天津市減污降碳協同效應評估與預測

劉茂輝,劉勝楠,李 婧,孫 猛,陳 魁*

天津市減污降碳協同效應評估與預測

劉茂輝1,劉勝楠2,李 婧1,孫 猛1,陳 魁1*

(1.天津市生態環境監測中心,天津 300191；2.天津天濱瑞成環境技術工程有限公司,天津 300190)

為評估和預測天津市減污降碳協同效應,采用減排量彈性系數法評估減污降碳協同效應,基于STIRPAT模型預測天津市“十四五”期間的減污降碳協同效應,并分情景預測天津市2026～2060年的減污降碳協同效應.結果表明:大氣污染當量和溫室氣體的主要排放源均為工業源;2015～2017年天津市減污降碳協同效應系數范圍為0.11～0.26,2013～2014年和2018～2020年天津市的減污降碳協同效應系數均小于0;天津市“十四五”期間減污降碳協同效應系數為0.06;各種情景下,2026～2060年天津市減污降碳協同效應系數均大于0.天津市2011～2020年減污降碳協同效應波動變化,“十四五”時期或可進入減污降碳協同增效階段.天津市要在2026～2060年實現較高水平的減污降碳協同增效,就需要合理控制城鎮化率、人口總數和地區生產總值,增加第三產業比重和高技術比重,持續降低能源強度.

減污降碳；協同效應；天津

協同效應源自于Ayers等[1]提出的伴生效益,伴生效益的提出是為了闡述二氧化碳等溫室氣體的減排措施可以減少其他污染物的產生.此后,IPCC[2]在第三次評估報告中正式提出了協同效應的概念,協同效應是指某項污染物減排措施的實施在實現此項污染物減排的同時還產生了其他環境效益的現象[3].我國能源結構的高碳和產業結構的高耗能特點,導致我國大氣污染物與二氧化碳等溫室氣體具有同根、同源、同過程的特點[4],研究表明,減污與降碳之間可以具有良好的協同效應[5].

國外對減污降碳協同效應的研究起步較早,技術方法和研究應用比較成熟[6-9].國內對減污降碳協同效應的研究雖然起步較晚,但發展迅速,從近10年的發展來看,減污降碳協同效應的研究在部門、區域和方法上都有了長足的進步.從研究部門看,涉及到工業部門(包括電力行業[10]、水泥行業[11]、鋼鐵行業[12]等)、交通部門[13]、農業部門[14]以及集中式污染治理設施[15];從研究區域看,涉及較為廣泛,既有全國層面的[16],也有京津冀等區域層面的[17],既有北京[18]、上海[19]、重慶[20]、黑龍江[21]等省直轄市層面的,也有廣州[22]、沈陽[23]、烏魯木齊[24]等城市層面的;從研究方法看,計算大氣污染物和二氧化碳等溫室氣體排放量常用的方法是排放因子法[25]、大氣污染物當量法[26],評估減污降碳協同效應常用的方法是相關系數法[27]、協同效應評估指數法[28]、協同減排當量法[29]、協同控制效應坐標系法[30]和彈性系數法[31],預測減污降碳協同效應常用的方法是多元線性回歸分析法[32]、LEAP模型法[33]和STIRPAT模型法[34].

《2020年天津市生態環境狀況公報》[35]顯示,天津市“十三五”期間,環境空氣主要污染物濃度均顯著下降,與“十二五”末相比,“十三五”末PM2.5、PM10、SO2和NO2年平均濃度分別下降31.4%、41.4%、72.4%和7.1%.同時,天津市2020年全市單位GDP碳排放強度預計累計下降超過22%,超額完成國家下達的20.5%的目標要求.在減污降碳協同治理的新形勢下,天津市過去10年減污降碳協同效應如何;天津市“十四五”規劃出臺后,“十四五”期間的減污降碳協同效應如何;碳中和目標提出后,天津市在2026～2060年實現減污降碳協同增效的路徑是什么樣的.目前,還沒有學者對天津市長時間序列的減污降碳協同效應開展評估和預測研究.為回答以上問題,研究基于排放因子法核算2011～2020年各排放源大氣污染物和溫室氣體排放量,分析大氣污染物與溫室氣體的相關性,采用減排量彈性系數法評估2011～2020年的減污降碳協同效應,基于STIRPAT模型預測分析天津市“十四五”期間的減污降碳協同效應,并分情景預測天津市2026～2060年的減污降碳協同效應.

1 材料與方法

1.1 排放源分類

依據《城市大氣污染源排放清單編制技術手冊》[36],大氣污染源一般分為化石燃料固定燃燒源、工藝過程源、移動源、溶劑使用源、農業源、揚塵源、生物質燃燒源、儲存運輸源、廢棄物處理源和其他排放源等十大類,這十大類源又可以依據污染物產生機理和排放特征進一步地細分.依據《省級溫室氣體清單編制指南(試行)》[37],溫室氣體排放源一般分為能源活動、工業生產過程、農業、土地利用變化和林業、廢棄物處理等五大類,其中能源活動又可分為化石燃料燃燒、生物質燃燒、煤炭開采和礦后活動逃逸、石油和天然氣系統逃逸.《城市大氣污染源排放清單編制技術手冊》只納入大氣污染物的直接排放源,未考慮電力調入調出等間接排放源,為方便與大氣污染物排放協同分析,研究只核算溫室氣體的直接排放,未考慮電力的調入調出和森林碳匯.為方便協同分析,需要對大氣污染源和溫室氣體排放源進行統一分類,其中一級源類分為工業源、交通源、建筑源、農業源、生活源和集中式污染治理設施,具體排放源分類見表1.

