情景分析技术在制定区域大气复合污染控制方案中的应用研究

王淑兰 云雅如 胡 君 柴发合 段菁春 张敬巧

（1. 中国环境科学研究院，北京 100012；2. 长沙环境保护职业技术学院，长沙 410004）

情景分析技术在制定区域大气复合污染控制方案中的应用研究

王淑兰1云雅如1胡 君2柴发合1段菁春1张敬巧1

（1. 中国环境科学研究院，北京 100012；2. 长沙环境保护职业技术学院，长沙 410004）

目前我国区域性大气复合污染日益严重，迫切需要明晰的控制技术路线指引。本文尝试将情景分析技术应用于区域复合污染控制方案制定中。建立了包括确定主题、驱动力筛选、驱动力预测、排放量预测和情景构建等步骤的情景设计方法。并利用本文建立的方法，详细介绍了在构建区域大气复合污染压力-状态-响应模型的基础上，利用主要驱动力与压力之间的数学关系，进行驱动力预测、构建基线情景和控制情景的方法。讨论了在制定区域协同控制方案过程中，确定满足区域总量控制目标的分区减排原则，并提出实现区域协同控制区域性大气复合污染的控制目标的分区削减方案情景设计的方法建议。

情景分析；区域；复合污染；控制；决策；应用

1 引言

“情景分析法”（Scenario Analysis）是在对经济、产业或技术的重大演变提出各种关键假设的基础上，通过对未来详细地、严密地推理和描述来构想未来各种可能的方案。由于该方法充分考虑了外界环境发生变化的可能性及变化给研究主体带来的影响，有效的结合了定量与定性分析，摆脱了传统意义上基于简化影响因素和单一趋势估计的定量预测思想的束缚。增加了预测结果对现实中可能出现的多种趋势的解释能力。20世纪40年代末美国兰德公司首先将情景分析法应用于军事领域，此后该方法得到迅速发展。我国于20世纪90年代将该方法引入到预测领域，目前已在能源、资源利用、交通运输、气候变化和污染物减排等环境相关领域得到了广泛的应用。

近年来，随着我国经济的高速发展，快速的城市化进程和工业结构转变过程中，大气污染物超强度集中排放，导致我国大气污染表现出一次污染和二次污染、无机污染和有机污染、城市污染和区域污染共同存在的污染特征，对公众健康和生态系统安全产生危害。现阶段基于这些复杂问题的成因和特征，迫切需要明晰的控制技术路线指引，而在制定可供优化比选的多种措施组合的大气污染控制方案中，情景分析技术可以发挥作用。

2 区域复合污染情景设计方法与步骤

本文尝试将情景分析技术应用于区域复合污染控制方案制定中，利用情景分析法的相关步骤，基于压力—状态—响应模型，构建区域大气复合污染控制情景设计技术方法，在扩展情景分析法在我国的应用领域的同时，为解决我国现阶段面临的大气环境问题提供辅助决策工具和手段。参考欧洲清洁空气行动（CAFE）计划，综合该方法在不同领域构建情景的经典步骤，结合我国经济发展现状和大气环境污染的特征，构建区域复合污染控制决策基线情景预测的4个步骤，具体包括：（1）确定主题；（2）驱动力识别和筛选；（3）驱动力预测；（4）污染物排放量预测；（5）构建情景。

2.1 情景设计主题确定

改革开放以来，随着我国国民经济的飞速发展和城市化进程的逐步加速，以城市群为龙头和单元的区域性国际化竞争态势成为焦点和主流。目前我国在区域经济上逐渐形成了包括京津冀、长三角、珠三角等在内的十大城市群。城市群所占土地面积不足全国的十分之一，却贡献了52.83%的GDP。城市群的迅速形成及扩大，使我国的大气污染从煤烟型污染向煤烟型和机动车尾气型污染相复合转变。同时伴随着工业化进程加快，金属冶炼、石油化工、垃圾焚烧等特殊工业行业还排放多种有害特征污染物。在城市和区域内部，各类排放源在不同的高度、不同的地理位置、排放多种污染物，构成了复杂的大气污染排放结构，导致发达国家经历的近百年的环境污染问题在我国近一二十年内集中爆发，构成了我国复杂的区域大气污染体系。这种由多种来源的多种污染物在一定的大气条件下（如温度、湿度、阳光等）发生多种界面间的相互作用、彼此耦合构成的复杂大气污染体系，就是复合型大气污染。

