关于柔性连接器配置对浮动光伏系统流体动力行为影响的数值研究 李宇涵， 李翔， 陈德臣， 陈行， 张燕， 盛明， 钱洪亮

《Journal of Marine Science and Engineering》：Numerical Investigation on the Effect of Flexible Connector Configurations on the Hydrodynamic Behavior of Floating Photovoltaics Yuhan Li, Xiang Li, Deshen Chen, Xing Chen, Yan Zhang, Ming Sheng and Hongliang Qian

　　摘要
现有的沿海海域船舶排放清单通常以500米到1公里的网格间距进行划分，这种分辨率太粗糙，无法区分航行通道和锚地区域。在这种尺度下报告的热点模式反映的是真实的排放地理分布，还是空间平均的结果，仍然是一个未解决的问题。我们使用STEAM框架，为中国的两个不同沿海环境——长江河口和温州沿海地区——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，并通过洛伦兹曲线（Lorenz curve）分析来量化空间浓度。在这一更精细的分辨率下，三种排放类型变得可以区分：离散的锚地集群、沿岸泊船带以及狭窄水道中的河岸痕迹。排放物高度集中：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），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公里尺度后，前1%的份额减少了大约10%，这证实了粗粒度网格化系统性地低估了锚地的排放贡献，同时高估了交通通道的排放贡献。对辅助引擎负荷假设进行的专门敏感性分析（±30%的典型Jalkanen式负荷区间扰动）表明，虽然绝对排放总量有大约±15%的不确定性，但排放的空间集中度非常稳健：在所有扰动情景下，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%热点单元的位置重叠率达到97.9%以上（杰卡德指数（Jaccard index））。研究结果突显了固定船舶热点——离散的锚地和沿岸泊船区——作为累积沿海船舶排放预算的主要贡献者，这一点此前未得到充分重视，这些热点补充而非取代了传统上对航行通道的关注，对海岸电力设施选址、锚地管理和排放控制区设计具有直接意义。

1. 引言
空间精确的排放清单是制定从海岸电力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年以来，中国建立了国内排放控制区（DECAs），燃料硫含量限制逐步收紧，并在主要码头增加了海岸电力的强制使用，这提高了对能够准确识别排放集中区域的清单的需求[3,4]。工程和政策决策的质量取决于其所依据的空间证据的质量。

海运占全球货物贸易量的80%以上，但其环境足迹仍然是一个紧迫的问题[5,6]。燃烧重油船艇的发动机排放的二氧化碳、氮氧化物、硫氧化物和颗粒物在大范围的人口密集沿海地区显著恶化了空气质量[7,8,9,10]。长江三角洲拥有世界上一些最繁忙的港口群，这些排放物的空间分布直接影响公众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]，这强调了正确定位排放源以进行健康评估的必要性。船舶的排放率还强烈依赖于运营模式：从公海巡航到进港、锚泊和泊船过程中，发动机负荷频繁变化、减速行驶、使用主引擎倒车操纵以及长时间使用辅助引擎都会产生与稳定巡航时不同的排放因子[14,15]。因此，明确每种模式在沿海区域中的主导位置是准确归因排放的前提。

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获取的船舶活动数据（位置、速度和船舶类型）与船舶交通排放评估模型（STEAM）[15,18]等排放因子框架相结合，研究人员已经编制了从单个港口到全球海洋的排放清单[19,20]。主引擎、辅助引擎和锅炉的排放因子已经逐步精细化，以考虑燃料类型、引擎负荷和运营模式[21,22]，同时AIS预处理方法（轨迹插值和异常记录移除）也日益成熟[23,24,25]。中国沿海水域的区域清单分辨率不断提高，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舶类型和运营模式的重要性[29,30,31]；欧洲的类似研究也达到了大陆尺度的可比分辨率[32]。中国的排放控制区进一步推动了精确的空间清单作为评估监管效果的基础[3,33]。在这一进展中，区域清单的现有主要分辨率为500米到1公里[20,27,32]；小于100米分辨率的工作目前仅限于单一港口或单一泊船的案例研究，尚未应用于跨越多种形态的区域性港口群。因此，这里采用的100米分辨率相对于当前的区域边界实践有了一个数量级的改进，其明确目的是在网格单元内部而非之间区分功能区域（通道、锚地和泊船区）。

