碳協同減排視角下廣東省PM2.5實現WHO-Ⅱ目標策略研究

常樹誠， 鄭亦佳， 曾武濤， 廖程浩， 羅銀萍， 王 龍， 張永波

廣東省環境科學研究院， 粵港澳環境質量協同創新聯合實驗室， 廣東省區域大氣環境質量科學研究中心， 廣東 廣州 510045

改革開放以來，廣東省作為中國的南大門，持續保持著高速的經濟發展和人口增長趨勢. 截至2020年，廣東省經濟總量超11萬億元，年末常住人口達1.26億人，是目前國內經濟總量最高、人口最多的省份[1]. 而經濟和人口的持續快速增長，也給廣東省帶來了較大的大氣環境壓力. 近年來，廣東省采取了強有力的大氣污染物排放控制策略來改善空氣質量[2]. 2017年，廣東省6項主要大氣污染物濃度指標均達到《環境空氣質量標準》(GB 3095—2012)要求，實現了全面達標，PM2.5平均濃度降至33 μg/m3，超額完成了大氣污染防治考核任務. 為持續改善空氣質量，廣東省人民政府在發布《廣東省國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》[3]中明確提出：到2025年，在實況監測條件下全省PM2.5平均濃度達到25 μg/m3，即世界衛生組織第二階段過渡目標(簡稱“WHO-Ⅱ目標”). 值得關注的是，廣東省同時也面臨著末端治理潛力縮減和污染治理邊際效益遞減的現象，在實現更低的PM2.5濃度目標時也將面臨著更大的困難. 因此，廣東省實現2025年空氣質量目標策略具有一定的研究意義.

與改善空氣質量相同，應對氣候變化也是當前國內面臨的主要環境問題之一. 中國在未來幾年內將采取更加有力的政策措施，CO2排放將力爭于2030年前達到峰值，努力爭取于2060年前實現碳中和. 國際研究非常重視評估空氣質量改善和溫室氣體減排的協同效應，認為氣候變化政策對于各國尤其是發展中國家的空氣質量改善有非常重要的推動作用，政策制定需要充分發揮氣候變化政策和空氣質量政策之間的協同性[4-5]. 在化石燃料仍然占據能源結構主導地位的情況下，國內溫室氣體和主要大氣污染物排放呈現“同根、同源和同時”的特征，環境管理者開始在制度和政策層面探索應對氣候變化和改善空氣質量的“雙贏”路徑. 廣東省“十四五”規劃中也提出，2021—2025年要加大工業、能源、交通運輸等領域的CO2排放控制力度，推進溫室氣體和大氣污染物協同減排，實現減污降碳協同. 根據IPCC第五次評估報告和國際研究綜述，充分評估和優化以溫室氣體減排為核心的氣候變化減緩政策與空氣質量改善政策之間的協同性，對于降低政策成本、提高政策效率和公眾可接受度都非常重要[6].

現有針對PM2.5治理策略的研究為制定達標策略提供了參考方向[7-9]. 廖程浩等[10]對廣東省PM2.5全面達標策略進行了分析研究，結果表明產業結構調整具有不可替代的重要作用. Wang等[11]利用WRF-CAMx 模型模擬分析了近年來廣東省主要城市PM2.5來源，認為在2004—2015年廣州市、佛山市、深圳市PM2.5濃度的降低最主要得益于移動源的減排措施，且控制燃煤電廠規模對廣州市、東莞市PM2.5的改善也有較為明顯的作用. Tong等[12]以PM2.5年均濃度不高于35 μg/m3為目標研究京津冀地區達標政策路徑，結果表明，應從結構化調整和末端治理兩方面來考慮工業源、交通源和電力源等方面的減排措施. 因此，工業、交通運輸、能源方面的結構化調整和末端治理措施往往是制定區域空氣質量達標政策的主要策略. 關于其他地區大氣污染物與CO2協同減排方面也有較多研究[13-14]，如Markandya等[15]研究表明，通過電力行業減排CO2的同時可有效降低本地PM2.5濃度，尤其是在PM2.5濃度相對較高的地區. Lu等[16]分析了《大氣污染防治行動計劃》對京津冀地區大氣污染物與CO2減排的協同性，結果表明，在京津冀地區工業源用能替代措施的協同效益最強. 綜上，針對電力源、工業源等方面采取的治理措施，其大氣污染物與CO2減排協同性較好，但近幾年針對廣東省的類似研究較少.

