渤黃海區(qū)域漁船碳排放特征

魯 峰，徐 碩，李 丹，劉慧媛，朱 勇，崔國輝

渤黃海區(qū)域漁船碳排放特征

魯 峰1,2，徐 碩1,2※，李 丹1，劉慧媛1，朱 勇1，崔國輝1

（1. 中國水產(chǎn)科學(xué)研究院漁業(yè)工程研究所，北京 100141；2. 嶗山實驗室，青島 266237 ）

漁船二氧化碳排放是全球溫室氣體排放評估中通常被忽視的領(lǐng)域，對全球變暖過程具有不可忽略的驅(qū)動作用。渤黃海是中國重要的海上糧倉和生態(tài)環(huán)境治理區(qū)域，查明渤黃海漁船生產(chǎn)作業(yè)過程對溫室氣體排放貢獻(xiàn)較大的環(huán)節(jié)，對區(qū)域碳循環(huán)研究、碳排放管理及減排降碳措施制定具有重要意義。為探明渤黃海區(qū)域海洋漁船二氧化碳排放的時空變化特征，揭示漁業(yè)生產(chǎn)活動對氣候變暖的影響程度，該研究基于2020和2021年的海量漁船管理及動態(tài)船位數(shù)據(jù)，提取了航段位移、航段內(nèi)漁船航速、發(fā)動機負(fù)荷因子、排放因子等狀態(tài)參數(shù)，構(gòu)建了漁船二氧化碳排放動態(tài)計算模型，分析了渤黃海區(qū)域9種作業(yè)類型漁船的二氧化碳排放強度，給出了漁船年度及月度排放的空間分布特征。結(jié)果表明：1）渤黃海區(qū)域各類機動漁船在2020和2021年的二氧化碳排放總量分別為450萬和945萬t，總體呈現(xiàn)出近岸低、外海高的分布特征，熱點區(qū)域主要分布在渤海灣漁場、灤河口漁場、海東漁場、煙威漁場、石島漁場、石東漁場、海州灣漁場及大沙漁場。2）拖網(wǎng)和刺網(wǎng)漁船是二氧化碳年度累計排放的主要貢獻(xiàn)者，但就單船單位航行時長二氧化碳排放量而言，輔助船最高，圍網(wǎng)漁船次之。3）不同年份相同月份的漁船二氧化碳排放空間分布呈現(xiàn)出一定的相似性，伏季休漁期開始前強碳源主要出現(xiàn)在黃海中南部區(qū)域，休漁期結(jié)束后強碳源主要出現(xiàn)渤海中部、山東半島東部以及黃海中部海域一帶，年度內(nèi)漁船二氧化碳排放重心總體上是由沿岸海域向中部開闊海域方向擴散。該研究通過漁船動靜態(tài)異質(zhì)數(shù)據(jù)推演二氧化碳的時空變化，對評估漁業(yè)生產(chǎn)所引起的氣候效應(yīng)具有理論指導(dǎo)作用。

二氧化碳排放；捕撈漁船；數(shù)據(jù)挖掘；溫室氣體；氣候變暖

0 引 言

工業(yè)化以來，人類生產(chǎn)和生活所排放的各類溫室氣體，特別是化石燃料燃燒產(chǎn)生的二氧化碳，使得大氣層中的溫室氣體濃度逐漸上升，由此導(dǎo)致的氣候變化打破了地球固有的內(nèi)在平衡，已嚴(yán)重威脅到了全球生態(tài)系統(tǒng)、人類健康以及世界經(jīng)濟發(fā)展[1-2]。農(nóng)業(yè)生產(chǎn)過程所排放的溫室氣體，已成為全球變暖的一個重要且不斷增長的驅(qū)動因素[3-5]。海洋漁業(yè)作為中國農(nóng)業(yè)的重要組成部分，是水產(chǎn)品供給的重要來源[6]，其對氣候變化的影響主要來自漁船柴油燃燒產(chǎn)生的二氧化碳等溫室氣體[7]，中國是海洋漁業(yè)大國，截至2020年已擁有作業(yè)頻次高、活動區(qū)域廣、污染排放大的各類捕撈機動漁船52萬余艘[8]，約占全球漁船總數(shù)的12%。通過開展?jié)O船二氧化碳排放評估研究，建立高分辨精準(zhǔn)化的漁船碳排放計算方法，將有助于準(zhǔn)確把握漁業(yè)生產(chǎn)所帶來的氣候變化影響，對遏制全球變暖進程、制定漁業(yè)碳排放控制措施以及保護海洋生態(tài)環(huán)境等具有重要的指導(dǎo)意義，同時為中國實現(xiàn)“碳達(dá)峰”“碳中和”等目標(biāo)提供漁業(yè)領(lǐng)域的量化參考依據(jù)。

船舶動態(tài)監(jiān)控系統(tǒng)能夠提供船舶位置、航速、航向、功率等信息[9]，已被證實是計算船舶二氧化碳排放的一種行之有效的工具[10-12]。Parker等[13]基于船舶能源消耗數(shù)據(jù)估算了1990—2011年全球漁業(yè)船隊的燃料投入和溫室氣體排放值，計算顯示2011年全球海洋漁船共消耗了400億升燃料，產(chǎn)生了1.79億t二氧化碳當(dāng)量的溫室氣體，占全球食物生產(chǎn)排放量的4%。Weng等[14]基于船舶動態(tài)位置數(shù)據(jù)建立了碳排放計算模型，用于估算2014年長江口通行船舶碳排放的分布特征，結(jié)果表明船舶二氧化碳排放共181.8萬t[15]，存在顯著的時空差異性。Moreno- Gutiérrez等基于船舶航行實時功率數(shù)據(jù)，構(gòu)建了基于能源消耗效率的碳排放計算模型，并針對四艘在直布羅陀海峽上作業(yè)的船舶進行了測試驗證，結(jié)果表明每消耗1 g燃油最大可排放6 384 g的二氧化碳。Kramel等[16]基于45 891艘運輸船的技術(shù)規(guī)格參數(shù)和動態(tài)船位信息，同時考慮了風(fēng)和海浪對船舶性能的影響，構(gòu)建了海上船舶運輸環(huán)境評估模型，計算出2017年全球運輸船的二氧化碳排放量為9.43億t，且燃料類型、天氣因素和交通繁忙狀況是影響排放熱點分布的主要因素。Wang等[17]利用單條船舶軌跡數(shù)據(jù)及深度學(xué)習(xí)算法來預(yù)測船舶二氧化碳排放，該模型對于船舶時空數(shù)據(jù)分析具有較好的預(yù)測性能。Sun等[18]利用回歸、支持向量機、梯度提升和神經(jīng)網(wǎng)絡(luò)四種方法來預(yù)測船舶碳排放量，結(jié)果表明梯度提升算法表現(xiàn)出最好的預(yù)測性能。王征等[19]基于船舶位置及航速等數(shù)據(jù)，采用動力法計算了2014年中國近海區(qū)域商船的碳排放情況，結(jié)果表明商船活動一年產(chǎn)生的二氧化碳排放總量約為5 384.82萬t，排放密集區(qū)主要集中在港口區(qū)域。陳偉杰等[20]基于漁船歷史軌跡數(shù)據(jù)和船舶檔案數(shù)據(jù)，利用船舶運輸排放評估模型計算了中國11個港口共計4 280艘裝箱船的碳排放情況，結(jié)果顯示2018年集裝箱船二氧化碳排放共計213.35萬t，船舶靠港錨泊過程中的二氧化碳排放占比較高，占總碳排放量的65.8%。Fan等[21]針對不同類型的船舶燃料消耗模型，分析了其優(yōu)缺點和提高精度的方法，可為船舶能效提升和碳排放預(yù)測研究提供參考。邱浩等[22]利用船舶監(jiān)測系統(tǒng)分析了東海沿岸船舶排放的分布特征，并指出船舶碳排放與船舶航速具有顯著的相關(guān)性。汪承杰等[23]基于船舶自動識別系統(tǒng)監(jiān)測數(shù)據(jù)，采用基于功率的動力法估算出2018年大連海域客船、散貨船、油船等船舶共排放了254.63萬t二氧化碳，且客船、散貨船、油船和多用途船的排放占比較大。Zhou等[24]提出了一種內(nèi)河船舶水平航行排放模型，分析了長江中下游內(nèi)河船舶的排放特性及影響因素。

