《北京大學：2023年中國臭氧、顆粒物和溫室氣體協同控制的中長期戰略研究報告（87頁）.pdf》由會員分享，可在線閱讀，更多相關《北京大學：2023年中國臭氧、顆粒物和溫室氣體協同控制的中長期戰略研究報告（87頁）.pdf（87頁珍藏版）》請在三個皮匠報告上搜索。

1、 中國臭氧、顆粒物和溫室氣體協同控中國臭氧、顆粒物和溫室氣體協同控制的中長期戰略研究制的中長期戰略研究 Medium and longMedium and long-term strategies term strategies for synergistic control of ozone,for synergistic control of ozone,PMPM2.52.5 and greenhouse gases in and greenhouse gases in ChinaChina 北京北京大學大學 2022023 3.5 5.1212 Peking University May

2、 12,2023 I !目錄.I 第一章 立項背景、總體思路和研究內容.1 第二章 氣候變化對中國臭氧背景值的影響.3 2.1 中國背景值變化.3 2.1.1 數據來源.3 2.1.2 臭氧背景值計算方法.3 2.1.3 中國重點城市群臭氧背景濃度分析.4 2.2 氣象因素對中國臭氧濃度變化的影響.7 2.3 氣候變化對中國臭氧背景值濃度變化的影響.9 第三章 中國臭氧、顆粒物和溫室氣體達標方案制定與分析.13 3.1 基于臭氧污染達標的分省排放控制目標制定.13 3.1.1 空氣質量模型的模擬改善與敏感性試驗設置.14 3.1.2 臭氧生成對前體物敏感性的分區域分析及減排路徑設計.18 3.

3、1.3 臭氧前體物減排的 PM2.5污染減緩協同效益分析.23 3.1.4 結果總結及不確定性分析.24 3.2 中國協同減排路徑方法與情景設置.25 3.2.1 能源經濟模型：IMED|CGE.25 3.2.2 情景設置.27 3.2.3 末端去除率設定.31 第四章 協同減排路徑雙向效果效益評估.33 4.1 減排政策對空氣污染物的協同權衡與階段性邊際效應.33 4.1.1 二氧化碳與空氣污染物的排放特征.33 4.1.2 碳減排對于空氣污染物的減排成本與協同權衡作用分析.37 4.2 臭氧中長期目標對碳減排的協同權衡.44 4.2.1 臭氧中長期目標下二氧化碳和臭氧前體物排放趨勢.44

4、4.2.2 臭氧中長期目標的碳減排潛力及關鍵減排部門.45 4.3 未來多種情景下全國一次污染物排放及 PM2.5和 O3濃度變化路徑.45 4.3.1 不同情景下全國一次污染物排放變化.47 4.3.2 不同情景下全國 PM2.5和 O3濃度變化路徑.49 第五章 溫室氣體、臭氧與氣候變化協同治理.55 5.1 歷史時期甲烷濃度變化.55 5.1.1 全球甲烷濃度變化.55 5.1.2 中國甲烷濃度變化.57 5.2 歷史時期甲烷變化對對流層臭氧變化的影響.59 II 5.3 未來甲烷排放協同控制對對流層臭氧和氣候變化的貢獻.61 5.3.1 甲烷排放協同調控對全球對流層臭氧的影響.61 5

5、.3.2 甲烷減排對中國對流層臭氧的影響.63 5.4 甲烷排放協同調控對未來氣溫變化的影響.65 5.4.1 甲烷排放協同調控對全球氣溫變化的影響.65 5.4.2 甲烷排放協同調控 O3對氣溫變化的影響.67 5.5 不同減排路徑下的大氣氧化性與溫室氣體變化.69 5.5.1 研究原理.69 5.4.2 未來大氣氧化性和溫室氣體變化.70 第六章 結論與建議.72 6.1 結論.72 6.2 建議.74 參考文獻.76 1#$%#$%&()*+,-./0123&()*+,-./0123 2013 年 大氣污染防治行動計劃 等空氣污染治理實施以來，我國環境空氣質量明顯改善，二氧化硫、細顆粒物

6、（PM2.5）等一次污染物濃度較之 2013 年降幅達到 30-50%。但是，近幾年來，臭氧（O3）已經成為影響空氣質量達標的重要因素，2015 至 2019 年全國 O3年均濃度、污染范圍和持續時間呈逐年緩慢上升趨勢，2020 年年均濃度雖有所降低，但整體態勢并沒有完全扭轉。僅依靠空氣污染物末端治理難以實現空氣質量目標，減少與化石燃料使用、傳統制造業轉型等源頭改進也十分重要。為應對全球氣候變化的挑戰，中國承諾力爭在 2030 年前實現碳達峰，努力爭取在 2060 年前實現碳中和。常規大氣污染物和二氧化碳（CO2）大都源于化石燃料的燃燒，空氣質量改善需求也將有利于低碳轉型目標的推進。同時各地區

7、氣象條件、污染物排放特征、發展階段、產業結構和能源結構等都存在差異。在這一背景下，中國省級及區域空氣質量目標的實現路徑及其對氣候減緩的協同效益，無疑成為亟需探討的重要課題。在我國提出的雙碳目標下，基于 O3、PM2.5與溫室氣體之間的相互影響機制，O3和 PM2.5污染協同防控在氣候變化的大背景下，如何科學地走下去，今后的協同控制指標體系應如何建立？如何更高地對接世界衛生組織（WHO）的標準？這一系列問題都亟待解決。作為近年來我國發展最為迅猛的世界級城市群，中國對于粵港澳大灣區（Guangdong-Hongkong-Macao Greater Bay Area,GBA）的環境空氣質量工作提出了

8、要主動適應氣候變化的要求。GBA 需要更積極探索在實現雙碳目標下，如何走出一條以能源調整、消費控制為主、末端治理為輔的減排路徑。O3綜合防控技術和 CO2深度減排已成為當前包括 GBA 區在內等區域的重大需求。區域環境空氣質量管理中不僅要樹立多污染物非線性協同控制戰略，更要考慮溫室氣體和大氣污染物協同減排戰略，建立大氣二次污染物前體物非線性減排、溫室氣體協同減排的創新綠色低碳發展模式，實施區域甚至是跨區域的污染聯防聯控。然而，已有相關研究多集中在評估碳減排的空氣質量協同效益分析方面，而對于各地區實現 O3達標對 CO2減排影響則缺乏探討。針對上述問題，基于基礎資料收集和模型模擬，本項目立足于氣

9、候變化下溫室氣體與 O3和 PM2.5相互作 2 用機制的研究，擬從國家和區域層面對與碳目標匹配的 O3和 PM2.5協同控制指標進行初步探究，為我國新階段的環境大氣污染物的控制與標準的建立提供科學的指導。3#4%#4%5678956789:;=:;?A()?A 在全球氣候變暖愈發強烈的背景下，中國大部分城市的 O3污染不降反升，并且 PM2.5濃度仍然居高不下。同時，中國在 2015 年提交了巴黎協定國家自主貢獻，在 2020 年提出了國家碳中和目標，未來的治理措施將逐漸轉變為減污降碳協同治理，以源頭治理為主，末端治理為輔。實際上，空氣污染與氣候變化同根同源，相互聯系。在此背景下，本章通過量

10、化 2015-2022 年期間的中國所有觀測站點的 O3背景值濃度現有濃度水平及 O3削減空間，評估氣候變化與中國O3背景值時空變化的相關關系，為中國整體層面及重點區域未來逐步落實氣候變化與空氣污染協同應對提供理論依據和數據支撐。2.1!#$%&!#$%&(2.1.1!#$!#$中國各站點的空氣質量監測數據來自中國環境監測總站的全國城市空氣質量實時發布平臺（http:/106.37.208.233:20035/），時間跨度為 2015-2021 年，時間分辨率為 1 小時，監測物種包括 PM2.5、PM10、O3、一氧化碳（CO）、二氧化氮（NO2）、二氧化硫（SO2）。氣 象 數 據 來 源

11、 為 美 國 國 家 氣 候 數 據 中 心（NCDC）（https:/www.ncei.noaa.gov/），氣象數據要素包括氣溫、氣壓、露點、風向風速、云量、降水量，時間跨度為 2015-2022 年，時間分辨率為 1 小時。2015-2022 年的 逐 月 厄 爾 尼 諾 指 數 數 據 來 自 于 中 國 氣 候 中 心（http:/cmdp.ncc- 年的東亞夏季 風 指 數 數 據 來 自 于 中 國 海 洋 大 學 李 建 平 教 授 公 開 發 布 的 數 據 平 臺（http:/ 0 時對應的 O3濃度。由于 O3濃度存在顯著的日 4 變化，因此 O3小時濃度均值不能反映其對

12、生態系統和人體健康的影響，故在管理和研究中常采用 O3日最大 8 小時濃度均值（O3 MDA8）作為評估指標，本章討論的 O3背景濃度也是指 O3 MDA8 的背景濃度（O3 MDA8 Baseline）。本章采用 NO2截距法來計算 O3 MDA8 背景值。根據大氣化學經典理論，NO2光解是對流層 O3唯一的天然來源，而近地面 NO2主要來自人為源排放，因此可以認為當某一氣團的日間 NO2濃度接近零時，該氣團基本不受人為源的影響，氣團中 O3濃度為該區域的背景 O3濃度，對應的 O3 MDA8 亦即其背景值。以 2022 年 8 約廣州市九龍鎮站點為例（圖 2-1），以 NO2濃度為橫坐標，

13、O3 MDA8為縱坐標作箱線圖，O3 MDA8 均值隨 NO2濃度先升高后下降，當 NO2濃度接近0 時，可以得到該站點的 O3 MDA8 背景值（約 27.02.0 ppb）。圖 2-1 廣州市監測中心 NO2-O3 MDA8 箱線圖（2022）2.1.3./01234./01234%&(5678%&(5678 本章采用 2015-2022 年全國環境監測站點的 O3濃度數據計算了各站點 O3 MDA8 背景值的 8 年平均值。從全國尺度來看，O3 MDA8 背景值大致分布在30-60 ppb（即約 60-120 g/m3）之間。由圖 2-2 可見，全國 O3 MDA8 背景的高值區出現在華

14、北平原、華東地區和西北地區，且背景值呈現出由中部（30-40N）向南北遞減的規律。5 圖 2-2 2015-2021 年中國臭氧背景濃度分析結果 北緯 30-40附近上空的副熱帶高壓造成的下沉氣流運動，會阻礙近地面污染物的擴散和傳輸，這可能是造成該地區的 O3 MDA8 背景值偏高的主要原因。此外，太行山脈的阻隔更使得污染物難以向西擴散，進一步造成華北平原、以及長三角北部 O3 MDA8 背景值的抬升。在新疆北部與西藏南部地區，O3 MDA8 背景值也略高于全國平均。由于西伯利亞地區強大冷高壓的存在，使新疆北部盛行北風，但由于天山山脈的阻隔作用，使 O3積聚、O3 MDA8 背景值升高。此外，