尽管取得了这些进展，但仍存在一个根本限制。大多数区域清单将排放量汇总到500米到1公里的网格上[27]，在这种分辨率下，功能上和行为上不同的航行通道和锚地区域通常被合并到同一个单元中。行驶中的船舶在许多单元中产生连续的线性信号，导致在粗糙地图上航行通道显得像是主要的热点。然而，一艘行驶中的船舶只需几分钟就能通过任何一个给定单元，而一艘锚泊或使用的船舶则会连续运行辅助引擎数小时甚至数天[14,34]。因此，锚地的累积负担被系统性地低估了，航行通道的表面主导性成为空间平均的结果。如果 mitigation 策略基于这样的地图，那么由此产生的资源分配（如海岸电力设施选址和速度限制通道）可能会在空间上偏离正确方向。减少不必要的锚泊时间已被认为是减少港口排放的关键手段[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：长江河口，这是一个具有明显航行和锚地区域的主要河口港口群；以及温州沿海地区，这是一个以狭窄水道和河岸泊船为特征的较小港口环境。我们采用了比现有惯例细一个数量级的分辨率，应用洛伦兹曲线和基尼系数分析来量化空间浓度，并展示了绝大多数理论排放潜力集中在对应于锚地和泊船区的一小部分网格单元中。将清单重新聚合到1公里尺度后，证实这种浓度因空间平均而大大稀释，揭示了粗糙地图上航行通道的表面主导性实际上是网格划分的假象。所采用的方法论框架可以应用于全球其他港口环境。

本研究的具体目标是：（i）使用完全自下而上的STEAM框架，为中国的两个具有不同地貌特征的沿海地区构建一份为期一年的（2023年）100米网格化船舶排放清单；（ii）通过100米和1公里的洛伦兹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）在去除粗粒度网格的单元内平均后，识别和描述主要的排放类型（交通通道、离散锚地、沿岸泊船带和河岸痕迹）；（iv）通过专门的敏感性分析，评估这些发现对辅助引擎负荷假设不确定性的稳健性；（v）根据得出的空间结构，推导出海岸电力设施选址、锚地管理和排放控制区设计的政策含义。

本文的其余部分组织如下。第2节描述了方法论框架，包括基于STEAM的排放处理流程、AIS预处理、空间分配、洛伦兹/基尼浓度分析、两个案例研究区域和敏感性分析设计。第3节展示了长江河口和温州沿海地区的100米清单结果、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，并提出了政策含义。第5节总结了结论并概述了未来工作的方向。

2. 数据与方法
本节描述了研究区域、数据来源和分析方法。船舶排放量是根据AIS数据使用STEAM框架估算的，并分配到100米网格上，其空间浓度通过洛伦兹曲线分析进行量化。

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（2.1节）定义了两个案例研究区域。第2阶段（2.2节）描述了AIS数据来源和三步预处理流程（异常记录移除、轨迹插值和缺失船舶属性的概率推断）。第3阶段（2.3节）使用STEAM框架计算每条AIS消息的十种污染物的排放量，分别考虑主引擎和辅助引擎。第4阶段（2.4节）通过直接索引映射将这些每条消息的排放量分配到100米网格上。第5阶段（2.5节）使用洛伦兹曲线和基尼系数在100米和1公里聚合层面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引擎负荷假设稳健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案例研究，原则上可以应用于任何具备AIS、船舶注册信息和排放因子输入的区域；下文第2.1节指定了本文使用的区域实例。

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（船舶类型、主要尺寸、引擎规格）；后者是必需的，因为单独的AIS消息不包含STEAM所需的特定船舶属性，因此必须在MMSI上将两个流合并 antes de 进行排放计算。合并后的输入数据进入三步预处理流程（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，分别考虑主引擎和辅助引擎的十种污染物（第3阶段），通过直接索引映射进行100米空间分配（第4阶段），以及100米和1公里的洛伦兹/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）通过事后线性重组预先计算的主引擎和辅助引擎网格，将辅助引擎负荷因子扰动±30%。

2.1. 研究区域
本研究关注中国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河口及其周边水域，从北部的南通延伸到南部的宁波，涵盖三个子区域：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，共同构成了世界上货物吞吐量最大的港口群。长江航道具有异常宽阔的通航水域，而杭州湾提供了广阔的开放水域和广泛的锚地。图2. 中国东部的研究区域。(a) 长江河口区域（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（Ruian）和澳江（Aojiang）。地名采用汉语音译系统。本修订版本附有标有英文转写的所有地名更新的地图。第二个区域覆盖浙江省南部的温州沿海地区，包括温州港以及较小的瑞安和澳江港口。与长江河口不同，该区域的特点是狭窄的潮汐河流和受限的沿海水道，其中航行通道和河岸泊船紧密相邻。这种运输和锚泊之间的功能区分压缩到了更小的地理范围内，使其成为大型河口环境的补充案例。

