环境科学  2024, Vol. 45 Issue (3): 1265-1273   PDF    
引用本文
肖婷玉, 束韫, 李慧, 王涵, 李俊宏, 严沁, 张文杰, 姜华. 太原市“十四五”规划大气污染防治政策的CO2协同效益评估[J]. 环境科学, 2024, 45(3): 1265-1273.
XIAO Ting-yu, SHU Yun, LI hui, WANG Han, LI Jun-hong, YAN Qin, ZHANG Wen-jie, JIANG Hua. Assessment of CO2 Co-benefits of Air Pollution Control Policies in Taiyuan's 14th Five-Year Plan[J]. Environmental Science, 2024, 45(3): 1265-1273.
太原市“十四五”规划大气污染防治政策的CO2协同效益评估
肖婷玉 , 束韫 , 李慧 , 王涵 , 李俊宏 , 严沁 , 张文杰 , 姜华     
中国环境科学研究院, 北京 100012
收稿日期: 2023-04-06; 修订日期: 2023-05-23
基金项目: 国家重点研发计划项目（2022YFC3703404, 2019YFC0214200）
作者简介: 肖婷玉（1998~）, 女, 硕士研究生, 主要研究方向为空气污染物与温室气体协同治理, E-mail：xiaofz71@163.com
通信作者: 姜华，E-mail：jianghua@craes.org.cn
摘要: 为量化评估太原市“十四五”大气污染防治政策的减污降碳协同效益, 使用京津冀温室气体-空气污染相互作用与协同模型（GAINS-JJJ）, 模拟评估13项大气污染防治措施的减排潜力, CO2的协同减排效益. 2025年政策情景下一次PM2.5、PM10、SO2、NOx、VOCs和NH3分别减排1.8（5%, 相对于基准情景减排比例, 下同）、2.5（2%）、3.7（16%）、20.0（27%）、13.6（15%）和0.0 kt（0%）, CO2减排9.0 Mt（13%）, CH4排放增加203.3 kt（相对于基准情景增加25%）. SO2、NOx与VOCs减排主要发生在电力、工业燃烧与溶剂使用部门, CO2减排主要发生在工业燃烧部门, CH4排放量增加是由于煤矿开采活动水平升高. 限制“双高”行业的能源消耗, 严禁新增产能以及可再生能源发电比例提升措施的CO2协同减排效益最高. VOCs具有优异协同减碳效益. 建议太原市进一步推进终端电气化政策, 同时需加大提升电力行业清洁能源比重和可再生能源发电的消纳能力.
关键词: 减污降碳      模型模拟      协同效益      “十四五”      政策评估     
Assessment of CO2 Co-benefits of Air Pollution Control Policies in Taiyuan's 14th Five-Year Plan
XIAO Ting-yu , SHU Yun , LI hui , WANG Han , LI Jun-hong , YAN Qin , ZHANG Wen-jie , JIANG Hua     
Chinese Research Academy of Environmental Sciences, Beijing 100012, China
Abstract: To quantitatively evaluate the co-benefits of air pollution reduction and carbon dioxide reduction of Taiyuan's 14th Five-Year Plan air pollution prevention and control policies, this study used the Beijing-Tianjin-Hebei Greenhouse Gas-Air Pollution Interaction and Synergy Model (GAINS-JJJ) to simulate and evaluate the emission reduction potential and CO2 co-benefit of 13 air pollution control measures. The emission reductions of PM2.5, PM10, SO2, NOx, VOCs, and NH3 in 2025 were 1.8 (5%, compared with that in the baseline scenario), 2.5 (2%), 3.7 (16%), 20.0 (27%), 13.6 (15%), and 0.0 kt (0%), respectively. The reduction in CO2 emissions was 9.0 Mt (13%), whereas CH4 emissions increased by 203.3 kt (25% increase relative to that in the baseline scenario). SO2, NOx, and VOCs emission reductions derived from the power, industrial combustion, and solvent use sectors. CO2 reduction occurred mainly in the industrial combustion sector, and CH4 emission increased mainly due to the increase in coal mining activity. The highest synergistic CO2 reductions were achieved by restricting energy consumption in the high energy-consuming and high-emitting sectors; prohibiting new capacity in the steel, coke, cement, and flat glass industries; and replacing coal-fired power generation with renewable energy. Furthermore, the CO2 reduction co-benefit was highest for VOCs. In addition, this study suggests that promoting the policy of terminal electrification and simultaneously increasing the share of clean energy and the ability to consume renewable energy generation in the power sector are the keys to decreasing the emissions in Taiyuan.
Key words: air pollution and carbon dioxide reduction      model simulation      co-benefits      14th Five-Year Plan      policy assessment     

城市的社会经济活动和人口增长消耗大量的能源, 导致大量空气污染物和温室气体的人为排放[1~4].2016年中国城市能源消费占比达到85%, 超过世界平均水平18%[5], 煤炭和工业用能占比高的特征明显.有研究表明, 大中城市贡献了我国一次PM2.5、NOx、VOCs和CO2排放总量约46%、60%、57%和68%[6~9].另外, 空气污染引发的健康问题会导致严重的经济损失[10], 这表明实施具有减污降碳协同减排效益的政策措施有利于城市的可持续发展.

