2023, Vol. 44
2. 清华-三峡气候变化治理机制与绿色低碳转型战略联合研究中心, 北京 100084;
3. 清华大学环境学院, 环境模拟与污染控制国家重点联合实验室, 北京 100084;
4. 国家环境保护大气复合污染来源与控制重点实验室, 北京 100084
, SUN Yi-sheng3,4 , CHANG Shi-yan1 , LI Sheng-yue3,4 , ZHENG Hao-tian3,4 , WANG Shu-xiao3,4 , ZHANG Xi-liang1
2. Tsinghua University-China Three Gorges Corporation Joint Research Center for Climate Governance Mechanism and Green Low-carbon Transformation Strategy, Beijing 100084, China;
3. State Key Joint Laboratory of Environmental Simulation and Pollution Control, School of Environment, Tsinghua University, Beijing 100084, China;
4. State Environmental Protection Key Laboratory of Sources and Control of Air Pollution Complex, Beijing 100084, China
污染物末端控制措施在我国卓有成效的大气污染防治工作中发挥了重要作用, 如燃煤机组超低排放改造、重点行业脱硫脱硝与除尘改造等[1~4].随着空气污染治理的推进, 末端控制措施的减排潜力空间日益收紧, 迫切需要进一步结合源头治理措施推动空气质量持续改善[2, 5].温室气体排放和常规大气污染物排放有着“同根、同源、同步”的特性, 低碳政策在减少碳排放的同时, 具有减少污染物排放、改善区域空气质量的协同效益.当前已有部分研究围绕应对气候变化的温升控制路径或低碳政策开展分析, 探讨其对空气质量改善的协同效益[6~14].在此基础上, 陆续有研究证实了低碳政策的实施能够有效实现提高空气质量与居民健康效益的协同, 并能够在一定程度上抵消政策成本[15~20].近年来, 越来越多的学者通过构建综合评估模型讨论了各类碳减排政策对空气质量和居民健康的协同效益[21~27], 但更多地集中于分析单一减排路径或政策的影响, 少有研究对多类政策组合带来的环境、健康与社会经济影响开展量化评估, 针对不同类型减排政策带来的环境与健康影响开展比较分析和讨论的相关研究较少.
我国已宣布要在2030年前实现碳达峰, 在2060年前实现碳中和[28].如何更好地结合碳减排政策实现“减污降碳协同增效”, 从源头上控制二氧化碳与大气污染物排放量, 具有重要的理论和实际意义.京津冀鲁是我国重要的经济和文化中心区域, 同时也是我国空气污染最严重的地区之一, 针对该重点区域, 量化分析各类减排政策措施的环境与健康协同效益, 能够为政策制定提供有效的科学支撑.因大气细颗粒物(PM2.5)既是影响居民健康的主要大气污染物, 其浓度也是评价空气质量的重要指标, 本研究以PM2.5为重点开展环境及健康影响分析[29, 30].通过在综合评估模型REACH中科学合理地刻画当前主要的协同治理政策措施, 评估不同政策力度和不同政策组合带来的综合影响, 探讨区域实现CO2减排和PM2.5控制目标的有效路径, 以期为我国温室气体减排和大气污染治理工作不断深化提供启示.
1 材料与方法 1.1 REACH综合评估模型中国分区能源-排放-空气质量-健康综合评估模型(regional energy emission air-quality climate health model, REACH model)是一个跨学科综合评估模型, 由中国分区能源经济模型、空气污染排放清单模块、大气化学传输模型和健康效应评价模块这4个部分构成(图 1).
|
基于文献[31]修改 图 1 REACH模型框架 Fig. 1 Framework of the REACH model |
REACH模型各模块的连接机制为：中国分区能源经济模型(C-REM)模拟中国分区域未来经济系统和能源系统发展情况, 得到不同时间、分地区、分部门、分品种的能源消费量和碳排放量; 细分的能源消费量数据, 按照行业和排放源分类, 转换为排放清单模型的数据输入; 同时, 排放清单模型(ABaCAS-EI)在考虑最新的污染物排放因子和多情景污染物末端控制措施基础上, 得到空间网格尺度下的主要大气污染物排放量; 污染物排放量进一步作为输入数据, 进入大气化学传输模型, 模拟生成主要的污染物浓度分布; 最后, 污染物浓度反馈到健康效应评价模块CREM-HE中, 得到急性暴露发病/死亡和慢性暴露早亡的案例数, 并通过影响劳动力供给、资源配置等, 最终影响能源经济模型结果的重新均衡.REACH综合评估模型能够在“经济-能源-排放-空气质量-健康-经济”的闭合框架内评估政策的综合影响, 并分析政策的成本效益关系.文献[14, 32~34]是基于该模型已开展的部分相关研究.