这两个区域分别代表了中国沿海港口形态的极端类型：一个由主要国际贸易主导的大型开放河口综合体和一个服务于区域货运和渔船的小型封闭港口系统（图2）。

2.2. AIS数据和预处理
AIS数据集涵盖了2023年，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、物理上不合理的超过30节的速度以及位于陆地上的位置。第二，当连续记录之间的时间间隔不超过5分钟时，通过线性插值来填充轨迹间隙。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、长度和船宽。对于这些记录，使用哈希函数从MMSI号码生成一个特定于船舶的随机种子：(1) 其中表示一个确定性的哈希函数。然后从基于中国和全球船舶登记册构建的经验类型分布中抽取船舶类型：(2) 接下来，通过基于马尔可夫过程的类型条件分布抽取主要尺寸（长度L和船宽B）：(3) 这种方法在确保排放计算流程全覆盖的同时，保留了船队的统计构成。使用MMSI派生的确定性种子可以确保同一艘船舶在所有AIS消息中始终被赋予相同的估算属性，从而消除了虚假的空间异质性。如第2.6节所讨论的，需要估算的记录比例（9.25%）以及STEAM在估算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，该模型考虑了主引擎和辅助引擎的排放贡献。在时间段t内，船舶i的污染物p的排放量计算如下：(4) 其中Pwr是引擎功率（千瓦），CFOc是特定燃油消耗量（克/千瓦时），EFp是污染物p的排放因子（克/克燃料）[21,22]。方程(4)分别针对每艘船舶的主引擎和辅助引擎在每个AIS记录时间步骤进行独立评估，每条消息的贡献是两者之和。污染物集合p包括十种污染物，它们是并行计算的：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。燃油消费系数（SFOC）的值是分等级和类别特定的。对于每个引擎，根据IMO MARPOL附件VI的规定，从建造年份和引擎类别推断出的等级（Tier 0/I/II/III）确定一个基准SFOC，该基准SFOC进一步通过一个负载因子依赖的乘数进行调整，当主引擎负载因子<0.20时，会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基于负载的SFOC和特定污染物的排放因子。含硫污染物（SOx、硫酸盐相关PM）根据2023年的代表性DECA合规燃料硫含量0.5% m/m进行缩放；由于缺乏燃料级别的数据，目前的实现中不尝试在每艘船舶层面区分不同的燃料组合（HFO、MDO、MGO和LNG），这一点在第4.5节中作为局限性进行了讨论。

主引擎功率是使用海军系数方法估算的，该系数与相对于设计速度的速度比的立方成比例。对于静止船舶，定义为主要引擎记录的速度低于2节——这一阈值与基于AIS的船舶排放清单[15,18,19]中的既定做法一致——主引擎功率被设置为零，辅助引擎功率则按全负荷运行。我们承认，速度在1-2节的船舶可能保留少量主引擎输出用于在潮汐流中转向；这种残余贡献相对于在锚泊或停泊事件期间持续运行的辅助负载而言微不足道，清单对这一阈值精确值的依赖性作为第2.6节中描述的稳健性分析的一部分进行了检验。所得到的量代表理论排放潜力，而不是经过验证的大气释放量，因为实际排放量可能会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，这种局限性本身在第4.5节中再次被提及。

2.4. 空间分配
船舶排放量是使用直接索引映射方法分配到100米×100米的网格中的。对于每个AIS记录，网格单元索引i,j通过以下公式计算：(5) 其中Rgrid是网格分辨率（100米，以十进制度表示），floor函数表示向下取整。整数对(i,j)作为唯一哈希键，用于标识目标网格单元，从而实现无需空间邻居搜索的直接数组索引。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浓度程度，进行了洛伦兹曲线分析。所有非零排放值的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的计算公式如下：(6) 其中Ei是排名序列中第i个单元的排放值。基尼系数为0表示所有单元之间的分布完全均匀，而接近1的值表示在少数单元中存在极端集中。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公里的清单，通过将每个10×10的单元块相加，并在更粗的分辨率下重复分析。通过对2023年的十二个月度清单分别应用相同的程序来评估月度稳定性。

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，它直接作为理论排放潜力的空间代理。在STEAM框架下，任何污染物的单元级排放量是在单元内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节报告了直接在CO2排放网格上进行的相同浓度分析作为交叉验证；这两种指标得到的基尼系数和前5%的值基本相同，证实了活动强度代理和直接CO2指标在感兴趣的属性上是一致的。跨STEAM派生污染物的浓度指标的相对不变性来自相同的论点：污染物与CO2的区别仅在于每个引擎的近似恒定乘法因子，而基尼系数和前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. 稳健性考虑
为了评估清单对第2.3节中确定的最不确定参数假设——辅助引擎（AE）负载因子的敏感性，进行了全局缩放扰动实验。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]。由于STEAM排放量在AE分支的负载因子上是线性的，因此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的扰动总排放量：(7) 因此，不需要为每种情景重新计算完整的2023年年度清单。这一程序应用于联合研究领域的100米、2023年的年度清单（2.79×10^6个有效单元）。在每种情景下评估了三个量：(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) 情景之间前5%热点单元的空间重叠，通过杰卡德相似度指数来衡量。同样的程序也应用于用于区分静止船舶的2节阈值（第2.3节），还考察了1节和3节的替代阈值；这种对总排放量的影响相对于AE负载扰动来说很小，并在第3.4节中报告。这种事后线性重组忽略了SFOC阶跃函数和低负载校正（仅针对AE负载因子低于0.20的情况）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。

