基于能源-环境情景模拟的北京市大气污染对居民健康风险评价研究

保护居民健康是北京市能源系统优化管理和大气污染治理的重要目标.本研究基于北京市的社会经济发展目标并结合相关节能减排和环保要求,针对全市2010-2020年间的能源消费分别设计了高、中、低3种约束情景,通过LEAP模型预测了全市至2020年的能源消费量与S02、NOx、PM10和PM2.5等4种主要大气污染物的排放强度,并采用泊松回归模型对3种情景下主城区居民受环境空气中这4种大气污染物的暴露危害所导致的健康风险进行了评估.结果显示:相对低约束情景,高约束情景至2020年可避免与S02、NOx、PM10和PM2.5污染相关的死亡危害分别为2663、6359、4720和4104人·a-1,而且在高约束情景下煤炭消费比重每下降1％,可相应地避免约1400人·a-1的污染急性死亡.由此建议北京市实施更加严格的节能和减排措施,严控煤炭消费总量,进一步优化能源结构,最大程度地降低能源消费导致的大气污染所产生的居民健康风险.     

北京市减污降碳协同控制情景模拟和效应评估

将能源、建筑、产业和交通作为减污降碳重点领域,设置了基准情景、政策情景和强化情景,以2020年为基准年,2035年为目标年,开展北京市大气污染物和CO₂减排潜力测算,并构建了一种协同控制效应分级评估方法,对政策情景和强化情景下大气污染和CO₂协同控制效应进行量化评估.结果表明,与基准情景相比,政策情景和强化情景下大气污染物减排率分别在11%～75%和12%～94%,CO₂分别为41%和52%.优化机动车结构对于NO_x、 VOCs和CO₂的减排贡献最大,政策情景下减排率分别达到74%、 80%和31%,强化情景下分别达到68%、 74%和22%;完成农村地区散煤清洁能源改造对SO₂的减排贡献最大,政策和强化情景下分别达到47%和35%;提升新建建筑绿色化水平对PM₁₀的减排贡献最大,政策和强化情景下分别达到79%和74%.优化出行结构和推动数字基础设施绿色发展的协同控制效应最佳;强化情景下,完成农村地区散煤清洁能源改造、优化机动车结构和...     

不确定条件下碳税政策对北京市能源环境系统影响研究

在考虑碳税政策情景下,构建了北京市能源环境系统规划模型,分析了碳税政策对北京市能源环境系统的影响.结果表明,到2020年北京市煤炭的用量将压减到[921.7, 1000]万t标准煤;相反,天然气和电力的使用量将分别增加到[2000.7, 2089.3]万t标准煤和[1950.3, 2183.8]万t标准煤;此外,本研究还分析了碳税政策对CO2及大气污染物(SO2、NOx和PM10)的排放变化情况.到2020年碳税情境下的结果较无碳税情境下的相比, CO2的减排比例达到[9.0, 11]%, SO2、NOx和PM10的协同减排比例分别达到[9.0, 11]%,[19, 31]%和[19, 20]%.     

北京市制造业减污降碳协同效应分析和驱动因素

基于北京市2013～2020年制造业大气污染物和CO₂排放数据计算结果,分析了制造业排放变化特征,采用协同效应系数评估了制造业减污降碳的协同效果,并利用LMDI模型量化分析了人口规模、经济发展、产业结构、能耗强度、能源结构和排放强度对于大气污染物排放、CO₂排放以及二者综合的驱动影响程度.结果表明,北京市制造业排放总体呈下降趋势,2013～2020年,大气污染物排放减少了79.2%～92.5%,CO₂排放减少了60.3%,各项排放在“清空五年”和“蓝天三年”时期呈现不同的阶段性特征.从减污降碳协同效果来看,各项大气污染物和CO₂的协同效应系数均在0～1之间,对于大气污染物的减排作用大于CO₂.从各驱动因素影响来看,能耗强度降低和能源结构优化对于排放的负向拉动作用较大,排放强度降低对于大气污染物排放具有抑制作用;从协同减排综合驱动影响来看,能耗强度降低的协同效果最为明显,产业结构调整在“蓝天三年”时期的协同效果最佳.     

