2. 华中科技大学系统工程研究所, 武汉 430074
2. Institute of System Engineering, Huazhong University of Science and Technology, Wuhan 430074
2014年,中央全面深化改革工作中的一项重要任务就是“多规合一”试点全面启动,以期解决不同部门之间“规划打架”的顽疾.各种区域规划,如城乡总体规划、国民经济和社会发展规划、土地利用规划、环境保护规划均应受到该域的环境容量、环境承载力的约束,必须抑制过大的环境压力.
面对复合型为特征的PM2.5大气污染(赖以坚,2012),传统的单一污染物容量计算方法有较大的局限性(李韧等,2005;徐盛荣,2005;李丽,2007).通常对环境承载力建立的指标体系及阈值量化结果是静态的,表达也比较模糊(毛洪章等,2006;钱跃东,2011;刘龙华,2013);而且,环境承载力和容量研究成果直接用于指导人类社会经济发展的实例还很少(王俭等,2005).
当前各地都在制定“十三五”规划,以求经济-环境双赢,但尚未看到用理化模型从问题机理研究角度把经济和环境两类问题放在一起讨论的案例;也未看到以GDP-PM2.5达标为约束条件下,大气环境承载力如何分解落实到区域社会、经济、环境等各方面的文献,而各方面阈值的计算是十分必要的(薛文博等,2014).
因此,本文从数据分析的角度建立东莞市的经济-环境宏观动力学统计模型,以GDP-PM2.5达标为约束条件,阐述大气环境容量、压力、承载力的内涵及其动态辩证关系.PM2.5年均浓度值等统计数据可反映污染物不断生成、不断扩散、沉降,达到动态平衡的综合结果.因此,SD模型以统计值为基础,引入各污染物的比例系数μ、转化率η,建立“GDP-污染物排放量-PM2.5”之间的逻辑联系,以避免从理化角度去模拟复杂的大气传输和扩散过程.同时,在未来5~10年东莞市气象变化稳定的前提下,设置两种发展模式,通过一系列的调控参数,直接从研究的目标出发,预测2013—2020年东莞市GDP、污染物排放量、PM2.5年均浓度的变化趋势,并计算出大气环境容量和承载力的阈值.
2 相关概念及研究思路(Concepts and research philosophy) 2.1 以GDP-PM2.5达标为约束的大气环境容量、压力和承载力的内涵 2.1.1 “以GDP-PM2.5达标为约束”的含义第一,根据《东莞市大气污染防治行动实施方案(2014—2017年)》,2017年东莞市PM2.5年均浓度要在2013年基础上下降20%或者达到国家二级标准(35 μg·m-3);第二,GDP年均增长率至少不低于7%(东莞“十二五”规划要求经济平均增速达到8%,而在经济新常态的背景下,至少不低于7%).以期实现经济中高速发展和控制雾霾的双目标.
2.1.2 大气环境容量(Atmospheric Environment Capacity(AEC))AEC是通常某大气污染物不超出环境目标值时的区域大气环境能容许的该污染物最大允许排放量(宁佳等,2014).当某污染物总排放量超出了它的环境容量时,就造成了环境污染.根据《东莞市PM2.5污染特征与防治对策研究》中期报告(以下简称“中期报告”),PM2.5成分复杂,但主要来自五大污染排放物,分别是VOCs、SO2、NOx、NH3、一次PM2.5.故本文AEC指标为:五大污染物排放导致的PM2.5年均浓度为35 μg·m-3时最大允许排放量.从年均统计角度,该容量可认为在今后一段时期基本不变.
2.1.3 大气环境压力(Atmospheric Environment Stress(AES))AES是人类为发展经济,消耗资源而导致的各种大气污染物的产生量,其中,产生量包括排放量和减排量(牛子宁等,2014).本文具体指:以东莞市2012年各种大气污染物总排放量(源解析结果)为基准,假定经济结构、能源结构、环保水平基本不变,GDP年均增速7%的情况下,将五大污染物各年预测的排放量及对应的PM2.5年均浓度值定义为大气环境压力AES.