1.1.1 中国分区能源经济模型中国分区能源经济模型C-REM是一个重点关注中国区域层级能源经济问题的多部门、多区域、动态递归的可计算一般均衡模型, 能够有效地反映政策扰动下能源系统和经济系统的动态变化.C-REM模型以2012年中国地区投入产出表和2012年中国能源平衡表为数据基础搭建, 主要数据包括分省层面的经济、能源和贸易数据, 涵盖一般商品和能源的实物量和价值量.C-REM模型按照省级行政区划将中国分成了30个地区(由于数据暂缺, 西藏自治区和中国港澳台地区未包含), 同时, 将社会的经济活动部门聚合为21个生产部门和2个消费部门.C-REM模型在模拟中国分区域能源和碳排放路径和政策方面已开展了系列研究[35~37].
1.1.2 排放清单模型排放清单模型ABaCAS-EI[38](air benefit and cost and attainment assessment system-emission inventory)基于排放因子法计算大气污染物排放量.根据大气污染物来源、生成机制和排放特点的不同, 模型将一次排放源分为四级, 逐级展开.第一级体现清单排放源大类, 主要分为固定燃烧源、工业过程源、移动源、溶剂产品使用源、燃料分配储运源、农业过程源和其他排放源共7类; 第二级体现了各大类排放源下具体行业信息, 如工业过程源包括钢铁、水泥、有色、炼焦、石化和化工等行业; 第三级体现了行业内具体燃料、产品和原料等信息, 如钢铁行业包含生铁、粗钢和钢材等产品信息; 第四级是清单模型的最基本计算单元, 体现排放源燃烧技术、生产工艺和使用途径等具体信息, 如粗钢生产包含转炉炼钢和电炉炼钢等工艺信息.考虑的大气污染物主要包括二氧化硫(SO2)、氮氧化物(NOx)、不同粒径颗粒物及其碳质组分、氨和非甲烷挥发性有机物等.经过长期开发和改进, 模型参数设计考虑了各地区不同排放源间的活动水平、技术工艺和末端控制措施应用比例等方面的差异, 能够充分体现中国本地的排放源特点[39, 40].
1.1.3 大气化学传输模型为开展大规模情景试验和多政策情景模拟, 本研究应用了兼顾快速响应和精确模拟的基于多项式的响应曲面模型(polynomial function based response surface model, pf-RSM)来模拟大气化学传输过程.应用于模拟大气化学传输过程的响应曲面模型最初由美国国家环境保护局开发, 在此基础上开发的基于多项式的响应曲面模型pf-RSM加强了模型对多区域、多污染物的模拟能力, 同时解决了传统RSM非线性关系模糊的问题[41~43].
1.1.4 健康效应评价模块健康效应评价模块CREM-HE是内嵌于能源经济模型C-REM的一个扩展模块, 在扩展社会核算矩阵的基础上, 详细刻画了应对空气污染发病的健康服务部门, 以追踪居民对健康服务需求所产生的经济活动.基于流行病学的相关研究, 模型中目前主要刻画了PM2.5相关疾病和早亡健康结局, 包括呼吸系统疾病住院、心脑血管系统疾病住院、急诊和支气管炎这4类急性暴露健康结局以及由于慢性阻塞性肺病、缺血性心脏病、肺癌和中风这4类由于长期暴露导致早亡的慢性暴露健康结局.
对于发病率和死亡率的计算方法, 采用流行病学中常用的暴露-响应函数, 建立浓度-发病(死亡)率的关系, 并采用相对风险系数(relative risk, RR)来估计发病(死亡)率的相对提高程度.急性和慢性的暴露-响应函数关系分别如公式(1)和公式(2)所示：
|
(1) |
|
(2) |
式中, CasesitrAE和CasesijtrCE分别为急性暴露发病和慢性暴露发病早亡的健康结局案例数, i为不同类型的健康结局, t为时间, r为地区, j为年龄组别; RRi(Ctr)和RRij(Ctr)为暴露健康结局的相对风险系数, Ctr为暴露下的污染物浓度值; 在流行病学中, 1-1/RRi(Ctr)被定义为人群归因危险度, 表示指定的总人群中因为暴露而发病的百分比; Fitr为暴露健康结局的基准发生率, Ptr为人口数, Djtr为j类人群在总人群中的比例.
对于4类急性暴露健康结局, 研究参考各类急性病症的人均医疗费用和分省消费指数, 对几类急性暴露健康结局的估值进行了更新和分省差异化处理, 采用疾病成本法进行货币化处理[34].
