碳协同减排视角下广东省PM2.5实现WHO-Ⅱ目标策略研究

常树诚， 郑亦佳， 曾武涛， 廖程浩， 罗银萍， 王 龙， 张永波

广东省环境科学研究院， 粤港澳环境质量协同创新联合实验室， 广东省区域大气环境质量科学研究中心， 广东 广州 510045

改革开放以来，广东省作为中国的南大门，持续保持着高速的经济发展和人口增长趋势. 截至2020年，广东省经济总量超11万亿元，年末常住人口达1.26亿人，是目前国内经济总量最高、人口最多的省份[1]. 而经济和人口的持续快速增长，也给广东省带来了较大的大气环境压力. 近年来，广东省采取了强有力的大气污染物排放控制策略来改善空气质量[2]. 2017年，广东省6项主要大气污染物浓度指标均达到《环境空气质量标准》(GB 3095—2012)要求，实现了全面达标，PM2.5平均浓度降至33 μg/m3，超额完成了大气污染防治考核任务. 为持续改善空气质量，广东省人民政府在发布《广东省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[3]中明确提出：到2025年，在实况监测条件下全省PM2.5平均浓度达到25 μg/m3，即世界卫生组织第二阶段过渡目标(简称“WHO-Ⅱ目标”). 值得关注的是，广东省同时也面临着末端治理潜力缩减和污染治理边际效益递减的现象，在实现更低的PM2.5浓度目标时也将面临着更大的困难. 因此，广东省实现2025年空气质量目标策略具有一定的研究意义.

与改善空气质量相同，应对气候变化也是当前国内面临的主要环境问题之一. 中国在未来几年内将采取更加有力的政策措施，CO2排放将力争于2030年前达到峰值，努力争取于2060年前实现碳中和. 国际研究非常重视评估空气质量改善和温室气体减排的协同效应，认为气候变化政策对于各国尤其是发展中国家的空气质量改善有非常重要的推动作用，政策制定需要充分发挥气候变化政策和空气质量政策之间的协同性[4-5]. 在化石燃料仍然占据能源结构主导地位的情况下，国内温室气体和主要大气污染物排放呈现“同根、同源和同时”的特征，环境管理者开始在制度和政策层面探索应对气候变化和改善空气质量的“双赢”路径. 广东省“十四五”规划中也提出，2021—2025年要加大工业、能源、交通运输等领域的CO2排放控制力度，推进温室气体和大气污染物协同减排，实现减污降碳协同. 根据IPCC第五次评估报告和国际研究综述，充分评估和优化以温室气体减排为核心的气候变化减缓政策与空气质量改善政策之间的协同性，对于降低政策成本、提高政策效率和公众可接受度都非常重要[6].

现有针对PM2.5治理策略的研究为制定达标策略提供了参考方向[7-9]. 廖程浩等[10]对广东省PM2.5全面达标策略进行了分析研究，结果表明产业结构调整具有不可替代的重要作用. Wang等[11]利用WRF-CAMx 模型模拟分析了近年来广东省主要城市PM2.5来源，认为在2004—2015年广州市、佛山市、深圳市PM2.5浓度的降低最主要得益于移动源的减排措施，且控制燃煤电厂规模对广州市、东莞市PM2.5的改善也有较为明显的作用. Tong等[12]以PM2.5年均浓度不高于35 μg/m3为目标研究京津冀地区达标政策路径，结果表明，应从结构化调整和末端治理两方面来考虑工业源、交通源和电力源等方面的减排措施. 因此，工业、交通运输、能源方面的结构化调整和末端治理措施往往是制定区域空气质量达标政策的主要策略. 关于其他地区大气污染物与CO2协同减排方面也有较多研究[13-14]，如Markandya等[15]研究表明，通过电力行业减排CO2的同时可有效降低本地PM2.5浓度，尤其是在PM2.5浓度相对较高的地区. Lu等[16]分析了《大气污染防治行动计划》对京津冀地区大气污染物与CO2减排的协同性，结果表明，在京津冀地区工业源用能替代措施的协同效益最强. 综上，针对电力源、工业源等方面采取的治理措施，其大气污染物与CO2减排协同性较好，但近几年针对广东省的类似研究较少.