2.1.4 大气环境承载力(Atmospheric Environment Carrying Capacity(AECC))AECC是消纳各种污染气体与减少其产生的能力(Santoso et al.,2014).该能力的大小取决于一个地区不同时期的经济发展状况、产业结构、能源结构、技术水平、人口、资源、地理、气象条件、环保投入等众多因素所形成的综合协调状态(周敬宣,2010).这些因素形成的协调状态构成承载力“隐性”的一面,而承载力“显性”的一面是这种综合协调状态表现出的削减量.本文AECC的指标体系包含:显性5项,即五大污染物累积减排量;隐性6项:GDP、绿色GDP、煤炭、石油、天然气和新能源消费量,前后共11项.
AEC、AES、AECC彼此之间是相互作用、相互影响、随时间变化的.动态关系有:①在以消耗化石能源为基础的传统GDP增长模式下,AECC始终小于AES,大气污染量(复合曲线)超过AEC,环境质量变坏(图 1a);②新常态下,当AECC逐渐超越AES,大气污染量(复合曲线)逐渐收敛于AEC内,环境质量得到改善(图 1b).复合曲线是环境压力与环境承载力“显性”部分合成的结果.现实中PM2.5浓度的监测数据就是一种综合状态,PM2.5浓度曲线就代表了大气环境压力和承载力的复合结果.
例如,2011年东莞市沙田虎门港的工业大气排放污染物包括粉尘、SO2、NOx和VOCs等,其中,SO2年产生量为4366.737 t(即环境压力),处理率为83.07%(即减排量为3627.45 t,表示环境承载力),年排放量为739.237 t(压力与承载力的复合结果).
2.1.5 选取GDP、能源和减排量作为承载力指标的原因第一,调整经济结构、能源结构对改善环境意义重大,本文设定的6项隐性指标反映了这一变化.实际上,隐性指标还可以有多种,不可能一一列举.不同的研究者还可以设置其他的“隐性”指标,比如,涉及人口、科技的指标等.第二,本文没有设置其他“隐性”指标的原因是为避免模型组织庞大,增加建模难度,重点不突出;增加的变量要能够与GDP、PM2.5等核心变量建立能够量化的动态关系,通过适当的因子来反映,前提是要能获得它们的统计数据;模型预测时间跨度是2012—2020年,时间较短,其他“隐性”因素影响较小.第三,突出研究重点(GDP和PM2.5),抓住政府最关心、最主要的两类隐性指标和减排量的显性指标作为考察对象,具有较大的概括性和代表性.
2.2 数据来源SD模型的输入数据包括:①东莞环境监测站提供的2010—2013年全市各监测站的SO2、NO2、PM10、PM2.5、CO、O3日均浓度值;②从网站(www.worldweatheronline.com)搜集的这4年内每天平均温度、雨量、风速、风向、相对湿度、气压、云量信息;③2008—2013年各年的环境统计公报和社会经济发展公报所提供的PM2.5和GDP年均数据;④《东莞市PM2.5污染特征与防治对策研究项目》中期报告中得到的东莞地区大气边界层结构(范绍佳课题组)、2013—2014年冬、春、夏三季的PM2.5加权平均的化学组成结果(黄晓锋课题组)及2012年为基准的大气排放源清单(郑君瑜课题组).
2.3 研究思路本文用SD来描述GDP-大气污染物-PM2.5随时间变化的因果动态关系,设置了两种减排模式来模拟不同承载力的影响,即“末端治理”和“综合治理”(图 2).
模式一“末端治理”是保持现有的以消耗化石能源为基础的产业和能源结构基本不变,在经济保持中高增速的同时,通过加强污染源头的控制,减少排放,从而降低PM2.5浓度.“末端治理”措施主要包括:①燃煤电厂、工业锅炉加强脱硫脱硝除尘;②提高机动车排放标准;③有机溶剂使用、石油产品运输、表面涂装印刷等行业所产生的VOCs需安装废气收集净化设施,生产企业采用密闭一体化生产技术;④对易产生扬尘的沙石土方、建筑垃圾、废气渣土需进行覆盖、喷淋,施工道路围挡,增加绿化等.