綜上所述，諸多學(xué)者針對商船、客船、運輸船等船舶建立了碳排放計算模型，用于評估船舶的二氧化碳排放量及分布特征。然而，由于數(shù)據(jù)規(guī)模限制，目前在船舶溫室氣體排放評估研究中，鮮有學(xué)者針對漁船碳排放分布情況開展精細(xì)化的建模與定量評估計算。因此，本文根據(jù)漁船活動軌跡、航行速度、發(fā)動機載荷以及燃料消耗等因素的變化情況，構(gòu)建漁船二氧化碳排放精細(xì)化計算模型，進而評估渤黃海區(qū)域活動漁船的二氧化碳排放強度與時空分布特征，給出漁業(yè)碳排放量在全球各行業(yè)中所占據(jù)的份額，以期為漁業(yè)向綠色低碳轉(zhuǎn)型提供理論計算依據(jù)，從而實現(xiàn)漁業(yè)“知碳、管碳、降碳”的完整閉環(huán)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源與處理

渤黃海北起遼東灣，南至長江口，聯(lián)通環(huán)渤海城市群和山東半島城市群，是中國重要的海洋區(qū)域，同時也是中國傳統(tǒng)的海上糧倉，廣布各類機動漁船。本文使用的渤黃海區(qū)域漁船動態(tài)船位數(shù)據(jù)來自全國漁船漁港動態(tài)監(jiān)控管理系統(tǒng)異地容災(zāi)備份中心（www.vmscenter.com），數(shù)據(jù)時間跨度為2020年1月1日至2022年1月1日，空間范圍選定117.5°～127.5°E、31°～41°N的渤海和黃海區(qū)域，共包含1 580 506 917條動態(tài)漁船位置數(shù)據(jù)，平均報位時間間隔為3 min。漁船靜態(tài)基礎(chǔ)數(shù)據(jù)來自中國漁政管理指揮系統(tǒng)（www.yyyzgl.moa.gov.cn/cnfai），系統(tǒng)在渤黃海區(qū)域收錄的漁船數(shù)量共計47 375艘，漁業(yè)船舶類型及數(shù)量如表1所示。其中未知作業(yè)類型是由于系統(tǒng)中缺失屬性信息，無法按照作業(yè)類型進行統(tǒng)計。其他類型漁業(yè)船舶包括耙刺、陷阱、籠壺、敷網(wǎng)、掩罩、抄網(wǎng)、地拉網(wǎng)及漁政船等，由于數(shù)量極少故一并統(tǒng)計。漁船動態(tài)船位數(shù)據(jù)記錄包括船名、MMSI編碼（漁船水上移動通信業(yè)務(wù)標(biāo)識碼）、經(jīng)度、緯度、航速、航向、時間等屬性，漁船基礎(chǔ)靜態(tài)數(shù)據(jù)記錄包括船名、MMSI編碼、主機功率、作業(yè)類型、最大航速、所屬省份等屬性。利用MMSI編碼將漁船動態(tài)數(shù)據(jù)集與靜態(tài)數(shù)據(jù)集進行匹配與重構(gòu)，形成可供計算直接使用的輸入數(shù)據(jù)集。對于系統(tǒng)中存在部分?jǐn)?shù)據(jù)項缺失的情況，需要查詢底層數(shù)據(jù)庫進行補全。

表1 渤黃海區(qū)域漁船類型及數(shù)量

1.2 基于漁船軌跡的碳排放計算模型

漁船動態(tài)軌跡數(shù)據(jù)是通過對漁船運動過程進行連續(xù)報位采樣所獲得的數(shù)據(jù)，是基于時間和空間的漁船位置點序列。當(dāng)漁船處于活動狀態(tài)時，主推進發(fā)動機、輔助發(fā)動機和鍋爐進入工作狀態(tài)，由于鍋爐能耗較小，且數(shù)據(jù)較難獲取，本文暫不考慮鍋爐的碳排放量，僅考慮主機和輔機的碳排放量。圖1為基于單艘漁船軌跡數(shù)據(jù)的碳排放計算示意圖。假設(shè)第條漁船在某一時間段的報位點序列為（P,0,P,1,P,2, …,P,j…,P,mi），共計m+1個航段，將第艘漁船在第個航段（即從位置P,j-1運動到P,j）的碳排放量記為e,j，則e,j可表示為功率、平均速度和航行時間的函數(shù)[25]，第漁船主機和輔機在航段的碳排放量e?,j和?,j可采用下式計算

式中p?和?分別為第艘漁船主機和輔機的功率，W（可通過中國漁政管理指揮系統(tǒng)中查詢得到）；L,a和L,b分別為第艘漁船主機和輔機的負(fù)荷因子；t,j為第艘漁船在第個航段的航行時間，h；F?和?分別為第艘漁船主機和輔機的排放因子；A?和?分別為第艘漁船主機和輔機的排放因子修正系數(shù)。

漁船在航行過程中，若發(fā)動機負(fù)荷超過20%，其排放因子可視為一定值，若發(fā)動機負(fù)荷不足20%，由于發(fā)動機燃料燃燒效率降低，需引入修正系數(shù)對排放因子進行修正。具體計算過程中，主機修正因子A?取值可根據(jù)文獻(xiàn)[26]進行動態(tài)調(diào)整，漁船配備的輔機一般運行載荷較高，故修正系數(shù)?可取值為1。主機負(fù)荷因子L,a與漁船航速的三次方成正比[27]，可通過下式計算：

式中max為漁船最大航速，m/s；v,j為第艘漁船在第個航段的平均速度，m/s。根據(jù)漁船軌跡序列，v,j和t,j可表示如下

式中l,j為航段出發(fā)位置點P,j-1至航段到達(dá)位置點P,j的地球表面距離，m?？赏ㄟ^經(jīng)緯度坐標(biāo)計算得到[28]，如下式：