2025年广东省全省PM2.5年均浓度须达到WHO-Ⅱ目标浓度，并在2030年前实现碳达峰. 在碳协同减排的视角下，对广东省PM2.5年均浓度达到WHO-Ⅱ目标的实施策略研究较为鲜见. 在此背景下，该研究将以大气污染物与CO2协同减排为指引，以产业、交通运输、能源的结构优化调整和末端治理水平提升为主要策略，通过空气质量模型方法，研究制定广东省在2025年PM2.5实现WHO-Ⅱ目标的政策路径，分析并制定了大气污染物与CO2的协同治理策略，以期为广东省开展“十四五”阶段大气污染防治和碳减排工作提供参考.

1 数据与方法

1.1 方法概述

该研究以2017年为基准年，根据历史数据和现有政策预测广东省2025年产业、交通运输、能源等方面的发展趋势情景(简称“趋势预测情景”)，估算该情景下全省主要大气污染物和CO2的排放量变化，利用空气质量模型模拟预测PM2.5浓度变化. 然后，进一步强化减排措施，利用减排措施对大气污染物和CO2协同减排的分析方法，评估主要措施对大气污染物和CO2减排的协同性. 优先选择协同性较好的措施制定可达标的情景(简称“协同达标情景”)，估算该情景下全省主要大气污染物、CO2排放量变化以及PM2.5浓度变化，最终形成协同减排措施建议.

1.2 空气质量模型方法

1.2.1CMAQ模型

使用化学传输模型Model-3/CMAQ v5.0.2 (https://www.epa.gov/cmaq)开展情景模拟研究. CMAQ模型使用三重嵌套网格进行模拟，网格分辨率从外至内分别为27 km×27 km、9 km×9 km、3 km×3 km，最内层区域包括整个广东省. 模型垂直方向设为14层. 模型气相化学机制采用CB-05，气溶胶化学机制采用AERO6[17]. CMAQ模型所用气象数据由中尺度气象预报模型WRF v3.9.0.1[18]模拟得出，WRF的微物理方案使用Morrison-2moment[19]，边界层方案使用ACM2[20]，近地面方案使用Pleim-Xiu[21]. WRF的输入数据使用美国国家环境预报中心(NCEP)的FNL数据，并结合对应时段的探空观测数据和地面站观测数据进行同化处理. 利用MEIC v1.3中国大陆清单[22]与EDGAR v4.2-HTAP v2全球清单[23]制作人为源排放清单用于外层(d01和d02层)模拟. 第三层模拟区域使用2017年广东省高分辨率人为源大气污染物排放清单，清单基于活动水平和排放因子的“自下而上”方法计算得出[24]，广东省SO2、NOx、PM、VOCs和CO2的排放总量约为45×104、119×104、127×104、99×104和46 842×104t. 模型自然源排放输入数据由MEGAN v2.10制作[25]. 以2017年为基准年开展全年模拟，情景研究中将通过结构调整指标、末端治理水平指标等调整情景清单后开展模拟. 模拟研究中基准情景及案例情景所用气象输入数据均为2017年数据.

1.2.2模拟评估

由于研究内容只涉及广东省及省内城市的PM2.5年均浓度值，在模拟评估时仅对各城市和全省的PM2.5年均浓度开展对比评估. 提取2017年基准情景模拟结果中对应全省所有环境空气质量国控监测站点网格的PM2.5浓度数据，计算得出省内所有城市的年均浓度模拟值，并与相应的监测值进行对比. 所使用监测值均为实况浓度值. 空气质量监测数据来自广东省生态环境厅公众网(http://gdee.gd.gov.cn).