15、由于西藏南部海拔較高，太陽紫外輻射較強，加之受印度等國跨境傳輸的影響，也可能使 O3 MDA8 背景濃度略有抬升。圖 2-3 展示的是長三角（YRD）、京津冀（NCP）、珠三角（PRD）和四川盆地（SCB）四個重點城市群的八年平均 O3 MDA8 背景值。長三角、京津冀地區的平均 O3 MDA8 背景值（43.63.0 ppb 和 43.13.5 ppb）顯著高于四川盆地和珠三角（34.42.4 ppb 和 36.01.7 ppb）（p0.05），其主要原因可能包括如下幾個方面：1）華東、華北平原天然源 VOCs 排放量高，因此即使在 NO2濃度極低的條件下，仍然有部分 O3的產生；2）太行山

16、脈的阻隔作用使 O3積聚；3）北緯 30-40附近氣流的下沉運動阻礙 O3擴散；4）北緯 30以北相對高溫、干燥的氣相條件有利于 O3的生成；而四川盆地與大灣區多雨潮濕的氣候條 6 件則有利于 O3的去除，使 O3背景值下降。圖 2-3 2015-2022 年全國各地區平均 O3 MDA8 背景值 圖 2-4 是我國 O3 MDA8 背景值的年際變化。由圖可見，2017 年以來長三角、京津冀、粵港澳大灣區和四川盆地地區的 O3 MDA8 背景濃度在均值附近上下波動，沒有顯著的下降或上升趨勢。該結果也側面證明，NO2截距法是一種較穩定的 O3背景濃度定量方法，能夠提供較可靠的 O3 MDA8 背

17、景值。然而，由于站點監測數據可用年限較短，2015-2022 年之間的 O3 MDA8 背景值的短期變化可能難以反映其長期演變趨勢，給本研究的結論帶來一定不確定性。圖 2-4 2015-2022 年全國各地區平均 O3 MDA8 背景值的年際變化 O3 MDA8 背景值的量化有助于判斷區域 O3未來的削減空間。夏季是一年中 7 O3污染最高發的時段，量化夏季 O3 MDA8 的削減空間對 O3污染控制有重要意義。如表 2-1 所示，2022 年夏季，京津冀、長三角、四川盆地和珠三角的 O3 MDA8背景值分別為 56 ppb、50 ppb、41ppb 和 34 ppb，O3 MDA8 削減空間

18、分別約為 20 ppb、17ppb、23ppb 和 9 ppb。該結果表明，目前全國重點城市群污染季節 O3 MDA8的削減空間仍然較大，未來必須重視 VOCs 與 NOx的協同減排，以期最大程度地削減 O3濃度、降低其對人體健康和生態系統的危害。表 2-1 2022 年全國重點城市群夏季 O3 MDA8 背景值削減空間分析 濃度（ppb）京津冀 長三角 四川盆地 珠三角 O3 MDA8 76 67 64 43 O3 MDA8 Baseline 56 50 41 34 削減空間 20 17 23 9 2.2)*+,-!./01&234)*+,-!./01&234(地表O3濃度與氣象要素存在不同

19、程度的相關性。大氣污染的變化主要由兩個因素驅動：人為排放和氣象。盡管人為排放主導了空氣污染的長期趨勢，但包括溫、壓、濕、風、降水、輻射、邊界層高度等在內的氣象因素也顯著影響了日、月、季節、年際和年代際尺度的大氣污染物濃度的變化。多元線性回歸（MLR）模型是量化氣象因素對不同區域大氣污染長期變化影響的有效工具。Li et al.（2020）建立了 9 種主要氣象因子（日最高 2 米氣溫（Tmax）、10 米緯向風（U10）和經向風（V10）、行星邊界層高度（PBLH）、總云面積分數（TCC）、降雨量（Rain）、海平面壓力（SLP）、相對濕度（RH）和 850 hPa 經向風（V850）與中國個

20、站點的 2013-2019 年的去季節趨勢的月度的夏季 O3 MDA8 的回歸方程以量化氣象因素和人為因素對夏季 O3 MDA8 的貢獻（公式 2-1）：=!+#$%+（公式 2-1）其中 y 是去季節趨勢的月度的夏季 O3 MDA8，（x1，x9）是九個氣象變量，為常數項?；?Akaike 信息標準統計，通過逐步添加和刪除項的方法確定回歸系數，以獲得最佳模型擬合結果。為避免過度擬合，僅 8 考慮包含至多三個氣象參數的夏季 O3 MDA8 的回歸模型。MLR 回歸的趨勢被用來反映氣象貢獻，然后殘差被用來反映假定的人為貢獻，人為趨勢的統計顯著性由 t 檢驗確定。2013-2019年期間，MLR

21、的模擬結果表明中國的平均氣象驅動趨勢為0.7 ppb/年（p0.01），表明氣象因素是中國大部分地區夏季 O3增加的重要因素（圖 2-5）。具體而言，氣象因素的變化顯著驅動了華北平原（NCP）、長三角和珠三角的 O3的增加（0.7-1.4 ppb/年），則對四川盆地的 O3有不明顯的緩解降低作用（-0.2 ppb/年）。與其他地區人為排放主導了區域 O3濃度增加（57%-100%）的結果不同的是，氣象因素的變化對珠三角的 O3增加貢獻度最大（73%）的結果表明氣象因素主導該區域 O3濃度的變化。圖 2-5 2013-2019 年中國夏季 O3 MDA8 變化趨勢。（a）為各觀測站點夏季平觀測

22、O3 MDA8 觀測變化趨勢。圖（b）顯示了通過將 O3 MDA8 擬合到 MLR 模型中的氣象協變量而確定的氣象驅動趨勢。圖（c）顯示了從 MLR 模型的殘差推斷出的人為趨勢。高于 90%置信水平的統計顯著趨勢用黑點標記。圖片來自于 Li et al.（2020）與之前對 2013-2017 年的研究類似（Li et al.,2019a），華北平原（MLR：Tmax，V10，RH）最重要的氣象驅動因素是 Tmax，珠三角（MLR：V850，RH，SLP）的則是 850hPa 的經向風，RH 則是四川盆地（MLR：RH，Tmax，V10）和長三角（MLR：RH，U10，V10）區域最重要的氣象

23、驅動因素。焚風引發的高溫天氣是中國北方夏季 O3污染惡化最重要的氣象因素。但如此炎熱的天氣與長期變暖無關，而是與主要由西北風引起的年際變化有關。珠三角的 O3增加的主要氣象 9 驅動因素是夏季季風的減弱，弱季風能減少海洋清潔空氣對 PRD 的通風，利于城市地區的 O3及其前體物的積累。尤其是在 2018-2019 年期間，高溫及弱夏季風天氣顯著增加了 NCP 和 PRD 區域的 O3濃度（表 2-3）。對于山東半島而言，受增強的海洋氣團的強烈影響，增加的對流導致 O3的擴散速度加快，不利于 O3的積累和增加（Han et al.,2020）。東北地區氣溫下降則是該區域 O3濃度降低最重要的因素

24、（Li et al.,2020）。表 2-3 2013-2019 年和 2013-2017 年中國 MDA8 臭氧趨勢（ppb/年），表格來自于 Li et al.（2020）2.3)5&-!./)5&-!./#$%#$%01&23401&234(除了區域人為排放的直接顯著影響外，氣候系統的變化能通過影響大氣污染的輸送、O3的生成、清除等化學反應速率等的同樣能有效影響中國 O3背景值的變化。為進一步評估氣候變化對中國 O3背景值的影響，本小節計算了 2015-2022年的中國每個觀測站點的尼爾尼諾 3.4（Nio 3.4）指數、東亞夏季風指數與 O3逐月背景值的異常值的時間序列的相關性（圖 2

25、-6）。10 圖 2-6 2015-2022 年中國臭氧背景值異常值與氣候系統的相關關系。（a）中國各站點 2015-2022 年逐月 O3 MDA8 的異常值和 Nio 3.4 指數的相關性分布圖；（b）夏季（6-8 月）O3 MDA8 的異常值和 Nio 3.4 指數的相關性分布圖；（c）夏季 O3 MDA8 的異常值與東亞夏季風指數相關相關性分布圖。圓點的黑色圓框表明兩者顯著相關（p0.05）。圖 2-6（a）表明，2015-2022 年期間，60%站點的 Nio 3.4 指數與 O3背景值的負相關性印證了 Nio 現象通過大氣遙相關對全球大氣環流和天氣系統產生重大影響，進而能有效調節中

26、國地表 O3濃度變化的研究觀點（Li et al.,2022;Oman et al.,2011;Xu et al.,2017）。其中京津冀區域（r=-0.21，p0.05）、河南、安徽等中部地區（r=-0.28，p0.01）的異常值與 Nio 3.4 指數顯著的負相關性表明，強厄爾尼諾能通過驅動氣象因素變化，影響大氣污染前體物的輸送等抑制區域 O3背景值的積累，進而可能緩解中國中部及華北平原的地表 O3污染。然而在夏季，華南地區（r=0.45，p0.03）、云南（r=0.59，p0.01）和吉林和黑龍江地區（r=0.37，p 0.5，p0.02）等地的 O3與東亞夏季風表現出顯著的正相關性，而

27、華北地區和長三角區域的部分站點（28-42N）則有顯著的負相關性（r 0，p0.05）。上述結果則表明強的東亞季風可能減少中國北方夏季 O3背景濃度的降低，但可能會提升中國南方尤其是華南區域的夏季O3背景值濃度。東亞夏季風通過對流層低層的風、云層和向下的短波輻射影響 O3的空間分布，從而影響中國區域 O3的傳輸和化學形成。在強東亞季風期間（2018 年），華南及西南地區的晴天和太陽輻射增加，以及西太平洋副熱帶高壓減弱產生的異常東北風和削弱的盛行南風導致有利的跨界水平輸送（由北向南）（Li et al.,2018;Yang et al.,2022），從而能增加地表 O3背景值。圖 2-7 表明，

28、在東亞夏季風最強的 2018 年，華南和西南區域的 O3背景值達到了高峰值（2.70-4.19 ppb）。對于中國東部 28-42N 區域而言，強季風帶來的太陽輻射減少、氣溫降低等氣象因素的變化和大氣污染物的由北向南輸出則能有效降低區域 O3（Yang et al.,2022）。受2018 年強夏季風的影響，京津冀和江蘇的 O3夏季背景值較 2017 年（弱季風年）有所下降（-1.49 ppb，-5.74 ppb），且比常年偏多的降水使 7 月的 O3背景值比 2017年同期分別降低 5.10 ppb 和 7.60 ppb（圖 2-7（c）-（d）?？傊?，東亞夏季風的周期性變化通過影響區域 O