式中為地球赤道半徑，即6 378 km；(x,j-1-,y,j-1)和(x,j-,y,j)分別為點P,j-1和點P,j的經(jīng)緯度坐標(biāo)。輔機負(fù)荷因子L,b與漁船類型和航行狀態(tài)密切相關(guān)，在不同航行狀態(tài)下負(fù)荷因子區(qū)別較大，具體計算過程中，可根據(jù)文獻(xiàn)[29]進行動態(tài)調(diào)整。排放因子F?和?可根據(jù)文獻(xiàn)[30]進行確定。

由式（1）～（6）得到航段碳排放量e,j的表達(dá)式為

對第艘漁船在一段時間內(nèi)的所有航段碳排放量進行相加，即可得到該漁船在航行過程中的碳排放量，如下式

若漁船總數(shù)量為，則研究區(qū)域內(nèi)所有漁船在一段時間的碳排放總量可表示為

將式（7）代入式（9）可得

式（10）為計算全部漁船二氧化碳排放總量的最終計算式，通過編制程序完成所有軌跡節(jié)點的計算，圖1給出了漁船碳排放計算模型示意圖，模型共包括數(shù)據(jù)預(yù)處理、漁船特性參數(shù)提取、漁船活動狀態(tài)參數(shù)計算和排放結(jié)果輸出四部分內(nèi)容。數(shù)據(jù)預(yù)處理部分通過查詢?nèi)珖鴿O船漁港動態(tài)監(jiān)控管理系統(tǒng)異地容災(zāi)備份中心的漁船動態(tài)船位數(shù)據(jù)庫，輸出指定時間范圍內(nèi)所有漁船的動態(tài)船位數(shù)據(jù)元組，同時輸出所有活躍漁船清單，數(shù)據(jù)元組包括經(jīng)緯度坐標(biāo)、船名、航速、航向、報位時間等屬性。將漁船按照MMSI碼進行分組，使每一艘漁船對應(yīng)一組船位數(shù)據(jù)，并將該組船位數(shù)據(jù)按照時間順序排列得到漁船軌跡。由于漁船動態(tài)船位數(shù)據(jù)庫中缺少漁船基礎(chǔ)參數(shù)信息，故需結(jié)合中國漁政管理指揮系統(tǒng)的漁船靜態(tài)基礎(chǔ)數(shù)據(jù)庫，通過匹配兩個數(shù)據(jù)庫的MMSI碼，將功率、作業(yè)類型、最大航速等數(shù)據(jù)項映射到相應(yīng)的漁船動態(tài)船位數(shù)據(jù)元組中，制作所有活躍漁船的靜態(tài)基礎(chǔ)數(shù)據(jù)表作為計算輸入數(shù)據(jù)集；漁船特性參數(shù)提取部分通過逐行處理每艘漁船對應(yīng)的船位數(shù)據(jù)，將相鄰的兩條船位數(shù)據(jù)構(gòu)成一個航段，從而逐行提取計算所需的漁船動態(tài)及靜態(tài)輸入?yún)?shù)；漁船活動狀態(tài)參數(shù)計算部分利用輸入?yún)?shù)，依次計算航段位移、航段內(nèi)漁船航速、發(fā)動機負(fù)荷因子、排放因子等狀態(tài)參數(shù)；排放結(jié)果輸出部分首先通過式（7）依次計算所有航段的碳排放值，將各航段碳排放值賦值給到達(dá)位置點坐標(biāo)，將軌跡起始點坐標(biāo)得碳排放賦值為0，并按坐標(biāo)生成全國近海漁船碳排放動態(tài)分布格局。然后通過式（8）計算每艘漁船軌跡對應(yīng)的漁船碳排放分布。最后按照式（10）計算所有漁船對應(yīng)的碳排放總體分布，采用對研究區(qū)域進行網(wǎng)格劃分的方法，計算網(wǎng)格內(nèi)漁船排放統(tǒng)計的時空分布特征，進而識別各區(qū)域的漁船二氧化碳排放強度。

圖1 漁船二氧化碳排放計算模型

1.3 計算結(jié)果處理方法

采用網(wǎng)格插值方法對模型生成的計算結(jié)果文件進行二次處理，通過將覆蓋全部軌跡的渤黃海區(qū)域劃分為40×40個精度為1/4°的正方形網(wǎng)格，繼而將計算得到的1 324 066 173條排放點數(shù)據(jù)疊加到網(wǎng)格中。定義網(wǎng)格矩陣為Matrix[,]，其中和分別為行號和列號。逐行讀取計算結(jié)果文件數(shù)據(jù)，提取經(jīng)緯度坐標(biāo)信息，并根據(jù)式（11）計算該坐標(biāo)對應(yīng)的二維矩陣數(shù)組值，從而將該坐標(biāo)點映射到對應(yīng)的網(wǎng)格中，同時依次將每行數(shù)據(jù)的碳排放值疊加到對應(yīng)的網(wǎng)格中去，生成區(qū)域排放量網(wǎng)格數(shù)據(jù)，實現(xiàn)區(qū)域漁船碳排放的精細(xì)化定量計算。

式中()和()分別表示坐標(biāo)(,)對應(yīng)的經(jīng)度和緯度；(,)表示坐標(biāo)(,)對應(yīng)的碳排放值，t；()是小數(shù)進位取整函數(shù)；為網(wǎng)格總數(shù)量。

為對比呈現(xiàn)各類型漁船碳排放強度的差異，對式（10）中的漁船碳排放總量數(shù)據(jù)進行歸一化處理。針對不同作業(yè)類型的漁船，通過式（12）計算得到每種作業(yè)類型漁船的總體二氧化碳排放量，繼而采用式（13）計算得到平均每艘漁船每天活動所產(chǎn)生的二氧化碳排放量（即單位漁船的日均二氧化碳排放量）。

式中E為第種作業(yè)類型的漁船二氧化碳排放總量，t；e為第種作業(yè)類型的單位漁船日均二氧化碳排放量，t；N為第種作業(yè)類型漁船的數(shù)量，艘。通過疊加不同作業(yè)類型漁船各軌跡航段的航行時間，得到各類型漁船的航行總時長如式（14）所示，同時采用式（15）對進行歸一化處理得到各種作業(yè)類型的單位漁船日均航行時間。

式中t為第種作業(yè)類型的單位漁船日均航行時長，h；T為第種作業(yè)類型漁船的航行總時長，h。則通過式（16）即可計算單位漁船在單位航行時間內(nèi)的二氧化碳排放量avg，本文將式（16）作為評價各類型漁船二氧化碳排放能力的一項指標(biāo)。