模式二“综合治理”是不仅要末端治理,还要调整产业和能源结构,同样要保证经济中高速发展,且实现PM2.5浓度的控制目标.“综合治理”措施主要包括:①“末端治理”的所有内容;②转变能源结构,增加新能源(太阳能、风能、生物质能等)、天然气的使用比例,减少对石化能源依赖;③转变产业结构,新增高新科技、教育、文娱、绿色金融等第三产业份额,提升绿色GDP的比重.
3种措施在SD模型中分别通过调整减排调控因子、能源调整因子、GDP和绿色GDP增长率3类因子来实现.最终目的是:在东莞市GDP-PM2.5达标约束条件下,模拟大气环境压力和环境承载力随时间的变化过程及二者的平衡结果,确定实际的排放量回落到环境容量限度内的时间点及该时刻各环境承载力指标的阈值.
3 建立SD模型(Building SD model) 3.1 系统边界和指标体系根据之前叙述,在未来5~10年东莞市气象变化稳定的前提下建立SD模型.模型模拟的地域边界为东莞市全区域,时间范围为2012—2020年,系统研究的对象包括GDP、PM2.5和五大污染物排放量及对这些内容产生重要影响的众多因素.系统指标体系具体如表 1所示.
系统的因果关系如图 3所示(“+”表示促进,“-”表示抑制).第一个循环:当传统的GDP增长,必将引起污染物排放总量增加,引起PM2.5浓度增加,进而污染程度加剧;如果进行“末端治理”,则污染物排量减少,形成局部的负反馈回路(这对应模式一).第二个循环:如果进行“综合治理”,不仅有第一个循环,污染程度加剧还促进能源产业结构转变,污染排放减少,形成局部负反馈回路.第三个循环:转变能源产业结构,新增绿色GDP促进了经济增长点,形成局部正反馈回路(以上2个循环对应模式二).
就像某时刻汽车的速度描述的是汽车在这一时刻的运动状态一样,SD流图(图 4)描述了某一个时刻各变量之间的因果关系,构成了系统某时刻的一个状态.SD模拟的基本逻辑是:各变量的初始值(常量和调控参量除外)都以2012年年均统计数据为基准,这就确定了各变量的初始状态,随时间动态变化,实质上是求积分运算(蔡林,2008;周敬宣,2009),积分时间段为2012—2020年,模拟的时间步长为0.25年,由此推演出的各变量任一时刻的值都是年均统计值.SD这一逻辑的基本数学描述如式(1)所示.SD流图是编写模型方程的基础,用Vensim软件实现(王其藩,2009;Vafa-Arani et al.,2014).
(1) |
式中,LV.S(t)的LV(level variable)表示状态变量,形容某变量t时刻的状态;S(t0)是某变量t0时刻的值,即初始值;
模型内部的运行过程描述如下:以SO2为例,GDP的状态是以年均7%的增速不断增长,单位时间内的GDP增量通过SO2比例系数的转化,折合成对应单位时间里SO2增量,使SO2排放量增加;同时,单位时间内的SO2增量通过SO2转化率η转化成单位时间内一部分的PM2.5浓度增量.在SO2调控因子的作用下,能源因子使这个过程中SO2增量减少,减排因子使SO2减量增加,这都减少了SO2排放量.另外,绿色GDP增长率的加入使以消耗化石能源为基础的传统GDP增长率下降,该GDP增量减少,对应的SO2增量和PM2.5浓度增量也减少.最终,保证总GDP增长的同时,PM2.5浓度能下降.
“末端治理”需利用5个减排调控因子,排放量的削减也会反馈到PM2.5浓度的减少上.“综合治理”是在模式一的基础上,还增加了5个能源调整因子和绿色GDP的组成部分(图 4中灰色填充的变量).图 4中“○”代表可调控变量.
比例系数μ(t·亿元-1)是指每亿元GDP的某种大气污染物排放量,它的作用是在模型动态模拟过程中,把产生的GDP折算成排放的污染物的量,其计算表达式如式(2)所示.比例系数模拟中是动态变化的,其初值是由中期报告里源清单提供的2012年污染物排放量和该年GDP确定.另外,它的物理意义还可作为企业单位GDP污染物排放量的参考限值.
