重新审视船舶排放热点：基于AIS技术的中国沿海水域高精度（100米分辨率）排放清单 孙书婷、 赵慧慧、 杨宪超、 朱丽、 韩伟

《Journal of Marine Science and Engineering》：Rethinking Ship Emission Hotspots: A 100 m Resolution AIS-Based Inventory for Coastal Chinese Waters Shuting Sun, Huihui Zhao, Xianchao Yang, Li Zhu and Wei Han

　　摘要
现有的沿海海域船舶排放清单通常以500米至1公里的网格分辨率进行划分，这种分辨率过于粗糙，无法区分导航通道和锚区。在这种尺度下报告的热点模式是否反映了真实的排放地理分布，还是空间平均化的结果，仍然是一个未解决的问题。我们利用STEAM框架，为中国东部两个对比鲜明的沿海环境——长江口和温州市沿海地区——构建了一个100米分辨率的基于自动识别系统（AIS）的排放清单，并通过洛伦茨曲线分析量化了空间浓度。在这个更精细的分辨率下，三种排放类型变得可以区分：离散的锚地集群、沿岸的停泊带以及狭窄水道中的河岸轨迹。排放高度集中：前1%的网格单元占据了总理论排放潜力的四分之三以上（基尼系数=0.940），并且这种模式在2023年的所有月份都存在。将相同的数据重新聚合到1公里分辨率后，前1%的份额减少了大约10%，这证实了粗略网格划分系统性地低估了锚地的排放贡献，而高估了交通走廊的排放贡献。针对辅助发动机负载假设的专门敏感性分析（对典型的Jalkanen风格负载区间进行±30%的扰动）表明，虽然绝对排放总量存在大约±15%的不确定性，但排放的空间集中度却非常稳定：在所有扰动情景下，基尼系数的变化小于0.01，前5%的排放份额变化小于2个百分点，前5%的热点单元位置的重叠度≥97.9%（杰卡德指数）。这些结果强调了固定船只热点——离散的锚地和沿岸停泊点——作为累积沿海船舶排放预算的主要贡献者，这一点以前没有得到足够的重视，它们补充而非取代了传统的对导航通道的关注，对岸电设施选址、锚地管理和排放控制区设计有直接的影响。

1. 引言
空间精确的排放清单是制定从岸电设施选址到排放控制区划定和锚地减排优先级决策的基础[1,2]。自2016年中国建立国内排放控制区（DECAs）以来，燃油硫含量限制逐渐严格，主要泊位的岸电使用要求也不断扩大，这增加了对能够准确识别排放集中区域的数量清单的需求[3,4]。工程和政策决策的质量取决于其所基于的空间证据的质量。海上运输占全球商品贸易量的80%以上，但其环境足迹仍然是一个紧迫的问题[5,6]。燃烧重油的船舶发动机排放的二氧化碳（CO2）、氮氧化物（NOx）、硫化物（SOx）和颗粒物（PM2.5）在人口密集的沿海地区显著降低了空气质量[7,8,9,10]。在拥有世界上最繁忙港口群的长江三角洲，这些排放的空间分布直接影响公共健康结果和监管重点[11,12]。与船舶相关的PM2.5暴露与沿海人口的不良呼吸系统和心血管健康结果以及预期寿命缩短有关[12,13]，这突显了正确定位排放源以进行健康导向评估的必要性。船舶的排放率还强烈依赖于操作模式：从公海航行到进港、锚泊和停泊的转变涉及频繁的发动机负载变化、低速行驶、使用主发动机倒车进行机动以及长时间使用辅助发动机，所有这些都会导致排放因子与稳定航行时的排放因子有很大不同[14,15]。因此，准确识别每种模式在沿海区域中的主导位置是进行精确排放归因的先决条件。利用自动识别系统（AIS）数据的自下而上方法已成为空间明确排放清单的标准方法[16,17]。通过将AIS获得的光船活动数据（位置、速度和船型）与排放因子框架（如船舶交通排放评估模型STEAM）[15,18]相结合，研究人员已经编制出了从单个港口到全球海洋的排放清单[19,20]。主发动机、辅助发动机和锅炉的排放因子已经逐渐得到细化，以考虑燃料类型、发动机负载和操作模式[21,22]，而AIS预处理方法（轨迹插值和异常记录删除）也得到了改进[23,24,25]。中国沿海水域的区域清单的分辨率不断提高，从早期的0.1°网格发展到亚公里级[26,27,28]。对珠江三角洲、长江三角洲和内河的研究强调了在空间归因中区分船型和操作模式的重要性[29,30,31]；欧洲的类似工作也达到了类似的大陆级分辨率[32]。中国的排放控制区进一步推动了精确空间清单的发展，作为评估监管效果的基础[3,33]。在这一趋势中，区域清单的现行分辨率范围仍然是500米至1公里[20,27,32]；亚100米分辨率的工作迄今仅限于单一港口或单一泊位的案例研究，尚未应用于跨越多种地貌的的区域级港口综合体。因此，这里采用的100米分辨率相对于当前的区域前沿实践是一个数量级的改进，其明确目的是在网格单元内部而不是之间区分功能区域（通道、锚地和停泊位）。尽管取得了这些进展，一个根本的限制仍然存在。大多数区域清单将排放汇总到500米至1公里的网格上[27]，在这种分辨率下，导航通道和锚区——在功能和行为上都有所不同——通常被合并到同一个单元中。在粗略的地图上，过境船舶在许多单元中产生连续的线性信号，导致导航通道看起来像是主要的排放热点。然而，过境船舶仅需几分钟就能通过任何一个单元，而锚泊或使用辅助引擎的船舶则会连续运行数小时甚至数天[14,34]。因此，锚地的累积负担被系统性地低估了，导航通道的表观主导地位实际上是由空间平均化造成的。如果减排策略是根据这样的地图制定的，那么由此产生的资源分配（如岸电设施选址和速度限制走廊）可能会在空间上被误导。减少不必要的锚泊时间已被认为是减少港口排放的关键措施[35]，但针对此类干预的空间证据基础仍然有限。在这里，我们为中国东部的两个代表性沿海环境构建了一个100米分辨率的基于AIS的排放清单：长江口，一个具有明确导航和锚区的大型河口港口综合体；以及温州市沿海地区，一个以狭窄水道和河岸停泊为特征的小型港口环境。我们采用了比现有惯例精细一个数量级的分辨率，应用洛伦茨曲线和基尼系数分析来量化空间浓度，并表明绝大多数理论排放潜力集中在对应于锚地和停泊区的小部分网格单元中。将清单重新聚合到1公里后，确认这种浓度由于空间平均化而被大大稀释，揭示了粗略地图上导航通道的表观主导地位实际上是一个网格划分的假象。所采用的方法框架可以转移到全球其他港口环境。

