放量的30%以上。此外，单艘内河船舶的平均载重量仅为1,000吨，而海上船舶的平均载重量约为18,000吨。这种规模经济的缺失使得单位碳排放量增加了约15%。此外，智能调度的使用有限和航行计划的不效率导致在拥堵期间的碳排放量显著增加（Hu等人，2024年）。
(4) 政策制定和技术创新。内河航运的减排政策具有很强的区域属性，这与管理海上航运的国际监管框架形成鲜明对比。地方层面的协调不足，例如长江沿岸不同省份和城市之间的补贴标准存在显著差异，导致跨区域运营的船舶所有者运营成本增加。这种情况阻碍了技术升级的投资，导致大量老旧船舶的存在和新兴技术的缓慢采用。

总之，由于内河航运独特的运营和环境限制，在减排方面面临更大的技术和管理挑战。因此，动态模拟其碳排放趋势并设计一个平衡环境效益和经济可行性的转型路径，已成为推动长江“黄金水道”绿色发展的核心问题。

具体而言，本研究旨在系统回答以下三个关键问题：
(1) 长江内河航运的碳排放具有哪些历史演变特征？
(2) 在不同的减排政策干预下，其碳排放和能源消耗的未来演变路径和潜力是什么？
(3) 如何设计船舶能源结构，以实现减排、能源消耗和成本之间的最佳平衡？

为了回答这些问题，本研究的主要贡献如下：
(1) 与主要关注海上航运碳排放核算的现有研究不同，本研究采用了内河航运的视角。通过排放因子方法，揭示了长江上货船碳排放的历史演变特征。它系统地确定了散货船作为主要排放源及其增长模式，从而填补了内河航运层面动态排放分析的空白。
(2) 在方法论上，本研究超越了现有研究中常见的单一技术路径的静态评估框架。它将LEAP模型引入内河航运系统，并构建了一个多层次的动态模拟模型，整合了货运需求增长、船舶类型构成和能源类型。通过多情景比较，定量评估了不同减排路径的减排潜力。研究结果明确了能源结构转型相对于能源效率提升的关键作用，并确定了减排拐点的动态特征。这为制定内河航运的中长期减排目标提供了新的分析工具和实证依据。
(3) 在研究视角上，与通常关注道路、铁路和水路等宏观运输模式之间结构调整的现有文献不同，本研究将优化单元细化到船舶能源类型层面。它开发了一个多目标优化模型，平衡了碳排放、能源消耗和成本。使用NSGA-II算法，得出了2040年的最佳船舶能源结构比例。这丰富了关于内河船舶能源结构的多目标协同决策研究，并为内河航运的低碳转型提供了决策支持。

长江不仅仅是一个孤立的水文实体，而是将淡水、沉积物和污染物输送到东海的主要陆地通道。尽管航运产生的碳排放是大气排放，但它们是更广泛生态连续体的一部分。减少这些排放有助于缓解对大气沉降和邻近海洋环境的整体人为压力。此外，内河船队的脱碳，特别是通过甲醇和LNG等替代燃料，直接影响跨系统污染物转移的潜力以及陆地-海洋界面的长期可持续性。通过研究长江船队的能源转型，本研究为了解沿海和海洋生态变化的上游驱动因素提供了关键见解，从而有助于全面理解社会生态系统。

本文的其余部分结构如下：第1节回顾相关文献；第2节介绍碳排放核算的具体方法，并将其应用于计算长江内河航运的碳排放量；第3节基于LEAP框架开发了长江航运碳排放和能源消耗的预测模型；第4节建立了能源结构优化模型，确定了长江船队的最佳未来能源组合；第5节提供了结论性讨论和政策建议。本文的整体研究框架如图1所示。

**文献综述**
第2节主要介绍了与本研究相关的文献，重点包括：(i) 船舶减排路径；(ii) 内河航运中的碳排放核算；(iii) 碳排放的动态演变；(iv) 运输结构优化。这些主题对应于本研究的核心组成部分，包括能源转型分析、排放量化、基于情景的预测和多目标优化。最后，进行了总结。

**内河航运的碳排放核算**
由于内河航运和海上航运在水道条件上的显著差异，加上结构、技术和管理因素的影响，内河航运的碳排放强度一直很高。准确核算这些碳排放对于理解排放趋势至关重要。这项分析为评估减排路径和制定有效政策提供了可靠的数据基础。

**基于LEAP模型的长江航运碳排放和能源消耗预测**
为了解决减排与航运需求增长之间的平衡问题，本节开发了一个LEAP模型，以评估截至2040年长江航运的碳排放和能源消耗的演变。分析基于对当前排放模式的考察。首先，使用回归分析预测关键模型输入的货运周转量，然后将这些预测纳入LEAP模型进行多情景模拟。

**长江内河航运船舶的能源结构设计**
第4节使用LEAP模型分析多情景下的碳排放和能源消耗演变。结果表明，在2034年的关键窗口期内，能源结构情景显示出由加速清洁燃料替代驱动的下降拐点。其减排效果优于能源强度情景。这一发现突显了能源结构转型在船舶减排策略中的核心作用。

**讨论与建议**
本研究考察了长江内河航运系统中碳排放的动态演变路径。通过整合排放因子方法、LEAP模型、情景分析和多目标优化等方法，揭示了碳排放的历史演变特征，并定量评估了不同路径下的减排潜力及相应的能源结构转型计划。

**结论**
内河航运是流域经济的重要组成部分，对于实施国家减排战略和促进交通运输领域的集约化发展至关重要。本研究聚焦于长江内河航运系统。它使用排放因子方法计算货船的碳排放，并采用LEAP模型、情景分析和多目标决策方法系统分析碳排放。

**未引用的参考文献**
(中国分类协会，2023年；项目综合报告编写组，2020年；Hu等人，2015年；中华人民共和国海事安全部，2020年；中华人民共和国交通运输部，2019年；Zhou等人，2024年)

**CRediT作者贡献声明**
学宗陶：写作——审阅与编辑，概念化。玉华朱：验证，概念化。郑世元：撰写、审稿与编辑、验证、概念化。尹传忠：撰写、审稿与编辑、验证、项目管理、方法论、资金筹集、形式分析、概念化。孙新平：撰写（初稿）、方法论、形式分析、概念化。

致谢：
本研究得到了国家自然科学基金（项目编号：72574138、72074141）和中华人民共和国教育部人文社会科学基金（项目编号：23YJA630120）的支持。

利益冲突声明：
作者声明他们没有已知的财务利益冲突或可能影响本文研究结果的个人关系。

致谢：
本研究得到了中华人民共和国教育部人文社会科学基金（项目编号：23YJA630120）和国家自然科学基金（项目编号：72574138、72074141）的支持。