数据驱动的机场航空器污染物排放清单及特征分析

中国民航大学学报 ›› 2024, Vol. 42 ›› Issue (5): 89-96.

• 航空环境与可持续发展 • 上一篇

数据驱动的机场航空器污染物排放清单及特征分析

孙娇娇 1 ，胡荣 1 ，潘肖然 1 ，邓松武 1，2 ，官兆玮 3

1. 南京航空航天大学民航学院，南京

211106；2. 广东省机场管理集团有限公司，广东韶关

512000；

3. 广西低空飞行服务站，南宁

530012

收稿日期:2024-05-05 修回日期:2024-07-10 出版日期:2024-12-21 发布日期:2025-04-08
作者简介:孙娇娇（1998— ），女，四川巴中人，硕士研究生，研究方向为民航可持续发展
基金资助:
国家自然科学基金项目（U1933117，52272333）；南京航空航天大学研究生科研与实践创新计划项目（xcxjh20230738）；江苏省研究生科研

与实践创新计划项目（SJCX23_0107）

Data-driven airport aircraft pollutant emission inventory

and characteristics analysis

SUN Jiaojiao1 , HU Rong1 , PAN Xiaoran1 , DENG Songwu1,2 , GUAN Zhaowei 3

1. College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China; 2. Guangdong Airport

Authority, Shaoguan 512000, Guangdong China; 3. Guangxi Low Altitude Flight Service Station, Nanning 530012, China

Received:2024-05-05 Revised:2024-07-10 Online:2024-12-21 Published:2025-04-08

摘要/Abstract

摘要：

提高机场航空器污染物排放清单精度是发展绿色民航的重要前提。本文首先以 2019 年广州白云国际机场

航班运行数据和航空例行天气报告数据为数据驱动，对发动机燃油流量、污染物排放指数、混合层高度和航

班运行阶段时长等关键参数进行计算修正；其次，基于国际民航组织标准模型和数据驱动修正模型（简称修

正模型）建立碳氢化合物（HC）、一氧化碳（CO）和氮氧化物（NOx）的排放清单并进行对比分析；最后，从航空

器类型、时间和空间 3 个维度探究污染物的排放特征。结果表明：修正模型得到的 HC、CO、NOx 年排放量比

标准模型分别降低了 10.26%、11.94%、26.03%；A320 机型具有较低的排放强度；08：00—10：00 为 3 类污染

物的高峰排放时段，而 02：00—03：00 为低峰时段；HC 和 CO 全年排放变化较小，而 NOx 在混合层高度偏高

和相对湿度偏低的 11—12 月排放偏高；3 类污染物排放主要分布于离港航路点 LMN、YIN、VIBOS 所对应

的空间方向。

关键词:

排放清单, 数据驱动, 机场区域, 航空器, 排放特征

Abstract:

Improving the accuracy of the airport aircraft pollutant emission inventory is an important prerequisite for the development of green civil aviation. Firstly, this study uses the data of flight operation and aviation routine weather

report of Guangzhou Baiyun International Airport in 2019 as the driving force to calculate and correct key parameters such as flow rate of engine fuel, pollutant emission index, mixing layer height and flight operation stage duration. Secondly, the emission inventories for hydrocarbons (HC), carbon monoxide (CO) and nitrogen oxides (NOx)

are established and compared based on the standard model of International Civil Aviation Organization and datadriven correction model(abbreviated as correction model) , and comparative analysis is conduced. Finally, the pollutant emission characteristics are explored from three dimensions including aircraft type, time and space. The results show that the annual emissions of HC, CO and NOx obtained by the corrected model are 10.26%, 11.94%, and

26.03% lower than those of the standard model. A320 aircraft type has lower emission intensities. The peak emissions of three pollutants occur from 08：00 to 10：00, while the off-peak emission times are from 02：00 to 03：00.

HC and CO emissions change little throughout the year, in contrast, NOx emissions are higher in November and

December when the mixing layer height is higher and the relative humidity is lower. The emissions of the three pollutants are concentrated in the directions corresponding to the departure route points of LMN, YIN and VIBOS.