2 結(jié)果與分析

2.1 漁船二氧化碳總體排放分布特征

通過對遼寧、河北、天津、山東及江蘇五個沿海省份數(shù)據(jù)庫所有船位數(shù)據(jù)進行遍歷計算，得到渤黃海區(qū)域各類機動漁船在2020和2021年的二氧化碳排放總量分別為450萬t和945萬t。圖2給出了2020、2021年渤黃海區(qū)域各類漁船二氧化碳累計總排放分布，由圖可見，漁船二氧化碳排放空間幾乎覆蓋渤黃海絕大部分海域，2020年與2021年的高值區(qū)域分布表現(xiàn)出一定的相似性，但各年的空間分布存在顯著差異，近岸二氧化碳排放值普遍低于外海，呈現(xiàn)出近岸高值區(qū)分散、外海高值區(qū)密集的特點。計算結(jié)果表明，2020及2021年二氧化碳累計排放高值區(qū)主要分布于渤海灣、萊州灣、渤海中部、山東半島東部海域、山東省石島南部海域、遼寧省丹東南部海域、海州灣至南黃海東南部一帶海域。同時，二氧化碳累計排放高的區(qū)域意味著漁船作業(yè)活動較為頻繁，因此根據(jù)漁船二氧化碳排放分布情況可以推斷，渤黃海區(qū)域漁船作業(yè)最活躍的漁場主要有渤海灣漁場、灤河口漁場、海東漁場、煙威漁場、石島漁場、石東漁場、海州灣漁場及大沙漁場。根據(jù)2020及2021年全國海洋捕撈產(chǎn)量統(tǒng)計結(jié)果，渤黃海區(qū)域的捕撈總產(chǎn)量分別為2 870 797和2 885 616 t[8]，由此可知，2020和2021年每捕撈1 t漁獲物排出的二氧化碳量分別是1.57和3.27 t。

2.2 不同類型漁船的二氧化碳年度累計排放

針對2020—2021年渤黃海區(qū)域的漁船動靜態(tài)數(shù)據(jù)，采用漁船軌跡碳排放計算模型得到不同維度漁船二氧化碳排放結(jié)果對比如圖3所示。圖3a分別給出了拖網(wǎng)漁船、刺網(wǎng)漁船、張網(wǎng)漁船、圍網(wǎng)漁船、釣具漁船、養(yǎng)殖船、輔助船、未知類型漁業(yè)船舶以及其他類型漁業(yè)船舶的年度總體二氧化碳排放量對比情況，由圖可知總排放量明顯呈現(xiàn)四個量值梯隊。拖網(wǎng)漁船和刺網(wǎng)漁船屬于第一梯隊（2020年分別為158.69萬、168.11萬t，2021年分別為343.00萬、335.16萬t），且明顯高于其余類型漁船的排放量，約占據(jù)總排放量的72%。張網(wǎng)漁船、輔助船和未知類型漁船屬于第二梯隊（2020年分別為26.79萬、26.73萬和53.63萬t，2021年分別為60.27萬、76.04萬和74.70萬t），圍網(wǎng)漁船、養(yǎng)殖船和其他類型漁船屬于第三梯隊（2020年分別為3.46萬、5.47萬和6.78萬t，2021年分別為17.47萬、15.45萬和19.69萬t），釣具漁船屬于第四梯隊（2020年為0.31萬t，2021年為3.2萬t）?？梢姡暇W(wǎng)和刺網(wǎng)兩種作業(yè)類型是海洋機動漁船捕撈作業(yè)中二氧化碳排放的主要產(chǎn)生源，占所有漁業(yè)船舶排放總量的70%以上。為衡量漁船個體的二氧化碳排放情況，采用式（13）計算得到單位漁船的日均二氧化碳排放量，如圖3b所示，將數(shù)據(jù)按照每日進行均值化處理后，2020年的單艘張網(wǎng)漁船及2021年的單艘圍網(wǎng)漁船排放量反而最高，超過了當(dāng)年拖網(wǎng)和刺網(wǎng)漁船的日均排放量?？紤]到漁船每日的航行狀態(tài)并不連續(xù)，圖3b并不能準(zhǔn)確反應(yīng)漁船的排放能力，因此需采用式（14）計算出各類型漁船的年度航行總時長，并采用式（15）進一步計算得到單位漁船的日均航行時長，如圖3c和圖3d所示。可知刺網(wǎng)漁船的年度航行總時長最大，拖網(wǎng)漁船次之，兩者約占據(jù)了所有漁船年度航行總時長的70%，同時受到疫情的影響，2020年所有漁船的航行總時長比2021年的少了一倍。將數(shù)據(jù)進行日均值化處理后可知，各類型漁船的日均航行時長相差較大，這說明航行時長是反應(yīng)漁船排放能力不可忽略的一項重要因素。

圖3e是根據(jù)表1繪制的各類型漁船數(shù)量對比圖，由于部分漁船在系統(tǒng)中缺少類型信息，致使未知類型的漁船數(shù)量占據(jù)了一定的比例。根據(jù)式（16）得到單位漁船在單位航行時間內(nèi)的二氧化碳排放量如圖3f所示，拖網(wǎng)和刺網(wǎng)雖然總排放高，但經(jīng)過歸一化處理后，各類型漁船二氧化碳排放能力大小排序為：2020年輔助船>圍網(wǎng)漁船>張網(wǎng)漁船>釣具漁船>其他類型漁船>刺網(wǎng)漁船>拖網(wǎng)漁船>未知類型漁船>養(yǎng)殖船，2021年輔助船>圍網(wǎng)漁船>其他類型漁船>張網(wǎng)漁船>拖網(wǎng)漁船>刺網(wǎng)漁船>未知類型漁船>釣具漁船>養(yǎng)殖船。值得注意的是，刺網(wǎng)和拖網(wǎng)漁船的數(shù)量、二氧化碳總排放量及航行時長雖遠(yuǎn)超于其他類型漁船的相應(yīng)數(shù)值，但其二氧化碳排放能力尚不及輔助船排放能力的一半，圍網(wǎng)漁船排放能力僅次于輔助船居第二。拖網(wǎng)、刺網(wǎng)、張網(wǎng)、圍網(wǎng)、輔助及未知類型漁船的2020及2021年單船單位航行時長二氧化碳排放量十分接近，而釣具、養(yǎng)殖及其他類型漁船的相差較大。

圖3 渤黃海區(qū)域不同年度不同類型漁船航行時間及二氧化碳排放

2.3 不同類型漁船二氧化碳排放月際變化特征

針對計算程序生成的2020—2021年各類型漁船二氧化碳排放結(jié)果數(shù)據(jù)集，逐月匯總數(shù)據(jù)集中各軌跡點對應(yīng)的排放值，得到的不同類型漁船的月度二氧化碳排放曲線如圖4所示。由圖可見，漁船的二氧化碳排放值在伏季休漁期開始前（1—4月）、休漁期間（5—8月）以及休漁期結(jié)束后（9—12月）三個時間段表現(xiàn)出了明顯的差異性。在2020年，除其他類型漁船的排放峰值出現(xiàn)在3—4月，其余所有類型的排放峰值均出現(xiàn)在9—12月。拖網(wǎng)漁船的排放峰值出現(xiàn)在12月，為38.83萬t，而刺網(wǎng)漁船的排放峰值出現(xiàn)在10月，為31.83萬t。在2021年，拖網(wǎng)漁船、刺網(wǎng)漁船、圍網(wǎng)漁船、釣具漁船、養(yǎng)殖船和其他類型漁船的排放峰值出現(xiàn)在9—12月，張網(wǎng)漁船、輔助船和未知作業(yè)類型漁船的排放峰值出現(xiàn)在3—4月出現(xiàn)峰值。拖網(wǎng)和刺網(wǎng)漁船均在10月份表現(xiàn)為強碳源，其中拖網(wǎng)漁船在10月的排放峰值僅次于刺網(wǎng)漁船，達(dá)80.67萬t，刺網(wǎng)漁船在10月的排放值最大，高達(dá)83.92萬t。拖網(wǎng)漁船和刺網(wǎng)漁船不同年份的變化趨勢具有較強的一致性。漁船的二氧化碳排放強度與其活躍程度具有正相關(guān)性，由于受春節(jié)和伏季休漁制度的影響，所有類型漁船在2月及5—8月期間均呈現(xiàn)低值狀態(tài)，而在9—12月期間活躍程度明顯增強，僅此4個月的排放量就超過了全年的三分之二。

