基于縣域尺度神經網絡模型的中國鋼鐵工業污染物排放預測研究

摘" 要：實現精細尺度的鋼鐵工業排放預測對我國的區域污染控制和產業政策調整具有重要意義。該研究通過融合多源數據構建神經網絡模型并實現2025—2060年的縣域尺度活動水平預測，建立中國鋼鐵工業的大氣污染物排放預測清單。結果表明，粗鋼產量將在2025年達到最高值，且隨后呈現緩慢下降趨勢。同時，未來中西部地區將形成大型縣域鋼鐵生產基地。2060年，我國粗鋼產量預計為7.6億t，較2015年下降4%，共排放SO2、NOX、PM2.5及CO2分別為10.6萬t、8.6萬t、25.5萬t和5.9億t，較2015年分別下降88%、89%、76%和52%。

關鍵詞：縣域尺度預測；神經網絡模型；鋼鐵排放；排放因子；區域污染

中圖分類號：TP274.2" " "文獻標志碼：A" " " " " 文章編號：2095-2945（2024）33-0009-04

Abstract： Realizing fine-scale emission prediction from the iron and steel industry is significant for regional pollution control and industrial policy adjustment in China. In this study， we calculate future air pollutant emission inventory from the iron and steel industry in China by using multi-source data to obtaining activity level predictions from 2025 to 2060 based on county-scale neural networks. The results show that crude steel production will peak in 2025 and then show a slow downward trend. Meanwhile， counties with large steel production will be formed in the Midwest in the future. The crude steel production in China is expected to be 760 million tons in 2060， with a decrease of 4% from 2015. The emission of SO2， NOX， PM2.5 and CO2 from the iron and steel industry will be 106 kilotons， 86 kilotons， 255 kilotons and 590 million tons， respectively， with a decrease of 88%， 89%， 76% and 52% from 2015.

Keywords： county-scale prediction; neural network model; steel emission; emission factor; regional pollution

鋼鐵工業是大氣污染物以及溫室氣體的重要排放源，對我國的空氣質量改善造成較大的挑戰[1]。在長時間尺度下，鋼鐵工業的生產和排放發生了顯著改變[2]，這種長期的演變將影響區域大氣污染的形成過程與來源貢獻，進而導致空氣質量及其人群健康暴露格局發生變化。同時，隨著中國進入后工業化階段，未來鋼鐵的需求可能會逐漸放緩甚至下降[3]。但現有研究未充分考慮未來產量下降背景下的鋼鐵工業生產活動的空間變遷，從而進一步影響化學傳輸模型對區域污染的模擬分析。

本研究以2015年為基準年，建立縣域尺度的神經網絡活動水平（即產品產量）預測模型，在精細空間尺度上捕捉鋼鐵工業的活動水平空間格局改變，進而準確刻畫其排放演化規律的時空差異性，為鋼鐵工業的可持續和高質量發展提供決策依據。

1" 研究方法

1.1" 神經網絡模型構建

本研究利用神經網絡對歷史數據進行訓練學習，建立縣域尺度的活動水平（產品產量）預測模型，通過輸入變量的未來預測值獲得2025—2060年（每5年）鋼鐵工業縣域尺度的粗鋼活動水平預測值。

1.1.1" 指標選取

本研究融合工業選址理論[4]，以2005—2015年的地理信息、社會經濟、土地利用和政策規劃4類多源數據信息共計15個變量作為輸入，以縣域尺度的活動水平作為單一因變量建立神經網絡模型。其中，地理信息包括公路里程、鐵路里程、港口數、地理位置、國家級工業園區及省級工業園區6個變量，社會經濟包括人口、國民生產總值、城市化率和產業結構4個變量；土地利用包括耕地面積、城鎮面積2個變量；政策規劃包括環境監管、城市定位、市場規模3個變量。輸入變量數據源主要來源于國家和地方統計部門、中國科學院資源與環境科學數據中心、工業和信息化部以及地方政府的規劃文件。水泥活動水平數據由微觀經濟數據查詢系統（http：//microdata.sozdata.com/#/industry_index？year=201 5）、縣域及城市尺度的統計年鑒提供。