(2) |
式中,Em为某种大气污染物某年的排放量(t);GDP为地区年生产总值(亿元).
3.4.2 边界层年平均高度h大气边界层是气象学术语,是对流层中贴地部分,厚度一般为1.0~1.5 km,是受下垫面影响而湍流化了的大气层.边界层如同城市的“帽子”一样罩住城市,而PM2.5基本都分布在边界层的范围内.根据气象数据得知,东莞4年中以PM2.5浓度划分的优、良、轻度污染、中度污染天气所占比例分别为34.2%、52.8%、11.3%、1.7%,即可确定不同边界层高度的权重.又根据中期报告,在不同的气象扩散条件下,东莞边界层高度是变化的,白天最大混合层高度为1200 m,而夜间稳定边界层高度仅100 m.因此,估算了东莞4类气象扩散条件(优、良、轻度污染、中度污染)的平均边界层高度分别为1200、900、600、300 m,东莞平均边界层高度计算如下:h=958 m(1200×34.2%+900×52.8%+600×11.3%+300×1.7%).
3.4.3 PM2.5总量东莞市域面积为2465 km2,则某一时刻市域范围内PM2.5总量(VPM2.5)可通过式(3)计算得到.该总量模拟中是动态变化的,初值由2012年PM2.5浓度决定,此处PM2.5浓度值反映某时刻的年平均状态.其中,PM2.5年均浓度为前一时刻的年均浓度与该时段产生的PM2.5浓度增量之和.
(3) |
式中,VPM2.5为某一时刻市域范围内PM2.5总量(t);S为市域面积(km2);h为边界层高度(m);CPM2.5为某时刻PM2.5年均浓度(μg·m-3).
3.4.4 某污染物对PM2.5的贡献率θPM2.5化学组成:有机物(OM)36.6%、硫酸盐20.9%、硝酸盐8.5%、铵盐10.7%、元素碳(EC)7.5%、金属离子3.7%、矿物质2.9%、痕量元素1%及8.1%的其他物质.在目前掌握的源解析材料当中,并没有直接说明SO2、NOx、VOCs等污染源对PM2.5的分担率是多少,只有PM2.5化学组成.根据污染物对PM2.5贡献的一般特征,SO2-4、NO-3、NH+4主要是来自SO2、NOx、NH3的贡献;而有机物虽然来源复杂,但大部分来自VOC的排放及转化,保守起见,VOC的贡献率就取有机物的化学组成比例;一次PM2.5成分也十分复杂,主要包括元素碳、金属离子、矿物质等,所以取了它们的化学组成比例之和作为贡献率.因此,硫酸盐来自SO2,故SO2贡献率为0.209.同理,NOx、VOC、NH3及一次贡献率分别为0.085、0.366、0.107、0.151.
3.4.5 某污染物对PM2.5转化率η转化率η是某种污染物年排放量与其贡献的PM2.5年均浓度所对应的PM2.5总量的数量关系比例,计算表达式见式(4).转化率η在模拟中是动态变化的,初值由2012年污染物排放量、PM2.5总量和某污染物对PM2.5的贡献率确定.
(4) |
转化率η的导出十分重要,是污染物排放量与PM2.5年均浓度在数量关系上联系的桥梁,是本研究进行的关键因素(η基于统计值折算得到,不具有实际的物理化学意义,仅服务于本模型).
3.5 模型调控因子确定SD模型中影响承载力的3类因子,共12个(5个减排因子、5个能源因子、GDP和绿色GDP增长率),取值会有多种组合方式,为了使承载力分析具有可行性,需要通过估算东莞现有污染源头减排能力、能源结构调整能力和绿色经济发展能力来确定3种因子的合理取值.
3.5.1 末端治理减排能力估算及减排调控因子的确定末端治理是减排措施中最主要的手段.估算到2017年东莞五大污染物末端治理的最大减排能力,需分析治污设备和技术的投运率和去污率.
