基于综合减污降碳策略的成渝地区中长期空气质量改善模拟

段林丰,李振亮,蒲 茜,曹云擎,卢培利,王锋文,薛文博,雷 宇,张 晟(.重庆市生态环境科学研究院(中国环境科学研究院西南分院),城市大气环境综合观测与污染防控重庆市重点实验室,重庆 4047；.重庆大学环境与生态学院,环境科学系,重庆 400045；.生态环境部环境规划院,国家环境保护环境规划与政策模拟重点实验室,北京 000)

近年来,我国空气质量总体呈现好转态势[1-3].但是,截至2022 年全国仍有约100 个地级以上城市PM2.5年均浓度超标[4].同时,O3污染浓度呈现不降反升,甚至逐年加重的趋势[5-6].另一方面, 2022年我国能源相关CO2排放量达125 亿t,占全球排放量的33%[7].未来我国CO2排放量还有进一步增加趋势[8],而美国、欧盟已进入下降通道[9-10],我国中长期面临较大的碳减排压力.开展大气污染物与碳协同减排,科学制定减污降碳行动路线已成为我国现阶段推动生态环境高质量发展的新要求[11-12].

目前,利用情景分析法定量模拟解析中长期或超长期经济社会—大气环境—碳排放演变特征的研究日益增多[13-16].情景分析法是在对经济、产业或技术等影响因子的重大可能演变提出关键假设的基础上,通过对未来详细地、严密地推理和描述构想未来各种可能的发展情景方案[17].主流方法是设计或假设多种大气污染控制或碳减排的多种情景,借助一系列集成的定量方法,如经济-能源-环境模型(CGE、LEAP 和MARKAL 模型)或空气质量模型(WRF-CMAQ)等,对不同控制情景下的污染减排效应进行定量和评估,筛选出达到空气质量或碳减排目标的控制情景[18-21].然而,当前大多关于区域中长期空气质量改善或减污降碳协同减排情景分析的研究是预设的固定情景[22-23],在探讨区域中长期空气质量改善路径,和制定减排措施上优化不足、灵活性欠缺,难以满足当前大气复合污染形势下多地区-多部门-多污染物协同减排的区域大气污染协同防控优化决策支撑的需求.

本文以经济活跃、地形复杂和气象特殊的成渝地区为研究对象,基于国家和地方政府的大气污染防治减排规划,以及实现“双碳”目标的政策措施,设计了基准政策情景、动态优化情景和最大潜力情景3 种综合减污降碳情景,应用区域大气污染物及碳排放清单预测技术、空气质量模型模拟和动态情景优化调控策略等方法,探讨了中长期空气质量改善和碳减排路径,为保障成渝地区双城经济圈实现生态环境高质量发展的科学决策和精准施策提供参考.

1 研究方法与数据

1.1 综合减排情景设计

大气污染物与CO2排放与区域的产业发展、能源消费、交通运输和末端治理水平紧密相关.因此,未来成渝地区的大气污染治理和碳减排综合防治需从能源结构优化、产业结构调整、交通运输结构优化和末端治理水平升级等方向一并发力.以2017年为基准年,2035 年为目标年设计了成渝地区耦合“产业—能源—交通—末端”的综合减排基准政策情景(BS)、动态优化初始情景(OS)和最大潜力情景(RS).