为应对空气污染问题, 中国实施了一系列大气污染防治政策.例如, 《大气污染防治行动计划》（简称“大气十条”）使2013~2017年空气污染物的人为排放和环境浓度大幅降低[11, 12].2017~2020年, 《打赢蓝天保卫战三年行动计划》（简称“三年行动计划”）的实施, 使京津冀地区一次PM2.5、SO2和NOx排放量分别减少21%、27%和17%[13], 环境空气质量超标城市降低约30%.尽管大气污染治理成效显著, 但2020年中国337个地级及以上城市中仍有40%的城市环境空气质量超标[14], 空气污染物排放量大仍是我国城市地区环境污染的显著特征.另外, 2016年以来由于化石燃料消耗增加导致CO2排放大幅增加[15].生态环境保护第十四个五年规划（简称“十四五”规划）明确提出推动减污降碳协同增效是实现经济社会全面绿色转型的关键.因此, 评估该时期大气污染防治政策的空气污染物和温室气体减排潜力, 有助于中国城市地区以更经济高效的方式实现低碳转型.

目前, 针对空气污染物与温室气体协同减排的政策评估主要是能源政策的环境效益分析, 比如碳排放强度限额[16, 17]、能源效率提高[18~20]和电气化政策等[21~24].而有关环境政策的减污降碳协同效益分析较少.Lu等[25]使用GAINS-China模型模拟了京津冀地区“大气十条”中与能源相关的大气污染防治措施各项污染物减排量, 量化了空气污染物的CO2协同效应.结果表明, 工业和居民部门实施的能源替代措施, 在减排大量空气污染物的同时, 能够显著减少CO2排放, 且一次PM2.5的协同减碳效益最高.在Lu等[25]研究的基础上, Xu等[26]使用GAINS-Asia模型, 评估了京津冀地区“三年行动计划”的空气污染物减排效果, 该研究发现NOx的协同减碳效益最高, 北京、天津和河北协同减碳效益最高的部门分别为电力、居民燃烧和工业燃烧.对比二者研究结果发现, 不同污染物与不同部门的协同减碳效果会随时间推移发生变化.Shi等[27]创新性地将2013~2020年间中国实施的大气污染防治政策措施进行分类, 使用综合评估框架量化了不同措施类型的CO2协同减排效益, 结果表明淘汰和升级低效燃烧设施促进了中国能源系统的转型, 且这些措施的CO2协同减排效益远高于安装末端控制设施产生的额外CO2.Shu等[28]评估了京津冀及周边地区“2+26”城市群“三年行动计划”的空气污染物与CO2减排潜力, 量化了不同部门的CO2协同减排效益, 发现工业部门结构调整措施的CO2协同效益最高.关于环境政策减污降碳协同效益的研究, 主要围绕不同部门或不同措施类型展开研究, 然而, 针对具体措施的协同减排量化分析研究较少.另外, 针对第二大温室气体CH4的减排分析较少.

太原市是我国最重要的能源与重工业基地之一, 也是京津冀及周边地区典型的污染城市.太原市煤矿、铁矿和石膏等矿产资源丰富, 是典型的资源型城市, 其产业结构偏重, 2020年重工业产值占工业总产值94.8%[29].生态环境部发布的《2020年全国生态环境质量简况》显示, 168个重点城市中, 太原市空气质量排倒数第三[30].2020年, 太原市人均CO2排放为19.21 t, 约为全国平均水平的1.7倍, 碳排放强度3.03 t·万元-1, 高于全国平均水平（2.34 t·万元-1）[31].第二大温室气体甲烷排放主要来源是能源活动, 其中煤炭甲烷约占能源活动甲烷排放量的89%[32], 2020年山西省产煤约占全国产煤总量的27%, 由此排放大量甲烷气体.因此, 太原市开展空气污染物与CO2和CH4协同减排效益分析具有重要意义.

本研究使用京津冀温室气体和空气污染协同效应模型（greenhouse gas-air pollution interaction and synergies, GAINS-JJJ）对太原市13项“十四五”大气污染防治措施进行预评估, 模拟计算2025、2030年空气污染物（PM2.5、PM10、SO2、NOx、VOCs、NH3）和温室气体（CO2、CH4）排放量, 量化空气污染物与温室气体的协同减排效益, 识别具有优异协同减碳效益的关键空气污染物、部门和具体措施, 并将不同控制措施的减排潜力进行排序, 以期为太原市未来减污降碳路径提供科学参考.