圖4 不同類型漁船月度二氧化碳排放曲線

圖5給出了渤黃海區(qū)域2020—2021年各類型漁船在同一月份的二氧化碳排放值疊加結(jié)果，可見各年月度排放最高值均出現(xiàn)在10月，分別為89.34和193.02萬t。盡管受到新冠疫情的影響，2020年各月度排放量相當(dāng)于2021年的一半，但總體變化趨勢呈現(xiàn)出較強的相似性，拖網(wǎng)和刺網(wǎng)漁船的排放量在各月中都占據(jù)較大的比重。不同年份不同月份的熱點分布區(qū)域均存在一定差異，但總體上可劃分為1—4月、5—8月、9—12月三個階段。伏季休漁期結(jié)束后的排放強度明顯高于開始前，這可能是由于渤黃海區(qū)域在冬季和春季較低的氣溫影響了漁船的活躍程度。值得注意的是，26.5°N～35°N黃海和東海海域的刺網(wǎng)休漁時間為5月1日至8月1日，而拖網(wǎng)等作業(yè)類型的休漁期限截至9月16日，故8月份刺網(wǎng)漁船結(jié)束休漁并恢復(fù)生產(chǎn)，其排放量在伏季休漁期間最高?？梢姡瑵O船二氧化碳排放分布格局的變動在很大程度上也反映了漁船活躍強度的變動特征，而引起這種變化的原因是多方面的，如漁場動態(tài)分布、船隊作業(yè)習(xí)慣、海洋環(huán)境因素、管理政策因素以及氣候變化等。

考慮到漁船二氧化碳月度排放具有明顯的“三階段”特征，各階段的熱點分布均表現(xiàn)出一定的相似性，故選取每年度4月、8月、12月作為各階段代表，通過疊加排放結(jié)果數(shù)據(jù)集，繪制漁船二氧化碳月度累計排放分布圖，如圖6所示。

圖5 渤黃海區(qū)域漁船月度二氧化碳排放量對比

圖6 渤黃海區(qū)域2020—2021年漁船二氧化碳月際累計排放分布

由圖6可知，漁船月度二氧化碳排放分布呈現(xiàn)出明顯的時空變化特征，同時也表現(xiàn)出一定的空間集聚特征。各年度1—4月的熱點主要集中在黃海中南部區(qū)域，其中南黃海存在一條由海州灣向東南延伸至東海的帶狀高值區(qū)，而北黃海和渤海排放分布較為稀疏，這可能與冬季和春季的氣溫較低有關(guān)。5—8月進入伏季休漁期，大多數(shù)漁船被禁止出海作業(yè)，因此外海區(qū)域幾乎無排放分布，直至8月刺網(wǎng)漁船結(jié)束休漁，其排放熱點區(qū)域沿海州灣至南黃海西南部呈現(xiàn)弧形帶狀分布。9—12月伏季休漁期結(jié)束，排放分布區(qū)域幾乎覆蓋渤黃海大部分海域，熱點區(qū)域呈現(xiàn)團塊狀聚集分布，渤海中部、山東半島東部以及黃海中部海域一帶表現(xiàn)為強碳源?？傮w上看，不同年份相同月份的排放分布情況及高值區(qū)分布情況呈現(xiàn)出一定的相似性，受到新冠疫情的影響，2020年的排放強度及分布密集程度不及2021年。

3 討 論

根據(jù)區(qū)域的時空變化差異，將黃海的排放結(jié)果分為北黃海和南黃海分別討論。伏季休漁期前，漁船二氧化碳排放高值區(qū)主要集中在南黃海區(qū)域，呈現(xiàn)出明顯的北低南高的緯度差異。休漁結(jié)束后，排放熱點分布總體變化趨勢表現(xiàn)為由近岸向外海方向移動。在南黃海區(qū)域，9月的高值區(qū)主要分布在山東半島南部至中韓漁業(yè)協(xié)定水域西邊界一帶海域，從10月開始高值區(qū)逐漸離開近岸海域并向東南移動，12月到達(dá)協(xié)定水域內(nèi)部，幾乎遍布南黃海中部的開闊海域。在北黃海區(qū)域，9月的高值區(qū)主要分布在山東半島東部及北部近岸海域，10月開始由近岸向北黃海中部移動，隨后幾乎遍布北黃海海域。而渤海區(qū)域1—8月幾乎無排放分布，這主要是與渤海的漁業(yè)資源保護管理較嚴(yán)格有關(guān)，9—10月渤海區(qū)域的排放熱點主要分布在渤海灣及黃河入?？谥苓吔逗Ｓ颍?0—11月逐漸由近岸向渤海中部移動。因此，不論是渤海還是黃海，從秋季開始漁船的二氧化碳排放重心總體上是由沿岸海域向中部開闊海域方向擴散，這可能是由于秋季多數(shù)魚類多處于索餌洄游階段[31]，同時經(jīng)過伏季休漁期后秋季的漁業(yè)資源量顯著增加，致使?jié)O場分布較其他季節(jié)更為分散。

