近日，团队在《Transportation Research Part D: Transport and Environment》期刊发表题了为“Revealing considerable emissions reduction potential in flight operations: A real-time emission perspective”的最新研究成果。TRD是Elsevier旗下交通与环境交叉学科的国际权威期刊，2025年影响因子7.4，位列中国科学院1区TOP期刊。据统计，这是中国民航大学首次在该期刊发表学术论文。

本研究通过探索飞行航迹与飞机性能参数的函数关系，构建飞机排放动态表征模型，系统分析飞机运行过程中污染物排放的时空特征及减排潜力，为民航领域的绿色高效运行提供科学依据和政策建议。

       第一作者：马思萌

       学生一作：林师卓（2022级硕士生）

       通讯作者：韩博 教授、魏志强 教授

       通讯单位：中国民航大学交通科学与工程学院，中国民航环境与可持续发展中心

       期刊：Transportation Research Part D: Transport and Environment, 2025, 143, IF 7.4

       Accepted：2025.4.3 

       资助项目：国家自然科学基金项目（U2133206、42305192、42305104），天津市教委科研项目（2024KJ102）

       DOI：https://doi.org/10.1016/j.trd.2025.104745

01 全文速览

        飞机污染排放的精准与动态定量，是机场大气环境治理的关键问题，对推进民航减污降碳具有重要意义。然而，由于飞机特有的四维运行特点和空地通信技术的局限性，导致污染排放的时空分布难以实时精准捕捉。为了解决这一问题，本研究提出了一种基于四维飞行航迹的飞机排放动态表征模型。相较于传统排放估计模型，该方法综合考虑了复杂工况下飞行航迹与飞机性能参数之间的非线性关系，显著提升了排放量化精度，为实现飞机污染排放实时监控提供了关键基础。同时，通过青岛胶东机场的实例研究，构建机场高分辨率的污染物排放清单，揭示了航班运行过程中不可忽视的减排潜力。本研究不仅为全面了解机场排放时空特征及其对大气环境和人体健康的影响提供了重要技术支持，还为构建环境友好型航班运行体系提供了方法和实践指导。

02 图文导读

2.1 模型构建与评估

       为深入了解航迹与飞机性能参数之间的非线性关系，本文基于机器学习方法，构建燃油流量估算模型。结果显示，与NSNT-ETR模型相比，GAT-ETR模型的RMSE、MAE和MAPE分别降低了0.04 kg/s、0.02 kg/s和7.0%。这些改进可归因于空间和时间特征的整合。与GAT-DT、GAT-RF和GAT-LightGBM模型相比，GAT-ETR模型的RMSE、MAE和MAPE分别降低了0.001~0.04 kg/s、0.0005~0.03 kg/s和0.2%~10.1%。

图1 各燃油流量模型的误差结果

       为评估实时排放估计模型性能，基于一次航班飞行数据结果进行比较。结果显示，完整飞行过程中燃油流量的RMSE为0.14 kg/s，HC、CO、NO_x、SO₂、CO₂和PM实时排放量的RMSE在0.02~455 g/s之间。同时使用ICAO标准排放计算方法计算此次飞行的排放量，结果表明，ICAO方法得出的RE范围为7.4%~292.0%，而本文方法得出的RE范围为0.3%~11.5%，极大降低了估算误差。

图2 航空排放模型计算结果

2.2 实例研究

       基于青岛胶东机场2024年7月2日至5日的航班航迹数据，并利用上述排放模型进行排放计算。结果显示，机场HC、CO、NO_x、SO₂、CO₂和PM的排放量分别为193.3、3238.0、5396.7、279.7、1342069.5和40.5 kg/d。以时间分布而言，在3点至5点期间排放量达到最低，14点至17点期间的排放量较高。以空间分布而言，地面滑行过程HC和CO的排放分别占总排放量的70.5%和67.8%；NO_x和PM的排放更集中在高空的进场和离场位置，特别是在起飞和爬升过程；此外，CO₂和SO₂排放的空间分布与燃油流量的空间分布有关，在地面排放占总排放量的28.2%。

图3 青岛胶东机场排放空间分布

2.3 与ICAO方法对比

       结果显示，本文排放计算值相比ICAO计算出的排放高出21.5%（HC）至78.4%（SO₂）。主要原因是ICAO默认参数低估了实际进近时间，而高估了实际爬升时间，进近阶段的差值在-70.0%~-85.2%之间，爬升阶段的差值在0.1%~76.8%之间；同时，ICAO高估了大多数机型的实际滑出滑入时间，滑出差值在6.5%~87.4%之间，滑入差值在2.4%~107.9%之间。此外，在滑入阶段，EEDB数据库中的燃油流量低于大部分机型的燃油流量，低估幅度从-3.6%到-39.1%。相反，在进近、起飞和爬升阶段高估大多数机型的燃油流量，在进近阶段高估1.7%~50.9%，在起飞阶段高估0.4%~46.2%，在爬升阶段高估2.2%~42.8%。

图4 青岛胶东机场运行及排放数据与ICAO比较

2.4 减排政策建议

       首先，优化飞机登机口配置。如将飞机分配至靠近跑道的登机口，最多可节省研究期间约64%的燃料，同时减少约65%的NO_x排放量。其次，优化进离场飞行程序，最多可节省约41%的燃料，并减少约62%的CO排放。再次，差异化排放管理政策对于激励航空公司采用燃油效率更高、排放更低的飞机，实现机队现代化至关重要。以青岛机场为例，如保持目前的旅客周转率，同时更换10%的机队——特别是那些在进离场过程中单位旅客油耗和排放量较高的机型（如ERJ-190），能够节约研究期间3%的燃油、减少5%~24%的污染物排放量。最后，通过有效的数据共享和实时通信，加强机场、航空公司和空中交通管理部门之间的协作，优化飞机抵离调度和管理。

03 小结

      本研究采用混合机器学习方法，提出了一种基于四维飞行航迹的飞机排放动态表征模型。研究结果表明，该方法在实时估计燃油流量和污染物排放方面具有显著优势，其精准性优于传统方法，并具备高时空解析率。与ICAO基准排放模型相比，该方法计算污染物排放的RE显著降低（低于20%），而ICAO基准排放模型估计的污染物排放的RE在7.4%~292.0%之间。基于青岛机场的实例研究表明，该方法能够准确揭示复杂工况下飞机污染物排放的时空分布规律。通过与ICAO参考值对比发现，飞机的实际运行时间和燃油流量与ICAO参考值存在显著差异，这一发现对于利用实际运行数据实现更准确的排放计算具有重要意义。此外，不同飞机类型和进离场程序的飞行时间和燃油消耗量存在巨大差异，这对于制定减排策略至关重要。例如，考虑不同跑道上飞机运行时间和燃油消耗的差异，能够通过优化飞机登机口分配策略来更有效地减少飞机排放。