2025年廣東省全省PM2.5年均濃度須達到WHO-Ⅱ目標濃度，并在2030年前實現碳達峰. 在碳協同減排的視角下，對廣東省PM2.5年均濃度達到WHO-Ⅱ目標的實施策略研究較為鮮見. 在此背景下，該研究將以大氣污染物與CO2協同減排為指引，以產業、交通運輸、能源的結構優化調整和末端治理水平提升為主要策略，通過空氣質量模型方法，研究制定廣東省在2025年PM2.5實現WHO-Ⅱ目標的政策路徑，分析并制定了大氣污染物與CO2的協同治理策略，以期為廣東省開展“十四五”階段大氣污染防治和碳減排工作提供參考.

1 數據與方法

1.1 方法概述

該研究以2017年為基準年，根據歷史數據和現有政策預測廣東省2025年產業、交通運輸、能源等方面的發展趨勢情景(簡稱“趨勢預測情景”)，估算該情景下全省主要大氣污染物和CO2的排放量變化，利用空氣質量模型模擬預測PM2.5濃度變化. 然后，進一步強化減排措施，利用減排措施對大氣污染物和CO2協同減排的分析方法，評估主要措施對大氣污染物和CO2減排的協同性. 優先選擇協同性較好的措施制定可達標的情景(簡稱“協同達標情景”)，估算該情景下全省主要大氣污染物、CO2排放量變化以及PM2.5濃度變化，最終形成協同減排措施建議.

1.2 空氣質量模型方法

1.2.1CMAQ模型

使用化學傳輸模型Model-3/CMAQ v5.0.2 (https://www.epa.gov/cmaq)開展情景模擬研究. CMAQ模型使用三重嵌套網格進行模擬，網格分辨率從外至內分別為27 km×27 km、9 km×9 km、3 km×3 km，最內層區域包括整個廣東省. 模型垂直方向設為14層. 模型氣相化學機制采用CB-05，氣溶膠化學機制采用AERO6[17]. CMAQ模型所用氣象數據由中尺度氣象預報模型WRF v3.9.0.1[18]模擬得出，WRF的微物理方案使用Morrison-2moment[19]，邊界層方案使用ACM2[20]，近地面方案使用Pleim-Xiu[21]. WRF的輸入數據使用美國國家環境預報中心(NCEP)的FNL數據，并結合對應時段的探空觀測數據和地面站觀測數據進行同化處理. 利用MEIC v1.3中國大陸清單[22]與EDGAR v4.2-HTAP v2全球清單[23]制作人為源排放清單用于外層(d01和d02層)模擬. 第三層模擬區域使用2017年廣東省高分辨率人為源大氣污染物排放清單，清單基于活動水平和排放因子的“自下而上”方法計算得出[24]，廣東省SO2、NOx、PM、VOCs和CO2的排放總量約為45×104、119×104、127×104、99×104和46 842×104t. 模型自然源排放輸入數據由MEGAN v2.10制作[25]. 以2017年為基準年開展全年模擬，情景研究中將通過結構調整指標、末端治理水平指標等調整情景清單后開展模擬. 模擬研究中基準情景及案例情景所用氣象輸入數據均為2017年數據.

1.2.2模擬評估

由于研究內容只涉及廣東省及省內城市的PM2.5年均濃度值，在模擬評估時僅對各城市和全省的PM2.5年均濃度開展對比評估. 提取2017年基準情景模擬結果中對應全省所有環境空氣質量國控監測站點網格的PM2.5濃度數據，計算得出省內所有城市的年均濃度模擬值，并與相應的監測值進行對比. 所使用監測值均為實況濃度值. 空氣質量監測數據來自廣東省生態環境廳公眾網(http://gdee.gd.gov.cn).