①火电行业的大型燃煤锅炉是SO2、NOx和粉尘排放的主要来源.根据《我国脱硫脱硝行业2012年发展综述》,截止到2012年全国脱硫装机容量为87%,而脱硝装机容量仅为17%.假设到2017年发电机组脱硫和除尘设备投运率达100%,脱硝设备投运率达50%;而脱硫效率和除尘效率达到95%(曹辰雨等,2013),脱硝效率达到85%.②工业燃烧产生的污染主要由企业级的工业锅炉产生,工业企业规模参差不齐,设备较难全面覆盖,工业锅炉脱硫脱硝除尘设备及效率也都无法和火电的大型设备相比,估计投运率能达到30%,脱硫效率设为60%,除尘效率70%(余洁,2013),脱硝效率70%.③道路移动源由各类汽油车、柴油车贡献,产生的主要污染物有NOx、VOCs、PM等.珠三角地区在2015年内将全面启动机动车国五排放标准,到2017年估计80%的汽、柴油车从国三排放升级为国五排放,那么,NOx将减少63%,VOCs减少50%,PM减少99%(马骏等,2014).④有机溶剂使用、石油产品的运输存储及工业生产加工过程中都会产生大量VOCs.按照实施方案,若能全面深化印刷、表面涂装、集装箱制造、电子设备制造等行业VOCs排放达标治理工作,所有排放VOCs的车间必须安装废气收集、回收净化装置,生产企业应采用密闭一体化生产技术,统一收集挥发性有机物废气并净化处理,则收集净化效率至少为90%,而投运率设为50%.另外,石化企业全面推广“泄漏监测与修复”技术(若80%实行),预计可降低90%的VOCs排放.⑤NH3源大部分来自人体活动、垃圾填埋、污水处理和农牧源等,由于大面积的面源污染较难以管理,假设可减少20%,而道路移动源削减50%.⑥扬尘源包括建筑扬尘和道路扬尘等,对易产生扬尘的沙石土方、建筑垃圾、废气渣土需进行覆盖、喷淋,施工道路围挡,增加绿化等,扬尘污染控制区应达到市区和镇街中心区面积的80%以上,并设控制效率也为80%.
根据以上分析,东莞2017年每种污染物最大减排量的计算式(5)总结如下,具体计算见表 2.
(5) |
式中,Ci是某种污染物的最大减排量(t);EMi是当经济增速7%,某种污染物2017年的排放量(t)(不减排情况的预测值);SRij是源清单中某污染物的行业分担率;Uij是某污染物的行业投运率;Wij是某污染物的行业去除效率;n是某污染物主要涉及的行业数量.
以SO2减排因子为例,从源清单的数据可知,SO2排放主要来自火力发电(21.8%)和工业燃烧(68.8%).模型是以2012年的数据为基准开始模拟的,如果不调控,那么按7%的GDP增速,SO2排放量会从2012年的103685 t增长到2017年的146691 t,其中,火力发电贡献31979 t,工业燃烧贡献100923 t.经查阅文献及污染防治行动计划等资料,对涉及SO2排放的火力行业和工业燃烧的减排潜力做了估算,到2017年火力行业SO2削减30380 t,工业燃烧削减18166 t,共减48546 t.然后对模型的SO2因子的取值进行试算,先初步设定一个因子值(取到小数点后3位),带入SD模型试算,若得到的SO2削减量偏离估算值(48546 t)过大或过小,都舍弃.削减量直到最为接近估算值时的那个因子值,就是合理的SO2减排因子值,SO2减排因子为0.08.以此类推,NOx、VOC、NH3及一次PM2.5减排因子分别为0.098、0.109、0.056、0.183.
3.5.2 能源结构调整能力分析及能源调整因子的确定按照《东莞市能源保障“十二五”规划》,GDP增长率8%,能源消费弹性系数0.5,即能源消费增长率为4%.东莞2011年能源消费达2930万t标准煤,可计算到2017年能源消费达3707万t标准煤.另外,2011年的煤炭、石油、天然气及其它(包括太阳能、生物质能等新能源)能源消费结构比例分别为67%、25%、5%、3%,按规划到2015年该比例分别达到64%、17%、13%、6%.据此到2017年,假设进一步降低化石能源的消费比例,提高清洁能源利用率,比例变成57%、15%、15%、13%.