对于船舶属性的估算（第2.2节），STEAM在估算的引擎功率中的线性特性，加上受影响的记录比例（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考虑的AE负载因子不确定性，并且不影响空间浓度指标，后者在排放因子的全船队范围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，主要的特征是沿着东海岸线延伸的海上导航走廊——一条宽阔的、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，压缩成不明显的簇，其中导航和锚泊的贡献无法区分。在100米的分辨率下，空间结构得到了详细解析，揭示了在粗略地图中导航航道的明显主导地位主要是空间平均的结果。
图3. 长江河口区域在粗分辨率（左）和100米分辨率（右）下的船舶排放空间模式比较。颜色刻度表示每个单元的排放强度，从冷（低）色调到暖（高）色调递增；暖色调（红-黄）的单元对应高排放单元，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，因此可以直接比较。在粗分辨率下，海上导航航线主导了排放信号。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不同的排放模式，分别对应长江通道、杭州湾和舟山群岛（图4）。图4. 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）递增；所有面板使用相同的刻度以便直接进行视觉比较。顶行：(a) 长江通道的AIS派生排放地图，显示了两个平行的高排放导航弧线，两侧是连续的靠岸带；(b) 杭州湾，显示了开阔水域中的分散锚泊排放簇；(c) 舟山群岛，显示了岛屿间的线性交通排放与网格状的锚泊点阵列重叠。底行：Google Maps卫星图像显示(d) 长江通道，其中密集的船舶队列单列穿过航道，旁边是港口设施；以及(e) 舟山锚泊区，大型散货船分布在锚泊地上，小型船舶在岸线附近的簇中停泊。杭州湾没有足够分辨率的卫星图像。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沿着主航道的曲率分布，划分了进出交通的航线。这些弧线是由大量过往船舶的累积通过形成的，代表了真实的导航航线排放。在这些弧线周围，连续的高排放带沿着两岸延伸，对应于在河畔设施靠泊的船舶，并且辅助引擎正在运行。这些岸边靠泊区的排放强度接近于导航航道的排放强度，强调了即使在高流量走廊中，静止船舶的显著贡献。卫星图像证实了这种解释：密集的船舶队列沿着航道单列行驶，与高速公路交通的视觉模式类似，另外一些船舶在南部岸边的港口设施停泊（图4，左下）。

杭州湾呈现了不同的空间模式，其中离散的、空间上连贯的排放簇分布在开阔的水面上，而不是集中在线性导航特征上。每个簇反映了一组在锚泊的静止船舶的累积足迹。这个子区域没有足够分辨率的卫星图像；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阔的锚泊区。沿着狭窄的岛屿间水道，排放强度升高，反映了通过狭窄通道的集中交通。在这种线性模式之上，可见在相邻开阔水域上几何规则的高排放点阵列，特别是在主岛群东南部。这些点簇以网格状排列，对应于指定的停泊区，船舶在那里等待泊位分配。卫星图像也证实了这一点，显示大型散货船遍布整个停泊区，而较小的船舶则靠近岛屿海岸线停泊（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显著的特点（见图5）。乍一看，排放轨迹似乎遵循蜿蜒曲折的路径，与合理的航线不相符。这种明显的不规则性实际上是由于分辨率效应造成的：服务温州、瑞安和敖江的狭窄潮汐河流两岸设有连续的泊位带，这些船舶的排放信号在进入河道后融合成跟随河岸地形的弯曲特征，而不是集中在中央通道。在更宽阔的河段，这种结构仍然可以辨认出来——两岸有较高的排放带，而中央通道的排放强度较低——这与船舶在每个区域内仅短暂停留的时间相符。因此，主要的排放来源是固定在水边的船舶，而非过往的交通。在较粗糙的分辨率下，这种区别将消失，整个走廊看起来像一个均匀的排放带。

图5. 温州沿海地区100米分辨率下的排放模式。(a) 基于AIS数据的排放地图显示，服务温州、瑞安和敖江的潮汐河流走廊上有蜿蜒的高排放轨迹；在更宽阔的河段，两岸的排放带较为明显，而中央航道的排放强度较低。颜色等级表示每个单元格的理论排放强度，红色和橙黄色表示排放量最高的单元格（通常是在船舶停泊且辅助引擎运行的河岸附近），绿色表示中等强度，蓝色表示最低的排放量（通常是船舶短暂通过的中央通道）。(b) 谷歌地图的卫星图像显示，温州沿岸一个代表性港口区域的情况，码头的泊位被密集占用，而中央通道基本空闲，这与基于AIS数据的排放模式一致。卫星图像进一步证实了这一点。河岸旁的港口设施被密集占用，船舶成排停泊在码头边，而中央通道只有偶尔有小型船只经过。