氣候變化是一個緊迫的全球問題，溫室氣體排放量的增加已成為阻礙全球社會和經(jīng)濟發(fā)展的嚴(yán)重問題，農(nóng)業(yè)行業(yè)已成為溫室氣體排放的貢獻(xiàn)者之一[32]，根據(jù)已有研究結(jié)果，2021年中國農(nóng)業(yè)生產(chǎn)過程（不含漁業(yè)）引起的二氧化碳排放量為6 847萬 t，且平均年增長率達(dá)到2.93%[33]。漁船活動引起的氣候變化效應(yīng)表現(xiàn)為兩個方面，一是漁船航行排放的二氧化碳能使大氣變暖，二是漁業(yè)捕撈降低了海洋生物的碳封存能力，進一步間接增加了釋放到大氣中的二氧化碳。漁業(yè)生產(chǎn)過程主要包括水產(chǎn)養(yǎng)殖和海洋漁船捕撈兩種形式，在不考慮水產(chǎn)養(yǎng)殖業(yè)碳排放的前提下，僅渤黃海區(qū)域39 626艘漁船在2021年的二氧化碳排放量就已達(dá)到945萬t，相當(dāng)于農(nóng)業(yè)二氧化碳排放量的14%，若加入東海和南海區(qū)域的漁船，整個海洋捕撈業(yè)的二氧化碳排放量將在農(nóng)業(yè)行業(yè)中占據(jù)相當(dāng)?shù)姆蓊~，因此漁業(yè)的碳排放量目前處于被嚴(yán)重低估的狀態(tài)?？梢源致怨浪?，按平均一艘漁船年度排放238.48t二氧化碳進行測算，則中國擁有的52萬艘漁船在2021年的二氧化碳排放量約為1.24億t。根據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織（Food and Agriculture Organization of the United Nations，F(xiàn)AO）統(tǒng)計數(shù)據(jù)，2021年全球漁船總數(shù)量為420萬艘[34]，可推測2021年全球漁船的二氧化碳排放總量約為10億t。同時，2021年全球二氧化碳排放量為363 億t[35]，這樣，全球漁船的二氧化碳排放量占全行業(yè)的2.75%。盡管如此，由于實際存在的漁船數(shù)量遠(yuǎn)超過數(shù)據(jù)庫中存儲的漁船數(shù)量，故本研究得到的漁船二氧化碳排放量仍低于實際情況。可見就氣候影響而言，漁業(yè)活動所產(chǎn)生的溫室氣體排放力度已不容小覷，應(yīng)該予以足夠的重視并采取相應(yīng)的減排措施，如加強清潔能源在刺網(wǎng)和拖網(wǎng)漁船上的推廣應(yīng)用[36]、改善動力能源結(jié)構(gòu)[37]、開發(fā)船載碳捕集裝置[38]、推進減船轉(zhuǎn)產(chǎn)政策以削減漁船數(shù)量[39]、強化熱點區(qū)域的碳排放優(yōu)化管理[40]等，漁業(yè)產(chǎn)業(yè)向綠色低碳轉(zhuǎn)型迫在眉睫。當(dāng)前，中國漁船碳排放呈增長趨勢，且存在明顯的空間差異性，因此需結(jié)合中國碳排放的空間特征，因地制宜地制定合理的降碳減排政策。

4 結(jié)論及政策建議

本文構(gòu)建了漁船二氧化碳排放精細(xì)化計算模型，結(jié)合漁船靜態(tài)管理及動態(tài)船位數(shù)據(jù)，計算分析了渤黃海區(qū)域的二氧化碳排放強度與時空分布特征，并將漁船的二氧化碳排放情況分成9種作業(yè)類型進行討論，同時給出了不同月份漁船二氧化碳排放的空間分布規(guī)律，具體結(jié)論如下：

1）渤黃海區(qū)域各類機動漁船在2020和2021年的二氧化碳排放總量分別為450萬和945萬t，總體呈現(xiàn)出近岸低、外海高的分布特征。

2）拖網(wǎng)和刺網(wǎng)漁船是二氧化碳年度累計排放的主要貢獻(xiàn)者，但就單船單位航行時長二氧化碳排放量而言，輔助船最高，圍網(wǎng)漁船次之。

3）不同年份相同月份的漁船二氧化碳排放空間分布呈現(xiàn)出一定的相似性，伏季休漁期開始前強碳源主要出現(xiàn)在黃海中南部區(qū)域，休漁期結(jié)束后強碳源主要出現(xiàn)渤海中部、山東半島東部以及黃海中部海域一帶，年度內(nèi)漁船二氧化碳排放重心總體上是由沿岸海域向中部開闊海域方向擴散。

研究結(jié)果表明，全球漁船的二氧化碳排放量存在被嚴(yán)重低估的情況，就氣候影響而言，漁業(yè)活動所產(chǎn)生的溫室氣體排放力度已不容小覷，漁業(yè)產(chǎn)業(yè)向綠色低碳轉(zhuǎn)型迫在眉睫，應(yīng)該予以足夠的重視并采取相應(yīng)的減排措施。

基于以上研究結(jié)論，為有效控制并減少漁業(yè)碳排放總量，本文提出降低中國漁船碳排放的對策建議。一是針對海洋捕撈機動漁船基數(shù)大的問題，應(yīng)持續(xù)推進漁船減船轉(zhuǎn)產(chǎn)及限額捕撈等政策的實施，有效壓減海洋漁船數(shù)量和捕撈產(chǎn)量，以綠色高效的水產(chǎn)養(yǎng)殖方式替代傳統(tǒng)捕撈生產(chǎn)作業(yè)方式；二是重點針對刺網(wǎng)和拖網(wǎng)碳排放總量大、能耗高的問題，應(yīng)加快改進漁船動力提供系統(tǒng)，鑒于拖網(wǎng)和刺網(wǎng)漁船是二氧化碳排放的主要產(chǎn)生源，排放總量占比超過70%，應(yīng)重點針對刺網(wǎng)和拖網(wǎng)漁船進行清潔能源化改造，以電力推進動力系統(tǒng)替代傳統(tǒng)燃油驅(qū)動方式，調(diào)整能源消耗結(jié)構(gòu)，減少二氧化碳排放。對于不易進行清潔化改造的漁船，應(yīng)加強碳捕集裝置、低能耗船載設(shè)備的推廣應(yīng)用，同時優(yōu)化船型結(jié)構(gòu)，提高漁船綜合節(jié)能效率，從而間接減少二氧化碳排放；三是根據(jù)渤黃海區(qū)域碳排放的空間分布和熱點集聚狀態(tài)，應(yīng)重點加強在渤海灣漁場、灤河口漁場、海東漁場、煙威漁場、石島漁場、石東漁場、海州灣漁場及大沙漁場作業(yè)漁船的碳排放監(jiān)測與管理，結(jié)合不同漁場的碳排放水平與碳排放差異，制定不同的碳排放配額，并將碳排放配額納入捕撈許可制度和燃油補貼制度，從政策和經(jīng)濟兩方面來倒逼漁船向綠色低碳轉(zhuǎn)型，從而緩解熱點區(qū)域的碳排放壓力。

[1] Sala E, Mayorga J, Bradley D, et al. Protecting the global ocean for biodiversity, food and climate[J]. Nature, 2021, 592: 397-402.

[2] Zurek M, Hebinck A, Selomane O. Climate change and the urgency to transform food systems[J]. Science, 2022, 376(6600): 1416-1421.

[3] Laborde D, Mamun A, Martin W, et al. Agricultural subsidies and global greenhouse gas emissions[J]. Nature Communications, 2021, 12: 2601.

[4] 汪開英，李鑫，陸建定，等. 碳中和目標(biāo)下畜牧業(yè)低碳發(fā)展路徑[J]. 農(nóng)業(yè)工程學(xué)報，2022，38(1)：230-238.

Wang Kaiying, Li Xin, Lu Jianding, et al. Low-carbon development strategies of livestock industry to achieve goal of carbon neutrality in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(1): 230-238. (in Chinese with English abstract)

[5] Herrero M, Henderson B, Havlík P, et al. Greenhouse gas mitigation potentials in the livestock sector[J]. Nature Climate Change, 2016, 6: 452-461.