29、3的化學生成及大氣污染物的水平和垂直傳輸，能有效調節中國地表 O3背景值的變化分布，進而對中國夏季地表 O3污染有著重要貢獻。12 圖 2-7 2015-2022 年中國 O3背景值的夏季異常值空間分布圖。（a）-（h）分別代表中國各站點 2015-2022 年的夏季異常值。厄爾尼諾和東亞夏季風氣候系統變化對中國地表 O3背景值濃度變化的顯著相關性表明，全球氣候變化正在有力地影響中國地表 O3濃度的變化。在制定控制 O3前體物排放 O3污染的治理措施需要思考如何協同緩解氣候變化以盡量降低愈發顯著的全球氣候變化對中國地表 O3污染的顯著貢獻。13#B%#B%:;=:;=*CDE/FG5,*CDE

30、/FG5,HIJKLMNHIJKLMNOPOP 3.1 67./89:;2?AB;AC67./89:;2?AB;AC(近年來，隨著大氣污染防治行動計劃的頒布實施，我國大氣污染防治工作取得了重大成就。到 2019 年，全國 74 個重點城市年均 PM2.5濃度相比 2013 年下降了 47.2%，而 O3污染卻呈現上升和蔓延的態勢。當前，O3污染已成為我國部分城市空氣質量不達標的首要因素，也是制約我國空氣質量持續改善的關鍵問題（Li et al.,2019b;Song et al.,2017;Wang et al.,2019）。近地面 O3由大氣中的氮氧化物（NOx）和揮發性有機化合物（VOCs

31、）在光照條件下發生光化學反應生成，且 O3生成與前體物排放水平間存在高度非線性關系，表現為 NOx/VOCs 比值較高時，O3生成對 VOCs 排放變化更為敏感，反之則更易受 NOx排放變化控制。因此，O3污染治理需要依據其生成機制對前體物排放結構進行調整，而準確識別 O3生成機制是制定科學有效的 O3防控措施的前提條件（Atkinson,2000;Guo et al.,2022;Li et al.,2021）。由于大氣 O3生命時間較長，O3污染問題更是區域性問題，不同區域間通過污染及前體物傳輸存在相互影響，因此解決 O3污染問題要求區域間聯防聯控，通過科學研究確定各地區的最佳減排策略，達到

32、整體防控的效果。我國各地區的大氣污染現狀和防控重心不同，如何考慮地區特征有針對性地提出前體物分階段精準調控以實現 O3地精細化防控，是目前我國 O3污染治理亟需解決的問題。O3污染與氣候變化間存在相互影響：一方面，氣候變化導致的氣象條件和傳輸特征的變化會影響到局地 O3的生成和輸送；另一方面，O3自身作為溫室氣體，也直接或間接地影響著邊界層內的氣象狀況。此外，O3前體物的多來自于電廠、工業和交通部門的人為排放，與溫室氣體排放源重合度較高，以 O3污染控制為目標的減排措施可能同時減少 CO2、甲烷（CH4）等溫室氣體的排放，進而帶來氣候變化減緩的協同效益。目前不少研究探究了過去和未來的氣候變化對

33、我國O3污染及其治理的影響（Lu et al.,2019;Yang et al.,2019;Zanis et al.,2022），而對于 O3污染治理帶來的溫室氣體減排的協同效益關注較少?；谝陨峡茖W基礎和當前研究背景，本研究擬采用區域大氣化學傳輸模型，14 通過一系列固定比例的前體物減排試驗，確定我國各省級地區的 O3生成機制，并以此為基礎提出因地制宜的分階段 O3前體物減排目標，為精細化防控 O3污染的措施制定提供理論參考，同時為后續氣候變化與大氣污染協同治理路徑的研究奠定基礎。3.1.1 9:;?=ABCDEFGHIJ9:;?=ABCDEFGHIJ 本研究采用 WRF-Chem（Weat

34、her Research and Forecasting model coupled with Chemistry,（Grell et al.,2005）大氣化學傳輸模型，通過運行一系列 NOx與 VOCs的減排試驗，來探究不同地區 O3化學生成對前提物的敏感性，并依此針對不同的省份設置使得 O3評價達標的減排目標，同時評估以 O3污染治理為目標的前體物減排帶來的 PM2.5污染改善的協同效應?？紤]到一氧化碳（CO）能夠通過參與NOx與 VOCs 的光化學反應影響 O3的生成，在高 NOx濃度的環境下是 O3的主要前體物之一；與 VOCs 相似，CO 同樣多來自于交通排放、燃燒及工業過程（Ta

35、ng et al.,2019;Zhang et al.,2019），在設置 VOCs 減排的同時，本研究設置了等比例的 CO 減排（即，下文所提到的 VOCs 減排表示 VOCs 與 CO 以相同比例共同減排）。本研究以 2015 年夏季（7 月）為模擬基準，模式采用蘭伯特投影下 27 km 分辨率的網格，覆蓋了 189（東西向）157（南北向）格點的區域，包含了整個中國及毗鄰地區；垂直方向分 38 層，模式最低層距地面約 20m。在中國區域的人為 排 放 使 用 清 華 大 學 開 發 的 中 國 多 尺 度 排 放 清 單（MEIC，http:/www.meicmodel.org/），中國

36、以外的亞洲地區人為排放采用 MEIC 模型團隊開發的 2010 年亞洲排放清單產品 MIX（Li et al.,2017）。其中，整個模擬區域的農業氨排放替換為 Zhang et al.（2018）統一自下而上的統計方法和自上而下的反演方法得到的月排放量數據。發生在邊界層內的氣溶膠干濕沉降過程是大氣氣溶膠的主要清除過程，因此對氣溶膠沉降的模擬準確性影響著模式對近地面PM2.5濃度的模擬效果（Du et al.,2019;Fan et al.,2014）。受限于觀測數據的稀少，沉降過程模擬在不同的模式中仍存在很大的不確定性。近些年來的觀測研究發現，大多數模式中的參數化過程存在低估云下清除、高估干

37、沉降速度的問題，因而造成了較大的 PM2.5沉降和近 15 地面濃度的模擬偏差。本研究采用 Ryu 和 Min 提出的更新的氣溶膠干濕沉降參數化方案（Ryu and Min,2022）對顆粒物干濕沉降的計算進行了如下改進：首先，在濕沉降中改進了云中清除和云下清除。（1）云中清除：在原始的MOSAIC 方案中，云量以云水及云冰混合比為 10-3g/kg 為閾值，高于閾值認為格點內云量為 1（100%），低于閾值則為 0，導致過量的云中清除（使用一級損失率參數化計算，認為收集和轉化造成的云載氣溶膠的清除速率與云滴向雨滴的轉化速率相同）：F&()*+,*-.=1 /0!2 3 （公式 3-1）其中

38、F 指被雨滴清除的云載氣溶膠的比例，rc表示由微物理參數化得到的云滴向雨滴的轉化速率，通常為 10-5-10-3 s-1。而在新的方案中考慮了云量345這一變量，使得云中被雨滴清除的氣溶膠的比例可表示為：F&()*+,)67=34581 exp （公式 3-2）上式中，0!8!#為云內轉化速率。因而云內濕清除可以看作 Frainout與云氣溶膠濃度乘積的垂直積分：Q()/9-*+.=0:;2;?$%&!;（公式 3-3）其中，為空氣密度，Ci為第 i 個 bin 的云載氣溶膠混合比，ztop為模擬區域最高層。（2）云下清除：基于 Wang et al.（2014）中的半經驗公式進行云下清除的參

39、數化，以期改善 WRF-Chem 中對氣溶膠云下清除的低估。在給定雨滴（或雪）的速率下，特定大小的粒子的云下清除系數為&()（或)*7），不考慮垂直湍流的情況下：=APA （公式 3-4）其中，A、B 為經驗參數，是氣溶膠直徑的函數。P 為降水速率（單位：mm/h）。經一系列敏感性試驗測試，設置=200。云下清除的氣溶膠占比依然用一級損失率計算，因此，云下清除可表示為：QB6-*7/9-*+.=1 exp(0:;+C=D);?$%&!;（公式 3-5）對氣溶膠干沉降過程，其速率使用 Emerson et al.（2020）的方案參數化：16 V.=E+%FGF(（公式 3-6）其中，Vg為重力

40、沉降速率，Ra和 Rs分別為空氣動力學阻抗和地表阻抗。重力沉降速率的計算方法為：VH=H%IJOP.GP/0GP/1Q （公式 3-8）其中，Eg，EIm和 EIn分別表示表示布朗運動收集效率，碰并收集效率和攔截收集效率，分別依據經驗參數等計算。除了對沉降參數化的修正外，本研究還在 WRF-Chem 模型中的添加了簡單的 SOA 生成計算模塊，來部分彌補模擬所用的 MOSAIC 氣溶膠化學方案未考慮二次有機氣溶膠導致的 PM2.5濃度的低估。該模塊用 CO、異戊二烯（ISPO）和單萜烯（TERP）的排放，結合模式計算的 OH 自由基濃度來計算 SOA 的生成（Miao et al.,2021;

41、Nault et al.,2021;Pai et al.,2020），并將這部分 SOA 添加至有機氣溶膠 OC 中，參與傳輸及物理化學過程的計算?？紤]到 PM2.5可以通過影響近地面輻射條件、大氣氧化性和非均相化學過程影響 O3的濃度（Li et al.,2019a;Lou et al.,2014;Zhu et al.,2019），上述方案的使用對 PM2.5模擬高估進行修正的同時，也部分改善了模式對近地面 O3的模擬，尤其在華北地區較為顯著。圖 3-1 展示了本研究的基準模擬得到的 2015 年 7 月近地面 O3與 PM2.5月平均濃度的空間分布，及其與來自中國環境監測中心（CNEMC）

42、的觀測的對比。結果顯示，近地面 O3與 PM2.5模擬時序與觀測的相關系數分別為 0.9 和 0.6，表明模式能較好地捕捉到這兩種污染物隨時間的變化過程。與站點觀測相比，模擬對河北、山西和四川盆地地區夏季平均 O3濃度略有高估，而低估了內蒙、西北地區和青藏高原的近地面 O3濃度，使得全國站點平均的近地面 O3濃度略低于觀測值（模擬 70.8 g/m3 vs.觀測 71.2 g/m3）。盡管上述參數化方案的改進降低了約 3%的近地面 PM2.5濃度模擬的高估，模式對 2015 年 7 月近地面 PM2.5月均濃度的模擬在華北地區、四川盆地地區以及新疆仍呈現較大的高估，而在華南地區 17 則略有低

