基于LEAP的京津冀地區能源結構調整戰略居民健康收益評價

藺文亭+李巍

摘要：在控制大氣污染和保障居民健康的要求下，京津冀地區能源消費面臨著總量控制和結構優化的巨大壓力。本研究基于京津冀地區的社會經濟發展目標并結合相關節能減排和環保要求，針對2014-2030 年間的能源消費分別設計了基準情景（BAU）和能源結構調整情景（ESA），基于LEAP模型模擬預測了地區未來的能源消費及主要風險因子PM2.5的排放強度。分別采用綜合暴露-反應關系IER模型和修正人力資本法評估了區域內居民在PM2.5暴露下的健康風險和經濟損失，最后得出能源結構調整戰略的居民健康收益。結果顯示，至2030年，相比于基準情景，進行能源結構調整約可減少能源消費2.32億噸，避免死亡14592例，獲得經濟收益約3297721萬元。京津冀地區應加快實施能源消費總量控制、清潔能源替代等的強化節能措施，并針對北京、天津、保定等高風險的重點地區率先實行更嚴格的管控政策，以期更有效地降低區域整體風險，獲得最大化的能源結構調整帶來的健康收益。

關鍵詞：能源消費，LEAP模型，大氣污染，居民健康收益，京津冀地區

中圖分類號：X823 文獻標識碼：A 文章編號：2095-672X（2017）02-0014-10

DOI：10.16647/j.cnki.cn15-1369/X.2017.02.002

引言

近年來因化石燃料燃燒所造成的大氣污染已引起了廣泛關注[1]。京津冀地區作為我國大氣污染最嚴重的地區，其首要污染物PM2.5主要來源于燃煤、機動車、工業生產及揚塵[2-3]。以煤炭為主的能源消費總量持續增加，是造成該地區大氣污染的主要原因。大氣污染物暴露易引發或加重呼吸道疾病及心血管疾病，甚至導致急性死亡[4-5]，而PM2.5是最主要的風險因子[6]。京津冀地區的大氣污染健康風險已引起廣泛關注[7-8]，并且已有學者針對京津冀地區控制大氣污染的健康收益進行了研究[9-1011]。目前，國內外學者圍繞能源消費、大氣污染及人群健康風險開展了一系列的研究，主要有某一行業能源結構調整下的PM2.5濃度變化及人群健康收益[1]，城市不同能源消費結構下的PM10暴露水平及人群健康收益[12]，城市能源消費的PM10和SO2排放對人群健康影響與經濟損失的評估[13]，節能減排情景下PM10對人群健康的影響及政策建議[14]等。上述研究主要以常規大氣污染物為風險因子，采用能源-環境模型、排放清單法等預測大氣污染物排放量，并通過大氣擴散模型、空氣質量模型等模擬大氣污染物的濃度，最終進行健康風險（收益）和經濟損失（收益）的評估。

京津冀地區是我國區域發展戰略的重要指向區，在京津冀協同發展的戰略背景下，采取了一系列的政策措施來優化能源結構、促進產業轉型升級、改善生態環境。本研究基于區域發展戰略和節能減排政策，全面地評估京津冀地區未來的能源消費及其大氣污染居民健康風險，以期評估能源調整戰略帶來的居民健康收益，并從保護居民健康角度提出調控能源消費結構，降低大氣污染物排放的對策和建議。在吸收已有研究成果的基礎上，本研究以2014年為基準年，以2020-2030年為目標年，基于京津冀地區的社會經濟發展目標、能源政策、環保要求等，設立基準情景及節能減排情景，通過能源-環境模型預測污染物排放強度，將其轉化為污染物在空氣中的暴露水平并評估大氣污染物暴露下的居民健康風險，進一步評估居民健康收益，并提出對策和建議。

1 研究方法及情景設定

1.1 區域能源結構調整戰略情景設定

《京津冀協同發展綱要》確定了“一核、雙城、三軸、四區”發展格局，以北京、天津為協同發展的主要引擎，并劃分為中部核心區、東部濱海發展區、南部功能拓展區和西北部生態涵養區，確定各功能區的發展重點。同時，2017年國家設立了雄安國家級新區，雄安新區將成為京津冀地區協同發展的第三個重要引擎。根據京津冀地區協同發展綱要、一省兩市現有的十三五規劃（綱要、建議）、相關的產業規劃以及近期國家出臺的相關政策，結合對全國經濟發展趨勢的整體判斷，對京津冀地區未來的社會經濟發展趨勢進行判斷，確定能源消費的主要驅動因素，包括人口、GDP、城市化水平、產業發展等（表1）。