对于慢性暴露健康结局, 研究采用统计生命价值(value of statistical Life, VSL)方法对早亡案例进行货币化估值.参考Hoffmann等[44]和OECD[45]研究的VSL取值, 并根据收入弹性调整估值水平使其适用于中国, 根据这一方法计算得到的2020~2035年中国的VSL低值和高值如表 1所示.
|
表 1 CREM-HE中VSL估值水平1) Table 1 Valuation of VSL in CREM-HE |
1.2 情景设计
研究共设计6个政策情景开展模拟, 这些情景综合考虑了区域碳排放约束、产业结构调整和污染物末端控制这三项政策措施.通过比较各类政策措施的影响, 分析政策措施对减污和降碳的贡献(表 2).
|
|
表 2 情景设置 Table 2 Scenario design |
对于区域碳排放约束, 研究设置了2030年达峰轨迹(trajectory of carbon emissions peaking by 2030, CPT)和2℃目标轨迹(two degrees target trajectory, TDT)这两类, 分别代表当前能源转型和加速能源转型的力度; 对于产业结构调整, 研究考虑了强制性高耗能产能限制(mandatory capacity limits of energy intensive sectors, CI)和无强制性高耗能产能限制(without mandatory capacity limits of energy intensive sectors, C0)两类政策, 其中CI反映了京津冀鲁地区当前已实施的产业结构调整政策在未来还将持续实施, C0则代表未来不再实施强制性的产业结构调整政策, 在本研究中将作为一个反事实的比较对象; 在此基础之上, 考虑了大气污染物末端控制措施应用和推广的持续加严(continuously promotion of end-of-pipe technologies, E1)和快速加严(fast promotion of end-of-pipe technologies, E2)两类政策.下文将分别介绍每一类政策措施的假设.
1.2.1 区域碳排放约束设定4省市碳排放的约束上限, 从全国和分区域两个层次加以设定.一是全国可能的碳排放轨迹, 二是考虑全国碳排放约束目标在地区层面的可能分解方案.
(1) 全国碳排放轨迹以清华大学相关研究成果[46]为基础, 设置了两类全国层面的碳排放轨迹.
2030年达峰轨迹：2030年的单位GDP碳强度比2005年相对降低60%~65%, 2020~2035年年均碳强度下降率在4%左右, 能够实现2030年全国碳排放达峰.
2℃轨迹：全球沿着大于66%的可能性实现两度温升控制目标的碳排放轨迹行进, 我国的年均碳强度下降率从2020的6%逐渐增加到2050的12%, 全国2025年碳排放达峰, 且2030年后以碳中和目标为导向实现碳排放总量快速削减.
(2) 分省碳减排目标分解参考国家《“十三五”控制温室气体排放工作方案》[47]的分级和分类方式, 将全国碳排放约束目标分解到各省, 其中京津冀鲁4省市都是最严格的一类.
本研究设置的以年均碳强度下降率为表征的不同情景下全国和各省碳排放约束目标如表 3所示.
|
|
表 3 不同情景不同区域碳强度下降约束分配/% Table 3 Allocation of carbon intensity reduction constraints in different scenarios by region/% |
1.2.2 产业结构调整政策设定
京津冀鲁地区中, 天津、河北和山东目前仍以高耗能工业为经济生产的重要支柱.2019年, 工业增加值对4省市经济增加值的贡献率约为34%.区域内钢铁、焦炭和平板玻璃工业产品产量占全国总量的比例分别高达33%、21%和28%.工业密度大, 工业生产和供热对煤的依赖性高, 是该地区空气污染的主要原因之一.产业结构调整是京津冀鲁地区实现气候和空气质量目标的重要手段.我国已出台了多项政策来化解高能耗高污染行业的过剩产能和淘汰落后产能[48].
严格的区域碳排放约束下, 会倒逼产业结构调整, 但它并不能完全反映京津冀鲁地区淘汰落后产能和退出过剩产能的结构调整力度.研究通过在京津冀鲁地区开展实地调研和专家访谈, 基于当前产业结构调整政策, 预测区域未来高耗能产业主要产品的产量情况(表 4), 并在C-REM模型中以“产能限制”约束形式进行了刻画, 来代表该地区未来持续性的强制高耗能产能限制政策(CI).
|
|
表 4 高耗能产业主要产品的产量预测结果 Table 4 Output forecast for major products of energy-intensive sectors |
1.2.3 大气污染物末端控制措施设定
末端控制措施的应用和推广是实现污染物减排的重要手段之一.本研究根据控制的严格程度不同设计了两套方案：持续加严方案考虑了当前末端控制措施推广程度的进一步加大; 快速加严方案则是在强化末端控制力度的基础上, 进一步考虑了可能的最佳可行技术(BAT), 同时技术在不同生产过程中均得到快速推广.本研究中, 末端控制措施主要指除产业结构调整等源头治理措施以外的其他主要外部政策措施, 按以下4个行业分别设计, 详细参数设计见文献[49].
