粤港澳大湾区气候协同的空气质量改善战略研究报告AirQualityImprovementStrategiesforClimateSynergyintheGuangdong-HongKong-MacaoGreaterBayArea北京大学2023.5.12PekingUniversityMay12,2023!"#!"#$%&'()+,-.%/01234562789!!!ACKNOWLEDGEMENTThisreportisaproductofPekingUniversityandisfundedbyEnergyFoundationChina.#I!"目录.............................................................................................................................................I第一章粤港澳大湾区污染物浓度水平与减排空间分析.......................................................11.1研究背景......................................................................................................................11.2方法与数据..................................................................................................................21.2.1数据来源............................................................................................................21.2.2背景浓度计算方法............................................................................................21.3污染物历史减排效果分析..........................................................................................31.3.1CO减排效果分析..............................................................................................31.3.2NO2减排效果分析.............................................................................................41.3.3PM2.5浓度削减效果分析...................................................................................51.3.4O3浓度削减效果分析.......................................................................................51.4粤港澳大湾区未来一次污染物减排空间预测..........................................................61.5粤港澳大湾区臭氧背景浓度分析..............................................................................7第二章粤港澳大湾区CO2及污染物排放分析.....................................................................122.1大湾区一次污染物排放总量变化趋势....................................................................122.2大湾区大气污染物和温室气体减排源贡献结构分析............................................172.3大湾区大气污染物和温室气体减排协同效应分析................................................212.3.1SO2和CO2减排协同效应分析.......................................................................212.3.2NOx和CO2减排协同效应分析......................................................................222.3.3PM10和CO2减排协同效应分析.....................................................................232.3.4PM2.5和CO2减排协同效应分析....................................................................242.3.5VOCs和CO2减排协同效应分析...................................................................252.3.6CO和CO2减排协同效应分析.......................................................................25第三章粤港澳大湾区未来温度目标减排情景构建.............................................................273.1引言............................................................................................................................273.2方法与数据................................................................................................................283.2.1能源经济模型：IMEDCGE...........................................................................283.2.2碳减排驱动因素分解：LDMI与SPA分解..................................................293.2.3空气污染物减排边际效应分析：回归模型..................................................313.2.4情景设置与数据..............................................................................................323.3未来温度目标减排情景模拟....................................................................................343.3.1能源消费和碳排放趋势..................................................................................343.3.2产业结构变化与经济影响..............................................................................353.3.3碳减排关键驱动因素分解..............................................................................37II3.3.4气候政策对于大气污染物的影响..................................................................393.3.5讨论与政策建议..............................................................................................44第四章粤港澳大湾区未来多情景下排放及O3浓度路径分析...........................................464.1未来多种情景下大湾区排放及O3浓度变化路径..................................................464.2空气质量模型对大湾区O3浓度模拟的改善与实验设置......................................474.3未来情景下大湾区分部门排放变化........................................................................524.4未来情景下大湾区臭氧及颗粒物浓度变化路径....................................................554.4.1O3浓度变化路径.............................................................................................554.4.2PM2.5浓度变化路径.........................................................................................574.4.3空气质量模拟路径不确定性分析..................................................................594.5未来情景下大湾区臭氧对前体物的敏感性变化....................................................60第五章粤港澳大湾区未来大气氧化性与温室气体变化分析.............................................645.1研究方法....................................................................................................................645.2排放控制与大气氧化性............................................................................................645.3减排路径与EKMA分析...........................................................................................665.4减排路径与温室气体寿命分析................................................................................67第六章结论.............................................................................................................................69参考文献..................................................................................................................................711#$%&'()+,-./01234567891.1!"#$粤港澳大湾区（Guangdong-HongKong-MacaoGreaterBayArea,GBA）是指中国广东省中南部城市群（广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市、肇庆市）、香港特别行政区和澳门特别行政区构成的一个经济地理区域，总面积5.6万平方公里，2020年末总人口约7000万人，经济总量约11万亿元，是我国开放程度最高、经济活力最强的区域之一。建设粤港澳大湾区是中国政府的一项国家战略，也是推动“一国两制”事业发展的新实践，旨在通过加强合作和整合，提高该地区的全球竞争力。过去，该地区的空气质量普遍不佳，主要原因是工业化和城市化的迅速发展，以及缺乏有效的环保措施。近年来，随着一系列污染防控措施的推行，大湾区空气质量有明显改善。2013年以来，该地区细颗粒物（PM2.5）浓度得到快速削减，氮氧化物（NOx）浓度缓慢下降，一次污染物总量控制成效显著。2021年香港、澳门、广东九市的PM2.5平均浓度已分别降至20μg/m3、23μg/m3、32μg/m3，但距离世界卫生组织规定的年均PM2.5空气质量指导值（5μg/m3）仍有较大差距，这表明粤港澳地区PM2.5污染问题依然不容乐观。同时，长期的观测结果发现该地区城市臭氧污染呈波动上升态势，意味着二次污染问题日益突出。粤港澳地区的大气污染治理从一次污染物总量控制逐渐趋向于以空气质量为导向的多污染物协同治理，二次污染物防控才开始逐渐得到重视。与此同时，中国在2015年提交了《巴黎协定》国家自主贡献，在2020年提出了国家碳中和目标，未来的治理措施将逐渐转变为减污降碳协同治理，以源头治理为主，末端治理为辅。实际上，空气污染与气候变化同根同源，相互联系。一方面，气候变化驱动未来气象要素变化，改变大气光化学反应速率、天然源排放速率、空气污染长距离输送特征；另一方面，大气污染物也可以对气候气象产生一定程度的影响，例如气溶胶的辐射效应可以改变大气辐射收支，甲烷、臭氧等温室气体能吸收长波辐射，导致对流层增温效应。因此，未来落实气候变化与空气污染的协同治理，必须谨慎设2计多污染物跨介质、多尺度跨区域、多学科跨行业、多目标协调统筹的精细化调控策略。尽管现在粤港澳大湾区的空气质量有了一定的改善，但仍存在诸多挑战。展望未来，为了持续改善粤港澳大湾区的空气质量，各级政府和社会各界需要继续加紧努力，通过各种环保政策和措施的实施来减少污染排放，从而更好地推动大湾区经济-能源-环境高质量协同发展。因此，在“十四五”规划初期，编写一份高质量的《粤港澳大湾区气候协同的空气质量改善战略研究报告》显得尤为重要和迫切。本报告旨在通过对大湾区气候和空气质量的研究，提出一套有效的气候协同的空气质量改善战略。本章重点关注粤港澳大湾区臭氧（O3）、PM2.5和一氧化碳（CO）的现有浓度水平、历史管控效果和未来削减空间，为粤港澳大湾区未来逐步落实气候变化与空气污染协同应对提供理论依据和数据支撑。1.2%&'()1.2.1!"#$广州、深圳、珠海、佛山、东莞、中山、江门、惠州、肇庆等广东省20市的空气质量监测数据来自中国环境监测总站的全国城市空气质量实时发布平台（http://106.37.208.233:20035/），时间跨度为2015~2021年，时间分辨率为1小时，监测物种包括PM2.5、PM10、O3、CO、NO2、SO2。香港特别行政区的监测数据来自香港环保署（https://www.epd.gov.hk/epd/tc_chi/top.html），监测物种包括O3、CO、NO2、NOx、SO2、气象数据来源为美国国家气候数据中心（NCDC）(https://www.ncei.noaa.gov/)，气象数据要素包括气温、气压、露点、风向风速、云量、降水量，时间跨度为2015~2021年，时间分辨率为1小时。1.2.2%&'()+,本章着重分析CO和O3的城市及区域背景浓度，使用的方法为NO2箱线图法，即以NO2浓度为横坐标，CO、O3或NO2+O3浓度为纵坐标作箱线图，当NO2浓度接近于0时，对应的O3浓度或NO2+O3浓度即可认为是当地O3背景值；同样地，对应的CO浓度即可认为是当地的CO背景值。3臭氧背景值的定义并不唯一，其定义随研究目的的变化而改变。本章采纳的定义如下：某一地区人为源排放为0时对应的臭氧浓度。由于O3浓度存在显著的日变化，因此O3小时浓度均值不能反映其对生态系统和人体健康的影响，故在管理和研究中常采用O3日最大8小时浓度均值(O3MDA8)作为评估指标，本章讨论的O3背景浓度也是指O3MDA8的背景浓度(O3MDA8Baseline)。本章采用NO2截距法来计算O3MDA8背景值。根据大气化学经典理论，NO2光解是对流层O3唯一的天然来源，而近地面NO2主要来自人为源排放，因此可以认为当某一气团的日间NO2浓度接近零时，该气团基本不受人为源的影响，气团中O3浓度为该区域的背景O3浓度，对应的O3MDA8亦即其背景值。以2022年8月广州市九龙镇站点为例(图1-1)，以NO2浓度为横坐标，O3MDA8为纵坐标作箱线图，O3MDA8均值随NO2浓度先升高后下降，当NO2浓度接近0时，可以得到该站点的O3MDA8背景值(约27.0±2.0ppb)。由于NO2、O3在日间和夜间的化学行为存在较大差异，本章仅采用每日6：00~18：00的监测值进行分析。图1-1广州市监测中心NO2-O3MDA8箱线图(2022)1.3+,-./012341.3.1CO-./012CO主要来源于化石燃料燃烧，其排放过程包括工业源、电力、热力的生产和供应、道路源及其他非道路源。根据我国《环境空气质量标准》(GB3095—2012)，CO小时均值的一级、二级标准均为10mg/m3，根据该标准，2021年粤港澳大湾区共有2个站点超标。