中国碳减排和空气质量改善中的协同效应

···工程20（2023）103研究空气污染控制-文章协同效应在中国碳减排和空气质量改善中的作用王杰a，Xi Lua，b，c，d，刘伟，杜鹏飞a，郑浩天a，d，董兆新a，d，尹子华a，邢佳a，d，王舒晓a，d，郝继明a，c，d，刘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，北京100084b清华大学碳中和研究院，北京100084c清华大学环境前沿技术北京实验室，北京100084d大气污染综合源与控制国家环境保护重点实验室，北京100084阿提奇莱因福奥文章历史记录：2021年11月8日收到2022年4月28日修订2022年6月14日接受2022年7月5日上线保留字：协同效应碳减排空气污染控制时空差异A B S T R A C T协同路径被认为是应对中国气候变化和空气污染交织挑战的关键措施然而，目前还没有一个指标可以全面反映这种协同效应，因此，现有的研究缺乏一个一致的比较框架。本文引入单位国内生产总值（GDP）污染物产生量这一新的协同效应指标，采用对数平均Divisia指数（LMDI）法、响应面模型（RSM）和全球暴露死亡率模型（GEMM）相结合的综合分析框架，评价碳减排对中国大气污染物减排和公众健康的协同效应结果表明，协同效应在温室气体减排中发挥着越来越重要的作用，二氧化硫、氮氧化物和空气动力学直径不大于2.5lm（PM2.5）的一次颗粒物和污染物协同减排分别从“十一五”（2006-2010年）期间的310万吨、140万吨和30万吨增加到“十二五”（2011-2015年）期间的560万吨、370万吨和190万吨与非控制情景相比，仅协同效应就有助于将年平均PM2.5浓度降低15%，从而在2015年预防了29万（95%置信区间：0.28-在发达和人口密集的东部省市，空气质量改善和公共卫生的协同效益显著。 随着未来城市化及碳中和进程，预期协同效应将继续增强。在发达地区提前实现气候目标将同时为空气质量和公共健康带来强大的协同效应。©2022 The Bottoms.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。1. 介绍过去几十年来，中国经济的快速增长主要依赖化石燃料，造成了大量的二氧化碳和空气污染物排放[1]。中国在2007年超过美国成为最大的二氧化碳排放国，目前占世界总排放量的28.8%中国承诺2030年前实现碳达峰，2060年前实现碳中和，这要求2030年至2060年每年减少330万吨二氧化碳排放[3]。然而，在这方面，*通讯作者。电 子 邮 件地 址 ：xilu@tsinghua.edu.cn（ X.Lu ） ，hjm-den@tsinghua.edu.cnwww.example.com Hao）。尽管自年实施《大气污染防治行动计划》（以下简称《行动计划》）以来，中国的空气质量有了明显改善2013年，空气动力学直径不大于2.5lm的一 次颗粒 物年平 均浓度（PM2. 5）在2019年 ， 337 个 地 级 以 上 城 市 中 有 180 个 城 市 的PM2.5仍超过国家35lgm-3的标准[4]。它仍然是中国所有城市都面临着挑战，以满足2035年美丽中国目标所要求的35升gm-3标准世界卫生组织（WHO）的健康标准水平（5lgm-3）在更长的时间内[5，6]。鉴于气候变化和空气污染的相互挑战，这是切实可行的，这对中国寻求协同发展途径具有重要意义。https://doi.org/10.1016/j.eng.2022.06.0042095-8099/©2022 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。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上获得目录列表工程杂志首页：www.elsevier.com/locate/engJ. Wang，X.Lu，P.Du等工程20（2023）103104C GPCO2和空气污染物的主要排放虽然2013-2017年中国他们还指出，未来加强低碳政策将进一步发挥协同效应的潜力，以减轻中国的空气污染[8]，而通过末端控制进一步减少污染的潜力将同时受到限制。 Xing等人[9]的一项研究表明，国家自主贡献（NDC）下的低碳路径-即使加上最大可行的末端控制-也无法确保到2035年完全达到美丽中国目标所要求的城市级空气质量。