1 材料与方法 1.1 研究区域

太原市是山西省的省会城市（图 1）, 位于山西省中部、太原盆地的北部, 地势北高南低, 三面环山, 是中部地区重要的中心城市.

图 1 太原市位置示意 Fig. 1 Overview of the study domain

1.2 评估模型

本研究使用由国际应用分析研究所（IIASA）与中国环境科学研究院（CRAES）联合开发的GAINS-JJJ模型[28], 评估空气污染物和温室气体减排潜力, 以及不同政策之间的相互作用, 该模型使用“自下而上”和“自上而下”相结合的方法[33]计算空气污染物和温室气体排放量, 其中使用排放因子方法计算排放量如公式（1）.

(1)

式中, k、m和p分别为活动类型、污染减排措施和污染物；Ep为污染物p的排放量, kt·a-1或Mt·a-1；Ak为活动类型k的活动水平数据, t·a-1或PJ·a-1；efk,m,p为采用污染控制措施m后, 活动类型k的污染物p的排放系数, g·t-1（以产品计）或g·PJ-1；χk,m,p为污染减排措施m对活动k的污染物p在当地的施用率, %.

1.3 情景设计

以2020年为基准年, 利用本地大气污染排放清单[34]、中国城市统计年鉴、中国能源统计年鉴和实地调研数据[35]更新该年本地活动水平, 设计了基准情景和政策情景, 两个情景具有相同的社会经济发展和预测[36], 人口与GDP变化如图 2（a）所示.基准情景实施当前包括“大气十条”和“三年行动计划”在内的一系列政策, 假设2025年和2030年不再加严大气污染防治政策.本研究政策情景假设“十四五”规划提出的一系列政策[37~42]在2020~2025年实施, 且2025~3030年延续相同的政策力度, 具体措施见表 1.基准情景具体政策措施在文献[28]中有详细描述, 为更直观地对比基准情景与政策情景政策力度的差异, 本研究在表 1中提供两个情景各措施的相对变化率, 代表2025年政策情景活动水平或技术实施率相对于基准情景增加或减少的幅度, 相对变化率为零则力度不变.

图 2 太原市人口、经济及一次能源消耗情况 Fig. 2 Population, economy, and primary energy consumption from 2020 to 2030 in Taiyuan

表 1 政策情景下具体措施 Table 1 Measures in the policy scenario

表 1中, 政策情景实施的13项措施可划分为末端治理措施和结构调整措施两种类型.末端治理措施的严格程度以技术实施率表示.结构调整措施通过各部门的活动水平变化体现, 如公式（2）.以推动交通部门新能源车为例, 依据公式（2）提高道路移动源电动化的水平, 并假设新增电力来自本地燃煤机组, 如公式（3）.

(2)

式中, APL为政策情景下未来年活动水平数据；ABL为基准年的活动水平数据；ΔCa为未来年相对于基准年的产能增加量；CaBL为基准年实际产能数据, t·a-1（以产品计）.

(3)

式中, ΔPELEPP为发电厂新增发电量, PJ·a-1；ΔPELETrans为交通运输新增电力消耗, PJ·a-1；ECoal为燃煤电厂发电效率, %；ELoss为电网电耗, %.

1.4 协同效益量化方法

本研究使用“相对协同度”参数量化CO2与空气污染物协同减排效益, 如公式（4）, S值越大, 代表减排单位空气污染物协同减少的CO2排放越多, 反映减排措施对减少空气污染物和温室气体的协同效益[43, 44].为统一衡量不同措施多种污染物和温室气体协同效应, 本文按照Lu等[25]的方法计算大气颗粒物等效减排量.另外, Gu等[45]的研究结果表明, 氮素不参与化学反应时, PM2.5浓度约下降40%, 且在PM2.5污染治理中NH3减排比NOx减排具有更高的成本效益.因此, 在Lu等[25]的基础上, 本研究在大气颗粒物等效减排量中考虑NH3的影响, 重新定义一个协同度参数S* , 如公式（5）~（7）.

(4)
(5)
(6)
(7)

式中, ΔECO2为指定年份相对于基准情景, 政策情景的减排, Mt·a-1；ECO2为相应年份基准情景CO2排放量, Mt·a-1；ΔEp和Ep为空气污染物减排量和排放量, kt·a-1；EPM*和ΔEPM*分别为大气颗粒物等效排放量和减排量；Mi为离子或分子i的相对分子质量.

