2018, Vol. 39
2. 挥发性有机物污染治理技术与装备国家工程实验室, 广州 510006;
3. 广东省大气环境与污染控制重点实验室, 广州 510006
2. National Engineering Laboratory for VOCs Pollution Control Technology and Equipment, Guangzhou 510006, China;
3. Guangdong Provincial Key Laboratory of Atmospheric Environment and Pollution Control, Guangzhou 510006, China
近年来, 我国SO2、NOx排放已基本得到控制, 但以PM2.5、O3等二次污染物为特征的大气复合污染问题却日益突出[1~3]. VOCs作为这两者的重要前体物, 巨大的排放量及惊人的增长趋势, 受到国家和地方的高度重视.自2010年以来, 国家和地方政府相继出台了《重点区域大气污染防治“十二五”规划》、《大气污染行动计划》、《挥发性有机物排污收费试点办法》、《大气污染防治法》等一系列政策法规. 2016年3月发布的“十三五规划纲要”中明确提出“在重点区域、重点行业推进挥发性有机物排放总量控制, 全国排放总量下降10%以上”, 使VOCs的防控上升到一个新的高度.
总量控制制度已经在日本、美国、欧盟等发达国家及地区得到了合理应用, 且都取得了较好的成效; 在过去10年中, 总量控制制度对削减国内SO2、NOx排放、遏制环境质量退化、建立政府环境保护目标责任制等都起到了积极有效的作用[4~8].在当前我国各地VOCs污染控制工作基础薄弱, 环境监管体制不完善的背景下, 总量控制制度作为一种自上而下约束地方政府及各级环境监管机构的压力传导机制, 不失为一种行之有效的污染控制手段.
本研究以2015年为基准年、2020年为目标年, 通过情景分析法设置我国“十三五”期间可能推行的3种总量控制情景, 并分别进行分析, 以期为国家制定VOCs防控政策、开展污染治理工作提供科学依据和技术支撑.
1 材料与方法 1.1 VOCs排放量计算方法采用“排放因子法”估算我国人为源VOCs排放量.某一特定年份全国人为源VOCs排放总量计算方法如式(1)所示：
|
(1) |
式中, k为某一特定年份, i为某一特定排放源, n为排放源总数, Ek为第k年全国人为源VOCs排放量, Ai为活动水平, EFi为对应的排放因子, ri为排放源i所应用的控制技术的综合减排效率.
1.1.1 排放因子的确定我国人为源VOCs主要包括工业源、移动源、生活源和农业源, 国内已有一些学者对我国人为源VOCs排放清单进行了相关研究[9~13], 但不同研究结果差异较大, 通过综合比对, 本研究工业源排放因子优先选取了Qiu等[14]的研究成果, 主要基于以下优势：①科学的源分类系统, 采用“源头追踪”的思路, 按照VOCs物质在整个工业活动中的流动过程, 将所有工业排放源分为“VOCs的生产”, “储存与运输”, “以VOCs为原料的工艺过程”和“含VOCs产品的使用”四大环节; ②综合的污染源涵盖范围, 清单基本涵盖了所有的工业大源, 共98类子污染源; ③本土化排放因子的优先使用, 清单建立过程中优先使用本土化的排放因子, 对于尚无本土排放因子的污染源选取国外的排放因子.移动源、生活源和农业源排放因子则引自Wu等[15]的研究成果.本研究将移动源分为道路移动源和非道路移动源, 其中, 道路移动源包含微型、小型、中型和大型载客汽车, 微型、轻型、中型和重型载货汽车, 低速汽车和摩托车; 非道路移动源包含飞机、轮船、铁路、农业机械和建筑机械等.本研究中生活源包括餐饮油烟、生活燃料燃烧、日用品使用、干洗和建筑装饰; 农业源包含生物质燃烧和农药使用, 其中生物质燃烧又分为生物质露天燃烧和生物质燃料燃烧两个部分.