这一发现意味着，为了达到中国的国家空气质量标准，需要更强有力的碳政策的协同努力。综合评估空气污染控制和碳减排之间的历史协同效应，并采用一致的指标，对于选择具有多种环境效益的未来路径至关重要。大多数关于协同效应的早期研究都涉及仅从能源结构的变化[10Ma等人[10]报告称，2006-2010年，新疆维吾尔自治区风力发电的共同效益导致SO2、NOx和PM2.5排放量分别Li等人[11]表明，在“远低于2 °C”的情景下Tong等人[21]指出，在1.5 °C情景下，随着燃煤电厂的战略性退役，到2050年，电力行业的年 CO2排放量和 PM2.5相关死亡人数将分别比2005年减少77%和66%。Xing等人的上述研究[9]还得出结论，能源结构的变化和能源效率的提高将为实现2035年PM2.5的国家标准做出不可替代的贡献从采用先进技术提高能源效率和调整产业结构两个方面研究了产业的协同效应Ma等人[25]分析了29种节能技术对中国钢铁行业的协同效应Jiang等人[33]估计，搬迁或关闭能源密集型企业实现了沈阳铁西区90%左右的CO2和大气污染物此外，苏州的产业结构变化预计将在2020年协同减少39.2%的二氧化碳排放量和35%的PM2.5排放量至于交通结构调整的协同效应，段等[35]发现，到2035年，重庆的货运和客运从公路转向铁路将促进CO2、SO2、NOx和PM2.5排放量分别减少29.8%、32.3%、31.9%和26.7%尽管这些研究详细阐述了单个驱动因素的协同效应，但其结果无法反映碳减排对空气质量和公共健康的影响。基于指数分解分析、空气质量模型和风险-响应模型相结合的分析框架在此基础上，我们进一步将本文开发的框架应用于省级分析，并评估了经济发展水平和资源禀赋不同的省份之间协同效应的空间差异研究结果可为未来协同控制政策的制定提供参考2. 方法和数据2.1. 分析框架在我们的研究中，我们引入了一个新的协同指标，定义为污染物产生单位国内生产总值（GDP）-表示为C/G方程。（1）- 全面介绍与末端控制减排不同的空气污染物和CO2减排的基于扩展的Kaya恒等式[37，38]，与生产相关的排放量（E）可以分解为：E<$E×C×G×P<$EC× CG× GP×P其中C、G和P分别是原始污染物产生量、GDP和人口。EC（E/C）和CG（C/G）分别代表末端控制指标和协同指标，GP（G/P）和P代表社会经济指标。在这项研究中，我们通过一个综合分析框架（图1）评估了空气污染物减排和公共健康协同效应的共同效益，该框架结合了对数平均Divisia指数（LMDI）分析、响应面模型（RSM）和全球暴露死亡率模型（GEMM）。采用LMDI评估协同效应对减排的贡献。响应面被用来评估由于协同效应引起的空气质量变化。GEMM被用于评估健康共同效益。在2005年至2015年期间评估了历史协同效应，涵盖了中国在此期间，成功地实施了减少SO2和NOx排放总量的强制性CO2和空气污染物的排放数据分别来自最新版本的碳排放核算数据集（CEAD）和空气效益、成本和实现评估会议（ABaCAS）排放清单，包括8个主要行业和177个子行业[39，40]。2.2. LMDI方法作为指数分解分析的一部分，LMDI已被广泛用于识别能源消耗、CO2和大气污染物排放的关键驱动因素[41在这里，我们采用这种方法来量化末端控制，协同效应和社会经济发展对空气污染物和CO2减排的影响。基于等式（1），我们进一步将协同效应分解为多个具体的驱动因素。农业、工业燃烧、发电、建筑、运输和服务等六大部门的生产性排放（E1）分解如下：对整个社会的综合协同效应，第一季第一集CGP ¼ X XEi;jIjCi;jFi;jFiGiG P一个统一的比较框架。为解决现有研究中框架不一致的问题，公司简介X X我JCi;j×Fi;j×Fi×Gi×G×P×ð2Þ研究旨在引入一个新的协同指标，并建立一个全面的框架，以量化¼ECi;j×CFi;j×FSi;j×FGi×GSi×GP×PJ. Wang，X.Lu，P.Du等工程20（2023）10310511XDE¼DEKNCNCNCECn图1.一、综合分析框架。本图中各参数的描述详见以下第2.2PAF：人口归因分数。其中，F是能量消耗，i和j分别表示：DE1¼DEECE3DECFE3DEFSE3DEFGE3DEGSE3DEGPE3DEPð6Þ发送了E1的第i个扇区和第j个燃料类型。