[6] Free C M, Cabral R B, Froehlich H E, et al. Expanding ocean food production under climate change[J]. Nature, 2022, 605: 490-496.

[7] McKuin B, Campbell J E. Emissions and climate forcing from global and Arctic fishing vessels[J]. Journal of Geophysical Research-Atmospheres, 2016, 121(4): 1844-1858.

[8] 農(nóng)業(yè)農(nóng)村部漁業(yè)漁政管理局，全國水產(chǎn)技術(shù)推廣總站，中國水產(chǎn)學(xué)會. 2022中國漁業(yè)統(tǒng)計年鑒[M]. 北京：中國農(nóng)業(yè)出版社，2022.

[9] 楊勝龍，張勝茂，周為峰，等. 采用AIS計算中西太平洋延繩釣漁船捕撈努力量[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(3)：198-203.

Yang Shenglong, Zhang Shengmao, Zhou Weifeng, et al. Calculating the fishing effort of longline fishing vessel in the western and central pacific ocean using AIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(3): 198-203. (in Chinese with English abstract)

[10] Li C, Yuan Z, Ou J, et al. An AIS-based high-resolution ship emission inventory and its uncertainty in Pearl River Delta region, China[J]. Science of The Total Environment, 2016, 573: 1-10.

[11] 牟軍敏，張新生，姚鑫，等. 基于航行數(shù)據(jù)的北極地區(qū)船舶排放清單[J]. 交通運輸工程學(xué)報，2019，19(5)：116-124.

Mou Junmin, Zhang Xinsheng, Yao Xin, et al. Emission inventory of ship based on navigation data in Arctic region[J]. Journal of Traffic and Transportation Engineering, 2019, 19(5): 116-124. (in Chinese with English abstract)

[12] Huang L, Wen Y, Zhang Y, et al. Dynamic calculation of ship exhaust emissions based on real-time AIS data[J]. Transportation Research Part D: Transport and Environment, 2020, 80: 102277.

[13] Parker R W R, Blanchard J L, Gardner C, et al. Fuel use and greenhouse gas emissions of world fisheries[J]. Nature Climate Change, 2018, 8: 333-337.

[14] Weng J, Shi K, Gan X, et al. Ship emission estimation with high spatial-temporal resolution in the Yangtze River estuary using AIS data[J]. Journal of Cleaner Production, 2019, 248: 119297.

[15] Moreno-Gutiérrez J, Durán-Grados V. Calculating ships' real emissions of pollutants and greenhouse gases: Towards zero uncertainties[J]. Science of the Total Environment, 2021, 750: 141471.

[16] Kramel D, Muri H, Kim Y R, et al. Global shipping emissions from a well-to-wake perspective: The MariTEAM model[J]. Environmental Science & Technology, 2021, 55: 15040-15050.

[17] Wang Y, Watanabe D, Hirata E, et al. Real-time management of vessel carbon dioxide emissions based on automatic identification system database using deep learning[J]. Journal of Marine Science and Engineering, 2021, 9(8): 871.

[18] Sun Y, Lü L, Cai Y, et al. Prediction of black carbon in marine engines and correlation analysis of model characteristics based on multiple machine learning algorithms[J]. Environmental Science and Pollution Research, 2022, 29: 78509-78525.

[19] 王征，劉瑛，張衛(wèi)，等. 中國周邊海域船舶二氧化碳排放特征研究[J]. 交通節(jié)能與環(huán)保，2018，14(6)：30-33.

Wang Zheng, Liu Ying, Zhang Wei, et al. Study on characteristics of ship CO2emissions from seas surrounding China[J]. Energy Conservation & Environmental Protection in Transportation, 2018, 14(6): 30-33. (in Chinese with English abstract)

[20] 陳偉杰，宋炳良，張婕姝. 基于AIS數(shù)據(jù)的中國沿海集裝箱港口碳排放[J]. 中國環(huán)境科學(xué)，2022，42(7)：3404-3411.

Chen Weijie, Song Bingliang, Zhang Jieshu. Carbon emission from coastal container ports in China based on AIS data[J]. China Environmental Science, 2022, 42(7): 3404-3411. (in Chinese with English abstract)

[21] Fan A, Yang J, Yang L, et al. A review of ship fuel consumption models[J]. Ocean Engineering, 2022, 264: 112405.

[22] 邱浩，劉丹彤，吳楊周，等. 結(jié)合在線監(jiān)測和自動識別系統(tǒng)分析東海沿岸船舶排放特征[J]. 環(huán)境科學(xué)，2022，43(10)：4338-4347.

Qiu Hao, Liu Dantong, Wu Yangzhou, et al. Investigating the pollutants of marine shipping emissions along the east China sea by combining in-situ measurements and automatic identification system[J]. Environmental Science, 2022, 43(10): 4338-4347. (in Chinese with English abstract)

[23] 汪承杰，環(huán)久峰，張洪朋，等. 2018年大連海域船舶大氣污染物排放特征及影響分析[J]. 中國環(huán)境監(jiān)測，2022，38(4)：165-173.

Wang Chengjie, Huan Jiufeng, Zhang Hongpeng, et al. Emission characteristics and impacts of air pollutants from ships in Dalian sea area in 2018[J]. Environmental Monitoring of China, 2022, 38(4): 165-173. (in Chinese with English abstract)

[24] Zhou C, Ding Y, Huang H, et al. Meso-level carbon dioxide emission model based on voyage for inland ships in the Yangtze River[J]. Science of the Total Environment, 2022, 838(3): 156271.

[25] Brown I N, Aldridge M F. Power models and average ship parameter effects on marine emissions inventories[J]. Journal of the Air & Waste Management Association, 2019, 69(6): 752-763.

[26] Singh D V, Pedersen E A. A review of waste heat recovery technologies for maritime applications[J]. Energy Conversion and Management, 2016, 111: 315-328.

[27] Berthelsen F H, Nielsenac U D. Prediction of ships’ speed-power relationship at speed intervals below the design speed[J]. Transportation Research Part D: Transport and Environment, 2021, 99: 102996.

[28] 裴凱洋，張勝茂，樊偉，等. 浙江省帆張網(wǎng)捕撈強度分布的提取方法[J]. 水產(chǎn)學(xué)報，2020，44(11)：1913-1925.

Pei Kaiyang, Zhang Shengmao, Fan Wei, et al. Extraction method of stow net fishing intensity distribution in Zhejiang province[J]. Journal of Fisheries of China, 2020, 44(11): 1913-1925. (in Chinese with English abstract)

[29] Huang L, Wen Y, Geng X, et al. Integrating multi-source maritime information to estimate ship exhaust emissions under wind, wave and current conditions[J]. Transportation Research Part D: Transport and Environment, 2018, 59: 148-159.

[30] Zhang F, Chen Y, Chen Q, et al. Real-world emission factors of gaseous and particulate pollutants from marine fishing boats and their total emissions in China[J]. Environmental Science & Technology, 2018, 52(8): 4910-4919.