Key words:

emission inventory, data-driven, airport area, aircraft, emission characteristics

中图分类号:

V351
X738

孙娇娇 , 胡荣 , 潘肖然 , 邓松武 , , 官兆玮 .

数据驱动的机场航空器污染物排放清单及特征分析

[J]. 中国民航大学学报, 2024, 42(5): 89-96.

SUN Jiaojiao , HU Rong , PAN Xiaoran , DENG Songwu, , GUAN Zhaowei .

Data-driven airport aircraft pollutant emission inventory

and characteristics analysis

[J]. Journal of Civil Aviation University of China, 2024, 42(5): 89-96.

参考文献

[1]

ICAO. Airport air quality manual[R]. Canada: Montreal: ICAO， 2020.

[2]

HARRISON R M, MASIOL M, VARDOULAKIS S. Civil aviation, air

pollution and human health[J]. Environmental Research Letters, 2015,

10(4): 041001.

[3] 李杰, 赵志奇, 王凯, 等. 航空器排放清单计算方法研究进展综

述[J]. 环境科学与技术, 2018, 41(9): 183-191.

[4]

PRASAD B D, LAL S K. Evaluation of aircraft emission at Tribhuvan

International Airport and its contribution to air quality in Kathmandu,

Nepal[J]. Atmospheric Environment: X, 2023, 17: 100204.

[5]

TOKUSLU A. Estimation of aircraft emissions at Georgian International

Airport[J]. Energy, 2020, 206: 118219.

[6]

SONG S K, SHON Z H. Emissions of greenhouse gases and air pollutants

from commercial aircraft at international airports in Korea[J]. Atmospheric Environment, 2012, 61: 148-158.

[7]

VUJOVIC＇ D, TODOROVIC＇ N. An assessment of pollutant emissions

due to air traffic at Nikola Tesla International Airport, Belgrade, and the

link between local air quality and weather types[J]. Transportation Re－

search Part D: Transport and Environment, 2017, 56: 85-94.

[8]

LI J, YANG H T, LIU X G, et al. Aircraft emission inventory and char－

acteristics of the airport cluster in the Guangdong-Hong Kong-Macao

greater bay area, China[J]. Atmosphere, 2020, 11(4): 323.

[9]

YANG X W, CHENG S Y, LANG J L, et al. Characterization of aircraft

emissions and air quality impacts of an international airport[J]. Journal

of Environmental Sciences, 2018, 72(10): 198-207.

[10] ZHU C X, HU R, LIU B W, et al. Uncertainty and its driving factors of

airport aircraft pollutant emissions assessment[J]. Transportation Re－

search Part D: Transport and Environment, 2021, 94: 102791.

[11] XU H, XIAO K, CHENG J P, et al. Characterizing aircraft engine fuel

and emission parameters of taxi phase for Shanghai Hongqiao Interna －

tional Airport with aircraft operational data[J]. Science of the TotalEnvironment, 2020, 720: 137431.

[12] 曹惠玲, 汤鑫豪, 苗佳禾. 基于 QAR 数据的发动机 LTO 阶段氮氧化

物排放量计算与分析[J]. 环境科学学报, 2018, 38(10): 3900-3904.

[13] 李杰, 杨好天, 王兵, 等. 民航飞机起飞推力对油耗和排放的影

响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 283-288.

[14] 朱佳琳, 胡荣, 张军峰, 等. 中国航空器碳排放测算与演化特征研

究[J]. 武汉理工大学学报(交通科学与工程版), 2020, 44(3): 558-563.

[15] XU H, FU Q Y, YU Y M et al. Quantifying aircraft emissions of Shang－

hai Pudong International Airport with aircraft ground operational data

[J]. Environmental Pollution, 2020, 261: 114115.

[16] 韩博, 王立婕, 赵芸婷, 等. 郑州新郑国际机场本地化排放因子与

排放清单[J]. 环境科学学报, 2022, 42(9): 419-429.

