没有合适的资源?快使用搜索试试~ 我知道了~
≤环境科学与生态技术16(2023)100264原创研究中国供应链中的空气污染健康负担赵红岩a,b,c,1,吴瑞丽d,1,刘扬b,程静b,耿冠南c,*,Yixuan Zhenge,Hezhong Tiana,Kebin Hec,Qiang Zhangb,**a北京师范大学环境学院大气环境研究中心,北京,100875b清华大学地球系统科学系地球系统模拟教育部重点实验室,北京,100084c清华大学环境学院环境模拟与污染控制国家重点联合实验室,北京,100084d环境监测质量控制国家环境保护重点实验室,中国环境监测总站,北京,100012中国环境规划院空气质量模拟与系统分析中心,北京,100012我的天啊N F O文章历史:2022年9月13日收到2023年3月6日2023年3月13日接受保留字:中国空气污染死亡率贸易供应链A B S T R A C T产品贸易在各部门和各区域之间重新安排生产和相关的空气污染影响方面发挥着越来越大的作用。虽然缺乏对通过贸易链重新分配大气污染的全面描述,这可能会阻碍部门和区域之间有针对性的清洁空气合作。在此,我们结合了来自物理学、经济学和流行病学的五个最先进的模型,追踪了2017年中国供应链中与人为细颗粒物(PM 2. 5)相关的过早死亡率。我们的研究结果突出了从生产和消费角度影响PM2.5相关死亡率的关键部门。来自食品、轻工业、设备、建筑和服务部门的基于消费的影响,造成的死亡人数是生产部门死亡人数的2.22倍,占全国总死亡人数的63%。从跨境角度来看,中国25.7%的PM2.5相关死亡是由省际贸易造成的,其中最大的转移发生在中部和北部地区向发达的东部沿海省份。资本投资主要是跨境效应(占总额的56%),涉及大量设备和建筑产品,这些产品在很大程度上依赖于特定资源地区的产品出口。这种基于供应链的分析提供了一个全面的量化,并可能从健康风险的角度为相关区域和部门之间更有效的联合控制工作提供信息。©2023作者出版社:Elsevier B.V.代表中国环境科学学会这是一个开放在CC BY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)下访问文章1. 介绍近年来,中国经济的快速发展和城市化伴随着大量的能源消耗和严重的大气污染,导致每年超过100万人过早死亡[1]。作为回应,自2013年以来,中国政府在全国范围内开展了一系列减排行动,包括有史以来最严厉的大气污染防治行动计划(行动计划,2013- 2017)和打赢蓝天保卫战三年行动计划*通讯作者。**通讯作者。电子邮件地址:guannangeng@tsinghua.edu.cn(G.耿),tsinghua.edu.cn(Q.Zhang)。[1]这些作者对这项工作作出了同样的贡献。(2018 - 2020年三年计划)。在此期间,中国的人口加权细颗粒物(PM2.5)浓度从2013年的63m g m-3稳步下降到2017年的45m g m-3,最终下降到2020年的33mg m-3[2,3],略低于世界卫生组织(WHO)建议的中期目标I(35mg m-3多更高比的建议健康标准(5m g m-3)[4]。随着经济的迅速发展和边际减排成本的增加,进一步减少污染,从技术和经济角度来看,传统的以管道末端为导向的战略可能会遇到显著的困难[5]。为了保持进一步下降的趋势,中国政府应该投入更多的精力来促进能源、工业和交通系统的结构调整过程,以实现中国的清洁空气[6,7]。产业结构调整要想获得一个干净的格局,就必须深刻理解产业和地区之间的相互作用,因为产品贸易在产业结构调整中的作用日益突出。https://doi.org/10.1016/j.ese.2023.1002642666-4984/©2023作者。由Elsevier B.V.代表中国环境科学学会、哈尔滨工业大学、中国环境科学研究院出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表环境科学与生态技术期刊主页:www.journals.elsevier.com/environmental-science-and-www.example.comH. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)1002642>:。(c)¼在部门和区域之间重新分配污染和相关的健康负担[8]。