43、估，導致全國站點平均月均近地面 PM2.5濃度的模擬結果相比觀測高估了約 38%。模式在新疆及華北地區的異常近地面 PM2.5濃度高值可能來自于偏高的沙塵排放（Jones et al.,2012），以及所使用的 MYJ_Eta（Janjic,1990;1994）邊界層-近地層參數化方案對邊界層內湍流混合的低估，需要后續進行進一步探討和完善。當前的基準模擬設置在長三角地區的近地面 O3和 PM2.5的模擬效果較好。圖 3-1 基準情景（2015 年 7 月）近地面 O3（左）及 PM2.5（右）月均濃度模式模擬結果與站點觀測（上圖圓點）的對比 除人為排放外，敏感性試驗的參數設置與基準模擬保持一致

44、。試驗包括單獨減排 NOx（分別減排 20%，40%，60%和 80%）、單獨減排 VOCs 與 CO（分別減排 20%，40%，60%和 80%）、同時等比例減排 NOx與 VOCs（包括 CO，下同。減排 20%，40%，60%，80%）以及不同比例減排 NOx與 VOCs（包括減排比例呈 1:2 與 2:1 減排）。試驗的具體排放設置如表 3-1 所示，模擬時段為 6 月 28 日至 7 月 31 日并對其中前三天是模式初始化時間，7 月份的模擬結果進行用來著重分析。該組模擬的氣象條件控制在 2015 年，使用 2015 年 7 月的 NCEP FNL 再分析資料作為氣象初始和邊界場，化

45、學初始和邊界條件則采用了來自 NCAR 的CAM-Chem 模式的輸出數據，敏感性試驗中不考慮未來氣象條件變化及化學初邊界條件變化的影響。18 表 3-1 臭氧前體物減排敏感性試驗設置 試驗設置試驗設置 Base：MEIC2015 NOx減排比例減排比例 0%20%40%60%80%VOCs（及（及CO）減排比例）減排比例 0%20%40%60%80%3.1.2%&KLMNOPDEF?7QR78STUVWI*%&KLMNOPDEF?7QR78STUVWI*本研究計算了不同減排情景下各省區域平均（由模擬網格上該省級行政區覆蓋的所有格點數據做平均算得）的 O3評價值。此處 O3評價值定義為模式最低

46、層日最大 8 小時 O3的 90 百分位數（MDA8 O3-90th），即模擬時段（7 月）的第四高值。圖 3-2 展示了各個省份 MDA8 O3-90th 對不同比例 NOx減排（紅色）、VOCs及 CO 減排（淺藍色）以及二者同時等比例減排（深藍色）的響應曲線，其中誤差線表示該區域內 O3評價值的標準差。結果顯示，我國大部分地區的 O3生成對 NOx排放的變化更為敏感，即等比例減排 NOx與 VOCs，前者所取得的 O3污染改善更大。其中，部分省份，如山西、遼寧、安徽、浙江、河南，在減排初期（減排比例不超過 20%），O3對 NOx和 VOCs 的減排響應相當，此時兩種前體物等比例減排能取

47、得更好的 O3控制成效；隨著減排力度的增大，O3對 NOx排放敏感性增加，此時等比例減排 NOx及VOCs 相比于單獨減排 NOx會帶來最多約 10 g/m3的 O3濃度下降。在華南、西北及西南的一些省份，尤其在甘肅、青海、新疆、西藏和云南等地，O3對 VOCs及 CO 的排放變化不敏感，O3評價值幾乎隨 NOx排放的減少線性降低，使得 NOx與 VOCs 共同減排的效果與只減排 NOx相差不大。19 圖 3-2 31 省區域平均近地面臭氧評價值（MDA8 O3 90 百分位數）對不同程度 NOx（紅色）、VOCs（淺藍色）及二者共同減排（深藍色）的響應曲線，誤差線表示區域內模擬結果標準差。此

48、外，華北、華東的部分地區，如北京、河北、江蘇、山東，處于過渡區，當減排幅度低于基準排放的 60%，單獨減排 NOx與等比例的 VOCs 減排帶來同等力度的 O3污染的改善，而兩類前體物的共同減排則能更快速地降低近地面 O3濃度高值。當減排比例大于 60%，O3生成變得對 NOx排放更加敏感，體現了深度減排 NOx在這些城市 O3污染控制中的重要作用。天津和上海當前則正處在VOCs 控制區，從圖 3-2 可以看出，當減排比例低于基準排放的 40%，O3評價值隨 VOCs 及 CO 減排的下降幅度遠高于等比例的 NOx減排。只有減排超過 40%的基準 NOx減排，O3化學生成進入過渡區，單獨減排

49、NOx才能顯著降低這兩座城市的 MDA8 O3高值，此時結合等比例 VOCs 的減排，仍能獲得可觀的 O3污染緩解收益。這表明，對天津和上海兩座城市，O3污染的短期快速改善應主要針對VOCs 進行減排，但長期達標則需要推動 NOx深度減排以越過拐點。同時，防控前期應合理制定措施，控制 VOCs 與 NOx的減排比例，以防止 O3濃度不降反升。以基準模擬和 16 組不同比例減排 O3前體物的敏感性試驗的模擬結果為樣本，本研究采用 Delaunay 三角剖分方法進行插值，繪制了各省級地區 O3濃度與前體物排放水平關系圖（EKMA 曲線圖，圖 3-3）。圖中的空心圓圈標記實際運 20 行模擬的減排情

50、景，填色表示插值結果，并標注了 160 g/m3，120 g/m3和 100 g/m3三條 MDA8 O3-90th 濃度等值線，分別表示全國（廣東省除外）O3污染第一階段（到 2035 年）控制目標、廣東省 O3污染第一階段控制目標和全國 O3污染第二階段（到 2060 年）控制目標。等值線處對應的 NOx和 VOCs（及 CO）減排比例則可看作 O3污染達標對應的減排方案。圖 3-3 31 省區域平均臭氧評價值與前體物減排比例關系（EKMA 圖）。圖中空心圓圈標注了實際進行敏感性模擬的減排情景，并標注了 160 g/m3、120 g/m3和 100 g/m3濃度等值線。本研究進一步提出了控

51、制 NOx為主、控制 VOCs 為主和 NOx及 VOCs 協同控制三種不同的前體物減排路徑，即各省到 2035 和 2060 年 O3前體物的減排指標，如表 3-2 所示。各減排路徑的設置基于以下原則：對于已經達到 O3污染控制目標的省份，不考慮其人為 NOx及 VOCs 減排；在 NOx與 VOCs 協同減排路徑中，減排方案使 O3評價值達標的基礎上，盡量控制 NOx與 VOCs 減排比例相近；在控制 NOx為主或控制 VOCs 為主的路徑中，保證 O3污染達標的前提下，作為主要控制目標的物種減排比例應高于協同減排路徑，且優先選擇主要控制物種的減排比例大于次要控制物種減排比例兩倍的減排策略

52、；考慮到未進行前體物減排 100%的模擬試驗以及三角剖分方法向外插值的誤差，對于圖 3-3中前體物減排 100%仍無法達到第二階段控制目標的省份，如北京、河北、天津、上海等，單一前體物減排不超過基準排放的 95%，且盡量使 O3評價值控制在 120 21 g/m3及以下。根據分省 EKMA 曲線圖和所設計的 O3前體物減排目標進行分析：京津冀和江蘇、上海當前夏季 O3污染較為嚴重（O3評價值高于 200 g/m3），且多處于過渡區或 VOCs 控制區，因此達成第一階段目標需要對人為排放的前體物進行大幅度（超過 50%）減排。初期三種路徑所對應的減排情景差異顯著，而為達到 2060年的控制目標，

53、這些地區需要將 NOx及 VOCs 排放控制在 2015 年排放量的 10%以下，使得三種路徑到污染控制后期的減排結果趨于一致。青海、新疆、西藏和云南四省在基準情景排放條件下 O3評價值低于第二階段目標濃度，可看作已經達標，因此未設置額外的減排目標；內蒙古、東北三省、福建、江西、浙江、湖南以及華南、西北和西南地區的大部分省份在 2015 年基準排放情景下也已經實現了第一階段的控制目標；其余省份，以河南、山東、廣東為代表，在兩種前體物協同減排路徑下需在 2035 年之前減排 10-45%以達成 O3控制目標。這些地區整體處于 NOx控制區，O3評價值對 NOx排放變化更為敏感，因而深度減排 NO

54、x對實現 O3污染的第二階段控制目標而言是較為經濟有效的措施。表 3-2 基于臭氧達標目標的分省前體物減排路徑 NOx與與VOCs協同減排協同減排 減排減排NOx為主為主 減排減排VOCs為主為主 2035年減排年減排（%）2060年減排年減排（%）2035年減排年減排（%）2060年減排年減排（%）2035年減排年減排（%）2060年減排年減排（%）華北地區 省份省份 NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs 北京 70 70 90 90 75 45 95 80 60 80 90 95 天津 65 65 95 95 75 40

55、 95 95 40 80 95 95 河北 50 55 90 90 65 10 95 80 35 70 90 95 內蒙古 已達標 45 50 已達標 50 20 已達標 40 70 山西 30 30 85 90 40 10 90 60 20 50 85 90 華東地區 省份省份 NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs 安徽 30 35 85 80 40 10 90 40 20 50 80 90 福建 已達標 40 40 已達標 45 10 已達標 30 75 江蘇 50 50 85 85 60 20 95 60 20 70

56、80 95 22 江西 已達標 50 45 已達標 55 10 已達標 45 80 山東 45 45 90 90 55 10 95 60 25 60 85 95 上海 75 75 95 95 85 60 95 95 65 85 95 95 浙江 已達標 80 70 已達標 85 10 已達標 75 85 東北地區 省份省份 NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs 黑龍江 已達標 45 45 已達標 50 10 已達標 40 70 吉林 已達標 70 65 已達標 75 15 已達標 65 85 遼寧 5 5 85 85 10

57、0 90 45 0 10 80 90 華中地區 省份省份 NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs 河南 40 40 90 90 50 10 95 50 25 60 90 90 湖北 10 10 75 75 15 0 80 50 5 20 75 85 湖南 已達標 60 70 已達標 65 30 已達標 55 80 華南地區 省份省份 NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs 廣東 25 30 55 60 30 10 65 10 15 50 50 80 廣西 已達