4如图1-2（左）所示，2021年，粤港澳大湾区所有站点测得的平均近地面CO浓度为547±77ppb，最高年均浓度可达715ppb，高值出现在广州市白云区。如图1-2（右）所示，2015~2021年间大湾区CO减排效果显著，7年间，粤港澳地区近地面大气CO浓度平均下降了256±110ppb(31±11%)，佛山市CO浓度平均降幅最大，最高可达66%。一般而言，近地面CO浓度与挥发性有机物(Volatileorganiccompounds,VOCs)浓度具有良好的线性关系，因此一定程度上近地面CO浓度的空间分布能够体现VOCs浓度的相对情况。图1-22021年粤港澳大湾区CO年均浓度(左)与2015~2021年CO浓度削减情况(右)1.3.2NO2-./012近地面大气中NOx主要来源于道路源排放和电力、热力的生产和供应，其中二氧化氮（NO2）则主要源于NO的氧化过程。根据我国《环境空气质量标准》(GB3095—2012)，NO年均浓度的一级、二级标准均为40μg/m3，根据该标准，2021年粤港澳大湾区所有站点均达到一级标准。如图1-3（左）所示，2021年，粤港澳大湾区近地面大气年均NO2浓度为12.6±4.4ppb，年均最小值为5.1ppb，出现于香港塔门，最高值为23.9ppb，出现于广州市黄埔区。如图1-3（右）所示，2015~2021年间，粤港澳大湾区近地面NO2浓度削减较缓慢，七年间NO2浓度平均下降了2.5±2.8ppb(14.1%±14.0%)，佛山市NO2削减力度最大，最大浓度削减量为12.6ppb(47.3%)。5图1-32021年粤港澳大湾区NO2年均浓度(左)与2015~2021年NO2浓度削减情况(右)1.3.3PM2.5'(3-/012我国《环境空气质量标准》(GB3095—2012)规定，PM2.5年均一级标准为15μg/m3，二级标准为35μg/m3。根据这一标准，2021年粤港澳大湾区共有134个站点的年均PM2.5浓度高于一级标准，超标率为6.6%；所有站点年均PM2.5浓度均低于二级标准。图1-42021年粤港澳大湾区PM2.5年均浓度(左)与2015~2021年PM2.5浓度削减情况(右)如图1-4所示，2021年粤港澳大湾区PM2.5年均浓度为21.4±3.5μg/m3，PM2.5浓度高值主要集中在广州、佛山、揭阳、江门四市，最高值（29.5μg/m3）出现在揭阳市新兴站点，最低值则出现在东莞市南城元岭站点（11μg/m3）。2015~2021年，粤港澳大湾区PM2.5浓度得到迅速削减。相比2015年，2021年大湾区PM2.5浓度平均降低了12.0±4.5μg/m3，其中广州、东莞、佛山地区PM2.5控制力度最大，其中PM2.5年均浓度下降幅度最大的站点是东莞市东城主山，PM2.5年均浓度下降了27.4μg/m3。1.3.4O3'(3-/0126O3是VOCs和NOx在光照条件下发生一系列光化学反应得到的氧化产物，因此近地面O3浓度一般表现出显著的日夜变化特征，其浓度通常在下午14：00~15：00时出现高值，而夜间浓度则常常低于20ppb。因此，小时浓度均值并不能体现臭氧污染的特征，通常采用日最大8小时平均浓度(Maximumdailyaverage8hconcentration,MDA8)作为评估指标。根据我国《环境空气质量标准》(GB3095—2012)，O3MDA8浓度一级、二级标准分别为100μg/m3和160μg/m3，2021年粤港澳大湾区共有113个站点O3MDA8高于一级标准，共有3个站点O3MDA8超过二级标准，分别是广州帽峰山森林公园、广州番禺中学站和香港沙田站。图1-52021年粤港澳大湾区O3年均浓度(左)与2015~2021年O3浓度削减情况(右)如图1-5所示，2021年，粤港澳大湾区O3MDA8年均值为48.9±6.3ppbv，年均最大值出现在广州市番禺区（60.43ppb），年均最小值出现在深圳市宝安区(18.3ppb)。如上文所述，2015~2021年，粤港澳大湾区近地面CO浓度得到显著削减，NO2浓度缓慢下降，而O3MDA8值却波动上升，这可能是由于粤港澳大湾区的O3生成整体处于VOCs控制区（即NO滴定区），当NOx和VOCs削减速率之比较高时，本应被NO滴定的O3又可能被重新释放出来，使O3浓度整体上升。与2015年相比，2021年粤港澳大湾区O3MDA8年均浓度整体上升了4.0±8.3ppb。其中，江门市O3MDA8的上升幅度最大，最高可达19.7ppb(北街站)；而深圳市O3浓度水平则有所下降，最大下降了26.6ppb(西乡站)。1.456789:;<=>+,/0?@AB根据未来减排情景模拟，在未来30年中，若保持现有减排措施，大湾区NOx排放量将由2019年的800kton增加到2050年的1600kton，排放量翻倍；VOCs排放量则将7由2019年的1000kton增加到2050年的1500kton；CO排放量将由2019年的3000kton增加到2050年的5000kton（图1-6）。即若保持现有减排措施，则无法在未来30年尺度上达成NOx、PM2.5浓度持续降低的目标。而PM2.5则将由2019年的200kton翻番到2050年的>500kton。采用规划减排措施，未来NOx、CO、VOCs排放量将比2019年降低约2/3，PM2.5排放量则将降低近1/2。图1-6粤港澳大湾区未来一次污染物减排空间预测1.556789:CD#$EF34本节利用NO2截距法计算了粤港澳大湾区2015~2022年的O3MDA8背景值，其浓度分布如图1-7所示。可见，粤港澳大湾区O3MDA8背景值呈现偏态分布，背景值众数分布在35~40ppb之间。8图1-72015~2022年粤港澳大湾区月平均O3MDA8背景值的年际变化如图1-8所示，2015~2022年粤港澳大湾区O3MDA8背景值的平均月变化表明，一年中O3MDA8背景浓度的高值出现在5月和9-10月，其中五月的高值约为41.9±12.6ppb，9-10月的高值约为47.8±17.3ppb。粤港澳大湾区的雨季一般在6~8月来临，由于雨季光照条件较差，加之雨水的冲淋，使夏季大湾区O3MDA8背景浓度偏低。晚春与初秋是该地区光照条件最佳、气温相对较高且空气湿度相对较低的时间段，高温干燥的气相条件有利于O3的生成，因此该O3MDA8背景浓度的全年高值分别出现在5月和9、10月。图1-82015~2022年粤港澳大湾区O3MDA8背景值的平均月变化9图1-92015~2022年粤港澳大湾区O3MDA8背景值的季节变化如上文所述，粤港澳大湾区的O3MDA8背景浓度存在显著的季节变化。由图1-9a可见，粤港澳大湾区四季O3MDA8背景浓度均呈现偏态分布，其中春季O3MDA8背景值众数约为30ppb，为全年最低。夏季、秋季、冬季O3MDA8背景值众数大致相当，但秋季浓度分布较宽，即背景值在高值区的分布较多。如图1-9b所示，大湾区O3MDA8背景浓度高值分别出现在春季和秋季，夏季和冬季的O3MDA8背景浓度较低。冬季较低的O3背景主要与低温和较低的光化通量有关；而夏季则主要与雨季较差的光照条件和雨水的冲刷有关。此外，海陆风也可能对该地区的O3MDA8背景浓度有显著影响(附图1)。秋冬季节粤港澳大湾区的主导风向为北风，O3MDA8背景浓度的偏高可能与北方的传输有关。而夏季则以南风为主，有利于O3向其他地区的传输，这也可能是造成夏季背景浓度偏低的原因之一。图1-10是粤港澳大湾区10市O3MDA8背景浓度的年际变化情况。由图可见，2015~2019年间，各城市O3MDA8浓度均呈现波动上升态势，2019年以后则有所回落，但由于监测数据可用年份较少，只能分析短期背景值的波动，无法获知O3MDA8背景浓度的长期演变规律。其中，广州、佛山、东莞和肇庆的背景值较高，在35~45ppb之间波动，香港、珠海、深圳、惠州和中山的背景值较低，均值在25~40ppb之间。导致这种城市间差异的原因可能是：香港、珠海等沿海城市的O3MDA8背景值受海陆风影响较大，有利于O3的扩散；而广州-佛山-东莞-肇庆城市群则属于工业发达、道路密集、人为源排放量较高的区域，易受到周边城市O3传输的影响，使该地区的O3MDA8背景浓度整体抬升。10图1-102015~2022年粤港澳大湾区O3MDA8背景值的季节变化此外，利用NO2截距法分析可得GBA地区2022年污染季节（秋季）的O3背景值约为45ppb，O3平均MDA8为67ppb，表明大湾区O3污染季节整体尚有22ppb的O3削减空间（表1-1）。采用相同方法分析，可知深圳、香港、广州、珠海、江门等城市污染季节的O3MDA8尚有19~26ppb的削减空间。可见，针对不同城市设定不同的臭氧削减目标可能是提高GBA地区整体实现O3污染控制的有效手段。表1-1粤港澳大湾区秋季臭氧背景值与削减空间分析(2022年)大湾区广州香港深圳珠海江门O3MDA8背景值(ppb)4544414145482021O3MDA8(ppb)676562606774O3削减空间(ppb)222121192226图1-112015~2022年粤港澳大湾区O3MDA8背景值的季节变化除量化大湾区O3MDA8的削减空间外，本节还对大湾区的O3生成潜势（Ozoneformationpotential,OFP）进行了估算。2021年大湾区四季的O3小时平均浓度背景值与11OFP如图1-11所示。可见，大湾区O3MDA8背景值的高值出现在秋季，而OFP的高值则出现在夏季和秋季，OFP与O3背景值叠加后可见，大湾区夏季和秋季的O3小时平均浓度均超过了一级标准。从OFP估算结果来看，夏季O3生成潜势最高，这主要是由于天然源与人为源VOCs的排放在夏季达到峰值，使OFP升高，但由于夏季正处于大湾区的雨季，光照条件较差、雨水冲淋频繁，因此夏季的实际O3浓度并不高。OFP并不能代表O3的实际浓度，但也能为O3污染控制策略的制定提供重要信息。在光照条件较好、空气湿度较低、气温较高的秋季，使用OFP能够比较好地估算O3小时浓度平均。由该图可见，大湾区O3污染控制的关键在于秋季VOCs和NOx的协同减排。综上所述，O3MDA8背景值的科学定量是制定区域O3污染控制策略的基础。本章对全国重点城市群和粤港澳大湾区的O3MDA8背景值进行了系统分析。由结果可知，O3MDA8背景值具有明显的空间、季节分布特征，并且存在显著的年际波动。本章所定义的O3MDA8背景值是指本地扣除人为源排放后O3MDA8的本底浓度（或基准浓度），理论上包括周边区域的传输、平流层的注入和本地天然源VOCs反应生成的O3。由此可见，区域O3的联防联控有利于降低本地O3的背景值，从而增大本地O3的削减空间，以期进一步降低O3对当地生态系统和人体健康的负面影响。!"12015~2021#$%&'()+,-"12#:%&'()+CO2;,-.5<892.189:=>+,0GHIJKLM随着粤港澳大湾区经济发展、产业结构转变、技术水平提高，以及“大气十条”和“蓝天保卫战”等一系列政策的提出，各类污染物质的排放也随之变化，2006-2020年粤港澳大湾区SO2、NOx、CO、PM10、PM2.5、BC、OC、VOCs、NH3和CO2的排放趋势和源结构如下各图所示。SO2的排放总量呈现阶段下降的趋势，从2006年75.65万吨下降到2010年60.29万吨小幅度的上升后逐年下降，其主要排放贡献源为火力发电和道路移动源；2020年相比2006年SO2的排放总量下降了89%；并且2006年至2020年源结构变化明显，2006年以火力发电为主，随着电厂SO2的排放量的大幅度下降，自2016年后，非道路移动源和工艺过程源排放凸显。图2-12006-2020年大湾区SO2排放总量及贡献源变化趋势NOx的排放总量呈现先上升后下降的趋势，其主要排放贡献源为火力发电和道路移动源；NOx的排放量在2011年达到最高，而后开始下降；在2020年相比2011年NOx的排放总量下降了43%，其中火力发电的NOx的排放量下降了77%，相对于道路移动源和非道路移动源，下降速率快，这与大湾区重视燃煤电厂加装后处理设施以及对电厂实现超低排放等一系列措施的实施有关。CO的排放总量呈现先上升后下降的趋势，其主要排放贡献源为工业燃烧源和道路移动源；在2006年，道路移动源为CO的排放量的主要贡献源，占比为76%，随着大湾区采取了一系列发展绿色交通的举措，提高新车环保准入门槛、加强在用车辆污染防治。大湾区机动车整体的CO排放随着排放标准的提高而逐年下降，因此道路移动源13所排放的CO逐年下降，到2020年道路移动源CO排放量占CO总排放量的36%，排放源结构发生相应变化。工业燃烧源CO的排放受燃料活动水平的迅速增长，呈现逐年上升趋势。图2-22006-2020年大湾区NOx排放总量及贡献源变化趋势图2-32006-2020年大湾区CO排放总量及贡献源变化趋势PM10的排放总量呈现先上升后下降的趋势，从2006年到2011年呈缓慢波动上升，自2011年后进入快速下降阶段，其主要排放贡献源为火力发电、扬尘源和工艺过程源；工艺过程源中的水泥行业是PM10排放的一个重要来源，2011年后水泥行业所排放的PM10开始逐步下降，燃煤电厂加装后处理设施以及电厂实现超低排放等一系列措施的实施也导致火力发电PM10排放的逐年下降，2020年PM10的排放总量相比于2011年下降了66%。14图2-42006-2020年大湾区BC排放总量及贡献源变化趋势PM2.5的排放趋势和PM10的排放趋势总体上是一致的，排放总量从2006年到2011年呈现缓慢波动下降趋势，从2011年开始逐年下降；其主要排放贡献源为火力发电和工艺过程源，扬尘源对其排放贡献较小；PM2.5排放的下降也是由于工艺过程源和燃煤电厂管控导致，2020年PM2.5的排放总量相比于2011年同样下降了67%。图2-52006-2020年大湾区PM2.5排放总量及贡献源变化趋势BC的排放总量呈现先上升后下降的趋势，其主要由工业燃烧源、道路移动源、非道路移动源、工艺过程源和生物质燃烧源共同排放贡献；2020年BC的排放总量相比于2011年下降了66%。15图2-62006-2020年大湾区BC排放总量及贡献源变化趋势OC的排放总量呈现波动下降的趋势，其主要排放贡献源为道路移动源、工艺过程源和生物质燃烧源；道路移动源和工艺过程源受绿色交通和排放管控影响，排放量逐年下降，生物质燃烧源受其活动水平波动影响排放呈波动趋势。图2-72006-2020年大湾区OC排放总量及贡献源变化趋势VOCs的排放总量总体上波动较小，呈现先小幅上升后缓慢下降的趋势，其主要排放贡献源为道路移动源和工业溶剂使用源；绿色交通举措，新车环保准入门槛提高、在用车辆污染防治加强等措施的陆续实施使大湾区机动车整体的VOCs排放自2013年后逐年下降；工业溶剂使用源呈现先上升后下降的趋势，前期的上升主要是由于工业发展所致，随之大湾区采取了一系列的政策措施加以管控VOCs的排放，如使用水性涂料溶剂代替高挥发性的油性溶剂、加强废气收集、提高末端去除效率和销号整治等一系列的措施，但目前尚未进入排放下降阶段。16图2-82006-2020年大湾区VOCs排放总量及贡献源变化趋势NH3的排放主要由农业源贡献，排放总量自2006年到2016年一直维持在较为稳定的趋势，2007年受“非洲猪瘟”影响NH3的排放下降，而NH3的排放在2016年后开始下降主要得益于广东省“化肥零增长”政策的颁布和实施。图2-92006-2020年大湾区NH3排放总量及贡献源变化趋势CO2的排放总量自2006年到2019年一直呈现上升趋势，2020年受疫情影响排放显著降低；其主要排放贡献源为火力发电、工业燃烧源、道路移动源和工艺过程源，排放源结构稳定，相比于2006年，2020年CO2的排放总量增长54%。17图2-102006-2020年大湾区CO2排放总量及贡献源变化趋势2.289:8N+,OPQNR/0STUVW34SO2的减排贡献源在2007-2017年主要以火力发电和工业燃烧源为主，这主要是由燃料煤含硫量的严格控制、除尘脱硫设施的大力推广及电厂超低改造共同贡献，但是随着减排空间逐渐缩减，由火力发电和工业燃烧带来的减排量逐渐下降；在非道路移动源中近年来实施了一系列减排措施如提升船舶燃油品质、加大岸电使用等，对SO2的进一步减排起到很好的推动作用。图2-112007-2020年大湾区SO2减排量及贡献源变化趋势NOx自2012年开始减排强度逐渐增大，火力发电、道路移动源、工业燃烧源等对NOx减排起贡献作用，其中火力发电和工业燃烧源的减排贡献随着提标改造、电厂超低排放措施的实施完成，在2017年后减排贡献降低；道路移动源，随着机动车提标的持续推进减排贡献逐年增加，从2012年减排贡献-32.5%增长到2020年的60.8%，且连续三年保持40%以上正贡献，2017年后成为NOx减排的主要贡献源；此外，非道路移动源减排对NOx的减排贡献也在逐渐显现，从2018年到2019年分别对减排贡献42%18和40%。2020年受疫情影响。机动车出行频次和电厂发电活动水平明显降低导致2020年NOx的减排显著，分别贡献28%和61%的减排。图2-122007-2020年大湾区NOx减排量及贡献源变化趋势对于CO排放，自2012年开始减排量逐年增大，2015年减排量最大达到65.88万吨；CO的排放贡献源主要为工业燃烧源和道路移动源，因此其主要减排贡献源也在上述部门；由于近年来在工业燃烧源中实施的一系列污染防治管控措施缺乏对CO排放的管控，导致工业燃烧源对CO减排贡献较少，2014年工业燃源的减排贡献与当年燃煤活动水平下降有关；道路移动源是CO的主要贡献源，近年来大湾区持续推行机动车提标、淘汰黄标车及发展绿色交通的举措，使得大湾区道路移动源的CO排放显著降低，但由于管控措施基本完成，CO的减排幅度逐年减小。2020年减排显著与疫情期间机动车出行减少有关。图2-132007-2020年大湾区CO减排量及贡献源变化趋势PM10的排放在2007-2011年受活动水平波动影响，各污染贡献源对PM10的减排贡献也呈波动变化趋势，主要受工艺过程源和生物质燃烧源的波动影响较大。2011年后，随着提标改造、电厂超低排放措施的推广实施和完成，火力发电和工业过程源从192012共贡献减排37%增长到2014年贡献减排65%，达到最大后逐年下降，2013年PM10的减排出现波动与当年能源消耗增加有关。PM10的排放在工艺过程源的排放主要受水泥行业影响，近年来对水泥等行业的重点管控使得工艺过程源成为PM10减排的重点贡献源，2014年-2020年工业过程源对PM10减排的累计贡献量达到32.8万吨，占PM10减排总量的54%。此外，扬尘综合控制对PM10的减排也有一定贡献。