在此基礎上，結合京津冀地區的能源規劃、節能減排要求等，設計兩種情景：

（1）情景一：基準情景BAU。假設京津冀地區未采取進一步加強的節能減排政策和措施，地區能源消費參考各省市能源十二五規劃的基本要求，綜合十二五時期發展做趨勢外推；但是，末端治理要求符合大氣污染防治行動計劃等最新環保要求。

（2）情景二：能源結構調整情景ESA。以《京津冀協同發展生態環境保護規劃》、各地市十三五規劃（綱要、建議）、各省市可再生能源十三五規劃、京津冀地區大氣污染防治行動計劃、《能源發展戰略行動計劃（2014-2020年）》等為主要依據，設定地區主要節能減排政策。具體包括：a.控制煤炭消費總量，到2020年煤炭占比：北京8%、天津50%、河北45%，2030年進一步降低。b.清潔能源替代，全面推廣煤改電、煤改氣。c.大力發展可再生能源，到2020年可再生能源占比：北京7%、天津4%、河北7%。d.控制散煤燃燒。e.加快淘汰落后產能。同時，末端治理要求與基準情景保持一致。

1.2 基于能源消費的PM2.5排放強度預測

LEAP（Long-range Energy Alternatives Planning System）模型是由瑞典斯德哥爾摩環境研究院開發的基于能源方案情景分析的經濟-能源-環境綜合模型。該模型為自底向上模型，可根據不同行業能源消費的設定情景和驅動因子預測不同時間段的能源消費量，并鏈接各種環境污染物排放因子計算相應的排放強度[15]。目前該模型在經濟-能源-環境問題方面已得到了廣泛的應用[16-17，18]。

利用LEAP模型分地市、分行業對能源需求及污染物排放進行預測。結合京津冀地區的實際用能情況，分為6個部門：第一產業部門、工業部門、建筑業部門、交通部門、商業及服務業部門、家庭部門。本研究中基線年不同部門能源消費量參考京津冀地區各地市2014年統計年鑒中分行業主要能源消費品種（ 煤炭、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、熱力、電力） 及其統計消費量（不同地市消費品種統計上存在一定差異）。污染物排放因子參考Wang[19]等與Zhao等[20]的研究成果，結合《環境保護實用數據手冊》得出。

1.3 大氣污染物暴露水平模擬

大氣污染對人體健康的影響主要取決于大氣污染程度、暴露時間等。基于能源調整戰略及區域發展戰略中，能源消費部門及污染源布局的不確定性，采用大氣污染擴散模型模擬區域不同能源消費情景下大氣污染物濃度[21]，計算公式為：

式中，C為環境空氣中某種污染物的模擬濃度，μg/m3；Q為大氣污染物排放總量，104 t；S為各地市總面積，km2；Si為主城區面積km2；A為排放總量控制系數，取值范圍為4.2—5.6，104 t/（a·km2），α為低架源排放轉換系數。

式中，C為大氣污染物的預測濃度，C0為地區背景濃度，Q為大氣污染物排放總量，v為風速，w為箱體寬度，h為箱體高度。

假設t為年份，Ct、Ct-1分別為排放量為Qt、Qt-1時的年均濃度，則由式1可得：

通過各地市PM2.5歷史排放量與年均濃度估算出（Ct-1 – C0 ）/Qt-1平均值，則式2可進一步改寫成：

1.4 健康效應評價

大氣細顆粒物暴露的健康效應可分為慢性效應和急性效應。急性健康效應包括日死亡率增加、呼吸道疾病住院增加等；長期暴露于顆粒物的慢性效應包括死亡率和其他慢性影響[22]。本研究重點考慮長期的能源結構調整帶來的健康效益，由于大氣污染長期累積暴露下的慢性健康效應要遠遠大于急性健康效應[23]，因此選擇慢性健康效應中的死亡率為健康終點。

