劉茂輝,劉勝楠,李 婧,孫 猛,陳 魁*

天津市減污降碳協(xié)同效應(yīng)評(píng)估與預(yù)測(cè)

劉茂輝1,劉勝楠2,李 婧1,孫 猛1,陳 魁1*

(1.天津市生態(tài)環(huán)境監(jiān)測(cè)中心,天津 300191；2.天津天濱瑞成環(huán)境技術(shù)工程有限公司,天津 300190)

為評(píng)估和預(yù)測(cè)天津市減污降碳協(xié)同效應(yīng),采用減排量彈性系數(shù)法評(píng)估減污降碳協(xié)同效應(yīng),基于STIRPAT模型預(yù)測(cè)天津市“十四五”期間的減污降碳協(xié)同效應(yīng),并分情景預(yù)測(cè)天津市2026～2060年的減污降碳協(xié)同效應(yīng).結(jié)果表明:大氣污染當(dāng)量和溫室氣體的主要排放源均為工業(yè)源;2015～2017年天津市減污降碳協(xié)同效應(yīng)系數(shù)范圍為0.11～0.26,2013～2014年和2018～2020年天津市的減污降碳協(xié)同效應(yīng)系數(shù)均小于0;天津市“十四五”期間減污降碳協(xié)同效應(yīng)系數(shù)為0.06;各種情景下,2026～2060年天津市減污降碳協(xié)同效應(yīng)系數(shù)均大于0.天津市2011～2020年減污降碳協(xié)同效應(yīng)波動(dòng)變化,“十四五”時(shí)期或可進(jìn)入減污降碳協(xié)同增效階段.天津市要在2026～2060年實(shí)現(xiàn)較高水平的減污降碳協(xié)同增效,就需要合理控制城鎮(zhèn)化率、人口總數(shù)和地區(qū)生產(chǎn)總值,增加第三產(chǎn)業(yè)比重和高技術(shù)比重,持續(xù)降低能源強(qiáng)度.

減污降碳；協(xié)同效應(yīng)；天津

協(xié)同效應(yīng)源自于Ayers等[1]提出的伴生效益,伴生效益的提出是為了闡述二氧化碳等溫室氣體的減排措施可以減少其他污染物的產(chǎn)生.此后,IPCC[2]在第三次評(píng)估報(bào)告中正式提出了協(xié)同效應(yīng)的概念,協(xié)同效應(yīng)是指某項(xiàng)污染物減排措施的實(shí)施在實(shí)現(xiàn)此項(xiàng)污染物減排的同時(shí)還產(chǎn)生了其他環(huán)境效益的現(xiàn)象[3].我國能源結(jié)構(gòu)的高碳和產(chǎn)業(yè)結(jié)構(gòu)的高耗能特點(diǎn),導(dǎo)致我國大氣污染物與二氧化碳等溫室氣體具有同根、同源、同過程的特點(diǎn)[4],研究表明,減污與降碳之間可以具有良好的協(xié)同效應(yīng)[5].

國外對(duì)減污降碳協(xié)同效應(yīng)的研究起步較早,技術(shù)方法和研究應(yīng)用比較成熟[6-9].國內(nèi)對(duì)減污降碳協(xié)同效應(yīng)的研究雖然起步較晚,但發(fā)展迅速,從近10年的發(fā)展來看,減污降碳協(xié)同效應(yīng)的研究在部門、區(qū)域和方法上都有了長足的進(jìn)步.從研究部門看,涉及到工業(yè)部門(包括電力行業(yè)[10]、水泥行業(yè)[11]、鋼鐵行業(yè)[12]等)、交通部門[13]、農(nóng)業(yè)部門[14]以及集中式污染治理設(shè)施[15];從研究區(qū)域看,涉及較為廣泛,既有全國層面的[16],也有京津冀等區(qū)域?qū)用娴腫17],既有北京[18]、上海[19]、重慶[20]、黑龍江[21]等省直轄市層面的,也有廣州[22]、沈陽[23]、烏魯木齊[24]等城市層面的;從研究方法看,計(jì)算大氣污染物和二氧化碳等溫室氣體排放量常用的方法是排放因子法[25]、大氣污染物當(dāng)量法[26],評(píng)估減污降碳協(xié)同效應(yīng)常用的方法是相關(guān)系數(shù)法[27]、協(xié)同效應(yīng)評(píng)估指數(shù)法[28]、協(xié)同減排當(dāng)量法[29]、協(xié)同控制效應(yīng)坐標(biāo)系法[30]和彈性系數(shù)法[31],預(yù)測(cè)減污降碳協(xié)同效應(yīng)常用的方法是多元線性回歸分析法[32]、LEAP模型法[33]和STIRPAT模型法[34].