(1) 电力部门 2020年所有大型燃煤发电机组(>300 MW的非循环流化床锅炉)完成超低排放改造, 所有完成超低排放改造的燃煤机组的平均脱硫、脱硝效率将分别达到98.5%和90.0%, 在持续加严和快速加严情景下脱硫、脱硝效率会有一定的提升, 在2035年分别达到脱硫98.8%和99.0%以及脱硝91.0%和91.5%.
(2) 工业部门 参考目前示范推广和未来可能应用的先进污染物控制技术, 重点考虑了钢铁、水泥、平板玻璃等行业逐步推行超低排放改造, 进一步提高高效脱硫、脱硝和除尘技术的应用比例.
(3) 民用部门 考虑推广型煤以及先进炉灶.在快速加严方案下, 2030年所有残余散煤采暖或炊事将100%推行型煤和先进清洁炉灶, 而在持续加严方案下该比例为50%.
(4) 交通部门 考虑机动车推进油品质量和排放标准升级, 两方案下交通部门的末端控制水平均一致.
2 结果与讨论 2.1 碳排放从区域碳排放总量来看(图 2), 2015年京津冀鲁地区碳排放约18亿t.CPT-CI情景下, 该地区碳排放总量于2025年左右达峰, 达峰时间早于全国的2030年.在TDT-CI和TDT-C0情景下, 相比于CPT-CI情景, 全区2035年CO2排放相对削减了31.8%(约6.0亿t), TDS情景下, 全区2020年左右达峰, 碳排放峰值水平约为19.1亿t.
|
末端控制均为E1 图 2 不同情景下2015年和2035年分部门碳排放 Fig. 2 Carbon emissions by sector in 2015 and 2035 under different scenarios |
从部门角度来看, 对比CPT-CI和TDT-CI情景可以发现, 随着能源系统转型加速, 工业部门将是碳减排的最主要贡献者(减排总量5亿t左右), 其中发电部门、高耗能部门和其他工业部门的贡献分别达到了65%、10%和12%.
在相同的碳排放总量约束下, 强制性高耗能产能限制政策碳排放在行业间分布的影响显著.对比TDT-CI和TDT-C0情景结果可以发现, 当高耗能部门产能受到限制后, 该部门的碳排放量将显著下降(约1.98亿t), 其他部门, 特别是电力部门的碳排放会相对增长(约1.44亿t).
图 3显示了不同地区各部门的CO2减排贡献(TDT-CI与CPT-CI情景相比).2035年北京、天津、河北和山东CO2排放分别相对减少了0.2、0.5、2.2和2.8亿t.对于北京而言, 交通部门和民用部门对碳减排的贡献占比相对更大, 达到了73%.对于其他3个省份, 电力部门对CO2减排的贡献均超过了65%, 其次是高耗能部门和其他工业部门, 交通部门和民用部门对碳减排的贡献相对不显著.
|
TDT-CI与CPT-CI情景相比; 末端控制均为E1 图 3 2035年各地区分部门碳减排贡献率 Fig. 3 Contribution rate of carbon emissions reduction in different provinces and sectors in 2035 |
图 4显示了主要政策情景下京津冀鲁地区2015年和2035年分部门碳排放和主要大气污染物排放.
|
图 4 分情景下2035年京津冀鲁地区分部门碳排放和大气污染物排放 Fig. 4 Sub-sectoral carbon emissions and air pollutant emissions of the BTHS region in 2035 under different scenarios |
从结构来看(第Ⅰ列), 不同部门对各类排放源的贡献程度存在显著差异：工业部门(电力、高耗能和其他工业)对CO2排放的贡献达到了87%; 除工业部门外, 民用部门对SO2排放的贡献较为显著(2015年占17%); 交通部门是NOx排放最重要的贡献源, 2015年全区交通部门NOx排放占总量的30%以上; 高耗能部门、民用部门和农业部门是一次PM2.5的主要排放源, 其贡献率达到80%以上.
在延续当前政策力度的政策情景下(对比第Ⅰ和Ⅱ列), 2015年~2035年, 全区CO2排放虽然仍有小幅增长, 但污染物末端控制措施的持续加严能够有效降低各部门的大气污染物排放水平.相比2015年, 2035年全区CO2排放总量增长0.5%, SO2、NOx和一次PM2.5排放总量分别下降62.8%、61.2%和59.0%.因末端技术在民用部门的应用和推广具有一定难度, 民用部门的大气污染物排放权重在未来将进一步增大.