2 结果与讨论 2.1 能源消耗

图 2（a）为2020~2030年太原市的GDP、人口增长和一次能源消耗趋势.相比于2020年, 太原市2025年和2030年的人口、GDP和人均GDP分别增长约10%（2030年增长18%）、24%（79%）和37%（51%）, 基准情景和政策情景的一次能源消耗分别增长约10%（21%）和5%（15%）.从能源消耗的分部门结果看[图 2（b）], 2020年工业燃烧的一次能源消耗最多, 占比约58%, 符合太原市重工业城市的能源消耗特点, 电厂、燃料转换、居民燃烧和轻型汽车次之.2020~2030年, 基准情景下工业燃烧能耗逐渐减小, 主要因为“三年行动计划”实施限制“双高”（高耗能高排放）行业新增产能的措施[10].由于汽车需求增长, 轻型汽车能耗逐渐增加.相比于基准情景, 2025年政策情景工业燃烧的一次能源消耗减少66.7 PJ, 降幅约10%, 其次是重型柴油车, 一次能耗减少3.1 PJ（16%）而电厂和非道路机械部门的能源消耗增加, 分别增长8.3 PJ（9%）和0.6 PJ（2%）.

2.2 污染排放

将本研究与其它排放清单结果进行对比（表 2）, 其中本地清单由国家重点研发计划“汾河平原大气重污染成因和联防联控研究”项目提供.相比于本地清单和MEIC清单[6, 8, 9], 本研究的排放量水平处于中间位置.一方面, 本地清单使用“自下而上”的方法计算污染物排放, 部分污染源可能缺失, 导致排放量偏小.另一方面, MEIC清单为山西省2017年排放水平, 而2020年“三年行动计划”已使污染物排放进一步减少[28, 46, 47], 所以2017年MEIC清单污染排放水平更高.GAINS-JJJ采用“自下而上”与“自上而下”相结合的方式计算污染排放大小, 因此本研究的排放水平处于两项研究结果之间.另外, 数据来源不同也会导致排放结果存在差异.

表 2 太原市污染物与温室气体排放量在不同排放清单中的比较1）/kg·person-1 Table 2 Comparison of air pollution and GHG emissions in different emission inventories in Taiyuan/kg·person-1

图 3为不同情景下2020~2030年太原市空气污染物与温室气体排放分部门变化情况.2020年, 太原市空气污染物PM2.5、PM10、SO2、NOx、VOCs和NH3排放总量分别为：35.7、107.5、24.7、72.6、80.1和9.4 kt, CO2和CH4排放量分别为65.9 Mt和742.2 kt.其中, 一次PM2.5和PM10的主要排放源为燃料转换部门, 占比分别为52%和66%；SO2排放主要源于工业过程（28%）、工业燃烧（26%）、居民燃烧（23%）和电厂（18%）；NOx排放主要源于工业燃烧（33%）和非道路机械（27%）；VOCs排放主要源于溶剂使用（60%）, 燃料生产与分配次之（12%）；约54%的NH3源于农业排放, 约21%源于工业过程；CO2排放主要源于工业燃烧（46%）, 其次是电力部门（18%）、燃料转换（11%）和轻型汽车（10%）；CH4排放几乎全部源于燃料生产与分配（97%）.

图 3 2020~2030年基准情景和政策情景下空气污染物和温室气体的排放量 Fig. 3 Emissions of air pollutants and greenhouse gases in baseline scenario and policy scenario from 2020 to 2030

2020~2030年, 基准情景下, SO2和PM2.5排放量呈下降趋势, 而PM10、NOx、VOCs、NH3、CO2与CH4排放量呈增加趋势.这表明在基准年以后, 不加严污染控制措施的情况下, 多数空气污染物和温室气体排放量由于一次能源消耗的增加而增加.表 1中变化率显示, 除措施7外, 政策情景下的各空气污染控制措施比基准情景更严格, 各项污染物排放量有不同程度地降低, 仅NH3在2025年排放量保持不变.2025年政策情景下NOx、SO2、VOCs和CO2相对于基准情景减排27%、16%、15%和13%, 一次颗粒物减排较少, CH4排放量反而增加25%.2030年政策情景各污染物减排比例与2025年相比几乎不变.2025年和2030年政策情景下, 由于工业燃烧部门NOx大幅减少和非道路机械部门能源消耗的增加, NOx的主要排放部门为非道路机械, 表明太原市NOx减排的重点措施需要转变.

进一步分析2025年政策情景相对于基准情景不同部门对各项污染物减排的贡献（图 4）.实施的13项“十四五”大气污染控制措施, 使NOx减排20.0 kt, 其减排量的69%由工业燃烧贡献, 其次是重型柴油车（15%）；SO2减排3.7 kt, 分别源自工业燃烧（35%）、电厂（35%）和工业过程（27%）；CO2减排9.0 Mt, 其主要减排部门是工业燃烧（69%）和电厂（18%）.NOx、SO2和CO2是与燃煤排放相关的关键污染物.一方面, 工业燃烧部门的结构调整措施降低一次能源消耗和“双高”行业的活动水平, 减少煤和焦炭的燃烧, 且重点行业工业炉窑和锅炉超低排放改造全面实施, 减少末端排放.另一方面, 电力部门由于可再生能源发电比例提升, 削减本地燃煤电厂的活动水平.因此, 工业燃烧与工业过程以及电力部门的SO2、NOx和CO2排放减少.78%的VOCs减排源自溶剂使用.一次颗粒物与NH3减排不明显.下一步需要加大针对燃料转换（如炼焦等）和农业部门的减排力度.由于2025年煤矿开采量相对于基准情景增加30%, 导致CH4排放增加206.2 kt, 另外, 本研究没有考虑废弃煤矿的CH4排放, 可能低估了CH4排放量[48, 49].