区域复合污染的突出特征表现为环境空气中SO2、NOX、PM10、PM2.5、O3等多污染物高浓度同时出现。因此，基于我国区域大气复合污染的典型特征，本文将控制环境空气中SO2、NOX、PM10、PM2.5、O3等污染物浓度作为情景设计主题。

2010年国务院办公厅转发环境保护部等部门《关于推进大气污染联防联控工作改善区域空气质量指导意见》中明确指出“到2015年，建立大气污染联防联控机制，形成区域大气环境管理的法规、标准和政策体系，主要大气污染物排放总量显著下降，重点企业全面达标排放，重点区域内所有城市空气质量达到或好于国家二级标准，酸雨、灰霾和光化学烟雾污染明显减少，区域空气质量大幅改善。”在《国家环境保护“十二五”规划》中，这一目标再次得到重申。因此，本研究以寻求解决区域大气复合污染问题的决策支撑为主题，以构建解决这一复杂问题的方法论体系为主要内容。

2.2 驱动力识别和筛选

大量研究表明，压力—状态—响应（Pressure-State-Response，PSR）框架模型是一种从指标产生的机理方面着手构建指标体系的方法，具有明显的因果关系。就区域大气复合污染问题而言，这一系统首先从状态开始，即人们对其所处环境的空气质量有所感知，感知途径主要包括多种污染物的质量浓度和能见度等，在此基础上形成空气质量优良与否的环境认知。在确定空气质量无法满足客观要求的情况下，反推其来源即污染物的排放，进而确定压力指标。响应是人类对系统平衡被打破后所采取的行动，主要表现在相关的污染物减排措施和政策法规、管理办法等方面，响应通常可以在三个时段发生，分别是确定状态之后、确定压力之后和确定驱动力之后，但是在驱动力明确之后进行的响应可以取得最好的污染控制效果。

图1 区域大气复合污染的P-S-R模型框架

2.2.1 状态指标

状态指标是指能够表现客观实际情况的大气环境质量要素，主要包括大气中各种污染物的浓度、浓度超标率、达到国家空气质量二级标准的天数、空气质量优良天数等，而大气环境容量则体现了环境政策的极限目标。

各类排放源排放的污染物在大气中经过复杂的大气物理和化学过程导致环境问题的出现，影响人体健康和生态系统的安全。借鉴CAFE（Clear Air For Europe）中“多种污染物/多种污染损害”的概念，分析大气中不同污染物对不同环境问题的影响程度和关联性，从而获得可以用以表征区域环境空气质量问题的状态指标，如下表所示。

表1 环境问题的关键影响因子筛选—状态指标的确定

多污染物通过多种过程相互作用，产生不同尺度和不同类型的污染现象，在发展中国家快速经济发展和城市化的区域，即表现为大气复合污染。由于不同污染物分别对不同的环境问题产生影响，且每一类环境问题都体现出了多种污染物联合影响的特点，因此，针对区域大气复合污染的问题，应选择尽可能多的污染物种类，并利用浓度加以表征。就我国而言，导致煤烟型污染的SO2和颗粒物，汽车尾气污染的重要成分NO2，导致大气能见度降低，灰霾产生的细颗粒物，导致酸雨问题的SO2和NO2，以及臭氧本身均能够代表现阶段我国大气复合污染的主要特点。因此，本文确定SO2、NO2、O3、PM2.5和PM10浓度作为状态指标。

2.2.2 压力指标

“压力”用以表征直接导致现有环境状况出现的诱因，即污染物排放量。大气污染物具有天然的和人为的两种源。人为源主要是指人类生产、生活活动向大气输送污染物的发生源，包括燃料燃烧、工业排放、固体废弃物燃烧、农业活动排放和生物质燃烧。这些活动向大气中排放多种有害物质，造成局部和区域的大气污染。天然源与人为源相比，所产生的污染物种类相对较少，浓度也较低。