表1 減污降碳協同效應評估排放源分類

注:/表示不涉及.

1.2 大氣污染物排放量和溫室氣體排放量核算

大氣污染物的排放量主要核算公式如下式(1):

=×EF×(100-)×10-2(1)

式中:為大氣污染物排放量,kg;為燃料消耗量或產品產量或行政區活動水平,t;EF為污染物產生系數,kg/t;為污染控制設施對污染物的去除效率,%.

本研究所稱“碳”是指溫室氣體,天津市溫室氣體主要包括CO2、CH4和N2O,且CH4、N2O分別按照25、298的系數折算為CO2當量.溫室氣體的排放量依據《省級溫室氣體清單編制指南(試行)》進行核算,該指南總體上遵循《2016年IPCC國家溫室氣體清單指南》[38]的基本方法,并借鑒了1994年和2005年我國能源活動溫室氣體清單編制好的做法.其中,能源活動化石燃料燃燒溫室氣體清單編制采用以詳細技術為基礎的部門方法,該方法基于分部門、分燃料品種、分設備的燃料消費量等活動水平數據以及相應的排放因子等參數,通過逐層累加綜合計算得到總排放量,計算公式如下:

=EF×A(2)

式中:為溫室氣體排放量,t;EF為燃料類型部門活動技術類型的排放因子,t/TJ;A為燃料類型部門活動技術類型的燃料消費量,TJ.

1.3 大氣污染當量核算

表2 大氣污染物折算大氣污染當量系數

注:揮發性有機物的當量系數值來自《揮發性有機物排污收費試點辦法》(財稅〔2015〕71號),其他污染物的當量系數值來自《中華人民共和國環境保護稅法》.

大氣污染當量的定義源自《中華人民共和國環境保護稅法》,采用以下公式(3)核算大氣污染當量:

LAP=SO2+NOX+CO+VOCs+NH3+PM10(3)

式中:LAP為大氣污染當量,t;SO2為二氧化硫排放量,t;NOX為氮氧化物排放量,t;CO為一氧化碳排放量,t;VOCs為揮發性有機物排放量,t;NH3為氨排放量,t;PM10為可吸入顆粒物排放量,t;、、、、、分別為二氧化硫、氮氧化物、一氧化碳、揮發性有機物、氨和可吸入顆粒物的當量系數,無量綱.當量系數的具體數值見表2.

1.4 協同效應系數

減污降碳協同效應系數可以定量描述溫室氣體與大氣污染的協同減排效應,常用的系數是減排量彈性系數,具體計算公式(4)如下:

式中:為協同效應系數,無量綱;ΔCO2為二氧化碳等溫室氣體減排量,t;CO2為二氧化碳等溫室氣體排放量,t;ΔLAP為大氣污染當量減排量,t;LAP為大氣污染當量排放量,t.

當￡0,表示減污降碳不具有協同性;當>0時,表示減污降碳具有協同性.在溫室氣體和大氣污染物同時減排的情況下,當0<<1時,表示對大氣污染物的減排作用大于對二氧化碳等溫室氣體的減排作用;當=1時,表示對溫室氣體和大氣污染物的減排程度相當;當>1時,表示對溫室氣體的減排作用要大于對大氣污染物的減排作用.

1.5 STIRPAT模型

可拓展的隨機性的環境影響評估(STIRPAT)模型源于IPAT等式,IPAT等式表達式為:

=××(5)

式中:為環境負荷;為人口規模;為富裕度;為技術水平.

為克服IPAT等式各因素等比例影響的不足,York等[39]基于IPAT等式,構建了STIRPAT模型,其表達式為:

=×P×A×T×(6)

式中:為常數;、、含義同式(5);、、分別為、、的指數項;為誤差項.

STIRPAT模型作為定量分析各影響因素對環境負荷的一種有效方法,已被廣泛地應用于環境保護研究中.蘇凱等[40]利用STIRPAT模型分析了福建省市域2010～2016年碳排放影響因子,探討了各因子的影響程度,指明了碳排放控制的主要領域.王琳杰等[41]基于STIRPAT模型揭示了鄱陽湖沉積物重金屬的主要影響因素.在利用STIRPAT模型對環境負荷的研究過程中,可以依據研究區域實際情況,引入其他可以對環境負荷造成影響的因素,進而構建擴展的STIRPAT模型[42].由文獻[43]和[44]可知,人口總數、城鎮化率、地區生產總值、第三產業比重、能源強度、高技術比重等6項因素是天津市碳排放的主要影響因素,因此,研究選取以上6項因素作為自變量對STIRPAT模型進行擴展,構建擴展后的模型見式(7):

=αPUABTHg(7)

式中:為大氣污染當量或溫室氣體排放量,t;為人口總數,萬人;為城鎮化率,%;為地區生產總值,億元;為第三產業比重,%;為能源強度,t標煤/萬元;為高技術比重,%;為常數項,、、、、、為指數項,為誤差項.為了消除模型中可能存在的異方差影響,研究將所有變量進行對數化處理,對數化之后的擴展STIRPAT模型如式(8):

ln=ln+ln+ln+ln+ln+ln+ln+ln(8).