[31] Mariani G, Cheung W, Lyet A, et al. Let more big fish sink: Fisheries prevent blue carbon sequestration-half in unprofitable areas[J]. Science Advances, 2020, 6(44): 4848.

[32] Elahi E, Khalid Z, Zhang Z. Understanding farmers’ intention and willingness to install renewable energy technology: A solution to reduce the environmental emissions of agriculture[J]. Applied Energy, 2022, 309: 118459.

[33] Zhang X, Wu L, Ma X, et al. Dynamic computable general equilibrium simulation of agricultural greenhouse gas emissions in China[J]. Journal of Cleaner Production, 2022, 345: 131122.

[34] Food and Agriculture Organization. The state of world fisheries and aquaculture 2022[R/OL]. Rome: FAO, 2022. [2022-08-25] www. lmcwater. org. cn/authoritative_opinion/ study/202207/P020220707777478035664. pdf

[35] International Energy Agency. Global energy review: CO2emissions in 2021[R/OL]. Paris: IEA Publications, 2022. [2022- 08-25] iea. blob. core. windows. net/assets/c3086240-732b-4f6a- 89d7-db01be018f5e/GlobalEnergyReviewCO2Emissionsin2021. pdf

[36] Kim J Y, Lee J H, Oh J H, et al. A comparative study on energy consumption forecast methods for electric propulsion ship[J]. Journal of Marine Science and Engineering, 2022, 10(1): 32.

[37] 康與寧，李向榮，薄大偉，等. TCD燃燒系統(tǒng)對柴油機燃燒和排放性能改善效果的試驗研究[J]. 農(nóng)業(yè)工程學(xué)報，2021，37(11)：50-59.

Kang Yuning, Li Xiangrong, Bo Dawei, et al. Experimental study on the improvement effects of TCD combustion system on combustion and emission performance of diesel engine[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(11): 50-59. (in Chinese with English abstract)

[38] Langie K M G, Tak K, Kim C, et al. Toward economical application of carbon capture and utilization technology with near-zero carbon emission[J]. Nature Communications, 2022, 13: 7482.

[39] 孫康，趙艷娜，蘇子曉. 柴油補貼與漁民家庭轉(zhuǎn)產(chǎn)轉(zhuǎn)業(yè)：微觀證據(jù)及作用機制[J]. 農(nóng)林經(jīng)濟管理學(xué)報，2022，21(3)：342-251.

Sun Kang, Zhao Yanna, Su Zixiao. Diesel fuel subsidies and fishermen family careers change: microscopic evidence and action mechanism[J]. China Academic Journal Electronic Publishing House, 2022, 21(3): 342-251. (in Chinese with English abstract)

[40] Xia Z, Guo Z, Wang W, et al. Joint optimization of ship scheduling and speed reduction: A new strategy considering high transport efficiency and low carbon of ships in port[J]. Ocean Engineering, 2021, 233: 109224.

Carbon emissions from fishing vessels in the Bohai Sea and Yellow Sea

Lu Feng1,2, Xu Shuo1,2※, Li Dan1, Liu Huiyuan1, Zhu Yong1, Cui Guohui1

(1.,100141,; 2.,266237,)

The Bohai Sea and the Yellow Sea have been the essential marine granary and eco-environmental governance areas in China. Wherein the carbon dioxide emission from fishing vessels can be normally neglected to assess the global greenhouse gas (GHG). It is very necessary to identify the specific contribution of the productive fishing vessels to the GHG emission, in order to reduce the carbon emission for the carbon neutral. Taking the Bohai Sea and the Yellow Sea as the research areas, this study aims to explore the spatiotemporal characteristics of carbon dioxide emission from the fishing vessels. A dynamic calculation model of carbon dioxide emission from fishing vessels was established using vessel management and position data, in order to reveal the impact of fishery production activities on climate warming. Nine types of fishing vessels were also selected to analyze the carbon dioxide emissions intensity and spatiotemporal characteristics from 2020 to 2021. Results showed that: 1) The total carbon dioxide emissions of fishing vessels in Bohai Sea and the Yellow Sea were 4.5 and 9.45 million tons, respectively, indicating the distribution characteristics of low nearshore and high offshore. Hot spots were distributed mainly in the fishing ground of Bohai Bay, Luanhekou, Haidong, Yanwei, Shidao, Shidong, Haizhou Bay, and Daisha. Every ton of fishing catches emitted approximately 1.57 and 3.27 t of carbon dioxide, respectively, when considering the yield data. 2) Trawler and gillnet fishing vessels were the main contributors to the total carbon dioxide emissions, accounting for more than 70% of the total emissions from all fishing vessels. Among them, the auxiliary vessels were the highest, followed by the purse seiner vessels, in terms of emissions per vessel per unit sailing time. Carbon dioxide emissions per unit sailing time from the single vessel were similar to the trawler, gillnet, stow net, purse seine, auxiliary, and unknown types, whereas, there was the significant difference for the line, and aquaculture types. 3) There was the similar spatial distribution of carbon dioxide emissions from the fishing vessels in the same month in the different years. But the hot spots exhibited a strong spatial difference. Firstly, the hot spots occurred in the central and southern part of the Yellow Sea from January to April, where a high-value belt was extended the southeast from the Haizhou Bay to the East China Sea. Then, there was no carbon dioxide emission in the offshore area from May to August. Eventually, the hot spots were shifted to the central Bohai Sea, the eastern Shandong Peninsula, and the central Yellow Sea from September to December. In general, the center of gravity of carbon dioxide emission from the fishing vessels was transferred from the coastal to the central open waters. The finding can provide a theoretical basis for the transformation of fisheries into the low carbon. Two suggestions were also proposed to reduce the carbon emissions of fishing vessels. One is to accelerate the transformation of fishery production and product formats, and another is to strengthen the carbon emission management of key fishing vessels and key areas. In the end, it can be expected to assess the carbon emission system for the fishing vessels.

carbon dioxide emissions; fishing vessel; data mining; greenhouse gas; climate warming

10.11975/j.issn.1002-6819.2022.24.019

S975

A

1002-6819(2022)-24-0169-11

魯峰，徐碩，李丹，等. 渤黃海區(qū)域漁船碳排放特征[J]. 農(nóng)業(yè)工程學(xué)報，2022，38(24)：169-179.doi：10.11975/j.issn.1002-6819.2022.24.019 http://www.tcsae.org

Lu Feng, Xu Shuo, Li Dan, et al. Carbon emissions from fishing vessels in the Bohai Sea and Yellow Sea[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(24): 169-179. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.24.019 http://www.tcsae.org

2022-08-31

2022-12-08

嶗山實驗室科技創(chuàng)新項目（LSKJ202201800）；中國水產(chǎn)科學(xué)研究院中央級公益性科研院所基本科研業(yè)務(wù)費專項（2023HY-ZC004）

魯峰，副研究員，研究方向為漁業(yè)大數(shù)據(jù)挖掘。Email：lufeng@cafs.ac.cn

徐碩，副研究員，研究方向為計算機應(yīng)用。Email：xush@cafs.ac.cn