如表1 所示,BS 情景作为OS 和RS 情景未来结果比较的基准,反映历史阶段政策的延续,但不考虑国家和地方政府未来实行新政策和新措施.RS 情景代表对未来持激进态度,各项减排措施强度超额完成国家和政府的既定规划目标,达到国内外发达城市或地区先进水平.在RS 情景措施设置时,在国家和成渝地区政府新颁布的政策规划的基础上,结合先进城市群(长三角、珠三角和京津冀地区)发展经验,经专家研判形成激进的情景发展目标,代表成渝地区未来在产业、能源和交通结构调整优化,以及末端治理升级领域可能达到的最大潜力.OS 情景作为综合减排路径优化的初始情景,各项减排措施强度的初始值选取介于BS 与RS 之间.此外,农业生产活动排放的氨气(NH3)是PM2.5形成的重要“推手”[24-26],3 个综合减排情景均包括中长期农业领域氨气减排措施,即逐步推广科学施肥(氮肥深施或混施)技术和低蛋白含量的饲料品种等,减少施肥氨挥发和畜禽产品的氮素排泄量.在情景宏观经济社会参数方面,3 个情景预测期间的经济发展、人口规模、城市化率等关键参数保持一致.即在3 个情景下,成渝地区未来GDP 将持续增长,但增速逐渐放缓,2035 年将达到14.6 万亿元,较2017 年增长2.5 倍.成渝地区常住人口预计将在2035 年达到1.2 亿人,相较2017 年增加近570 万人.同时,成渝地区城市化进程仍将继续,城市化率将稳步提升,到2035 年达到73%,届时城镇人口将达到8750万人.

表1 综合减污降碳情景关键发展指标描述Table 1 Key development indicators for comprehensive pollution reduction and carbon mitigation scenarios

1.2 情景模拟优化与综合减污降碳方案生成

为实现成渝地区中长期不同阶段空气质量改善需求,基于大气环境容量的模型迭代算法[27-28],构建情景—评估—反馈—调整的闭环优化调控方法框架.如图1 所示,优化调控主要包括未来情景清单编制、情景空气质量模拟评估和情景减排措施动态调控3 个核心内容.其中,未来情景清单编制基于2017 年成渝地区本地化大气污染物排放清单,通过未来情景的减排措施核算对应情景下污染物减排量进而生成未来情景清单,利用SMOKE 模型输出空气质量改善效果评估所需的模型清单.情景空气质量模拟评估利用WRF-CMAQ 模型对不同情景下空气质量(PM2.5和O3)进行模拟,提取评估不同情景下不同区域、不同阶段空气质量改善效果,并与已制定的成渝地区“十四五”空气质量改善目标和2035 年“美丽中国”空气质量目标进行空气质量目标可达性评估.情景减排措施动态调控以BS 情景作为减排下限,RS 情景作为减排上限,通过优化策略动态调整OS 情景.优化策略依据《减污降碳协同增效实施方案》和国家中长期大气污染防治路线相关研究[11]的工作原则和技术路径,近中期通过强化末端治理升级减排大气污染物,中长期通过结构调整实现减污降碳协同推进,具体包括3 个层级,分别是优先重点行业末端治理BAT 技术改造,其次加强污染贡献和减排潜力较大的污染源减排力度,最后依次优化调整产业、能源、交通和用地结构.通过优化调整最终形成针对主要污染源的减污降碳整体方案.

图1 环境目标约束下的综合减排情景及路径优选技术路线Fig.1 Optimization of comprehensive emission reduction scenarios and pathways under environmental target constraints

1.3 空气质量数值模拟

1.3.1 WRF-CMAQ 模型 本文使用的空气质量模型为美国环保署的开源发展计划项目研发的第三代三维空气质量模型 CMAQv5.3(Community Multiscale Air Quality 5.3),是国际环境空气质量研究领域的主流模型[29].CMAQ 模型使用的气象场为美国国家大气研究中心(National Center for Atmospheric Research)的WRF(Weather Research and Forecasting)模型输出的结果[30].WRF 模型采用双重嵌套网格,最外层水平分辨率27km,包含中国大部分区域.最内层水平分辨率9km,包含四川省、重庆市及周边部分区域.垂直层数均为28 层,WRF 模型选取了适合成渝地区的参数化方案[31-32],CMAQ 模型网格设置与WRF 模型匹配,边界层方案选取了模型组推荐的ACM2 方案,主要参数设置如表2 所 示.