本研究中的燃料类型包括煤、原油、汽油、柴油、燃料油、天然气和电力。 能源 统计 年鉴 如上文所述，等式（1），我们使用EC、CG和GP来表示管道末端控制，1 1 1 1 1 1 1我们对每个因子使用x，包括EC、CF、FS、FG、GS、GP和P。DEx代表由因素x贡献的排放量变化（DE1）。DEx使用Eq. （七）：协同效应和人均国内生产总值。在这里，CF，FS，Ex¼X X我J. Ei;jiT-. Ei;jT-1;不;n=1;j=1;T-1ð7ÞD1FG和GS分别是具有协同效应的具体驱动因素ln.E ij-In.Eijxij能源结构（每种能源在总能源消费中所占的份额）、能源强度(the单位GDP能耗）和产业结构（我们进一步使用DEx表示受以下因素影响的总排放变化：因子x。DEx计算如下：X x各部门在国内生产总值中所占份额）。K由于某些具体措施不适用于某些kð8Þ发射源（例如，工业过程的能源消耗需要使用不同的恒等函数进行多重分解分析。工业生产过程的排放量（E2）和居民消费量（E3）可表示如下：其中k是第k部分的发射。如果发射的第k部分不受x的影响，则值DEx被设置为零。协同效应引起的总排放量变化（DECG）可以由Eq. （9）：DECG¼DECFDEFSDEFGDEGSDEEPDEFP9E2E2C G P¼XEnCnGnGP公司简介XECn× EPn× GSn× GP×Pð3Þ2.3. 场景设置为了量化协同效应，我们建立了三种情景：非控制情景、控制情景和基线第三季第三集CP¼XEjJCjFjFP场景非控制场景假设没有进一步的控制公司简介XJCj×Fj 公司简介ð4Þ自2005年以来，排放量随着经济和人口的增长而增长。埃米尔-在非控制情景（ET）下T年的情况可以计算-其中n是E2的第n个扇区。EP和FP分别代表过程源的排放T- 1年和T年之间的总排放量变化（DE）DE¼DE1DE2DE3由Eq。（十）：不 ¼E T-1DEGPDE P10控制方案基于非控制方案，但考虑了额外的管道末端控制。控制情景下T年的排放量（ET）可表示为：如下所示：1吨/小时— 1吨-12019年12月27日— 1000吨-13吨— 3吨-1吨ð5ÞT T1 GPPEC各部分的排放变化以添加剂表示EEEC-D.ED.ED.Eð11ÞLMDI分解分析的形式是单个因素贡献的总和以DE1为例，排放变化可计算如下：在基线情景中，排放受实际存在的约束条件控制。该方案基于控制sce- nario，但在排放方面考虑了额外的协同控制ET-1代表燃料源（污染物）的排放因子¼ECj× CFj× FSj× FP×P¼nJ. Wang，X.Lu，P.Du等工程20（2023）103106BL×¼2×Pt在基线情景CBL中。这些数据已被广泛用于以前的研究，包括全球疾病负担（GBD）亲，OMRRC-Co;mP不BLNC ECBL0减灾 基准情景下T年的排放量，由于终端控制而导致的浓度降低，（ET）与实际排放量（ET）一致ET可以由于地理单元T中的协同效应，BL BL表示如下：不1/4 E T-1DEGPDE PDECGDEEC122005年基准年的排放量在三种不同的设想下是相等的。东2005年东起东2005年东起2.4. 减少PM2.5浓度RSM，这是从社区多尺度空气质量模式（CMAQ）开发的应用程序来模拟PM2.5浓度的空间变化率之间的基线方案和其他两个方案在27公里27公里的分辨率在中国各地。RSM和CMAQ模型模拟的附加说明操作过程见附录A。2.5. 协同效应对使用Burnett等人[46]的GEMM评估了PM2.5暴露导致的超额死亡估计值，该方法已在先前的研究中广泛采用[8，47]。GEMM在高污染水平下提供了PM2.5-死亡率关系的高置信度[46]，因此适合在中国应用。鉴于几乎所有与PM2.5相关的非意外死亡都可归因于非传染性疾病（NCD）和下呼吸道感染（LRI），GEMM将超额死亡的估计限制在该疾病亚组（表示为GEMM NCD + LRI）。GEMM NCD + LRI中给定PM2.5浓度C的相对风险（RR）由等式表示。（二十三）：8>：1forCC0ð23ÞRCmECCmBLð15Þ其中，C0是反事实的PM 2.5浓度，低于该浓度则没有额外的风险。这里，C0为2.4lg·m-3[46]。h;a;l，以及其中R1和R2是基准情景中PM2.5浓度相对于其他两个情景的空间变化比率。