图2-142007-2020年大湾区PM10减排量及贡献源变化趋势PM2.5的减排主要由工艺过程源和火力发电共同贡献，生物质燃烧源受活动水平波动和秸秆综合利用政策管控影响，对PM2.5的减排也有一定贡献；燃料品质提升、工业提标、销号整治、电厂超低排放改造等措施的实施，对火力发电和工艺过程源PM2.5的减排均有显著贡献。图2-152007-2020年大湾区PM2.5减排量及贡献源变化趋势BC排放量自2012年开始呈下降趋势，主要由于火力发电和工业燃烧源对颗粒物排放控制造成，此外受秸秆综合利用和森林火灾无规律变动影响，生物质燃烧源对BC的减排有一定贡献。20图2-162007-2020年大湾区BC减排量及贡献源变化趋势OC减排主要由生物质燃烧源贡献，波动较为剧烈，主要是由于森林火灾受天气影响无规律变动造成。图2-172007-2020年大湾区OC减排量及贡献源变化趋势对VOCs，自2012年将其纳入控制指标后，2013年在道路移动源和工业溶剂使用源中陆续实施的一系列污染防治政策同样对VOCs的减排有效，除机动车提标、绿色清洁能源推广外，2015年后水性涂料替代对工业溶剂使用源中VOCs的减排有显著贡献；同时VOCs的排放也受到生物质燃烧源活动水平波动的影响；2020年疫情期间停工停产、机动车出行减少对VOCs的减排也具有积极作用。图2-182007-2020年大湾区VOCs减排量及贡献源变化趋势21NH3的排放在2006-2016年排放较为稳定，排放波动主要由农业源和废弃物处理源排放减少贡献；化肥0增长从2017年开始实施，主要针对农业源种植业的化肥使用，此外集约化养殖以及科学施肥等措施也在大湾区陆续实施，对NH3的减排效果显著。图2-192007-2020年大湾区NH3减排量及贡献源变化趋势CO2的排放与能源消费息息相关，目前波动主要受能源消费活动水平波动影响，2014年工业燃烧源减排贡献显著与当年燃煤消耗量降低有关；近年来由于工业燃烧源天然气使用的增加，CO2有较大增排，尤其在2020年工业燃烧源CO2的排放显著增加；而2020年受疫到情影响，社会、工业用电量及机动车出行均有所降低，对CO2的减排有较大贡献。图2-202007-2020年大湾区CO2减排量及贡献源变化趋势2.389:8N+,OPQNR/0XY1Z342.3.1SO24CO2-.56/712珠三角地区在“十一五”期间，火力发电有明显的SO2减排贡献，但对CO2无协同减排效应，其他主要贡献源均出现了SO2和CO2排放协同增加的情况；随着珠三角地区对SO2排放防治管控的愈加严格，“十二五”期间火力发电、非道路移动源、工业燃烧源22和工艺过程源均对SO2减排有明显贡献，但只有工业燃烧源对CO2有协同减排效应，这主要与当时工业部门加强燃煤锅炉淘汰有关；“十三五”期间各贡献源SO2减排幅度较“十二五”期间持续加大，但仅有火力发电出现CO2协同减排效应，这与此期间电厂全力推动煤电超低排放改造、能效提升有关。在香港地区，火力发电一直具有SO2和CO2协同减排效应，且协同效果逐渐增大，工业燃烧源也在“十三五”期间实现SO2和CO2协同减排，但在非道路移动源中则一直处于SO2减排CO2增排的阶段。表2-12006-2020年大湾区SO2与CO2平均减排率“十一五”期间珠三角香港贡献源SO2CO2SO2CO2火力发电40%-16%73%10%非道路移动源-27%-36%-1%6%工业燃烧源-4%-92%89%1%工艺过程源-74%-14%//“十二五”期间珠三角香港贡献源SO2CO2SO2CO2火力发电62%-1%48%20%非道路移动源3%-23%33%-81%工业燃烧源57%37%-15%-4%工艺过程源3%0%//“十三五”期间珠三角香港贡献源SO2CO2SO2CO2火力发电83%14%68%39%非道路移动源64%-39%75%-9%工业燃烧源69%-98%17%20%工艺过程源53%-22%//2.3.2NOx4CO2-.56/712珠三角地区NOx和CO2的协同减排情况与SO2和CO2协同减排情况相似，在“十一五”期间，火力发电NOx减排CO2出现增排，其余贡献源NOx和CO2同时增排；“十二五”期间火力发电、道路移动源实现NOx减排但CO2增排，工业燃烧源首次实现NOx和CO2协同减排；“十三五”期间，随着淘汰黄标车和机动车提标、新能源车推广和电厂超低改造，火力发电和道路移动源均实现NOx和CO2协同减排。香港地区，火力发电和道路移动源均实现NOx和CO2协同减排且协同效益逐渐增大，非道路移动源则出现NOx减排CO2增排的情况。23表2-22006-2020年大湾区NOx与CO2平均减排率“十一五”期间珠三角香港贡献源NOxCO2NOxCO2火力发电3%-16%35%10%道路移动源-20%-52%6%4%非道路移动源-29%-36%-6%6%工业燃烧源-70%-92%16%1%工艺过程源-97%-14%//!“十二五”期间珠三角香港贡献源NOxCO2NOxCO2火力发电42%-1%13%20%道路移动源18%-21%39%16%非道路移动源-8%-23%10%-81%工业燃烧源39%37%-8%-4%工艺过程源-9%0%//“十三五”期间珠三角香港贡献源NOxCO2NOxCO2火力发电55%14%46%39%道路移动源33%11%42%22%非道路移动源2%-39%37%-9%工业燃烧源3%-98%11%20%工艺过程源-2%-22%//2.3.3PM104CO2-.56/712在珠三角地区，“十二五”期间各贡献源PM10的排放均得到了较好的控制，同时CO2的排放也得到了协同控制，“十三五”期间各贡献源PM10的排放进一步减少，但由于经济快速发展、活动水平的显著增加，当前部分贡献源的CO2排放控制措施尚未能完全覆盖活动水平增速，因此未能实现PM10和CO2的协同减排。在香港地区，除非道路移动源尚未实现PM10和CO2的协同减排，除生物质燃烧源外，其他主要贡献源均在“十一五”期间就已经实现PM10和CO2的协同减排。由于生物质燃烧源的PM10和CO2的排放管控措施较少，其排放受活动水平波动影响，因此2006-2020年在珠三角地区和香港地区均出现PM10和CO2协同增排和协同减排的情况。表2-32006-2020年大湾区PM10与CO2平均减排率“十一五”期间珠三角香港贡献源PM10CO2PM10CO2火力发电13%-16%46%10%24道路移动源-7%-52%30%4%非道路移动源-28%-36%-1%6%工业燃烧源-49%-92%16%1%工艺过程源-1%-14%//生物质燃烧源52%52%57%56%“十二五”期间珠三角香港贡献源PM10CO2PM10CO2火力发电52%-1%42%20%道路移动源43%-21%44%16%非道路移动源-5%-23%24%-81%工业燃烧源66%37%1%-4%工艺过程源39%0%//生物质燃烧源23%27%57%6%“十三五”期间珠三角香港贡献源PM10CO2PM10CO2火力发电51%14%36%39%道路移动源65%11%38%22%非道路移动源10%-39%44%-9%工业燃烧源69%-98%17%20%工艺过程源66%-22%//生物质燃烧源-36%-30%-273%-17%2.3.4PM2.54CO2-.56/712PM2.5与PM10的减排协同效应基本一致，此处不在赘述。下表为2006-2020年大湾区PM2.5与CO2平均减排率。表2-42006-2020年大湾区PM2.5与CO2平均减排率“十一五”期间珠三角香港贡献源PM2.5CO2PM2.5CO2火力发电33%-16%42%10%道路移动源-7%-52%28%4%非道路移动源-28%-36%0%6%工业燃烧源-52%-92%16%1%工艺过程源-6%-14%//生物质燃烧源53%52%57%56%“十二五”期间珠三角香港贡献源PM2.5CO2PM2.5CO2火力发电44%-1%36%20%道路移动源43%-21%45%16%非道路移动源-5%-23%24%-81%工业燃烧源60%37%3%-4%工艺过程源43%0%//25生物质燃烧源21%27%58%6%“十三五”期间珠三角香港贡献源PM2.5CO2PM2.5CO2火力发电55%14%19%39%道路移动源64%11%39%22%非道路移动源9%-39%39%-9%工业燃烧源61%-98%17%20%工艺过程源44%-22%//生物质燃烧源-39%-30%-277%-17%2.3.5VOCs4CO2-.56/712工业溶剂使用源是VOCs的主要排放贡献源，由于此源没有CO2排放本节不作分析。道路移动源，随着机动车提标、燃油效率提升、新能源车推广等政策的持续推行，珠三角和香港地区的VOCs排放近年来持续减少，珠三角地区CO2排放的增幅也逐渐降低，在“十三五”期间实现VOCs和CO2的协同减排，香港地区在“十一五”期间已实现CO2减排，降幅逐年增大。非道路移动源VOCs排放总量占比较少，目前珠三角地区处于增长阶段，香港地区已实现小幅减排，但均未实现VOCs和CO2的协同减排。表2-52006-2020年大湾区VOCs与CO2平均减排率“十一五”期间珠三角香港贡献源VOCsCO2VOCsCO2道路移动源3%-52%8%4%非道路移动源-34%-36%9%6%“十二五”期间珠三角香港贡献源VOCsCO2VOCsCO2道路移动源18%-21%21%16%非道路移动源-22%-23%10%-81%“十三五”期间珠三角香港贡献源VOCsCO2VOCsCO2道路移动源26%11%0%22%非道路移动源-47%-39%3%-9%2.3.6CO4CO2-.56/712CO目前排放管控措施较少，在此不做详细讨论。26表2-62006-2020年大湾区CO与CO2平均减排率“十一五”时期珠三角香港贡献源COCO2COCO2道路移动源0%-52%-3%4%非道路移动源-36%-36%-1%6%工业燃烧源-131%-92%-8%1%生物质燃烧源53%52%56%56%“十二五”时期珠三角香港贡献源COCO2COCO2道路移动源27%-21%50%16%非道路移动源-25%-23%-8%-81%工业燃烧源12%37%-26%-4%生物质燃烧源30%27%58%6%“十三五”时期珠三角香港贡献源COCO2COCO2道路移动源60%11%13%22%非道路移动源-48%-39%-21%-9%工业燃烧源-1%-98%8%20%生物质燃烧源-34%-30%-273%-17%27#=%&'()+>?@0!A45BCDE3.1[\根据IPCC第六次评估报告(IPCC2022)，若要将全球变暖控制在不超过工业化前1.5℃和2℃以内，需要实施全行业的温室气体深度减排，以遏制温室气体（GHG）排放量的持续上升。作为世界上最大的碳排放国，中国提出要在2030年前达到二氧化碳排放峰值，并在2060年前实现碳中和。GBA作为我国现代化建设的先行示范区，始终高度重视绿色发展，更需要率先探索低碳转型。粤港澳大湾区是包括珠江三角洲内深圳、广州、佛山、东莞、珠海、中山、惠州、肇庆和江门九市，加上香港和澳门两个特别行政区组成的城市群，是中国经济体量最大和经济活力最强的城市群之一，该地区以中国0.6%的国土面积、创造了全国13%的GDP（2016年数据）(Zhou,Shanetal.2018)，高于全国第一经济大省广东的规模。近年来，粤港澳大湾区已升级至中国国家战略的层面，有望成为继美国纽约湾区、美国旧金山湾区、日本东京湾区之后的世界级第四大湾区。和国际一流湾区相比，粤港澳大湾区是生产总值第二大的湾区，其经济总量已经达到1.6万亿美元。粤港澳大湾区人均生产总值为1.8万美元，居全国第一，但是与世界其他湾区相比，人均生产总值不足其他湾区的一半(ShenandYang2020)。粤港澳大湾区拥有世界独一无二的制度优势与政策支撑，发展潜力大。经济快速发展也给粤港澳地区带来了较大的环境压力，区域资源、能源消耗量大，碳排放占全国总排放的4%（2016年数据）(Zhou,Shanetal.2018)。《粤港澳大湾区规划纲要》(China’sStateCouncil2019)中明确提出要创新绿色低碳发展模式，挖掘温室气体减排潜力，力争碳排放早日达峰。与此同时，粤港澳大湾区虽然已经取得大气污染防控的阶段性胜利，空气质量在我国处于领先地位，但仍与世界三大湾区及WHO推荐值存在差距。2020年PM2.5浓度为20μg/m3，O3年平均浓度呈上升趋势，大气污染治理工作仍然艰巨。纵观国际其他湾区的大气污染防治过程，达到空气质量标准是一个漫长而艰巨的过程(Lin，K.andWu2021)。鉴于常规温室气体与大气污染物同根同源，旨在降低碳排放的气候政策可以同时减少空气污染物排放(Li,Zhangetal.2018,Li,Chenetal.2019,28Cheng,Tongetal.2021,Tang,Zhaoetal.2022)。空气质量的进一步改善不仅必须取决于严格的末端控制措施，而且还必须通过能源气候政策和经济结构的变化来加强。能源和气候政策无疑将有助于加速改善空气污染。近年来能源气候政策和经济结构转型对于降低PM2.5暴露的贡献越来越凸显(Geng,Zhengetal.2021)。中国生态环境部明确指出，“十四五”期间将以减污降碳协同增效为总抓手，加快推动空气污染治理从末端治理转向源头管控，降低碳排放，从根本上解决环境污染问题（《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》）。粤港澳地区的低碳清洁转型将为实现经济与环境协调发展提供有益的探索。尽管已有研究探讨了大湾区高效低碳能源系统的转型(Wang,Xuetal.2021,Xu,Wangetal.2021,Zhou,Weietal.2021,Luo,Wangetal.2022,Xu,Wangetal.2022,ZhouandZhang2022)，评估了至2035年气候政策的大气污染协同效益(Jiang,Yeetal.2021,Lin,Wangetal.2022)。然而，这些研究缺乏对粤港澳地区长期低碳转型与大气环境协同路径的评估，气候目标与清洁空气措施在未来如何影响能源经济与大气环境尚不清晰。基于以上背景，本章通过构建粤港澳地区可计算一般均衡模型，结合分解法和回归分析方法，分析如何以低碳转型驱动粤港澳地区实现碳减排和大气污染物减排，并回答以下三个科学问题：（1）不同气候目标下能源与产业结构将会发生怎样的变革，对经济产生多大的影响；（2）不同因素对于实现气候目标的贡献有多大，随时间和气候目标的严格程度如何变化；（3）气候目标的实现可以带来多大的空气污染物减排效果，减排机制是什么。3.2%&'()3.2.18$9:;<=IMEDCGE在本报告所使用的IMEDCGE模型将依据基准年粤港澳投入产出表及社会核算矩阵、能源平衡表、基准年各空气污染物源排放清单等数据和不同低碳情景的碳排放限制，根据社会经济最优化系统、技术进步率、能源效率提高速度、能源相对价格变化等复杂机制驱动粤港澳未来年社会经济能源发展和二氧化碳及空气污染物排放。IMEDCGE模型是自主开发的多部门、多区域动态模型。模型以目标地区基准年投入产出表数据为社会经济方面的数据基础，结合基准年能源平衡表，产业统计年鉴29数据形成了模型所需的基础数据。模型由GAMS/MPSGE建模并用PATH算法器求解，以1年为步长动态模拟基准年至未来某一目标年(如2050年)期间区域经济走势、产业结构变化、能源消费及其碳排放趋势。模型的部门划分可根据研究问题和目标的不同而灵活设置。模型包括生产模块、国内外贸易的市场模块以及政府和居民的收支模块。本研究新建的两区粤港澳CGE模型包括粤港澳地区和中国其他地区，可以更好地模拟不同区域之间经济变化的关联效应。模型以2015年粤港澳的投入产出表数据为社会经济方面的数据基础，结合能源平衡表，产业统计年鉴和部门空气污染物排放清单数据形成了CGE模型所需的基准年数据，涵盖了29个部门（见表A-1），部门划分对制造业和交通行业等高能耗高排放部门的刻画相对详细，以便更好地模拟低碳转型路径。模型以1年为步长动态模拟2015粤港澳至2050年期间经济走势、产业结构变化、能源消费及其温室气体与空气污染物排放趋势。3.2.2>-.?@AB1C=LDMIDSPA1C借助KAYA恒等式，可以将二氧化碳总排放量分解为碳密度、能源强度，经济结构和经济规模四要素的乘积形式（在具体应用时乘积形式会有所变化）：𝑪𝑬𝒕=∑𝑪𝑬𝒊𝒕𝒊=∑𝑪𝑬𝒊𝒕𝑬𝒊𝒕𝒊×𝑬𝒊𝒕𝑮𝑫𝑷𝒊𝒕×𝑮𝑫𝑷𝒊𝒕𝑮𝑫𝑷𝒕×𝑮𝑫𝑷𝒕=∑𝑪𝑰𝒊𝒕𝒊×𝑬𝑰𝒊𝒕×𝑬𝑺𝒊𝒕×𝑮𝒕（1）𝑖:第𝑖个经济部门；𝐶𝐸(:𝑡时期的碳排放总量；𝐶𝐸)(:部门𝑖在第𝑡年度内的碳排放总量；𝐸):部门𝑖在第𝑡年度内消耗的能源总量；𝐺𝐷𝑃(:第𝑡年度内的国内生产总值；𝐺𝐷𝑃)(:第𝑡年度内部门i的产出；𝐶𝐼)(:第𝑡年度部门𝑖的碳排放密度6𝐶𝐼)(=𝐶𝐸)(𝐸)(7；𝐸𝐼)(:第𝑡年度部门𝑖的能源强度6𝐸𝐼)(=𝐸)(𝐺𝐷𝑃)(7；𝐸𝑆)(:第𝑡年度部门𝑖的经济份额6𝐸𝑆)(=𝐺𝐷𝑃)(𝐺𝐷𝑃(7；𝐺(:即GDP。30在碳排放变化影响因素分解领域，对数均值迪氏指数分解法（logarithmicmeandivisiaindexapproach,LMDI）因具备诸多优良的特征被广泛应用，该方法可以消除不能解释的残差项，也能够合理处理数据中的0值问题，并且计算过程简单，分解结果直观。在进行全国数据计算时，我们选取了人口、GDP、能源强度、能源结构碳强度四个影响碳排放的最主要直观的方面为分解因素；在对各部门进行分解时，主要选用了部门产出，部门能源强度，碳排放强度三个因素，分别进行LMDI分解。其中：“能源强度”即单位产出一次能源消费量，反映经济结构、经济体制、技术水平、能源结构等对能源的依赖程度；“能源结构碳强度”则衡量不同一次能源消费结构的清洁程度。LMDI模型中运用了上述kaya恒等式，进行分解时我们运用了加法形式，分解式如下：∆C+=∑∑L(ω,-−ω,-./)ln(0#0#$%)-,+∑∑L(ω,-−ω,-./)ln(1#1#$%)-,+∑∑L(ω,-−-,ω,-./)ln(2#2#$%)+∑∑L(ω,-−ω,-./)ln(3#3#$%)-,+∑∑L(ω,-−ω,-./)ln(4#4#$%)-,=∆C0+∆C1+∆C2+∆C3+∆C4（2）式中P,Y,M,S,I分别代表人口，总产出，能源强度，能源结构，碳排放强度。L(x,y)=J(x−y)/(lnx−lny),x≠y>0x,x=y>0本文使用结构分解分析（SDA）进行驱动因素的测算，这种方法被广泛地用于将一个变量的变化分解为集中独立因素的变化。