对比第Ⅱ和Ⅲ列可以发现, 加速能源转型在实现削减CO2排放总量的同时, 具有显著的污染物协同减排效益：2035年全区CO2排放相对削减了31.5%, 同时SO2、NOx和一次PM2.5排放分别减少了26.0%、21.0%和21.0%.分行业来看, 电力部门对区域CO2减排的贡献最大(65%), 但电力部门减碳对大气污染物减排的协同效应较弱, 电力部门每万吨CO2减排带来的SO2、NOx和一次PM2.5减排量分别为2.3、2.9和0.4 t; 民用部门虽然对区域CO2减排的贡献仅有7%, 但该部门减碳对污染物排放协同削减的潜力更大, 民用部门每万吨CO2减排对SO2、NOx和一次PM2.5带来的协同减排量分别达到37.5、9.9和15.0 t.
对比第Ⅲ和Ⅳ列可知, BAT技术的应用和推广能够进一步降低全区SO2、NOx和一次PM2.5排放3.5%、7.7%和13.6%.在大气污染物已严格控制的基础上, 技术进一步加强带来的深度减排效果有限, 但可能带来更高的额外成本.
在实现相同碳减排目标下, 不同的政策路径对常规污染物排放的影响十分显著.第Ⅴ列显示了TDT排放轨迹下没有强制性高耗能产能限制政策影响的各类源排放.与第Ⅳ列相比可以发现, 若不对高耗能行业实施持续的产能限制, 2035年SO2、NOx和一次PM2.5排放将分别相对增长21.9%、36.1%和29.1%.
2.3 区域空气质量加速能源转型、产业结构调整和加严污染物末端控制都能进一步改善京津冀鲁地区的空气质量, 如表 5所示.在延续当前政策强度的CPT-CI-E1情景下, 2035年京津冀鲁这4省市的年均ρ(PM2.5)仍高于国家环境空气质量二级标准(35 μg·m-3), 分别为35.9、44.6、38.4和40.7 μg·m-3.在TDT-CI-E1情景下, 全国碳排放轨迹与2℃路径保持一致, 京津冀鲁地区的碳排放总量约束进一步收紧, 相比于CPS-I情景, 该情景下4个地区的年均ρ(PM2.5)下降幅度都超过了5 μg·m-3, 但天津市仍未达标.在政策最严格的TDT-CI-E2情景下, 京津冀鲁4省市2035年的年均PM2.5浓度相对于2015年分别相对下降71%、51%、62%和59%, 降至24、34、29和31 μg·m-3, 全区PM2.5浓度实现达标.
|
|
表 5 不同情景和年份京津冀鲁区域年均ρ(PM2.5)/μg·m-3 Table 5 Annual mean of ρ(PM2.5) of the BTHS region by different scenarios and years/μg·m-3 |
表 5中最右一列显示了基于区域人口预测数据对年均PM2.5浓度进行人口加权处理后的结果.严格的碳排放约束下, 2035年全区人口加权的年均ρ(PM2.5)下降了6.3 μg·m-3, 在此基础之上, BAT末端控制措施的应用会带来额外3.3 μg·m-3的改善空间.通过实施持续的强制性高耗能产能限制政策加快地区产业结构调整, 能够有效改善区域空气质量[2035年全区人口加权的年均ρ(PM2.5)下降3.1 μg·m-3].
2.4 社会经济成本和健康协同效益综合来看, 相较CPT-CI-E1情景, TDT-CI-E2情景下由于PM2.5浓度降低带来的健康效益能够有效覆盖全地区社会经济的转型成本(图 5).在一个较低的VSL估值水平下, 严格的碳排放约束目标带来的居民健康效益在2025、2030和2035年分别能够覆盖全区44%、33%和29%的成本(不考虑末端控制措施的影响), 在较高的VSL估值水平下, 健康收益能够完全覆盖全区的经济损失, 甚至能够获得净收益.末端控制措施的推广在大气污染物排放水平相对较高的时期能够带来相对更显著的健康协同收益(2025年占低VSL估值水平下总健康收益的50%), 到2035年, 碳排放总量约束和强制性高耗能产能限制带来的居民健康收益(图 5中黄色和绿色柱形)将占到总健康收益的60%以上.
|
CPT-CI-E1与TDT-CI-E2情景相比; 2012年不变价, 下同 图 5 政策措施的社会经济成本和健康协同效益 Fig. 5 Socioeconomic costs and health co-benefits of policy measures |
分地区来看, 要实现更严格的气候目标, 京津冀鲁4省市分别将承受地区GDP总量2.0%、2.5%、1.6%和0.9%的经济损失(2035年), ρ(PM2.5)降低带来的健康协同效益能够分别覆盖4省市经济损失的29%~87%、14%~49%、30%~160%和37%~212%(图 6).避免慢性暴露的健康收益将远超过避免急性暴露的健康收益, 因此长期有效的减排政策能够有效提升居民的福利和弥补转型的社会经济成本.