本研究的具体目标是：（i）使用完全自下而上的STEAM框架，为中国东部两个形态对比鲜明的沿海地区构建一份为期一年的（2023年）100米网格化的船舶排放清单；（ii）通过100米和1公里的洛伦茨曲线和基尼系数分析，量化排放的空间浓度及其对清单分辨率的依赖性；（iii）在去除粗略网格的单元内平均化后，识别和描述主要排放类型（交通走廊、离散锚地、沿岸停泊带和河岸轨迹）；（iv）通过专门的敏感性分析评估这些发现对辅助发动机负载假设不确定性的鲁棒性；（v）根据得出的空间结构，提出岸电设施选址、锚地管理和排放控制区设计的政策建议。本文的其余部分安排如下。第2节描述了方法论框架，包括基于STEAM的排放流程、AIS预处理、空间分配、洛伦茨/基尼浓度分析、两个案例研究区域以及敏感性分析设计。第3节展示了长江口和温州市沿海地区的100米排放清单结果、分辨率比较和浓度分析。第4节解释了这些发现，讨论了反对意见和局限性，并提出了政策建议。第5节总结了结论并概述了未来工作的方向。

2. 数据和方法
本节描述了研究区域、数据来源和分析方法。船舶排放量是利用STEAM框架从AIS数据估算得出的，并分配到100米网格上，其空间浓度通过洛伦茨曲线分析进行量化。方法论框架包括五个连续阶段，相应地组织了本节内容。第1阶段（第2.1节）定义了两个案例研究区域。第2阶段（第2.2节）描述了AIS数据来源和三步预处理流程（异常记录删除、轨迹插值和缺失船舶属性的概率推断）。第3阶段（第2.3节）使用STEAM框架计算每条AIS消息的十种污染物排放量，分别考虑主发动机和辅助发动机。第4阶段（第2.4节）通过直接索引映射将这些按消息计算的排放量分配到100米网格上。第5阶段（第2.5节）使用洛伦茨曲线和基尼系数在100米和1公里聚合级别量化网格化清单的空间浓度。第2.6节描述了用于评估辅助发动机负载假设鲁棒性的敏感性分析设计。图1提供了整个流程的示意图。该通用框架不依赖于具体的案例研究，原则上可以转移到任何有AIS、船舶登记和排放因子输入的区域；下面的第2.1节指定了本文中使用的区域实例。图1. 方法论框架的示意图。标记为（A）和（B）的两个输入流分别表示原始AIS消息流和内部船舶信息数据库（船型、主要尺寸、发动机规格）；后者是必需的，因为单独的AIS消息不包含STEAM所需的特定于船舶的属性，因此在进行排放计算之前必须将两个流合并。合并后的输入数据输入到一个三步预处理流程（第1阶段），接着是基于速度的模式分类（第2阶段），每条消息的STEAM排放计算，分别考虑十种污染物（第3阶段），通过直接索引映射进行100米的空间分配（第4阶段），以及在100米和1公里级别的洛伦茨/基尼浓度分析（第5阶段）。一个平行的敏感性分析分支（第2.6节）通过对预计算的主发动机和辅助发动机网格进行事后线性重组，将辅助发动机负载因子扰动±30%。

2.1. 研究区域
本研究关注中国东部的两个具有不同港口形态的沿海区域（图2）。第一个区域包括长江口及其周边水域，从北部的南通延伸到南部的宁波，包含三个子区域：长江航道、杭州湾和舟山群岛。该区域拥有宁波-舟山港和上海港，共同构成了全球最大的港口综合体。长江航道拥有异常宽阔的通航水道，而杭州湾提供了广阔的开阔水域和广泛的锚地。图2. 中国东部的研究区域。(a) 长江口区域（大致范围：约120.7°E–123.0°E，约29.5°N–32.1°N），包括长江航道、杭州湾（Hangzhouwan）和舟山群岛（Zhoushan Qundao）。(b) 温州市沿海区域（大致范围：约120.5°E–121.4°E，约27.5°N–28.3°N），包括温州港、瑞安（Rui’an）和敖江（Aojiang）。地名使用汉音拼音系统罗马化。本修订版附带了一张添加了所有地名英文转写版本的更新地图。第二个区域覆盖浙江省南部的温州市沿海地区，包括温州港以及较小的瑞安和敖江港口。与长江口不同，该区域的特点是狭窄的潮汐河流和有限的沿海水道，其中导航通道和河岸停泊紧密相邻。这种功能上的区别压缩在一个更小的地理范围内，使其成为一个补充大型河口环境的案例。