北京市大气污染减排潜力及居民健康效益评估

北京市能源消费正面临着污染物减排和保障居民健康的双重约束. 针对未来城市能源消费设计BAU(基准情景)和2个分别基于近期和中长期节能环保要求的受控情景(EC1、EC2),模拟预测了3个情景下主要大气污染物(SO₂、NO_x、PM₁₀、PM_2.5)在目标年(2020年)的排放水平,以确定大气污染减排潜力. 分别采用综合暴露-反应关系模型(IER)和泊松回归模型,评估北京市居民对PM_2.5暴露的健康风险,估算健康损失的经济价值. 结果表明:相较BAU情景,在EC1情景下, SO₂、NO_x、PM₁₀、PM_2.5减排率分别达到52.95%、49.77%、32.82%、41.41%,可减少PM_2.5暴露下居民死亡和发病219 783例,其中死亡1 295例、住院3 920例、门诊182 558例、患病32 011例,获得健康效益111.87×108元;在EC2情景下,SO₂、NO_x、PM₁₀、PM_2.5的减排率分别达到66.61%、63.42%、54.96%、57.44%,可减少PM_2.5暴露下居民死亡和发病519 234例,其中死亡2 930例、住院9 248例、门诊427 070例、患病79 986例,获得健康效益290.10×108元. 相较EC1情景,EC2情景可产生更大的减排潜力和居民健康效益. 从空间分布上来看,北京主城区因能源方案优化获得的健康效益较大,约占总健康经济效益的60%.      

基于情景分析的北京市机动车污染排放控制研究

为了研究未来北京市机动车排放控制措施的减排效果,本文基于情景分析法,以2010年为基准年,通过设置3类控制措施情景,估算2011~2020年不同情景下北京市机动车常规污染物排放量,并在基准情景基础上,估算污染物减排量,分析控制措施对不同类型机动车的减排贡献.结果表明,尽管未来北京市机动车保有量会有较大增长,实施机动车排放控制措施仍可取得显著的减排效果.单一措施中,淘汰高排放车减排量最大.其中,淘汰轻型客车可有效减少CO的排放,减排贡献率为89.4%;淘汰重型客车可对NOx、HC和PM10达到有效削减,其贡献率分别为65.5%、55.8%、93.4%.实施新的排放标准对重型柴油车的排放也有明显控制效果,且4种污染物都能得到有效削减.综合实施各种措施的效果最为显著,2020年对CO、NOx、HC、PM10的削减效果分别达到46.4%、42.1%、8.6%和50.6%.     

京津冀钢铁行业节能、SO2、NOx、PM2.5和水协同控制

建立自下而上的综合动态优化模型,在节能、大气污染物（SO₂、NO_x和PM_2.5）减排和节水的综合约束下,研究京津冀地区2015~2030年钢铁行业48项节能减排技术优化发展路径,并预测该地区钢铁行业能耗、大气污染物排放和水耗.结果表明,国家应优先鼓励推广干熄焦,小球烧结技术等22项技术,此类技术可以有效协同控制能耗、大气污染物排放和水耗.京津冀地区钢铁行业具有很大的节能、大气污染物减排和节水潜力,到2030年在实现大量节能、大气污染物减排潜力的同时可以实现节水10.08亿m³.虽然计算得到的购水成本仅约占总成本的2%,但是京津冀地区面临着严重大气污染和极度的水资源短缺问题,仍然需要兼顾节能减排技术对水资源的影响.     