在模型實現活動水平的未來預測過程中，社會經濟、土地利用和政策規劃的相關變量被放置在未來水平輸入，而地理信息指標則被固定在基準年2015年。本研究所利用的未來預測值來源于學者的已有研究結果[5]。

1.1.2" 模型訓練及驗證

將2005—2015年的歷史數據作為訓練庫用于神經網絡模型的訓練和驗證。其中，2015年的數據作為測試集，其余數據分別作為訓練集（80%）和驗證集（20%）用于神經網絡模型訓練。應用平均絕對誤差（Mean Absolute Error， MAE）和R2作為評估模型性能的指標。在模型訓練過程中，可以觀察到正常的梯度下降。在3 000次迭代后，訓練集中的MAE和R2分別為0.12和0.89，驗證集中的MAE和R2可達到0.19和0.84。

將2015年鋼鐵工業縣級尺度的活動水平與模型預測結果進行線性擬合，R2相關性可達0.85，證明了本研究所建立的縣域尺度活動水平預測模型具有較好的模型表現和預測能力。

1.2" 排放清單建立

本研究采用傳統的“自下而上”排放因子法計算建立中國鋼鐵工業部門的大氣污染物和溫室氣體排放清單，基本公式如下

Ei，t=j，mAj，m，t×EFi，m（1-ηn）×R，

式中：E為污染物的年排放量；i代表大氣污染物和溫室氣體種類；t代表統計年份；j代表縣級行政區；m代表技術類型；A為活動水平（產品產量）；EF為排放因子；η為污染控制設備的去除效率；n代表末端污染控制技術；R為末端污染控制設施安裝比例。

鋼鐵行業排放量計算涵蓋了煉焦、燒結、煉鐵和煉鋼4個關鍵生產環節。粗鋼產量由神經網絡模型獲得，電爐煉鋼和轉爐煉鋼的產量根據電爐煉鋼比例分配獲得[4]，再按照鐵鋼比等系數計算燒結球團和生鐵產量。對于鋼材產量，本文假設其產量與粗鋼產量的比值保持在基準年不變。

基準年的排放因子主要來源于《城市排放清單編制技術手冊》[6]。在未來排放計算時，通過污染控制水平提升實現排放因子的動態改變。本研究假設2035年實現全國的超低排放改造，此后達到最佳控制水平。

2" 結果與分析

2.1" 縣域尺度活動水平預測結果

表1為匯總到全國尺度的鋼鐵行業產品產量的預測結果。結果表明，我國鋼鐵行業將在2025年達到產量的最高值，且隨后呈現緩慢的下降趨勢。到2060年，我國粗鋼產量為7.6億t，較2015的8.0億t年下降5%。

從空間分布來看，2015年，我國的大型鋼鐵基地（產量大于1 000萬t的縣域）多分布于東部地區的沿海靠港省份，而中西部地區的鋼鐵生產以小型規模為主（產量小于100萬t的縣域）。同時，鋼鐵工業的生產活動多靠近省會城市中心，京津冀地區分布有大量鋼鐵工業，鋼鐵工業的整體空間布局更為協調，中西部地區將形成一批大型鋼鐵生產基地。例如內蒙古、云南、江西和廣西等地都出現了具有大型鋼鐵生產規模的縣域，特別是廣西的防城港地區，憑借其地理位置優勢和政策扶持和廣東湛江成為我國南部最大的2個鋼鐵生產地區。河北作為工業大省，雖然到2060年仍具有大量的鋼鐵工業活動，但是其鋼鐵工業的空間位置將遠離北京、天津的城市中心。未來年份具有鋼鐵工業的縣域數量出現大幅削減。