1.1.2 2015年活动水平的获取活动水平数据是包含原辅材料使用量、产品产量、人口数等关系VOCs排放的人类活动信息.从《中国统计年鉴》、《中国能源统计年鉴》、《中国化学工业年鉴》、《中国轻工业年鉴》、《中国环境统计年鉴》等国家统计年鉴获取所需活动水平数据, 其他一些统计年鉴上没有相关数据的排放源的活动信息则通过行业协会统计数据、调查和相关报道等途径获得.例如：不能直接从统计年鉴上获得作物秸秆燃烧量, 而是通过粮食产量、秸秆比、焚烧比和燃烧效率来估算.
1.1.3 2020年活动水平的预测通过文献调研与回归预测等方法, 确定我国2020年人为源的活动水平.
(1) 能源消耗水平预测
通过调研大量国内外学者及机构的中国未来能耗水平预测的相关研究, 结果表明, 虽然因为不同研究人员所用的预测方法和基准年不一致而使得其2020年预测结果有所不同, 但大部分能耗预测结果都在45~65亿t·a-1的范围内.考虑到基准年数据的时效性、预测模型的精准度等, 本研究选取了国家发展改革委员会能源研究所姜克隽等[16]利用IPAC模型得到的结果即2020年中国能耗为48.172亿t·a-1.
按照中国历年统计年鉴中供热、电力与工业消费部门的能源消耗比例, 结合姜克隽等[16]的预测结果, 推算出我国2020年各部门的能耗水平, 如表 1所示.
|
表 1 2020年电力、供热和工业消费部门的能耗水平预测结果/万t·a-1 Table 1 Predictions of energy consumption for electricity generation, heating, and industrial purposes in 2020/104 t·a-1 |
(2) 其他相关因子预测
通过相关文献调研, 结合国家规划, 对我国未来国内生产总值(GDP)、城市化率及人口数量进行预测.国内大量学者认为我国经济仍会持续高速增长[16~19], 本研究采用了李善同等[19]的结果：“十三五”期间中国GDP年平均增长率为百分之七, 是一种适中预测结果.人口数量预测部分则采用蒋正华等[20]的预测结果, 2020年人口数量预计为14.5亿.本研究采用了张佰瑞等[21]研究得到的我国“十三五”期间城市化率是51.1%~56.5%的结论.
(3) 各排放源未来活动水平预测
依照2010~2015年《中国机动车污染防治年报》上的历史数据, 结合上述预测的因子, 采用回归分析的方法, 得到2020年机动车保有量预测情况如表 2所示.
|
|
表 2 2020年机动车保有量预测 Table 2 Prediction of number of vehicles in 2020 |
考虑到近年来农药使用和生物质燃烧变化不大, 活动数据很难获取, 假定2020年农药使用和生物质燃烧的活动水平与2015年一致.
本研究基于对各排放源历史活动水平与预测因子(城市化率、人口数量、GDP)之间关系分析的基础上, 采用回归预测方法, 建立函数方程, 计算获得2020年其他工业源、移动源、生活源和农业源的活动水平.
1.2 总量控制目标制定依据“十三五规划纲要”中明确提出要“在重点区域、重点行业推进挥发性有机物排放总量控制, 全国排放总量下降10%以上”, 因此, 本研究中假定全国2020年VOCs总量控制目标为2015年排放量的90%.
1.3 总量控制目标情景分析情景分析法是一种通过全面考虑外界条件可能发生变化及变化对主体产生影响, 从而构想未来可能发生的情况, 预测主体发展趋势的研究方法[22~26].通过情景分析法, 设置我国“十三五”期间可能推行的3种总量控制情景：重点区域全面推进VOCs减排、重点行业全面推进VOCs减排、重点区域重点行业推进VOCs减排, 并对每种情景下的控制总量进行分配.
1.3.1 控制总量空间分配方法在全面掌握人为源VOCs排放特征的基础上, 充分考虑分配指标选择的可行性、系统性、综合性、典型性及直接相关性等原则, 本研究选定了人均GDP、人均VOCs排放强度及单位国土面积VOCs排放量为总量空间分配因子[22], 各因子的含义如下.