58、標 35 40 已達標 40 10 已達標 30 70 海南 已達標 20 20 已達標 25 0 已達標 10 50 西南地區 省份省份 NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs 重慶 10 10 75 60 15 0 80 10 5 20 70 85 四川 已達標 55 50 已達標 60 10 已達標 50 80 貴州 已達標 50 40 已達標 55 10 已達標 45 80 云南 已達標 已達標 已達標 已達標 已達標 已達標 西藏 已達標 已達標 已達標 已達標 已達標 已達標 西北地區 省份省份 NOx VOCs

59、NOx VOCs NOx VOCs NOx VOCs NOx VOCs NOx VOCs 甘肅 已達標 30 35 已達標 35 10 已達標 20 70 寧夏 已達標 65 50 已達標 70 10 已達標 55 80 陜西 已達標 70 60 已達標 75 10 已達標 65 90 青海 已達標 已達標 已達標 已達標 已達標 已達標 23 新疆 已達標 已達標 已達標 已達標 已達標 已達標*說明：本研究設置了分階段的臭氧達標目標，第一階段指2035年前的達標目標（對應“2035年減排”這一欄），在廣東省該目標為MDA8 O3-90th不超過120 g/m3，廣東之外的其它省份則為不超過

60、160 g/m3。第二階段目標指2060年前需達到的長期目標（對應“2060年減排”），該階段全國各省的臭氧達標指標為MDA8 O3-90th不超過100 g/m3。由于各省前體物排放量差異較大，本表給出各省基于基準排放的減排比例，以統一各省減排指標。3.1.3%&NOPTU?%&NOPTU?PM2.5XYTZ78XYTZ78 NOx和 VOCs 是 O3和二次有機氣溶膠共同的前體物，二者的減排在緩解 O3污染的同時，前體物濃度的降低和 O3污染改善所帶來的大氣氧化性變化也能減少硝酸鹽等二次顆粒物的生成，從而實現 O3與 PM2.5的協同治理（Xing et al.,2018;Zhu et a

61、l.,2019）?；诖?，本研究同時也考察了單獨減排 NOx或 VOCs，以及共同減排兩種污染物的情景下，各個省近地面 PM2.5濃度的變化。圖 3-4 顯示，除內蒙古、甘肅、青海和西藏四省響應較弱之外，其他省份的區域平均 PM2.5濃度隨單一污染物或兩種前體物減排幅度的增大呈現線性降低的規律。PM2.5的協同改善在華北、華中及長三角、珠三角和川渝地區較為顯著，表明這些地區二次氣溶膠在總顆粒物中占比較大；同時減排 80%的 NOx與 VOCs 基準排放，在這些地區最多可帶來約 45%的近地面 PM2.5濃度降低。同等減排比例下，單獨減排 NOx比單獨減排 VOCs 在大多數地區能夠收獲更大 P

62、M2.5協同改善效益，而在上海，VOCs 減排情景下的 PM2.5濃度更低，體現了這一地區 VOCs 減排的重要性。24 圖 3-4 30 省區域平均近地面 PM2.5月均濃度對不同程度 NOx（紅色）、VOCs（淺藍色）及二者共同減排（深藍色）的響應曲線，誤差線表示區域內模擬結果標準差。由于沙塵排放，新疆地區 PM2.5模擬值異常偏高，且幾乎不受人為排放變化影響，因此未在圖中展示 3.1.4 _a_SbcdF78_a_SbcdF78 該部分研究以 2015 年夏季（7 月）為基準，通過設置一系列 O3前體物減排的敏感性試驗，識別了不同省級區域內 O3濃度對 NOx和 VOCs 排放變化的敏感

63、性，并依據所得到的 EKMA 曲線圖制定了基于 O3濃度達標的兩階段分省減排目標。結果表明，除京津冀和長三角地區外，我國大部分省份處于 NOx敏感區。短期內，在京津冀和長三角城市群地區側重 VOCs 的減排，有利于快速削減其夏季O3污染高峰，而長期來看，全國范圍內仍需堅持以 NOx深度減排為主的 O3污染防控和治理措施。對區域平均的近地面PM2.5濃度變化的分析顯示，NOx與VOCs的減排在減緩近地面 O3污染的同時，也能給大部分地區帶來顯著的 PM2.5污染協同改善效果。在 2015 年基準排放的基礎上同時減少 80%的人為 NOx與 VOCs排放，可以使夏季北京地區平均 PM2.5濃度降低

64、 35 g/m3。本研究所提出的分省O3前體物減排目標充分考慮了排放水平和 O3化學機制的地區差異，對各地區 O3生成敏感性的判斷與政策建議與相關的研究基本一致（Li et al.,2022;Liu et al.,2021;Wang et al.,2019;Xue et al.,2014）?；诓煌刂浦攸c的多種路徑可用于下一步的減排措施成本-效益分析和溫室氣體協同減排分析，便于結合多種評價指 25 標給出精細化控制和減緩 O3污染的政策參考。本研究目前仍存在以下不確定性：首先，當前只對 7 月份進行了模擬，所計算的 O3評價值（7 月 MDA8 O3第 4 最大值）與 O3年評價值（日歷年內

65、 MDA8 O3第 36 最大值）不完全重合，可能會對 O3達標的判斷帶來一定的誤差。7 月份是華北和華東大部分城市地區的主要 O3污染季，但并不是唯一污染季，中國大氣臭氧污染防治藍皮書（2020 年）記錄了 2019 年 9 月下旬一次長時間大范圍的 O3污染事件；同時，O3對前體物的響應關系存在季節變化，這表明 O3污染治理需考慮整個暖季（4-10 月）內排放的動態控制（Jin and Holloway,2015;Li et al.,2013）。其次，本研究利用大氣化學傳輸模型 WRF-Chem 進行敏感性試驗，在整個中國地區同時進行等比例減排，目前的分析無法區分本地排放和傳輸的影響，對各

66、省份近地面 O3減排潛力的預估也可能因此存在誤差。此外，氣象狀況的改變一方面直接作用于 O3前體物的自然排放，另一方面也會通過影響外界傳輸導致本地 O3生成機制的變化（Lu et al.,2019;Wang et al.,2013;Westervelt et al.,2019;Yang et al.,2019），考慮未來的 O3控制措施和前體物減排目標，應進一步考慮未來氣候變化引起的大尺度環流的改變，以降低結果的不確定性。3.2!DEFGH!DEFGHIJKL$MNIJKL$MN(基于上節計算的中國各省 O3達標的前體物減排方案，我們從兩個維度設置了 14 個情景來探究碳中和目標下不同省級碳配

67、額分配方式與空氣污染末端控制的影響，確定中國層面 O3和溫室氣體協同減排最優路徑。氣候政策方面包括無碳限額的參考情景（BaU）和六種不同省級碳配額分配方式的碳中和情景，共七種；末端控制包括當前政策參考情景（CLE）和加強現有控制力度的情景（POLICY）。經兩兩組合后總計 14 個情景。3.2.1 e$fg=he$fg=hIMED|CGE IMED|CGE 模型以基準年（2017 年）各省市投入產出表數據為社會經濟方面的數據基礎，結合能源平衡表，產業統計年鑒數據形成了模型所需的基準年數據。模型由 GAMS/MPSGE 建模并用 PATH 算法器求解。模型的部門劃分可根 26 據研究問題和目標的

68、不同而靈活設置。模型包括生產模塊、國內外貿易的市場模塊以及政府和居民的收支模塊。IMED|CGE 已廣泛地應用于事前定量評價稅收、貿易、能源、溫室氣體減排等政策的效果和經濟影響，是能源經濟評估的主流模型。本研究所用 IMED|CGE 模型（圖 3-5）中涵蓋了二十余個生產部門及 30 個省市（不含臺灣），以一年為步長動態模擬至 2060 年，全面刻畫各省市經濟發展、能源需求、溫室氣體及空氣污染物排放之間的關系，得到未來年產業結構和能源變化趨勢、行業級別碳排放量和減排成本。圖 3-5 IMED|CGE 模型框架圖 在 CGE 模型中，碳限額對于大氣污染物協同減排的價格信號的傳導效應如下所述（圖

69、3-6）。在碳限額下產生 CO2影子價格，造成化石能源價格上升，供給側化石能源消費和產業產出下降、溫室氣體排放下降；同時在需求側，提高了高碳排放產品的成本，推動生產和消費者轉向低碳排放的產品。也就是通過改變生產原料或消費品之間的相對價格來引導經濟主體的生產和消費行為向更加低碳的模式轉化，達到 CO2減排的目標。而常規大氣污染物與 CO2同根同源，在降低化石能源消費和工業產出的同時，也降低了大氣污染物的排放。因此，降碳協同減污本質上是通過能源替代和工業產量降低伴隨生產過程排放降低實現的。27 圖 3-6 基于 IMED|CGE 模型的碳減排與空氣污染物協同減排示意圖 3.2.2 i(IJi(IJ

70、 1)1)碳中和目標下各省配額分配方式設定 公平和效率是應對氣候變化時爭論的焦點。公平原則有來自平等主義、主權準則、祖父準則、支付能力和經濟活動等不同方面的解讀。平等主義強調所有人都有平等的排放和發展權利，本研究據此構建了人均碳排放趨同情景（CNS-CO2PC）。主權準則，指所有區域具有平等的排放權和不受影響的權利，也就是所有區域按照同比例減排，維持現有的相對排放水平不變，據此構建了各省市以同等減排速率下降的情景（CNS-SameRate）。祖父準則鼓勵各地區漸進式碳減排，省級配額占比與實際歷史省級排放在國家總量中的占比相同，以確保各省市經濟發展的連續性和穩定性，據此構建了祖父情景（CNS-G

71、randfathering）。支付能力準則強調經濟能力更強的地區應承擔更高的減排責任，其中人均 GDP 是衡量地區經濟能力的有效指標，據此構建了減排能力（CNS-Capacity）和支付能力（CNS-Develop）情景。在效率方面，碳強度，即單位 GDP 產出的 CO2排放，是衡量效率的一個重要指標。如果一個地區碳排放強度較高，則表明該地區生產中無效率排放可能較大，因此從效率角度而言該地區應承擔較高的減排目標。據此構建了碳排放強度 28 趨同情景（CNS-CO2Intensity）。綜上所示，根據不同的分配準則，本研究設置了以下六種不同碳中和情景下碳配額分配情景（表 3-3），給定了各省市

72、2017-2060 年逐年的碳排放限額總量，作為 CGE 模型中碳中和情景的限制條件。根據不同的分配原則，本研究設置了以下六種不同碳配額分配情景（表 3-3）。表 3-3 碳中和目標下不同碳排放配額方式 情景名 說明 排放配額前三省份 CNS-CO2PC 人均趨同 人均碳排放趨同：到 2060年各地區人均排放均為 2.3噸/人 廣東、河南和山東，在 2060 年碳排放量分別為 2.60、2.37 和1.96 億噸 CNS-SameRate 同等速率 碳排放年下降速率始終保持一致 廣東、江蘇和河北，在 2060 年碳排放量分別為 2.57、2.18 和2.10 億噸 CNS-CO2Intensi