2.2" 排放預測結果

表2為匯總到全國尺度的鋼鐵工業大氣污染物及溫室氣體CO2的排放量計算結果。受我國鋼鐵行業的超低排放改造以及污染控制水平上升的影響，雖然2025年鋼鐵工業的產品產量高于2015年，但是相關的大氣污染物排放量較2015年仍有所下降，反映了我國現行大氣污染控制手段的有效性。2060年，中國鋼鐵行業SO2、NOx、PM2.5及CO2的排放量分別為10.6萬 t、8.6萬t、25.5萬t和5.9億t，較2015年下降88%、89%、76%、77%和52%。溫室氣體排放量的降低由電爐煉鋼技術的推廣和粗鋼需求下降推動。

2.3" 結果驗證

圖1比較了本研究與其他研究的粗鋼產量及排放預測結果[1，3，7-8]。從粗鋼產量上看，其他研究的未來粗鋼產量呈現下降趨勢，且下降幅度不大，與本研究具有較好的一致性，表明本研究神經網絡模型產量預測具有一定的合理性與準確性。從排放量上來看，本研究2015年的鋼鐵工業SO2排放量介于Bo等[1]和多尺度排放清單（MEIC，http：//www.meicmodel.org/）的排放結果之間。2015年本研究的PM2.5比MEIC略高，可能是對于除塵設施安裝比例考慮較為保守造成的。未來污染物排放的預測結果總體上與其他研究結果較為相似。受污染控制水平設計影響，從趨勢上看本研究的排放量在2035年較其他研究下降較快。總體而言，本研究的排放計算結果較為合理。

3" 結論

本研究以2015年為基準年，通過多源數據融合利用神經網絡構建鋼鐵工業的活動水平預測模型，獲得2025—2060年縣域尺度的活動水平預測值以捕捉未來中國鋼鐵工業在精細尺度上的排放格局變化。我國的粗鋼產量將在2025年達到產量預測的最高值，隨后呈現緩慢的下降趨勢。到2060年，我國粗鋼產量為7.6 億t，較2015年的8.0億t下降5%。雖然未來鋼鐵工業的粗鋼產量下降幅度不大，但是受未來污染控制水平提升的影響，2060年各污染物排放均呈大幅下降。2060年，中國鋼鐵行業SO2、NOx、PM2.5及CO2的排放量分別為10.6萬t、8.6萬t、25.5萬t和5.9億t，較2015年分別下降88%、89%、76%和52%。同時，鋼鐵行業的生產活動和排放的整體空間布局更為協調。隨著未來產業調整的持續推進，中西部地區將形成一批大型鋼鐵生產基地。特別是廣西的防城港地區，憑借其地理位置優勢和政策扶持與廣東湛江成為我國南部最大的2個鋼鐵生產地區。河北雖然仍具有大量的鋼鐵工業活動，但是其空間布局將遠離北京、天津的城市中心。

參考文獻：

[1] BO X， JIA M， XUE X D， et al. Effect of strengthened standards on Chinese ironmaking and steelmaking emissions[J].Nature Sustainability，2021，（9）：811-820.

[2] ZHU S， GAO C， SONG K， et al. The changes in spatial layout of steel industry in China and associated pollutant emissions：A case of SO2[J].Journal of Environmental Management，2022，302（PA）：114034.

[3] LI Z， HANAOKA T. Development of large-point source emission downscale model by estimating the future capacity distribution of the Chinese iron and steel industry up to 2050[J].Resources， Conservation and Recycling，2020（161）： 104853.

[4] 劉漢初，樊杰，周道靜，等.2000年以來中國高耗能產業的空間格局演化及其成因[J].經濟地理，2019，39（5）：110-118.

[5] WANG X Y， MENG X F， LONG Y. Projecting 1 km-grid population distributions from 2020 to 2100 globally under shared socioeconomic pathways[J].Scientific Data，2022，9（1）：563.

[6] 賀克斌.《城市排放清單編制技術手冊》[M].2018.

[7] WANG K， TIAN H， HUA S， et al. A comprehensive emission inventory of multiple air pollutants from iron and steel industry in China： Temporal trends and spatial variation characteristics[J].Science of The Total Environment， 2016，559（7）：7-14.

[8] YU X， TAN C. China's pathway to carbon neutrality for the iron and steel industry[J].Global Environmental Change， 2022（76）：102574.