基于LEAP模型的兰州市道路交通温室气体与污染物协同减排情景模拟

基于LEAP模型,构建了2015～2040年兰州市道路交通发展“零措施”的基准（BAU）情景以及低碳（LC）和强化低碳（ELC）这2个节能减排情景,模拟评估各项政策和措施下能源消耗情况和温室气体与大气污染物协同减排效果.结果表明,LC情景能源消耗和CO₂排放将于2026年达峰,ELC情景能源消耗和CO₂排放将于2020年达峰;两种情景下,NO_x、 CO、 HC、 PM_2.5和PM₁₀等污染物排放量于2015～2017年间开始出现大幅下降,下降趋势于2023年前后逐渐减缓.结合措施可行性和减排成本,LC情景可作为兰州市道路交通碳达峰减排情景：到2040年能源消耗量、 CO₂、 NO_x、 CO、 HC、 PM_2.5和PM₁₀排放相对于BAU情景的削减率分别达到-24.17%、-26.57%、-55.38%、-65.91%、-72.87%、-76.66%和-77.18%.兰州市道路交通当前应以公共...     

中国能源政策的大气污染物减排效果与附加效应--上海案例研究

为了研究中国能源政策对减少本地大气污染物排放的效果,以及减缓二氧化碳排放增长速度的附加效应,以上海为例,采用MARKAL模型对基础情景和能源政策情景下的能源消费及大气污染物排放量进行了预测,并分析了能源环境政策减缓二氧化碳排放增长的附加效应。结果显示,实施能源政策后,上海市的SO_2、PM_(10)。排放量均有大幅度降低,并可明显减缓CO_2排放的增长速度。2000～2020年,SO_2排放量将基本保持在2000年的水平,CO_2排放总量的年均增长率将由基础情景下的2.7％减小到能源政策情景下的1.1％～1.2％。     

基于碳减排目标与排放标准约束情景的火电大气污染物减排潜力

从我国"十四五"及2035年远景目标经济发展预测出发,结合碳减排战略目标下的既有与强化政策情景,基于弹性系数法预测电力需求,测算在不同污染物排放标准约束情景下火电大气污染物排放情况及减排潜力,结果表明,在不同的政策和排放标准约束情景下,我国火电行业烟尘、SO2和NOx排放水平变化呈现出不同的趋势,到2035年,在2016年水平上的减排潜力分别在45.97％～85.37％、52.61％～84.90％和33.80％～71.08％之间,来自碳减排目标下政策因素带来的减排潜力,较不同污染物排放标准约束条件带来的减排潜力更为明显,在强化政策情景下,采取保持模式标准约束的污染物减排潜力已与超低模式基本相当,甚至超过或接近既有政策下采取收严模式标准约束的效果,通过强化实施能源和电力优化政策,加快实现火电发电量达峰,合理引导高污染排放水平火电机组优先退出生产,同样可使火电大气污染物排放得到有效控制,还可避免环保改造投资的浪费和损失.     

Impact of energy structure adjustment on air quality: a case study in Beijing, China

Energy consumption is a major cause of air pollution in Beijing, and the adjustment of the energy structure is of strategic importance to the reduction of carbon intensity and the improvement of air quality. In this paper, we explored the future trend of energy structure adjustment in Beijing till 2020, designed five energy scenarios focusing on the fuel substitution in power plants and heating sectors, established emission inventories, and utilized the Mesoscale Modeling System Generation 5 (MM5) and the Models-3/Community Multiscale Air Quality Model (CMAQ) to evaluate the impact of these measures on air quality. By implementing this systematic energy structure adjustment, the emissions of PM₁₀, PM_2.5, SO₂, NO _x , and non-methane volatile organic compounds (NMVOCs) will decrease distinctly by 34.0%, 53.2%, 78.3%, 47.0%, and 30.6% respectively in the most coalintensive scenario of 2020 compared with 2005. Correspondingly, MM5-Models-3/CMAQ simulations indicate significant reduction in the concentrations of major pollutants, implying that energy structure adjustment can play an important role in improving Beijing’s air quality. By fuel substitution for power plants and heating boilers, PM₁₀, PM_2.5, SO₂, NO _x , and NMVOCs will be reduced further, but slightly by 1.7%, 4.5%, 11.4%, 13.5%, and 8.8% respectively in the least coal-intensive scenario. The air quality impacts of different scenarios in 2020 resemble each other, indicating that the potential of air quality improvement due to structure adjustment in power plants and heating sectors is limited. However, the CO₂ emission is 10.0% lower in the least coal-intensive scenario than in the most coal-intensive one, contributing to Beijing’s ambition to build a low carbon city. Except for energy structure adjustment, it is necessary to take further measures to ensure the attainment of air quality standards.     