在使用STIRPAT模型研究大氣污染或溫室氣體排放時,構建的多元線性回歸模型易產生多重共線的問題,因此,使用偏最小二乘法(PLS)進行多元線性回歸模型的構建.

1.6 情景設置

《天津市人口發展“十四五”規劃》顯示,到2025年,天津市常住人口達到1500萬人左右,天津市“十四五”時期人口總數年均增長約為1.5%;《天津市國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標綱要》顯示,天津市“十四五”時期,城鎮化率達到85%(年均增長0.28個百分點),地區生產總值年均增長6%左右(其中,2021年增長6.6%),第三產業比重年均增長1.5%左右,能源強度5年累計降低15%,高技術比重達到30%以上(年均上升2.92個百分點).參照文獻[38,45-46],對天津市2026～2060年基準情景、低碳情景和超低碳情景下的6項參數進行設定(表3).

表3 2026～2060年減污降碳協同效應預測中各參數設置

注:城鎮化率和高技術比重的數值為增長或上升的百分點數.

1.7 數據來源

工業、交通、建筑、農業、生活等能源數據,如煤炭、焦炭、煤氣、原油、汽油、煤油、柴油、燃料油、石腦油、潤滑油、石蠟、溶劑油、石油瀝青、石油焦、液化石油氣、煉廠干氣、天然氣、液化天然氣等來自歷年的《中國能源統計年鑒》[47]中的“6-2天津能源平衡表”.工業生產過程核算所需工業主要產品產量數據,交通運輸核算所需機動車保有量,建筑施工核算所需建筑面積,農業源核算所需農作物播種面積、農產品產量,生活源核算所需餐飲業數據、人口數據,模擬預測所需要的人口總數、城鎮化率、能源強度和高技術比重等數據來自歷年的天津統計年鑒.模擬預測所需要的地區生產總值、第三產業比重來源于歷年的天津市國民經濟和社會發展統計公報.

2 結果與討論

2.1 相關性分析

如圖1所示,從近10年的排放占比來看,大氣污染當量和溫室氣體的主要排放源均為工業源.大氣污染當量的工業源占比范圍為58.6%～76.7%,且呈現逐年降低的趨勢;溫室氣體的工業源占比范圍為82.0%～85.6%,未呈現逐漸下降趨勢,基本保持平穩.對2011～2020年間各大氣污染物和各溫室氣體的相關性進行分析(表4).從源類相關性看,二氧化硫、氮氧化物、一氧化碳、揮發性有機物、可吸入顆粒物、大氣污染當量、二氧化碳、氧化亞氮和溫室氣體相互之間均有較高的相關性;氨與甲烷有較高的相關性;大氣污染當量與溫室氣體的Pearson相關系數為0.984(<0.01),具有較高的相關性.

圖1 天津2011～2020年大氣污染當量和溫室氣體排放占比

表4 2011～2020年間大氣污染物和溫室氣體的源類相關性分析

注:**表示相關性在0.01水平上顯著;*表示相關性在0.05水平上顯著.

表5 2011～2020年大氣污染物和溫室氣體的時間相關性分析

注:**表示相關性在0.01水平上顯著;*表示相關性在0.05水平上顯著.

從表5可知,二氧化硫、氮氧化物、一氧化碳、揮發性有機物、氨、可吸入顆粒物、大氣污染當量甲烷和氧化亞氮相互之間在時間上有較高的相關性;二氧化碳除與溫室氣體之間有較高相關性之外,與其他排放物在時間上相關程度都不高;大氣污染當量與溫室氣體的Pearson相關系數為0.378,在時間上相關程度不高.

從排放源和時間相關性分析來看,大氣污染與溫室氣體的排放源均是工業源,具有同根同源的特點,這與王金南等[5]研究結果是一致的;天津市實施“大氣污染防治行動計劃”“藍天保衛戰三年行動計劃”以來,主要大氣污染物實現了逐年下降,但溫室氣體的排放在2013～2017之間逐年下降之后又略有上升,導致大氣污染當量和溫室氣體在年度時間上相關程度不高.

2.2 2011～2020年協同效應分析

圖2 天津2011～2020年減污降碳協同效應分析

基于2011～2020年大氣污染當量和溫室氣體的排放量和逐年減排量以及公式(4)核算2011～2020年減污降碳協同效應系數.由圖2可知,2015～2017年天津市減污降碳協同效應系數范圍為0.11～0.26,協同效應系數介于0和1之間,說明這幾年天津市實施的減污降碳措施對大氣污染物的減排作用要大于對溫室氣體的減排作用;2013～2014年和2018～2020年的減污降碳協同效應系數小于0,說明這幾年天津市的減污降碳不具有協同效應,進一步分析大氣污染當量和溫室氣體的減排情況可知,這幾年大氣污染當量是不斷減少的,溫室氣體的排放略有增長,導致這幾年減污降碳不具有協同效應;2012年與2011年相比,協同效應系數為5.69,但是大氣污染當量和溫室氣體均是增加的,并未出現減污降碳的效應.這說明,受天津市“大氣污染防治行動計劃”的影響,大氣污染當量和溫室氣體在2015～2017年處于減污降碳協同增效的階段,但2018～2020年受國際形勢變化和新冠疫情影響,尤其是中美貿易戰的影響,天津市為減緩經濟增長的乏力,能源、資源的消耗略有增加,導致溫室氣體排放增加、減污降碳不具有協同效應.