图 4 2025年政策情景相对于基准情景空气污染物和温室气体的减排量 Fig. 4 Emission reductions of air pollutants and greenhouse gases in policy scenario relative to baseline scenario in 2025

2.3 措施排序

图 5为2025年政策情景相对于基准情景不同措施的减排潜力排序.措施6, 即严禁新增钢铁、焦化、电解铝、水泥以及平板玻璃等产能, 由于该措施降低了工业燃烧部门的燃煤和焦炭等燃烧排放水平, 是一次PM2.5、PM10、SO2和CO2减排潜力最大的措施；措施5, 即全面完成钢铁、焦化、水泥行业和独立耐火窑炉与玻璃窑的超低排放改造, 是NOx减排潜力最大的措施, 其次是措施6.值得一提的是, 由于NH3逃逸现象, 措施5中脱硝技术的实施会增加NH3的减排负担.措施1, 即电力部门提升可再生能源发电比例, 减少燃煤发电的能源结构调整措施, 是一次颗粒物、SO2、NOx和NH3的重要减排措施, 该措施减排2.9 Mt CO2, 说明太原市电力部门向更清洁的能源结构转变是减污降碳的重要途径.措施7令太原市煤矿开采活动水平增加30%（表 2）, 导致CH4排放大幅增加.措施12（减少溶剂使用）是VOCs的最主要减排措施.另外, 措施2, 即太原市纯电动公交车的全面推行, 削减了交通部门0.7 kt的NOx排放, 但新增电力源于本地燃煤发电机组, 导致一次颗粒物、SO2和CO2排放增加.

图 5 2025年政策情景相对于基准情景不同措施的减排潜力排序 Fig. 5 Ranking of emission reduction potential of different measures in policy scenario relative to those in baseline scenario in 2025

2.4 协同效益分析

图 6为2025年政策情景下CO2协同效益量化值, 具有CO2协同效应的措施共有4条.分别为：措施1, 即电力部门可再生能源发电量比例增加；措施2, 即新能源公交车的推广；措施3, 即优化运输结构增加铁路运货量比例；措施6, 即严禁钢铁、焦化和水泥等行业新增产能.从图 6（a）可以看出, 措施6和措施1的CO2协同效益最高, 这是由于限制“双高”行业的能源消耗, 严禁新增产能以及使用可再生能源替代燃煤发电政策措施, 可减少煤炭和焦炭使用量, 从而实现减污降碳.然而, 措施2的协同效益值为负, 这是由于本研究假设新能源公交车的推广政策新增的电力消耗, 全部源于本地燃煤机组, 造成煤电负荷增加, 使得空气污染物与CO2排放转移到电力部门, 表明交通部门的电气化政策的清洁力度取决于电力供能的清洁程度.

图 6 政策情景下2025年不同措施和不同污染物的CO2协同减排效益 Fig. 6 CO2 co-benefits of different measures and air pollutions under policy scenario in 2025

从图 6（b）中可以看出, VOCs与NH3的协同减碳效益较高, 其次是PM2.5和PM10, 这与前人的研究结果不同.杨添棋等[13]的研究中太原市NOx具有最高的CO2协同减排效益, 且其它针对京津冀地区的研究表明, 最具协同减碳效益的关键污染物主要为PM2.5或NOx[25, 26, 28].产生这种差异的原因：一是, 其研究并未将VOCs和NH3纳入协同效益量化评估, 二是, 政策评估的时间与区域不同也会影响评估结果.另外, 措施1和措施6协同减碳效益最高的污染物是VOCs, 同时, VOCs治理是“十四五”期间污染减排的重点[46], 意味着电力和工业燃烧部门的VOCs治理措施可能带来显著CO2减排.

3 建议

（1）未来太原市针对一次颗粒物减排, 应加大燃料转换部门, 如炼焦等行业的措施力度, 比如采取布袋或陶瓷膜除尘后循环水洗涤技术, 以减少出焦时颗粒物排放；NOx减排的重点应从工业燃烧部门转向非道路机械, 可以通过进一步加严非道路机械的排放标准或者采用清洁电力、生物柴油、煤基合成柴油或天然气基合成柴油等更清洁的能源供能, 实现NOx排放控制；针对NH3减排应进一步加强对畜牧粪肥处理过程排放控制、减少土地资源集中型的产品需求以及避免氮肥过量使用.