大城市机动车污染物排放与控制的情景预测

机动车排放控制措施的有效实施对改善城市大气环境质量具有重要意义. 以北京市为例,利用情景预测法评估2011—2020年各项控制措施对城市机动车常规污染物(CO、NO_x、HC、PM₁₀)的削减效果.建立Gompertz模型并估算动态车龄分布以预测机动车保有量,运用排放因子法估算6种机动车排放控制情景的污染物削减量. 结果表明:与基准情景相比,轻型客车保有量调控情景对CO、HC和PM₁₀的削减效果较显著,在2020年可分别削减7.81%、9.88%和5.78%;排放标准更新情景对4种污染物均能有效削减,尤其是对NO_x和PM₁₀,可分别削减21.19%和24.67%;而淘汰高排放机动车情景的短期削减效果显著,但中、长期效果较差;新能源车推广情景因受到经济、技术条件的限制,削减效果较弱;综合情景考虑了以上所有的削减控制措施并达到最大的削减效果,2020年对CO、NO_x、HC和PM₁₀的削减率分别达到29.45%、42.54%、28.04%和41.30%,与基准年(2010年)相比,分别削减约2.81×105、0.63×104、3.77×104和0.17×104t.      

基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前（1月1~26日）和疫情管控期（1月27日~2月29日）这两阶段的空气质量分析对比发现,整个河南省除了O₃浓度上升了69.64%外,PM_2.5、PM₁₀、SO₂、CO和NO₂分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络（LSTM）模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O₃在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O₃的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.     

2013-2017年珠江三角洲主要大气污染控制措施减排效果评估

自2013年《大气污染防治行动计划》发布以来,珠江三角洲（PRD）地区实施了严格的大气污染防控政策,在全国率先实现PM_2.5浓度连续3年达标,然而,已实施的控制措施对污染物的减排效果尚不清楚.因此,本研究通过广泛收集2013—2017年珠三角地区大气污染源活动水平数据与控制措施,建立2013—2017年实际控制与未控制情景的污染物趋势排放清单,对主要控制措施的减排效果进行了量化.结果表明,2013—2017年珠三角地区SO₂、NO_x、PM₁₀、PM_2.5和VOCs 5种污染物排放分别下降了55%、24%、55%、54%和10%.相比于未控制情景,实际控制情景下2017年5种污染物分别实现61%、40%、68%、70%和41%的减排.在各类管控措施中,工业提标对5种污染物减排分别贡献了39%、46%、66%、69%和25%;销号整治对VOCs减排贡献最大（32%）,对其它污染物减排贡献约10%;清洁能源改造主要对SO₂和PM减排有所贡献,其中,煤改气、低硫煤、低硫油对SO₂减排有主要贡献（均为15%左右）,低灰分煤对PM₁₀（12%）和PM_2.5（19%）减排有较大贡献;机动车提标、淘汰黄标车对NO_x（22%、17%）和VOCs（23%、12%）减排有较大贡献.本研究可为珠三角和其它地区针对不同大气污染物科学制定防控政策与措施提供基础数据和科学支撑.     

厦门市能源消费对环境及公共健康影响研究

由能源消费排放的多种大气污染物对环境和公共健康的影响越来越严重.以厦门市为研究案例,应用LEAP模型、剂量效应（Doseeffective）和暴露-响应（Exposure-response）原理构建能源-环境-公共健康模型,计算厦门市不同情景下主要大气污染物PM10和SO2排放量和由这两种污染物引发的公共健康经济损失,...     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.