近年来,随着多学科模式的发展,空气污染及其环境和社会影响在区域和部门之间的转移已得到深入研究。研究对象从特定污染物排放[8e12]到与排放相关的PM2.5浓度[13e17],并进一步扩展到与污染相关的健康负担[18e23]。由于大气污染是在一定的地理和气象条件下,各种物质[原生PM2.5和无机PM2.5前体物(主要包括SO2、NOx、VOC、NH3)]发生复杂物理化学反应的综合效应,因此贸易相关污染及其健康负担分析能够更全面地反映贸易的影响。虽然现有的研究总是侧重于生产的综合结果消费和/或出口前景[13e23],包括污染密集地区的队列研究,包括中国[29,30]和其他低收入国家[31] 。 在 GBD 2019 中 , 使 用 Meta Regression-Bayesian ,Regularized,Trimmed(MR-BRT)样条将考虑的风险数据拟合为更易于理解的形状,可以更准确地反映PM2.5相关风险[28]。GBD 2019研究考虑了PM2.5相关的健康风险与成人(25岁及以上)缺血性心脏病(IHD)、卒中(缺血性和出血性)、慢性阻塞性肺病(COPD)、肺癌和II型糖尿病(DM2)以及儿童和成人(小于5岁和25岁及以上)急性下呼吸道感染(LRI)导致的非意外死亡率。暴露Ctap时每个终点的相对风险(RR)可计算为:关于各部门及其通过贸易.Σ8><1;C抽头≤tmrel店行业是实施污染控制措施的基本单位,缺乏行业健康风险评价可能会影响区域间和行业间的联合控制行动在RRC丝锥¼MRBRTCtapMRBRT螺纹接头C自(一)>tmrel近年来,一些研究试图追踪污染相关的健康状况,式中Ctap为TAP模型得出的PM2.5浓度对贸易链的影响[12,24]。虽然这些研究仅重点放在初级PM2.5上,它只贡献了不到一半的RRC抽头 是使用MR-BRT建模的相对风险总 的 人 为 PM2.5 污 染 , 并 由 其 他 物 种 的 不 同 部 门 占 主 导 地 位[25e27],因此不能代表贸易的全部影响。在此,我们聚焦中国省际贸易,呈现人为PM2.5相关健康模型;tmrel是理论上的最低风险暴露水平,GBD 2019发布了1000个样本,均匀分布在2.4至5.9m g m-3之间。的应占分数(AF)的的过早死亡PM2.5暴露的影响可以计算为:通过结合五个最先进的模型,从物理,经济,流行病学 这种基于供应链的分析可以提供AFRR-1RR(二)全面量化,并可能为相关区域和部门之间更有效的联合控制工作提供第2节和图中提供了模型和模型集成的详细信息。 S1. 总之,我们使用基于卫星的PM2.5 浓度数据和从2019 年全球疾病负担研究( GBD2019)[28]中检索的浓度响应函数(CRF)来估计PM2.5相关的过早死亡率。然后,我们使用中国空气污染清单驱动的化学传输模型,将PM2.5污染和相关的健康影响归因于不同的排放源区域和部门。最后,我们利用多地区投入产出(MRIO)模型,在中国大陆上追踪了基于部门生产的健康负担到消费地区和国内供应链上的部门。与污染相关的过早死亡最终归因于供应链上的各个生产和消费部门。值得注意的是,区域生产性污染死亡指的是中国全国范围内发生的与排放相关的污染死亡,主要是由于大气传输。2. 材料和方法2.1.PM2.5相关的过早死亡根据PM2.5质量浓度和监测响应模型计算了PM2.5为了减少化学传 输 模 型 带 来 的 不 确 定 性 , 我 们 使 用 来 自 中 国 空 气 污 染 追 踪(TAP:http://tapdata.org.cn/)的2017年PM2.5浓度来约束中国PM2.5的空间分布TAP是一个全覆盖、高分辨率的空气污染产品,它结合了多光谱数据融合提取的信息,提供了更可靠的中国PM2.5地图[2]。此处选择了来自GBD 2019 [28]的最新CRF来估计PM2.5相关死亡率。GBD 2019研究首次避免使用主动吸烟数据,PM2.5暴露导致的死亡率(mr)可计算为:( 3)其中B是给定疾病终点的基线死亡率2017年按国家划分的年龄别死亡率来自GBD 2019 [28]。最后,归因于PM2.5暴露的过早死亡率(Mort)可以计算为:Mort¼P×B×AF( 4)P是人口。网格化人口数据集来自全球人口数据集(GPW)[32]。对有关年龄组每隔5年实施一次所有步骤,网格分辨率为36公里。2.2.PM2.5相关的死亡率归因于排放源和部门区域PM2.5浓度是本地及周边地区排放的各种污染物发生复杂物理化学反应的结果。