|
TDT-CI-E1与CPT-CI-E1情景相比 图 6 2035年分地区社会经济成本和健康协同效益 Fig. 6 Regional socioeconomic costs and health co-benefits in 2035 |
(1) 京津冀鲁地区实现PM2.5控制目标存在较大挑战, 若仅加强末端控制措施或碳排放约束单一政策的力度, 到2035年区域年均ρ(PM2.5)仍然高于国家现行环境空气质量二级标准(35 μg·m-3).结果表明, 只有在各类政策措施均最严格的政策情景(TDT-CI-E2)下, 2035年京津冀鲁地区的年均PM2.5浓度才能够达标.为实现该目标, 不仅需要实施比当前更为严格的末端控制, 还需要气候政策和产业政策的协同配合, 加速能源转型和产业结构调整深化, 从源头和末端同时开展深度治理.
(2) 污染物末端控制措施的持续推广和应用在短期内能够非常有效地削减大气污染物排放和改善区域空气质量, 但长期来看, 其减排空间将逐步缩小, 而源头治理将发挥越来越重要的作用.以CPT-CI-E1情景2035年为基准, 通过源头治理措施(包括更严格的碳排放约束和强制性高耗能产能限制)能够带来全区年均ρ(PM2.5)为6.3 μg·m-3的相对降幅, 而此时BAT末端控制措施的应用和推广仅能够带来额外3.3 μg·m-3的降幅.
(3) 由于京津冀鲁地区电力部门已基本完成超低排放改造, 电力部门低碳转型带来的常规污染物协同减排效果有限, 未来非电高耗能部门和民用部门减碳带来的污染物协同减排潜力将远高于电力部门.因此, 加速推动非电高耗能部门和民用部门用能电气化, 能够有效促进温室气体减排和常规大气污染物减排, 实现“减污降碳协同增效”.
(4) 通过制定更严格气候目标和实施严格的产能限制, 以进一步加速能源转型和产业结构调整, 京津冀鲁4省市将承受一定的社会经济转型成本, 这一成本在2035年将占4个省市GDP总量的0.9%~2.5%.但由于大气PM2.5污染改善带来的居民健康协同效益能够部分或全部覆盖该成本.
(5) 基于以上结论, 对京津冀鲁地区未来减污降碳协同治理工作提出以下政策建议：①为实现空气质量根本好转, 需要制定比当前更为严格的气候目标(“十四五”时期后, 区域年均碳强度下降率需要超过6.5%), 加速推动能源转型; ②严格限制高耗能行业生产, 加快产业结构调整, 促进工业部门的碳减排和污染物协同减排; ③污染物末端控制应着力于非电高耗能部门和民用部门中协同减排潜力高、相对低成本、能够广泛应用的技术上.
| [1] | 中华人民共和国生态环境部. 2020中国生态环境状况公报[R]. 北京: 中华人民共和国生态环境部, 2021. 7-17. |
| [2] | 中国碳中和与清洁空气协同路径年度报告工作组. 中国碳中和与清洁空气协同路径2021[R]. 北京: 中国清洁空气政策伙伴关系, 2021. |
| [3] | Zhang Q, Zheng Y X, Tong D, et al. Drivers of improved PM2.5 air quality in China from 2013 to 2017[J]. Proceedings of the National Academy of Sciences of the United States of America, 2019, 116(49): 24463-24469.. DOI:10.1073/pnas.1907956116 |
| [4] | Tang L, Qu J B, Mi Z F, et al. Substantial emission reductions from Chinese power plants after the introduction of ultra-low emissions standards[J]. Nature Energy, 2019, 4(11): 929-938. DOI:10.1038/s41560-019-0468-1 |
| [5] | Lu X, Zhang S J, Xing J, et al. Progress of air pollution control in China and its challenges and opportunities in the ecological civilization era[J]. Engineering, 2020, 6(12): 1423-1431. DOI:10.1016/j.eng.2020.03.014 |
| [6] | 项目综合报告编写组. 《中国长期低碳发展战略与转型路径研究》综合报告[J]. 中国人口·资源与环境, 2020, 30(11): 1-25. |
| [7] | Liu S C, Xing J, Wang S X, et al. Health benefits of emission reduction under 1.5℃ pathways far outweigh climate-related variations in China[J]. Environmental Science & Technology, 2021, 55(16): 10957-10966. |
| [8] | Xing J, Lu X, Wang S X, et al. The quest for improved air quality may push China to continue its CO2reduction beyond the Paris commitment[J]. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(47): 29535-29542. DOI:10.1073/pnas.2013297117 |
| [9] | Cheng J, Tong D, Zhang Q, et al. Pathways of China's PM2.5 air quality 2015-2060 in the context of carbon neutrality[J]. National Science Review, 2021, 81(12). DOI:10.1093/nsr/nwab078 |
| [10] | Li N, Chen W Y, Rafaj P, et al. Air quality improvement co-benefits of low-carbon pathways toward well below the 2℃ climate target in China[J]. Environmental Science & Technology, 2019, 53(10): 5576-5584. |
| [11] | Tibrewal K, Venkataraman C. Climate co-benefits of air quality and clean energy policy in India[J]. Nature Sustainability, 2021, 4(4): 305-313. |
| [12] | Cai W J, Hui J X, Wang C, et al. The lancet countdown on PM2.5 pollution-related health impacts of China's projected carbon dioxide mitigation in the electric power generation sector under the Paris Agreement: a modelling study[J]. The Lancet Planetary Health, 2018, 2(4): e151-e161. DOI:10.1016/S2542-5196(18)30050-0 |
| [13] | Ramaswami A, Tong K K, Fang A, et al. Urban cross-sector actions for carbon mitigation with local health co-benefits in China[J]. Nature Climate Change, 2017, 7(10): 736-742. DOI:10.1038/nclimate3373 |