目前大氣細顆粒物污染慢性死亡健康效應的評價主要基于對暴露-反應關系的研究成果，利用泊松回歸模型進行評價。而針對發展中國家PM2.5暴露濃度較高的問題，Burnett等[24]在綜合考慮室外大氣污染及吸煙等室內污染的基礎上，模擬評估了居民慢性死亡健康效應的變化，回歸分析出適合于PM2.5高暴露濃度下的發展中國家的綜合暴露-反應關系模型（IER），計算公式為：

式中，ΔEdeath為因PM2.5暴露濃度變化引發的居民死亡效應變化量，人；P為各情景人口數量，人；E為基準年人群死亡率，‰；RR為各情景PM2.5暴露濃度對應的相對危險度。

本研究中，采用IER模型評估京津冀地區PM2.5暴露下的大氣污染健康效應，選取缺血性心臟病（IHD）、慢性阻塞性肺疾病（COPD）、中風（STROKE）、肺癌（LC）四種死亡健康終點。基準死亡率參考《國家人口與健康科學數據共享平臺》及各地統計年鑒數得出。RR取值參考《全球疾病負擔2010年研究報告》成果[25]。

1.5 健康效應經濟價值評估

在非完全市場經濟的發展中國家，多采用疾病成本法和人力資本法等來進行污染的健康效應。其中，人力資本法又可分為傳統的人力資本法和修正的人力資本法。修正的人力資本法忽略了個體價值的差異，以損失的生命年中的人均GDP 之和來代替個體收入水平的差異[26]，其計算公式如下：

式中，ECal為過早死亡的人力資本損失，萬元；Ped為大氣污染造成的過早死亡人數，例；HCm為人均人力資本，萬元/例；GDPpc0為基準年的人均GDP，萬元；t為平均壽命損失年；α為人均GDP年增長率；γ為社會貼現率。

其中，損失壽命年是指一個人的死亡年齡與社會期望壽命的差[27]。根據大氣污染健康效益評價中選取的健康終點，本文重點考慮呼吸系統、心腦血管疾病對居民壽命的影響。參考現有研究結果[27-28]，損失壽命年取17。

2 結果與討論

2.1 京津冀地區能源消費及污染物排放預測

基于上述兩個情景，利用LEAP模型對京津冀地區2014-2030年能源消費進行預測，結果如下：BAU情景下，2020年地區能源消費總量約為5.50億噸標準煤，較2014年增加30%，能源消費結構煤炭：油品：天然氣：電：可再生能源為57.7：17：11.7：8.7：4.9。到2030年，能源消費增長到7.97億噸標準煤，能源消費結構調整為煤炭：油品：天然氣：電：清潔能源為51.5：16.6：14.5：11.8：5.5。ESA情景下，2020年地區能源消費總量約為4.64億噸標準煤，較2014年增加10%，能源消費結構煤炭：油品：天然氣：電：清潔能源為39.6：10.5：20.7：22.4：6.8。到2030年，能源消費增長到5.65億噸標準煤，能源消費結構進一步得到優化，煤炭：石油：天然氣：電：清潔能源為17.1：10.3：30：27.6：15。從地區分布上來看，兩個情景下，地區能源消費均主要分布在工業集中的東部沿海區和人口集中的中部核心區，占到地區京津冀地區能源消費總量的70%以上。

基準情景及節能減排情景下，京津冀地區PM2.5排放量如圖1所示。BAU情境下，由于末端治理措施的實施及小幅度的能源結構調整，PM2.5排放量與基準年基本持平，2020年和2030年排放量分別為179萬噸和191萬噸。ESA情景下，能源結構得到有效調整，PM2.5排放量大幅降低，2020年和2030年排放量分別為124萬噸和92萬噸，較BAU情景分別減少了54萬噸和99萬噸。

2.2 大氣污染居民健康效應預測

通過大氣污染擴散模型，根據各地市污染物排放量模擬各情境下的大氣污染物暴露水平，如表2所示。2014年模擬結果與環保部監測數據較一致，說明該結果總體可信。模擬預測結果顯示，兩種情景下PM2.5濃度差異顯著。BAU情景下，京津冀地區PM2.5濃度整體上升，尤其以滄州、石家莊、邢臺、衡水、廊坊等地濃度居高不下。通過能源結構調整，相對于BAU情景，至2020年，ESA情景濃度約下降20%～35%，至2030年約下降40%～55%。