在这里,我们使用了为中国开发的降低复杂性的空气污染干预模型(InMAP)[33],将特定网格的PM2.5浓度归因于特定位置和特定物种的排放。InMAP最初由Tessum等人开发[34]。它估计年平均污染物浓度的近似稳态解与大气传输方程。InMAP通过在空间和时间上进行离散化来求解方程,其中空间变化的参数化简化了方程中复杂的反应、平流和去除项。通过这种简化,InMAP可以在几个小时内预测年平均PM2.5浓度,并且是一种简单快捷的模型,可以为降低PM 2.5相关死亡率的策略提供信息H. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)1002643r;nP¼XX¼P×Mort(12)j我i;j我CBSi;ji;j我PsBCCi;ji;jXm特定排放源或产品[26,35e37]。本研究中使用的中国InMAP是开发的,PSk×Ek;s× rk;s/s0!在我们以前的研究中进行了评估[33],其中包括东亚36公里分辨率。中国的人为排放量为根据中国多分辨率排放清单(MEIC:http://meicmodel.org),s0ki;ji;j i iCJ×100%(11)中国以外的亚洲从MIX获得(马赛克亚洲人为排放清单)[38],以及从气体和气溶胶排放模型中检索的生物源排放,莫特ss0i;ji2r j 2n自然(MEGAN)v2.10.人为排放的PM2.5和前体气体,如二氧化硫(SO2)、氮氧化物(NO)、氨(NH)和非甲烷挥发性有机化合物,这里rk;s/s0 指MEIC行业和MRIO行业之间的Sectoral排放转换系数。映射关系是-x3经济、工业和消费部门与社会经济部门之间的关系见磅(NMVOC),包括在模拟中。InMAP模式可以明确地追踪它们对一次PM2.5或二次 PM2.5(包括颗粒态铵( pNH4)、颗粒态硫酸盐(pSO4)、颗粒态硝酸盐(pNO3)和二次有机气溶胶(SOA))的贡献。2017年模型、参数配置和模型评估的详细描述见我们之前的研究[33]。对于InMAP模型,给定网格j中的估计PM2.5浓度可以表示为:图 S2.2.3.PM2.5相关死亡率体现在产品供应链MRIO模型可用于代表行业和地区之间复杂的物质交换,从而使我们能够捕捉由制成品或消费引发的供应链上的累积生产和相关影响活动[8]。在这里我们使用了最新的非竞争性31省,Cj¼XXSk×EkK我(五)其中S k是成本函数对区域内网格i中人为排放量,它指示网格j中PM2.5浓度对网格i中物种k排放量的敏感性(Ek)。为了最小化InMAP的不确定性,我们将以及与PM2.5相关的死亡率对中国国内供应链上各个社区(行业、地区或最终需求)的货币结余的中位数分析可写成如下:使用的电网和部门的具体排放量的贡献0x11X0A1; 1A1; 2A1; 3 /A1; m10x11一目标网格中的PM2.5浓度j(Cj)为:2B3C2; 1B3; 1一名223; 2A2;33;3/A2; mx23;m3XB C¼BAKi;j我XmA/A换股债券CPSk×Ek;s@« A@««1«A@«Ai;j<$Cj×X¼P0Xy1;s1BXy2;sCSPi;jSSi;j(七)SB.B.Xy3; sC«(十三)其中E是是网格i中s扇区的k种排放,Pi;j界定网格i中部门s排放总量的贡献到网格j中的PM2.5浓度。根据我们先前的研究,我们应用直接比例法估计电网和行业特定排放对电网j中PM2. 5相关死亡率的贡献:Morts¼Ps×Mortj(8)在给定区域r及其部门s中,由排放导致的全国PM2.5相关死亡率(Mortn)可以计算为:@Xym;sA其中,xr是区域r按部门划分的总经济产出的向量,yr;c是区域r生产并在区域c消费的部门的最终需求向量,Ar;c是中间系数的标准化矩阵,表示区域r中的部门产生的投入需要从区域c中的每个部门产生一个单位的产出。下这框架,的排放相关早产儿按来源分列的c区具体部门消费所包含的死亡人数可计算如下:Mortr;n¼XXXMorts(九)i 2 rsj2nMort$c¼bfI-A-1y$c(14)MORTS¼XXPs×Mortji;j(十)其中,Mort$c是区域和部门特定PM2.5的矢量,i2r j2n为了获得下一节中使用的MRIO部门的部门特定死亡率,我们使用我们之前研究[9,10]中描述的MEIC部门到MRIO部门之间的排放映射过程,将PM2.5相关死亡率归属于MRIO部门(s0):XSr;n42-Zheng等人编制的2017年中国行业MRIO表。