2.3 “十四五”期間協同效應預測

使用偏最小二乘法,基于公式(8)和2011～2020年時期數據,構建大氣污染當量(LAP)和溫室氣體(CO2)的預測模型如下:

LAP=EXP(1.8968ln+3.324ln-0.2449ln-

0.782ln+1.3162ln-0.6786ln-16.0722) (9)

CO2=EXP(-0.4596ln+7.3443ln+0.0683ln-

0.0398ln+0.6533ln-0.041ln-19.0781) (10)

由預測模型可知,對于天津地區,在保持其他變量不變的情況下,人口總數每增加1%,大氣污染當量的排放平均增加1.91%,溫室氣體的排放平均減少0.46%;城鎮化率每增加1%,大氣污染當量的排放平均增加3.36%,溫室氣體的排放平均增加7.58%;地區生產總值每增加1%,大氣污染當量的排放平均減少0.24%,溫室氣體的排放平均增加0.07%;第三產業比重每增加1%,大氣污染當量的排放減少0.78%,溫室氣體的排放減少0.04%;能源強度每降低1%,大氣污染當量的排放平均減少1.31%,溫室氣體的排放平均減少0.65%;高技術比重每增加1%,大氣污染當量的排放平均減少0.67%,溫室氣體的排放平均減少0.04%.由公式(9)可以看出,人口總數、城鎮化率、能源強度與大氣污染當量排放成正相關,地區生產總值、第三產業比重和高技術比重與大氣污染當量排放成反比;對大氣污染當量排放影響程度從大到小排序依次為:城鎮化率>人口總數>能源強度>第三產業比重>高技術比重>地區生產總值.由公式(10)可以看出,城鎮化率、地區生產總值、能源強度與溫室氣體排放成正相關,與上海市[42]、昆明市[48]和天津市[49]是一致的,但人口總數與溫室氣體排放成負相關,這與以上研究是不一致的,主要是因為2013年以來天津市的溫室氣體排放是呈下降趨勢的,而人口則是呈上升趨勢的,以上城市的數據結果并未呈現類似規律,所以導致了本研究的人口總數的相關性與其他城市研究不一致的結果.因此,低碳發展要求下,需要合理控制人口總數,城鎮化速度和地區生產總值增速都需要放緩,增大第三產業比重和高技術比重,持續增強能源強度的下降幅度.對溫室氣體排放影響程度從大到小排序依次為:城鎮化率>能源強度>人口總數>地區生產總值>高技術比重>第三產業比重.因此,城鎮化率、人口總數和能源強度是對大氣污染當量和溫室氣體的排放影響最大的三個因素.

基于公式(9)和(10)以及“十四五”期間的各參數核算大氣污染當量和溫室氣體排放量,核算協同效應系數(圖3).天津市“十四五”減污降碳的協同效應系數范圍為0.05～0.10,平均值為0.06,說明天津市“十四五”期間減污降碳具有協同效應.因此,現有天津市“十四五”規劃可以實現減污降碳協同增效的效果.

2.4 2026～2060年協同效應預測

由圖3可知,在基準情景下,2026～2060年天津市減污降碳協同效應系數范圍為0.07～0.23,平均值為0.17,說明此情景下,天津市減污降碳具有協同效應,但協同效應強度較低;在低碳情景下,2026～2060年天津市減污降碳協同效應系數范圍為0.11～0.39,平均值為0.27,說明此情景下,天津市減污降碳具有較強的協同效應,協同效應強度是基準情景下的1.59倍;在超低碳情景下,2026～2060年天津市減污降碳協同效應系數范圍為0.14～0.47,平均值為0.33,說明此情景下,天津市減污降碳具有更強的協同效應,協同強度是基準情景下的1.94倍、低碳情景下的1.22倍.

圖3 天津2021～2060減污降碳協同效應分析

因此,低碳發展要求下,減污降碳協同效應也隨之增強.天津市在2026～2060年若想實現減污降碳協同增效,可以按照基準情景設置各參數;但若想實現較高水平的減污降碳協同增效,在基準情景的基礎之上,需要合理控制城鎮化率、人口總數和地區生產總值,增加第三產業比重和高技術比重,并持續降低能源強度.

2.5 不確定性分析

核算大氣污染當量和溫室氣體采用的排放因子是分別來源《城市大氣污染源排放清單編制技術手冊》和《省級溫室氣體清單編制指南(試行)》,這兩份技術手冊是面向全國范圍的,未考慮天津市本地化的排放因子,核算結果會帶來一定的不確定性;研究中未考慮電力調入調出等間接排放源,導致大氣污染和溫室氣體排放量的分析存在一定的不確定性;預測模型的構建是依據2011～2020年的數據進行構建的,反映的是這10年整體的規律,依據該模型進行預測分析時存在一定的不確定性.