1.2.3濃度換算方法

由于模擬結果往往與實際監測結果存在一定誤差，使其不能直接用于表征實際濃度值. 在預測案例情景中PM2.5年均濃度時，先利用案例情景模擬結果結合基準情景模擬結果獲得城市年均濃度相對變化率，之后乘以基準年年均濃度監測值獲得濃度預測值，計算公式：

Ci=Oi×(Msi/Mbi)

(1)

式中：Oi表示城市i的PM2.5年均濃度監測值，μg/m3；Mbi表示基準情景下城市i的PM2.5年均濃度模擬值，μg/m3；Msi表示案例情景下城市i的PM2.5年均濃度模擬值，μg/m3；Ci表示案例情景下經換算后城市i的PM2.5年均濃度預測值，μg/m3.

1.3 未來發展趨勢預測方法

采用彈性系數法、多元線性回歸法和Logistic模型對2025年產業、交通運輸的主要參數進行預測，所需歷史數據主要來自2005—2020年《廣東統計年鑒》. 能源發展參數中，能源消費結構預測主要來自《廣東省國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》[3]；能源消費總量預測主要通過2025年產業、交通等方面的預測結果乘以對應的能耗水平估算得出，其中，能耗水平采用廣東省“十三五”階段工業、交通能耗數據.

1.3.1彈性系數法

通過分析經濟活動的發展變化規律以及與需求參數的關系，可以相對準確地獲得需求參數的變化規律，可用于預測各行業工業增加值、產品產量、機動車保有量、客貨運量等需求參數[26]. 以機動車保有量的預測為例：

Pk=P2017(1+αk)k-2017(k∈[2018,2025]) (2)

αk=ε×βk

(3)

(4)

式中：Pk為k年區域的機動車保有量，以2017年為基準年，P2017代表2017年區域的機動車保有量；αk為機動車保有量的年增長率，使用2005—2017年歷史數據計算得出；ε為彈性系數；βk為k年區域的GDP年增長率.

1.3.2多元線性回歸分析法

多元線性回歸分析可用于交通運輸需求中客貨運量的預測[27]. 選擇主要經濟社會發展參數，通過逐步回歸，得到隨機變量與一般變量的線性回歸模型：

Y=θ0+θ1x1+θ2x2+…+θnxn

(5)

式中：θ為回歸系數；Y為客運量(單位為人次)或貨運量(單位為t)；xn為主要經濟社會發展參數，該研究選用人均GDP、人口、城鎮化率、第二產業占比、大宗貨物的產品產量(如水泥產量等)作為變量.

1.4 協同性分析方法

評估減排措施的協同性時，需計算減排措施產生的大氣污染物和CO2減排分擔率[28]，某一措施的減排分擔率為該措施產生的減排量與采取所有措施產生的總減排量的比值.

計算某一措施CO2減排分擔率時，直接使用該措施減排量；計算某一措施大氣污染物的減排分擔率時，該措施減排量采用大氣污染物當量(E)：

E=AQSO2+BQNOx+CQPM

(6)

式中：A、B、C分別為大氣污染物排放量折算系數，采用污染當量值，數值來自《中華人民共和國環境保護稅法》；QSO2、QNOx和QPM分別代表某措施產生的SO2、NOx和PM減排量，t.

2 結果與討論

2.1 模擬結果驗證

廣東省所有城市PM2.5年均濃度模擬驗證結果如圖1所示. 由圖1可見：各城市PM2.5監測值處于25～37 μg/m3之間，全省平均值為28 μg/m3；PM2.5模擬值處于23～35 μg/m3之間，全省平均值為30 μg/m3. 全省歸一化平均偏差約為-7.1%，平均誤差為4.1 μg/m3，總體模擬效果較好.

注： 虛線為50%誤差線. 圖1 廣東省各城市PM2.5年均濃度模擬準確性驗證Fig.1 Accuracy evaluation of simulations for PM2.5 annual mean concentrations in cities of Guangdong Province