[17] 黄梦圆, 胡荣, 张军峰, 等. 基于快速存取记录器数据的飞机废气

排放计算与分析[J]. 科学技术与工程, 2020, 20(32): 13502-13507.

[18] 朱昶歆, 胡荣, 张军峰, 等. 机场航空器污染物排放测算的不确定

性分析[J]. 武汉理工大学学报(交通科学与工程版), 2021, 45(4): 688-

693.

[19] ZHANG J R, ZHANG S J, ZHANG X L, et al. Developing a high-reso－

lution emission inventory of China’s aviation sector using real -world

flight trajectory data[J]. Environmental Science & Technology, 2022, 56

(9): 5743-5752.

[20] CHENG S Y, JIN Y Q, LIU L, et al. Estimation of atmospheric mixing

heights over large areas using data from airport meteorological stations

[J]. Environmental Science and Health, Part A, 2002, 37(6): 991-1007.

[21] 胡荣, 吴文洁, 陈琳, 等. 气象因素对飞机进近飞行燃油效率的

影响[J]. 北京航空航天大学学报, 2018, 44(4): 677-683.

数据驱动的机场航空器污染物排放清单及特征分析

Data-driven airport aircraft pollutant emission inventory

and characteristics analysis

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	高伟, 鲁馨桢. 面向航线轮挡时间不确定的 OD 航班时刻优化 [J]. 中国民航大学学报, 2025, 43(4): 84-90.
[2]	王燚龙 , , 杨磊 , , 王梦妃 , , 赵征 , . 数据驱动的繁忙机场航班时刻协调参数峰谷配置方法 [J]. 中国民航大学学报, 2024, 42(6): 17-26.
[3]	陈宇金, 李宏. 运输类旋翼航空器飞行控制适航要求研究[J]. 中国民航大学学报, 2023, 41(2): 27-32.
[4]	杜实, 闫丹, 任景瑞, 初新宇. 终端区进场航空器管制效率量化分析[J]. 中国民航大学学报, 2023, 41(1): 12-21.
[5]	宋祥波, 牟磊, 杨越. 基于进场程序选择的进场航空器航迹规划[J]. 中国民航大学学报, 2021, 39(1): 6-10.
[6]	李静, 葛红娟, 梁舟驰, 董晓旭, 揭裕文, 屈展文. 中美航空器型号合格审定体系文件比较研究[J]. 中国民航大学学报, 2020, 38(2): 55-59.
[7]	郑丽君, 胡荣, 张军峰, 朱佳琳. 基于废气排放因素的离港航空器滑行路径优化[J]. 中国民航大学学报, 2019, 37(6): 34-38.
[8]	王维, 项洪达. 鸟击风险计算方法研究#br#[J]. 中国民航大学学报, 2019, 37(5): 21-24.
[9]	王维, 武文飞. 航空器排放对机场区域环境PM_2.5浓度的影响#br#[J]. 中国民航大学学报, 2019, 37(4): 20-24.
[10]	张璐，葛红娟，胡孟军，林怡，薛建良，赵权. 基于CCAR29.1585 的飞行手册程序章节研究[J]. 中国民航大学学报, 2018, 36(4): 35-39.
[11]	蔡铭，苏志刚，刘钊，郝敬堂. 终端区域内航空器排放主动监测技术研究[J]. 中国民航大学学报, 2017, 35(3): 17-21.
[12]	齐雁楠，王兴隆，李庆阳. 动态恶劣天气下的多目标多机改航路径规划[J]. 中国民航大学学报, 2017, 35(2): 1-4.
[13]	陈舒文，葛红娟，张璐，赵权，刘天新. 中俄运输类旋翼航空器适航标准比较研究[J]. 中国民航大学学报, 2016, 34(4): 6-10.
[14]	王维，张清栋. 基于灰色马尔可夫方法的机场FOD事件预测[J]. 中国民航大学学报, 2016, 34(3): 28-32.
[15]	马兰，张继尘，程一琳. 航空器意图描述语言的生成与识别方法研究[J]. 中国民航大学学报, 2015, 33(3): 13-16,27.