3.4 排放的空间集中
上述定性模式表明，排放主要集中在少数几个单元格中，这些单元格对应于停泊区和泊位区。对年度100米分辨率数据的Lorenz曲线分析进一步量化了这种集中现象。在1550万个非零值的网格单元格中，分布极度不平衡：最高的1%的单元格占总量的76.0%，最高的5%的单元格占85.8%（见表1）。基尼系数为0.940，远高于典型的社会经济分布，证实了基于AIS数据的活动强度主要集中在上述的停泊区、泊位带和河岸带。如第2.5节所讨论的，用于此集中分析的每个单元格的量是累积的AIS-derived船舶活动强度，这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素的乘积，因此对于任何给定的船队组成来说，排放强度是单调的。第3.5节显示，如果直接在1公里分辨率的中国范围内（基于辅助引擎敏感性的基准）进行相同的集中分析，得到的最高5%的份额也是85.3%，基尼系数为0.951，这证实了活动代理指标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公里分辨率下理论排放潜力的空间集中（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，这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米分辨率的数据聚合为1公里，方法是将对每个10×10的单元格块求和。在1公里分辨率下，最高的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停泊单元格与周围低强度的过境单元格合并，从而稀释了峰值信号。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。

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要和辅助引擎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；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排放网格的分辨率比第3.4节分析的100米活动强度网格更粗：100米分辨率下的完整每艘船舶STEAM排放输出存在于数据处理服务器的每个AIS消息级别，但数据量太大而无法直接重新组合；而预先聚合的1公里范围内的中国范围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：它们得出的集中指标是一致的（1公里基准基尼系数=0.951，最高5%=85.3%，而100米研究区域的基尼系数=0.940，最高5%=85.8%），共同证明了集中发现不仅在不同的分辨率尺度上是一致的，而且在基于活动的指标和直接排放指标之间也是一致的。总CO2排放量在±30%的AE扰动下变化范围为?14.6%/+14.6%，这是由于辅助引擎约占总CO2排放量的40-55%。对于其他线性比例的污染物物种也得到了类似的扰动：NOx ± 12.5%，SO2 ± 14.8%，PM2.5 ± 14.4%。用替代的固定船舶速度阈值（1节或3节）替换2节的基准值，总CO2变化量小于±3%，比AE扰动的幅度小一个数量级，因此没有单独列出。

表2. 总排放量、空间集中度和AE份额对辅助引擎负载因子±30%缩放的敏感性。以CO2作为代表性污染物；NOx、SO2和PM2.5的扰动幅度相当。相比之下，空间集中度指标在相同扰动下基本不变。基尼系数在0.948到0.954之间变化，最高1%的贡献在60.6%到64.6%之间变化，最高5%的贡献在84.2%到86.1%之间变化。在三种情景下绘制的Lorenz曲线在图线宽度范围内重叠（见图8）。最重要的是，最高5%热点单元格的空间位置非常稳定：AE ? 30%和基准情景之间的Jaccard相似度指数为0.960（97.9%的基准热点单元格在扰动情景中也是热点），而AE + 30%和基准情景之间的Jaccard相似度指数为0.962（98.3%）。因此，确定为排放热点的网格单元集并不依赖于采用的特定AE负载因子值，库存的政策相关地理特性对此假设是稳健的。

4. 讨论
4.1 固定船舶作为主要且空间上集中的排放源
集中分析定量地证实了排放地图所显示的结果：排放高度集中在少数几个持续的热点单元格中。在100米研究区域分辨率下，基尼系数为0.940（在整个中国范围内的1公里CO2交叉检查中为0.951；见第3.5节），最高1%的单元格占据了总理论排放量的四分之三，这表明排放格局中包含了大量的固定船舶成分——上述的停泊区、泊位带和河岸带——这些成分与导航航线的贡献相当或更大，尽管在低分辨率地图上航线更为明显。物理机制很简单：过往的船舶在几秒到几分钟内通过一个100米的单元格，而停泊的船舶则连续数小时或数天占用同一个单元格，并保持辅助引擎处于全负荷运行状态。因此，累计的停泊排放量与等待时间成正比——等待时间由港口调度效率决定——而不是交通流量。这种集中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节中的敏感性分析表明，这种地理分布并不是由于采用的特定辅助引擎负载值造成的：在±30%的典型AE负载范围内，总排放量变化了±15%，但空间集中度指标，特别是最高5%热点单元格的位置，基本保持不变（≥97.9%的Jaccard重叠）。