表2 WRF-CMAQ 参数设置Table 2 WRF-CMAQ parameter settings

WRF 气象模型初始场气象场数据使用的是美国环境预报中心(National Centers for Environmental Prediction)的FNL 全球分析资料,水平分辨率为0.25º×0.25º.模拟时段为基准年2019 年的1,4,7,10 月,模型提前3d 开始作为预积分时间,并开启FDDA 同化再分析数据.CMAQ 模拟时段为基准年2019 年, 2025和2035 年的情景模拟均使用2019 年气象模拟结果,即不考虑年际气象变化对空气质量模拟结果的影响.WRF 和CMAQ 模型输出结果的时间步长为1h,CMAQ 模型网格设置与WRF 模型匹配,最外层27km 网格采用ICON 和BCON 模块提供初始和边界条件,模拟结果为内层9km 网格提供边界和初始场.

1.3.2 排放清单 根据清单编制方法,以2017 年为基准年,核算得到川渝两地各类源的主要大气污染物排放量.使用 SMOKE(Sparse Matrix Operator Kernel Emissions)排放清单处理工具对各类污染物进行空间、时间和化学物种分配后形成空气质量模型可应用的网格化排放清单.本研究中川渝两地范围内人为源的SO2、NOx、PM10、PM2.5、VOCs 和NH3采用本地排放数据,其他范围人为源排放数据采用清华大学2017年MEIC排放清单数据集,生物源组分源于全球排放清单GEIA.此外,基于成渝地区能源平衡表,按照《省级温室气体清单编制指南(试行)》计算了能源活动相关CO2排放量.2017年成渝地区各污染物排放量如表3 所示,图2 为NOx排放清单.

表3 2017 年成渝地区各污染物排放总量Table 3 Emissions of various pollutants in the Cheng-Yu district in 2017

成渝地区本地排放清单是基于第二次污染源普查数据[33-34],根据国家排放清单编制相关技术指南,采用自下而上方法构建的人为源排放清单.与MEIC 清单相比,本地清单具有更高的时空分辨率,污染物排放量和空间分布更加贴近川渝地区实际情况,相比于MEIC 清单中农业、工业、电力、民用和交通源5 类排放源,本地清单行业分类按照《国民经济行业分类(GB/T 4754-2017)》[35]的分类标准,细分到第4 级源类,能够适用于精细化的排放情景设置和模拟研究.

2 结果与讨论

2.1 空气质量模拟结果

2.1.1 空气质量现状模拟 以2019 年为基准年,模拟时段选取1,4,7 和10 月4 个典型月份,4 个月的平均值代表全年平均值.由于部分国控点距离相近,单个模型网格可能包含多个点位.因此,按照各国控点位的经纬度坐标,对模型结果进行插值,最终提取了成渝地区共85 个国控点位的模拟结果.将成渝地区分为重庆市、成都平原、川南和川东北4 个主要经济区,按照各区域内国控点平均值,计算了PM2.5和O3的观测和模拟结果并进行了对比.如表4 所示,统计了观测值与模拟值的相关系数(R)、标准化平均偏差(NMB)、平均偏差(MB)、均方根误差(RMSE)、标准化平均误差(NME)和一致性系数(IOA).Huang等[36]整理了2006～2019 年间发布的307 篇空气质量模型相关的文章,统计了文章中使用的模型评估方案和标准,归纳总结并给出了推荐的评估方案和标准.选取的6 类统计参数为推荐的前6 种方案,可见MB和RMSE数值较低,观测和模拟浓度量级基本一致,除了重庆市和川东北PM2.5的R 和IOA 略低于标准以外,R、IOA、NMB 和NME 统计参数整体上优于推荐标准.