《2020年天津市生態(tài)環(huán)境狀況公報(bào)》[35]顯示,天津市“十三五”期間,環(huán)境空氣主要污染物濃度均顯著下降,與“十二五”末相比,“十三五”末PM2.5、PM10、SO2和NO2年平均濃度分別下降31.4%、41.4%、72.4%和7.1%.同時(shí),天津市2020年全市單位GDP碳排放強(qiáng)度預(yù)計(jì)累計(jì)下降超過22%,超額完成國家下達(dá)的20.5%的目標(biāo)要求.在減污降碳協(xié)同治理的新形勢(shì)下,天津市過去10年減污降碳協(xié)同效應(yīng)如何;天津市“十四五”規(guī)劃出臺(tái)后,“十四五”期間的減污降碳協(xié)同效應(yīng)如何;碳中和目標(biāo)提出后,天津市在2026～2060年實(shí)現(xiàn)減污降碳協(xié)同增效的路徑是什么樣的.目前,還沒有學(xué)者對(duì)天津市長時(shí)間序列的減污降碳協(xié)同效應(yīng)開展評(píng)估和預(yù)測(cè)研究.為回答以上問題,研究基于排放因子法核算2011～2020年各排放源大氣污染物和溫室氣體排放量,分析大氣污染物與溫室氣體的相關(guān)性,采用減排量彈性系數(shù)法評(píng)估2011～2020年的減污降碳協(xié)同效應(yīng),基于STIRPAT模型預(yù)測(cè)分析天津市“十四五”期間的減污降碳協(xié)同效應(yīng),并分情景預(yù)測(cè)天津市2026～2060年的減污降碳協(xié)同效應(yīng).

1 材料與方法

1.1 排放源分類

依據(jù)《城市大氣污染源排放清單編制技術(shù)手冊(cè)》[36],大氣污染源一般分為化石燃料固定燃燒源、工藝過程源、移動(dòng)源、溶劑使用源、農(nóng)業(yè)源、揚(yáng)塵源、生物質(zhì)燃燒源、儲(chǔ)存運(yùn)輸源、廢棄物處理源和其他排放源等十大類,這十大類源又可以依據(jù)污染物產(chǎn)生機(jī)理和排放特征進(jìn)一步地細(xì)分.依據(jù)《省級(jí)溫室氣體清單編制指南(試行)》[37],溫室氣體排放源一般分為能源活動(dòng)、工業(yè)生產(chǎn)過程、農(nóng)業(yè)、土地利用變化和林業(yè)、廢棄物處理等五大類,其中能源活動(dòng)又可分為化石燃料燃燒、生物質(zhì)燃燒、煤炭開采和礦后活動(dòng)逃逸、石油和天然氣系統(tǒng)逃逸.《城市大氣污染源排放清單編制技術(shù)手冊(cè)》只納入大氣污染物的直接排放源,未考慮電力調(diào)入調(diào)出等間接排放源,為方便與大氣污染物排放協(xié)同分析,研究只核算溫室氣體的直接排放,未考慮電力的調(diào)入調(diào)出和森林碳匯.為方便協(xié)同分析,需要對(duì)大氣污染源和溫室氣體排放源進(jìn)行統(tǒng)一分類,其中一級(jí)源類分為工業(yè)源、交通源、建筑源、農(nóng)業(yè)源、生活源和集中式污染治理設(shè)施,具體排放源分類見表1.

表1 減污降碳協(xié)同效應(yīng)評(píng)估排放源分類

注:/表示不涉及.