2.2 發展趨勢預測

經預測，2025年廣東省產業結構、交通運輸結構、能源結構和末端治理水平均較2017年有一定變化，即趨勢預測情景(見表1). 產業結構方面，2025年全省生產總值將達14×1012元[3]，較2017年增長約5×1012元；由于第三產業的快速增長，2025年第二產業占比預計將減至37.3%，新興產業[29]增加值占工業增加值的比例將增至58.0%. 交通運輸結構方面，2025年全省貨運量將達51×108t，較2017年增長約11×108t，客運量約17×108人次，較2017年增長約2×108人次，其中，鐵路、水路貨運占比分別升至2.2%和27.4%，鐵路、民航客運占比分別升至30.4%和9.7%，公交電動化比例達100.0%，出租車新能源化比例達98.0%，新能源車占新車銷售比例約9.0%. 能源結構方面，2025年全省能源消費總量將達4.42×108t (以標準煤計)，一次能源供應中煤、油、氣、電分別占30.1%、24.6%、17.9%、27.4%. 末端治理方面，2025年將達到《廣東省打贏藍天保衛戰實施方案(2018—2020年)》[30]中污染源治理要求.

表1 各情景下的結構性調整要素

基于上述條件，趨勢預測情景中全省SO2、NOx、PM、VOCs和CO2的排放總量較2017年的變化率分別為-3.3%、-6.4%、-16.1%、-8.6%和22.0%(見圖2). 經空氣質量模型模擬后，預測全省PM2.5平均濃度將達26.9 μg/m3，無法達到WHO-Ⅱ目標，珠三角、粵東、粵西和粵北地區PM2.5濃度分別達27.7、25.0、25.6和27.7 μg/m3(見圖3). 空間分布上，個別城市(如肇慶市、佛山市、東莞市等)內PM2.5年均濃度仍大于30 μg/m3. 為使全省PM2.5達到WHO-Ⅱ目標，應適當加大減排力度.

圖2 2025年各情景下主要大氣污染物和CO2排放量較2017年的變化率Fig.2 Change rate of major air pollutants and CO2 emission under different scenarios in 2025 compared to 2017

圖3 廣東省及省內主要地區在各情景下PM2.5年均濃度變化情況Fig.3 Changes in PM2.5 annual mean concentrations under different scenarios in Guangdong Province and its main regions

2.3 大氣污染物與CO2協同減排分析

在趨勢預測情景基礎上，可進一步加強產業、交通運輸、能源結構調整以及末端治理力度，對進一步可采取的減排措施帶來的大氣污染物和CO2減排率的協同性進行分析.

ΔPm/ΔP代表某項措施對大氣污染物減排的分擔率，ΔCO2m/ΔCO2代表某項措施對CO2減排的分擔率，此處m代表某項措施. 將(ΔPm/ΔP)/(ΔCO2m/ΔCO2)處于0.5～2.0之間的措施定義為減排協同性強的措施，該值越接近1，則減排協同性越強. 由圖4、表2可見：在用車輛更新的減排協同性最強，減排效果相對較好，對大氣污染物和CO2的減排分擔率分別為17.7%和14.0%；產業結構調整的減排協同性強，且具有較大的減排潛力，對大氣污染物和CO2的減排分擔率分別為55.5%和30.8%；發電結構調整的減排協同性強，但其減排效果一般，對大氣污染物和CO2的減排分擔率分別為6.8%和11.9%；運輸結構調整減排協同性較強，但減排效果較低，對大氣污染物和CO2的減排分擔率分別為3.8%和9.3%；工業用能變化的減排協同性一般，對CO2的減排效果優于對大氣污染物的減排效果，對大氣污染物和CO2的減排分擔率分別為3.9%和33.9%；工業末端治理的減排協同性較弱，對大氣污染物的減排效果優于對CO2的減排效果，對大氣污染物和CO2的減排分擔率分別為12.2%和0. 在滿足PM2.5達到WHO-Ⅱ目標的基礎上，選擇協同達標策略時應優先考慮在用車更新、產業結構調整等協同性較好、減排潛力較大的措施.

圖4 不同措施主要大氣污染物與CO2減排協同性分析Fig.4 Analysis of the synergy of emission reductions by different measures for major air pollutants and CO2

筆者研究結果與其他地區大氣污染物和CO2的減排協同性研究成果既有同一性也有差異性. Markandya等[15]研究表明，電力行業治理相關措施大氣污染物與CO2減排的協同性較好，與筆者研究中發電結構調整的減排協同性較強的結論接近. Lu等[16]研究表明，采取工業用能替代策略的協同性最強，而筆者研究中工業用能變化的減排協同性一般，對CO2的減排效果明顯優于對大氣污染物的減排效果，這可能與地區產業結構和能源消費結構等方面的差異有關.

