文章導讀

新冠病毒 (COVID-19) 大流行對人員流動、能源消耗和氣體排放造成了全球性的沖擊。政府為保障公共衛(wèi)生而對短程出行和旅途的限制引發(fā)了前所未有的經(jīng)濟衰退，海事部門也因此受到了多方面的影響。COVID-19 早期階段，由于病毒在密閉空間的高傳染性，游輪上的疫情爆發(fā)成為了頭條新聞。此外，海上貿(mào)易的貨物需求萎縮，港口?？苛恳搽S之減少。

意大利的 Gianandrea Mannarini 及其團隊總結了歐洲渡輪 CO2 的排放與港口停泊數(shù)據(jù)和船舶參數(shù)，通過線性混合效應模型 (LME) 進行分析后證實了 2020 年單一排放量與 COVID-19 的因果關系，表明了這種方法有助于評估在外部沖擊下航運脫碳的進展。

“

研究方法與結果

研究人員通過渡輪船隊的異質(zhì)性、歐洲海洋盆地的地理分布格局以及船舶的運營方式等因素進行分析，探究了 2020 年 COVID-19 爆發(fā)后歐洲的 Ro-Pax CO2 排放的變化。作者通過 THETIS-MRV 數(shù)據(jù)集收集并分析了每個監(jiān)測年的單一 CO2 排放數(shù)據(jù)，通過 HIS 數(shù)據(jù)庫收集并分析了船舶航運相關數(shù)據(jù) (如船舶特征、其排放的地理分布及靠港次數(shù)) 進行了分析。本研究主要關注了每艘船總 CO2 排放量 (Etot) 和船舶港口停泊時的 CO2 排放 (Eber)。

作者使用 LME 模型的面板數(shù)據(jù)，處理了船舶特定影響和預測變量間的相互作用，并使用了 40 個方程的進行驗證和調(diào)節(jié)，最終選取了模型 #30 進行進一步的研究 (如下文公式所示)。

Y~(1|IMOn)+COVID*VType+COVID*DOM+COVID*nCalls

其中，y 表示 Etot 或 Eber。第一項表示特定船舶的隨機截距。VType、Dom和 nCalls 分別表示每個預測變量、 COVID 虛擬變量以及 COVID 與其他預測變量之間的所有相互作用中的線性項。

研究人員根據(jù)模型 #30 來計算 2020 年所有船舶的 CO2 排放量后發(fā)現(xiàn)，2020 年期間，一些渡輪的 Etot 相對于參考類別 (VType = 2、3、6、7和15，其中 VType = 0 即為主機功率低，載客量低，渡輪長度短，渡輪陳舊的輪船) 在統(tǒng)計上顯著減少。如圖1所示，高載客量的渡輪的 CO2 減排較高；如圖2所示，研究發(fā)現(xiàn)海洋盆地的存在僅對北海渡輪 CO2 減排產(chǎn)生顯著影響；研究發(fā)現(xiàn)是否在港口?？繉?CO2 排放未產(chǎn)生顯著影響。另外，大功率和高載客量的船體與不同船體長度上的 CO2 單一排放量呈負相關趨勢 (即較短的船體單一排放量下降了34%，而較長的卻增加了6%),

作者認為這可能是與疫情期間泊位空閑時間的不同管理方法有關。

研究總結

研究人員通過基于混合效應的線性模型統(tǒng)計并分析了 2018-2020 年間歐洲航行渡輪的 CO2 排放量，主要關注了每艘船的 CO2 總排放量和泊位排放量，探究 COVID-19 對預測變量 (海盆、靠港次數(shù)和船舶類型的復合指標) 和結果變量的影響。研究結果表明2020年船舶總排放量顯著減少，大功率、高載客量的新渡輪的泊位單位排放量存在顯著差異，且?？扛劭诘慕^對數(shù)量減少，且 2020 年其占 CO2 排放量的比例均高于 COVID-19 發(fā)生前的年排放量。

作者提出的用于評估 COVID-19 和 CO2 排放間因果關系的線性混合效應模型適用范圍較廣，可以與其他渡輪分類標準結合使用，或用來調(diào)查 COVID-19 對不同排放變量 (如碳排放強度指標)。這種方法同樣適用于識別未來不可預測沖擊后的海上排放趨勢，如新的大流行、衰退期、金融危機、政治沖突、能源供應中的技術變革或氣候變化等引發(fā)的極端事件。