CmNC、CmEC和CmBL分别表示非控制、控制和基线情景下的模拟PM2.5卫星检索PM2.5浓度C从vanV是描述曝光响应曲线这些参数的具体值见附录A。根据GBD项目，网格单元中PM2.5导致的死亡人数可计算如下：Donkelaar等人[44]被认为是PM2.5ðÞ浓度M¼XPM×B×RRCo;m-1ð24Þ反对[45]。CBL¼Csat16mm然后将模拟的空间变化率与卫星反演的PM 2.5浓度相乘，以计算非控制情景下的实际PM 2.5浓度。CNC¼Csat×R1转17转CEC¼Csat×R2218mm控制情景和非控制情景中PM2.5浓度之间的差异是由末端控制造成的控制情景和基准情景之间的差异反映了对PM2.5浓度降低的协同效应。可归因于末端控制（DCEC）的PM2.5浓度降低以及是应占协同影响（D、C、SC）可以计算分别用Eqs. （19）和（20）：DCEC¼CNC-CEC190DCSC¼CEC-CBL2000末端控制贡献的人口加权PM2.5浓度降低（D PCEC）和协同效应贡献的人口加权PM 2.5浓度降低（DPCSC）分别估算如下：其中MO是按年龄计算的，成年人每隔5年从25岁到大于85岁，m代表第m个年龄间隔。P代表人口，B代表NCD + LRI的基本死亡率我们从LandScan获得了2015年分辨率为1 km 1 km的网格人口分布，并根据中国国家统计局从GBD 2015年在中国开展的国家级研究中检索了基础死亡率（B）发生率[48]。根据Burnett et al.提供的h的1000点估计值分布计算平均PM2.5所致死亡的95%置信区间（CI）[46]第46段。非控制情景中过早死亡率与基线情景中过早死亡率之间的差异反映了协同效应和末端控制的综合效益。根据早期的文献[8，49]，我们假设单位浓度降低对预防过早死亡的贡献相等。这意味着，由于管端控制或协同效应而防止的过早死亡与PM2.5浓度的降低成正比在省一级计算了特定控制措施预防的过早死亡率。3. 结果3.1. 增加减排的协同效应DPCEC¼1XPt×DCECð21Þ如图2所示，协同效应（紫色区域）对缓解空气污染做出了重要贡献，减少了排放，DPC1×P×DC不ð22ÞSO2浓度870万吨，初级PM2.5减少220万吨，NOx减少510万吨，其中P为人口，t为地理单元，尺度为27 km× 27 km。 DCECt DCSCt 分别表示空气污染，防止排放25.2吨的二氧化硫，9.7吨的初级PM2.5，和14.0吨的氮氧化物相对于非控制E一o;mSCSCt在2005-2015年期间，二氧化碳减少2.8 Gt管道末端控制（图中的深绿色区域）（2）在缓解中发挥了重要作用。不J. Wang，X.Lu，P.Du等工程20（2023）103107场景与不控制情景相比，2015年SO2、一次PM2.5和NOx的排放量将分别比2005年增加75.9%、51.8%和106.8%，协同效应和末端控制的结合导致2005年至2015年SO2、一次PM2.5和NOx的排放量分别减少115.2%、90.9%和99.7%2005年至2015年，协同效应减排量持续增加，第二个五年期间的速度更快。从“十一五”到“十二五”，二氧化硫、一次可吸入颗粒物和氮氧化物排放量的协同减排效应与协同效应不同，末端控制的减排量对不同的空气污染物表现出混合趋势。末端治理的SO2和PM2.5减排量分别从“十一五”的14.3和5.6 Mt下降到“十二五”的11.0和4.1 Mt，而NOx减排量从“十一五”的14.3 Mt和5.6 Mt上升到“十二五”的4.1Mt。3.1 10.9 Mt.在第11个五年计划（2006-2010年）中因此，“十二五”期间通过末端控制进一步减少SO2排放的空间变得有限。然而，“十一五”期间SO2排放控制的成功推动了“十二五”期间对NOx排放的类似强制性监管，并且许多用于控制SO2排放的管理措施都是针对NOx排放的减排而制定的。到第十二个五年计划，选择性催化还原（SCR）-即管道末端80%以上的火电厂安装了用于去除NOx排放的设备，这有助于在此期间显著减少NOx排放[5，51]。从2005年到2015年，协同减排的增加可以归因于四个影响因素的变化：产业结构、能源结构、能源强度和排放因子（图3）。产业结构的调整是最重要的驱动因素之一，即从高耗能产业向服务业和商业转变。2005-2015年由于一次PM2.5主要来自居民消费，产业结构调整对一次PM2.5的影响相对较小，而对SO2和NOx的影响相对较小。