1.2 大氣污染物排放量和溫室氣體排放量核算

大氣污染物的排放量主要核算公式如下式(1):

=×EF×(100-)×10-2(1)

式中:為大氣污染物排放量,kg;為燃料消耗量或產(chǎn)品產(chǎn)量或行政區(qū)活動(dòng)水平,t;EF為污染物產(chǎn)生系數(shù),kg/t;為污染控制設(shè)施對(duì)污染物的去除效率,%.

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

=EF×A(2)

式中:為溫室氣體排放量,t;EF為燃料類型部門活動(dòng)技術(shù)類型的排放因子,t/TJ;A為燃料類型部門活動(dòng)技術(shù)類型的燃料消費(fèi)量,TJ.

1.3 大氣污染當(dāng)量核算

表2 大氣污染物折算大氣污染當(dāng)量系數(shù)

注:揮發(fā)性有機(jī)物的當(dāng)量系數(shù)值來自《揮發(fā)性有機(jī)物排污收費(fèi)試點(diǎn)辦法》(財(cái)稅〔2015〕71號(hào)),其他污染物的當(dāng)量系數(shù)值來自《中華人民共和國環(huán)境保護(hù)稅法》.

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

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

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

1.4 協(xié)同效應(yīng)系數(shù)

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

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

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

1.5 STIRPAT模型

可拓展的隨機(jī)性的環(huán)境影響評(píng)估(STIRPAT)模型源于IPAT等式,IPAT等式表達(dá)式為:

=××(5)

式中:為環(huán)境負(fù)荷;為人口規(guī)模;為富裕度;為技術(shù)水平.

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

=×P×A×T×(6)

式中:為常數(shù);、、含義同式(5);、、分別為、、的指數(shù)項(xiàng);為誤差項(xiàng).

STIRPAT模型作為定量分析各影響因素對(duì)環(huán)境負(fù)荷的一種有效方法,已被廣泛地應(yīng)用于環(huán)境保護(hù)研究中.蘇凱等[40]利用STIRPAT模型分析了福建省市域2010～2016年碳排放影響因子,探討了各因子的影響程度,指明了碳排放控制的主要領(lǐng)域.王琳杰等[41]基于STIRPAT模型揭示了鄱陽湖沉積物重金屬的主要影響因素.在利用STIRPAT模型對(duì)環(huán)境負(fù)荷的研究過程中,可以依據(jù)研究區(qū)域?qū)嶋H情況,引入其他可以對(duì)環(huán)境負(fù)荷造成影響的因素,進(jìn)而構(gòu)建擴(kuò)展的STIRPAT模型[42].由文獻(xiàn)[43]和[44]可知,人口總數(shù)、城鎮(zhèn)化率、地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)比重、能源強(qiáng)度、高技術(shù)比重等6項(xiàng)因素是天津市碳排放的主要影響因素,因此,研究選取以上6項(xiàng)因素作為自變量對(duì)STIRPAT模型進(jìn)行擴(kuò)展,構(gòu)建擴(kuò)展后的模型見式(7):

=αPUABTHg(7)

式中:為大氣污染當(dāng)量或溫室氣體排放量,t;為人口總數(shù),萬人;為城鎮(zhèn)化率,%;為地區(qū)生產(chǎn)總值,億元;為第三產(chǎn)業(yè)比重,%;為能源強(qiáng)度,t標(biāo)煤/萬元;為高技術(shù)比重,%;為常數(shù)項(xiàng),、、、、、為指數(shù)項(xiàng),為誤差項(xiàng).為了消除模型中可能存在的異方差影響,研究將所有變量進(jìn)行對(duì)數(shù)化處理,對(duì)數(shù)化之后的擴(kuò)展STIRPAT模型如式(8):

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

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

1.6 情景設(shè)置

《天津市人口發(fā)展“十四五”規(guī)劃》顯示,到2025年,天津市常住人口達(dá)到1500萬人左右,天津市“十四五”時(shí)期人口總數(shù)年均增長約為1.5%;《天津市國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)綱要》顯示,天津市“十四五”時(shí)期,城鎮(zhèn)化率達(dá)到85%(年均增長0.28個(gè)百分點(diǎn)),地區(qū)生產(chǎn)總值年均增長6%左右(其中,2021年增長6.6%),第三產(chǎn)業(yè)比重年均增長1.5%左右,能源強(qiáng)度5年累計(jì)降低15%,高技術(shù)比重達(dá)到30%以上(年均上升2.92個(gè)百分點(diǎn)).參照文獻(xiàn)[38,45-46],對(duì)天津市2026～2060年基準(zhǔn)情景、低碳情景和超低碳情景下的6項(xiàng)參數(shù)進(jìn)行設(shè)定(表3).