现阶段，我国大部分区域在SO2和颗粒物污染尚未完全解决的情况下，以O3和细颗粒物为代表的二次污染日趋严重，臭氧的产生主要是由于氮氧化物和挥发性有机物在阳光中紫外线照射下发生复杂的化学反应。而一半以上的PM2.5主要来自大气化学过程，同时臭氧增加导致的超强氧化性则进一步促进了二次颗粒物的形成。基于前述状态指标筛选结果，建立状态指标与压力指标之间的关系对应关系，将形成大气复合污染的一次污染物，即SO2、NOX、PM、VOC和NH3等的排放量划定为压力指标。如下表所示。

表2 压力指标与状态指标的关系分析

2.2.3 响应指标

响应指标是指人类对已察觉的或潜在的大气复合问题所采取的主要对策。人类活动的主体及各级政府和环保部门，根据污染状况做出响应，实施污染控制措施。与此同时，这一响应将调整环境系统的压力，进而改善环境系统的状态，使环境质量得以改善。

对于响应指标而言，其衡量的标准即为控制效果，而控制效果的大小则最终要落实到具体污染物排放量削减上。因此，要对响应指标进行筛选，首先要尽可能的搜集研究区域主要的环境和大气污染控制政策和措施，在此基础上利用专家打分法和权重分析法相结合的方式，分别对环境政策取得的减排效果和污染物排放量与空气质量浓度之间的示意关系，赋予不同的分值和权重，将结果对应相乘获得的值作为最终的打分结果，依据分值的大小进行排序，作为该区域优先控制污染物排放的顺序，如表3所示。

表3 专家打分表

2.2.4 驱动力识别

驱动力独立于P-S-R系统以外，是指人类为满足自身生存和发展需要所进行的生产和生活活动，是涉及社会、经济、自然等多个方面的复杂的体系。在理想状态下，当驱动力保持在一定的变化幅度内，压力会维持一个自我平衡，进而促进整个系统的正常运转。近年来随着我国经济的高速发展，人口的持续增长，能源消耗量快速增长，导致污染物排放量的增加（压力），致使环境空气质量下降（状态），对人体健康和生态系统安全造成威胁，人类据此采取相应的措施以减缓或控制威胁的进一步升级（响应），促使系统实现新的平衡。

基于上述原因，为满足区域城市群当前和未来的大气复合污染控制战略需求，在综合考虑环境敏感性的基础上，以科学性、层次性、独立性和综合性、可获取性和可定量性为原则，采用穷举法对可能产生SO2、NOX、VOC、颗粒物、NH3等多项压力指标的驱动力及其影响因素一一列举和汇总。

表4 驱动力及其影响因素列表

自然条件、经济发展、能源消耗和人口经济发展水平是导致污染物排放的四大类影响因素，其中，经济发展水平主要通过产业结构和GDP等指标来衡量，从产业结构来看，主要包括农业生产、工业生产和包含交通运输业在内的第三产业，现阶段我国工业GDP产值最高，其次是第三产业和农业。人口发展水平的主要表征指标包括人口数量、增速和比例等。能源消耗直接参与污染物排放过程，驱动力水平影响因素包括能源消耗量、能源结构、能源消耗强度。自然条件则包括能够产生污染物的天然源、影响污染物扩散和传输的地形地貌和气象条件等。

2.2.5 驱动力筛选

在对驱动力进行识别的基础上，利用Spearman等级相关系数法，筛选对区域复合污染水平和进程具有显著影响的关键社会发展因子，公式如下所示：

依据秩相关系数临界值判断影响因素与污染物之间的线性相关关系，确定研究区域大气复合污染的主要驱动力。从我国现阶段大气复合污染控制的角度来看，自然条件对压力指标造成影响，但在一定程度上属于不可控因素，超出可控范围，因此从控制角度不予考虑。就能源消耗而言，考虑到在能源消耗强度不变的情况下，消耗量的大小取决于经济发展速度，是经济利益驱动下的一种表现形式，因此其对压力指标的驱动层次低于经济发展水平和人口。经济发展水平和人口是两个重要的驱动力，可分别通过GDP和常住人口数量指标来衡量。产业结构、人口增长比例，能源消耗可作为第二层次的驱动力，用于控制措施设计的着眼点。