1.2.3浓度换算方法

由于模拟结果往往与实际监测结果存在一定误差，使其不能直接用于表征实际浓度值. 在预测案例情景中PM2.5年均浓度时，先利用案例情景模拟结果结合基准情景模拟结果获得城市年均浓度相对变化率，之后乘以基准年年均浓度监测值获得浓度预测值，计算公式：

Ci=Oi×(Msi/Mbi)

(1)

式中：Oi表示城市i的PM2.5年均浓度监测值，μg/m3；Mbi表示基准情景下城市i的PM2.5年均浓度模拟值，μg/m3；Msi表示案例情景下城市i的PM2.5年均浓度模拟值，μg/m3；Ci表示案例情景下经换算后城市i的PM2.5年均浓度预测值，μg/m3.

1.3 未来发展趋势预测方法

采用弹性系数法、多元线性回归法和Logistic模型对2025年产业、交通运输的主要参数进行预测，所需历史数据主要来自2005—2020年《广东统计年鉴》. 能源发展参数中，能源消费结构预测主要来自《广东省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[3]；能源消费总量预测主要通过2025年产业、交通等方面的预测结果乘以对应的能耗水平估算得出，其中，能耗水平采用广东省“十三五”阶段工业、交通能耗数据.

1.3.1弹性系数法

通过分析经济活动的发展变化规律以及与需求参数的关系，可以相对准确地获得需求参数的变化规律，可用于预测各行业工业增加值、产品产量、机动车保有量、客货运量等需求参数[26]. 以机动车保有量的预测为例：

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

αk=ε×βk

(3)

(4)

式中：Pk为k年区域的机动车保有量，以2017年为基准年，P2017代表2017年区域的机动车保有量；αk为机动车保有量的年增长率，使用2005—2017年历史数据计算得出；ε为弹性系数；βk为k年区域的GDP年增长率.

1.3.2多元线性回归分析法

多元线性回归分析可用于交通运输需求中客货运量的预测[27]. 选择主要经济社会发展参数，通过逐步回归，得到随机变量与一般变量的线性回归模型：

Y=θ0+θ1x1+θ2x2+…+θnxn

(5)

式中：θ为回归系数；Y为客运量(单位为人次)或货运量(单位为t)；xn为主要经济社会发展参数，该研究选用人均GDP、人口、城镇化率、第二产业占比、大宗货物的产品产量(如水泥产量等)作为变量.

1.4 协同性分析方法

评估减排措施的协同性时，需计算减排措施产生的大气污染物和CO2减排分担率[28]，某一措施的减排分担率为该措施产生的减排量与采取所有措施产生的总减排量的比值.

计算某一措施CO2减排分担率时，直接使用该措施减排量；计算某一措施大气污染物的减排分担率时，该措施减排量采用大气污染物当量(E)：

E=AQSO2+BQNOx+CQPM

(6)

式中：A、B、C分别为大气污染物排放量折算系数，采用污染当量值，数值来自《中华人民共和国环境保护税法》；QSO2、QNOx和QPM分别代表某措施产生的SO2、NOx和PM减排量，t.

2 结果与讨论

2.1 模拟结果验证

广东省所有城市PM2.5年均浓度模拟验证结果如图1所示. 由图1可见：各城市PM2.5监测值处于25～37 μg/m3之间，全省平均值为28 μg/m3；PM2.5模拟值处于23～35 μg/m3之间，全省平均值为30 μg/m3. 全省归一化平均偏差约为-7.1%，平均误差为4.1 μg/m3，总体模拟效果较好.

注： 虚线为50%误差线. 图1 广东省各城市PM2.5年均浓度模拟准确性验证Fig.1 Accuracy evaluation of simulations for PM2.5 annual mean concentrations in cities of Guangdong Province