通過IER模型計算京津冀地區在上述兩個情景下，由PM2.5暴露導致的死亡水平，結果見表3。

評價2020 年及2030年各情景下空氣污染導致的居民急性死亡情況。BAU情景下，2020年歸因于PM2.5的死亡總計為113291例（ 95%CI： 50264 ～ 147454） ，2030年為121831例（ 95%CI： 52149 ～ 160718）。ESA情景下，2020年歸因于PM2.5的死亡總計為103723例（ 95%CI： 44516 ～ 138430） ，2030年為107239例（ 95%CI： 43303 ～ 146035）。相較于BAU情景，可分別避免死亡9568例、14592例。從空間布局來看，各情景下的居民健康風險和能源結構調整的健康收益如圖2所示。

2.3 健康效益經濟價值評估

根據修正的人力資本法估算不同能源消費情景下居民對PM2. 5暴露的健康損失經濟價值，結果如表4所示。相對于BAU 情景，ESA情景可分別減少健康損失經濟價值1562274萬元（2020年）和3297721萬元（2030年）。 北京、天津、石家莊、保定可獲得的健康收益約占40%左右。

3 結論及建議

（1）通過進行能源結構調整，相比于基準情景，約可減少能源消費0.86億噸（2020年）和2.32億噸（2030年）。由于能源消費的減少和能源結構的優化，PM2.5等大氣污染物的排放量將有效降低，并且進一步減少大氣污染所帶來的健康風險。

（2）通過對兩種情景下空氣污染導致的死亡人數進行對比分析，發現2020年，相對于BAU情景，ESA情景可避免死亡9568例（ 95%CI： 5747 ～ 9023），獲得經濟收益約1562274萬元；2030年，可避免死亡14592例（ 95%CI： 8845～ 14683），獲得經濟收益約3297721萬元。

（3）京津冀地區應加快實施能源消費總量控制、清潔能源替代等的強化節能措施，以更高的空氣質量標準和污染減排要求促進能源消費結構進一步優化。針對北京、天津、雄安新區等重點地區，應重點進行管控，嚴格控制煤炭消費總量并持續降低煤炭在能源消費中的比重，提前實施天然氣、一次電力等清潔能源替代，全面改善環境空氣質量，最大程度地降低能源消費導致的大氣污染所帶來的居民健康風險。

參考文獻

[1]Zhang S，Worrell E， Crijns-Graus W， et al. Modeling energy efficiency to improve air quality and health effects of Chinas cement industry[J]. Applied Energy， 2016， 184：574-593.

[2]繆育聰，鄭亦佳，王姝，劉樹華. 京津冀地區霾成因機制研究進展與展望[J]. 氣候與環境研究，2015，（03）：356-368.

[3]黃蕊珠，陳煥盛，葛寶珠，姚石泉，王哲，楊文夷，陳學舜，朱莉莉，黃思，王自發. 京津冀重霾期間PM_（2.5）來源數值模擬研究[J]. 環境科學學報，2015，（09）：2670-2680.

[4]於方， 過孝民， 張衍燊， 等.2004 年中國大氣污染造成的健康經濟損失評估[J]. 環境與健康雜志， 2007， 24（12）：999-1003.

[5]Chen B H， Kan H D. Air pollution and population health： a global challenge[J]. Environmental Health and Preventive， 2008， 13（2）：94-101.

[6]Lim， S.S.， Vos T.， Flaxman A.D.， et al. A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions， 1990–2010： a systematic analysis for the Global Burden of Disease Study 2010 [J]. The lancet， 2012， 380 （9859）： 2224-2260

[7]謝楊，戴瀚程，花岡達也，増井利彥. PM_（2.5）污染對京津冀地區人群健康影響和經濟影響[J]. 中國人口·資源與環境，2016，（11）：19-27.

[8]呂鈴鑰，李洪遠. 京津冀地區PM_（10）和PM_（2.5）污染的健康經濟學評價[J]. 南開大學學報（自然科學版），2016，（01）：69-77.