[39]确定部门生产污染物排放量Am; 1Am; 2Am; 3 /Am;m100%(6)k;sSH. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)1002644B相关的死亡人数向消费区域C,F是对角线,单位产出的区域和行业PM2.5相关死亡向量的归一化,该向量是由等式(12)确定的行业PM2.5相关死亡和MRIO模型的总产出向量得出的,y$c是区域c的最终需求向量。H. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)10026452.4.不确定性分析由于所采用的模型(包括排放清单、化学传输模型、基于卫星的PM2. 5浓度、MRIO模型和健康影响模型)的固有假设和局限性,我们的研究受到许多不确定因素的影响。 为了减少不确定性,我们在每个步骤中选择了最新和最先进的模型,并在补充资料中详细讨论了每个模型的先进性,局限性和/或不确定性。如补充资料中所述,由于计算量的限制,不可能结合所有影响因素进行全面的不确定性分析,特别是对于网格化PM2.5浓度对全国污染物排放的敏感性正文中列出的PM2.5相关死亡率是根据每个模型中参数的平均值计算的。3. 结果3.1. 国内供应链中与PM2.52017年,中国的PM2.5浓度估计为45m g m-3,导致136万人过早死亡。源解析结果表明,96%的死亡(1.32100万美元)可归因于中国的人为排放。除特别说明外,以下PM2.5相关早死是指中国境内人为源导致的死亡。图1a和表S2e 4通过连接特定社区之间的PM2.5相关死亡,包括燃烧能源类型/排放过程(第1列),总结了中国国内供应链上图1a)中,产生排放的部门(第2列),制造最终商品或服务的部门(第3列),以及消费商品或服务的最终需求(第4列)。为了便于介绍,部门分类汇总为14个代表性部门(表S1),并将其对PM 2.5相关死亡率的贡献转换为相对死亡人数与全国总数的比率。各行业的PM2. 5相关死亡个案的产生/排放来源各不相同,反映出各行业对未来减排行动的重视程度各不相同(图1第1及第2栏)。1 a)。工业部门在中国与PM2.5相关的死亡中占主导地位,因为它们高度依赖煤炭燃烧和严重污染的工业过程。非金属、金属和能源部门在工业部门中排名前三位,分别占中国总量的12.1%、11.5%和13.4%非金属和能源部门以燃煤为主,金属部门以工业加工为主,主要涉及钢铁的烧结过程[27]。控制较少的农业和农村居民部门也有显著贡献(分别为14%和17.6%)。农业部门的高比率~90%的中国人为NH3排放量[27]),其在硫酸铵和硝酸铵的形成中起主导作用[40]。农村居民直接能源使用的高比例来自其不成比例的高PM2.5排放,这是由于传统炉灶中生物燃料和原煤的燃烧效率低下[41]。交通运输占中国PM2.5相关死亡总数的11.2%,其中98%以上可归因于石油消费。通过总结所有归因于上游供应链排放的死亡,图1a的第三列突出了中国PM2.5相关死亡的潜在驱动因素,Fig. 1. a,流程图,突出了中国供应链中与PM 2.5相关的死亡所涉及的工业部门。能源╱工序指明燃烧的能源类型及产生相关排放的工序,然后将该等工序映射至涵盖该工序的特定工业部门。这些生产部门然后映射到生产最终商品或服务的部门,并进一步映射到消费最终商品或服务的最终需求类别。线的宽度和标记的百分比表示2017年中国人为PM2.5相关过早死亡的相对贡献(132万)。b.根据排放生产部门对最终需求类别及其来源构成的排序。与农村和城市消费有关的数值还包括农村和城市直接能源消费的数值。H. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)1002646消费视角。其中,服务业、设备制造业、食品业和轻工业占比最高,分别为29.3%、12.9%、11.0%、5.3%和4.4%,从生产角度来看,分别是其其中,建筑和设备行业分别有51%和42%的过早死亡来自金属和非金属行业的排放,食品行业的67%来自农业生产。图4的第四列。 1最终将具体的PM 2.5相关死亡归因于最终需求(例如,农村消费、城市消费、政府消费、资本投资和国际出口)。资本投资是最大的贡献者,因为它分别占最终建筑和设备产品总影响的51%和99%,从而推动了污染严重的上游行业的实质性生产和相关影响(第二列)。 据估计,由资本投资驱动的死亡率中有60%可归因于非金属,金属和能源部门的排放(图1)。 