表3 2026～2060年減污降碳協(xié)同效應(yīng)預(yù)測(cè)中各參數(shù)設(shè)置

注:城鎮(zhèn)化率和高技術(shù)比重的數(shù)值為增長或上升的百分點(diǎn)數(shù).

1.7 數(shù)據(jù)來源

工業(yè)、交通、建筑、農(nóng)業(yè)、生活等能源數(shù)據(jù),如煤炭、焦炭、煤氣、原油、汽油、煤油、柴油、燃料油、石腦油、潤滑油、石蠟、溶劑油、石油瀝青、石油焦、液化石油氣、煉廠干氣、天然氣、液化天然氣等來自歷年的《中國能源統(tǒng)計(jì)年鑒》[47]中的“6-2天津能源平衡表”.工業(yè)生產(chǎn)過程核算所需工業(yè)主要產(chǎn)品產(chǎn)量數(shù)據(jù),交通運(yùn)輸核算所需機(jī)動(dòng)車保有量,建筑施工核算所需建筑面積,農(nóng)業(yè)源核算所需農(nóng)作物播種面積、農(nóng)產(chǎn)品產(chǎn)量,生活源核算所需餐飲業(yè)數(shù)據(jù)、人口數(shù)據(jù),模擬預(yù)測(cè)所需要的人口總數(shù)、城鎮(zhèn)化率、能源強(qiáng)度和高技術(shù)比重等數(shù)據(jù)來自歷年的天津統(tǒng)計(jì)年鑒.模擬預(yù)測(cè)所需要的地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)比重來源于歷年的天津市國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào).

2 結(jié)果與討論

2.1 相關(guān)性分析

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

圖1 天津2011～2020年大氣污染當(dāng)量和溫室氣體排放占比

表4 2011～2020年間大氣污染物和溫室氣體的源類相關(guān)性分析

注:**表示相關(guān)性在0.01水平上顯著;*表示相關(guān)性在0.05水平上顯著.

表5 2011～2020年大氣污染物和溫室氣體的時(shí)間相關(guān)性分析

注:**表示相關(guān)性在0.01水平上顯著;*表示相關(guān)性在0.05水平上顯著.

從表5可知,二氧化硫、氮氧化物、一氧化碳、揮發(fā)性有機(jī)物、氨、可吸入顆粒物、大氣污染當(dāng)量甲烷和氧化亞氮相互之間在時(shí)間上有較高的相關(guān)性;二氧化碳除與溫室氣體之間有較高相關(guān)性之外,與其他排放物在時(shí)間上相關(guān)程度都不高;大氣污染當(dāng)量與溫室氣體的Pearson相關(guān)系數(shù)為0.378,在時(shí)間上相關(guān)程度不高.

從排放源和時(shí)間相關(guān)性分析來看,大氣污染與溫室氣體的排放源均是工業(yè)源,具有同根同源的特點(diǎn),這與王金南等[5]研究結(jié)果是一致的;天津市實(shí)施“大氣污染防治行動(dòng)計(jì)劃”“藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃”以來,主要大氣污染物實(shí)現(xiàn)了逐年下降,但溫室氣體的排放在2013～2017之間逐年下降之后又略有上升,導(dǎo)致大氣污染當(dāng)量和溫室氣體在年度時(shí)間上相關(guān)程度不高.