（2）针对温室气体减排, CO2主要排放源有工业燃烧、轻型汽车和电力部门.本研究假设在政策情景下2025年重点行业全部实现超低排放改造, 考虑到成本限制, 应该重点推动工业部门终端电气化, 同时加大可再生能源发电和消纳比例, 避免其它部门的电气化政策增加燃煤电厂排放负荷；对于CH4减排, 由于资源型城市需要保障其它地区的能源供应, 不能过多限制煤矿开采, 因此需要重视煤层气高效开采技术升级和加强废弃煤矿的管理.

4 结论

（1）相比于基准情景, 2025年太原市13项“十四五”大气污染防控政策措施实施, 使一次PM2.5、PM10、SO2、NOx、VOCs和NH3分别减排：1.8（5%, 相对于基准情景减排比例, 下同）、2.5（2%）、3.7（16%）、20.0（27%）、13.6（15%）和0.0 kt（0%）, CO2减排9.0 Mt（13%）, 而CH4排放增加203.3 kt（25%, 相对于基准情景增加比例）.其中, SO2、NOx、VOCs与CO2减排比例较高, SO2减排主要发生在电力、工业燃烧和工业过程部门, NOx减排主要源于工业燃烧, 而VOCs减排主要源于溶剂使用, CO2减排主要发生在工业燃烧部门, CH4的增加是煤矿开采活动增加所致.

（2）2020年后, 若太原市不施加更严格的空气污染控制政策, 多数污染物排放量增加.大气污染控制措施加严的政策情景下, 电力部门可再生能源发电比例提升、重点行业超低排放改造、严禁新增“双高”行业产能以及削减溶剂使用VOCs排放等措施的空气污染物减排潜力较大.

（3）与能源相关的电力结构调整措施和工业结构调整措施具有最大的减污降碳协同效益.交通部门新能源电车的推广政策协同效益为负, 是由于新增电力使用将空气污染物和温室气体排放负荷转移到本地燃煤电厂, 导致一次颗粒物、SO2和CO2增加.污染物协同效益分析表明一次颗粒物和VOCs的协同减碳效益较好, 意味着针对这些污染物的结构调整措施可能具有更好的CO2减排效果.