1 b)。农村和城市消费所占份额相似(分别为23.4%和19%)。农村消费以直接排放活动为主,城市消费以农业、食品和服务部门产品/服务消费产生的间接排放为主。这在一定程度上表明了它们在未来减缓战略上的差异[42]。国际出口达到了与前几年相似的比例(12.7%)[15,19],主要 是 通 过 出 口 设 备 , 轻 工 业 和 化 工 产 品 。 政 府 消 费 排 在 最 后(4.4%),其影响的85%来自各种服务的消费,这导致一定数量的PM2.5相关死亡来自农业,能源和交通部门。3.2.需求驱动的PM2.5相关死亡率在区域间区域间的产品贸易导致污染责任和相关的健康影响从消费区域转移到生产区域。据估计,2017年,中国有33.9万人因PM2.5死亡,其中省际贸易占全国总数的25.7%。图2显示了区域间PM2.5相关死亡转移的净效应和特定需求类别驱动的净效应(图2ae c),图S3显示了其地理分布。考虑到农村、城市和政府部门的服务对象相似,对农村、城市和政府部门的消费效应进行了汇总.从地理上看,主要特征是PM2.5相关死亡人数从中国中部和北部输出到中国东部、东南部和西南部(图2d和图3d),但不同的最终需求类别形成了不同的规模和模式(图3d)。 2 a e c和图 S3a e c)。虽然消费的连带效应大于资本投资的连带效应,也远大于国际出口的连带效应(图1),但其跨境效应不太明显(图2)。 2a和图 S3a)的影响,而非其他因素所驱动的影响,部分反映消费活动倾向于更多依赖本地生产。因此,从河南和河北到发达和人口稠密的北京、江苏、浙江和广东,观察到的净出口不太突出(图11)。 S3a)。资本投资主导了PM 2.5相关死亡在地区之间的转移(占全国总数的56%;图。S4 b),以及净气流模式(图2 b)。净出口地区主要集中在重工业省份(例如,河南、河北和安徽)或能源型省份(内蒙古和山西)(图2b)。省际PM2.5相关死亡人数图2. 由特定最终需求类别(aec)驱动的省际贸易中体现的与PM2.5相关的过早死亡率及其综合效应(d)。在图a中,消费包括农村、城市和政府消费的综合效应。这些地区的出口占全国相应总量的36%(89,396人过早死亡),是其省际进口的两倍(43,162人过早死亡,占全国总数的但资本投资推动的净进口地区在空间上较为分散 除了上述发达的东部和东南沿海省份外,重庆、云南、陕西、新疆、黑龙江和吉林等西部和东北部省份也是值得注意的净进口省份,因为他们从中部和北部地区大量进口,以支持当地的基础设施建设,但与PM 2. 5相关的死亡率相对较低(图1)。 S4b)。这在一定程度上反映了中国在过去几年中对西部和西北地区进行再工业化的努力由国际出口驱动的PM2.5相关死亡转移在地理上更为集中(图 2c和图S3c)。仅广东和浙江的国际出口就贡献了中国国际出口总效应的40%,但这一比例的近一半(46%)可归因于其他地区的上游部门(图S4c)。因此,最高的净排放量大多发生在广东和浙江等其他地区。江苏和山东的国际出口中包含的PM 2. 5相关死亡人数也很重要(占全国总数的23%)。 但是,由于这些出口更多地依赖于当地的供应链,只有23% 的相应死亡人数发生在其他地区(图 1 )。S4c)。3.3.按部门分列的PM2.5地区间PM2.5相关死亡的转移通常是H. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)1002647以特定行业的产品为主。从生产的角度来看,2017年,中国区域间转移的PM2.5相关死亡中有66%可以追溯到农业,非金属,金属和能源部门,如图1a所示。图3分别显示了这四个部门的PM2.5相关死亡在地区之间的转移在农业领域,主要出口地区主要集中在中国的农业地区,包括河南、湖南、安徽、江苏和河北(图1)。 3 a)。这些地区合计占农产品贸易导致的PM2.5相关死亡总数的46%,而河南仅占14%。据统计,这五个省占27%,2020年中国农业生产总值[43]。邻近较富裕的东部沿海地区╱或人口稠密地区的地区亦直接或间接因向邻近地区出口农产品而导致大量PM2. 5相关死亡,例如从贵州(1,048人死亡)及广西(1,133人死亡)至广东、从内蒙古至河北(892人死亡)及山西(944人死亡),以及从陕西(1,313人死亡)至河南。非金属行业引起的PM2. 5相关死亡跨区域转移在空间上更加分散,并突出了特定区域之间的巨大影响(图10)。 3 b)。