3 結論

3.1 2015～2017年天津市減污降碳協同效應系數范圍為0.11～0.26,且減污降碳措施對大氣污染物的減排作用要大于對溫室氣體的減排作用;2013～2014年和2018～2020年天津市減污降碳協同效應系數均小于0.

3.2 天津市“十四五”減污降碳的協同效應系數范圍為0.05～0.10,平均值為0.06,說明依據本研究構建的模型進行預測,天津市“十四五”期間減污降碳或可實現協同增效.

3.3 在基準情景下,2026～2060年天津市減污降碳協同效應系數均大于0;在低碳情景下,2026～2060年天津市減污降碳協同效應系數也均大于0,協同效應強度是基準情景下的1.59倍;在超低碳情景下,2026～2060年天津市減污降碳具有更強的協同效應,協同效應強度是基準情景下的1.94倍.

3.4 天津市若在2026～2060年實現高水平減污降碳協同增效,就需要合理控制城鎮化率、人口總數和地區生產總值,增加第三產業比重和高技術比重,并持續降低能源強度.

[1] Ayres R U,Walter J. The greenhouse effect: damages,costs and abatement [J]. Environmental and Resource Economics,1991,1(3): 237-270.

[2] IPCC. Climate change 2001-mitigation [R]. Cambridge: Cambridge University Press,2001.

[3] 毛顯強,曾 桉,邢有凱,等.從理念到行動:溫室氣體與局地污染物減排的協同效益與協同控制研究綜述[J]. 氣候變化研究進展,2021,17(3):255-267.

Mao X Q,Zeng A,Xing Y K,et al. From concept to action: a review of research on co-benefits and co-control of greenhouse gases and local air pollutants reductions [J]. Climate Change Research,2021,17 (3):255-267.

[4] Swart R,Amann M,Raes F,et al. A good climate for clean air: Linkages between climate change and air pollution. An Editorial Essay [J]. Climatic Change,2004,66(3):263-269.

[5] 王金南,寧 淼,嚴 剛,等.實施氣候友好的大氣污染防治戰略[J]. 中國軟科學,2010,(10):28-36,111.

Wang J N,Ning M,Yan G,et al. Implementing climate-friendly strategy for air pollution prevention and control [J]. China Soft Science Magazine,2010,(10):28-36,111.

[6] 鄭佳佳,孫 星,張牧吟,等.溫室氣體減排與大氣污染控制的協同效應——國內外研究綜述[J]. 生態經濟,2015,31(11):133-137.

Zheng J J,Sun X,Zhang M Y,et al. Review of researches on the synergistic effect of GHGs mitigation and air pollution control at home and abroad [J]. Ecological Economy,2015,31(11):133-137.

[7] Smith K R,Haigler E. Co-benefi ts of climate mitigation and health protection in energy systems: Scoping methods [J]. Annual Review of Public Health,2008,29(1):11-25.

[8] Markandya A,Armstrong B J,Hales S,et al. Public health benefits of strategies to reduce greenhouse-gas emissions: Overview and implications for policy makers [J]. The Lancet,2009,374(9706): 2006-2015.

[9] Groosman B,Muller N Z,O’Neill-Toy E. The ancillary benefits from climate policy in the United States [J]. Environmental and Resource Economics,2011,50(4):585-603.

[10] 周 穎,劉蘭翠,曹 東.二氧化碳和常規污染物協同減排研究[J]. 熱力發電,2013,42(9):63-65.

Zhang Y,Liu L C,Cao D. Synergistical emission control of carbon dioxide and conventional pollutants in thermal power plants [J]. Thermal Power Generation,2013,42(9):63-65.

[11] 周 穎,張宏偉,蔡博峰,等.水泥行業常規污染物和二氧化碳協同減排研究[J]. 環境科學與技術,2013,36(12):164-168.

Zhou Y,Zhang H W,Cai B F,et al. Synergetic reduction of local pollutants and CO2from cement industry [J]. Environmental Science & Technology,2013,36(12):164-168.

[12] 劉勝強,毛顯強,胡 濤,等.中國鋼鐵行業大氣污染與溫室氣體協同控制路徑研究[J]. 環境科學與技術,2012,35(7):168-174.

Liu S Q,Mao X Q,Hu T,et al. Roadmap of co-control of air pollutants and GHGs in iron and steel industry in China [J]. Environmental Science & Technology,2012,35(7):168-174.

[13] 邢有凱,劉崢延,毛顯強,等.中國交通行業實施環境經濟政策的協同控制效應研究[J]. 氣候變化研究進展,2021,17(4):379-387.

Xing Y K,Liu Z Y,Mao X Q,et al. Research on co-control effect of environmental economic policies in China’s transportation sector [J]. Climate Change Research,2021,17(4):379-387.

[14] 何艷秋,陳 柔,朱思宇,等.中國農業碳排放空間網絡結構及區域協同減排[J]. 江蘇農業學報,2020,36(5):1218-1228.

He Y Q,Chen R,Zhu S Y,et al. Spatial network structure of agricultural carbon emission in China and regional collaborative emission reduction [J]. Jiangsu Journal of Agricultural Sciences,2020,36(5):1218-1228.