73、ty 碳強度趨同 各省市單位 GDP 的碳排放到 2060 年趨于一致 廣東、江蘇和山東，在 2060 年碳排放量分別為 3.52、2.75 和2.75 億噸 CNS-Capacity 減排能力 與 60 年 GDPPC 正比 河南，河北和廣西，在 2060 年碳排放量分別為 3.17、2.20 和2.04 億噸 CNS-Develop 支付能力 與 17 年 GDPPC 正比 河南，河北和四川，在 2060 年碳排放量分別為 2.46、2.11 和1.97 億噸 CNS-Grandfathering 祖父法 2060 年各地區碳配額占比與歷史碳排放占比一致 山東、山西和河北，在 2060 年

74、碳排放量分別為 2.95、2.89 和1.83 億噸（1）碳強度趨同：）碳強度趨同：CNS-CO2Intensity 單位 GDP 產出的 CO2排放，是衡量效率的一個重要指標。如果一個地區 CO2排放強度較高，則表明該地區生產中無效率排放可能較大，因此從效率角度而言該地區應承擔較高的減排目標。這里，我們利用 CGE 模型中 BaU 情景下的各個省份的 2060 年 GDP 數據，以及 2060 年中國平均碳強度數據，相乘計算得到2060 年各省碳排放。具體來說，在 2060 年中國總碳排放量為 30 億噸時，碳強度為 50 噸/百萬美元。2017 年約為 746 噸/百萬美元。;,M!S!=

75、TU;:,M!S!;,M!S!（公式 三-9）29 其中，TU;:,M!S!為 2060 年全國平均碳排放強度；;,M!S!為該省在 2060 年分配的碳排放量；;,M!S!為該省在 CGE 模型中 2060 年 BaU 情景下的 GDP。（2）人均碳排放趨同法：）人均碳排放趨同法：CNS-CO2PC 根據到 2060 年各省市人均碳排放量相同的原則，對 2060 年碳排放情景各個省份的碳排放量進行分配。人口較多的省份具有更高的碳排放額度，以滿足更多人口帶來的發展的碳排放需求。具體來說，當 2060 年中國總碳排放量為 30 億噸時，人均碳排放量為 2.3 噸。;,M!S!=M!S!LVL*,

76、3,4,LVL*,3,4,5,*67 （公式 三-10）其中，;,M!S!為該省在 2060 年分配的碳排放量；M!S!為 2060 年中國總碳排放量；;,M!S!為 2060 年預測的該省的人口數。（3）同等碳減排速率：）同等碳減排速率：CNS-SameRate 根據中國碳中和排放路線，計算得到逐年碳排放下降率，各省保持相等的碳排放下降速率。具體來說，在 2060 年中國總碳排放量為 30 億噸時，碳排放在2025 年之后保持每年下降 1%-7%的速度，并且降速逐漸增加。;,2=T;:,2 （公式 三-11）其中，;,2為該省在 t 年的碳排放下降率；TU;:,2為中國在 t 年的碳排放下降

77、率。（4）支付能力法：）支付能力法：CNS-Develop 該方法以各省份當前的發展水平確定其應當承擔的減排量，越發達的省份有更強的減排能力，也應當承擔更多的減排義務。人均 GDP 能夠反應一個省份的經濟發展水平，因此選用 2020 年的各省人均 GDP 作為衡量各省份發展水平的指標。為發展較為落后的省份分配相對更多的碳排放，而更為發達的省份則要承擔更高的碳減排。為了避免過于極端，引入系數，取值在 0-1 之間。越小，人均 GDP 變化引起的碳配額變化越小，帶來的碳配額差距也會更小，本研究這里取=0.5。;=M!S!LVL*,3,4,OYZL*,3,3,LVL*,3,3,Q89LVL*,3,4

78、,OYZL*,3,3,LVL*,3,3,Q895,*67 （公式 三-12）30 （5）減排能力法：）減排能力法：CNS-Capacity 仍然選取人均 GDP 作為衡量發展水平的指標，這里使用 CGE 模型中 BaU情景下的 2060 年的 GDP 預測值。即以未來的發展潛力進行分配，高發展潛力的省市在 2060 年的碳配額就更少。與支付能力法相比，減排能力更關注未來一段時間里長期的發展。本研究這里取=0.5。;=M!S!LVL*,3,4,OYZL*,3,4,LVL*,3,4,Q89LVL*,3,7:OYZL*,3,4,LVL*,3,4,Q895,*67 （公式 三-13）（6）祖父法：）祖

79、父法：CNS-Grandfathering 2060 年各個省份的碳排放比例按照 1997 年至 2019 年的累積碳排放量（Zheng et al.,2019）占總碳排放量的比例進行分配。該分配方法考慮各個省份的碳排放延續性，累積碳排放量大的省份具有相對更高的碳排放額度，在未來也可以得到更高的減排量。其中西藏只有 2014 年的數據（Shan et al.,2017），其余年份根據全國碳排放平均增速補齊。;=M!S!T*,$3,7;7;:T*,$3,7;OP-Q)89R2DESTKUVWXYZFOP-Q)89R2DESTKUVWXYZ(大氣污染物和溫室氣體具有同根同源性，低碳轉型的深入推進在

80、減緩氣候變化的同時也將有協同改善空氣質量的巨大潛力。分析協同程度和邊際效應可以幫助政策制定者優化政策設計，以提高政策效率和成本效益。本節描述 CO2與大氣污染物的時空變化趨勢，分析了碳減排政策對空氣污染物的協同程度和減排成本，識別了關鍵污染控制部門，探討不同協同減排路徑表象背后分階段協同的關鍵因素和節點。4.1.1 o&pqC9:XYP?Ursto&pqC9:XYP?Urstu u如果沒有進一步的氣候政策和加強末端控制（BaU-CLE），隨著能源消費和社會經濟活動水平的變化，2060 年我國 CO2、NOx、SO2、VOCs、NH3和一次PM2.5排放將是 2017 年水平的 0.85、0.7

81、3、0.53、0.90 和 0.72 倍，分別達到了 79.5億噸、15.5 百萬噸、6.0 百萬噸、22.3 百萬噸、8.1 百萬噸和 4.0 百萬噸（圖 4-1）。CO2排放貢獻前五的部門分別為電力（34.7%）、金屬冶煉（16.5%）、能源供應（8.7%）、交通（7.8%）和居民（6.8%）。NOx排放貢獻最大的部門依次為交通（27.9%）、金屬冶煉（22.0%）和電力部門（21.0%）。SO2排放貢獻最大的部門依次為金屬冶煉（30.1%）、建筑（20.1%）和化工部門（19.4%）。一次 PM2.5排放貢獻最大的部門依次為金屬冶煉（43.3%）、非金屬（22.8%）和建筑（15.8%）

82、。VOCs 則絕大部分來源于化工部門（75.9%），其次為能源供應（5.2%）和建筑（4.8%）。與其他污染物排放不同的是，95%的 NH3來源于農業部門。氣候政策對于 NOx、SO2和一次 PM2.5減排有顯著的協同作用。在加強末端去除后（即在 BaU-POLICY 情景下），2060 年我國 NOx排放將下降到 13.8 百萬噸，為 2017 年水平的 0.65 倍，而在碳中和情景下，即使延續現有的控制政策，即在 CLE 假設下，NOx排放就可下降至 7.8-8.5 百萬噸，約為 2017 年水平的 0.37-0.40 倍，在進一步加強末端控制后（POLICY），NOx排放可進一步下降至

83、6.9-7.6百萬噸，約為 2017 年水平的 0.32-0.36 倍（圖 4-1）。34 類似地，對于 SO2和一次 PM2.5，在加強末端去除后（即在 BaU-POLICY 情景下），2060 年我國 SO2和一次 PM2.5排放將分別從 6.0 和 5.5 百萬噸下降到 3.3和 2.2 百萬噸，而在碳中和情景下，即使延續現有的控制政策，即在 CLE 假設下，SO2和一次 PM2.5排放就可分別下降至 3.3-3.6 和 2.5-2.8 百萬噸，在進一步加強末端控制后（POLICY），SO2和一次 PM2.5排放就分別進一步下降至 1.6-1.9和 1.3-1.5 百萬噸。而對于 VOC

84、s 和 NH3，只有在加強末端控制后，排放量才會顯著下降，與氣候政策沒有顯著的相關性。具體來講，在當前控制力度下（即在 CLE 假設下），實施氣候政策可以將 VOCs 排放從 2060 年的 22.3 百萬噸下降到 18.8-19.2 百萬噸，NH3排放則幾乎沒有明顯下降甚至有小幅增加，而加強控制力度（BaU-POLICY）則可以下降到 2.8 百萬噸。35 圖 4-1 我國 CO2與大氣污染物排放總體趨勢（a）與分部門排放量（b）在區域貢獻方面，在無碳限額的當前末端控制水平 BaU-CLE 情景下，對于CO2，北部（占全國總排放的 20%）、長三角（16%）和東部（14%）產生的 CO2 3

85、6 占全國總排放的 50%。類似地，北部（占全國總排放的 20%）、長三角（16%）和東部（13%）產生的 NOx排放占全國總排放的 50%。而對于 SO2，北部（占全國總排放的 21%）、西南（17%）和中部（13%）占全國總排放的 50%。對于 VOCs，長三角（21%）、東部（16%）和北部（11.2%）占全國總排放的 48%。對于 NH3，中部（19%）、西南（18%）和西北（12%）占全國總排放的 42%。對于一次 PM2.5主要為北部（占全國總排放的 21%）、中部（14%）和西北（13%）占全國總排放的 48%。而在碳中和情景下，各地區貢獻發生變化。對于圖 4-2，在人均碳排放趨

86、同情景 CNS-CO2PC-CLE，中部（17%）、長三角（15%）和西南地區（15%）為 CO2排放最多的地區，而在當前減排能力 CNS-Develop-CLE 情景下，中部（17%）、西南（16%）和南部（13%）碳排放量最高。對于 NOx，在人均碳排放趨同 CNS-CO2PC-CLE、碳強度趨同 CNS-CO2Intensity-CLE、未來減排能力 CNS-Capacity-CLE 和當前減排能力 CNS-Develop-CLE 情景下，中部碳排放配額增加，將取代北部地區成為貢獻前三的地區。對于 VOCs，基于 CLE 的碳中和情景下，南部地區將取代北部地區成為貢獻前三的地區。對于 S