声光可调-近红外光谱法快速测定丹参药材中隐丹参酮的含量 ……………………………………………… 苏 婷等（8）：1044

2.3 驱动力预测

在驱动力筛选的基础上，尽可能获得驱动力演变的较长时间序列，通常为10年以上。以所获得的数据为基础，在充分考虑研究区域和国家中长期发展规划对主要驱动力未来发展方向构想和计划的前提下，预测情景年驱动力的变化趋势。其中，GDP预测建议使用ARIMA模型，人口预测建议采用灰色GM模型预测。

2.3.1 GDP预测

ARIMA模型也称为Box-Jenkins模型，是Box和Jenkins与1970年提出的以随机理论为基础的时间序列分析方法，其模型结构为：

在利用ARIMA模型进行情景年预测之前，可首先利用现有数据进行预测检验，即预测已发生年的GDP情况与实际值的差距，以确定公式中的p，d，q值。

2.3.2 人口预测

考虑到经济发展水平和人口两大驱动力在我国的客观实际情况，建议在分别获得两者情景值的基础上，以人均GDP为主要预测因子，进行污染物的预测。

2.4 污染物预测

根据实际排放量变化分析技术影响的关键问题是如何从实际排放量中分离出技术决定的分量。采用分析时间序列的统计学方法，将实际排放量分解为趋势排放量和波动排放量两个部分，认为时间趋势排放量反应历史时期经济发展水平的长周期的污染物排放量，排放量波动的部分主要反应技术要素影响的排放量。

将驱动力因子和主要污染物排放量数据的长时间序列导入到相关数据统计软件中，利用曲线分析方法，获得两者的关系式，以情景年驱动力因子数值为自变量，获得不同污染物情景年的排放量数据。预测方法如下：

首先绘制自变量和因变量间的散点图，然后通过数据在散点图中的分布特点选择所要进行回归分析的类型，考虑到不同污染物与驱动因子之间关系的差异，采用曲线估计的方法，同时选择多种模型，利用统计软件自动完成模型的参数估计，并显示R2、F检验值、相伴概率值等统计量，最后，选择具有R2统计量值最大的模型作为此问题的回归模型，并完成预测。

2.5 构建情景

2.5.1 基线情景构建

基线情景是指对按照基准年的生产力技术和污染控制水平预测未来发展过程中经济活动水平、能源消耗状况、交通运输状况、溶剂和燃料的使用状况及生产和其他人类活动状况的描述。基线情景的核心主要是对两类指标预测和计算过程：一是社会经济发展指标；二是污染物排放量指标。基线情景中污染控制技术水平指标、环境管理政策类指标采用与基准年相同的水平。

基线情景的建立要依赖于对驱动力的预测和驱动力与主要污染物之间的数学关系式。在搜集获得尽可能长时间序列的驱动力和主要污染物排放量数据的基础上构建的数学关系式，将能够很好的反应社会经济活动对环境的压力问题，在情景分析中，可以此作为预测的基础。但是，利用这一关系式所获的对未来的预测结果，所获得的情景年的排放量并不是真正意义上的基线情景，因为它代表的仅仅是基准年之前的相关关系，而未将基准年之后实施和规划实施的污染控制措施所能带来的减排效果考虑其中，基于这一原因，将其称之为基准情景。

在获得基准情景的情况下，还需要对控制措施进行详细分解，严格区分常规措施（当前和未来一段时间内都会持续实施的措施）与临时措施（为了保障某些大型活动或遇到极端气候条件等情况下，临时采取的污染控制措施）。之后，按照以下公式的进行基线情景的估算：

