气候约束下时空航运能源消耗的生成式建模框架

《Journal of Transport Geography》：A generative modeling framework for spatial-temporal shipping energy consumption under climate constraints

　　

摘要

航运能源转型是海运脱碳的主要组成部分，然而航运能源消费 (SEC) 的政策路径、潜在驱动因素和区域异质性仍未得到充分刻画。利用政府间气候变化专门委员会第六次评估报告 (IPCC AR6) 情景数据库的情景数据，本研究开发了一个整合框架，将可解释机器学习 (ML) 与生成式建模相结合，以考察 2020–2050 年间的全球和区域 SEC 路径。该框架整合了路径聚类、共线性筛选和驱动因素识别，以评估变分自编码器 (VAE) 生成的情景相对于原始情景空间的结构保真度。结果表明，VAE 在双向标签转移和关键变量一致性测试中表现出强劲的性能，表明其能够保留核心情景结构。在区域上，严格的气候政策情景通常与较低的能源消费路径相关，而弱约束情景倾向于维持较高水平，情景组之间的分歧在 2030 年后变得明显。在时间上，SEC 路径的差异表现出明显的阶段依赖异质性。这些发现表明，航运能源消费的差异反映在不断演变的驱动因素结构、路径分歧和不确定性范围内。所提出的框架为时空脱碳战略和长期能源规划提供了支持。

引言

海运支撑着全球经济的运转，承载着约 80% 的国际商品贸易量，并维系着日益复杂的跨区域供应链。¹ 然而，减少其环境影响仍然极其困难。根据第四次国际海事组织 (IMO) 温室气体研究，2018 年航运在全球人为二氧化碳 (CO?) 排放中的占比上升至 2.89%，而在基于航次的核算方法下，2012 年至 2018 年间国际航运 CO?排放量有所上升。² 最近，2023 年 IMO 温室气体战略为航运部门设定了加强的政策方向，旨在到 2050 年左右实现国际航运温室气体净零排放，并设定了 2030 年和 2040 年的指示性减排检查点，目标是到 2030 年零排放或近零排放燃料占能源使用的比例至少达到 5%，力争达到 10%。³ 2025 年批准 IMO 净零框架草案，包括针对大型远洋船舶的燃料标准和定价机制，表明海运脱碳正从长期愿景向实施导向的监管转变，尽管政策谈判仍在进行中。⁴

大量研究考察了航运排放如何通过技术、运营、燃料相关和市场基础措施得到减少 (Bouman et al., 2017; Balcombe et al., 2019; Serra and Fancello, 2020)。这些结果表明，没有单一措施足以实现深度脱碳，未来的路径取决于替代燃料、能效提升、船队运力更新、基础设施部署和速度管理的组合。虽然这些研究阐明了海运脱碳可用的技术和政策选项，但它们揭示了一个更深层的分析问题。不能仅从排放结果中充分理解脱碳路径。相似的排放目标可能对应非常不同的能源需求结构，这取决于减排是通过能效提升、需求调控、燃料切换、电气化还是使用合成燃料来实现的。因此，考察 SEC 提供了排放结果和减缓措施之间必要的中间视角。

与仅排放不同，SEC 捕捉了航运部门能源需求的规模和结构，这是在最终碳结果确定之前 (Chen et al., 2025; Xu et al., 2025a)。它不仅反映运输活动，还反映能源利用和需求方面的政策变化。因此，低碳路径涉及不同的 SEC 结果，具体取决于航运脱碳是通过需求减少、效率提升、燃料切换、支持系统电气化还是使用低碳合成燃料来实现的。对于长期规划，这种区分很重要。港口、燃料供应商、电网运营商和政策制定者不仅需要知道必须减少多少碳，还需要知道未来航运能源需求如何在区域和时间上分布。

尽管具有重要性，但 SEC 的驱动机制、区域异质性和政策路径仍未得到充分刻画。现有的情景研究通常将航运作为综合运输或能源系统模块的一部分，而更详细的海运研究往往集中在特定的船型、路线、燃料或监管工具上 (Schrooten et al., 2009; Kong et al., 2023)。因此，关于 SEC 路径在不同气候政策雄心组别之间有何不同、哪些能源系统变量驱动这些差异，以及区域路径在中期到长期是否分歧的证据仍然有限。这一差距特别相关，因为航运转型不太可能遵循单一的全球轨迹。贸易和能源需求快速扩张的地区可能面临 SEC 持续上涨的压力，而监管能力更强、低碳能源系统更好以及燃料替代条件更好的地区则更早转向低消费路径。