[15] 王 媛,何 彧,顏蓓蓓.城市生活垃圾主要處理方式的溫室氣體協同減排效應比較——以天津市為例[J]. 天津大學學報(自然科學與工程技術版),2014,47(4):349-354.

Wang Y,He Y,Yan B B. Comparison of collaborative effects of greenhouse gas emission reduction among main municipal solid waste (MSW) disposal ways——A case study of Tianjin [J]. Journal of Tianjin University (Science and Technology),2014,47(4):349-354.

[16] 馬 丁,陳文穎.中國鋼鐵行業技術減排的協同效益分析[J]. 中國環境科學,2015,35(1):298-303.

Ma D,Chen W Y. Analysis of the co-benefit of emission reduction measures in China's iron and steel industry [J]. China Environmental Science,2015,35(1):298-303.

[17] 李 新,路 路,穆獻中,等.京津冀地區鋼鐵行業協同減排成本-效益分析[J]. 環境科學研究,2020,33(9):2226-2234.

Li X,Lu L,Mu X Z,et al. Cost-benefit analysis of synergistic emission reduction in steel industry in Beijing-Tianjin-Hebei region,China [J]. Research of Environmental Sciences,2020,33(9):2226- 2234.

[18] 謝元博,李 巍.基于能源消費情景模擬的北京市主要大氣污染物和溫室氣體協同減排研究[J]. 環境科學,2013,34(5):2057-2064.

Xie Y B,Li W. Synergistic emission reduction of chief air pollutants and greenhouse gases based on scenario simulations of energy consumptions in Beijing [J]. Environmental Science,2013,34(5): 2057-2064.

[19] 阿迪拉?阿力木江,蔣 平,董虹佳,等.推廣新能源汽車碳減排和大氣污染控制的協同效益研究———以上海市為例[J]. 環境科學學報,2020,40(5):1873-1883.

Alimujiang A,Jiang P,Dong H J,et al. Synergy and co-benefits of reducing CO2and air pollutant emissions by promoting new energy vehicles: A case of Shanghai [J]. Acta Scientiae Circumstantiae,2020,40(5):1873-1883.

[20] 王 敏,馮相昭,杜曉林,等.工業部門污染物治理協同控制溫室氣體效應評價——基于重慶市的實證分析[J]. 氣候變化研究進展,2021,17(3):296-304.

Wang M,Feng X Z,Du X L,et al. Evaluation of co-controlling GHGs from pollutant reduction facilities in the industrial sectors,empirical analysis based on data in Chongqing city [J]. Climate Change Research,2021,17(3):296-304.

[21] 張 揚,付淩波,李 薇,等.基于黑龍江省大氣污染防治行動計劃的溫室氣體減排核算[J]. 中國人口?資源與環境,2015,25(S2):333- 336.

Zhang Y,Fu L B,Li W,et al. Accounting for the reduction of greenhouse gas emissions based on the air pollution control action plan in Heilongjiang province [J]. 2015,25(S2):333-336.

[22] 黃 瑩,焦建東,郭洪旭,等.交通領域二氧化碳和污染物協同控制效應研究[J]. 環境科學與技術,2021,44(7):20-29.

Huang Y,Jiao J D,Guo H X,et al. Assessment of co-control effects for CO2and air pollutants in transport sector [J]. Environmental Science & Technology,2021,44(7):20-29.

[23] 溫 娜.沈陽大氣污染物與二氧化碳協同減排效應分析[J]. 品牌與標準化,2021,(4):60-64.

Wen N. Analysis on the co-benefits of air pollution and carbon dioxide emissions reduction in Shenyang [J]. Brand & Standardization,2021,(4):60-64.

[24] 高玉冰,毛顯強,Gabriel Corsetti,等.城市交通大氣污染物與溫室氣體協同控制效應評價——以烏魯木齊市為例[J]. 中國環境科學,2014,34(11):2985-2992.

Gao Y B,Mao X Q,Gabriel Corsetti,et al. Assessment of co-control effects for air pollutants and green house gases in urban transport: A case study in Urumqi [J]. China Environmental Science,2014,34(11): 2985-2992.

[25] 賈璐宇,王艷華,王 克,等.大氣污染防治措施二氧化碳協同減排效果評估[J]. 環境保護科學,2020,46(6):19-26.

Jia L Y,Wang Y H,Wang K,et al. Evaluation of carbon dioxide coordination emission reduction based on national air pollution control plan [J]. Environmental Protection Science,2020,46(6):19-26.

[26] 邢有凱,毛顯強,馮相昭,等.城市藍天保衛戰行動協同控制局地大氣污染物和溫室氣體效果評估——以唐山市為例[J]. 中國環境管理,2020,12(4):20-28.

Xing Y K,Mao X Q,Feng X S,et al. An effectiveness evaluation of co-controlling local air pollutants and GHGs by implementing blue sky defense action at city level - A case study of Tangshan City [J]. Chinese Journal of Environmental Management,2020,12(4):20-28.

[27] 宋 飛,付加鋒.世界主要國家溫室氣體與二氧化硫的協同減排及啟示[J]. 資源科學,2012,34(8):1439-1444.