一个有用的类比是高速公路和停车场的区别。高速公路承载着高流量，但每辆车快速经过任何一个给定点；而停车场容纳的车辆较少，且每辆车都长时间怠速运行。传统的低分辨率排放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图上显示为明亮的连续带——而在停车场，引擎长时间怠速运行，被平均到周围的环境中。100米分辨率的数据揭示了这一区别，表明尽管海上“停车场”——即停泊区、泊位区和河岸码头——只占导航网络空间占地面积的一小部分，却占据了大部分的累积排放量。

4.2 理论排放潜力、大气暴露和反驳意见
在得出政策结论之前，有必要明确讨论几个注意事项和反驳意见。
本文报告的量是理论排放潜力——即基于AIS的数据得出的活动强度、引擎功率和标准排放因素的乘积——而不是实际测量的大气浓度。这些数据假设在停泊和泊位期间辅助引擎处于满负荷运行状态，没有使用岸上电源，且燃料硫含量符合DECA标准。实际上，在使用岸上电源、装有洗涤器或燃烧低硫燃料（如LNG、甲醇）的船舶上，实际排放量将低于相应单元格的理论潜力。自2020年以来，中国主要港口的岸上电源基础设施的扩展[36]意味着实际实现的固定船舶排放份额可能低于这里报告的理论潜力。重要的是，这种不对称性加强了而非削弱了中心论点：在已经部署了岸上电源的地方，这里确定的地理位置精确指出了岸上电源最有效的使用区域；在没有部署岸上电源的地方，同样的地理位置指出了未来部署的最佳目标。
一个可能的反驳意见是关于累积走廊暴露：即使停泊单元格的每单元格理论排放量较高，但由于走廊横跨更大的空间范围，并且可能更接近人口密集的海岸线，因此整个走廊的累积暴露量可能更高。理论排放潜力和由此产生的人类暴露加权负担并不是同一回事。量化暴露加权贡献需要将排放网格与人口密度产品和大气扩散模型结合，这超出了本文的范围，但已在第5节中被确定为后续工作的优先事项。我们注意到，长江河口和温州河岸的锚泊群本身就位于人口稠密的沿海地区附近或直接相邻，因此走廊在暴露足迹方面的空间优势并非绝对。第二个反驳观点涉及源附近的羽流行为和大气扩散。固定船只构成了集中且持续的点源，其羽流可能在源附近产生局部高浓度但空间上紧凑的污染；而过境船只则是移动的线源，可能会在更大的地面范围内以较低的每单元强度扩散污染物。因此，每个受体受到的浓度影响取决于气象条件、源的高度和下风距离，这些因素是现有清单无法单独解析的。因此，这里的结论是基于污染物质释放的位置，这是任何后续扩散建模的必要输入，而不是对受体暴露程度的直接排名。

另一个需要考虑的因素是政策的可行性。尽管固定船只的污染源在空间上较为集中，但在操作上并不总是比走廊源更容易减少污染。锚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；而浮动电力驳船仍然是一个小众的解决方案[37,38]。相反，走廊级别的干预措施（如降低速度和更换燃料）在操作上较为简单，但由于每艘过境船只只在短时间内停留，因此每单元的污染减少量较小。第4.3节中得出的结论应该被视为相对优先级的重新调整，而不是认为走廊措施毫无帮助。

在估算和排放因子不确定性方面，大约9.25%的记录需要概率性船只属性估算；由此产生的总排放偏差受到受影响记录比例和STEAM模型中估算参数线性的限制，而且它不会影响空间浓度指标，该指标在舰队范围内的乘性缩放下是不变的（第2.6节）。AE负载因子敏感性分析（第3.5节）进一步表明，清单中的主要参数不确定性会影响绝对排放总量的±15%水平，但不会改变热点单元的地理分布。

对于沿海海域的减排措施，固定源和过境源的区别直接影响了减排策略的设计。在500米到1公里的分辨率下，导航走廊看起来是主要的污染热点，这可能会鼓励过度强调基于走廊的干预措施，例如速度限制和交通管理。100米的清单表明，仅依靠这些措施可能在空间上是不完整的。这些结论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锚泊群是清单中空间上最集中的污染源。这些群组是地理位置固定的——它们对应于由港口管理部门指定的锚泊地——并且停靠在这些地方的船只会持续运行辅助发动机。在指定锚泊区提供岸电，或者要求船只关闭发动机并由浮动电力驳船提供辅助供电，将直接解决占前1%单元数的主要污染源[37,38]。它们的空间固定性和持续性使它们特别适合通过基础设施进行减排。

其次，长江航道旁的泊位带显示，即使在高流量的过境走廊内，固定船只的排放量也与导航路线的排放量相当。这与岸电选址直接相关：沿着长江航道的泊位侧电气化将针对与一些国家最繁忙的导航路线共位的污染源，而功能上独立于过境交通。目前对走廊内燃料更换和速度降低的监管重点是积极的，但没有解决这些岸边污染源的问题[39]。