2.2. AIS数据和预处理
AIS数据集覆盖了2023年，并涵盖了两个研究区域。原始AIS记录经过了三步预处理流程。首先，移除了异常记录，包括重复的时间戳、超过30节的不切实际的速度以及位于陆地上的位置。其次，当连续记录之间的时间间隔不超过5分钟时，通过线性插值来填补轨迹间隙。第三，大约9.25%的记录包含缺失的船舶属性信息，包括船舶类型、长度和宽度。对于这些记录，使用哈希函数从MMSI号码生成一个特定的随机种子：（1）其中表示一个确定性的哈希函数。然后从由中国和全球船队注册处构建的经验类型分布中抽取船舶类型：（2）随后通过基于马尔可夫的过程，根据先前分配的属性抽取每个属性，来分配主要尺寸（长度L和宽度B）：（3）这种方法在确保覆盖排放计算流程的同时，保持了船队的统计组成。使用MMSI派生的确定性种子可以确保同一艘船舶在所有AIS消息和不同月份中一致地被赋予相同的估计属性，消除了虚假的空间异质性。如第2.6节所述，需要估计的记录比例（9.25%）以及STEAM在估计参数中的线性特性共同限制了总排放量的传播不确定性。

2.3. 排放计算
船舶排放量是使用船舶交通排放评估模型（STEAM）框架[15,18]来估算的，考虑了主引擎和辅助引擎的贡献。船舶i在时间间隔t内的污染物p的排放量计算如下：（4）其中Pwr是引擎功率（kW），CFoC是特定燃油消耗量（g/kWh），EFp是污染物p的排放系数（g/g燃料）[21,22]。方程（4）分别对每艘船舶的主引擎和辅助引擎在每个AIS记录时间步长进行独立评估，每条消息的贡献是两者之和。污染物集p包括十个并行计算的物种：CO2、NOx、SOx（报告为SO2）、PM10、PM2.5、碳氢化合物（HCs）、CO、黑碳（BC）和N2O，以及总燃油消耗量。SFOC值是按等级和类别特定的。对于每个引擎，根据IMO MARPOL附件VI的惯例，从建造年份和引擎类别推断出的基础等级（Tier 0/I/II/III）决定了一个基线SFOC，该基线SFOC进一步通过一个与负载因子相关的乘数进行调节，在低负载下增加SFOC（当主引擎负载因子<0.20时，激活低负载校正因子，遵循STEAM惯例）。因此，主引擎和辅助引擎各自都有其自己的负载依赖的SFOC和特定污染物的排放系数。含硫污染物（SOx、硫酸盐相关PM）按照2023年的代表性DECA合规燃料硫含量0.5% m/m进行缩放；由于缺乏燃料记录级别的数据，目前实现中不尝试在每艘船舶级别区分不同的燃料混合物（HFO、MDO、MGO和LNG），这一点在第4.5节中作为限制进行了讨论。

主引擎功率是使用海军系数方法估算的，该方法根据相对于设计速度的速度比的立方进行缩放。对于静止船舶，即那些AIS记录的速度低于2节的船舶——这一阈值与基于AIS的船舶排放清单中的既定做法一致[15,18,19]——主引擎功率被设置为零，并且辅助引擎功率在全负荷下运行。我们认识到，在1-2节的船舶可能保留少量用于转向的剩余主引擎输出；这种剩余贡献相对于在整个锚泊或停泊期间持续运行的辅助负载来说是微小的，而且清单对这一阈值的确切值的依赖性是在第2.6节描述的鲁棒性分析中进行的检查。所得到的量代表理论排放潜力，而不是实际的大气释放量，因为实际排放量可能因使用替代燃料或减排技术而有所不同。这种区别对大气暴露评估的影响在第4.2节中明确讨论，这一限制本身在第4.5节中进行了回顾。

2.4. 空间分配
船舶排放量使用直接索引映射方法分配到100米×100米的网格上。对于每个AIS记录，网格单元索引计算如下：（5）其中Rg是网格分辨率（以十进制度表示的100米），Floor表示向下取整函数。整数对作为唯一的哈希键，标识目标网格单元，从而能够直接进行数组索引而无需进行空间邻居搜索。所有映射到同一单元的记录的排放贡献被累积起来，以生成最终的网格化清单。

2.5. 空间浓度分析
为了量化网格化排放清单中的空间集中度，进行了Lorenz曲线分析。所有具有非零排放值的N个网格单元按排放强度升序排列，并计算了单元和排放的累积份额。基尼系数G计算如下：（6）其中Ci是排名序列中第i个单元的排放值。基尼系数为0表示所有单元的分布完全均匀，而接近1的值表示少数单元中的极端集中。为了评估空间分辨率对观察到的浓度的影响，将100米的清单聚合为1公里的网格，通过汇总每个10×10的单元块，并在更粗的分辨率下重复分析。通过独立地将同一程序应用于2023年的十二个月份清单来评估月度稳定性。