(1) 人均GDP该因子能有效评估某特定区域的VOCs减排能力, 同时也综合体现了VOCs排放平等和经济贡献公平性的要求, 某特定区域的人均GDP值越大, 该区域就应该承担更多的VOCs减排责任.
(2) 人均VOCs排放强度体现个人VOCs污染排放公平性的要求, 一个人VOCs排放越多, 则应该承担更大的VOCs削减责任, 对一个区域而言, 该指标值越大, 则该区域应该承担更多的VOCs减排责任.
(3) 单位国土面积VOCs排放量总量控制离不开环境空气质量改善的意愿, 而国土面积与大气环境容量有较强的相关性, 单位国土面积VOCs排放量越大, 则证明该区域的大气环境容量越小, 为改善环境空气质量, 该区域应该承担相对更多的VOCs削减责任.
在分配因子确定后, 用信息熵法[22, 27, 28]确定各因子重要性的权重, 具体计算方法如下.
构建分配对象集(Xi)：
|
构建分配因子集(Xj)：
|
构建分配对象对应因子的初始矩阵(Aij)：
|
式中, xij：第i个地区第j个指标值; n：分配对象省、市的个数; m：指标个数.
构建分配对象对应因子的标准矩阵(Bij)：
|
计算信息熵值[H(X)j]：
|
计算分配因子权重(wj)：
|
依据国家和地方现有的政策法规、排放标准等, 全面考虑各行业的可行治理技术、经济效益等影响因素, 得到各行业的减排效率潜力; 依据各行业减排潜力和排放量将总量分配至各行业.典型重点行业污染控制途径如表 3所示.
|
|
表 3 典型重点行业污染控制途径 Table 3 Pollution control methods of typical key industries |
2 结果与讨论 2.1 VOCs排放量估算与预测结果
根据上述的“排放因子法”对我国人为源VOCs排放量进行估算, 结果表明：2015年我国人为源VOCs排放量约为3 111.70万t; 假设2020年的基准排放情景不考虑2015年后新增的VOCs控制措施, 则2020年基准情景VOCs排放量预计为4 173.72万t, 相比于2015年增长了34.13%, 如图 1所示.
|
图 1 我国2015年和2020年人为源VOCs排放情况 Fig. 1 Anthropogenic VOCs emission in 2015 and 2020 in China |
2015年道路移动源、生物质燃烧、石油炼制、建筑装饰、机械设备制造、油品储运销、包装印刷、焦炭生产、木材加工、食品加工、电子制造这11个排放源的VOCs排放量为2 026.48万t, 占总排放源的65.1%, 且各源排放量均在50万t以上. 2020年道路移动源、建筑装饰、石油炼制、机械设备制造、油品储运销、包装印刷这6个行业预计排放的VOCs量最多, 共占总排放量的51.4%, 且每个源的排放量都超过100万t.
2.2 VOCs排放总量控制目标与削减任务“十三五规划纲要”中明确提出要“在重点区域、重点行业推进挥发性有机物排放总量控制, 全国排放总量下降10%以上”, 因此, 全国2020年VOCs总量控制目标为2015年排放量的90%, 即2 800.53万t.
预计2020年基准情景下VOCs排放量为4 173.72万t, 结合“十三五规划纲要”中的减排要求, “十三五”期间, 全国至少需减少排放1 373.19万t的VOCs, 如图 2所示.
|
图 2 2020年VOCs排放总量控制目标与削减任务 Fig. 2 VOCs emission allowance target and reduction target for 2020 |
通过情景分析法, 设置我国“十三五”期间可能推行的3种总量控制情景：重点区域全面推进VOCs减排、重点行业全面推进VOCs减排、重点区域重点行业推进VOCs减排, 并对每种情景下的控制总量进行分配.
2.3.1 情景1：重点区域全面推进VOCs减排基于《重点区域大气污染防治“十二五”规划》, 重点区域即京津冀、长三角、珠三角地区, 以及辽宁中部、山东、武汉及其周边、长株潭、成渝、海峡西岸、山西中北部、陕西关中、甘宁、新疆乌鲁木齐城市群.