87、O2，在同等減排速率 CNS-SameRate-CLE和祖父法CNS-Grandfathering情景下，東部地區將取代中部地區，而在其余基于CLE假設的碳中和情景下，東部地區取代北部地區。對于一次PM2.5，同等減排速率 CNS-SameRate-CLE 情景下西北地區將取代西南地區，在碳強度趨同 CNS-CO2-Intensity 情景下，東部地區將取代北部地區。37 圖 4-2 不同地區不同情景下二氧化碳與大氣污染物排放趨勢 4.1.2 qTUMv9:XYP?TULwCxyz78qTUMv9:XYP?TULwCxyz78u在 CGE 模型中，碳限額對于大氣污染物協同減排的價格信號的傳導效

88、應如下所述。在碳限額下產生 CO2影子價格，造成化石能源價格上升，供給側化石能源消費和產業產出下降、溫室氣體排放下降；同時在需求側，提高了高碳排放產品的成本，推動生產和消費者轉向低碳排放的產品，也就是通過改變生產原料或消費品之間的相對價格來引導經濟主體的生產和消費行為向更加低碳的模式轉化，達到 CO2減排的目標。而常規大氣污染物與 CO2同根同源，在降低化石能源消費和工業產出的同時，也降低了大氣污染物的排放。因此，降碳協同減污本質上是通過能源替代和工業產量降低伴隨生產過程排放降低實現的。38 在本研究中，減排成本的計算是以降碳情景相對于基準情景的經濟損失（GDP 損失、產出）來衡量，是一種為實

89、現碳減排目標，通過情景間對比計算所要放棄的經濟效益的機會成本，不同于治理的直接成本。治理的直接成本通常是指實施具體減排措施所需的經濟投入，如購買減排設備或實施能源節約措施等。而該成本則是一種更為綜合的成本概念，考慮了在實現碳減排目標的過程中可能放棄的經濟效益，因此更能反映出降碳情景對經濟的影響。大氣污染物的排放源不同決定了碳減排對于其減排的協同程度大小。圖 4-3表明，NOx排放貢獻最大的部門依次為交通、金屬冶煉和電力部門，在 2060 年BaU-CLE 基準情景下 83.3%來源于能源直接燃燒排放，碳中和情景下 2060 年相較于 BaU-CLE 碳減排幅度為 62.3%時，NOx協同減排幅

90、度為 45.5%-49.6%，其中同等碳減排速率 CNS-SameRate-CLE 最低，而減排能力 CNS-Capacity-CLE 最高，北部、長三角和東部地區減排量最大。SO2排放貢獻最大的部門依次為金屬冶煉、建筑和化工部門，在 2060 年 BaU-CLE 基準情景下 53.4%來源于能源直接燃燒排放，2060 年協同減排幅度為 40.2%-45.3%，其中減排能力 CNS-Capacity-CLE 最低，而碳排放強度趨同 CNS-CO2Intensity-CLE 最高，北部、西南和西北地區減排量最大。一次 PM2.5排放貢獻最大的部門依次為金屬冶煉、非金屬和建筑，2060年 BaU-

91、CLE 基準情景下 33.2%來源于能源直接燃燒排放，2060 年協同減排幅度為 30.4%-37.0%，其中減排能力祖父法 CNS-Grandfathering-CLE 最低，而碳排放強度趨同 CNS-CO2Intensity-CLE 最高，北部、西北和東北地區減排量最大。在2060 年 BaU-CLE 基準情景下，95%以上的 NH3來源于農業源，與能源使用無直接關系，因此協同程度較低，在祖父法 CNS-Grandfathering-CLE 下的排放相較于BaU-CLE 甚至增加。VOCs 則主要來源于化工部門，2060 年 BaU-CLE 基準情景下 91.5%來源于工業生產過程中排放，

92、2060 年協同減排幅度為 13.8%-16.9%，其中同等碳減排速率 CNS-SameRate-CLE 最低，而碳排放強度趨同 CNS-CO2Intensity-CLE 最高，中部、西北和西南地區減排量最大。39 圖 4-3 我國二氧化碳減排幅度與大氣污染物減排幅度的相對關系 為識別重點控制部門，本研究進一步計算了各部門排放占比、與碳減排的協同程度和減排成本。這里我們篩掉了排放占比少于 1%的部門。協同程度是部門空氣污染物減排量與 CO2減排量的比，比值越大，則表明該部門協同程度更高。減排成本則是單位減排量的部門產出損失。在 CLE 假設下，氣候政策對于 NOx減排的協同程度隨著時間推移而增

93、加，對于 SO2則是隨著時間推移而降低，對于 VOCs、NH3和一次 PM2.5則沒有明顯的時間變化趨勢。如圖 4-4 所示，2035 年減排一千噸的 CO2可以減排 1.13-1.15噸的 NOx，0.50-0.57 噸的 SO2，0.52-0.55 噸的 VOCs，0-0.01 噸的 NH3，0.27-0.30噸的一次 PM2.5。2060 年減排一千噸的 CO2可以減排 1.43-1.56 噸的 NOx，0.49-0.55 噸的 SO2，0.63-0.76 噸的 VOCs，0.002-0.02 噸的 NH3，0.24-0.30 噸的一次PM2.5。90%以上的 NH3都來源于農業部門，與

94、氣候政策的協同程度不高，甚至存在權衡，即碳排放降低時 NH3排放增加，需要加強末端控制。一次 PM2.5主要來源于金屬冶煉、非金屬、電力和化工等部門，在工業生產過程產生，南部地區金屬冶煉部門存在權衡效應。SO2主要來源于化工、金屬冶煉、電力、建筑等部門，但在不同地區略有不同，東部、中部和南部等地區以化工和金屬冶煉為主，其他地區則以金屬冶煉為主。NOx主要來源于金屬冶煉、電力和交通等部門。40 VOCs 主要來源于化工部門，北部地區紡織業、長三角化工業存在權衡效應。圖 4-4 碳中和情景下不同大氣污染物減排地區與部門貢獻 在 CLE 假設下，除了 NH3外、各污染物的減排成本隨著時間推移而增加。

95、在 2035 年減排一噸 NOx、SO2、VOCs、NH3和一次 PM2.5所對應的部門產出損失平均為 394-449、799-1009、860-930、10.1 萬-4.7 萬、1493-1891 美元，在 2060年減排一噸 NOx、SO2、VOCs、NH3和一次 PM2.5所對應的部門產出損失平均為964-1234、2690-3955、1937-2622、52.8 萬-370.1 萬、4966-7679 美元，其中 NH3在祖父法 CNS-Grandfathering-CLE 情景下排放量增加，減排成本表現為負（圖 4-5）。41 42 43 圖 4-5 2060 年各地區 NOx和 V

96、OCs 排放分部門占比、協同程度與減排成本 各地區大氣物污染物減排成本不盡相同（圖 4-5）。在區域層面，對于 NOx，南部地區減排成本最高，在 2060 年約為 1975-2699 美元/噸，其次為東部和京津地區，分別為 1607-2581 和 1106-2032 美元/噸，而中部、東北、西南等地區減排成本較低。對于 SO2，南部、京津和東部地區減排成本較高，其中在人均碳排放趨同 CNS-CO2PC-CLE、碳排放強度趨同 CNS-CO2Intensity-CLE、未來減排能力CNS-Capacity-CLE 情景下，南部地區減排成本最高，達到了 13873-19556 美元/噸。在同等減排

97、速率 CNS-SameRate-CLE、當前減排能力 CNS-Develop-CLE、祖父法 CNS-Grandfathering-CLE 情景下，京津地區碳配額較少，SO2的減排成本最高，達到了 12880-17436 美元/噸。對于 VOCs，在同等減排速率 CNS-SameRate-CLE 情景，東部減排成本最高，達到了 4890 美元/噸，為全國平均水平的 2.1 倍，在其余碳中和情景下，南部地區減排成本最高，為 4657-8781 美元/噸。對于一次PM2.5，南部地區減排成本最高，達 27783-169622 美元/噸，其次為東部地區，為16722-21297 美元/噸。對于 NH

98、3，在碳排放強度趨同 CNS-CO2Intensity-CLE 情景下，西北地區減排成本最高（89084 美元/噸），在其余碳中和情景下，長三角地區減排成本最高，達到了 77984-86857 美元/噸，部分地區減排成本為負、即農業部門產出增加?？偟膩碚f，各地區減排成本差異化的原因是多方面的。不同污染物的特性和治理難度不同，因此對應的減排成本也有所不同。對于 NOx和 VOCs，南部地區的排放較為嚴重，需要采取更加復雜和昂貴的減排措施，因此減排成本相對較高；能源結構的清潔程度和技術條件的先進程度對減排成本的影響也較大。例如，東部地區的技術條件較為先進，政策支持力度也較大，因此減排成本相對較低。

99、此外，產業結構、不同地區的環境容量和敏感程度對減排成本也具有一定的影響，需要綜合的判斷和具體的分析。通常協同程度高的部門減排成本較低，意味著如果優先控制這些部門，將有助于降低控制成本?；谝陨蠈τ谂欧耪急?、協同程度與減排成本的分析，本研究進一步識別出了重點控制關鍵部門，如圖 4-5 所示。對于 SO2，為化工、金屬冶煉、建筑業和電力部門；對于 VOCs，為化工部門；對于 NOx，為金屬冶煉、電力部門、交通和非金屬等部門；對于一次 PM2.5，為金屬冶煉、非金屬和建筑 44 業；對于 NH3，應加強農業部門的末端控制。其中，金屬冶煉為一次 PM2.5、NOx和 SO2的重要部門。4.2./!B;

100、./!B;-F2DEST-F2DEST(4.2.1%&.|%&.|o&pq%&NOPUro&pq%&NOPUru u我們補充設置了三種 O3中長期減排目標的實現路徑，分別為 NOx與 VOCs（及 CO）共同控制（NOx與 VOCs 減排比例盡量接近，報告中為 Joint_POLICY情景）、控制 NOx為主（盡量控制在 NOx減排比例大于 VOCs 減排比例的兩倍以上，NOX_POLICY 情景）和控制 VOCs 為主（盡量控制在減排 VOCs 比例大于NOx減排比例的兩倍以上，VOC_POLICY 情景）三種情況，同時我們在三種情景設置時均加強了污染物末端控制，并與基準情景（BaU_CLE

101、）情景進行對比。如圖 4-6 所示，在沒有進一步的污染物減排政策，但加強末端控制的情景下（BaU-POLICY），NOx的排放量會呈現較快的增長趨勢，同時 CO2排放也會保持較快的增長，直到 2050 年左右才會開始下降，VOCs 雖然有微弱的下降趨勢，但 2060 年排放量依然較高。而在三種臭氧中長期減排路徑下，兩種臭氧前體物未來均有明顯的下降，三種路徑也將幫助中國在 2030 年前到達碳排放峰值，在2060 年，相較于 BaU 情景分別帶來 30%（NOx_POLICY）、42%（VOC_POLICY）、38%（Joint_POLICY）的碳減排，其碳減排協同效應非?？捎^。圖 4-6 基準