例如,仅安徽和河南两省的非金属出口污染相关死亡人数就占全国总数的32%皖苏图三. 由省际贸易驱动的部门特定PM 2.5相关死亡转移。位于每个面板中从左上角到右下角的对角线上的网格表示区域对自身的影响,并设置为零。每幅图右侧的条形图显示了贸易对每个地区的总影响H. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)1002648导致4,578人过早死亡据估计,2020年安徽仅生产中国水泥产量的6%[44]。源自河南(2,056人死亡)及广西(1,644人死亡)并输出至广东的影响亦属重大。与非金属产品相比,从出口和消费的角度来看,金属产品驱动的PM 2.5相关死亡转移在地理上更为集中(图3c)。出口地区主要集中在河北、山西、江苏和河南,而消费地区主要集中在浙江和广东,部分原因是其设备产品的大量国际出口。就河北而言,其金属生产导致中国22,524人过早死亡,占全国金属生产总影响的15%;而该影响的60%(13,439人死亡)可归因于满足国内其他地区的最终需求。与其他部门相比,由能源部门驱动的PM 2.5相关死亡转移在各地区之间分布更均匀(图10)。 3 d),这可归因于其动力特性e作为能源,以促进其他部门的生产和出口。正如预期,最大的出口国发生在中国主要能源基地内蒙古,2020年占中国火电发电量的9%[44]。图4根据PM2.5相关死亡人数的贡献率,从129,600个项目中对前50个省际供应链进行了排名。这些供应链从生产地区和部门开始,到消费地区和部门结束,见图4。排名前50位的供应链(从排放源地区和部门到最终需求地区和部门)是导致PM2. 5相关死亡率最高的供应链。占全国省间转移PM2.5相关死亡总数这些顶级供应链的特点是大型贸易区和所有上述重污染行业,如金属、非金属、农业和能源行业,以及从消费角度来看的重污染行业,如建筑、农业、设备和食品行业。在一定程度上,这份排行榜揭示了特定地区和行业之间联合控制行动的潜在目标4. 讨论和政策影响产品贸易对生产和相关的污染负担在区域间的转移产生重大影响。这项研究结合了五个最先进的模型,全面了解了中国消费地区和行业如何通过供应链驱动大气PM 2.5相关的过早死亡。我们的研究结果突出了从生产和消费两个角度影响区域空气污染的关键部门,以及主要的最终消费类别(资本投资)和部门(农业,非金属,金属和能源部门),这些部门主导了PM2. 5相关死亡的省份迁移。这种基于供应链的分析提供了一个全面的量化,并可能为相关区域和行业之间更有效的从排放生产的角度来看,控制较少的部门,包括农业和农村居民直接能源消费部门,与目标部门,如化学,金属和非金属,能源和交通运输部门(占全国总数的31.6%对53.8%;图3)的PM2.5如果考虑到颗粒物(PM)成分[45e47]或固体燃料使用[48]引起的室内空气污染之间的毒性差异,则来自住宅部门的贡献率可能会增加一倍。行动计划后,中国政府加强了京津冀及周边地区的住宅污染控制行动[49],但对中国人口稠密的中部和西南部地区的关注较少,那里的生物质仍然是主要的住宅能源来源,并对污染相关死亡有重大贡献[41]。为了获得更多的健康福利,中国政府应该将这些行动推广到全国。在科学研究中,经常对农业中的NH3控制进行审查,但由于缺乏可靠的排放清单和监测技术,仍然没有采取具体行动[50]。随着初级PM2.5、SO2和NOx的边际减排成本不断增加,促进相关技术开发以将NH3纳入控制措施可能变得更加紧迫和具有成本效益[5,51]。此外,减少NH3还可以缓解生态系统酸化和水体富营养化[52,53],这是中国目前面临的另一个重要环境问题[53]。考虑到来自供应链的累积效应,食品、轻工业、建筑、设备和服务行业表现突出。从生产的角度来看,它分别对它们的影响贡献了2和22倍(图1)。建筑和设备主要由基础设施导向的资本投资驱动,主导了区域和部门之间与PM2.5相关的死亡转移。此外,这些行业在未来的运营过程中可能会进一步大幅提高承诺排放量[54,55]。因此,当前或未来的基础设施投资应更多地关注其意外的间接环境影响。除了在生产环节中采取精细的污染控制行动,以及在运营过程中及早规划环保生态设计外,还应推动各高品质产业的可持续发展,H. Zhao河,巴西-地Wu,Y.Liu等人环境科学与生态技术16(2023)1002649协调多个环境目标可能变得越来越必要。