2.5.2 控制情景

2.5.2.1 控制情景设计

情景分析法的特点就在于能够通过对外部影响因素的充分分析，构建未来发展的所有可能趋势，从而增加预测的命中率。通常情况下，基线情景的构筑仅完成了预测的第一个步骤，而对新控制措施的设计，对污染物协同减排和分区削减方案的考虑和优化组合，从而实现污染物减排，改善当地的环境空气质量才是最终目的。

基于这一原则，根据区域经济、社会和环境的客观实际状况、参照欧洲、美国和亚洲等发达国家能源消费结构、重点行业结构比例等内容，按照可实现的逐级推进的原则，从GDP调控、能源调控、重点行业的结构调控和重点污染源调控的进一步加严等四个方面入手，构建控制方案，依据控制力度的不同可分为中方案和高方案。首先，对GDP的调控措施，主要包括GDP增速调整和产业结构调整两个方面。其次，能源调控则包括提高能源利用效率，降低能耗，能源结构的调整，如发展清洁能源和改善能源消费结构。第三，重点行业的结构调控主要以电力行业和机动车为抓手，同时结合当地实际情况在行业的布局上开拓新思路；最后是重点污染源调控的进一步加强，以铁腕治污，和谐推进为主要原则，通过关停小火电、小锅炉、小水泥，提高脱硫、脱硝效率，关停高耗能高污染落后工业企业，淘汰黄标车，提高机动车油品标准，实现油气回收等多种手段，以重大排污行业和企业为主攻对象，加大控制力度，在实现减排的同时，为今后相关行业减排提供有益借鉴。

2.5.3 区域协同控制方案情景设计要点

现阶段，随着我国城市群效应的逐步增强，仅靠一个或几个城市努力很难改变区域大气复合污染的整体局面，只有通过区域联动，共同采取有效措施，实施区域协同控制，大气环境才能有望得到改善。因此在获得排放总量削减目标的基础上，依据不同原则，对区域内各行政单元不同污染物的削减量进行分配，形成一系列的分区削减方案。从现有研究结果来看，分区削减的原则主要包括三个，一是均一减排，即区域内所有行政单元采取“一刀切”的削减方式，削减相同比例的污染物排放量。二是排放量贡献减排，即按照不同行政单元对区域排放总量的贡献量大小，在确定区域减排总量的基础上，进行不同比例的削减；三是区域贡献率减排，由于大气不存在刚性边界，污染物通常可以被大气输送到几千米甚至几千公里以外的地方。因此构建传输矩阵，在充分考虑地理位置、高度、气象条件等能够对污染物传输造成影响的多种因素的基础上，尽可能全面的反映各城市排放对本地、其他城市及整个区域环境空气中污染物浓度的贡献状况，并以此为依据确定各城市的污染物减排率。按照多贡献多减排的原则，进行分区减排指标的分配。

图3 控制情景污染物削减思路

3 结论和讨论

本研究以区域大气复合污染决策支持技术研究构建为主要内容，以情景分析法为主要手段和方法，探索决策支持技术在解决区域大气复合污染问题中的应用情况。区域大气复合污染控制情景分析主要包括五个步骤：1）利用监测数据和统计数据，回顾分析区域环境空气质量现状和演变特征，确定区域大气复合污染控制为研究主题；2）利用穷举法对包括能源消耗、交通运输、人口增长、经济结构、产业结构、工农业生产及其他人为活动等在内的驱动力进行广泛的列举，在此基础上利用秩相关分析法筛选主要驱动力为经济发展水平和人口，构建研究区压力-状态-响应模型，以不同污染物的排放量表征压力，以空气质量浓度表征状态，以污染物减排量表征响应。3）应用ARIMA模型和灰色GM模型对驱动力分别进行预测，获得情景年驱动力发展状况；4）在广泛收集污染物排放量、环境空气质量和主要污染物控制措施的基础上， 建立驱动力与污染物排放之间的简单对应关系，利用相应的函数模型进行预测，确定不同情景年污染物的预测排放量。5）构建情景，建立污染物排放基准情景，在此基础上对控制措施进行分类预测，构建基线情景。从产业结构调整、能源结构调整、重点行业内部调整、重点污染源控制的措施的进一步加强等角度，建立不同的控制情景，为今后区域复合污染控制摸索和初步构建一套决策支撑框架。