| [14] | Li M W, Zhang D, Li C T, et al. Air quality co-benefits of carbon pricing in China[J]. Nature Climate Change, 2018, 8(5): 398-403. DOI:10.1038/s41558-018-0139-4 |
| [15] | Saari R K, Selin N E, Rausch S, et al. A self-consistent method to assess air quality co-benefits from U.S. climate policies[J]. Journal of the Air & Waste Management Association, 2015, 65(1): 74-89. |
| [16] | Muller N Z. The design of optimal climate policy with air pollution co-benefits[J]. Resource and Energy Economics, 2012, 34(4): 696-722. DOI:10.1016/j.reseneeco.2012.07.002 |
| [17] | Jack D W, Kinney P L. Health co-benefits of climate mitigation in urban areas[J]. Current Opinion in Environmental Sustainability, 2010, 2(3): 172-177. DOI:10.1016/j.cosust.2010.06.007 |
| [18] | Ravishankara A R, Dawson J P, Winner D A. New directions: adapting air quality management to climate change: a must for planning[J]. Atmospheric Environment, 2012, 50: 387-389. DOI:10.1016/j.atmosenv.2011.12.048 |
| [19] | West J J, Smith S J, Silva R A, et al. Co-benefits of mitigating global greenhouse gas emissions for future air quality and human health[J]. Nature Climate Change, 2013, 3(10): 885-889. DOI:10.1038/nclimate2009 |
| [20] | Patz J A, Frumkin H, Holloway T, et al. Climate change: challenges and opportunities for global health[J]. JAMA, 2014, 312(15): 1565-1580. DOI:10.1001/jama.2014.13186 |
| [21] | Garcia-Menendez F, Saari R K, Monier E, et al. U.S. air quality and health benefits from avoided climate change under greenhouse gas mitigation[J]. Environmental Science & Technology, 2015, 49(13): 7580-7588. |
| [22] | Kan H D, Chen R J, Tong S L. Ambient air pollution, climate change, and population health in China[J]. Environment International, 2012, 42: 10-19. DOI:10.1016/j.envint.2011.03.003 |
| [23] | Xie Y, Dai H C, Dong H J, et al. Economic impacts from PM2.5 pollution-related health effects in China: a provincial-level analysis[J]. Environmental Science & Technology, 2016, 50(9): 4836-4843.. |
| [24] | Millstein D, Wiser R, Bolinger M, et al. The climate and air-quality benefits of wind and solar power in the United States[J]. Nature Energy, 2017, 2(9). DOI:10.1038/nenergy.2017.134 |
| [25] | Yang J N, Li X Y, Peng W, et al. Climate, air quality and human health benefits of various solar photovoltaic deployment scenarios in China in 2030[J]. Environmental Research Letters, 2018, 13(6). DOI:10.1088/1748-9326/aabe99 |
| [26] | Schucht S, Colette A, Rao S, et al. Moving towards ambitious climate policies: monetised health benefits from improved air quality could offset mitigation costs in Europe[J]. Environmental Science & Policy, 2015, 50: 252-269. |
| [27] | Tang R, Zhao J, Liu Y F, et al. Air quality and health cobenefits of China's carbon dioxide emissions peaking before 2030[J]. Nature Communications, 2022, 13(1): 1-9. DOI:10.1038/s41467-021-27699-2 |
| [28] | 人民网. 中央经济工作会议在北京举行[EB/OL]. http://cpc.people.com.cn/n1/2021/1211/c64094-32305295.html, 2021-09-05. |
| [29] | Rauner S, Hilaire J, Klein D, et al. Air quality co-benefits of ratcheting up the NDCs[J]. Climatic Change, 2020, 163(3): 1481-1500. |
| [30] | Wu P C, Guo F, Cai B F, et al. Co-benefits of peaking carbon dioxide emissions on air quality and health, a case of Guangzhou, China[J]. Journal of Environmental Management, 2021, 282. DOI:10.1016/j.jenvman.2020.111796 |
| [31] |