计算得出上述的人均GDP、人均VOCs排放强度及单位国土面积VOCs排放量这3个分配因子的权重及信息熵值, 如表 4所示.其中, 熵权值(wj)直接代表了各分配因子在总量分配过程中所占的权重, 3个分配因子熵权值的大小顺序为：单位国土面积VOCs排放量>人均GDP>人均VOCs排放强度.这意味着各区域的单位国土面积排放强度值离散程度最大, 在总量分配中起到最重要的作用; 反之, 人均VOCs排放强度的熵权值最小, 则该分配因子在总量分配的过程中起到的作用最小.
|
|
表 4 3个分配因子的各项指标值 Table 4 Index values of the three allocation indicators |
将VOCs的削减任务, 利用信息熵法分配至各重点区域, 分配结果如图 3和表 5所示.
|
图 3 各重点区域VOCs排放情况 Fig. 3 VOCs emission in each key area |
|
|
表 5 各重点区域VOCs削减任务 Table 5 VOCs emission reduction target of each key area |
由表 5和图 3可以看出, 在此情景下要实现“十三五”VOCs削减10%的目标, 长三角地区、京津冀地区、山东城市群、珠三角地区和辽宁中部城市群的VOCs削减率都需超过10%, 为重点削减区域.其中, 长三角地区VOCs削减率最高, 为33.17%.
2.3.2 情景2：重点行业全面推进VOCs减排依据国家和地方现有的政策法规、排放标准等, 全面考虑各行业的可行治理技术、经济效益等影响因素, 得到各行业的减排潜力, 仍与总削减任务相差107.22万t.
按照2020年各行业削减量都达到减排潜力后的行业排放量的比例, 将未能控制的量进一步分配至各行业, 得到各重点行业的目标减排效率、削减任务及其相对于2015年的削减率, 具体结果如表 6所示.
|
|
表 6 各重点行业VOCs削减任务 Table 6 VOCs emission reduction target for each key industry |
由表 6可以看出, 在重点行业全面推进减排的情景下要实现“十三五”VOCs削减10%的目标, 石油炼制、基础化学原料药、油品储运和包装印刷行业的VOCs削减率都要超过60%, 行业减排任务重; 而涂料及类似产品制造、胶黏剂生产、食品加工、电子制造、建筑装饰等行业较2015年的削减率皆为负值, 说明这些行业目前的管控政策无法满足“十三五”的削减要求, 需要制定更为严格的控制政策及行业标准.
2.3.3 情景3：重点区域重点行业推进VOCs减排若各重点区域重点行业的减排效率都达到其减排效率潜力, 其削减总量仍与总削减任务相差386.13万t.依据2020年各重点区域各重点行业削减量都达到减排潜力后的行业排放量, 全面考虑各重点区域重点行业VOCs政策, 将未能控制的量进一步分配至各重点行业, 得到各重点行业的目标减排效率、削减任务及其相对于2015年的削减率, 具体结果如表 7所示.
|
|
表 7 各重点区域重点行业VOCs削减任务 Table 7 VOCs emission reduction target for the key industries in the key areas |
由表 7可以看出, 若仅在重点区域重点行业推进VOCs减排, 要实现“十三五”VOCs削减10%的目标, 各重点区域的重点行业减排效率目标为40.03%~78.83%不等, 行业减排任务重; 其中, 石油炼制、基础化学原料制造、油品储运、包装印刷、交通运输设备制造、家具制造、合成材料制造和机械设备制造等行业的VOCs削减率均超过了60%, 实现“十三五”总量减排目标难度大, 任务艰巨.
3 结论(1) 采用“排放因子法”估算我国人为源VOCs排放量, 结果表明：2015年我国人为源VOCs排放量约为3 111.70万t; 2020年基准情景VOCs排放量预计为4 173.72万t, 相比于2015年增长了34.13%.