参考文献
[1] Chen F L, Chen Z F. Cost of economic growth: air pollution and health expenditure[J]. Science of the Total Environment, 2021, 755. DOI:10.1016/j.scitotenv.2020.142543
[2] Zhu L Y, Hao Y, Lu Z N, et al. Do economic activities cause air pollution? Evidence from China's major cities[J]. Sustainable Cities and Society, 2019, 49. DOI:10.1016/j.scs.2019.101593
[3] Alvarez-Herranz A, Balsalobre-Lorente D, Shahbaz M, et al. Energy innovation and renewable energy consumption in the correction of air pollution levels[J]. Energy Policy, 2017, 105: 386-397. DOI:10.1016/j.enpol.2017.03.009
[4] Cole M A, Neumayer E. Examining the impact of demographic factors on air pollution[J]. Population and Environment, 2004, 26(1): 5-21. DOI:10.1023/B:POEN.0000039950.85422.eb
[5] 国际环保在线. 《中国城市能源报告》[EB/OL]. https://www.huanbao-world.com/a/zixun/2018/1020/50942.html, 2023-04-06.
[6] MEIC Model-tracking anthropogenic emissions[EB/OL]. http://meicmodel.org.cn/, 2023-04-06.
[7] 郑逸璇, 宋晓晖, 周佳, 等. 减污降碳协同增效的关键路径与政策研究[J]. 中国环境管理, 2021, 13(5): 45-51.
Zheng Y X, Song X H, Zhou J, et al. Synergetic control of environmental pollution and carbon emissions: pathway and policy[J]. Chinese Journal of Environmental Management, 2021, 13(5): 45-51.
[8] Li M, Liu H, Geng G N, et al. Anthropogenic emission inventories in China: a review[J]. National Science Review, 2017, 4(6): 834-866. DOI:10.1093/nsr/nwx150
[9] Zheng B, Tong D, Li M, et al. Trends in China's anthropogenic emissions since 2010 as the consequence of clean air actions[J]. Atmospheric Chemistry and Physics, 2018, 18(19): 14095-14111. DOI:10.5194/acp-18-14095-2018
[10] 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.
[11] 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.
[12] 薛涛, 刘俊, 张强, 等. 2013~2017年中国PM2.5污染的快速改善及其健康效益[J]. 中国科学: 地球科学, 2019, 62(4): 441-452.
Xue T, Liu J, Zhang Q, et al. Rapid improvement of PM2.5 pollution and associated health benefits in China during 2013-2017[J]. Science China Earth Sciences, 2019, 62(12): 1847-1856.
[13] 杨添棋, 王洪昌, 张辰, 等. 京津冀及周边地区"2+26"城市结构性调整政策的CO2协同减排效益评估[J]. 环境科学, 2022, 43(11): 5315-5325.
Yang T Q, Wang H C, Zhang C, et al. Carbon dioxide mitigation Co-effect analysis of structural adjustment measures in the "2+26" cities in the Jing-Jin-Ji region and its surroundings[J]. Environmental Science, 2022, 43(11): 5315-5325.
[14] 中国环境监测总站. 中国环境状况公报[EB/OL]. http://www.cnemc.cn/jcbg/zghjzkgb/, 2023-04-06.
[15] Zhang Y X, Zheng X Z, Cai W J, et al. Key drivers of the rebound trend of China's CO2 emissions[J]. Environmental Research Letters, 2020, 15(10). DOI:10.1088/1748-9326/aba1bf
[16] Dong H J, Dai H C, Dong L, et al. Pursuing air pollutant cobenefits of CO2 mitigation in China: a provincial leveled analysis[J]. Applied Energy, 2015, 144: 165-174. DOI:10.1016/j.apenergy.2015.02.020
[17] Zhang S L, Wu Y Z, Liu X R, et al. Co-benefits of deep carbon reduction on air quality and health improvement in Sichuan province of China[J]. Environmental Research Letters, 2021, 16(9). DOI:10.1088/1748-9326/ac1133
[18] Zhang S H, Worrell E, Crijns-Graus W, et al. Co-benefits of energy efficiency improvement and air pollution abatement in the Chinese iron and steel industry[J]. Energy, 2014, 78: 333-345. DOI:10.1016/j.energy.2014.10.018
[19] Zhang S H, Worrell E, Crijns-Graus W. Evaluating co-benefits of energy efficiency and air pollution abatement in China's cement industry[J]. Applied Energy, 2015, 147: 192-213. DOI:10.1016/j.apenergy.2015.02.081
[20] Zhang S H, Worrell E, Crijns-Graus W. Mapping and modeling multiple benefits of energy efficiency and emission mitigation in China's cement industry at the provincial level[J]. Applied Energy, 2015, 155: 35-58. DOI:10.1016/j.apenergy.2015.05.104
[21] Yang J Z, Zhao Y, Cao J, et al. Co-benefits of carbon and pollution control policies on air quality and health till 2030 in China[J]. Environment International, 2021, 152. DOI:10.1016/j.envint.2021.106482
[22] Zhang X, Jin Y N, Dai H C, et al. Health and economic benefits of cleaner residential heating in the Beijing-Tianjin-Hebei region in China[J]. Energy Policy, 2019, 127: 165-178. DOI:10.1016/j.enpol.2018.12.008
[23] Jiang J J, Ye B, Shao S, et al. Two-tier synergic governance of greenhouse gas emissions and air pollution in China 's megacity, Shenzhen: impact evaluation and policy implication[J]. Environmental Science & Technology, 2021, 55(11): 7225-7236.
[24] Peng W, Yang J N, Lu X, et al. Potential co-benefits of electrification for air quality, health, and CO2 mitigation in 2030 China[J]. Applied Energy, 2018, 218: 511-519. DOI:10.1016/j.apenergy.2018.02.048