同样，由于交通运输部门逐渐取代工业部门成为NOx排放的最大来源（图1）。 S1附录A），产业结构调整对NOx的缓解作用在“十二五”期间有所下降。此外，通过产业结构调整，“十一五”和“十二五”期间二氧化碳排放量分别减少了17.3%和18.0%调整能源结构，这是一项重要措施应对气候变化，在能源发展“十二五”规划中得到强调[53]。《行动计划》的出台进一步推动了能源结构转型[54]。因此，在2011-2015年期间，非化石燃料的份额增加了2.6%，煤炭的使用量下降了5.2%由此产生的清洁剂图二. 2005-2015年不同情景下中国大气污染物和CO2排放量的变化非控制设想方案和控制设想方案之间的排放量差异表明末端控制促成的排放量减少，而控制设想方案和基准设想方案之间的排放量差异表明协同效应促成的排放量减少（a）SO2;（b）PM2.5;（c）NOx;（d）CO2。J. Wang，X.Lu，P.Du等工程20（2023）103108图3.第三章。各驱动力对“十一五”和“十二五”期间中国（a）SO2、（b）PM2.5、（c）NOx和（d）CO2排放变化的贡献每一条的长度协同效应对排放变化的贡献是产业结构、能源结构、能源强度、燃料源排放因子、过程源排放因子和居民用能水平等6种具体驱动力贡献的总和。J. Wang，X.Lu，P.Du等工程20（2023）103109“十二五”期间，能源结构的调整有利于减排，SO2和NOx排放量分别下降了3.3%和2.4%此外，在此期间，禁止家庭燃煤，并在农村地区促进向清洁能源供暖的过渡，因为住宅燃煤会向家庭和周围社区排放有害空气污染物，特别是高浓度的PM2.5[56]。由于家庭能源结构转型，一次PM2.5排放进一步减少。能源结构调整对“十二五”期间一次PM2.5减排的贡献率超过19%，远高于其对NOx和SO2减排的贡献率。能源利用效率的提高反映了能源密集度的下降，这主要与技术改进有关[57]。在“十一五”和“十二五”分别降低20%和16%的能源强度目标的带动下，节能技术普及率显著提高。例如，钢铁行业干法熄焦技术的应用率从不到30%提高到“十一五”期间的80%以上，低温余热回收发电技术的应用率从接近零提高到“十一五”期间的55%，“十二五”期间进一步提高到70%[58]。能源利用效率提高，二氧化硫、一次可吸入颗粒物、氮氧化物和二氧化碳排放量“十一五”分别下降3.7%、2.1%、1.2%和6.1%，“十二五”分别下降3.7%、1.8%、1.3%和4.0%此外，通过使用低硫煤等改善能源质量的措施，实现了燃料源二氧化硫排放因子的下降趋势，“十二五”期间二氧化硫排放量下降了8.7%相比之下，燃料源的主要PM2.5排放因子略有增加，因为煤炭的灰分含量-灰分是形成颗粒物的主要成分-在2006-2015年期间增加由于燃料源排放因子的增加，“十一五”和“十二五”期间一次PM2.5分别增加了1.53%和0.03%。3.2. 由于协同效应，PM2.5浓度的空间差异降低和健康效益在降低PM2.5年平均浓度方面，协同效应和末端控制存在明显的空间差异。除西北地区外，大部分地区的PM2.5浓度均显著下降（图附录A中S3（a）和（b））。从国家层面来看，2005年至2015年，仅协同效应就导致PM2.5浓度下降了15.0%，而总减排量的近一半（36.8%）是通过部署末端控制实现的。协同效应在北京、上海等直辖市和浙江、广东等沿海发达省份发挥了相对重要的作用，对同期PM2.5浓度的贡献分别为47.6%、33.5%、25.3%和21.1%（附录A图S4在这里，主要的驱动因素是产业结构的调整。在研究期间，这些市或省的工业比例分别下降了9.8%、16.8%、7.4%和5.9%，而服务业和商业的比例分别上升了约10.6%、17.3%、9.8%和7.7%（图10）。 附录A中的S5）。在北京，协同效应甚至超过了末端控制对PM2.5浓度降低的影响（47.6%对35.0%）（附录A表S1和图S4这一发现反映了这样一个事实，即尽管FGD和SCR等末端控制设备得到了广泛应用，但北京相比之下，山西、陕西和内蒙古自治区（以下简称内蒙古），这些地区有大量的煤炭开采和能源密集型制造业对降低PM2.5浓度的贡献相对较小（10%）（附录A图S4这些省份在很大程度上仍然依赖于末端控制来降低PM2.5浓度。