用于浓度分析的每个单元的量是累积的AIS派生的船舶活动强度，它作为理论排放潜力的直接空间代理。在STEAM框架下，任何污染物的单元级排放量是昆虫在单元内的AIS消息停留时间的积分（方程（4）；对于任何给定的船队组成，这个量在累积活动强度上是单调的，因此活动强度的空间浓度（基尼系数、前k%的贡献份额）与单元内船队组成的变化相同。第3.5节报告了在同一CO2排放网格上直接进行的相同浓度分析作为交叉检查；这两种指标得出的基尼系数和前5%的值基本相同，确认活动强度代理和直接的CO2指标在感兴趣的属性上一致。STEAM派生物种的浓度指标的相对不变性来自相同的论点：污染物与CO2的唯一区别在于大约恒定的每引擎乘法因子，而且基尼系数和前k%的贡献份额在单元值的线性缩放下是不变的，因此浓度只报告一次，并适用于所有STEAM污染物。

2.6. 鲁棒性考虑
为了评估清单对第2.3节中确定的最不确定的参数假设——辅助引擎（AE）负载因子的敏感性，进行了一项全局缩放扰动实验。将一个乘数应用于STEAM模式分类程序返回的AE负载因子，相当于Jalkanen风格的AE负载区间的±30%的扰动[15,18]。因为STEAM排放量在AE分支的负载因子上是线性的，所以可以通过事后重新组合预先计算的主引擎和辅助引擎网格来获得任何100米单元中污染物p的扰动后总排放量：（7）因此，不需要为每个场景重新计算整个2023年的清单。该程序应用于2023年的100米年度清单的联合研究领域（2.79×10^6个有效单元）。在每个场景下评估了三个量：（i）每种污染物的总排放量；（ii）基尼系数和前k%的排放贡献；以及（iii）不同场景之间前5%热点单元的空间重叠，通过Jaccard相似性指数来测量。同样的程序也应用于用于区分静止船舶的2节的阈值（第2.3节），还检查了1节和3节的替代阈值；这些对总排放量的影响相对于AE负载扰动来说是微小的，并在第3.4节中报告。这种事后的线性重组忽略了SFOC阶跃函数和低负载校正（仅对于AE负载因子低于0.20时起作用）的二阶效应。这些二阶效应是有界的，并且不会改变此处考虑的精度范围内的报告偏差。

对于船舶属性的估计（第2.2节），STEAM在估计的引擎功率中的线性特性，加上受影响的记录比例较小（9.25%），将总排放量的传播不确定性限制在总排放量的几个百分点之内。这个界限远低于上面检查的AE负载因子不确定性，并且不影响空间浓度指标，后者在船队范围内的排放因子乘法缩放下是不变的。

3. 结果
3.1. 分辨率比较
图3展示了传统粗分辨率排放映射与100米清单之间的差异。在粗分辨率下，主要特征是沿东海岸线运行的离岸导航走廊——一个宽广的、连续的高排放带。内部港口区域，包括长江通道和周围的锚泊区，压缩成无法区分的簇，其中导航和锚泊的贡献无法分离。在100米分辨率下，空间结构得以详细解析，揭示了在粗略地图中导航车道的主导地位在很大程度上是空间平均的结果。图3. 在粗分辨率（左）和100米分辨率（右）下长江河口区域的船舶排放空间模式比较。颜色刻度代表每个单元的排放强度，从冷（低）到暖（高）色调逐渐增加；暖色调（红色-黄色）的单元对应于高排放单元，而绿色和冷色调表示逐渐降低的强度。两个面板使用相同的颜色刻度，因此可以直接进行比较。在粗分辨率下，离岸导航车道主导了排放信号。在100米分辨率下，锚泊区成为主要的热点。来自Google Maps的卫星图像（https://www.google.com/maps，访问日期2026年3月1日）。

3.2. 长江河口
长江河口区域展示了三种形态上不同的排放模式，对应于长江通道、杭州湾和舟山群岛（图4）。图4. 在100米分辨率下长江河口区域的排放模式。在所有AIS派生的排放面板（a-c）中，颜色刻度编码了每个单元的理论排放强度，从冷（低）通过绿色和黄色（中等）到红色（高）逐渐增加；所有面板使用相同的刻度以便直接视觉比较。顶部行：（a）长江通道的AIS派生排放地图，显示两条平行的高排放导航弧线，两侧是连续的岸边停泊带；（b）杭州湾，显示开阔水域中分布的锚泊排放簇；以及（c）舟山群岛，显示岛屿间的线性交通排放以及叠加的网格状锚泊点阵列。底部行：Google Maps的卫星图像（d）长江通道，其中密集的船舶列单列穿过航道以及港口设施；以及（e）舟山锚泊区，其中大型散货船分布在锚泊区，较小的船舶在靠近岸线的集群中停泊。由于缺乏足够分辨率的卫星图像，无法获得杭州湾的图像。在100米分辨率下，长江通道显示了几个特征性特征。两条平行的高排放弧线追踪主航道的弯曲，划定了进出交通的分离车道。这些弧线源于大量过境船舶的累积通过，代表了真实的导航车道排放。沿着这些弧线，连续的高排放带沿着两岸延伸，对应于在河岸设施停泊的船舶并且辅助引擎运行。这些岸边停泊区的排放强度接近于导航车道的排放强度，强调了即使在高交通走廊内，静止船舶的显著贡献。卫星图像证实了这种解释：密集的船舶列单列沿着航道行驶，其模式类似于公路交通，此外还有额外的船舶停泊在南部岸边的港口设施（图4，底部左）。杭州湾呈现出一个对比鲜明的空间模式，其中离散的、空间上连贯的排放簇分布在开阔水域表面，而不是集中在线性导航特征上。每个簇反映了停泊的一组静止船舶的累积足迹。由于缺乏足够分辨率的卫星图像，无法获取这一子区域的图像；排放模式仅基于AIS派生的船舶位置进行解释。