经以上分析,“综合治理”模式中使用的各污染物能源调整因子,其意义是转变能源结构相对于不调整能源结构的能源消费的缩减程度,计算过程如式(6).
(6) |
式中,EFi是某污染物的能源调整因子;SCij是某种污染物i所涉及的某能源j消耗标准煤量(t),右上角标(0)、(1)分别指2011和2017年;n是某污染物所涉及的能源种类数;m是从初始年到预测年的年数,本文为6;GrRGDP是能源产业结构不变时GDP增长率,本文为1.07.
以煤炭为例,通过查阅能源规划等资料,得知2011年煤炭消费1963万t标煤,按规划的增长速度,到2017年为2113万t标煤,平均每年增长1.2%.如果不做任何调控,基于2012年数据,那么煤炭增速与GDP同步为7%,则采取能源调控以后,每年煤炭增速仅为不调控情况下的1.012/1.07=0.94.换句话说,煤炭能源进行调控后的年增幅为不调控情况下的0.94倍.因为SO2基本来自煤炭的燃烧,所以SO2的能源因子为0.94,以此类推,NOx、VOC、NH3及一次PM2.5能源因子分别为0.95、0.89、1、0.93.相关计算结果见表 3和表 4.
新增的绿色经济诸如绿色金融、高新技术、文化娱乐等属无显著环境污染的第三产业.在模式二中,GDP和绿色GDP增长率之和为7%,都是基于2012年GDP存量(5010亿元)进行推演的.根据东莞统计年鉴,发现东莞近3年第三产业增速比较快,平均每年提升1%以上,结合马骏等(2014)的研究,从2012年起中国未来18年,每年第三产业比重提升0.5%.因此,设定东莞未来5年内第三产业每年递增1%,可得5年中第三产业净增加约350亿元,第二产业也相应减少,东莞5年内新增绿色GDP 700亿元.简言之,就是从产业比重来推绿色GDP要增加的量.据此带入模型试算,在2017年的时间点,绿色GDP存量达到700亿元左右时,绿色GDP增长率为2.5%,那么GDP增长率为4.5%.
3.6 模型调试与检验第一,模型进行了的语法检验(Check Syntax)、模型检验(Model Check)、单位检验(Units Check).
第二,模拟值与真实值进行对比验证.SD模型中GDP和PM2.5初始值以2008年的数据为基准(2008年的PM2.5浓度由该年PM10浓度的70%估算得到),能源调整因子和绿色GDP增长率不参与计算,减排调控因子按3.5.1 节结果代入计算,GDP增速设定为8.2%(历史数据表明,东莞2008—2013年GDP平均增速约8.2%),模拟检验2009—2013年的GDP和PM2.5变化趋势,再与真实值进行对比(图 5).
检验结果显示,GDP的真实值与模拟值的最大误差为6.7%,最小误差为-0.2%,平均误差率为2.5%,相关系数r=0.9931,抽样误差概率p=0.0007;PM2.5最大误差为14.3%,最小误差为-0.8%,平均误差率为+1.5%,相关系数r=0.5729,抽样误差概率p=0.2347.GDP预测准确性和相关性都非常好;PM2.5预测准确性很好,相关性尚可.说明模型检验结果合理.
4 模拟结果与讨论(Modeling results and discussion)模拟结果表明,若按模式一“末端治理”发展,到2020年GDP总量达到8728亿元,PM2.5浓度为36.4 μg·m-3,无法达到国家二级标准,环境压力依然大于环境承载力,无法实现“双赢”,也就不必计算双约束条件下的大气环境容量和承载力.以下只讨论“综合治理”模式下的结果.
4.1 “综合治理”模式下以GDP-PM2.5达标为约束的东莞大气环境压力、容量和承载力结果 4.1.1 大气环境压力以GDP-PM2.5为达标约束的大气环境压力值是以2012年的数据为基准,假定经济结构、能源结构、环保水平基本不变,GDP年均增速7%的情况下,预测出来的五大污染物排放量和对应的PM2.5浓度的数值见图 6(具体数值从略).