在住宅消费方面,通过消费各种商品(例如,食品和轻工业)和服务业,城市家庭对污染相关健康负担的贡献与农村家庭相似(占全国总账户的19%和23.4%),部分抵消了城市化过程中清洁能源转型的污染减排效果[56]。因此,从需求侧的角度来看,在快速城市化过程中,迫切需要并推动刺激绿色消费模式,以保持污染缓解效果,清洁中国的空气随着经济全球化,减轻污染的行动不应仅限于因产品贸易造成的污染“泄漏“而产生排放的地方[ 11 ]。这项研究大大量化了中国各地区和行业之间产品贸易中与PM 2.5相关的死亡人数。结果表明,在PM2.5引起的死亡中,农业、非金属、金属和能源部门占66%(图3)。相关区域间针对这些关键部门采取一系列联合控制行动,如技术转让、技术合作甚至经济补偿等,有助于减少区域间污染和健康负担的泄漏。可在京津冀、长江三角洲及其周边地区启动以这些合作减排行动为重点的试点项目,这些地区的贸易往来和相关的污染外包频繁和/或密集(图1和图2)。3和4)。今后的研究应更多地侧重于对技术转让和/或区域和部门之间的合作进行成本效益分析,以更好地制定和协调缓解努力。CRediT作者贡献声明赵红燕:概念化,数据策展,可视化,写作-原始草稿准备。RuiliWu:软件,验证。Yang Liu:数据管理、验证。Jing Cheng:数据管理, 验证。 耿冠 南:概念 化、监 督化 。Yixuan Zheng:Writing-Reviewing and Editing. 田和忠:写作-审查和编辑。何克斌:写作-审查和编辑。张强:概念化,监督。竞争利益作者声明,他们没有已知的竞争性经济利益或个人关系,可能会影响本文报告的工作。确认本工作得到了国家自然科 学基金( 71904097 , 41921005 ,91744310和42205183)的资助中央大学基础研究基金(2021NTST21)。附录A. 补充数据本文的补充数据可以在https://doi.org/10.1016/j.ese.2023.100264上找到。引用[1] J. Liu,Y.Zheng,G.Geng,C.洪,M。Li,X.Li,F.Liu,L.通河Wu,B.郑吒,K. 他 , Q 。 Zhang , Decadal changes in human source contribution ofPM2.5pollution and related health impacts in China , 1990e 2015 , Atmos. 20(13)(2020)7783和7799。[2]G. Geng,Q.Xiao,S.Liu,X.Liu,J.郑,Y.Zheng,T.Xue、黄毛藓D.Tong,B.郑吒,Y. 彭、X。Huang,K.他,Q。张,追踪中国的空气污染:接近真实-时间PM 2.5检索从多光谱数据融合,环境。Sci. 55(17)(2021)12106e 12115.[3] Q. Xiao,G. Geng,T. Xue,S. Liu,C. Cai,K.他,Q。Zhang,Tracking PM2.5and O3pollution and the related health burden in China 2013e 2020,Environ.Sci. 56(11)(2021)6922e 6932.[4] 世界卫生组织全球空气质量指南:颗粒物(PM2.5和PM10),臭氧,二氧化氮,二氧化硫和一氧化碳,世界卫生组织,2021年。[5] F. Zhang,J. Xing,Y. Zhou,S.王湾,澳-地Zhao,H. Zheng,X. Zhao,H.昌角,澳-地张,Y.Zhu , J.Hao , Estimationofabstractpotentialandcostsofairpollutionemissions in China,J. Environ.马纳格260(2020),110069.[6] Q. Zhang,Y.Zheng,L.等,中国粘蝇D.Tong,M.Shao,S.Wang,Y.Zhang,X.Xu,J.Wang,H.他,W. Liu,Y.丁氏Y.Lei,J.Li,Z.Wang,X.Zhang,Y.Wang,J.郑,Y.刘,智-地石,L. Yan,G. Geng等人,2013年至2017年中国PM 2.5空气质量改善的驱动因素,Proc. Natl. Acad. Sci. U.S.A. 116(49)(2019)24463e 24469。[7] G. Geng,Y.郑角Zhang,T.薛,H.Zhao,中国粘蝇D.Tong,B.Zheng,M.,中国科学院昆虫研究所所长。