舟山群岛结合了受限的交通走廊和广泛的锚泊区。沿狭窄的岛屿间水道，排放强度升高，反映了通过受限通道的集中交通。在这个线性模式之上，可见相邻开阔水域上几何规则的高排放点阵列，特别是在主岛群 Southeast 方向。这些点簇以网格状排列，对应于指定的锚地，船只在此等待泊位分配。卫星图像也证实了这一点，显示出大型散货船分布在锚地范围内，而较小的船只则停泊在岛屿海岸线附近（见图4，右下角）。

3.3 温州沿海地区
温州沿海地区的排放模式具有典型的特点（见图5）。乍一看，排放轨迹似乎遵循曲折的路径，与合理的航行路线无关。这种明显的不规律性是分辨率效应的结果：服务于温州、瑞安和敖江的狭窄潮汐河流两侧有连续的泊位带，这些船舶的排放信号在100米处合并成沿着河岸几何形状的蜿蜒特征，而不是中央航道。在更宽的区域，结构仍然可以辨认——两岸有较高强度的排放带，而中央航道的强度较低——这与船舶在每个单元格内只停留短暂时间的情况一致。因此，主要的排放贡献来自固定的岸边船只，而不是过境交通，在较低的分辨率下，整个走廊会融合成一个均匀的排放带。

图5. 温州沿海地区100米分辨率下的排放模式。
(a) 由AIS（自动船舶识别）得出的排放地图显示，服务于温州、瑞安和敖江的潮汐河流走廊上有蜿蜒的高排放轨迹；在较宽的区域，两岸可以辨认出较高的排放带，而中央航行通道的强度相对较低。颜色刻度使用连续渐变编码每个单元格的理论排放强度，红色和橙黄色调表示排放量最高的单元格（通常是在岸边停泊并运行辅助引擎的船只处），绿色调表示中等强度，冷蓝色调表示最低但非零的单元格（通常是船只短暂通过的中央航道）。
(b) 谷歌地图卫星图像显示了温州滨水区的一个代表性港口区域，码头的泊位被密集占据，而中央航道则基本空无船只，这与AIS得出的排放模式中固定船只排放占主导的情况一致。卫星图像也验证了这一观察结果。

3.4 排放的空间集中
上述定性模式表明，排放集中在少数几个与锚地和泊位区域对应的单元格中。对每年100米分辨率的库存数据进行的Lorenz曲线分析量化了这种集中现象。在1550万个非零值的网格单元格中，分布极度偏斜：排名前1%的单元格占总量的76.0%，排名前5%的单元格占总量的85.8%（见表1）。基尼系数为0.940，表明空间不平等程度远远超过典型的社会经济分布，证明了由AIS得出的活动强度主要集中在上述的锚地集群、泊位带和河岸带。如第2.5节所讨论的，用于这种集中分析的每个单元格的量是累积的AIS得出的船舶活动强度，它直接反映了每个单元格的理论排放潜力，因为在STEAM框架下，单元格级别的排放是活动时间和引擎负载依赖的排放因子的乘积，因此对于任何给定的船队组成来说，活动强度是单调的。第3.5节显示，直接在1公里分辨率的CO2排放网格上进行的相同集中分析（覆盖整个中国水域，基于辅助引擎的敏感性基线）得出的结果几乎相同：排名前5%的比例为85.3%，基尼系数为0.951，这证实了活动代理和直接排放指标在所关注的属性上是一致的。

表1. 100米和1公里分辨率下的理论排放潜力的空间集中度（研究区域包括长江口和温州沿海地区；每个单元格的量是累积的AIS活动强度，是理论排放潜力的直接代理）。

为了评估分辨率对热点检测能力的影响，将100米分辨率的库存数据通过合并每个10×10的单元格块聚合到了1公里分辨率。在1公里分辨率下，排名前1%的单元格仅占总量的67.0%，而在100米分辨率下为76.0%（见图6）。空间聚合使得高强度的锚地单元格与周围低强度的过境单元格混合，稀释了峰值信号。1公里分辨率下的基尼系数（0.947）略高于100米分辨率下的基尼系数（0.940），因为聚合消除了许多低值单元格，增加了剩余单元格之间的相对不平等，同时掩盖了最强烈热点的绝对浓度。

图6. 100米和1公里分辨率下船舶排放空间分布的Lorenz曲线（研究区域包括长江口和温州沿海地区；每个单元格的量是作为理论排放潜力代理的AIS得出的活动强度；详见第2.5节和第3.5节）。对角虚线代表假设的均匀分布。在100米分辨率下，排名前1%的网格单元格占总量的76.0%；在1公里分辨率下，这一比例降至67.0%，说明空间聚合如何稀释热点集中度。通过重复2023年每个月的分析来评估时间稳定性。排名前5%的排放份额在9月为80.3%，7月为92.3%，年均值为84.9% ± 4.2%（见图7）。这种一致性表明，空间集中度是排放景观的持久结构特征，而不是季节性现象。