总之，本文以情景分析技术应用于区域复合污染控制方案制定之中，建立了包括确定主题、驱动力筛选、驱动力预测、排放量预测和情景构建等步骤的情景设计方法，并利用本方法，介绍了在构建区域大气复合污染压力-状态-响应模型的基础上，利用主要驱动力与压力之间的数学关系，进行驱动力预测、构建基线情景和控制情景的方法，探讨了在制定区域协同控制方案过程中，确定满足区域总量控制目标的分区减排原则，提出实现区域协同控制区域性大气复合污染的控制目标的分区削减方案情景设计的方法建议，以期为我国目前区域性大气复合污染控制提出明细的技术路线。

［1］ 岳珍，赖茂生．国外“情景分析”方法的进展［J］ ．情报杂志，2006（7）：59-64．

［2］ 曾忠禄，张冬梅．不确定环境下解读未来的方法：情景分析法［J］ ．情报杂志，2005（5）：14-16.

［3］ CraigS. Fleisher, Babette E. Bensoussan. Strategic and Competitive Analysis. PrenticeHall, 2003.

［4］ 云雅如，柴发合，王淑兰等．欧洲酸雨控制历程及效果综合评述［J］ ．环境科学研究，2010，23（11）：1361-1367．

［5］ 王冰妍，陈长虹，黄成等．低碳发展下的大气污染物和CO2排放情景分析—上海案例研究［J］ ．能源研究与信息，2004，20（3）：137-145.

［6］ 陈晶，李志成，钟流举．珠江三角洲机动车污染控制的情景分析［J］ ．广东科技，2008，7：107-109.

［7］ 张远航．大气复合污染是灰霾内因［J］ ．环境，2008，7：32-33．

［8］ 刘元元，王里奥，李百战等．三峡库区小城镇生活垃圾处理模式情景分析［J］ ．重庆大学学报（社会科学版），2009，15（3）：12-16．

［9］ 王淑兰，张远航等．珠江三角洲城市间空气污染的相互影响［N］ ．中国环境科学，2005，25（2）：133-137.

Research of Scenario Analysis Application in Regional Compound Air Pollution Control Decision-making

WANG Shulan1YUN Yaru1HU Jun2CHAI Fahe1DUAN Jingchun1ZHANG Jingqiao1
( 1. Chinese Research Academy of Environmental Sciences, Beijing 100012;2.Changsha Environmental Protection College, Changsha 410004 )

Based on the present characteristicofregional compound air pollution in China, the scenarioanalysisandpressure-stateresponse model are used to forecast the possibility emission condition in urban agglomerationinthefuture.In this paper, by using rank correlation analysis to screen main driving force, with pollutants emissions to present pressure, the air quality concentration to present the state, and the pollutants emission reduction scale for the response, major air pollutants in situations of the baseline scenariocan be forecast according to the mathematical relationship between the driving force and the pressure. Based on the baseline scene,combined with the social development and environmental planning in region, make the effectivecombination of different control measuresfrom four aspects, including the energy structure, GDP, key industries and the key sources of pollution, form the medium scheme and high scheme under dynamic targets of pollutants emission control.According to the overall thinking of the regional coordination control, three types of partition cut plan are constructed, which are uniform, emissions contribution reduction and regional contributionreduction.As the preliminary exploration, this paper is to construct a set of decision support prototype framework for regional compound air pollution.

Scenario analysis; Regional; Compound air pollution; Control; Decision-making; Application

X51

A

1673-288X（2012）04-0014-07

项目资助: “十一五”863计划重大项目“重点城市群大气复合污染综合防治技术与集成示范”(课题编号：2006AA06A309)

王淑兰, 研究员, 主要研究方向为大气污染防治与管理政策

柴发合, 副院长, 研究员, 主要研究方向为大气环境科学与管理