如附录A图S4（b）所示，山西、陕西和内蒙古的协同效应与末端控制的比率分别低至0.21、0.36和0.21虽然从2005年到2015年，这些能源密集地区的协同效应略有增加，但末端控制在减少初级PM2.5和次级PM2.5前体物的排放方面仍然占主导地位（附录A图S6短期来看，这些地区PM2.5浓度的进一步降低，可能仍要依靠转型期更加严格的末端治理。从长远来看，实现向碳中和经济和能源体系的转型，将不可避免地2015年，协同效应防止了29万（95%CI：0.28-协同效应带来的健康效益的区域分布大致遵循人口加权PM 2. 5浓度降低的分布模式（图附录A中S4（c）和（d））。发达地区从PM2.5浓度降低的协同效应中受益更大。由于人口密度高，这些地区协同效应带来的健康惠益例如，协同效应帮助上海和北京分别防止了120和100例死亡，100平方公里，远高于全国平均每100平方公里预防3例死亡（附录A图S4与此相反，在人口密度低的欠发达地区，几乎没有发现健康效益;在内蒙古和宁夏回族自治区，协同效应对预防死亡率的贡献小于0.01/平方公里。随着未来城市化率预期的提高，更多的人口将向发达地区聚集这些地区的协同效应将对公共卫生产生更大的影响4. 结论和政策影响本研究基于一个新引入的指标：单位GDP污染物产生量，建立了一个综合框架，以评估碳减排对空气质量改善和公众健康的协同效应结果表明，协同效应在2005-2015年期间对大气污染物（包括SO2、NOx和原发性PM2. 5）的缓解起着越来越重要的作用。在研究期间，在较发达的省或直辖市，空气质量和公共健康产生了显著的协同效益该分析中确定的协同效应的空间差异可能对中国第十四个五年计划（2021-2025年）期间空气污染控制的三个关键区域-即京津冀及其周边地区，长江三角洲（YRD）和汾河-渭河平原（FWRP）的未来发展具有重要意义。作为中国最发达的地区之一，长三角（包括上海和浙江、江苏、安徽省）拥有相对低碳的经济和能源体系，并制定了早于2030年国家碳达峰年的碳达峰目标[61，62]。在这种情况下，长三角地区现有工业和能源结构进一步脱碳的协同效应将大大推动空气质量的改善。相比之下，以山西和陕西为主要覆盖地区的发展中地区，包含大量的能源密集型产业，其目前的PM2.5浓度仍然超过国家二级标准[63]。在这种情况下，J. Wang，X.Lu，P.Du等工程20（2023）103110要在近期达到空气质量标准，不仅需要更严格的末端控制，而且还需要协同加速经济和能源系统的低碳转型从长远来看，向碳中和目标的深入低碳能源转型将对中国PM2. 5全国同步达标起到关键作用。据预测，中国实现碳中和需要提高非化石能源在一次能源中的比重到84%，限制煤炭消耗不超过7%[64]。随着化石燃料燃烧的主要排放源被取代，这一深刻转变的协同效应预计将显著改善空气质量。此外，考虑到发达地区是城市化进程中人口迁移的主要目的地[65]，如果这些地区采取行动，作为实现碳中和的先锋，他们将继续享受改善空气质量对公众健康的强大协同效应。这项研究有一些局限性。末端控制装置本身会消耗能源及产生额外排放，而本分析所采用这可能会导致对管道末端控制效果的高估此外，在我们的研究中，碳减排带来的健康协同效益只考虑了预防PM2.5相关的死亡。减少O3污染（中国的另一个主要空气污染）的共同效益也可能受到碳减排的影响，需要在未来进一步分析。致谢这项 工作 得到 了国 家自 然科学 基金 （72025401 ，71974108 和72140003）和清华大学-INDITEX可持续发展基金的支持。遵守道德操守准则Jie Wang 、 Xi Lu 、 Pengfei Du 、 Haotian Zheng 、 ZhaoxinDong、Zihua Yin、Jia Xing、Shuxiao Wang和Jiming Hao声明他们没有利益冲突或财务冲突需要披露。附录A.补充数据本文的补充数据可在https://doi.org/10.1016/j.eng.2022.06.004上找到。引用[1] Liu J，Diamond J.全球化世界中的中国环境。Nature 2005;435（7046）：1179-86.[2] 英国石油。英国石油公司世界能源统计评论。伦敦：英国石油公司; 2020年。[3] 清华大学气候变化与可持续发展研究所。中国长期低碳发展战略和路径。次报告.Heidelberg：Springer; 2020.[4] 中华人民共和国生态环境部. 2019年中国生态环境状况报告[互联网]。