SDA也分为加法分解和乘法分解，当分析一个变量的绝对变化量时，应当使用加法分解，本文在进行结构路径分析时即使用加法分解，将碳排放量的变化分解为碳排放强度𝐹的变化，中间投入结构L的变化和最终需求𝑦的变化三种因素。𝑑(𝐸)表示碳排放变化量：𝑑(𝐸)=𝑑(𝐹)𝐿𝑦+𝐹𝑑(𝐿)𝑦+𝐹𝐿(𝑑𝑦)（式3.3）在实际计算中，需要采用离散分解，由于两种情景下碳排放量变化的同时，各种因素同时发生变化，在使用离散分解时就需要进行加权，SDA中对于影响因素有多种加权方法，但加权平均分解的结果最为精确。所以本文使用加权平均分解方法，得出的三种因素可以表达如下：△𝐸5=13∗△𝐹𝐿6𝑦/+16∗△𝐹𝐿/𝑦6+16∗△𝐹𝐿6𝑦/+13∗△𝐹𝐿/𝑦/（4）△𝐸7=13∗𝐹6△𝐿𝑦6+16∗𝐹6△𝐿𝑦/+16∗𝐹/△𝐿𝑦6+13∗𝐹/△𝐿𝑦/（5）31△𝐸8=13∗𝐹6𝐿6△𝑦+16∗𝐹6𝐿/△𝑦+16∗𝐹/𝐿6△𝑦+13∗𝐹/𝐿/△𝑦（6）仅采用SDA方法虽然能够计算出不同因素对碳排放变化的影响，但不能清楚地在产业链层面上表达这一影响。而将结构路径分析法（Structuralpathanalysis,SPA）应用到环境投入产出模型中，能够将影响分解到生产链上，但仍然无法看到何种因素导致生产链碳排放发生变化。Lenzon等开发的结构路径分解法是由SDA和SPA结合而生成的方法(WoodandLenzen2009)，能够探究每条路径上的碳排放变化以及相应的影响因素。离散结构分解式再结合列昂惕夫矩阵的展开式，就能得到结构路径分解的分解式。比如𝐹6𝐿6△𝑦=𝐹6(𝐼+𝐴+𝐴𝐴)△𝑦=𝐹△𝑦+𝐹6𝐴△𝑦+𝐹6𝐴𝐴△𝑦。𝐿=(𝐼−𝐴)./=𝐼+𝐴+𝐴9+⋯△𝐸=12∗△𝐹(𝑦6+𝑦/)+12∗(𝐹6+𝐹/)△𝑦}一阶路径+16∗△𝐹[𝐴6(2𝑦6+𝑦/)+𝐴/(𝑦6+2𝑦/)]16∗[𝐹6△𝐴(2𝑦6+𝑦/)+𝐹/△𝐴(𝑦6+2𝑦/)]16∗[(2𝐹6+𝐹/)𝐴6△𝑦+(𝐹6+2𝐹/)𝐴/△𝑦]}二阶路径+16∗△𝐹[𝐴6𝐴6(2𝑦6+𝑦/)+𝐴/𝐴/(𝑦6+2𝑦/)]16∗[𝐹6△𝐴𝐴6(2𝑦6+𝑦/)+𝐹/△𝐴𝐴/(𝑦6+2𝑦/)]16∗[𝐹6𝐴6△𝐴(2𝑦6+𝑦/)+𝐹/𝐴/△𝐴(𝑦6+2𝑦/)]16∗[(2𝐹6+𝐹/)𝐴6𝐴6△𝑦+(𝐹6+2𝐹/)𝐴/𝐴/△𝑦]}三阶路径（7）本研究仅测算至三阶分解，多项研究表明，三阶分解已经能够囊括大多数关键排放路径。3.2.3EFGHI-.JK/712=LM;<为了进一步解释碳政策对大气污染物排放的影响，本研究建立了一个多阶段的回归模型来估计碳政策的边际效应和基本机制。以排放限额和碳影子价格为代表的碳政策、末端去除率和产业结构变化，是影响大气污染物排放的主要解释变量。然而，在这个模型中，把碳政策作为唯一的关键解释因素，可能会忽略其他重要的变量，如能源价格和能源使用，这些变量可能与碳政策相互作用，影响大气污染物的排放。为了32避免这些遗漏变量造成的内生性，我们先对碳价格、能源价格和能源使用进行回归，然后将这个一级回归模型的拟合值作为第二步的主要解释变量(Zhu2015)。此外，排放差距是通过从基准（BaU）情景中减去气候政策情景中的碳排放限制得到的。换句话说，以碳排放量为导向的政策被看作是基于数量的减排政策，直接旨在控制数量，并将产生影子价格，依次影响供给和需求。用“quantity”来缩写代表排放限额，用“shadowprice”来代表碳影子价格，两者都可以用来代表碳政策。回归模型的第一阶段已被构建为公式7，第二阶段则在公式8中表示。鉴于这两个公式的拟合值，最后一个阶段同时建立了公式9和10。log(𝐶𝑎𝑟𝑏𝑜𝑛𝑃𝑟𝑖𝑐𝑒()=𝛼6+𝛽:,6∙log(𝐸𝑛𝑒𝑟𝑔𝑦𝑃𝑟𝑖𝑐𝑒:,()+𝛾6∙log(𝐸𝑛𝑒𝑟𝑔𝑦𝑈𝑠𝑒()+𝜀((8)log(𝐸𝑚𝑖𝑠𝑠𝑖𝑜𝑛𝐺𝑎𝑝()=𝛼/+𝛽/∙log(𝐶𝑎𝑟𝑏𝑜𝑛𝑃𝑟𝚤𝑐𝑒u()+𝜗((9)𝐴𝑖𝑟𝑃𝑜𝑙𝑙𝑢𝑡𝑎𝑛𝑡𝑠<,(=𝛼9+𝛽9∙𝐶𝑎𝑟𝑏𝑜𝑛𝑃𝑟𝚤𝑐𝑒u(+𝛾9∙𝐸𝑛𝑑𝑃𝑜𝑖𝑛𝑡<,(+𝛿9∙𝐸𝑛𝑒𝑟𝑔𝑦𝑆𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑒(+𝜃9∙𝐼𝑛𝑑𝑆𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑒(+𝜇/,((10)𝐴𝑖𝑟𝑃𝑜𝑙𝑙𝑢𝑡𝑎𝑛𝑡𝑠<,(=𝛼=+𝛽=∙𝐸𝑚𝚤𝑠𝑠𝚤𝑜𝑛𝐺𝑎𝑝u(+𝛿=∙𝐸𝑛𝑒𝑟𝑔𝑦𝑆𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑒(+𝜃=∙𝐼𝑛𝑑𝑆𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑒(+𝜇9,((11)其中m和n区分了不同的能源类型和末端去除技术。α是截距，β、γ和δ是其解释因素的边际效应。ε和μ是残差。T定义了不同的时间阶段，本研究根据NDC承诺，将2030年作为碳峰值的分水岭。这将有助于证明在区分的时间范围内的不同影响。从多阶段回归模型中，我们定量地说明了单位碳价或碳减排量能够带来多少空气污染物的减排。此外，本研究还估算了其他重要变量的边际效应，包括能源结构变化、产业结构变化和终端技术效率。3.2.4N&OPD!"如表3-1所示，本研究从两个维度设置了6个情景来探究碳减排与空气污染末端控制的影响。气候政策方面包括当前政策参考情景（BaU）、温升2℃和1.5℃三个情景，末端控制包括末端去除率控制在2020年的冻结情景（frozen）和延续现有控制力度的情景（CLE）。表3-1粤港澳研究情景设置场景定义气候目标管道末端污染控制33BaU_frozen冻结的BaU_提供了其他情景的参考点。它假定中国将实现其国家发展计划的承诺，空气污染物的末端控制将保持在2020年的水平。二氧化碳2，在2030年达到排放高峰，符合国家发展委员会的承诺。管道末端清除率控制冻结在2020年的水平上BaU_CLEBaU_CLE与BaU_frozen有着相同的能源和社会经济发展，但将部署更强大的管道末端控制技术。二氧化碳2，在2030年达到排放高峰，符合国家发展委员会的承诺。目前已发布和即将发布的政策2-degree_frozen冻结2度_是为了追求2度的气候目标，并假定电力替代的速度和技术进步的水平高于BaU。空气污染物的末端控制将保持在2020年的水平。2-Degree管道末端清除率控制冻结在2020年的水平上2-degree_CLE2度_CLE与2度_冷冻有相同的能源和社会经济发展，但将部署更强大的管道末端控制技术。2-Degree目前已发布和即将发布的政策1.5-degree_frozen1.5度_冻结的目的是为了追求1.5度的气候目标，并假定电力替代的速度和技术进步的水平高于2度。空气污染物的末端控制将保持在2020年的水平。1.5-Degree管道末端清除率控制冻结在2020年的水平上1.5-degree_CLE1.5度_CLE与1.5度_冷冻的能源和社会经济发展相同，但将部署更强的管道末端控制技术。1.5-Degree目前已发布和即将发布的政策该模型需要的数据包括基准年数据和未来情景数据两部分。基准年方面，需要2015年粤港澳大湾区的投入产出表、能源平衡表、不同化石燃料的碳排放因子以及粤港澳大湾区空气污染物排放清单。通过与中国科学院广州能源研究所合作完成了投入产出表与能源平衡表的编制，不同化石燃料的碳排放因子来自IPCC相关报告，空气污染物排放清单来自暨南大学郑君瑜教授团队。未来情景方面，需要未来GDP、人口、产业规划等社会经济数据，以及低碳转型情景下的碳排放路径等数据。其中能源发展趋势设置部分参考了《粤港澳大湾区能源34转型中长期情景研究》（《粤港澳大湾区能源转型中长期情景研究》项目组2020.9），碳排放路径综合参考了IPCC1.5℃特别报告。各情景的总人口、技术进步率、GDP相同。其中，总人口从2015年的6600万增长至2050年的9300万左右，年化增长率为0.9%左右。技术进步率用全要素增长率来表征，基本保持稳定在3%左右。GDP增速参照国务院发展研究中心给出的未来年中国GDP增速预测，结合中科院能源研究所（广东）团队的研究，2015~2030年粤港澳地区可以保持6%~7%的增长率，2030~2040年保持5%~6%的增速，2040~2050年保持4.5%~5%的增速，在全国属于增长较快，经济发展程度较高的区域。同时，人均GDP按美元计算，可以在2050年达到8万美元左右，达到发达水平。3.3;<PF]^/0_$`a3.3.18$QR4>.STU在没有任何碳排放限制的基准情景下（BaU），经济发展和人口增长的规模效应将刺激能源需求的增加，从而导致2030年前碳排放持续增加。随着发电结构的低碳化和人口增长的放缓，2030年大湾区和中国其他地区的碳排放量将分别达到5.41亿吨和116.7亿吨的峰值。此后，到2050年，GBA和ROC碳排放将分别下降到4.02亿吨和90.2亿吨（图3-2b）。交通是粤港澳地区碳排放最大的贡献部门，占2050年总排放量的31.2%，其次是发电（16.1%）和制造业（16.0%）（图3-1b）。而电力部门是ROC最大的贡献部门，占2050年总排放量的25.2%，其次是金属冶炼（17.6%）和交通（16.0%）实现1.5℃目标要求在2037年左右将碳排放减少到2020年的一半，这意味着能源系统的深刻变革。化石燃料消费逐渐被电力取代（图3-1a）。2050年，电力消费在最终能源消费总量中的比例将从BaU情景下的36.6%增加到1.5℃情景下的79.3%。同样，ROC的电力消费将从BaU情景下的24.5%增加到1.5℃情景的78.4%。在GBA地区，服务业的电力需求占比最高，交通是电力需求增长的主要动力，反映了电动汽车的大规模普及。在ROC，金属冶炼的电力需求占比最高，服务业是增量排放的主要驱动力。35图3-1最终能源消费模式和二氧化碳排放（a）最终能源需求，（b）BaU情景下各部门的二氧化碳排放，（c）二氧化碳排放量，（d）2050年各部门的减排贡献碳减排贡献部门存在明显的地区差异。如图3-1d所示，在2050年,与BaU相比，在2℃目标下，交通将是GBA中最关键的部门，贡献了26.6%的减排量（62.0百万吨），其次是制造业（23.4%，54.5百万吨）。在1.5℃目标下，与2℃情景相比，交通仍是最大的减排部门（41.8%，39.9百万吨），而发电部门的深度脱碳将进一步做出重大贡献。相比之下，在ROC，在2℃情景下，金属冶炼是减排的最大贡献者（1419.0百万吨，21.3%），其次是发电部门（1355.4百万吨，20.4%）。进一步在1.5℃情景下，发电部门碳排放比2℃情景降低了364.7百万吨（28.6%），是重要的减排贡献部门。3.3.2VWXYZ[D9:\]基准情景下，到2050年GBA和ROC总产值将扩大为2015年的6.0和5.3倍，人均GDP增加到92.2和46.3kUSD（图3-2a）。随着生活水平和收入水平的提高，ROC服务业占比加快增大，加快向服务业主导结构转型，第三产业占比由2015年的51.9%增加到2050年的58.7%；而GBA地区则服务业呈现先快速扩充到相对饱和的趋势，第三产业占比由2015年的61.6%增加到2050年的68.7%。与其他国际湾区不同的是，先36进制造业仍然是大湾区的重要组成部分，到2050年占比将超过30%，这意味着粤港澳大湾区比其他湾区面临更大的环境压力。在气候政策情景下，碳减排提高了能源使用成本，使得能源密集型产业成本上升，产量下降，使得经济系统总产出和GDP出现了不同程度的下降（图3-2b,c）。2050年GBA和ROC总产出分别降低2.3%-3.7%和3.6-4.9%，GDP分别降低3.3-4.3%和1.8%-3.2%。从GDP组成来看（图3-2d），GBA和ROC政府支出普遍增加，按照凯恩斯主义的观点，政府支出是经济面临冲击时的重要支柱。省际调入调出、进出口和居民消费均出现了不同程度的降低。居民消费损失通常也可以被认为是气候减排成本的另一重要指标。2050年粤港澳在2℃与1.5℃情景下，GBA居民消费损失分别为6.2%和3.0%，ROC分别为1.5%和0.3%，这是因为我们假设在1.5℃情景下，产业结构调整更快，能源转型更快，能源效率更高。图3-2粤港澳产业结构与经济影响（a）2050年2℃和1.5℃情景下的产出和碳强度变化；（b）2050年与BaU相比，1.5℃情景下的GDP变化；（c）碳和能源强度；（d）与BaU相比，GBA贸易（柱状图）和CO2强度（散点）变化37碳强度和能源强度这两个指标随着技术进步逐渐下降。GBA的能源效率要高于ROC，且在气候政策下会持续增加。在1.5℃气候情景下，相比于2015年，GBA和ROC地区的碳排放强度在2050年会分别下降11.6%和14.8%。从贸易上来看，GBA地区碳强度较低而增加值较高的纺织业和电子产品出口增加，有利于降低GDP损失。而碳排放强度较高的水运和航空进口增加、省际调出显著降低，有利于缓解碳减排压力。3.3.3>-.^_?@AB1C在时间尺度上来看，1.5℃情景下能源强度的降低是两个地区最主要的减排驱动力，同时能源结构优化的贡献将逐渐增加，而总产出的增加是拉动碳排放增长最大的因素（图3-3a）。具体来说，粤港澳地区能源强度的降低在2015-2030、2030-2040和2040-2050三个时间段分别贡献了2.84、1.48和0.79亿吨的二氧化碳减排量。38图3-3基于（a）LMDI方法和（b）SPA方法1.5℃情景下碳减排的关键贡献因素。在b中，左边的节点是提供原材料的供应部门（不同颜色区分不同部门数量的供应链），数字符号代表行业在供应链中的位置（例如数字"2"或"3"代表该部门在供应链中处于第二或第三位置），供应链末端的部门是最终需求部门。"CI"代表碳强度效应，"IO"代表投入-产出系数变化效应，"FD"代表最终需求效应。在部门角度，两个地区最重要的减排因素都是各部门碳排放强度（CI）的降低，但产业链层面减排路径差异显著。本研究进一步使用SPD方法对于2050年1.5℃情景和BaU情景间的碳排放变化进行了结构路径分解，得到了引发碳排放变化的核心供应链。在GBA，纺织品（TEX）、公路运输（TRD）和航空（TAR）是核心减排部门，由二氧化碳排放强度变化引发的直接二氧化碳减排量分别为13.5，11.7，11.6百万吨。相反，在ROC，电力（ELE，3.8亿吨）、服务（CSS，247）、化工（CHM，175）和建筑（CNS，137）部门对直接碳减排贡献最大。由于电力行业碳排放强度的降低，从39电力行业（ELE）到服务行业（CSS）的供应链可以在GBA中减少5.3百万吨碳排放（图3-3b）。而在ROC，从电力部门（ELE）到建筑部门（CNS）的供应链减少了1.95亿吨的碳排放。此外，一个关键的三阶供应链，从电力部门到非金属到建筑（ELE-ONM-CNS），减少了1.25亿吨的碳排放。与碳强度效应（CI）的关键贡献相比，投入产出系数（IO）和最终能源需求（FD）这两种因素对于碳排放变化的影响在两个地区都相对不大。投入产出系数变动效应对于GBA和ROC地区碳排放的影响分别为CI效应的2.7%和16.4%，最终需求效应对于GBA和ROC地区碳排放的影响仅为CI效应的9.4%和4.1%。具体来说，例如在ROC地区，CSS对于电力部门需求增加导致了相应供应链上碳排放增加了99百万吨。在GBA，从电力到其他部门的中间投入的增加也导致了碳排放的轻微增加。3.3.4F`abcdeFGHIf\]（1）气候政策对于大气污染物的协同减排效应如果没有进一步的气候政策和末端控制（BaU_forzen），随着能源消费结构与社会经济活动水平的变化，粤港澳地区NOx、SO2、VOCs、NH3和一次PM2.5排放将是2015年水平的0.73、0.81、3.91、2.66、和1.10倍。而在施加了碳减排的约束条件后，空气污染物排放出现了不同程度的下降（图3-4a）。如图3-4b所示，NOx、SO2与碳减排的协同程度较高，这两种污染物主要来源于交通与发电部门化石能源的燃烧，气候情景下协同减排效益较大。而VOCs、NH3、一次PM2.5与碳减排协同效果较差，主要来自于过程排放，依赖于末端减排控制。这一结果表明末端控制措施仍然重要，尤其是在没有气候政策的情况下。随着气候目标和末端控制变得更加严格，不同空气污染物的部门排放占比也将发生变化。例如，如果仅依靠气候政策，即在1.5-degree_frozen下，随着交通的电气化，工业过程排放在总排放中的比例将持续增加，从2015年的67.9%增加到2050年的98.4%。在CGE模型中，减排成本的计算是以降碳情景相对于基准情景的经济损失（GDP损失、产出）来衡量，是一种为实现碳减排目标，通过情景间对比计算所要放弃的经济效益的机会成本，不同于治理的直接成本。治理的直接成本通常是指实施具体减排措施所需的经济投入，如购买减排设备或实施能源节约措施等。而该成本则是一种更为综合的成本概念，考虑了在实现碳减排目标的过程中可能放弃的经济效益，因此更能反映出降碳情景对经济的影响。40考虑到协同减排效果和单位减排成本，本章进一步确定了在减排时具有较高优先级的部门（图3-4b）。结果发现，减排成本较低的部门通常协同减排效果也较高，这意味着针对性的协同治理有助于降低减排成本。例如，对于NOx，在1.5-degree_frozen情景下，交通部门，包括水运（对应TWT）和公路运输（TRD），具有最高的协同效应和较低的成本，而航空（TAR）和金属冶炼（MET）部门的成本最高。相反，纺织品（TEX）、铁路（TRL）、食品生产（FOD）和发电（ELE）部门由于产量增加而产生负的减排成本。就SO2而言，水运部门的协同效应最高，减排成本最低，而非金属（ONM）和纺织部门（TEX）也是贡献较大、减排成本较低的关键部门。对于VOCs，道路运输的协同作用最大，成本最低，同时我们注意到二氧化碳和VOCs之间存在一些权衡，电子产品（ELP）生产的增加可能会导致VOCs的增加。对于NH3，农业部门（AGR）的贡献更大，协同程度更高，成本更低。对于一次PM2.5排放，非金属、运输和建筑（CNS）存在协同效益。41图3-4GBA地区大气污染物排放和减排成本(a)总排放趋势，(b)2015年和2050年所有情景下的分部门排放，(c)2050年减排成本和协同效应指数。其中单位减排成本被定义为每单位减排量的部门产出损失。协同指数（SI）定义为部门空气污染物减排量与二氧化碳减排量的比率。这里为了避免极端值的出现，我们删除了在BaU_frozen情景下排放贡献小于1%的部门。这里蓝色阴影所覆盖的部门占总排放量的5%以上，具有高度的协同效益和较低的减排成本。