Song F,Fu J F. The synergistic emission reduction of GHG and sulfur dioxide in the world’s major countries and its revelation [J]. Resources Science,2012,34(8):1439-1444.

[28] 高慶先,高文歐,馬占云,等.大氣污染物與溫室氣體減排協同效應評估方法及應用[J]. 氣候變化研究進展,2021,17(3):268-278.

Gao Q X,Gao W O,Ma Z Y,et al. The synergy effect assessment method and its application for air pollutants and greenhouse gases reduction [J]. Climate Change Research,2021,17(3):268-278.

[29] 毛顯強,邢有凱,胡 濤,等.中國電力行業硫、氮、碳協同減排的環境經濟路徑分析[J]. 中國環境科學,2012,32(4):748-756.

Mao X Q,Xing Y K,Hu T,et al. An environmental-economic analysis of carbon,sulfur and nitrogen co-reduction path for China’s power industry [J]. China Environmental Science,2012,32(4):748-756.

[30] 高玉冰,邢有凱,何 峰,等.中國鋼鐵行業節能減排措施的協同控制效應評估研究 [J]. 氣候變化研究進展,2021,17(4):388-399.

Gao Y B,Xing Y K,He F,et al. Research on co-control effectiveness evaluation of energy saving and emission reduction measures in China’s iron and steel industry [J]. Climate Change Research,2021,17(4):388-399.

[31] 何 峰,劉崢延,邢有凱,等.中國水泥行業節能減排措施的協同控制效應評估研究 [J]. 氣候變化研究進展,2021,17(4):400-409.

He F,Liu Z Y,Xing Y K,et al. Co-control effect evaluation of the energy saving and emission reduction measures in Chinese cement industry [J]. Climate Change Research,2021,17(4):400-409.

[32] 常樹誠,鄭亦佳,曾武濤,等.碳協同減排視角下廣東省PM2.5實現WHO-Ⅱ目標策略研究[J]. 環境科學研究,2021,34(9):2105-2112.

Chang S C,Zheng Y J,Zeng W T,et al. Strategies for PM2.5in Guangdong province to achieve the WHO-Ⅱ air quality target from the perspective of synergistic control with CO2[J]. Research of Environmental Sciences,2021,34(9):2105-2112.

[33] 馮相昭,趙夢雪,王 敏,等.中國交通部門污染物與溫室氣體協同控制模擬研究 [J]. 氣候變化研究進展,2021,17(3):279-288.

Feng X Z,Zhao M X,Wang M,et al. Simulation research on co-controlling pollutants and greenhouse gases emission in China’s transportation sector [J]. Climate Change Research,2021,17(3):279- 288.

[34] 楊 森,許平祥,白 蘭.京津冀生態化路徑的差異化與協同效應研究——基于STIRPAT模型行業動態面板數據的GMM分析[J]. 工業技術經濟,2019,38(12):84-92.

Yang S,Xu P X,Bai L. Differentiation ecologization evolution and synergy effects of industrial structure for Beijing－Tianjin－Hebei regions [J]. Journal of Industrial Technological Economics,2019,38(12):84-92.

[35] 天津市生態環境局.2020年天津市生態環境狀況公報[EB/OL]. http://sthj.tj.gov.cn/YWGZ7406/HJZL9827/HJZKGB866/TJSLNHJZKGB6653/202109/t20210902_5577540.html,2021-06-15.

Tianjin Ecology and Environment Bureau. Tianjin ecological and environmental bulletin 2020 [EB/OL].http://sthj.tj.gov.cn/ YWGZ7406/HJZL9827/HJZKGB866/TJSLNHJZKGB6653/202109/t20210902_5577540.html,2021-06-15.

[36] 賀克斌.城市大氣污染源排放清單編制技術手冊[R]. 北京:清華大學,2018.

He K B. Calculation manual of atmospheric pollutants emission inventory of cities [R]. Beijing: Tsinghua University,2018.

[37] 省級溫室氣體清單編制指南編寫組.省級溫室氣體清單編制指南(試行) [R]. 北京:國家發展和改革委員會,2011.

Writing Group of the Provincial Greenhouse Gas Inventories. The provincial greenhouse gas inventories (trial) [R]. Beijing: National Development and Reform Commission,2011.

[38] IPCC．2006年IPCC國家溫室氣體清單指南[R]. 東京:日本全球環境戰略研究所,2006.

IPCC. 2006 IPCC guidelines for national greenhouse gas inventories [R]. Tokyo: Japan Institute for Global Environmental Strategy,2006.

[39] York R,Rosa E A,Dietz T. STIRPAT,IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts [J]. Ecological Economics,2003,46(3):351-365.

[40] 蘇 凱,陳毅輝,范水生,等.市域能源碳排放影響因素分析及減碳機制研究——以福建省為例[J]. 中國環境科學,2019,39(2):859-867.

Su K,Chen Y H,Fan S S,et al. Influencing factors and reduction mechanism of carbon emissions at the city-range: An empirical study on Fujian province [J]. China Environmental Science,2019,39(2): 859-867.

[41] 王琳杰,曾賢剛,段存儒,等.鄱陽湖沉積物重金屬污染影響因素分析——基于STIRPAT模型 [J]. 中國環境科學,2020,40(8):3683-3692.