(2) 根据“十三五规划纲要”中的减排要求, 全国2020年VOCs总量控制目标为2015年排放量的90%(2 800.53万t), 即“十三五”期间, 全国至少需减少排放1 373.19万t的VOCs.
(3) 以2015年为基准年、2020年为目标年, 通过情景分析法, 设置我国“十三五”期间可能推行的3种总量控制情景：重点区域全面推进VOCs减排、重点行业全面推进VOCs减排、重点区域重点行业推进VOCs减排, 并进行分析.结果表明：3种情景的减排潜力与削减任务均存在一定的缺口, 实现“十三五”总量减排目标难度大.需加大VOCs污染控制力度, 通过大工程来带动大治理, 突出但不局限于重点行业和重点区域.在全国层面, 全面推进石化、化工、油品储运、工业涂装、印刷、道路移动源、建筑装饰等重点行业VOCs排放控制, 有序开展生活源和农业源VOCs污染防治.重点区域和河南、安徽等VOCs排放量大的地区还应结合自身产业结构特征, 因地制宜选择其他行业开展VOCs治理.
| [1] | Shao M, Zhang Y H, Zeng L M, et al. Ground-level ozone in the Pearl River Delta and the roles of VOC and NOx in its production[J]. Journal of Environmental Management, 2009, 90(1): 512-518. DOI:10.1016/j.jenvman.2007.12.008 |
| [2] | Guo S, Hu M, Zamora M L, et al. Elucidating severe urban haze formation in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(49): 17373-17378. DOI:10.1073/pnas.1419604111 |
| [3] | Xue L K, Wang T, Gao J, et al. Ground-level ozone in four Chinese cities:precursors, regional transport and heterogeneous processes[J]. Atmospheric Chemistry and Physics, 2014, 14(23): 13175-13188. DOI:10.5194/acp-14-13175-2014 |
| [4] | Tietenberg T H. Emissions trading:an exercise in reforming pollution policy[M]. Washington, DC: Resources for the Future, 1985. |
| [5] | Bernstein J D. Alternative approaches to pollution control and waste management: regulatory and economic instruments[R]. Washington, DC: The World Bank, 1993. |
| [6] | Weishaar S. CO2 emission allowance allocation mechanisms, allocative efficiency and the environment:a static and dynamic perspective[J]. European Journal of Law and Economics, 2007, 24(1): 29-70. DOI:10.1007/s10657-007-9020-z |
| [7] | Wang K, Zhang X, Wei Y M, et al. Regional allocation of CO2 emissions allowance over provinces in China by 2020[J]. Energy Policy, 2013, 54: 214-229. DOI:10.1016/j.enpol.2012.11.030 |
| [8] |
王金南, 蒋春来, 张文静. 关于"十三五"污染物排放总量控制制度改革的思考[J]. 环境保护, 2015, 43(21): 21-24. Wang J N, Jiang C L, Zhang W J. Reform on China's total emission control in the "13th Five-Years Plan"[J]. Environmental Protection, 2015, 43(21): 21-24. |
| [9] | Klimont Z, Streets D G, Gupta S, et al. Anthropogenic emissions of non-methane volatile organic compounds in China[J]. Atmospheric Environment, 2002, 36(8): 1309-1322. DOI:10.1016/S1352-2310(01)00529-5 |
| [10] | Streets D G, Bond T C, Carmichael G R, et al. An inventory of gaseous and primary aerosol emissions in Asia in the year 2000[J]. Journal of Geophysical Research:Atmospheres, 2003, 108(D21): 8809. |
| [11] | Bo Y, Cai H, Xie S D, et al. Spatial and temporal variation of historical anthropogenic NMVOCs emission inventories in China[J]. Atmospheric Chemistry and Physics, 2008, 8(23): 7297-7316. DOI:10.5194/acp-8-7297-2008 |
| [12] | Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission[J]. Atmospheric Chemistry and Physics, 2009, 9(14): 5131-5153. DOI:10.5194/acp-9-5131-2009 |