IPCC AR6 情景数据库为在统一全球情景框架内考察这些问题提供了有用的基础。该数据库汇编了广泛减缓假设和模型下的能源、排放、社会经济学和部门路径。⁵ 其气候类别，从严格到弱减缓结果，使得在不同水平的气候政策雄心下比较 SEC 演变成为可能 (Trosvik and Brynolf, 2024; Bullock et al., 2025)。然而，通过该数据库进行航运能源分析也涉及方法论挑战。情景覆盖范围因变量和地区而异，许多候选驱动特征强相关，且在时间和变量筛选后区域样本相对有限。这些特征使得简单的描述性比较不足以识别稳健的驱动因素结构。

为解决这些问题，本研究开发了一个整合框架，将可解释机器学习与生成式建模相结合，以考察 2020–2050 年间的全球和区域 SEC 路径。该框架首先通过聚类识别 SEC 路径类型，根据覆盖范围和共线性筛选候选变量，然后互补使用随机森林 (RF) 和沙普利加性解释 (SHAP) 来识别核心驱动因素并解释其影响方向。RF 用于捕捉非线性关联并排序影响变量，而 SHAP 有助于解释特征是否以及如何促成较高或较低的 SEC 路径。本研究进一步评估生成模型是否可以在不扭曲 AR6 情景原始结构的情况下扩展情景空间。使用双向标签转移测试和关键变量一致性检查比较了三种模型，VAE、GRU-VAE 和 MMD-VAE。这一验证步骤至关重要，因为只有合成情景保留了原始数据中的主要气候类别结构、路径分层和特征 -SEC 关系时，它们对政策分析才有用。

本研究在三个方面为海运脱碳文献做出了贡献。首先，它将注意力从仅排放转移到 SEC，从而为航运转型的能源负担提供了系统层面视角。其次，它将 AR6 气候情景数据与可解释 ML 联系起来，以识别特定区域的驱动因素及其方向效应。第三，它在通过合成情景进行实证分析之前测试了生成情景的结构一致性，降低了将不保留原始情景空间逻辑的合成路径进行解释的风险。结果表明，严格的气候政策情景通常与较低的 SEC 路径相关，而弱约束情景倾向于维持较高水平。情景组之间的差异在 2030 年后变得更加明显，区域异质性不仅反映在最终能源消费水平上，还反映在路径分歧、不确定性范围以及不断演变的驱动因素结构中。

本研究的其余部分总结如下。第 2 节综述了相关文献并确定了研究差距。第 3 节展示了数据和相应来源。第 4 节介绍了总体研究框架和方法论。第 5 节报告了超参数敏感性分析和实证结果。第 6 节总结了管理启示和未来研究方向。

章节片段

文献综述

预测 SEC 需要与三个相互关联的文献体系接触。首先，关于航运能源转型的研究为评估海运脱碳路径提供了基础。其次，专注于如何表征和解释 SEC 情景中的区域异质性。第三，考察如何将可解释 ML 与生成式建模相结合，以在保留有意义的结构关系的同时扩展情景分析。

数据来源

分析在全球和区域两个层面进行，涵盖一个全球样本和五个地区，如表 1 所示。这种区域分类与综合评估模型中常用的 AR6 情景数据库一致，使得能够在统一的情景框架内比较不同的航运能源转型路径。研究期间从 2020 年到 2050 年，数据按五年间隔报告。这种时间分辨率适合捕捉

方法论

本研究开发了一个四步分析框架，用于 SEC 的情景扩展和区域异质性识别，如图 1 所示。首先，本研究从 AR6 情景数据库中提取 SEC 和相关候选特征，并从全球和区域视角构建可比样本。进一步，使用轨迹相似性对气候类别进行分组，并通过相关性筛选、冗余控制和重要性分析选择核心驱动特征。

实证分析

本节提出了 SEC 情景演化背后的驱动机制和时空异质性的实证分析。首先，它在全球和区域尺度上识别 SEC 变化的核心驱动因素，以考察其影响方向。其次，它调查了驱动特征在不同情景组中的贡献模式和时间动态。最后，它揭示了航运能源转型路径的时空异质性

结论

本研究开发了一个整合框架，用于识别和扩展 SEC 情景，将可解释 ML 与生成式建模相结合，利用 IPCC AR6 情景数据库的数据。聚焦于全球和区域层面，研究首先基于 RF 和 SHAP 识别候选特征。然后，我们通过双向标签转移和关键关系一致性测试比较了 VAE、GRU-VAE 和 MMD-VAE 模型的预测性能。最后，生成的情景

CRediT 作者贡献声明

Yejun Liu: 写作 – 初稿，可视化，软件，形式分析。Lang Xu: 写作 – 审阅与编辑，方法论，资金获取，概念化。Jihong Chen: 项目管理，资金获取。Shanshan Fu: 写作 – 审阅与编辑，监督，资金获取。

致谢

本研究得到了上海市浦江人才计划 (25PJD051)、外国专家事务项目(H20240460)、国家自然科学基金(52302393) 资助的支持。

Yejun Liu|Lang Xu|Jihong Chen|Shanshan Fu

上海海事大学交通与物流学院，中国上海