4.1.2 大气环境承载力及阈值按照“综合治理”模式发展,在GDP-PM2.5双重约束下,总GDP(包括传统GDP和绿色GDP)、能源消费(包括煤炭、石油、天然气和新能源)及五大污染物5年累积减排量构成了动态变化的大气环境承载力的一种发展组合(非唯一组合).依照模型的预测,在2017年一季度,东莞市大气环境压力与承载力的复合值将小于大气环境容量阈值.PM2.5曲线实际代表了大气环境压力和承载力的合成结果.
大气环境承载力指标是一个动态变化的值,当PM2.5浓度达标时,与之对应的此刻大气环境承载力的隐性指标阈值有:GDP总量7074亿元,其中,新增绿色GDP737亿元(图 7a);煤炭消费2120万t标准煤、石油550万t标准煤、天然气660万t标准煤、新能源消费630万t标准煤(图 7b);承载力显性部分各阈值(相对于2012年5年累积减排量)SO2、NOx、VOCs 、NH3、一次PM2.5分别为64271、128831、108337、4070、35863 t(图 7c).图 7中所有其他的具体数值从略,其中,5年累积减排量是经济结构、能源结构、环保水平基本不变,GDP年均增速7%的情况下的排放量,即4.1.1 节中的环境压力结果与“综合发展”模式下的排放量对应时间节点的差值,或与图 6和图 8对应曲线相减的值.
在“综合治理”模式下,随着大气环境承载力的不断提高,PM2.5曲线不断下降,当PM2.5年均浓度达到35 μg·m-3时,与之对应的五大污染物的排放量就是环境容量,SO2、NOx、VOCs、NH3、一次PM2.5分别为84987、138849、100875、7751、17402 t,其数值应长期相对稳定.它们随时间变化的预测数值变化见图 8(详细数值从略).
宏观的经济环境政策性研究不同于理化研究,难以通过具体实验证实,而是建立计算机模型进行模拟,用历史数据检验模拟结果以确定模型是否可靠,或对不同方法模拟结果做相互验证.东莞PM2.5的监测从2009年才开始实行,本文对近5年的GDP和PM2.5数据进行了真实性检验.
按A值法测算东莞SO2环境容量为105000~147000 t,明显高于本模型对SO2容量的预测值(2017年允许排放量为84987 t),这说明以GDP-PM2.5达标为约束的容量预测结果要比单污染物容量计算的结果更加严格.面对复合型污染时传统容量计算方法具有一定的局限性.将GDP和PM2.5的约束,以及大气环境压力、容量、承载力等重要概念一起纳入到SD模型中讨论,抓住了问题的主要矛盾,预测曲线较好地反映了发展趋势,不会出现大的偏离,故真实数据与预测数据的有限误差是可以接受的.实际上,其他容量测算方法(如线性规划法)比较复杂,较难操作.
4.2.2 模型调控参数的选取参数的选取不会有非常多种组合,大的发展趋势是一致的.从东莞市现实减排条件出发,“综合治理”这一大的发展趋势是不会变的.本文对源头治理、能源调整、产业调整能力做了客观定量的分析,挑选了一种可能性大的情况设定了特定的12个模型调控因子,对承载力的阈值进行有效的预测,得到了11个承载力阈值和5个PM2.5浓度达标时的环境容量阈值.当然,各调控因子的取值组合也可以发生变化,但这种参数调整是有限的,是要在发展趋势范围内的.因此,承载力的预测结果不会产生过大的偏离.决策者只会根据需要,适当枚举,预测几种结果,从中择优.
4.2.3 建模工作优化的空间第一,模型预测PM2.5浓度可能略微偏小,因为SO2、NOx、VOCs、NH3、一次PM2.5这5种主要污染源占东莞PM2.5化学组成的91.8%,未能涵盖所有污染物对东莞PM2.5的贡献;其他8.2%的污染物质成分复杂,甚至未知,也缺少对应的排放量数据代入模型.如何更准确地预测PM2.5浓度值,又不造成新的不确定性,值得研究.第二,随着监测能力的加强,不断获得每年的源解析、源清单及化学成分比例,就可以不断修正比例系数、转化率等变量,会使该SD模型中关键参数更加合理,更好地与实际吻合.第三,边界层高度准确性有待完善,这需气象部门或研究单位加强分析和统计.第四,若源解析资料中直接就有污染源的分担率,就不必根据化学组成来推算模型中污染物贡献率.