（2）气候政策对于空气污染物的边际效应本节计算了基于CLE假设的1.5℃和2℃下，碳政策和其他解释因素对五种空气污染物排放的边际影响。碳影子价格对能源价格和能源使用的影响的回归结果（表3-2）表明，碳影子价格上升1%将刺激煤炭价格上升0.1%，其他能源价格略有下降，这将导42致最终能源使用下降0.09%，并影响能源密集型工业活动。由此，空气污染物的排放将受到影响。更严格的气候政策将对空气污染物减排产生更显著的影响。从2030年到2050年，在2℃情景下，碳影子价格增加1%，NOx降低0.51%，而在1.5℃情景下，NOx降低0.63%（表3-3）。此外，我们发现碳影子价格不同阶段的影响大小不一。例如，在1.5℃情景下，2015-2030年期间碳影子价格每1%的边际增长可能导致一次PM2.5排放降低0.25%，而在2030-2050年期间将增加至0.51%。在VOCs和NOx方面也有同样的发现。然而，碳价对二氧化硫的影响与其他空气污染物相反。在2015年至2030年期间，其协同效益更强，部分原因可能是由于近期采取大量治理措施导致边际效应下降。影子价格对VOCs排放的边际效应在2015年到2030年之间较小，而在2030年后为-0.5%，表明与碳减排之间存在权衡影响。此外，气候政策对NOx和NH3排放的边际效应只在2030年后存在统计学意义，意外的是，碳影子价格增加1%也能使NH3增加0.01%，这可能是减缓成本较高造成的（图3-4c）。在2030年后，末端去除对于一次PM2.5、SO2、NOx和NH3减排起着更重要的作用，特别是在相对不严格的2℃温升情景下。例如，从2030年到2050年，在1.5℃情景下，末端去除率增加1%将减少1.8%的SO2排放，1.8%的NOx排放，以及0.35%的NH3排放。然而，在2℃情景下时，其边际效果将增加至2.5%、2.1%和0.48%。此外，末端去除对VOCs的影响是模糊的，可能是因为GBA仍然有较多的化工产业，2030年的排放与2015年相比几乎没有变化（图3-4）。表3-22015~2030年粤港澳地区气候政策对于空气污染物的边际影响ClimatetargetVariablePrimaryPM2.5SO2VOCsNOxNH31.5℃Carbonshadowprice-0.25-0.29-0.120.030.07(0.13)(0.12)(0.36)(0.37)(0.08)EndofPipen0.050.510.08-0.83-0.04(1.60)(0.79)(0.82)(1.10)(0.16)EnergyStructure-11-14-184.33(29.00)(30.00)(54.00)(44.00)(11.00)IndStructure0.670.03-0.110.77-1.50(1.50)(1.50)(2.60)(2.20)(0.57)Constant5.104.106.809.404.80(6.10)(2.70)(1.50)(2.60)(0.20)Observations1313131313AdjustedR20.900.870.040.800.7343ClimatetargetVariablePrimaryPM2.5SO2VOCsNOxNH3FStatistic30.021.01.113.09.32℃Carbonshadowprice-0.1-0.10.010.160.07(0.12)(0.10)(0.31)(0.16)(0.05)EndofPipen-1.7-0.39-0.18-0.96-0.04(1.30)(0.53)(0.59)(0.41)(0.08)EnergyStructure0.25-0.56-13.000.230.19(32.00)(25.00)(62.00)(35.00)(14.00)IndStructure1.10.530.320.62-1.40(1.10)(0.88)(2.20)(1.30)(0.50)Constant12.007.007.209.304.80(4.90)(1.70)(0.87)(0.86)(0.09)Observations1313131313AdjustedR20.900.88-0.070.840.65FStatistic29.022.00.817.06.5Notes:valuesinthefirstlineareestimatorsofβ,γ,δ,andθ.Valuesinparenthesesarestanderrors.Starsarethelevelofsignificanceinthet-test.Thep-valueclassificationare:p<0.1;p<0.05;p<0.01表3-32030~2050年粤港澳地区气候政策对于空气污染物的边际影响ClimatetargetVariablePrimaryPM2.5SO2VOCsNOxNH31.5℃Carbonshadowprice-0.51-0.07-0.50-0.630.02(0.10)(0.01)(0.10)(0.11)(0.01)EndofPipen1.60-1.80-1.10-1.80-0.35(2.20)(0.08)(0.88)(0.66)(0.04)EnergyStructure0.820.050.131.40.04(0.91)(0.23)(3.20)(2.50)(0.19)IndStructure3.900.673.30.67-1.00(1.70)(0.46)(6.50)(5.20)(0.38)Constant-0.1412.0014.0017.006.20(9.00)(0.29)(3.10)(2.10)(0.12)Observations2020202020AdjustedR20.991.000.940.980.92FStatistic478.02016.071.0247.056.02℃Carbonshadowprice-0.16-0.06-0.55-0.510.03(0.05)(0.02)(0.06)(0.06)(0.01)EndofPipen-6.20-2.50-0.67-2.10-0.48(1.20)(0.18)(0.59)(0.36)(0.04)EnergyStructure4.31.15.507.100.00(2.70)(1.20)(5.00)(3.60)(0.41)IndStructure2.50.06-0.18-1.60-0.86(3.10)(1.30)(5.70)(4.20)(0.48)44ClimatetargetVariablePrimaryPM2.5SO2VOCsNOxNH3Constant31.0015.0012.0017.006.70(4.90)(0.68)(2.10)(1.20)(0.12)Observations2020202020AdjustedR20.980.990.970.990.96FStatistic255.0586.0151.0533.0122.0Notes:valuesinthefirstlineareestimatorsofβ,γ,δ,andθ.Valuesinparenthesesarestanderrors.Starsarethelevelofsignificanceinthet-test.Thep-valueclassificationare:p<0.1;p<0.05;p<0.013.3.5ghDabij实现气候减缓目标将对经济、能源和环境产生深远影响。基于CGE模型，结合分解和回归方法，本研究动态模拟了大湾区和中国其他地区未来社会经济发展趋势和产业层面的碳和大气污染物排放路径，并分析了减排背后的关键因素、部门和影响机制。本研究结果表明：（1）气候政策将对经济产生巨大影响，2050年大湾区和中国其他地区的总产出分别减少1.3%和3.8-3.9%，GDP分别减少1.9-2.0%和2.4%-2.7%。（2）大湾区和中国其他地区的碳排放结构存在明显的差异。交通和电力是分别对其碳排放贡献最大的部门。能源强度和能源结构转型是大湾区和中国其他地区减少碳排放的最重要因素，而且后者随着时间的推移变得越来越重要。（3）对于大气污染物，我们确定了优先协同治理的行业，对于氮氧化物为非金属、建筑、道路交通、水运和电力；二氧化硫为非金属、水运、食品生产和电力；挥发性有机物为化学工业、金属制品和道路交通；氨气为农业，一次PM2.5为建筑、道路交通和非金属。（4）在不同的时间节点，重点减排行业有着显著转移。在短中期，电力、工业燃烧源、工业过程源和道路交通是大气污染物排放的关键来源；然而，在中长期尺度下，随着低碳转型推进，电力和工业燃烧源经历了重大的清洁转型，工业过程源、居民服务业和道路交通成为重点减排部门。（5）能源和气候政策有助于减少一次PM2.5、SO2、VOCs和NOx的排放，特别是在2030年之后。此外，更严格的气候政策，如1.5℃，可以带来比2℃更显著的共同利益。末端去除措施在空气污染物减排中仍然发挥着相对重要的作用，但其程度取决于污染物和时间范围。45本研究也有一些局限性。首先，本研究使用的IMEDCGE模型考虑了非化石能源发电，但只是作为一个大类，而没有区分非化石能源的具体类型，因此对能源间的替代作用模拟不足。其次，本研究中工业过程相关空气污染物排放简化为由产出驱动。第三，本模型没有考虑控制大气污染物的成本，但与深度脱碳的过渡成本相比，末端控制措施的技术成本通常很小。总之，本研究的结果揭示了气候政策和空气污染之间的影响机制，为协同治理提供了宝贵的见解：（1）经济损失和减少碳排放的压力可以通过出口高附加值、低碳排放强度的产品来部分解决，但需要注意它们造成的空气污染物排放，如电子产品制造中的VOCs排放。（2）发达的交通网络是大湾区经济发展的纽带和支撑，但它也是碳排放最高的部门，同时也排放了大量的氮氧化物、二氧化硫、挥发性有机物和一次PM2.5。为了实现交通部门的减排，需要采取各种措施，如提高排放标准，增加电气化和促进公共交通。（3）降低能源强度，即提高能源使用效率和优化产业结构，是减少碳排放的重要动力。因此，政府应加大对科技创新的支持，加快制造业结构调整，发展先进制造业。气候政策对大气污染物的协同减排效果将更加显著，要注意协同控制，优先考虑重点行业，降低减排成本。（4）大力推进能源结构转型，是实现气候目标与空气质量改善的重要举措。政府应加大对能源技术创新的支持，推动新能源、节能等领域的技术研发和推广，促进能源互联网建设，可以加大对能源的节约和管理力度，通过制定能源效率标准、建立能源管理体系等措施，推动能源结构转型又快又好地落实。46#F%&'()+>?GBCH5<;O3/0IJ894.1;<bc_$d89:0GeO3EFJKfg自2013年颁布并实施“大气十条”以来，我国重点城市的年均PM2.5浓度大幅下降。至2019年，GBA各个城市年均PM2.5均值已达到我国一级标准（35μg/m3）。GBA地区经济持续快速发展的同时，也在努力探索大气污染防治之道的过程中取得优异成绩，作为改革开放的先行地，给国家重点城市群的PM2.5污染防治树立了标杆。然而在线监测数据表明，我国近地面大气臭氧浓度呈现逐年上升的趋势，且在臭氧污染严重的4-10月，我国重点城市群（京津冀、长三角、珠三角和汾渭平原）的O3浓度升幅明显高于我国平均水平。2019年我国大陆337个城市臭氧浓度年评价值平均为161μg/m3，臭氧超标天数平均值为28天。其中，珠三角地区臭氧年评价值区域平均值为186μg/m3，超标天数超过50天；香港特别行政区的臭氧浓度年评价值虽然略低于国家二级标准限值（GB3905-2012，160μg/m3），但相比前一年，该指标仍处于上升趋势。图4-1多种情景下未来GBA地区排放及污染变化路径研究技术路线作为我国经济发展及大气污染防治的“排头兵”，GBA地区面临的PM2.5与O3协同治理的困境具有代表性和前瞻性。伴随我国“双碳政策”的逐步实施，在能源转型和产业结构调整的驱动下，考虑到我国大气污染物与温室气体“同根同源”，未来GBA地区的一次污染排放也将会大幅缩减，由此驱动的这一地区未来空气污染的变化，尤其是前期O3污染的变化以及长期评估O3与PM2.5的达标情况也需要纳入政策决策的考虑。47因此，对于多种政策情景下未来GBA地区排放及O3、PM2.5浓度的变化路径的定量探讨，可作为这一地区乃至全国的温室气体及O3、PM2.5协同控制战略方案的重要参考。图4-1展示了本研究的技术路线。前期数据准备方面，本研究选取3.2.4小节中的情景气候目标和末端控制情景设置（主要选用了BaU_CLE、1.5-Degree_frozen和1.5-Degree_CLE三个情景），驱动IMEDCGE模拟得到的GBA地区未来排放总量的变化。IMEDCGE模型的污染物排放计算方法如图4-2所示，气候政策表现为模式输入的碳排放约束，而碳排放的限制通过影响碳价转化为经济冲击，驱动能源部门的一次能源结构以及终端用能部门的产值变化，从而改变这些部门的活动水平；污染防控政策则通过影响末端治理技术决定未来情景下的末端污染去除率。同时，认为根据基准年的排放清单与校准的能源消费和部门产值所计算的排放系数保持不变，按照图4-2所示公式计算得到对应情景下GBA地区在未来某个年份的各一次污染物的排放总量。此外，未来排放清单的制作还需要现有格点排放清单（如MEIC等）的空间分布等信息。在未来的排放清单及气象场等其它必要输入的驱动下，运行WRF-Chem模型得到未来年份污染物浓度的预测结果，用以后续的处理和分析。图4-2IMEDCGE模型污染物排放计算方案4.2?NhI`ij89:O3EF`aklm'nopq当前的模式模拟研究中，普遍存在WRF-Chem模型（Grelletal.,2005）对GBA地区近地面O3浓度高估，对PM2.5浓度低估的问题（Chenetal.,2019;Zhanetal.,2020）。为得到更准确的模式模拟结果，本研究修改WRF-Chem中的各项参数设置以及区域内的排放，进行了多组基准情景（2015年10月）的模拟测试，并与站点观测的污染物浓度进行比对，改善了WRF-Chem在GBA地区的模拟表现。48图4-3显示了本研究中WRF-Chem模式的模拟区域。模式使用兰伯特投影下27km×9km两层嵌套网格，外层母网格模拟区域大小为179（东西向）×149（南北向）格点，几乎覆盖整个中国；嵌套的子网格覆盖了整个广东省及部分周边区域，大小为105（东西向）×87（南北向）网格。模式垂直方向分38层，模拟第一层污染物浓度高约10m。图4-3WRF-Chem模式模拟的区域和排放设置。图中显示的范围为模拟设置的d01区域，白色框线框定的区域为d02区域。蓝线框定的区域（广东省）的人为排放采用GBA-EI清单数据，红线框定的区域输入的人为排放在GBA-EI清单的基础上，根据CGE对基准年份排放的模拟结果进行了修正。中国其余地区的排放则采用MEIC清单。表4-1WRF-Chem模式设置模式分辨率水平分辨率（双层嵌套）：27km，9km垂直分层：38层气象初始/边界条件FNL再分析资料化学初始/边界条件CAM-Chem数据土地利用数据MODIS2015生物质燃烧排放NCAR火点排放清单（FINN）长波辐射方案RRTM短波辐射方案Noah边界层参数化方案MYJ方案49近地层参数化方案Eta方案积云对流参数化方案NewGrell方案（G3）城市下垫面3-categoryUCM气态化学方案GBMZ方案气溶胶化学方案MOSAIC(4bins)光化学方案Fast-J方案SOA生成方案SimpleSOA方案表4-1所示的设置是本研究所采用的最优模拟设置。其中，土地利用数据的更新和边界层参数化方案从非局地闭合的YSU（YonseiUniversityScheme,Hongetal.,2006）方案更换为MYJ（Mellor-Yamada-Janjić,Janjić,1990,1994）方案，对近地面O3模拟的高估，尤其是夜间的高估有很大的改善，使得d02区域内2015年10月O3平均模拟浓度从89.6μg/m3（高估站点观测38%）降至77.3μg/m3（高估19%），PM2.5的月平均模拟浓度从23.0μg/m3（低估站点观测45%）提升至27μg/m3（低估35%）。模式中化学机制选用CBMZ（Carbon-BondMechanismZ；ZaveriandPeters1999）气相化学机制耦合四个干直径范围的气溶胶化学方案MOSAIC4bins（ModelforSimulatingAerosolInteractionsandChemistry;Zaverietal.,2008.4个bin的直径范围分别为0.039~0.156，0.156~0.625，0.625~2.5和2.5~10.0μm），并且在MOSAIC气溶胶化学模块中加入了细颗粒物表面的硫酸盐非均相生成过程，以改进二次无机气溶胶及其前体物的模拟（Chenetal.,2016）。模式中气象场的初始和水平边界条件采用来自全球资料同化系统（GDAS）的最终分析场FNL数据（1°×1°，每6小时编译一次）；化学初始和边界条件使用NCAR地球系统模型（CESM）中的CAM-Chem模式的输出数据。基准模拟中，在中国区域的人为源排放使用2015年清华大学的中国多尺度排放清单（MEIC，http://www.meicmodel.org/）的排放数据，其中农业氨排放采用Zhangetal.,(2018)统一自下而上的统计方法和自上而下的反演方法得到的月分辨率数据，GBA地区的人为排放则更新为CGE模型基于大湾区排放清单（GBA-EI,Huangetal.,2021;Shaetal.,2021）得到的2015年排放数据，广东其余地区则采用GBA-EI清单。不同区域范围的清单使用如图3所示。排放清单的使用细化进一步改善了模型对GBA地区近地面O3的模拟效果，将模式对其的高估降低为8%（O3月平均浓度模拟结果为70.1μg/m3）。50在对未来情景的模拟中，GBA地区的排放使用IMEDCGE模型的预测结果，基于GBA-EI清单在这一区域的空间分布进行格点化降尺度，而GBA之外的中国区域的认为排放则使用1.5℃目标情景下的DPEC清单产品（Tongetal.,2020）。亚洲地区人为排放采用MEIC模型团队开发的2010年亚洲排放清单产品MIX（Lietal.,2017），对未来情景的模拟不考虑这部分排放的变化。模式中生物源排放采用自然排放气体和气溶胶模式（MEGAN；Guentheretal.,2006）在线计算；生物质燃烧排放清单则使用NCAR的FINN程序计算生成（Wiedinmyeretal.,2011）。