Li,F.刘,C.洪,K.他,S.J.戴维斯,中国PM 2.5空气污染死亡的驱动力2002E 2017,Nat. 地球科学 14(9)(2021)645 e 650。[8] J. Meng,H.Yang,K.Yi,J.Liu,L.Guan,Z.Liu,Z.Mi,D. M.科夫曼,X。小王,Q. Zhong,T.黄,W. Meng,S.陶,全球空气污染物排放增长放缓和驱动因素,一个地球1(1)(2019)138E 148。[9] H. Huo,Q. Zhang,L. Guan,X. Su,H. Zhao,K.他在《利用基于生产和消费的排放核算方法研究中国的空气污染》一书中写道。Sci. 48(24)(2014)14139和14147。[10] H.赵,英-地Zhang,L. Guan,S. Davis,Z. Liu,H. Huo,J. Lin,W. Liu,K.他,使用基于消费的排放清单评估中国贸易中体现的虚拟空气污染传输。15(10)(2015)5443和5456。[11] K. Kanemoto,D. Moran,M. Lenzen,A. Geschke,国际贸易undermines国家减排目标:来自空气污染的新证据,全球环境。昌 24(2014)52e 59.[12] F. Nagashima,S. Kagawa,S. Suh,K. Nansai,D. Moran,确定关键供应链路径和关键部门,以减轻亚洲初级碳质PM 2.5死亡率,经济。系统Res.29(1)(2017)105e 123.[13] J. Lin,黑腹拟步行虫D.Pan,S.J.Davis,Q.Zhang,K.他,C.Wang,D.G.斯特里特DJ伍伯斯,D.关,中国的国际贸易和美国的空气污染,Proc. Natl. Acad. Sci. U.S.A. 111(5)(2014)1736和1741。[14] Y. Li,J. Meng,J. Liu,Y. Xu,L. Guan,W.陶,Y. Huang,S.陶,改善中国空气质量的省际依赖:黑碳气溶胶的案例研究,环境。Sci. 50(7)(2016)4118e 4126。[15] X. 江角,澳-地Zhang,H.Zhao,G.耿湖Peng,L.Guan,H.Kan,H.Huo,J.琳,M. Brauer,R.V. Martin,K.他,揭示了隐藏的健康成本体现在中国出口,环境。Sci. 49(7)(2015)4381和4388。[16] K. Takahashi , K. Nansai , S. Tohno , M. Nishizawa , J.- I. Kurokawa , T.Ohara,亚洲PM 2.5碳质气溶胶的生产型排放、消费型排放和消费型健康影响,Atmos。Environ. 97(2014)406e 415。[17] J. Meng,J.Liu,K.Yi,H.Yang,杨氏D.Guan,Z.Liu,J.Zhang,J.Ou,S.Dorling,Z.小米,H. Shen,Q.Zhong,S.陶,黑碳气溶胶的起源和辐射强迫:生产和消费前景,环境。Sci.技术52(11)(2018)6380e 6389。[18] Q. Zhang,X.Jiang,中国粘蝇D.唐世杰Davis,H.Zhao,G.Geng,T.Feng,B.Zheng,Z.卢,丹吉斯特里特斯河Ni,M.Brauer,A.van Donkelaar,R.V.Martin,H.Huo,Z.刘,D. Pan,H.坎,Y。Yan,J. Lin,K. He,D. Guan,Transboundary health impactsoftransmitted global air pollution and international trade , Nature 543 ( 7647 )(2017)705e 709.[19] H. Zhao,X.李角Zhang,X.Jiang,J.Lin,G.G.Peters,M.Li,G.Geng,B.郑吒,H.霍湖Zhang,H.作者:Wang,S. J.何,大气运输和贸易对中国空气污染死亡率的影响Atmos,Chem. Phys. 17(17)(2017)10367e 10381。[20] H. Wang,Y.Zhang,H.Zhao,X.
下载后可阅读完整内容,剩余1页未读,立即下载
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功