3.5 对辅助引擎负载假设的敏感性
将第2.6节描述的AE负载因子缩放应用于每个单元格的主引擎和辅助引擎CO2排放网格（方程（7）；2023年全年数据，1公里网格覆盖中国领海；共有279×10^6个非零CO2排放的单元格），得到了表2中总结的结果。这里使用的CO2排放网格的分辨率必然比第3.4节分析的100米活动强度网格更粗糙：完整的每艘船STEAM排放输出在数据处理服务器上以每条AIS消息的级别存在，但数据量太大而无法直接重新组合；而预先聚合的1公里中国范围的CO2网格保留了进行线性AE扰动分析所需的每引擎分离。这两个网格是互补的：它们得出的浓度指标是一致的（1公里基线基尼系数=0.951，排名前5% = 85.3%，而100米研究区域的基尼系数=0.940，排名前5% = 85.8%，见表1），共同证明了这种集中度发现无论在分辨率尺度上还是在基于活动的指标和直接排放指标上都是稳健的。总CO2排放量在±30%的AE扰动下变化范围为?14.6%/+14.6%，这是辅助引擎占库存总排放量约40–55%的直接后果。对于其他线性比例的污染物物种，也得到了类似的扰动结果：NOx ± 12.5%，SO2 ± 14.8%，PM2.5 ± 14.4%。用1节或3节的标准替代2节的基线速度阈值对总CO2总量进行的扰动变化不到±3%，这个变化幅度比AE扰动小一个数量级，因此没有单独列出。

表2. 总排放量、空间浓度和辅助引擎负载因子±30%缩放的敏感性。以CO2为代表污染物；NOx、SO2和PM2.5显示出类似的扰动。相比之下，空间浓度指标在相同的扰动下基本保持不变。基尼系数在0.948到0.954之间变化，排名前1%的贡献在60.6%到64.6%之间变化，排名前5%的贡献在84.2%到86.1%之间变化。在三种情景下绘制的Lorenz曲线在线宽范围内重叠（见图8）。最重要的是，排名前5%热点单元格的空间位置高度稳定：AE ? 30%和基线情景之间的Jaccard相似度指数为0.960（在扰动情景中，97.9%的基线热点单元格也是热点），而在AE + 30%和基线情景之间为0.962（98.3%）。因此，被识别为排放热点的网格单元集不依赖于采用的特定AE负载因子值，库存的政策相关地理信息对此假设是稳健的。

4. 讨论
4.1 固定船只作为主要的、空间集中的排放源
浓度分析定量证实了排放地图的视觉显示结果：排放高度集中在少数几个持久的热点单元格中。在100米研究区域分辨率下，基尼系数为0.940（1公里中国范围CO2交叉核对的基尼系数为0.951；见第3.5节），排名前1%的单元格占据了总理论排放潜力的四分之三，这意味着排放景观包含了大量的固定船只成分——上述的锚地集群、泊位带和河岸带——这与人行道在时间上的综合贡献相当或更大，尽管在低分辨率地图上人行道更为显眼。物理机制很简单：过境船只只需几秒到几分钟就能通过一个100米的单元格，而停泊的船只则会连续数小时甚至数天占据相同的单元格，并保持辅助引擎处于运行状态。因此，累积的锚地排放与等待时间成正比——等待时间由港口调度效率决定——而不是交通量。这种浓度的月度稳定性进一步表明，这些热点是固定的基础设施特征，而不是短暂的交通现象。第3.5节报告的敏感性分析表明，这种地理分布并不依赖于采用的特定辅助引擎负载值：在±30%的典型AE负载范围扰动下，总排放量变化±15%，但空间浓度指标，特别是排名前5%热点单元格的位置基本保持不变（Jaccard重叠率≥97.9%）。

一个有用的类比是高速公路和停车场的区别。高速公路承载大量交通流量，但每辆车经过任何给定点的时间都很短；而停车场停放的车辆较少，但每辆车都会怠速较长时间。传统的低分辨率排放地图得出的结论是高速公路是城市车辆排放的主要来源，因为它们在交通密度地图上显示为明亮的连续带——而在停车场，引擎怠速的时间较长，导致这些区域被平均到周围环境中。100米分辨率的库存数据澄清了这一区别，揭示了海上“停车场”——锚地、泊位区和河岸码头——尽管在导航网络的空间占地面积中占比很小，但却占据了大部分的累积排放量。

4.2 理论排放潜力、大气暴露量和反对观点
在得出政策结论之前，有必要明确讨论几个注意事项和反对观点。本文报告的量是理论排放潜力——即AIS得出的活动量、引擎功率和标准排放因子的乘积——而不是测量得到的大气浓度。这些假设在锚地和泊位期间辅助引擎满负荷运行，没有使用岸电替代，以及燃料硫含量符合DECA标准。实际上，在使用岸电的泊位、配备洗涤器的船只，或燃烧低硫或替代燃料（LNG、甲醇）的船只，其排放量将低于相应单元格的理论潜力。自2020年以来，中国主要港口建设的岸电基础设施[36]意味着实际实现的固定船只排放份额略低于此处报告的理论潜力。重要的是，这种不对称性加强了而不是削弱了主要论点：在已经部署了岸电的地方，这里识别的地理信息准确地指出了岸电最有效使用的单元格；在尚未部署岸电的地方，相同的地理信息指出了未来部署的最高杠杆目标。