| [13] | Wei W, Wang S X, Hao J M, et al. Projection of anthropogenic volatile organic compounds (VOCs) emissions in China for the period 2010-2020[J]. Atmospheric Environment, 2011, 45(38): 6863-6871. DOI:10.1016/j.atmosenv.2011.01.013 |
| [14] | Qiu K Q, Yang L X, Lin J M, et al. Historical industrial emissions of non-methane volatile organic compounds in China for the period of 1980-2010[J]. Atmospheric Environment, 2014, 86: 102-112. DOI:10.1016/j.atmosenv.2013.12.026 |
| [15] | Wu R R, Yu B, Li J, et al. Method to establish the emission inventory of anthropogenic volatile organic compounds in China and its application in the period 2008-2012[J]. Atmospheric Environment, 2016, 127: 244-254. DOI:10.1016/j.atmosenv.2015.12.015 |
| [16] |
姜克隽, 胡秀莲, 庄幸, 等. 中国2050年低碳情景和低碳发展之路[J]. 中外能源, 2009, 14(6): 1-7. Jiang K J, Hu X L, Zhuang X, et al. China's low-carbon scenarios and roadmap for 2050[J]. Sino-Global Energy, 2009, 14(6): 1-7. |
| [17] | Markus A, Jiang K J, Hao J M, et al. GAINS-Asia: scenarios for cost-effective control of air pollution and greenhouse gases in China[R]. Laxenburg: International Institute for Applied Systems Analysis (ⅡASA), 2008. |
| [18] |
张建民. 2005~2020年中国能源需求情景及碳排放国际比较研究[J]. 中国能源, 2011, 33(1): 33-37. Zhang J M. China energy demand from 2005 to 2020 and international comparative study on carbon emissions[J]. Energy of China, 2011, 33(1): 33-37. |
| [19] | 李善同. "十二五"时期至2030年我国经济增长前景展望[J]. 经济研究参考, 2010(43): 2-27. |
| [20] | 蒋正华. 国家人口发展战略研究报告[M]. 北京: 中国人口出版社, 2007. |
| [21] | 张佰瑞. 城市化水平预测模型的比较研究——对我国2020年城市化水平的预测[J]. 理论界, 2007(4): 48-51. |
| [22] | Zhang J N, Xiao J F, Chen X F, et al. Allowance and allocation of industrial volatile organic compounds emission in China for year 2020 and 2030[J]. Journal of Environmental Sciences, 2017. DOI:10.1016/j.jes.2017.10.003.(inPress) |
| [23] | Klimont Z, Cofala J, Xing J, et al. Projections of SO2, NOx and carbonaceous aerosols emissions in Asia[J]. Tellus B:Chemical and Physical Meteorology, 2009, 61(4): 602-617. DOI:10.1111/j.1600-0889.2009.00428.x |
| [24] | Cai W, Wang C, Wang K, et al. Scenario analysis on CO2 emissions reduction potential in China's electricity sector[J]. Energy Policy, 2007, 35(12): 6445-6456. DOI:10.1016/j.enpol.2007.08.026 |
| [25] | Xing J, Wang S X, Chatani S, et al. Projections of air pollutant emissions and its impacts on regional air quality in China in 2020[J]. Atmospheric Chemistry and Physics, 2011, 11(7): 3119-3136. DOI:10.5194/acp-11-3119-2011 |
| [26] | Fleisher C S, Bensoussan B E. Strategic and competitive analysis:methods and techniques for analyzing business competition[M]. New Jersey: Prentice Hall, 2003. |
| [27] | Zhang Y, Yang Z F, Li W. Analyses of urban ecosystem based on information entropy[J]. Ecological Modelling, 2006, 197(1-2): 1-12. DOI:10.1016/j.ecolmodel.2006.02.032 |
| [28] | Liu L, Zhou J Z, An X L, et al. Using fuzzy theory and information entropy for water quality assessment in Three Gorges region, China[J]. Expert Systems with Applications, 2010, 37(3): 2517-2521. DOI:10.1016/j.eswa.2009.08.004 |