将PM2.5组分的模拟结果与这一区域的观测结果进行比较，发现模式低估了有机气溶胶组分的浓度及其占比，这可能是由于目前所使用的气溶胶化学方案未考虑二次有机气溶胶（SOA）的生成（Cuietal.,2015）。本研究参考GEOS-Chem模型中所使用的简单SOA方案（SimpleSOAscheme;Paietal.,2020;Miaoetal.,2021），在WRF-Chem模式中添加了相应的计算模块，用人为及生物质燃烧的CO排放、植被的异戊二烯（ISOP）和单萜烯（TERP）排放来计算SOA的生成，并将其添加至有机气溶胶OC的排放中，参与后续的传输及物理化学过程计算。如图4-4所示，1.5%的ISOP与5%的TERP在排放之后直接生成SOA，而植被在近地面的1.5%ISOP排放、5%TERP排放，以及近地层内6.9%的人为CO排放与1.3%生物质燃烧CO排放将转化为二次有机气溶胶的前体物SOAP。在该方案中设置两种SOAP生成SOA的机制可供选择，第一种为设置SOAP的生命时间τ为一天，在每个时间步长dt内，将会有(1−𝑒.&'()比重的SOAP转化为SOA；第二种则是考虑OH自由基与SOAP生成SOA的速率，在计算中加入OH自由基浓度设置动态的生命时间。简单SOA生成机制的加入及排放清单的细化大幅提升了WRF-Chem对GBA地区近地面PM2.5模拟的准确性，使其模拟月平均值（38.2μg/m3）与观测结果（41.8μg/m3）较为接近。由于颗粒物可通过散射或吸收太阳辐射改变光解速率和颗粒物表面非均相化学反应两种途径来影响臭氧浓度（Zhuetal.,2019;Jiaetal.,2017），简单SOA方案的加入在增加了近地面PM2.5模拟浓度的同时，也改变了对GBA地区O3的模拟结果，进一步修正了模式对这一地区近地面O3的高估。51图4-4SimpleSOA方案示意图。其中ISOP、TERP、SOAP分别表示异戊二烯、单萜烯及二次有机气溶胶前体物。①和②标记了从SOAP生成SOA的两个可选方案。图4-5展示了上述最佳模拟方案得到的d02区域近地面O3与PM2.5模拟浓度的空间分布，与观测结果能较好地吻合。同时，模式也能很好地捕捉到GBA地区这两种污染物浓度的时间序列，对O3和PM2.5，模拟与观测时序的相关系数分别为0.84和0.59。基准试验模拟结果的改进提升了模式的可信度，有利于在对未来情景的探究中得到更为准确的结果，以便对政策的建立和实施提供更加精确的理论支持和更科学合理的决策建议。图4-5基准情景（2015年10月）模式模拟月平均近地面O3（左）与PM2.5（右）浓度与观测（圆点）的对比。Obs与Mod数值分别对应站点平均的观测与模拟（d02区域）月平均浓度。52表4-2WRF-Chem模拟实验设置试验名称年份政策方案Base2015MEIC2015+Zheng+CGE20151.5-Degree_frozen-252025仅考虑气候政策，末端去除率保持现有水平不变1.5-Degree_frozen-3020301.5-Degree_frozen-502050BaU_CLE-252025考虑按照现有污染防控政策加大末端污染控制强度，气候政策保持现有水平不变BaU_CLE-302030BaU_CLE-5020501.5-Degree_CLE-252025同时考虑严格气候政策与末端污染控制强度加大1.5-Degree_CLE-3020301.5-Degree_CLE-5020504.3;<_$d89:3rs0GJK基于3.2.4小节中的气候目标和末端控制情景设置，本章使用IMEDCGE模型输出的GBA地区的排放为这一地区各个行业的未来年排放总量，结合大湾区排放清单（GBA-EI）的空间分布信息进行降尺度处理，生成对应分辨率的格点排放数据，来驱动WRF-Chem模型对未来情景空气质量的模拟。为匹配部门分类，首先将CGE所考虑的26个产业归总到能源、工业、交通、居民和农业五个部门中。其中，原油、天然气、汽油、人造煤气、纺织、造纸、食物生产、化工、金属冶炼、金属产品、非金属生产、机械、电子、其它制造业、供水、建筑等行业归总至工业部门，铁路、航空、货运、公路交通、水路及管道运输归总至交通部门，家庭与其它服务业排放归总为居民部门排放，而农业和发电行业则分属农业部门和能源部门。图4-6展示了基准年及所选取的3种未来政策方案（与3.2.4节中对应名称的方案设置相同，详见表4-2）情景下，NOx、SO2、NH3、PM2.5和VOCs的一次排放总量变化，并使用不同的颜色区分了不同部门的排放贡献。可以看到，仅考虑气候政策（1.5-Degree_frozen情景）与仅加强末端污染治理管控（BaU_CLE情景）在短期和长期所带来的NOx与SO2的减排程度相当，到2050年分别减少了77.4%/77.9%（1.5-Degree_frozen-50/BaU_CLE-50，相比于2015年排放，下同）和60.8%/60.9%的人为NOx和SO2排放。在仅考虑气候政策的情景中，一次PM2.5的排放在短期内（2025年之前）有较为明显的下降（相比2015年减排约39%），主要是能源结构的转型减少了能53源及高耗能产业（主要集中在工业和交通部门）的一次污染排放；然而中长期来看，随着能源结构转型的完成，经济增长与能源使用实现脱钩，人们需求的增加导致工业部门、交通部门及居民部门的产值增加，由于frozen情景将末端去除率固定在现有水平，生产过程中产生的一次排放也随之增加，使得GBA地区一次PM2.5的排放在2025年之后不降反增。至2050年，1.5-Degree_frozen情景下GBA地区PM2.5的排放相比2015年增长了约23%。同样，由于VOCs排放主要来源于工业及居民部门的生产过程，NH3排放主要来自于农业及畜牧业生产过程，受气候政策的影响较小，且当前我国尚且缺乏有效的VOCs与NH3排放的控制措施，从而其排放从短期到长期呈现逐渐增加的态势。到2050年，GBA地区的VOCs与NH3排放将分别相比基准排放水平增加222.7%和12.8%。1.5-Degree_frozen情景下NOx与VOCs排放呈现相反的变化趋势，使得GBA地区在这一情景下未来O3污染的变化以及O3对这两种前体物的敏感性变化有较大的不确定性；此外，NH3与VOCs人为排放的增加可能会改变GBA地区PM2.5的浓度和组分。在仅考虑增强末端污染管控的情景中（BaU_CLE），工业及交通部门的一次PM2.5及VOCs排放在中短期内都得到了有效控制，GBA地区一次PM2.5的排放总量在2025年便下降到基准年的48%，到2050年，一次PM2.5的排放进一步降低为基准年排放水平的24%；虽然短期内工业产值与末端去除率增速的竞争使得GBA地区VOCs总排放量略有上升（相比2015年排放升高了约4%），但严格的末端管控政策到2050年依然实现了73%的VOCs减排。54图46多种情景下基准及未来年份GBA地区一次污染物年排放总量变化路径。Pow、Ind、Res、Tra及Arg分别表示能源、工业、居民、交通和农业部门。其中15deg为1.5-Degree的简写，15deg-frozen、15deg-CLE和BAU-CLE分别对应1.5-Degree_frozn、1.5-Degree_CLE和BaU_CLE情景，下文图中标注同理在同时考虑气候政策和充分实施现有的严格末端排污控制措施的情景中（1.5-Degree_CLE），GBA地区几种一次污染物排放的变化路径与BaU_CLE情景相似，且在每一个时段都会有更大的减排幅度。相比于BaU_CLE情景，1.5-Degree_CLE情景在2050年可带来额外的8.6GgNOx、4.2GgSO2、0.4GgNH3、1.7GgPM2.5和5.4GgVOCs的减排，即在严格落实现有末端控制政策规划的基础上，气候政策在降低净温室气体排放的同时，也能够进一步提升一次污染物的减排潜力。综上所述，从排放变化的角度而言，气候政策对空气质量改善的协同效益主要体现在两个方面：其一，气候政策在短、中、长期内都能有效减少NOx与SO2的排放，从而减少NO2、SO2等污染气体在大气中的浓度，并限制以之为前体物的二次污染物（如O3、颗粒物等）的生成。另一方面，气候政策的实施使得现有末端控制措施的减排成效和减排潜力有所提升。然而，考虑到PM2.5和O3复杂的非线性的化学生成机制，仅依据排放变化难以准确评估空气质量的改变。空气质量模型的使用对定量评估气候55和大气污染治理政策对空气质量的影响和后续的人群健康影响，从而指导具体措施的动态调整，起到了至关重要的作用。4.4;<_$d89:CDetu,EFJKfg4.4.1O3'(Z[kl本研究使用WRF-Chem模型，结合上一部分所述的未来的排放变化，进行了9组未来情景的模拟。模拟时段均为9月28日至10月31日，其中前三天用于模式初始化，重点对GBA地区9km分辨率（d02）的10月1~31日的近地面O3及PM2.5浓度进行分析。在模拟过程中，本研究未考虑中国以外的其它模拟区域的排放变化（即九组试验中国以外的亚洲区域人为排放均使用MIX2010年排放清单）和未来气象场的变化，旨在讨论和量化我国的气候和末端控制政策变化对本土O3及PM2.5污染的影响。图4-7模式d02区域模拟的10月近地面MDA8O390百分位数（即10月第四高值，单位：μg/m3）空间分布。从上到下的三行分别表示1.5-Degree_frozen、1.5-Degree_CLE和BaU_CLE情景，自左往右的三列分别表示2025年、2030年和2050年，每个子图右下角标注的黑色、蓝色和红色数值分56别表示GBA区域（黑色粗框线范围内）平均的近地面MDA8O390百分位数、近地面MDA8O3均值及MDA8O3最大值。如图4-7所示，三种政策情景在短期内对GBA地区O3污染的改善程度相当，均使得2025年10月GBA地区近地面MDA8O390百分位数（MDA8O3-90Perc）从2015年的约140μg/m3降至127~129μg/m3。1.5-Degree_frozen和BaU_CLE情景中2025年GBA地区VOCs的排放相比2015年均有所上升，但NOx的减排（23~26%，约减排13~14Gg）使得O3污染略有减缓；1.5-Degree_CLE情景中，尽管NOx减排更多（41%，约减排22.8Gg），该方案中4.8%的VOCs减排反而弱化了更多的NOx减排对O3污染改善的收效。由此可以得出，当前整个GBA地区的O3生成受VOCs与NOx共同控制。到2030年，1.5-Degree_frozen、1.5-Degree_CLE与BaU_CLE情景10月MDA8O3-90Perc值分别为126.7μg/m3，117.4μg/m3和120.6μg/m3。1.5-Degree_frozen情景在2025-2030年间额外8%的NOx减排对O3污染的改善效率降低（图4-8所示红色线段在2025-2030年间斜率放缓），而BaU_CLE情景在2030年虽然NOx排放略高于前者，但其相比1.5-Degree_frozen情景VOCs排放降低了48%（43.3GgVS.83.7Gg），使得BaU_CLE方案中GBA地区2030年10月的O3评价值相比1.5-Degree_frozen方案减小了6μg/m3。1.5-Degree_CLE方案相比BaU_CLE方案在2030年额外减排14GgNOx与6.2GgVOCs，使得GBA地区O3评价值进一步减小约3μg/m3。从短期到中期这一时段，不同政策情景间O3污染的差异由VOCs排放的差异主导。而到2050年，BaU_CLE情景与1.5-Degree_frozen情景巨大的VOCs排放差异（15GgVS.182Gg）仅带来了约6μg/m3的近地面O3评价值的改善，而1.5-Degree_CLE情景相比BaU_CLE情景额外的5.4Gg的VOCs减排与8.6Gg的NOx减排使得到10月的MDA8O3-90Perc模拟结果从97.8μg/m3降至86.3μg/m3（图4-8），GBA地区近地面MDA8O3浓度最高值也在90μg/m3以下，低于我国臭氧污染一级标准（100μg/m3）。这表明在NOx排放量很低的情景中，GBA地区近地面O3生成机制来到了NOx控制区，NOx进一步的深度减排取得了显著的O3污染改善。57图4-8不同政策情景下GBA地区O3评价指标的变化路径。空心圆圈表示10月份MDA8O3的90百分位数（即第三大值），填色三角标识10月MDA8O3最大值；红色、深蓝、浅蓝色分别表示1.5-Degree_frozen、1.5-Degree_CLE和BaU_CLE三种政策情景。综合以上分析，同时采取气候政策和执行现有末端治理政策规划（即1.5-Degree_CLE情景），可能会使得2050年GBA地区的O3污染得到全面改善，O3浓度达标。在这一过程中，中短期内VOCs的减排与长期NOx的深度减排对O3污染治理至关重要，应当在不同阶段制定对于这两种前体物的针对性的减排措施，以最大化空气质量改善效益，并降低治理成本。4.4.2PM2.5'(Z[kl3种政策情景中，GBA地区能源、工业及交通部门一次PM2.5、NOx和SO2在短期内的大幅减排（三种污染物减排比例分别为39%~57%、24%~41%、38%~50%）使得2025年10月GBA地区近地面平均PM2.5浓度由2015年的41.2μg/m3降低到22.4~25.5μg/m3（图4-9、图4-10）。中长期看来，尽管1.5-Degree_frozen与BaU_CLE情景估计的二次PM2.5前体物NOx与SO2的减排幅度相当，但前者较高的NH3和VOCs排放与一次颗粒物排放随末端需求的增加导致GBA地区2050年的近地面PM2.5浓度回升至27.2μg/m3，而依据现有标准持续加强末端减污力度（BaU_CLE情景）将大幅减少一次颗粒物与VOCs的过程排放以及交通部门的NH3排放，从而在2050年进一步将GBA地区近地面PM2.5平均浓度降低至13μg/m3（图4-10），并实现GBA地区10月份全域PM2.5浓度达标（低于35μg/m3；图4-9右下）。1.5-Degree_CLE情景下GBA地区PM2.5浓度变化路径与BaU_CLE情景相似，由于同时考虑气候与末端控制双重政策措施的实施，58该情景中PM2.5浓度在每个时段都略低于BaU_CLE情景约2μg/m3（图4-10），使得2050年该情景模拟得到更低的GBA地区平均PM2.5浓度（11.3μg/m3），接近世界卫生组织（WHO）制定的第四阶段过渡目标（10μg/m3）。图4-9模式d02区域模拟的10月平均近地面PM2.5浓度（单位：μg/m3）空间分布。从上到下的三行分别表示1.5-Degree_frozen、1.5-Degree_CLE和BaU_CLE情景，自左往右的三列分别表示2025年、2030年和2050年，每个子图右下角标注的黑色数值为GBA区域（黑色粗框线范围内）近地面PM2.5平均浓度。结合未来多种情景下O3和PM2.5污染的演变路径可以看出，对GBA地区而言，O3与PM2.5污染的协同治理体现在两个维度：在污染物排放种类方面，NOx作为O3与PM2.5的共同前体物，其在政策驱动下短期内的大幅减排将可能使得2025年这一地区维持PM2.5浓度达标，同时降低O3污染的程度和范围；在空间分布层面，如图7与图9所示，GBA南部的珠海、中山、东莞、江门、佛山等城市相比其它城市在10月份有更高的PM2.5与O3浓度，而除了1.5-Degree_frozen情景，其余的情景倾向于同时缓解这些城市地区的O3与PM2.5污染。59图4-10不同政策情景下GBA地区近地面平均PM2.5浓度的变化路径。红色、深蓝、浅蓝色分别表示1.5-Degree_frozen、1.5-Degree_CLE和BaU_CLE三种政策情景。综上，气候政策在短期内便能获得较为可观的减缓PM2.5污染的协同效益，但长期来看，末端排污管控是治理GBA地区空气污染的主要措施，而气候政策的实施对末端治理措施有“增效”的作用。考虑到未来我国人口结构可能的变化，2050年从CLE情景下气候政策带来的额外13%的PM2.5污染缓解仍有可能带来可观的健康效益。虽然所有情景下未来GBA地区平均PM2.5长期处于我国一级指标规定的35μg/m3以下的浓度范围，但离WHO给出的5μg/m3的指导值仍有一段距离。考虑到末端治理政策在中长期治理PM2.5污染中的关键作用，可在现有政策规划基础上，考虑未来的技术进步，针对重点工业部门和交通行业，制定更严格的末端治理政策，以追求更清洁的空气质量和更大的健康效益。4.4.3EFmn;oklpqrs12本研究当前的模拟仅针对10月份开展，虽然10月是GBA地区主要的O3污染季，却不是PM2.5污染最为严重和频发的时段，因此仅使用一个月的模拟结果进行分析，可能会影响定量化评估未来政策背景下GBA地区污染改善程度的准确性；其次，本研究仅考虑了政策驱动下GBA地区未来一次污染排放量的变化，排放清单中设置未来的一次排放空间分布、包括VOCs中具体物种的相对比例都与基准年保持一致。然而，随着未来产业结构的转型，排放的空间分布与VOCs中每个具体物种的占比必然会发生变化，进而影响O3与PM2.5浓度的模拟结果；此外，考虑到O3的生成受气象因素影响巨大，未考虑气候变化背景下未来气象场的变化也是目前未来污染物浓度模拟结果不确定性的来源之一。60基于以上的不确定性分析，本研究之后的工作将围绕降低模拟结果不确定性及定量分析各部门减排影响展开，主要包括：①增加其它典型月份的模拟，分析不同季节PM2.5与O3污染未来变化路径的一致性；②设计敏感性试验，定量各个部门的减排对GBA地区空气质量改善的贡献，并评估本地减排政策与传输贡献；③结合综合评估模型对减排成本的预测，给出GBA地区最优O3达标减排方案的建议。4.5;<_$d89:CDjvR,kwxyJK在气候和末端治理政策的驱动下，未来排放的变化可能会导致近地面O3生成对前体物NOx及VOCs的敏感性发生变化（Liuetal.,2021;Wangetal.,2013）。本研究采用近地面平均H2O2/HNO3浓度比值这一指标，评估了基准模拟及多种情景下未来GBA地区O3生成对前体物敏感性的变化。对流层O3的形成过程中，自由基通过以下反应终止：HO9+HO9+M→H9O9+O9+M（公式4−1）HO9+RO9→ROOH+O9（公式4−2）OH+NO9+M→HNO=+M（公式4−3）RC(O)O9+NO9↔PANs（公式4−4）其中（1）和（3）反应所示的自由基终止过程分别生成产物H2O2与HNO3。在NOx浓度较高时，OH自由基优先与NO2反应生成HNO3，而在VOCs相对充足时，反应（1）和（2）更易发生，倾向于得到更多产物H2O2。