北京：中华人 民 共 和 国 生 态 环 境 部 ; 2020 年 6 月 2 日 [ 引 自 2021 年 3 月 17 日 ] 。 可 查 阅 ：https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202006/P020200602509464172096.pdf中文。[5] 卢新，张松，邢军，王勇，陈伟，丁丹，等。中国大气污染治理的进展及其在生态文明时代的挑战和机遇。工程2020;6（12）：1423-31。[6] 世界卫生组织。世卫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。次报告.日内瓦：世界卫生组织; 2021年。[7] LiM，Zhang D，Li CT，Mulvaney KM，Selin NE，Karplus VJ. 中国碳定价的空气质量协同效益。Nat ClimChang 2018;8（5）：398-403.[8] ZhangQ，Zheng Y，Tong D，Shao M，Wang S，Zhang Y，et al. 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 USA 2019;116（49）：24463-9.[9] XingJ，Lu X，Wang S，Wang T，Ding D，Yu S，et al. 对改善空气质量的追求 可 能 会 推 动 中 国 在 巴 黎 承 诺 之 外 继 续 减 少 二 氧 化 碳 。 Proc Natl Acad SciUSA2020;117（47）：29535-42.[10] MaZ，Xue B，Geng Y，Ren W，Fujita T，Zhang Z，et al. 风力发电对气候变化和环境影响的协同效益分析--以新疆为例中国新能源2013;57：35-42.[11] LiN，Chen W，Rafaj P，KiesewetterG，舍普W、王H，etal. 低碳途径的空气质量改善共同效益，以远低于中国2 °C的气候目标。环境科学技术2019;53（10）：5576-84。[12] 姜平，吉吉，阿里木江，董华.降低中国电力行业碳排放和空气污染排放的经济有效方法。JEnviron Manage 2020;264：110452.[13] 卢志，黄丽，刘军，周勇，陈明，华军。京津冀地区大气污染防治行动计划中能源相关措施的二氧化碳减排协同效益分析。 Resour ConservRecycling 2019;X1：100006.[14] 姜平，阿里木江A，董红，严新. 发现和理解中国电力行业低碳发展的协同效应和共同效益。可持续发展2020;12（1）：297。[15] DongH，Dai H，Dong L，Fujita T，Geng Y，Klimont Z，et al. 中国CO2减排的大气污染物协同效益研究：省级分析应用能源2015;144：165-74.[16] 竹下评估二氧化碳减排对道路车辆空气污染物排放的共同效益。应用能源2012;97：225-37.[17] 陈红，王志，徐松，赵勇，程强，张宝。在2 °C变暖的世界中，对转型期中国的能源需求、减排和健康共同效益进行了评估。J Clean Prod 2020;264：121773.[18] OuY，West JJ，Smith SJ，Nolte CG，Loughlin DH. 空气污染控制策略直接限制了美国国民健康的损害。Nat Commun 2020;11（1）：957.[19] Dimanchev GE，Paltsev S，Yuan M，Rothenberg D，Tessum WC，MarshallDJ等人，美国次国家可再生能源政策的健康共同效益。环境研究快报2019;14：085012。[20] 杨杰，宋丹，吴锋. 中国风力发电环境协同效益的区域差异。 应用能源2017;206：1267-81。[21] Tong D ， Geng G ， Zhang Q ， Cheng J ， Qin X ， Hong C ， et al. Health co-benefitsofclimatechangemitigationdependonstrategicpowerplantsretirement andpollution controls. Nat Clim Chang2021;11：1077-83.