2.2 2011～2020年協(xié)同效應(yīng)分析

圖2 天津2011～2020年減污降碳協(xié)同效應(yīng)分析

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

2.3 “十四五”期間協(xié)同效應(yīng)預(yù)測(cè)

使用偏最小二乘法,基于公式(8)和2011～2020年時(shí)期數(shù)據(jù),構(gòu)建大氣污染當(dāng)量(LAP)和溫室氣體(CO2)的預(yù)測(cè)模型如下:

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

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

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

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

由預(yù)測(cè)模型可知,對(duì)于天津地區(qū),在保持其他變量不變的情況下,人口總數(shù)每增加1%,大氣污染當(dāng)量的排放平均增加1.91%,溫室氣體的排放平均減少0.46%;城鎮(zhèn)化率每增加1%,大氣污染當(dāng)量的排放平均增加3.36%,溫室氣體的排放平均增加7.58%;地區(qū)生產(chǎn)總值每增加1%,大氣污染當(dāng)量的排放平均減少0.24%,溫室氣體的排放平均增加0.07%;第三產(chǎn)業(yè)比重每增加1%,大氣污染當(dāng)量的排放減少0.78%,溫室氣體的排放減少0.04%;能源強(qiáng)度每降低1%,大氣污染當(dāng)量的排放平均減少1.31%,溫室氣體的排放平均減少0.65%;高技術(shù)比重每增加1%,大氣污染當(dāng)量的排放平均減少0.67%,溫室氣體的排放平均減少0.04%.由公式(9)可以看出,人口總數(shù)、城鎮(zhèn)化率、能源強(qiáng)度與大氣污染當(dāng)量排放成正相關(guān),地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)比重和高技術(shù)比重與大氣污染當(dāng)量排放成反比;對(duì)大氣污染當(dāng)量排放影響程度從大到小排序依次為:城鎮(zhèn)化率>人口總數(shù)>能源強(qiáng)度>第三產(chǎn)業(yè)比重>高技術(shù)比重>地區(qū)生產(chǎn)總值.由公式(10)可以看出,城鎮(zhèn)化率、地區(qū)生產(chǎn)總值、能源強(qiáng)度與溫室氣體排放成正相關(guān),與上海市[42]、昆明市[48]和天津市[49]是一致的,但人口總數(shù)與溫室氣體排放成負(fù)相關(guān),這與以上研究是不一致的,主要是因?yàn)?013年以來天津市的溫室氣體排放是呈下降趨勢(shì)的,而人口則是呈上升趨勢(shì)的,以上城市的數(shù)據(jù)結(jié)果并未呈現(xiàn)類似規(guī)律,所以導(dǎo)致了本研究的人口總數(shù)的相關(guān)性與其他城市研究不一致的結(jié)果.因此,低碳發(fā)展要求下,需要合理控制人口總數(shù),城鎮(zhèn)化速度和地區(qū)生產(chǎn)總值增速都需要放緩,增大第三產(chǎn)業(yè)比重和高技術(shù)比重,持續(xù)增強(qiáng)能源強(qiáng)度的下降幅度.對(duì)溫室氣體排放影響程度從大到小排序依次為:城鎮(zhèn)化率>能源強(qiáng)度>人口總數(shù)>地區(qū)生產(chǎn)總值>高技術(shù)比重>第三產(chǎn)業(yè)比重.因此,城鎮(zhèn)化率、人口總數(shù)和能源強(qiáng)度是對(duì)大氣污染當(dāng)量和溫室氣體的排放影響最大的三個(gè)因素.

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

2.4 2026～2060年協(xié)同效應(yīng)預(yù)測(cè)

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

圖3 天津2021～2060減污降碳協(xié)同效應(yīng)分析

因此,低碳發(fā)展要求下,減污降碳協(xié)同效應(yīng)也隨之增強(qiáng).天津市在2026～2060年若想實(shí)現(xiàn)減污降碳協(xié)同增效,可以按照基準(zhǔn)情景設(shè)置各參數(shù);但若想實(shí)現(xiàn)較高水平的減污降碳協(xié)同增效,在基準(zhǔn)情景的基礎(chǔ)之上,需要合理控制城鎮(zhèn)化率、人口總數(shù)和地區(qū)生產(chǎn)總值,增加第三產(chǎn)業(yè)比重和高技術(shù)比重,并持續(xù)降低能源強(qiáng)度.