Wang L J,Zeng X G,Duan C R,et al. Analysis on influencing factors of heavy metal pollution in sediments of Poyang Lake based on STIRPAT Model [J]. China Environmental Science,2020,40(8):3683- 3692.

[42] 張 哲,任怡萌,董會娟.城市碳排放達峰和低碳發展研究:以上海市為例[J]. 環境工程,2020,38(11):12-18.

Zhang Z,Ren Y M,Dong H J. Research on charbon emissions peaking and low-carbon development of cities: A case of ShangHai [J]. Environmental Engineering,2020,38(11):12-18.

[43] 李 健,王孟艷,高 楊.基于STIRPAT模型的天津市低碳發展驅動力影響分析[J]. 科技管理研究,2014,34(15):66-71.

Li J,Wang M Y,Gao Y. Analysis of the driving forces' impact on the low-carbon development of Tianjin based on STIRPAT model [J]. Advanced Materials Research,2014,34(15):66-71.

[44] 王 媛,賈皎皎,趙 鵬,等.LMDI方法分析結構效應對天津市碳排放的影響及對策[J]. 天津大學學報(社會科學版),2014,16(6): 509-514.

Wang Y,Jia J J,Zhao P,et al. Effect of structure on carbon emission and countermeasures in Tianjin based on LMDI [J]. Journal of Tianjin University (Social Sciences),2014,16(6):509-514.

[45] 李雪梅,張 慶.天津市能源消費碳排放影響因素及其情景預測[J]. 干旱區研究,2019,36(4):997-1004.

Li X M,Zhang Q. Factors affecting carbon emission from energy consumption in Tianjin [J]. Arid Zone Research,2019,36(4):997- 1004.

[46] 黃 蕊,王 錚,丁冠群,等.基于STIRPAT模型的江蘇省能源消費碳排放影響因素分析及趨勢預測[J]. 地理研究,2016,35(4):781-789.

Huang R,Wang Z,Ding G Q,et al. Trend prediction and analysis of influencing factors of carbon emissions from energy consumption in Jiangsu province based on STIRPAT model [J]. Geographical Research,2016,35(4):781-789.

[47] 國家統計局.中國能源統計年鑒2012～2021 [M]. 北京:中國統計出版社,2012～2021.

National Bureau of Statistics. China energy statistical yearbook 2012～2021 [M]. Beijing: China Statistics Press,2012～2021.

[48] 徐西蒙.昆明市二氧化碳排放峰值研究[J]. 環境科學導刊,2015,34(4):47-52.

Xu X M. CO2emission peak prediction of Kunming [J]. Environmental Science Survey,2015,34(4):47-52.

[49] 李 健,王孟艷,高 楊.基于STIRPAT模型的天津市低碳發展驅動力影響分析[J]. 科技管理研究,2014,34(15):66-71.

Li J,Wang M Y,Gao Y. Analysis of the driving forces' impact on the low-carbon development of Tianjin based on STIRPAT model [J]. Advanced Materials Research,2014,34(15):66-71.

Evaluation and prediction of the synergistic effect of pollution reduction and carbon reduction in Tianjin.

LIU Mao-hui1,LIU Sheng-nan2,LI Jing1,SUN Meng1,CHEN Kui1*

(1.Tianjin Eco-Environmental Monitoring Center,Tianjin 300191,China；2.Tianjin Tianbinruicheng Environmental Technology and Engineering Co.,Ltd.,Tianjin 300190,China).,2022,42(8)：3940～3949

To evaluate and predict the synergistic effect of reducing pollution and carbon in Tianjin,the emission reduction elasticity coefficient method was used in this study. Based on the STIRPAT model,the synergistic effect of pollution reduction and carbon reduction in Tianjin during the "14th Five-Year Plan" period and 2026～2060 were predicted by scenario. The results showed that the main emission sources of air pollution equivalent and greenhouse gases were industrial sources. The synergistic effect coefficient of pollution reduction and carbon reduction in Tianjin ranged from 0.11 to 0.26 in 2015～2017,and was less than 0in 2013～2014 and 2018～2020. According to prediction,the synergistic effect coefficient of pollution reduction and carbon reduction in Tianjin was 0.06 during the "14th Five-Year Plan" period and was greater than 0 in 2026～2060 under various scenarios. In 2011～2020,the synergistic effect of pollution reduction and carbon reduction in Tianjin fluctuated and changed,and it was possible to reach the synergistic stage during the "14th Five-Year Plan" period. In order to achieve a high level of synergy of pollution reduction and carbon reduction in Tianjin from 2026 to 2060,several measures need to take,including reasonably control the urbanization rate,the total population and the gross regional product,increasing the proportion of tertiary industry and high technology,and continuously reducing the energy intensity.

reduce pollution and carbon；synergy effect；Tianjin

X24

A

1000-6923(2022)08-3940-10

2022-01-06

天津市科技計劃項目(18ZXSZSF00160);中國工程院院地合作項目(2020C0-0002);天津市“131”創新型人才團隊項目(2018032)

* 責任作者,正高級工程師,kuichen@126.com

劉茂輝(1987-),男,山東單縣人,工程師,碩士,主要從事減污降碳協同增效研究.發表論文10余篇.