[22] 王平，林克，王勇，刘丹，宋丹，吴涛。中国燃煤电厂碳减排的区位协同效益。NatCommun 2021;12（1）：6948。[23] 张松，任宏，周伟，余英，陈春。水泥工业提高能源效率的空气污染减排协同效益评估：城市层面的分析。J Clean Prod 2018;185：761-77.[24] Zhang S，Xie Y，Sander R，Yue H，Shu Y.京津冀水泥行业能源效率提升潜力及能源-排放-健康关系研究。J Clean Prod 2021;278：123335.[25] 马丹，陈伟，尹晓，王丽。 量化中国钢铁行业脱碳的共同效益：综合评估方法。应用能源2016;162：1225-37.[26] Levy IJ，Wool MK，Penn LS，Omary M，Tambouret Y，Kim SC等人，美国住宅能源效率措施的碳减排和健康共同效益。环境研究快报2016;11：034017。[27] 杨晓，滕锋，王刚. 将环境共生效益纳入气候政策：中国水泥行业区域研究。应用能源2013;112：1446-53.[28] Drivel TC，Buonocore JJ，Levy IJ，Lambert FK，Burtraw D，Reid BS等，美国发电厂碳标准和清洁空气与健康共同效益。Nat ClimChang 2015;5：535-40.[29] Abel DW，Holloway T，Martínez-Santos J，Harkey M，Tao M，Kubes C，etal. Airquality-related health benefits of energy efficiency in the United States.E n v i r o nSci Technol 2019;53（7）：3987-98。[30] 张文龙，张文龙. 量化节能政策的协同效益：山东省水泥行业的案例研究。科学总环境2013;458-460：624-36。[31] 彭伟，杨杰，瓦格纳F，毛泽罗DL. 中国的部门减排战略现在可以实现大量的空气质量和气候共同效益。科学总环境2017;598：1076-84。[32] 张S，Worrell E，Crijns-Graus W. 中国工业大气污染物和温室气体排放的协同作用：能源模型的关键评估。 能源2015;93：2436-50.[33] 姜平，陈勇，耿勇，董伟，薛波，徐波，等。中国减缓气候变化与减少空气污染的协同效益分析。J Clean Prod2013;58：130-7.[34] LiuM，Huang Y，Jin Z，Liu X，Bi J，Jantunen MJ. 用简化的能量平衡模型估算温室气体减排战略的健康协同效益：苏州市案例。J Clean Prod 2017;142：3332-42.[35] 段立，胡伟，邓栋，方伟，熊明，陆平，等。重庆市2035年城市道路交通污染物减排效果分析。环境科学生态技术2021;8：100125。J. Wang，X.Lu，P.Du等工程20（2023）103111[36] 焦俊，黄勇，廖成.城市交通部门减少二氧化碳和空气污染物排放的共同效益：以广州为例。能源可持续发展2020;59：131-43。[37] 卡亚·Y 二氧化碳的去除和处置的作用. 能源转换管理1995;36（6-9）：375-80.[38] 卡亚·Y二氧化碳排放控制对国民生产总值增长的影响：对拟议情景的解释。巴黎：政府间气候变化专门委员会/反应战略工作组; 1989年。[39] ShanY，Guan D，Zheng H，Ou J，Li Y，Meng J，et al. 1997-2015年中国二氧化碳排放核算。Sci Data2018;5：170201.[40] ZhengH，Zhao B，Wang S，Wang T，Ding D，Chang X，et al. 2005-2015年期间中国PM 2.5暴露源贡献和相关过早死亡率的转变。Environ Int2019;132：105111.[41] 戴毅，朱军，宋华.运用LMDI方法分析中国物流业二氧化碳排放变化。J Ind EngManag 2015;8（3）：840-60.[42] 陆X，麦克埃尔罗伊MB，彭W，刘S，尼尔森CP，王H。与美国相比，中国发展风电面临的挑战。Nat Energy 2016;1（6）：16061.[43] 杨晓，王S，张伟