表4 PM2.5 和O3 浓度观测值与模拟值的统计参数Table 4 Statistical parameters of observed and simulated values of PM2.5 and O3 concentrations

研究表明,城市区域NOx和O3浓度变化呈反相关关系,高NOx排放量可能导致城市区域O3模拟浓度偏低的重要原因[37-39].此外,清单本身存在的误差、CMAQ 模型化学机制的不确定性以及气象场的准确性等因素,都会导致模拟与观测之间的差异.这些可能是本研究成都市和重庆市大气O3浓度模拟结果偏低的原因.但是,整体来看模型模拟的PM2.5和O3浓度量级、变化趋势和空间分布与观测相对一致,模型模拟结果可以接受.因此,通过WRF-CMAQ 模式应用,可以较好地描述成渝地区主要大气污染物排放与空气质量间的响应关系,也可用于模型迭代估算大气环境容量以及污染源贡献识别.

2.1.2 环境空气质量情景模拟 根据空气质量模型模拟结果,以2019 年为模拟基准年,统计不同减排情景下成渝地区各区域PM2.5和O3预测浓度.如图3 所示,图中圆点代表达到目标所需的污染指标改善浓度.在不考虑额外减排措施的BS 情景下,2025 和2035 年成渝地区各区域PM2.5和O3浓度相较于基准年均出现不同程度的上升.其中,2035年相较2019 年,四川和重庆的PM2.5浓度将分别增加 3.9 和 3.3µg/m3,O3浓度将分别增加 5.2 和6.0µg/m3.但是,如果初始OS 情景下的措施得到实施,四川和重庆2035 年的PM2.5和O3浓度与2019年相比均有明显改善,改善幅度分别为-9.6～-10.4µg/m3和-8.6～-9.0µg/m3.结合分区域和分阶段空气质量改善目标来看,到2025 年,初始OS 情景下除川南地区不能够实现PM2.5改善目标外,其他地区均能达成改善目标.但是,要实现2035 年PM2.5改善目标,则所有区域初始OS 情景都需要进一步动态加严.

图3 成渝地区不同减排情景下PM2.5 和O3 改善浓度Fig.3 Improvement of PM2.5 and O3 concentrations under different emission reduction scenarios in Cheng-Yu district

与PM2.5不同,O3生成速率与前体物排放量呈高度非线性相关,故O3浓度削减相对更复杂,在改善目标制定时也相对保守.模拟结果显示,四川和重庆各区域初始OS 情景均能完成O3改善目标.需要说明的是,成渝地区O3污染多集中在成都和重庆核心城区,本研究以区域范围讨论O3污染是平均了区域内所有城市浓度结果,而重庆市早期国控点主要集中在核心城区,区域臭氧浓度不包括区县分担结果,从而导致四川和重庆在2025 年的臭氧改善目标尚有余量空间.然而,即使如此,各区域初始OS 情景均无法完成2035 年O3改善目标,2026～2035 年阶段减排措施需要进一步强化以空气质量目标为约束,基于初始OS 和RS 情景大气主要污染物改善评估结果,对OS 情景减排措施强度进行动态优化调整,特别是强化针对PM2.5改善的重点减排措施,对于O3污染改善类措施主要调控2026～2035 年阶段的成都平原、川南和重庆地区,并使用空气质量模型WRF- CMAQ 进行模拟预测.基于综合减排方案生成的技术路线,通过匹配成渝地区重点城市空气质量改善目标,特别是从钢铁、水泥和火电等重点行业BAT 治理技术最优化选择,以及汽车制造、家具和化工等涉VOCs 排放贡献和减排潜力大的源对象,动态调整强化OS 情景减排强度以优化综合减排效果,最终得到优化后的综合减排路径.如图4 所示,可见重庆市、成都平原、川南和川东北区域的PM2.5和O3浓度均有明显改善,成渝地区PM2.5年均浓度由2017 年的37µg/m3下降至2035 年的25µg/m3,O3年均浓度由2017 年的140µg/m3下降至2035 年的135µg/m3,各区域均能实现中长期空气质量目标.