2.5 不確定性分析

核算大氣污染當(dāng)量和溫室氣體采用的排放因子是分別來源《城市大氣污染源排放清單編制技術(shù)手冊(cè)》和《省級(jí)溫室氣體清單編制指南(試行)》,這兩份技術(shù)手冊(cè)是面向全國范圍的,未考慮天津市本地化的排放因子,核算結(jié)果會(huì)帶來一定的不確定性;研究中未考慮電力調(diào)入調(diào)出等間接排放源,導(dǎo)致大氣污染和溫室氣體排放量的分析存在一定的不確定性;預(yù)測(cè)模型的構(gòu)建是依據(jù)2011～2020年的數(shù)據(jù)進(jìn)行構(gòu)建的,反映的是這10年整體的規(guī)律,依據(jù)該模型進(jìn)行預(yù)測(cè)分析時(shí)存在一定的不確定性.

3 結(jié)論

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

3.2 天津市“十四五”減污降碳的協(xié)同效應(yīng)系數(shù)范圍為0.05～0.10,平均值為0.06,說明依據(jù)本研究構(gòu)建的模型進(jìn)行預(yù)測(cè),天津市“十四五”期間減污降碳或可實(shí)現(xiàn)協(xié)同增效.

3.3 在基準(zhǔn)情景下,2026～2060年天津市減污降碳協(xié)同效應(yīng)系數(shù)均大于0;在低碳情景下,2026～2060年天津市減污降碳協(xié)同效應(yīng)系數(shù)也均大于0,協(xié)同效應(yīng)強(qiáng)度是基準(zhǔn)情景下的1.59倍;在超低碳情景下,2026～2060年天津市減污降碳具有更強(qiáng)的協(xié)同效應(yīng),協(xié)同效應(yīng)強(qiáng)度是基準(zhǔn)情景下的1.94倍.

3.4 天津市若在2026～2060年實(shí)現(xiàn)高水平減污降碳協(xié)同增效,就需要合理控制城鎮(zhèn)化率、人口總數(shù)和地區(qū)生產(chǎn)總值,增加第三產(chǎn)業(yè)比重和高技術(shù)比重,并持續(xù)降低能源強(qiáng)度.

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

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

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

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

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

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

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

[6] 鄭佳佳,孫 星,張牧吟,等.溫室氣體減排與大氣污染控制的協(xié)同效應(yīng)——國內(nèi)外研究綜述[J]. 生態(tài)經(jīng)濟(jì),2015,31(11):133-137.

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

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

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

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

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

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

[11] 周 穎,張宏偉,蔡博峰,等.水泥行業(yè)常規(guī)污染物和二氧化碳協(xié)同減排研究[J]. 環(huán)境科學(xué)與技術(shù),2013,36(12):164-168.

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

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

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

[13] 邢有凱,劉崢延,毛顯強(qiáng),等.中國交通行業(yè)實(shí)施環(huán)境經(jīng)濟(jì)政策的協(xié)同控制效應(yīng)研究[J]. 氣候變化研究進(jìn)展,2021,17(4):379-387.

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

[14] 何艷秋,陳 柔,朱思宇,等.中國農(nóng)業(yè)碳排放空間網(wǎng)絡(luò)結(jié)構(gòu)及區(qū)域協(xié)同減排[J]. 江蘇農(nóng)業(yè)學(xué)報(bào),2020,36(5):1218-1228.

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

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

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

[16] 馬 丁,陳文穎.中國鋼鐵行業(yè)技術(shù)減排的協(xié)同效益分析[J]. 中國環(huán)境科學(xué),2015,35(1):298-303.

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

[17] 李 新,路 路,穆獻(xiàn)中,等.京津冀地區(qū)鋼鐵行業(yè)協(xié)同減排成本-效益分析[J]. 環(huán)境科學(xué)研究,2020,33(9):2226-2234.

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

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

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

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

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

[20] 王 敏,馮相昭,杜曉林,等.工業(yè)部門污染物治理協(xié)同控制溫室氣體效應(yīng)評(píng)價(jià)——基于重慶市的實(shí)證分析[J]. 氣候變化研究進(jìn)展,2021,17(3):296-304.