张旭. 中国分区综合评估模型(REACH)开发与应用[D]. 北京: 清华大学, 2016. Zhang X. Development and application of regional energy emission air-quality climate health model (REACH)[D]. Beijing: Tsinghua University, 2016. |
| [32] | Zhang X, Ou X M, Yang X, et al. Socioeconomic burden of air pollution in China: province-level analysis based on energy economic model[J]. Energy Economics, 2017, 68: 478-489. |
| [33] | Chang S Y, Yang X, Zheng H T, et al. Air quality and health co-benefits of China's national emission trading system[J]. Applied Energy, 2020, 261. DOI:10.1016/j.apenergy.2019.114226 |
| [34] | Qu C F, Yang X, Zhang D, et al. Estimating health co-benefits of climate policies in China: an application of the regional emissions-air quality-climate-health (REACH) framework[J]. Climate Change Economics, 2020, 11(3). DOI:10.1142/S2010007820410043 |
| [35] | Springmann M, Zhang D, Karplus V J. Consumption-based adjustment of emissions-intensity targets: an economic analysis for China's provinces[J]. Environmental and Resource Economics, 2015, 61(4): 615-640. |
| [36] | Karplus V J, Rausch S, Zhang D. Energy caps: alternative climate policy instruments for China?[J]. Energy Economics, 2016, 56: 422-431. |
| [37] | Zhang D, Springmann M, Karplus V J. Equity and emissions trading in China[J]. Climatic Change, 2016, 134(1-2): 131-146. |
| [38] | Xing J, Wang S, Jang C, et al. ABaCAS: an overview of the air pollution control cost-benefit and attainment assessment system and its application in China[J]. Magazine for Environmental Managers-Air & Waste Management Association, 2017(4): 29-36. |
| [39] | Zheng H T, Zhao B, Wang S X, et al. Transition in source contributions of PM2.5 exposure and associated premature mortality in China during 2005-2015[J]. Environment International, 2019, 132. DOI:10.1016/j.envint.2019.105111 |
| [40] | Zhao B, Wang S X, Liu H, et al. NOx emissions in China: historical trends and future perspectives[J]. Atmospheric Chemistry and Physics, 2013, 13(19): 9869-9897. |
| [41] |
邢佳. 大气污染排放与环境效应的非线性响应关系研究[D]. 北京: 清华大学, 2011. Xing J. Study on the nonlinear responses of air quality to primary pollutant emissions[D]. Beijing: Tsinghua University, 2011. |
| [42] | Zhao B, Wang S X, Xing J, et al. Assessing the nonlinear response of fine particles to precursor emissions: development and application of an extended response surface modeling technique v1.0[J]. Geoscientific Model Development, 2015, 8(1): 115-128. |
| [43] | Xing J, Ding D, Wang S X, et al. Quantification of the enhanced effectiveness of NOx control from simultaneous reductions of VOC and NH3 for reducing air pollution in the Beijing-Tianjin-Hebei region, China[J]. Atmospheric Chemistry and Physics, 2018, 18(11): 7799-7814. |
| [44] | Hoffmann S, Krupnick A, Qin P. Building a set of internationally comparable value of statistical life studies: estimates of Chinese willingness to pay to reduce mortality risk[J]. Journal of Benefit-cost Analysis, 2017, 8(2): 251-289. |
| [45] | OECD. Mortality risk valuation in environment, health and transport policies[M]. Paris: OECD, 2012. |
| [46] | 中国长期低碳发展战略与转型路径研究课题组, 清华大学气候变化与可持续发展研究院. 读懂碳中和: 中国2020-2050年低碳发展行动路线图[M]. 北京: 中信出版社, 2021. |
| [47] | 国务院. 国务院关于印发"十三五"控制温室气体排放工作方案的通知[EB/OL]. http://www.gov.cn/zhengce/content/2016-11/04/content_5128619.htm, 2016-10-27/2022-09-11. |
| [48] | 国务院. 国务院印发《关于化解产能严重过剩矛盾的指导意见》[EB/OL]. http://www.gov.cn/jrzg/2013-10/15/content_2507147.htm, 2013-10-15/2021-10-28. |
| [49] |
王彤. 中国CO2和大气污染物协同减排研究[D]. 北京: 清华大学, 2019. Wang T. Emission co-mitigation pathways of CO2 and air pollutants of China[D]. Beijing: Tsinghua University, 2019. |