图4 优化后的综合减排路径PM2.5 和O3 模拟浓度Fig.4 Simulated concentration of PM2.5 and O3 under the optimized comprehensive emission reduction path

图5 综合减排情景路径Fig.5 Integrated emission reduction pathway

2.2 中长期空气质量改善路线

如图 5 所示,优化后的综合减污降碳路径:2017～2025 年,重点完成重点行业的超低排放改造,逐步推动产业、能源和交通结构优化调整.力争到2025 年,完成火电、钢铁和水泥行业的超低排放改造,第三产业发展成为经济增长的主动力,实现成渝地区清洁能源(电力和天然气)消费占一次能源比重达到44%,煤炭消费占比降低至37%.逐步开展铁路和水运扩能改造,提升“公转铁+公转水”比例.

2026～2035 年,深化结构调整力度,逐步建成安全高效、低碳绿色现代化产业、能源和交通运输结构体系.力争到2035 年,第三产业规模进一步壮大,新兴产业规模显著增加,实现清洁能源消费占一次能源比重力争达到73%,煤炭消费占比降低至15%.彻底扭转以公路为主的货运结构,构建大宗货物长距离“铁路+水运”的运输格局,同时大幅提升新能源车辆渗透率.

按照上述路径,2025 年成渝地区的SO2、NOx、PM2.5、VOCs 和CO2排放量相较于2017 年分别减排29%、32%、19%、24%和3%,到2035 年,随着结构调整力度加强,各污染物减排比例进一步分别扩大至35%、49%、28%、39%和12%.此外,成渝地区能源相关CO2排放近年呈波动下降[40],综合减排路径延续了历史下降趋势,但CO2排放削减主要发生在2026～2035 年结构优化转型期间.综合路径的减排效应表明,随着大气污染治理工作的深入,为按期实现成渝地区空气质量目标,中长期工作重心将由末端治理减排逐步转向为“双碳”政策驱动的结构优化减排,即进行能源结构、产业结构和运输结构的深度调整.

2.3 重点任务措施减排贡献

综合减污降碳路径下,相较于2017年,截至2025和2035 年的重点任务措施对SO2、NOx、PM2.5、VOCs 和CO2的减排贡献分别如图6 和图7 所示.总体上,2017～2025 年,末端治理升级将对成渝地区大气污染物减排发挥重要的减排作用,尤其是对SO2和PM2.5的减排占据主导贡献;2026～2035 年,随着末端治理减排潜力逐渐缩小,由“双碳”政策驱动的结构调整(产业、能源和交通结构调整)导致的减排逐步成为成渝地区大气污染物削减的主要因素.

图6 2025 年综合减排方案重点任务减排贡献Fig.6 Emission reduction contribution of key measures in the comprehensive emission reduction plan in 2025

图7 2035 年综合减排方案重点任务减排贡献Fig.7 Emission reduction contribution of key measures in the comprehensive emission reduction plan in 2035

具体而言,2017～2025 年,随着火电、钢铁和水泥行业的超低排放改造完成,末端治理带来较大的污染物减排贡献.至2025 年,末端治理升级对PM2.5和SO2的减排贡献最大,占总减排量的比例分别54%和56%,其中,尤其以火电、钢铁和水泥超低排放改造贡献的减排为主.此外,末端治理升级驱动的NOx和VOCs 减排量分别占总减排的19%和29%,同样具有重要的减排贡献.对于CO2减排,交通结构优化和能源结构调整均具有较大的贡献,分别占总减排量的41%和40%,尤其是“公转铁+公转水”(调整大宗货物运输量从公路向铁路、水路转移)及老旧车辆淘汰和35 蒸吨/h 以下燃煤锅炉替代具有较大的减排贡献.2026～2035 年,随着先进末端治理技术在电力和工业等部门的普及,其带来的大气污染减排效应收益将逐渐减少,而由“双碳”政策驱动的结构调整将逐步发挥减排的关键作用.至2035 年,结构优化调整将导致SO2、NOx、PM2.5和VOCs 排放相较2017年分别减排66%、87%、66%和83%.其中,SO2的减排以能源结构调整贡献(36%)为主,NOx的减排以交通结构优化贡献(70%)为主,PM2.5的减排以产业结构升级贡献(28%)为主,VOCs 的减排以产业结构升级贡献(42%)为主.对于CO2,能源结构调整和交通结构优化均具有较大的减排贡献,分别占总减排量的40%和38%.此外,产业结构升级对CO2的减排贡献为22%,同样发挥重要的减排作用,以钢铁和建材等传统行业缩减产能的减排贡献为主.