[25] Lu Z Y, Huang L, Liu J, et al. Carbon dioxide mitigation cobenefit analysis of energy-related measures in the Air Pollution Prevention and Control Action Plan in the Jing-Jin-Ji region of China[J]. Resources, Conservation & Recycling: X, 2019, 1. DOI:10.1016/j.rcrx.2019.100006
[26] Xu M, Qin Z F, Zhang S H. Integrated assessment of cleaning air policy in China: a case study for Beijing-Tianjin-Hebei region[J]. Journal of Cleaner Production, 2021, 296. DOI:10.1016/j.jclepro.2021.126596
[27] Shi Q R, Zheng B, Zheng Y X, et al. Co-benefits of CO2 emission reduction from China's clean air actions between 2013-2020[J]. Nature Communications, 2022, 13(1). DOI:10.1038/s41467-022-32656-8
[28] Shu Y, Hu J N, Zhang S H, et al. Analysis of the air pollution reduction and climate change mitigation effects of the Three-Year Action Plan for Blue Skies on the "2+26" Cities in China[J]. Journal of Environmental Management, 2022, 317. DOI:10.1016/j.jenvman.2022.115455
[29] 中国经济社会大数据研究平台. 太原统计年鉴2021[EB/OL]. https://www.yearbookchina.com/navipagen3021112402000279.html, 2023-04-06.
[30] 中华人民共和国生态环境部. 生态环境部发布2020年全国生态环境质量简况[EB/OL]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk15/202103/t20210302_823100.html, 2023-04-06.
[31] Cai B F, Cui C, Zhang D, et al. China city-level greenhouse gas emissions inventory in 2015 and uncertainty analysis[J]. Applied Energy, 2019, 253. DOI:10.1016/j.apenergy.2019.113579
[32] 国家信息通报. 中华人民共和国气候变化第三次国家信息通报[EB/OL]. https://tnc.ccchina.org.cn/Detail.aspx?newsId=73250&TId=203, 2023-04-06.
[33] Amann M, Bertok I, Borken-Kleefeld J, et al. Cost-effective control of air quality and greenhouse gases in Europe: modeling and policy applications[J]. Environmental Modelling & Software, 2011, 26(12): 1489-1501.
[34] 国家大气污染防治攻关联合中心. 大气重污染成因与治理攻关项目研究报告[M]. 北京: 科学出版社, 2021.
[35] 束韫, 李海生, 张文杰, 等. 2030年京津冀及周边城市群PM2.5污染控制路径[J]. 环境科学研究, 2023, 36(3): 439-448.
Shu Y, Li H S, Zhang W J, et al. PM2.5 pollution control pathways in Beijing-Tianjin-Hebei and surrounding urban areas in 2030[J]. Research of Environmental Sciences, 2023, 36(3): 439-448.
[36] Amann M, Kiesewetter G, Schöpp W, et al. Reducing global air pollution: the scope for further policy interventions[J]. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2020, 378(2183). DOI:10.1098/rsta.2019.0331
[37] 中华人民共和国生态环境部. 中共中央国务院关于深入打好污染防治攻坚战的意见[EB/OL]. https://www.mee.gov.cn/zcwj/zyygwj/202111/t20211108_959456.shtml, 2023-04-06.
[38] 忻州市生态环境局. 山西省生态环境厅山西省发展和改革委员会关于印发《山西省"十四五"生态环境保护规划》的通知[EB/OL]. https://sthjj.sxxz.gov.cn/xxgk/zfwj/202208/t20220821_3789393.html, 2023-04-06.
[39] 山西省发展和改革委员会, 山西省能源局. 山西省发展和改革委员会山西省能源局关于印发《山西省可再生能源发展"十四五"规划》的通知[EB/OL]. http://nyj.shanxi.gov.cn/zfxxgk/fdzdgknr/ghjh/202302/t20230201_7903550.html, 2023-04-06.
[40] 太原市人民政府. 太原市人民政府办公室关于印发太原市"十四五"能源发展规划的通知[EB/OL]. http://www.taiyuan.gov.cn/p1/fgfxwj/20220106/1199167.html, 2023-04-06.
[41] 国家发展改革委, 住房城乡建设部. 国家发展改革委住房城乡建设部关于印发《"十四五"城镇污水处理及资源化利用发展规划》的通知[EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/202106/t20210611_1283168.html, 2023-04-06.
[42] 太原市生态环境局. 太原市"十四五"生态建设与环境保护规划(报批稿)[EB/OL]. http://hbj.taiyuan.gov.cn/p190/hjgh/20230201/30018806.html, 2023-04-06.
[43] Rive N, Aunan K. Quantifying the air quality cobenefits of the clean development mechanism in China[J]. Environmental Science & Technology, 2010, 44(11): 4368-4375.
[44] Jia X P, Xin G, Qian Y, et al. Sectoral co-control of air pollutants: case of a chlor-alkali/polyvinyl chloride sector in China[J]. Journal of Cleaner Production, 2016, 112: 1667-1675. DOI:10.1016/j.jclepro.2015.01.074
[45] Gu B J, Zhang L, Van Dingenen R, et al. Abating ammonia is more cost-effective than nitrogen oxides for mitigating PM2.5 air pollution[J]. Science, 2021, 374(6568): 758-762. DOI:10.1126/science.abf8623
[46] 薛文博, 许艳玲, 史旭荣, 等. 我国大气环境管理历程与展望[J]. 中国环境管理, 2021, 13(5): 52-60.
Xue W B, Xu Y L, Shi X R, et al. Atmospheric environment management in China: progress and outlook[J]. Chinese Journal of Environmental Management, 2021, 13(5): 52-60.
[47] Li C, Hammer M S, Zheng B, et al. Accelerated reduction of air pollutants in China, 2017-2020[J]. Science of the Total Environment, 2022, 803. DOI:10.1016/j.scitotenv.2021.150011
[48] 桑树勋, 刘世奇, 韩思杰, 等. 中国煤炭甲烷管控与减排潜力[J]. 煤田地质与勘探, 2023, 51(1): 159-175.
Sang S X, Liu S Q, Han S J, et al. Coal methane control and its emission reduction potential in China[J]. Coal Geology & Exploration, 2023, 51(1): 159-175.
[49] 陈田, 潘竟虎. 2009~2019年中国人为CH4排放量的估算及时空格局[J]. 中国环境科学, 2022, 42(12): 5549-5560.
Chen T, Pan J H. Estimation and temporal and spatial pattern of anthropogenic CH4 emissions in China from 2009 to 2019[J]. China Environmental Science, 2022, 42(12): 5549-5560.