第三，温州地区的蜿蜒河岸模式表明，在有限的港口环境中，累积排放量主要由泊位排放而非过境船舶排放主导。对于较小的沿海港口，这意味着应该将锚泊和泊位管理——调度优化和码头侧岸电——提升为与导航路线监管同等重要的优先事项[35]。

重要的是，这些结论是从清单的空间结构中得出的，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，因此固定船只污染热点应得到与传统上给予导航走廊相同优先级的方向性结论是稳健的，这一点通过AE负载因子敏感性分析（第3.5节）得到了确认。第4.2节中提出的反驳意见——累积走廊暴露、大气扩散和政策可行性——虽然对结论的强度有所影响，但并没有改变其总体方向：空间证据表明污染物质集中区域应成为减排规划的主要输入，与扩散和暴露模型一起考虑。

这里使用的100米分辨率不仅是一种技术上的改进，而且是准确描述沿海船舶排放空间结构的方法论前提。洛伦兹曲线分析证实了这一点：从100米分辨率重新汇总到1公里分辨率会使前1%的排放份额减少大约10%，这一减少完全是由于高排放锚泊单元与周围低排放过境单元的平均造成的。在粗略的分辨率下，导航和锚泊的信号在同一单元内混合，系统性地夸大了过境走廊的贡献。温州沿海地区的例子特别清楚：在1公里分辨率下看似均匀的带状区域，在100米分辨率下被划分为两侧低排放的泊位带。如果没有足够的分辨率，在网格化过程中会不可避免地丢失过境船舶和固定船舶之间的行为差异，从而给决策者提供误导性的信息。

这提出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评估和干预目标的不同功能区域——航道、锚泊地和泊位。在这里研究的河口环境中，100米分辨率能够实现这种区分；在更有限的港口盆地中，可能需要更细的分辨率。相反，对于开放海域的航线分析，如果问题关注的是走廊级别的排放而不是港口内部的分配，则可以使用更粗的分辨率。因此，分辨率的选择应取决于要解决的问题，而不是传统的标准[20,27]。

需要承认几个限制。排放量代表的是基于AIS活动和标准排放因子的理论潜力值，并非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将低于理论值，而这些减排技术的空间分布并未在AIS记录中体现[40]。自2020年以来中国主要港口的岸电扩展[36]意味着充电设施旁边的泊位排放量将低于此处报告的数值。然而，这加强了核心论点：如果一些泊位侧的排放已经通过电气化得到了减少，那么剩余的非电气化锚泊地代表了更需要优先干预的更集中污染源。这种理论潜力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）。这会影响含硫污染物（SOx和硫酸盐相关PM）的绝对水平，而对CO2或NOx的影响较小，并且主要会偏置使用符合ECA标准或替代燃料的船只的绝对总量；空间浓度指标不受第2.6节中提到的相同尺度不变性的影响。第5节指出，未来的工作需要将区分每种船只的燃料组合作为优先事项。

此外，大约9.25%的船只记录需要概率性属性估算，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浓度而非绝对总量，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，对排放因子的线性缩放是不敏感的；因此，发现一小部分单元占据了排放预算的较大份额这一结果对排放因子假设的合理变化是稳健的。这种稳健性通过第2.6节和第3.5节中的AE负载因子敏感性分析得到了明确验证，在该分析中，对最不确定的参数假设进行±30%的扰动会导致绝对总量变化±15%，但基尼系数的变化小于0.01，且前5%热点单元的空间重叠率≥97.9%。

本研究提出了一个基于AIS的100米分辨率排放清单，适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。识别出了三种排放模式类型：开阔水域中的离散锚泊群、宽河口航道两侧平行的泊位带以及狭水道中的蜿蜒河岸轨迹。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米分辨率时的基尼系数为0.940；在第3.5节的独立1公里全国范围内CO2交叉验证中，基尼系数为0.951，前5%为85.3%），这一现象在2023年的所有月份都保持稳定。针对辅助发动机负载因子的专门敏感性分析表明，这种空间集中度在结构上是稳健的：即使在最不确定的参数假设下进行±30%的扰动，基尼系数变化小于0.01，前5%的排放份额变化小于2个百分点，前5%热点单元的位置在不同场景下的重叠率≥97.9%。

清单分辨率不仅是一个技术参数，还决定了空间证据是否正确识别了污染源的地理位置。汇总到1公里分辨率会将前1%的排放份额减少大约10%，这证实了粗略网格化会稀释锚泊和泊位的贡献，同时夸大了导航路线的贡献。100米分辨率是一个实用的标准，可以在各种港口形态下实现这种区分；在更有限的港口流域中，可能需要更细的分辨率。相反，对于开放海域的航线分析，如果问题关注的是走廊级别的排放而不是港口内部的分配，较粗的分辨率仍然是合适的。因此，分辨率的选择应基于具体要解决的问题，而不是基于惯例[20,27]。