2.4 重点排放源减排贡献

由于减排措施作用的源类和强度不同,综合减排路径下污染物重点排放源排放变化具有较大差异.

如图8 所示,若不考虑减排措施的实施,随着区域社会经济发展和人口增长,未来SO2、NOx、PM2.5、VOCs 和CO2排放相较2017 年均呈现不同的增长.其中,SO2和PM2.5排放与工业部门的化石能源使用密切相关,2017～2035 年,排放增量分别为19 万t 和13 万t.而工艺过程源和固定燃烧源均涉及大量的化石能源燃烧环节,因此,两者均具有较大的减排贡献,相较于2017 年,2035 年工艺过程源对SO2和PM2.5的减排量分别为13 万t 和14 万t,固定燃烧源分别减排了15 万t 和10 万t.对于NOx,2017～2035 年的排放增量为53 万t,移动源具有最大的减排贡献,尤其是2026～2035 年期间随着新能源汽车的大力推广,相较2025 年,2035 年移动源贡献了26 万t 的减排量.此外,工艺过程源和固定燃烧源也有重要的贡献,2017～2035 年分别减排了30 万t 和35 万t. VOCs的排放与工业溶剂使用具有较大关系,与电力和工业等领域清洁能源转型的关系较小,由于预测成渝地区未来涉挥发性有机物排放的诸如石化化工、溶剂使用等传统行业规模仍将进一步扩张,故在不考虑减排措施情况下,2017～2035 年VOCs 排放增加了22 万t.而在源减排方面,由于低(无)VOCs 含量原辅料替代的推广,溶剂源在2017～2035 年共减排36 万t,具有最大的减排贡献.CO2排放与工业燃煤和交通燃油使用相关,2017～2035 年的排放增量为92 百万t,涉及化石燃料使用的工艺过程源、固定燃烧源和移动源对CO2的减排均有重要的贡献,2017～2035 年分别减排了53,40,53 百万t.

图8 2035 年综合减排方案重点任务减排效果评估Fig.8 Evaluation of the emission reduction effect of key measures in the comprehensive emission reduction plan in 2035

3 结论

3.1 优化后的综合减污降碳路径下,成渝地区要实现中长期空气质量改善和碳减排目标,2025 年SO2、NOx、PM2.5、VOCs 和CO2排放量要在2017 年的基础上分别减排29%、32%、19%、24%和3%,2035年减排比例需进一步分别扩大至35%、49%、28%、39%和12%.

3.2 综合减污降碳路径下,近中期仍要重点做好传统行业末端治理升级工作,2025 年前尤其是火电、水泥和钢铁行业的超低排放对成渝地区污染物减排发挥主导作用,对SO2和PM2.5的减排占据重要贡献.2026～2035 年,随着末端治理减排潜力逐渐缩小,由“双碳”驱动的结构调整措施将逐步成为成渝地区大气污染物削减的主要因素,应重点推进能源、产业和交通结构绿色低碳转型.

3.3 综合减污降碳路径下减排措施作用的源类和强度不同,综合减排路径下污染物重点排放源减排贡献具有较大差异.工艺过程源和固定燃烧源对SO2和PM2.5减排具有较大贡献,移动源对NOx减排具有最大贡献,溶剂源对VOCs 的减排有最大贡献,涉及化石能源燃烧的工艺过程源、固定燃烧源和移动源对CO2均具有重要的减排贡献.