因此，可以用反应产物H2O2与HNO3浓度的相对大小来表征大气中参与反应的VOCs与NOx的相对含量。当H2O2/HNO3这一比值较大，意味着VOCs相对充足，O3生成倾向于对NOx敏感，反之，则是对VOCs更为敏感。61图4-112015年10月近地面平均H2O2/HNO3模拟浓度比值的空间分布。右下角的数值表示这一指标在GBA地区（黑色粗框线范围内）的区域平均值。图4-11展示了基准模拟（2015年10月）得到的平均H2O2/HNO3浓度比值的空间分布。可以看到，在GBA地区的东北和西北部（肇庆、广州北部及惠州等地），这一比值较大（0.8~2），而GBA中部和南部（广州南部、佛山、中山、珠海、澳门等地）这一比值较小，为0.2~0.5，意味着这些地区相比前者，其化学生成对VOCs更为敏感，中短期内VOCs的减排在这些地区将能获得更大的O3污染协同改善的效益。结合O3浓度评价指标的空间分布，GBA中部和南部的近地面O3平均浓度较低，但有着更高的MDA8O3浓度，BaU_CLE政策情景相比1.5-Degree_frozen有着更少的VOCs排放，能有效降低这一区域内10月份的MDA8O3高值，从而在中短期内获得更大的O3污染协同改善。62图4-12未来年份10月近地面平均H2O2/HNO3浓度比值的空间分布。从上到下的三行分别表示1.5-Degree_frozen、1.5-Degree_CLE和BaU_CLE情景，自左往右的三列分别表示2025年、2030年和2050年，每个子图右下角的数值表示这一指标在GBA地区（黑色粗框线范围内）的平均值。在不同的政策情景下，GBA地区未来H2O2/HNO3比值变化幅度也有所不同（图4-12）。整体而言，随着NOx排放的大幅降低，所有情景下未来年份中GBA地区这一比值的平均值相比于基准模拟结果（0.76）均会增大，即近地面O3生成对NOx的敏感性将会增加。不同地区间对比，GBA西北部地区H2O2/HNO3比值增幅相比南部更大，可能是由于这一区域的H2O2/HNO3比值本就较大，NOx减排引起的HNO3浓度降低会产生更大的比值增幅。不同政策情景对比来看，以2050年的结果为例，1.5-Degree_frozen情景模拟的H2O2/HNO3比值增幅较BaU_CLE情景更大（3.17VS.2.76），是因为二者带来的NOx减排程度相近，但前者VOCs排放更多，使其模拟得到的H2O2浓度更大。1.5-Degree_CLE情景相比于BaU_CLE有更低的VOCs排放，但结合了气候政策，这一情景下未来NOx排放进一步降低，因而有更大的H2O2/HNO3比值增幅（ΔH2O2/HNO3=3.92），意味着在这种情景下，未来GBA地区近地面O3的生成对NOx排放变化更为敏感，这也解释了图4-8所示的中长期气候政策主导的NOx减排相比加强的末端控制政策主导的VOCs减排能带来更大的O3污染改善收益这一结论。63如上所述，对GBA地区近地面O3生成对前体物敏感性变化的研究一方面为理解未来O3污染随排放变化的驱动机制提供帮助，另一方面也可为分阶段制定适当的污染减排策略提供理论指导。64#K%&'()+>?)LMNO3@PLQRN895.1!"%&OH自由基是对流层中主要的氧化剂，能够和大部分污染气体反应，控制污染气体的浓度和寿命，OH的水平是决定二次污染物的水平的重要因素。CH4是除CO2以外第二重要的人为排放温室气体，认为来源占全球CH4排放的50%-65%。根据IPCC2020年报告，在20年的时间范围内，CH4的全球变暖潜力（GWP）为86，100a的GWP为28。全球CH4排放量每年以较快速度增长，其化学寿命主要由OH自由基氧化反应控制。图5-1对流层大气光化学反应NOx和VOCs的排放对二次污染物及自由基的影响原理复杂，OH水平取决于与OH生成相关的光解过程以及VOCs和CO等污染物的总活性，可用盒子模型模拟研究。本研究采用的盒子模型为Wolfe于2016年开发的F0AM模型，以2022年臭氧季气象条件和规划排放水平输入盒子模型，以增强模拟的拟真程度。5.20Gz{'8NDKy本研究中的排放情景预测与1.4节中一致，时间上设置为2019/2025/2030/2050四个节点，3类减排情景分别对应不同强度的NOx、CO和VOCs削减强度。盒子模型的设置区分为地理条件、时间条件（与地理条件共同影响光照水平）、气象条件和一次污染物条件三类，其中对于大湾区的模拟，地理条件选用广州市地理坐标（113°E，22°N），时间条件选用2022年7-10月臭氧污染季时间，模型自动设置对应的太阳高度角65和光解速率。气象条件选用温度、湿度、气压的卫星观测数据，一次污染物条件中，CO和NOx选用2022年7-10月臭氧污染季日均值，VOCs物种比例分配参照2020年中国重点城市VOCs物种比例，排放强度参照预设排放情景。未来年份具体削减比例见表5-1。表5-13种减排情景下一次污染物削减水平现有减排情景NOx排放改变(%)CO排放改变(%)VOCs排放改变(%)20190.000.000.00202520.6816.5323.87203041.5532.6751.80205096.7570.7858.95规划减排情景20190.000.000.002025-21.57-4.98-19.882030-38.58-13.01-45.552050-78.26-89.06-57.01加严减排情景20190.000.000.002025-41.91-15.36-34.612030-49.82-26.23-58.762050-84.32-90.23-73.11大湾区未来O3最大8小时盒子模型模拟结果如图5-2。对于O3而言，在现有减排条件下，从2020到2030年O3最大8小时浓度上升明显，直到2050年仍处于缓慢上升态势。而在规划减排和加严减排条件下，最大8小时浓度削减明显，2050年可达到小于50ppb的终值。同时，加严减排情景在2025年和2030年对O3水平的削减力度更强。对于OH水平而言，在现有减排条件下，从2020到2050年OH水平在高于2×106molecule/m3水平保持较稳定。而在规划减排和加严减排条件下，最大8小时浓度削减明显，2050年可达到小于50ppb的终值。同时，加严减排情景在2025年和2030年对O3水平的削减力度更强。66图5-23种减排情景下O3最大8小时浓度变化5.3/0fg'EKMA34以观测值约束的盒子模型计算O3、OH和HO2的EKMA曲线，分别控制NOx浓度和VOCs浓度倍数在0-1.2倍，计算每个对应不同前体物浓度比例格点的日间O3浓度最大值，并添加现有的减排时间节点的削减比例指针，如图5-3、图5-4和图5-5。如图5-3所示，2020年大湾区O3最大8小时浓度位于60ppb左右，在规划削减比例下，2025到2050年O3水平较为稳定，削减NOx的同时需要匹配强VOCs削减力度，如果只削减NOx而缺失对VOCs的削减力度，反会使O3浓度升高。对于图5-4，在规划削减比例下，2025到2050年OH水平逐渐上升到4×106molecule/m3浓度区间，能够有效增强大气氧化性水平。对于图5-5，在规划削减比例下，2025到2050年HO2水平也逐渐上升，但上升水平较为缓慢，不如OH浓度水平的上升迅速。以O3观测值约束下模拟的OH和HO2在2025到2050年的削减水平上增长，分别如图5-4和图5-5所示。图5-3大湾区O3EKMA曲线叠加未来减排规划图5-4大湾区OHEKMA曲线叠加未来减排规划0501001502002000202020402060O3最大8小时浓度(ppb)现有减排规划减排加严减排67图5-5大湾区HO2EKMA曲线叠加未来减排规划5.4/0fg'PQNR}34甲烷（CH4）是大气中水汽、CO2之后最为重要的温室气体，也是仅次于CO2的长寿命温室气体。CH4的全球平均浓度为18±1ppb，在大气中的停留时间为8-9年。自1750年以来，大气CH4浓度增加所产生的辐射强迫为0.48±0.05W/m2，对全球温室气体辐射强迫总增长的贡献约为17%。2012年大气中温室气体含量达到工业革命以来的新高，并且还在加速增长。大气中CH4的汇主要是对流层中与OH的氧化、干燥土壤中的生物氧化和平流层损失，大气中CH4最主要的清除过程就是在对流层中与OH的氧化反应，尤其是在光照充足的热带地区。气象条件的变化对CH4清除过程会产生很大的影响。例如，在高度污染地区，大气中氮氧化物充足，大气氧化过程更倾向于氮氧化物与OH反应生成臭氧，同时由于氮氧化物的存在能够循环产生OH，因此污染地区的OH浓度要高于同纬度的海洋。其他少量的CH4清除来自于对流层向平流层的向上传输损失，以及土壤中CH4氧化细菌的氧化。与对流层OH自由基的反应消耗CH4约为528Tg/年，约占总汇的77%；向平流层输送CH451Tg/年，约占总汇的7%；通气良好的表层干燥土壤所消耗的大气CH4的量约为28Tg/年，约占CH4总汇的4%左右。以大湾区气象观测值和按减排比例规划约束前体物排放的盒子模型计算年际尺度的OH浓度水平变化，发现随着NOx和VOCs的削减水平逐年增强，前体物浓度降低显著，在既定的削减比例下OH浓度有较快增长，从约5×105molecule/m3浓度增长到1.6×106molecule/m3浓度，如图5-6。对流层其化学寿命主要由OH自由基氧化反应控制，其反应为：CH>+OH→CH=O9（公式5-1）68甲烷与OH反应寿命：𝜏(CH>)=/?·[BC]（公式5-2）由此可得到CH4在规划减排强度下的化学寿命水平如图5-6，从大于10年逐渐缩减到小于4年的水平（图5-7），平均寿命降低显著，这表明强有力的规划减排可有效减少CH4GWP水平，有利于达成双碳目标。图5-6规划减排情景下OH年际浓度变化图5-7规划减排情景下CH4寿命年际变化69#S%TU近年以来，粤港澳大湾区PM2.5浓度得到快速削减，NOx浓度缓慢下降，一次污染物总量控制成效显著，但粤港澳地区PM2.5污染问题依然存在。同时该地区城市臭氧污染呈波动上升态势，表明二次污染问题日益突出。粤港澳地区的大气污染治理需要从一次污染物总量控制逐渐趋向以空气质量为导向的多污染物协同治理。未来的治理措施将逐渐转变为减污降碳协同治理，以源头治理为主，末端治理为辅，必须谨慎设计多污染物跨介质、多尺度跨区域、多学科跨行业、多目标协调统筹的精细化调控策略。2015~2021年，粤港澳大湾区CO背景值逐年下降，主要可归功于周边省份一次污染物排放的削减。O3背景值在2015~2021年持续在32ppb上下波动，在2020年疫情爆发后，受封城停工影响，广州、珠海及大湾区整体背景O3有明显下降，表明人为源排放对臭氧背景值的影响显著。对于CO2，大湾区地区CO2排放总体得到控制，增幅逐渐减小；一次污染物的主要减排贡献源都集中在火力发电、道路移动源和工业部门排放源，一次污染物的排放管控取得显著成效。GBA地区CO2及污染物协同减排效应分析发现，珠三角地区在“十三五”期间，仅有火力发电和道路移动源实现CO2和污染物的协同减排，总体尚未实现协同减排；香港地区协同减排成效较好，除非道路移动源外，均已实现CO2和污染物的协同减排。应用IMED-CGE模型，发现气候政策将对传统经济产生巨大的影响。在2℃和1.5℃目标下，2050年GBA总产出分别减少2.3%和3.7%，GDP损失3.3%和4.3%。为减少碳排放，降低能源强度和调整关键部门的能源结构至关重要：（1）降低能源强度可以抵消经济产出扩张带来的碳排放增加。随着时间的推移，能源结构转型的贡献将变得越来越重要，电力部门作为主要的终端能源和中间投入，在GBA的减排中起到了核心作用。（2）气候政策可以有效地减少大气污染物的排放，但这种效果对于不同的污染物和部门是不同的。NOx和SO2与碳减排的协同程度相对较高，相比之下，VOCs、NH3和一次PM2.5与碳减排的协同作用较小，为此应优先关注协同程度高、减排成本低的部门。70研究应用WRF-Chem模型，发现气候政策和末端治理政策对NOx与SO2的减排幅度相当，但对于主要来自工业过程的一次PM2.5与VOCs排放，需考虑按现有政策加强末端管控力度才能有效控制：（1）综合多种情景分析，GBA地区短期（2030年前）与长期（2050年）O3污染改善的驱动因子不同，短期内VOCs的减排对O3污染改善更为显著，而随着O3生成对NOx敏感性增加，深度减排NOx的臭氧污染改善受益将逐渐增大。（2）对PM2.5的治理而言，气候政策的实施在短期内便能收获显著的PM2.5的协同改善，但仍需长期持续强化末端治理，才可能进一步降低PM2.5浓度。长期来看，强化末端治理是治理GBA地区空气污染的主要措施，而气候政策的实施对末端控制措施有“增效”作用。研究应用大气化学盒子模型，发现规划减排情景和加严减排情景可以使大湾区O3最大8小时浓度平明显下降：（1）在加严减排情景下，大湾区O3水平在2025−2030年间削减更快。在以2022年臭氧季观测值约束NOx和VOCs，采用GBA最大8小时O3值模拟的EKMA图中，2025到2050年O3水平较为稳定，削减NOx的同时需要匹配强VOCs削减力度。（2）在规划减排情景下，逐年约束NOx与VOCs排放，2020−2050年对流层OH水平逐年增长，大气氧化性提高；2020−2050年CH4平均寿命降低显著，可有效减少甲烷GWP。71VWXYChen,D.S.,Zhang,Y.,Lang,J.L.,Zhou,Y.,Li,Y.,Guo,X.R.,Wang,W.L.,andLiu,B,2019:Evaluationofdifferentcontrolmeasuresin2014tomitigatetheimpactofshipemissionsonairqualityinthePearlRiverDelta,China,AtmosphericEnvironment,216.Chen,D.,Z.Q.Liu,J.Fast,andJ.M.Ban,2016:Simulationsofsulfate-nitrate-ammonium(SNA)aerosolsduringtheextremehazeeventsovernorthernChinainOctober2014.AtmosphericChemistryandPhysics,16,10707-10724.Cheng,J.,Tong,D.,Zhang,Q.,Liu,Y.,Lei,Y.,Yan,G.,Yan,L.,Yu,S.,Cui,R.Y.,Clarke,L.,Geng,G.N.,Zheng,B.,Zhang,X.Y.,Davis,S.J.,andHe,K.B.,2021:PathwaysofChina'sPM2.5airquality2015-2060inthecontextofcarbonneutrality,NationalScienceReview,8.Cui,H.Y.,Chen,W.H.,Dai,W.,Liu,H.,Wang,X.M.,andHe,K.B,2015:SourceapportionmentofPM2.5inGuangzhoucombiningobservationdataanalysisandchemicaltransportmodelsimulation,AtmosphericEnvironment,116,262-271.Grell,G.A.,S.E.Peckham,R.Schmitz,S.A.McKeen,G.Frost,W.C.Skamarock,andB.Eder,2005:Fullycoupled"online"chemistrywithintheWRFmodel.Atmos.Environ.(Netherlands),39,6957-6975.Guenther,A.,T.Karl,P.Harley,C.Wiedinmyer,P.I.Palmer,andC.Geron,2006:EstimatesofglobalterrestrialisopreneemissionsusingMEGAN(ModelofEmissionsofGasesandAerosolsfromNature).AtmosphericChemistryandPhysics,6,3181-3210.Hong,S.Y.,Y.Noh,andJ.Dudhia,2006:Anewverticaldiffusionpackagewithanexplicittreatmentofentrainmentprocesses.MonthlyWeatherReview,134,2318-2341.Huang,Zhijiong,ZhuangminZhong,QingeSha,YuanqianXu,ZhiweiZhang,LiliWu,YuzhengWang,LihangZhang,XiaozhenCui,MingShuangTang,BowenShi,ChuanzengZheng,ZhenLi,MingmingHu,LinlinBi,JunyuZheng,MinYan,2021:AnUpdatedModel-ReadyEmissionInventoryforGuangdongProvincebyIncorporatingBigDataandMappingontoMultipleChemicalMechanisms.ScienceofTheTotalEnvironment769(May):144535.Janjic,Z.I.,1990:TheStep-MountainCoordinate-PhysicalPackage.MonthlyWeatherReview,118,1429-1443.Janjic,Z.I.,1994:TheStep-MountainEtaCoordinateModel-FurtherDevelopmentsoftheConvection,ViscousSublayer,andTurbulenceClosureSchemes.MonthlyWeatherReview,122,927-945.Jia,M.W.,Zhao,T.L.,Cheng,X.H.,Gong,S.L.,Zhang,X.Z.,Tang,L.L.,Liu,D.Y.,Wu,X.H.,Wang,L.M.,andChen,Y.S,2017:InverseRelationsofPM2.5andO-3inAirCompoundPollutionbetweenColdandHotSeasonsoveranUrbanAreaofEastChina,Atmosphere,8.Li,M.,andCoauthors,2017:MIX:amosaicAsiananthropogenicemissioninventoryundertheinternationalcollaborationframeworkoftheMICS-AsiaandHTAP.AtmosphericChemistryandPhysics,17,935-963.Liu,Z.Z.,Doherty,R.M.,Wild,O.,Hollaway,M.,andO'Connor,F.M,2021:ContrastingchemicalenvironmentsinsummertimeforatmosphericozoneacrossmajorChineseindustrialregions:theeffectivenessofemissioncontrolstrategies,AtmosphericChemistryandPhysics,21,10689-10706.Miao,R.,Chen,Q.,Shrivastava,M.,Chen,Y.,Zhang,L.,Hu,J.,Zheng,Y.,andLiao,K,2021:Process-basedandobservation-constrainedSOAsimulationsinChina:theroleof72semivolatileandintermediate-volatilityorganiccompoundsandOHlevels,Atmos.Chem.Phys.,21,16183–16201.Nault,B.A.,Jo,D.S.,McDonald,B.C.,Campuzano-Jost,P.,Day,D.A.,Hu,W.,Schroder,J.C.,Allan,J.,Blake,D.R.,Canagaratna,M.R.,Coe,H.,Coggon,M.M.,DeCarlo,P.F.,Diskin,G.S.,Dunmore,R.,Flocke,F.,Fried,A.,Gilman,J.B.,Gkatzelis,G.,Hamilton,J.F.,Hanisco,T.F.,Hayes,P.L.,Henze,D.K.,Hodzic,A.,Hopkins,J.,Hu,M.,Huey,L.G.,Jobson,B.T.,Kuster,W.C.,Lewis,A.,Li,M.,Liao,J.,Nawaz,M.O.,Pollack,I.B.,Peischl,J.,Rappenglück,B.,Reeves,C.E.,Richter,D.,Roberts,J.M.,Ryerson,T.B.,Shao,M.,Sommers,J.M.,Walega,J.,Warneke,C.,Weibring,P.,Wolfe,G.M.,Young,D.E.,Yuan,B.,Zhang,Q.,deGouw,J.A.,andJimenez,J.L,2021:Secondaryorganicaerosolsfromanthropogenicvolatileorganiccompoundscontributesubstantiallytoairpollutionmortality,Atmos.Chem.Phys.,21,11201–11224.Pai,S.J.,Heald,C.L.,Pierce,J.R.,Farina,S.C.,Marais,E.A.,Jimenez,J.L.,Campuzano-Jost,P.,Nault,B.A.,Middlebrook,A.M.,Coe,H.,Shilling,J.E.,Bahreini,R.,Dingle,J.H.,andVu,K,2020:Anevaluationofglobalorganicaerosolschemesusingairborneobservations,Atmos.Chem.Phys.,20,2637–2665.Sha,Qing’e,ManniZhu,HewenHuang,YuzhengWang,ZhijiongHuang,XuechiZhang,MingshuangTang,MenghuaLu,ChengChen,BowenShi,ZixiChen,LiliWu,ZhuangminZhong,ChengLi,YuanqianXu,FeiYu,GuanglinJia,SongdiLiao,XiaozhenCui,JunwenLiu,JunyuZheng,2021:ANewlyIntegratedDatasetofVolatileOrganicCompounds(VOCs)SourceProfilesandImplicationsfortheFutureDevelopmentofVOCsProfilesinChina.ScienceofTheTotalEnvironment793:148348.Shi,X.R.,Zheng,Y.X.,Lei,Y.,Xue,W.B.,Yan,G.,Liu,X.,Cai,B.F.,Tong,D.,andWang,J.N,2021:AirqualitybenefitsofachievingcarbonneutralityinChina,ScienceoftheTotalEnvironment,795.Tong,D.,Cheng,J.,Liu,Y.,Yu,S.,Yan,L.,Hong,C.,Qin,Y.,Zhao,H.,Zheng,Y.,Geng,G.,Li,M.,Liu,F.,Zhang,Y.,Zheng,B.,Clarke,L.,andZhang,Q,2020:DynamicprojectionofanthropogenicemissionsinChina:methodologyand2015–2050emissionpathwaysunderarangeofsocio-economic,climatepolicy,andpollutioncontrolscenarios,AtmosphericChemistryandPhysics,20,5729-5757.Vandyck,T.,Keramidas,K.,Tchung-Ming,S.,Weitzel,M.,andVanDingenen,R,2020:Quantifyingairqualityco-benefitsofclimatepolicyacrosssectorsandregions,ClimaticChange,163,1501-1517.Wang,Y.X.,Shen,L.L.,Wu,S.L.,Mickley,L.,He,J.W.,andHao,J.M,2013:SensitivityofsurfaceozoneoverChinato2000-2050globalchangesofclimateandemissions,AtmosphericEnvironment,75,374-382.Wiedinmyer,C.,Akagi,S.K.,Yokelson,R.J.,Emmons,L.K.,Al-Saadi,J.A.,Orlando,J.J.,andSoja,A.J,2011:TheFireINventoryfromNCAR(FINN):ahighresolutionglobalmodeltoestimatetheemissionsfromopenburning,Geosci.ModelDev.,4,625–641.Zaveri,R.A.,andL.K.Peters,1999:Anewlumpedstructurephotochemicalmechanismforlarge-scaleapplications.JGeophysRes-Atmos,104,30387-30415.Zaveri,R.A.,R.C.Easter,J.D.Fast,andL.K.Peters,2008:ModelforSimulatingAerosolInteractionsandChemistry(MOSAIC).JGeophysRes-Atmos,113.Zhan,J.M.,Wang,M.Y.,Liu,Y.H.,Feng,C.M.,Gan,T.,Li,L.,Ou,R.W.,andDing,H,2020:Impactofthe'13thFive-YearPlan'PolicyonAirQualityinPearlRiverDelta,China:ACaseStudyofHaizhuDistrictinGuangzhouCityUsingWRF-Chem,AppliedSciences-Basel,10.73Zhang,L.,andCoauthors,2018:AgriculturalammoniaemissionsinChina:reconcilingbottom-upandtop-downestimates.AtmosphericChemistryandPhysics,18,339-355.Zhu,J.,Chen,L.,Liao,H.,andDang,R.J,2019:CorrelationsbetweenPM2.5andOzoneoverChinaandAssociatedUnderlyingReasons,Atmosphere,10.中国环境科学学会臭氧污染控制专业委员会，（2020-10-16）[2022-09-20]，中国大气臭氧污染防治蓝皮书(2020)[R/OL],https://img74.hbzhan.com/4/20201016/637384586133551705645.pdf《粤港澳大湾区能源转型中长期情景研究》项目组(2020.9).粤港澳大湾区能源转型中长期情景研究.北京,科学出版社.Cheng,J.,etal.(2021)."PathwaysofChina'sPM2.5airquality2015–2060inthecontextofcarbonneutrality."NationalScienceReview8(12).China’sStateCouncil(2019).TheOutlineoftheGuangdong-HongKong-MacaoGreaterBayAreaPlanningC.C.o.t.C.P.o.C.a.S.Council.Guangdong.Geng,G.,etal.(2021)."DriversofPM2.5airpollutiondeathsinChina2002–2017."NatureGeoscience14(9):645-650.IPCC(2022).ClimateChange2022:MitigationofClimateChange.ContributionofWorkingGroupIIItotheSixthAssessmentReportoftheIntergovernmentalPanelonClimateChange.J.S.P.R.Shukla,R.Slade,A.AlKhourdajie,R.vanDiemen,D.McCollum,M.Pathak,S.Some,P.Vyas,R.Fradera,M.Belkacemi,A.Hasija,G.Lisboa,S.Luz,J.Malley,(eds.).Cambridge,UKandNewYork,NY,USA.Jiang,J.,etal.(2021)."Two-TierSynergicGovernanceofGreenhouseGasEmissionsandAirPollutioninChina’sMegacity,Shenzhen:ImpactEvaluationandPolicyImplication."EnvironmentalScience&Technology55(11):7225-7236.Li,M.,etal.(2018)."Airqualityco-benefitsofcarbonpricinginChina."NatureClimateChange8(5):398-403.Li,N.,etal.(2019)."AirQualityImprovementCo-benefitsofLow-CarbonPathwaystowardWellBelowthe2degreesCClimateTargetinChina."EnvironmentalScience&Technology53(10):5576-5584.Lin,Z.W.,etal.(2022)."Assessmentofeconomic,environmentalandhealthbenefitsoftheenergytransitionpath—taketheGBAasanexample."ClimateChangeResearch:1-19.Lin，K.andG.Z.Wu(2021).StudyonEnvironmentalStrategiesforGreenDevelopmentintheGreaterBayAreaofGuangdong,HongKongandMacau(inChinese).Beijing,ChinaEnvironmentPublishingGroup.Luo,Y.,etal.(2022)."Theimpactsofcarbonemissiontradingmechanismonthepowertransitionpathway-takingGuangdong-HongKong-MacaoGreaterBayAreaasanexample."JournalofCleanerProduction330:129894.Shen,M.H.andY.C.Yang(2020).AnnualReportonCoordinatedDevelopmentoftheGuangdong-HongKong-MacaoGreaterBayArea(2020)(InChinese).Beijing,SocialScienceAcademicPress(China).Tang,R.,etal.(2022)."Airqualityandhealthco-benefitsofChina’scarbondioxideemissionspeakingbefore2030."NatureCommunications13(1):1008.Wang,P.,etal.(2021)."Assessmentoflow⁃carbontransitionpathofpowerinGBAbasedontheCGEModel(InChinese)."Chinapopulation，resourcesandenvironment31(10):90-104.Wood,R.andM.Lenzen(2009)."Structuralpathdecomposition."EnergyEconomics31(3):335-341.Xu,H.W.,etal.(2021)."Impactassessmentofpowersystemtransitiononindustrialsectorsunderdualcarbontargets——TaketheGreaterBayAreaasanexample(Chinese)."ChinaEnvironmentalScience21(2).74Xu,H.W.,etal.(2022)."ResearchonthespeedcontrolstrategyoflowcarbonpowertransitionbasedonCGEmodel—taketheGBAasanexample(InChinese)."ClimateChangeResearch18(1):81-96.Zhou,Y.,etal.(2018)."Emissionsandlow-carbondevelopmentinGuangdong-HongKong-MacaoGreaterBayAreacitiesandtheirsurroundings."AppliedEnergy228:1683-1692.Zhou,Y.,etal.(2021)."PathwaystoamoreefficientandcleanerenergysysteminGuangdong-HongKong-MacaoGreaterBayArea:Asystem-basedsimulationduring2015-2035."Resources,ConservationandRecycling174:105835.Zhou,Z.andL.Zhang(2022)."Sustainablewastemanagementandwastetoenergy:ValuationofenergypotentialofMSWintheGreaterBayAreaofChina."EnergyPolicy163:112857.Zhu,Y.(2015).EndogenousEconometricModelsandMulti-StageEstimationinHigh-DimensionalSettings:TheoryandApplications,UniversityofCalifornia,Berkeley.####$%&'#!!"#$%&'()+,-./0123456789:);34<=>?@/01A<=>?@;BCD+,EFGHI/JKL);MNO8PQD+RS/TUVWXNA"!"YZG[\]^_`aGbcd)e;9fghijk<=>?@lmnopq)orstZG/uvwx]^_`aGbcA"Disclaimer-Unlessotherwisespecified,theviewsexpressedinthisreportarethoseoftheauthorsanddonotnecessarilyrepresenttheviewsofEnergyFoundationChina.EnergyFoundationChinadoesnotguaranteetheaccuracyoftheinformationanddataincludedinthisreportandwillnotberesponsibleforanyliabilitiesresultingfromorrelatedtousingthisreportbyanythirdparty.-Thementionofspecificcompanies,productsandservicesdoesnotimplythattheyareendorsedorrecommendedbyEnergyFoundationChinainpreferencetoothersofasimilarnaturethatarenotmentioned.
VIP