2.2 发展趋势预测

经预测，2025年广东省产业结构、交通运输结构、能源结构和末端治理水平均较2017年有一定变化，即趋势预测情景(见表1). 产业结构方面，2025年全省生产总值将达14×1012元[3]，较2017年增长约5×1012元；由于第三产业的快速增长，2025年第二产业占比预计将减至37.3%，新兴产业[29]增加值占工业增加值的比例将增至58.0%. 交通运输结构方面，2025年全省货运量将达51×108t，较2017年增长约11×108t，客运量约17×108人次，较2017年增长约2×108人次，其中，铁路、水路货运占比分别升至2.2%和27.4%，铁路、民航客运占比分别升至30.4%和9.7%，公交电动化比例达100.0%，出租车新能源化比例达98.0%，新能源车占新车销售比例约9.0%. 能源结构方面，2025年全省能源消费总量将达4.42×108t (以标准煤计)，一次能源供应中煤、油、气、电分别占30.1%、24.6%、17.9%、27.4%. 末端治理方面，2025年将达到《广东省打赢蓝天保卫战实施方案(2018—2020年)》[30]中污染源治理要求.

表1 各情景下的结构性调整要素

基于上述条件，趋势预测情景中全省SO2、NOx、PM、VOCs和CO2的排放总量较2017年的变化率分别为-3.3%、-6.4%、-16.1%、-8.6%和22.0%(见图2). 经空气质量模型模拟后，预测全省PM2.5平均浓度将达26.9 μg/m3，无法达到WHO-Ⅱ目标，珠三角、粤东、粤西和粤北地区PM2.5浓度分别达27.7、25.0、25.6和27.7 μg/m3(见图3). 空间分布上，个别城市(如肇庆市、佛山市、东莞市等)内PM2.5年均浓度仍大于30 μg/m3. 为使全省PM2.5达到WHO-Ⅱ目标，应适当加大减排力度.

图2 2025年各情景下主要大气污染物和CO2排放量较2017年的变化率Fig.2 Change rate of major air pollutants and CO2 emission under different scenarios in 2025 compared to 2017

图3 广东省及省内主要地区在各情景下PM2.5年均浓度变化情况Fig.3 Changes in PM2.5 annual mean concentrations under different scenarios in Guangdong Province and its main regions

2.3 大气污染物与CO2协同减排分析

在趋势预测情景基础上，可进一步加强产业、交通运输、能源结构调整以及末端治理力度，对进一步可采取的减排措施带来的大气污染物和CO2减排率的协同性进行分析.

ΔPm/ΔP代表某项措施对大气污染物减排的分担率，ΔCO2m/ΔCO2代表某项措施对CO2减排的分担率，此处m代表某项措施. 将(ΔPm/ΔP)/(ΔCO2m/ΔCO2)处于0.5～2.0之间的措施定义为减排协同性强的措施，该值越接近1，则减排协同性越强. 由图4、表2可见：在用车辆更新的减排协同性最强，减排效果相对较好，对大气污染物和CO2的减排分担率分别为17.7%和14.0%；产业结构调整的减排协同性强，且具有较大的减排潜力，对大气污染物和CO2的减排分担率分别为55.5%和30.8%；发电结构调整的减排协同性强，但其减排效果一般，对大气污染物和CO2的减排分担率分别为6.8%和11.9%；运输结构调整减排协同性较强，但减排效果较低，对大气污染物和CO2的减排分担率分别为3.8%和9.3%；工业用能变化的减排协同性一般，对CO2的减排效果优于对大气污染物的减排效果，对大气污染物和CO2的减排分担率分别为3.9%和33.9%；工业末端治理的减排协同性较弱，对大气污染物的减排效果优于对CO2的减排效果，对大气污染物和CO2的减排分担率分别为12.2%和0. 在满足PM2.5达到WHO-Ⅱ目标的基础上，选择协同达标策略时应优先考虑在用车更新、产业结构调整等协同性较好、减排潜力较大的措施.

图4 不同措施主要大气污染物与CO2减排协同性分析Fig.4 Analysis of the synergy of emission reductions by different measures for major air pollutants and CO2

笔者研究结果与其他地区大气污染物和CO2的减排协同性研究成果既有同一性也有差异性. Markandya等[15]研究表明，电力行业治理相关措施大气污染物与CO2减排的协同性较好，与笔者研究中发电结构调整的减排协同性较强的结论接近. Lu等[16]研究表明，采取工业用能替代策略的协同性最强，而笔者研究中工业用能变化的减排协同性一般，对CO2的减排效果明显优于对大气污染物的减排效果，这可能与地区产业结构和能源消费结构等方面的差异有关.