一个潜在的反对意见涉及累积走廊暴露：即使锚地单元格的每单元格理论排放量较高，但由于走廊跨越更大的空间范围，并且可能更靠近人口密集的海岸线，因此累积的走廊暴露量可能仍然更高。理论排放潜力和由此产生的人体暴露加权负担并不是同一个量。量化暴露加权贡献需要将排放网格与人口密度乘积和大气扩散模型结合起来，这超出了本文的范围，但第5节将此确定为后续工作的重点。我们注意到，长江河口和温州河岸的停泊集群本身就位于人口密集的沿海地区附近或直接相邻，因此走廊在暴露范围方面的空间优势并非绝对。第二个反驳观点涉及源附近羽流的行为和大气扩散。固定船只构成了集中的、持续存在的点源，其羽流在源头附近会产生局部高但空间上集中的浓度；而过往船只则构成了移动的线源，可能会在更大的地面范围内扩散排放物，但每个单元的浓度较低。因此，每个受体受到的浓度影响取决于气象条件、源头高度和下游距离，这些因素是现有清单无法解决的。因此，这里得出的结论是基于排放物释放的位置，这是任何后续扩散建模的必要输入，而不是对受体暴露的直接排名。

另一个需要考虑的因素是政策的可行性。虽然固定船只的污染源在空间上集中，但在操作上并不总是比走廊源更容易减少。停泊地的岸电部署受到水深、电缆基础设施和海上交通模式的限制；浮动电力驳船仍然是一个小众解决方案[37,38]。相反，走廊级别的干预措施（如减速和燃料转换）在操作上较为简单，但由于每艘过往船只仅在短时间内经过每个单元，因此每个单元的减排量较小。第4.3节中提出的含义应被视为相对优先级的重新调整，而不是认为走廊措施没有帮助。

关于估算和排放因子的不确定性，大约9.25%的记录需要基于概率的船只属性估算；由此产生的总排放偏差受受影响记录的比例和STEAM模型中估算参数的线性影响，但它不影响空间浓度指标，后者在整个船队范围内的乘法缩放下是不变的（第2.6节）。AE负荷因子敏感性分析（第3.5节）进一步表明，清单中的主要参数不确定性对绝对排放总量有影响，但热点单元的地理分布基本保持不变。

4.3 对沿海海域减排的影响
固定源和过往源之间的区别直接影响减排策略的设计。在500米至1公里的分辨率下，导航走廊成为主要的热点区域，这可能会导致人们过度强调基于走廊的干预措施，如速度限制和交通管理。100米分辨率的清单表明，仅强调这些措施可能在空间上是不全面的。

这些影响与这里识别的三种减排类型相对应。首先，杭州湾和舟山群岛周围的离散停泊集群是清单中最空间集中的污染源。这些集群在地理上是固定的——它们对应于由港口当局指定的停泊区域——停泊在这些区域的船只持续运行辅助发动机。在指定停泊区提供岸电，或者要求船只关闭发动机并使用浮动电力驳船提供辅助供电，将直接解决占前1%单元的大多数污染源[37,38]。它们的空间固定性和持续性使得它们特别适合通过基础设施解决方案来处理。

其次，长江航道旁的岸边泊位表明，即使在交通繁忙的走廊内，固定船只的排放量也与航道上的排放量相当。这对于岸电的位置选择直接相关：沿长江航道铺设电力线路将针对与国家最繁忙的航道共位的污染源，但这些污染源在功能上与过往船只的交通无关。目前法规对走廊内燃料转换和减速的重视虽然有益，但并未解决这些岸边污染源的问题[39]。

第三，温州地区的蜿蜒河岸迹象表明，在有限的港口环境中，累计排放量主要由泊位排放决定，而不是过往船只的排放。对于较小的沿海港口来说，这意味着应将与航运通道监管同等重视停泊和泊位管理——调度优化和码头岸电的使用[35]。

重要的是，这些结论是基于清单的空间结构得出的，并不依赖于绝对排放总量。由于洛伦兹曲线和基尼系数衡量的是相对分布，因此固定船只热点区域应获得与传统上给予导航走廊的同等优先级的方向性结论是非常稳健的，这一点通过AE负荷因子敏感性分析（第3.5节）得到了证实。第4.2节中提出的反驳观点——累积走廊暴露、大气扩散和政策可行性——虽然削弱了这一结论的强度，但并没有改变其方向：空间证据表明排放物集中的区域应该是减排规划的主要输入，同时还需要结合扩散和暴露模型进行分析。

4.4 分辨率作为排放模式特征的决定因素
这里采用的100米分辨率不仅仅是一种技术上的改进，也是准确描述沿海船只排放空间结构的方法学前提。洛伦兹曲线分析使这一点变得具体：从100米分辨率重新聚合到1公里分辨率时，前1%的排放份额减少了大约10%，这种减少完全是因为高排放的停泊单元与周围低排放的过往船只单元的平均。在粗略的分辨率下，导航和停泊的排放信号在同一单元内混淆，系统性地夸大了走廊的贡献。

温州沿海地区提供了一个特别清晰的例子：在1公里分辨率下看似均匀的带状区域，在100米分辨率下被分解为沿低排放中心航道的两侧明显的岸边泊位带。如果没有足够的分辨率，在网格化过程中将无法恢复过往船只和固定船只之间的行为差异，从而导致决策者得到误导性的信息。这提示了一个实际的设计标准：网格分辨率必须足够细，以便在空间上区分构成不同评估和干预目标的功能区域——航道、停泊区和泊位。在这里研究的河口环境中，100米分辨率已经能够实现这种区分；在更有限的港口盆地中，可能需要更细的分辨率。相反，对于关注走廊级别排放而非港口内部分配的开放海域航线分析，较粗的分辨率仍然是合适的。因此，分辨率的选择应根据所要解决的问题来决定，而不是基于惯例[20,27]。