有几个限制需要承认。排放量代表的是从AIS活动和标准排放因子得出的理论潜力值，并非实际测量的大气浓度。使用替代燃料、洗涤器或岸电的船只的实际排放量会低于理论值，而这些减排技术的空间分布并未在AIS记录中体现[40]。自2020年以来，中国主要港口的岸电扩展[36]意味着充电设施旁边的泊位排放量将低于此处报告的数值。然而，这进一步强调了核心论点：如果一些泊位侧的排放已经通过电气化得到了减少，那么剩余的非电气化锚泊地代表了更需要优先干预的更加集中的污染源。这种理论潜力与实际大气暴露之间的差距在第4.2节中有详细讨论。

当前的实现还假设了一种代表性的符合DECA标准的重燃油（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）。这会对含硫污染物的绝对水平（SOx和硫酸盐相关PM）产生更大影响，而对CO2或NOx的影响较小，并且主要会偏置使用符合ECA标准或替代燃料的船只的绝对总量；空间浓度指标不受第2.6节中提到的相同尺度不变性的影响。第5节指出，未来工作的一个优先事项是将区分每种船只的燃料组合作为重点。

此外，大约9.25%的船只记录需要概率性属性估算，这引入了船只类型估算的不确定性。然而，由于核心发现关注的是空间浓度而非绝对总量，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，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，发现一小部分单元占据排放预算的较大份额这一结果也是稳健的。这一点通过第2.6节和第3.5节中的AE负载因子敏感性分析得到了明确验证，在该分析中，对最不确定的参数假设进行±30%的扰动会导致绝对总量变化±15%，但基尼系数的变化小于0.01，前5%热点单元的空间重叠率≥97.9%。

本研究为长江河口和温州沿海地区提供了一个基于AIS的100米分辨率排放清单，并评估了清单分辨率对海洋环境评估的影响。识别出了三种排放模式类型：开阔水域中的离散锚泊群、宽河口航道两侧平行的泊位带以及狭水道中的蜿蜒河岸轨迹。洛伦兹曲线分析揭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米分辨率下的基尼系数为0.940；在第3.5节的独立1公里全国范围内CO2交叉验证中，基尼系数为0.951，前5%为85.3%），这一现象在2023年的所有月份都保持稳定。对辅助发动机负载因子的专门敏感性分析表明，这种空间集中度在结构上是稳健的：即使在最不确定的参数假设下进行±30%的扰动，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%热点单元的位置在各种情景下的重叠率≥97.9%。

清单分辨率不仅是一个技术参数，还决定了空间证据是否正确识别了污染源的地理位置。汇总到1公里分辨率会将前1%的排放份额减少大约10%，这证实了粗略网格化会稀释锚泊和泊位的贡献，同时夸大了导航路线的贡献。100米分辨率是一个实用的标准，可以在不同的港口形态下实现这种区分；将高分辨率网格化与洛伦兹曲线分析相结合的框架可以应用于其他沿海环境。

从实际角度来看，固定船只污染热点的空间集中性，加上导航走廊的较分散的贡献，表明针对锚泊和泊位区域的减排策略（如岸电扩展、调度优化和低排放锚泊区）可能会比单独关注走廊的干预措施产生更大的每单元环境效益，尽管第4.2节中讨论的反对意见（累积走廊暴露、大气扩散和政策可行性）对这一结论的方向性有所影响，但并未改变其总体方向。

该方法论框架——基于STEAM的每条消息的排放量估算、直接指数映射到100米网格、分别计算主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分析以及AE敏感性测试——独立于具体案例研究，原则上可以应用于任何具有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、船队组成和监管制度）仅通过配置阶段影响分析核心，不需要修改分析框架。为了便于独立复现敏感性分析，辅助发动机负载乘数被作为一个全局参数（AE_SCALING）设置在排放计算模块中，其默认值1.0可以再现中心清单的结果。

从第4节讨论的限制和反对意见来看，有几个自然的扩展方向。(i) 将100米排放网格与中尺度大气扩散模型（例如CALPUFF或FLEXPART）耦合，再与人口密度产品相结合，可以将理论排放潜力转换为受体级别的暴露，并在定量基础上解决累积走廊与集中锚泊之间的矛盾。(ii) 如果有燃料记录或港口状态控制数据库，可以区分每种船只的燃料组合，从而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影响。(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综合体），将测试这里识别的空间浓度模式的普遍性，并为清单设计的决策提供比较基础。(iv) 将100米清单与实际的港口调度记录联系起来，可以明确地将锚泊排放负担归因于调度引起的等待时间，从而为从空间诊断到操作减排措施提供直接路径。