[9]黃德生，張世秋. 京津冀地區控制PM2.5污染的健康效益評估[J]. 中國環境科學學， 2013， （01）：166-174.

[10]Chen L， Shi M， Li S， et al. Quantifying public health benefits of environmental strategy of PM 2.5， air quality management in Beijing–Tianjin–Hebei region， China[J]. Journal of Environmental Sciences， 2016.

[11]董戰峰，高晶蕾，郝春旭，葛察忠. 《大氣污染防治行動計劃》實施的人體健康效應評估[J]. 環境污染與防治，2017，（02）：225.

[12]闞海東，陳秉衡，陳長虹. 上海市能源提高效率和優化結構對居民健康影響的評價[J]. 上海環境科學，2002，（09）：520-524+579.

[13]Fang B， Liu C F. The assessment of health impact caused by energy use in urban areas of China： an intake fraction-based analysis[J]. Natural Hazards， 2012， 62（ 1） ： 101-114.

[14]Wang X， Mauzerall D L. Evaluating impacts of air pollution in China on public health： Implications for future air pollution and energy policies[J]. Atmospheric Environment， 2006， 40（9）：1706-1721.

[15]周健，崔勝輝，林劍藝，等. 廈門市能源消費對環境及公共健康影響研究[J]. 環境科學學報， 2011，31（9）：2058-2065.

[16]Kale R V， Pohekar S D. Electricity demand and supply scenarios for Maharashtra （India） for 2030： An application of long range energy alternatives planning[J]. Energy Policy， 2014， 72（3）：1-13.

[17]Emodi N V， Emodi C C， Murthy G P， et al. Energy policy for low carbon development in Nigeria： A LEAP model application[J]. Renewable & Sustainable Energy Reviews， 2017， 68：247-261.

[18]Huang Y，Bor Y J. The long-term forecast of Taiwan' s energy supply and demand： LEAP model application[J]. Energy Policy， 2011，39（11）：6790-6803.

[19]Wang S X， Zhao M， Xing J， et al. Quantifying the air pollutants emission reduction during the 2008 Olympic games in Beijing[J]. Environmental Science &Technology， 2010， 44（7）：2490-2496.

[20]Zhao B， Wang P， Ma J Z， et al. A high-resolution emission inventory of primary pollutants for the Huabei region， China[J]. Atmospheric Chemistry and Physics， 2012， 12 （ 1） ： 481-501

[21]謝元博， 李巍. 基于能源-環境情景模擬的北京市大氣污染對居民健康風險評價研究[J]. 環境科學學報， 2013， 33（6）：1763-1770.

[22]陳秉衡， 闞海東. 城市大氣污染健康危險度評價的方法 第二講 主要大氣污染物的危害認定（續一）[J]. 環境與健康雜志， 2004， 21（3）：181-182.

[23]陳仁杰， 陳秉衡， 闞海東. 我國113個城市大氣顆粒物污染的健康經濟學評價[J]. 中國環境科學， 2010， 30（3）：410-415.

[24]Burnett R T， Pope III C A， Ezzati M， et al.An integrated risk function for estimating the global burden of disease attributable to ambient fine particulate matter exposure[J]. Environmental Health Perspectives，2014，122（4）：397-403.

[25]Institute for Health Metrics and Evaluation.Global Burden of Disease Study2010（GBD 2010）-Ambient Air Pollution Risk Model 1990-2010[EB/OL].USA：Institute for Health Metrics and Evaluation， 2014 [2014-05-17].http：//ghdx.healthdata.org/record/global-burden-disease-study-2010-gbd-2010-ambient-air-pollution-risk-model-1990-2010.

[26]趙曉麗， 范春陽， 王予希. 基于修正人力資本法的北京市空氣污染物健康損失評價[J]. 中國人口資源與環境， 2014， 24（3）：169-176.

[27]趙越. 大氣污染對城市居民的健康效應及經濟損失研究[D]. 中國地質大學（北京）， 2007.

[28]劉帥， 宋國君. 城市PM2.5健康損害評估研究[J]. 環境科學學報， 2016， 36（4）：1468-1476.