表2 大气污染物主要治理措施与CO2减排协同性分析

2.4 达标路径分析

基于以上分析，在趋势预测情景的基础上强化减排力度，并尽可能采用协同性较强的措施，制定出广东省2025年PM2.5达到WHO-Ⅱ目标的情景，即协同达标情景(见表1). 在产业结构方面，2025年全省生产总值不变，第二产业占比缩减至36.9%，其中，新兴行业占工业增加值的比例达62.5%，传统行业[31]产能淘汰10%. 交通运输结构方面，2025年全省客货运量保持不变，铁路、水路货运占比提至2.4%和29.0%，铁路、民航客运占比分别达31.0%和9.4%；出租车新能源化比例升至100%，新能源车占新车销售比例升至20%. 能源结构方面，全省能源消费总量将达4.27×108t(以标准煤计)，一次能源供应中煤、油、气、电占比分别为26.9%、24.0%、20.2%、28.9%. 对于工业末端治理，在工业炉窑治理方面，将C级工业窑炉提至B级或淘汰[32]，水泥炉窑实施超低排放改造；工业锅炉方面，10～35 t/h燃煤锅炉进行超低或清洁化改造，35 t/h以下进行生物质锅炉超低排放或清洁化改造，4 t/h燃气锅炉低氮燃烧改造完成率为80%，燃油锅炉低氮或清洁化改造，且35 t/h以上生物质锅炉超低排放改造完成率为70%；工业VOCs治理方面，各重点行业源头替代比例升至10%～30%，重点行业VOCs综合治理效率为40%～60%.

基于以上条件下，协同达标情景中全省SO2、NOx、PM、VOCs和CO2的排放总量较2017年的变化率分别为-13.7%、-19.4%、-21.8%、-20.3%和13.6%(见图2). 经空气质量模型模拟后，预测全省PM2.5平均浓度达24.6 μg/m3，达到WHO-Ⅱ目标值，珠三角、粤东、粤西和粤北地区分别达25.2、23.2、23.2和25.3 μg/m3(见图3). 在空间分布上，与趋势预测情景相比，协同达标情景中PM2.5浓度较高地区的PM2.5浓度有明显下降. 由表3可见，协同达标情景中采取的各强化减排策略带来的减排效益不同，其中，对SO2、NOx、PM和CO2产生减排效益最大的措施均为产业结构调整，对VOCs产生减排效益最大的措施为工业治理减排.

表3 从趋势预测情景到协同达标情景各措施减排贡献

3 结论

a) 以2017年为基准年，在经济社会活动水平发展趋势和现有末端治理要求下，预测2025年广东省SO2、NOx、PM、VOCs和CO2的排放总量较2017年的变化率分别为-3.3%、-6.4%、-16.1%、-8.6%和22.0%，PM2.5年均浓度为26.9 μg/m3，无法达到WHO-Ⅱ目标. 在协同达标情景下，预测2025年广东省SO2、NOx、PM、VOCs和CO2的排放总量较2017年的变化率分别为-13.7%、-19.4%、-21.8%、-20.3%和13.6%，PM2.5年均浓度为24.6 μg/m3，可达到WHO-Ⅱ目标值.

b) 2017—2025年广东省可采取的进一步措施中，产业结构调整和在用车辆更新对常规大气污染物与CO2减排的协同效应强且减排潜力较大，发电结构调整的协同效应强但减排潜力一般，运输结构调整的协同效应较强但减排潜力较低，工业用能变化的协同效应一般但对CO2减排效果相对较好，工业末端治理的协同性较弱，但对大气污染物减排效果相对较好.

c) 为确保2025年全省PM2.5年均浓度达到WHO-Ⅱ目标，应进一步强化大气污染物减排，建议优先考虑产业结构调整、在用车辆更新等常规大气污染物与CO2减排协同性较好且减排潜力较大的措施.