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

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

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

[22] 黃 瑩,焦建東,郭洪旭,等.交通領(lǐng)域二氧化碳和污染物協(xié)同控制效應(yīng)研究[J]. 環(huán)境科學(xué)與技術(shù),2021,44(7):20-29.

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

[23] 溫 娜.沈陽大氣污染物與二氧化碳協(xié)同減排效應(yīng)分析[J]. 品牌與標(biāo)準(zhǔn)化,2021,(4):60-64.

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

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

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

[25] 賈璐宇,王艷華,王 克,等.大氣污染防治措施二氧化碳協(xié)同減排效果評(píng)估[J]. 環(huán)境保護(hù)科學(xué),2020,46(6):19-26.

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

[26] 邢有凱,毛顯強(qiáng),馮相昭,等.城市藍(lán)天保衛(wèi)戰(zhàn)行動(dòng)協(xié)同控制局地大氣污染物和溫室氣體效果評(píng)估——以唐山市為例[J]. 中國環(huán)境管理,2020,12(4):20-28.

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

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

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

[28] 高慶先,高文歐,馬占云,等.大氣污染物與溫室氣體減排協(xié)同效應(yīng)評(píng)估方法及應(yīng)用[J]. 氣候變化研究進(jìn)展,2021,17(3):268-278.

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

[29] 毛顯強(qiáng),邢有凱,胡 濤,等.中國電力行業(yè)硫、氮、碳協(xié)同減排的環(huán)境經(jīng)濟(jì)路徑分析[J]. 中國環(huán)境科學(xué),2012,32(4):748-756.

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

[30] 高玉冰,邢有凱,何 峰,等.中國鋼鐵行業(yè)節(jié)能減排措施的協(xié)同控制效應(yīng)評(píng)估研究 [J]. 氣候變化研究進(jìn)展,2021,17(4):388-399.

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

[31] 何 峰,劉崢延,邢有凱,等.中國水泥行業(yè)節(jié)能減排措施的協(xié)同控制效應(yīng)評(píng)估研究 [J]. 氣候變化研究進(jìn)展,2021,17(4):400-409.

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

[32] 常樹誠,鄭亦佳,曾武濤,等.碳協(xié)同減排視角下廣東省PM2.5實(shí)現(xiàn)WHO-Ⅱ目標(biāo)策略研究[J]. 環(huán)境科學(xué)研究,2021,34(9):2105-2112.

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

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

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

[34] 楊 森,許平祥,白 蘭.京津冀生態(tài)化路徑的差異化與協(xié)同效應(yīng)研究——基于STIRPAT模型行業(yè)動(dòng)態(tài)面板數(shù)據(jù)的GMM分析[J]. 工業(yè)技術(shù)經(jīng)濟(jì),2019,38(12):84-92.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

[42] 張 哲,任怡萌,董會(huì)娟.城市碳排放達(dá)峰和低碳發(fā)展研究:以上海市為例[J]. 環(huán)境工程,2020,38(11):12-18.

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

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

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

[44] 王 媛,賈皎皎,趙 鵬,等.LMDI方法分析結(jié)構(gòu)效應(yīng)對(duì)天津市碳排放的影響及對(duì)策[J]. 天津大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2014,16(6): 509-514.

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

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

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

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

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

[47] 國家統(tǒng)計(jì)局.中國能源統(tǒng)計(jì)年鑒2012～2021 [M]. 北京:中國統(tǒng)計(jì)出版社,2012～2021.

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

[48] 徐西蒙.昆明市二氧化碳排放峰值研究[J]. 環(huán)境科學(xué)導(dǎo)刊,2015,34(4):47-52.

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

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

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

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

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

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

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

reduce pollution and carbon；synergy effect；Tianjin

X24

A

1000-6923(2022)08-3940-10

2022-01-06

天津市科技計(jì)劃項(xiàng)目(18ZXSZSF00160);中國工程院院地合作項(xiàng)目(2020C0-0002);天津市“131”創(chuàng)新型人才團(tuán)隊(duì)項(xiàng)目(2018032)

* 責(zé)任作者,正高級(jí)工程師,kuichen@126.com

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