4.5 限制
有几个限制需要承认。排放量代表了从AIS活动和标准排放因子得出的理论潜在值；它们并不是实际测量的大气浓度。使用替代燃料、洗涤器或岸电的船只实际排放量会低于理论值，而AIS记录中并未捕捉到这些减排技术的空间分布[40]。自2020年以来，中国主要港口的岸电扩展[36]意味着充电设施旁的排放量将低于此处报告的数值。然而，这加强了核心论点：如果一些泊位旁的排放已经通过电气化减少了，那么剩余的非电气化停泊区就构成了更需要优先干预的更集中的污染源。这种理论潜在值与实际大气暴露之间的差距在第4.2节中有详细讨论。

当前的实现假设使用了一种代表性的符合DECA标准的重燃料油（硫含量0.5% m/m），而没有区分不同类型的燃料（HFO、MDO、MGO、LNG和甲醇）。这更多地影响了含硫污染物的绝对水平（SOx和硫酸盐相关的PM），而不是CO2或NOx，并且主要会对使用符合ECA标准的或其他燃料的船只的绝对总量产生偏差；空间浓度指标不受第2.6节中提到的相同比例不变性的影响。第5节指出，未来工作的一个优先事项是区分每艘船只的燃料组合。

此外，大约9.25%的船只记录需要基于概率的属性估算，这引入了船只类型估计的不确定性。然而，由于核心发现关注的是空间分布而不是绝对总量，这些限制并不影响主要结论。洛伦兹曲线和基尼系数衡量的是相对分布，它们对排放因子的线性缩放是不敏感的；因此，即使排放因子假设有合理的变化，发现少数单元主导排放预算的结论也是稳健的。这一稳健性通过第2.6节和第3.5节中的AE负荷因子敏感性分析得到了明确验证，在该分析中，最不确定的参数假设变化±30%会导致绝对总量变化±15%，但基尼系数变化小于0.01，前5%热点单元的空间重叠率不低于97.9%。

5. 结论
本研究提出了一个基于AIS的100米分辨率排放清单，用于长江河口和温州沿海地区，并评估了清单分辨率对海洋环境评估的影响。识别出三种排放模式类型：开阔水域中的离散停泊集群、宽阔河口航道中沿航道平行的岸边泊位带，以及狭窄水道中的蜿蜒河岸痕迹。洛伦兹曲线分析显示了极端的空间集中现象，前1%的网格单元占总理论排放潜力的四分之三以上（在研究区域内100米分辨率下基尼系数为0.940；在第3.5节中进行的独立1公里全国范围内CO2交叉检查中，基尼系数为0.951，前5%的单元占比为85.3%），这一现象在2023年的所有月份都保持稳定。针对辅助发动机负荷因子的专门敏感性分析表明，这种空间集中模式在结构上是稳健的：即使最不确定的参数假设变化±30%，基尼系数变化不到0.01，前5%的排放份额变化不到2个百分点，前5%热点单元的位置在各种情况下的重叠率不低于97.9%。

清单分辨率不仅仅是一个技术参数，它决定了空间证据是否正确识别了排放源的地理位置。将分辨率聚合到1公里可以减少前1%的份额大约10%，证实了粗粒度网格会稀释停泊和泊位的贡献，同时夸大了航道的贡献。100米分辨率代表了一个实际阈值，在这一分辨率下可以在不同类型的港口环境中区分这些功能区域。从实际角度来看，固定船只热点区域的空间集中性质，加上导航走廊的较为分散的贡献，表明针对停泊区和泊位的减排策略（如岸电扩展、调度优化和低排放停泊区）可能比单独针对走廊的干预措施产生更大的环境效益，尽管第4.2节中讨论的反论（累积走廊暴露、大气扩散和政策可行性）对此有所质疑，但并未改变这一方向性结论。

5.1 可重复性
所采用的方法论框架——基于STEAM的在哈希AIS数据流上的每条消息的排放量估算、直接索引映射到100米网格、分别计算主要发动机和辅助发动机、具有月度稳定性的洛伦兹曲线和基尼系数分析以及AE敏感性测试——不依赖于特定的案例研究，原则上可以应用于任何有AIS、船只注册和排放因子输入的港口环境。特定于案例的元素（研究区域边界、船队构成和监管制度）仅通过配置阶段进入，不需要修改分析核心。为了便于独立复制敏感性分析，辅助发动机负荷乘数被作为一个全局参数（AE_SCALING）在排放计算模块中提供，其默认值1.0可以重现中心清单的结果。

5.2 未来工作
从第4节讨论的限制和反驳观点中自然衍生出几个扩展方向。(i) 将100米排放网格与meso尺度的大气扩散模型（例如CALPUFF或FLEXPART）结合，再与人口密度产品关联起来，可以将理论排放潜力转换为受体级别的暴露，并从定量角度解决累积走廊与集中停泊之间的矛盾。(ii) 如果有燃料记录或港口状态控制数据库，对每艘船只的燃料组合进行区分，可以更精确地了解含硫污染物的绝对水平，并评估DECA燃料硫法规和岸电部署的实际效果。(iii) 将该框架扩展到其他沿海地区（珠江三角洲、渤海湾和主要非中国港口集群），可以测试这里识别的空间集中模式的普遍性，并为清单设计的决策提供比较基础。(iv) 将100米清单与实际港口停靠记录联系起来，可以将停泊区排放负担明确归因于调度引起的等待时间，从而直接将空间诊断与操作性减排措施联系起来。