5 结论(Conclusions)研究结果表明,“综合治理”模式下,东莞市PM2.5年均浓度在2017年达标,对应的SO2、NOx、VOCs、NH3、一次PM2.5容量分别为84987t、138849t、100875t、7751t、17402 t;隐性承载力阈值分别为GDP总量7074亿元、新增绿色GDP 737亿元、煤炭2120万t(以标煤计)、石油552万t(以标煤计)、天然气663万t(以标煤计)、新能源630万t(以标煤计);显性承载力阈值(相对于2012年5年累积减排量)分别为SO2 64271 t、NOx 128831 t、VOCs 108337 t、NH3 4070 t、一次PM2.5 35863 t.该容量结果为政府制定环境保护规划提供了参考,承载力阈值为环境友好的社会经济发展确定了量化的方向.
[1] | 蔡林. 2008. 系统动力学在可持续发展研究中的应用[M]. 北京: 中国环境科学出版社: 33 -34. |
[2] | 曹辰雨, 李贞, 任建兴, 等.2013.燃煤电厂除尘设备除尘性能的分析与比较[J].上海电力学院学报, 29 (4):351–354. |
[3] | 赖以坚.2012.东莞市环境空气PM2.5污染现状及防治对策浅析[J].东莞理工学院学报, 19 (5):83–88. |
[4] | 李丽.2007.铁岭市大气环境容量测算中几种运用方法的比较[J].环境研究与监测, 20 (2):58–60. |
[5] | 李韧, 程水源, 郭秀锐, 等.2005.唐山市区大气环境容量研究[J].安全与环境学报, 5 (3):46–50. |
[6] | 刘龙华, 汤小华, 陈加兵.2013.福建省大气环境承载力研究[J].亚热带资源与环境学报, 8 (4):31–39. |
[7] | 马骏, 李治国. 2014. PM2.5减排的经济政策[M]. 北京: 中国经济出版社: 22 -23. |
[8] | 毛洪章, 陈军.2006.武汉市环境承载力研究[J].理论与实践, (1):72–77. |
[9] | 宁佳, 刘纪远, 邵全琴, 等.2014.中国西部地区环境承载力多情景模拟分析[J].中国人口·资源与环境, 24 (11):136–146. |
[10] | 牛子宁, 王卫, 成贺玺, 等.2014.河北省人类活动环境压力的定量分析[J].环境科学学报, 34 (10):2693–2700. |
[11] | 钱跃东.2011.区域大气环境承载力评估方法研究[D].南京:南京大学 |
[12] | Santoso E B, Erlib H D M, Auliac B U, et al. 2014.Concept of carrying capacity:Challenges in spatial planning (Case study of East Java Province,Indonesia)[J]. Procedia-Social and Behavioral Sciences, 135 (14): 130–135. |
[13] | Vafa-Arani H, Jahani S, Dashti H, et al. 2014.A System Dynamics modeling for urban air pollution:A case study of Tehran, Iran[J]. Transportation Research Part D:Transport and Environment, 31 : 21–36. |
[14] | 王俭, 孙铁珩, 李培军, 等.2005.环境承载力研究进展[J].应用生态学报, 16 (4):768–772. |
[15] | 王其藩. 2009. 系统动力学[M]. 上海: 上海财经大学出版社: 55 -56. |
[16] | 徐盛荣.2005.哈尔滨市大气环境容量测算方法[J].北方环境, 30 (1):81–83. |
[17] | 薛文博, 付飞, 王金南, 等.2014.基于全国城市PM2.5达标约束的大气环境容量模拟[J].中国环境科学, 34 (10):2490–2496. |
[18] | 余洁.2013.中国燃煤工业锅炉现状[J].节能减排, (3):89–92. |
[19] | 周敬宣. 2009. 环境与可持续发展[M]. 第2版. 武汉: 华中科技大学出版社: 156 -157. |
[20] | 周敬宣. 2010. 环境规划新编教程[M]. 武汉: 华中科技大学出版社: 111 -114. |