表2 大氣污染物主要治理措施與CO2減排協同性分析

2.4 達標路徑分析

基于以上分析，在趨勢預測情景的基礎上強化減排力度，并盡可能采用協同性較強的措施，制定出廣東省2025年PM2.5達到WHO-Ⅱ目標的情景，即協同達標情景(見表1). 在產業結構方面，2025年全省生產總值不變，第二產業占比縮減至36.9%，其中，新興行業占工業增加值的比例達62.5%，傳統行業[31]產能淘汰10%. 交通運輸結構方面，2025年全省客貨運量保持不變，鐵路、水路貨運占比提至2.4%和29.0%，鐵路、民航客運占比分別達31.0%和9.4%；出租車新能源化比例升至100%，新能源車占新車銷售比例升至20%. 能源結構方面，全省能源消費總量將達4.27×108t(以標準煤計)，一次能源供應中煤、油、氣、電占比分別為26.9%、24.0%、20.2%、28.9%. 對于工業末端治理，在工業爐窯治理方面，將C級工業窯爐提至B級或淘汰[32]，水泥爐窯實施超低排放改造；工業鍋爐方面，10～35 t/h燃煤鍋爐進行超低或清潔化改造，35 t/h以下進行生物質鍋爐超低排放或清潔化改造，4 t/h燃氣鍋爐低氮燃燒改造完成率為80%，燃油鍋爐低氮或清潔化改造，且35 t/h以上生物質鍋爐超低排放改造完成率為70%；工業VOCs治理方面，各重點行業源頭替代比例升至10%～30%，重點行業VOCs綜合治理效率為40%～60%.

基于以上條件下，協同達標情景中全省SO2、NOx、PM、VOCs和CO2的排放總量較2017年的變化率分別為-13.7%、-19.4%、-21.8%、-20.3%和13.6%(見圖2). 經空氣質量模型模擬后，預測全省PM2.5平均濃度達24.6 μg/m3，達到WHO-Ⅱ目標值，珠三角、粵東、粵西和粵北地區分別達25.2、23.2、23.2和25.3 μg/m3(見圖3). 在空間分布上，與趨勢預測情景相比，協同達標情景中PM2.5濃度較高地區的PM2.5濃度有明顯下降. 由表3可見，協同達標情景中采取的各強化減排策略帶來的減排效益不同，其中，對SO2、NOx、PM和CO2產生減排效益最大的措施均為產業結構調整，對VOCs產生減排效益最大的措施為工業治理減排.

表3 從趨勢預測情景到協同達標情景各措施減排貢獻

3 結論

a) 以2017年為基準年，在經濟社會活動水平發展趨勢和現有末端治理要求下，預測2025年廣東省SO2、NOx、PM、VOCs和CO2的排放總量較2017年的變化率分別為-3.3%、-6.4%、-16.1%、-8.6%和22.0%，PM2.5年均濃度為26.9 μg/m3，無法達到WHO-Ⅱ目標. 在協同達標情景下，預測2025年廣東省SO2、NOx、PM、VOCs和CO2的排放總量較2017年的變化率分別為-13.7%、-19.4%、-21.8%、-20.3%和13.6%，PM2.5年均濃度為24.6 μg/m3，可達到WHO-Ⅱ目標值.

b) 2017—2025年廣東省可采取的進一步措施中，產業結構調整和在用車輛更新對常規大氣污染物與CO2減排的協同效應強且減排潛力較大，發電結構調整的協同效應強但減排潛力一般，運輸結構調整的協同效應較強但減排潛力較低，工業用能變化的協同效應一般但對CO2減排效果相對較好，工業末端治理的協同性較弱，但對大氣污染物減排效果相對較好.

c) 為確保2025年全省PM2.5年均濃度達到WHO-Ⅱ目標，應進一步強化大氣污染物減排，建議優先考慮產業結構調整、在用車輛更新等常規大氣污染物與CO2減排協同性較好且減排潛力較大的措施.