102、年-2060 年四種情景下 CO2,NOx和 VOCs 排放量變化趨勢 值得注意的是，三種O3前體物減排路徑所帶來的效果差異也是非常顯著的，以 VOCs 減排為主的路徑也需要 NOx的大幅減排，同時具備最佳的二氧化碳協 45 同減排效應；但以 NOx為主的減排路徑并不需要大量減排 VOCs，即可實現 O3中長期排放目標，但其 CO2減排協同效應較低。4.2.2%&.|?qTUSTU%&.|?qTUSTUu我們對于全國層面三種污染物減排路徑下，碳減排總量和部門分布進行了分析，在 VOCs 減排為主的情景下，許多部門都貢獻了較高的碳減排量，其中石油部門（PET），電力部門（ELE）和交通部門（TS

103、P）碳減排量最高，相較于BaU_POLICY 情景分別減排 1277，800,543 百萬噸；在以 NOx減排為主的情景下，石油加工（PET）、電力（ELE）和金屬冶煉（MET），總計為 NOx_POLICY情景下的碳減排做出了 84%的貢獻，與 VOC_POLICY 情景不同的是，金屬冶煉部門貢獻了較高的碳減排（530 百萬噸），在 Joint_POLICY 情景下，上述部門均貢獻了較高的碳減排（圖 4-7）。圖 4-7 2060 年三種污染物減排情景下 CO2減排關鍵協同部門 4.3 _abL$cdef89R?g_abL$cdef89R?gPM2.5hhO301&G01&GHH(在對不同政

104、策情景下粵港澳地區 PM2.5及 O3污染對一次污染物排放變化響應的研究基礎上，本研究進一步將氣候政策與加強的末端治理政策的實施范圍擴展至全國，探究我國總的一次污染物排放在未來不同情景中的變化，及其所帶來的空氣質量的改善效益。與對 GBA 地區的研究類似，該部分研究首先對 IMED|CGE 的全省份模型估 46 算的各個預設情景下未來一次污染物的人為排放總量進行部門歸類和分析，之后對其降尺度生成格點化排放數據，驅動大氣化學傳輸模型 WRF-Chem 計算我國近地面PM2.5和O3污染未來的變化路徑。模擬的氣象場固定在基準年份2015年，模擬區域內中國之外的人為排放保持使用 MIX 2010 亞

105、洲排放不變。模擬采用水平分辨率為 27km 的單層網格，覆蓋整個中國地區，模式設置同 GBA 地區模擬研究一致，并在此基礎上更新了顆粒物干濕沉降的參數化方案。如表 4-1 所示，本研究考慮了維持當前溫室氣體排放與末端控制水平（命名為 BaU-CLE）、單獨采取氣候政策（依據碳中和目標設置碳限額，命名為 CN-CLECNS-CO2PCCLE）、單獨加強末端污染控制力度（命名為 BaU-POLICY）和實施氣候政策同時加強末端治理（命名為 CN-POLICYCNS-CO2PCPOLICY）四種情景，選取 2035 和 2060年分別作為短期和長期防控策略的時間節點。對中國大部分污染地區而言，1 月

106、和 7 月分別對應 PM2.5 和 O3 的污染季，因此對基準年份及兩個未來年份 1 月和7 月分別進行了模擬，共運行了 18 組模擬試驗，以對比探究全國范圍內的氣候政策和加強的末端控制政策對未來空氣質量的影響。表 4-1 WRF-Chem 模擬試驗設計 試驗名稱 年份（月份）中國地區排放對應政策方案 Base 2015（Jan.;Jul.）MEIC2015 BaU-CLE-2035 2035（Jan.;Jul.）無碳限額，同時末端去除率維持在當前水平 BaU-CLE-2060 2060（Jan.;Jul.）BaU-POLICY-2035 2035（Jan.;Jul.）無碳限額，加強末端污染排

107、放控制力度 BaU-POLICY-2060 2060（Jan.;Jul.）CNS-CO2PC-CLE-2035 2035（Jan.;Jul.）依據碳中和目標和人均排放趨同原則設置碳限額，保持 47 CNS-CO2PC-CLE-2060 2060（Jan.;Jul.）當前末端去除率水平 CNS-CO2PC-POLICY-2035 2035（Jan.;Jul.）依據碳中和目標和人均排放趨同原則設置碳限額，加強末端污染排放控制力度 CNS-CO2PC-POLICY-2060 2060（Jan.;Jul.）4.3.1 bi(/XYPUrpbi(/XYPUrp 圖 4-8 展示了四組情景下幾種主要一次污

108、染物（NOx，SO2，PM2.5，VOCs 和NH3）未來中國地區的排放總量變化，橙色、綠色、天藍和深藍色分別代表能源、工業及居民、交通和農業部門的排放?？傮w而言，四組情景中能源部門的一次污染物排放都有所降低，氣候政策情景下降的速度更快。除氨氣排放主要來自于農業部門外，其余的一次污染物的未來排放主要來自工業和居民部門。未設置碳限額的政策情景中（BaU-CLE 和 BaU-POLICY），工業及居民部門的 NOx排放在2015-2025 年間下降了約 30-40%，而從 2025 到 2060 年，工業部門 NOx排放量有所回彈。氣候政策實施初期，對 NOx排放的協同減排效果較為有限，到 202

109、5年，僅考慮碳限額的情景（CNS-CO2PC-CLE）相比 BaU-CLE 情景，NOx總排放量降低了僅 1.4 百萬噸，CNS-CO2PC-POLICY 情景相比于 BaU-POLICY 情景，NOx總排放僅額外減少了約 1.2 百萬噸，但隨著時間的推移，氣候政策在深入減排 NOx中的優勢逐步顯現：從 2035 年開始，氣候政策帶來的 NOx減排量高于加強的末端控制政策。至 2060 年，CNS-CO2PC-POLICY 情景下我國一次 NOx的總排放量降低至 7.1 百萬噸，為基準年份排放量（23 百萬噸）的 30.9%。48 圖 4-8 四組情景下基準及未來年份（2025、2035、20

110、50 和 2060 年）全國一次污染物年排放總量變化路徑。圖中標注了所有部門排放總量的數值，單位為 106 噸。圖中，橙色、綠色、天藍色和深藍色分辨表示能源、工業及居民、交通、農業部門的貢獻。一次 SO2和 PM2.5排放在 2015 年至 2025 年間急速下降，減排比例分別為55.8-67.9%和 60.5-66.7%，且 BaU-POLICY 與 CNS-CO2PC-CLE 情景描述的減排程度幾乎相當，前者略大于后者。從長遠來看，同時采用氣候政策和加強末端治理政策有助于在 2035-2060 年得到更低的一次 SO2和 PM2.5排放，在 CNS-CO2PC-POLICY 政策中，這兩種

111、污染物在 2060 年的排放量分別為 1.7 和 1.4 百萬噸，相比基準年的 16.5 和 12.9 百萬噸分別減排了 89.7%和 89.2%，相比 BaU-CLE 情景中的 6.0 和 4.0 百萬噸進一步減排了 71.7%和 65.0%。以一次 PM2.5排放為例，對比 BaU-POLICY 與 CNS-CO2PC-POLICY 情景的排放量，可以計算氣候政策在2035、2050 和 2060 年帶來的額外的減排比例分別為 18.9%、32.1%和 48.5%，體現了氣候政策帶來的一次污染物減排協同效益隨碳減排幅度增大而加強的特征。在四組情景下，VOCs 幾乎都是未來排放量最大的一次污

112、染物，在 BaU-CLE情景中，VOCs 的排放總量在 2035 年前緩慢上升，主要由工業和居民部門排放量增加引起，后隨著交通部門排放的降低，到 2060 年我國 VOCs 總排放降至與2015 年相當的水平。CNS-CO2PC-CLE 情景中，VOCs 排放前期的增長得到了控 49 制，后期略有減排，到 2060 年，基于碳中和目標的氣候政策帶來了 3.5 百萬噸VOCs 的協同減排。加強的末端控制政策能有效減少各部門的 VOCs 排放，BaU-POLICY 情景中，2060 年全國 VOCs 排放總量為 9.8 百萬噸，相比 2015 年排放量 22.8 百萬噸減少了 57%，而 CNS-

113、CO2PC-POLICY 情景則可以額外帶來 7.9%的 VOCs 協同減排。此外，對比 BaU-CLE 與 CNS-CO2PC-CLE 情景可以發現，氣候政策對 NH3減排幾乎沒有協同作用，自 2025 到 2060 年，NH3總排放量僅降低了 0.9 百萬噸，而采取加強的末端控制政策可以使得工業和居民部門的氨排放進一步降低，總氨排放在 2060 年從 CLE 情景下的 8.1 百萬噸降低至 POLICY情景下的 2.8 百萬噸，額外（相對于 2015 年氨排放）減排了 43.1%。綜上所述，氣候政策在全國范圍內的污染減排協同效益主要體現在對一次NOx、SO2和 PM2.5的協同減排上，這一

114、協同效益帶來的額外減排幅度隨時間增大?；谔贾泻湍繕嗽O置的碳限額所驅動的氣候政策對 VOCs 和 NH3減排的協同作用相對有限，考慮到 VOCs 減排對城市地區近地面 O3污染改善和 NH3減排帶來的 PM2.5污染改善及其健康效益（Gu et al.,2021;Liu et al.,2022），現階段有必要采取更強的末端控制政策來減少這兩種污染物的一次排放。與 GBA 地區相比，全國范圍內氣候政策和強化末端控制政策對 NOx和 VOCs 的減排幅度更小，因而帶來的 O3污染改善的協同效益可能相對較弱。4.3.2 bi(/bi(/PM2.5O356pVW56pVW 進一步考察不同政策情景下近地

115、面 1 月 PM2.5濃度和 7 月 MDA8 O3濃度對減排的響應。圖 4-9 展示了 PM2.5的模擬結果?？梢钥吹?，在 2015 年的氣象和排放情況下，除新疆和內蒙部分地區受沙塵影響外，1 月 PM2.5重污染區域主要集中在華北、華中、浙江以北的華東地區和川渝地區，這一區域同樣也是各情景下未來 PM2.5污染改善幅度最大的區域。其中，四川東南和重慶西部地區 1 月平均近地面 PM2.5濃度將會降低超過 100 g/m3（表 4-2）。2015 年 1 月的模擬結果顯示，全國站點平均 PM2.5月均濃度為 99.5 g/m3，京津冀、長三角、珠三角和成渝四個重點城市群地區的站點平均月均濃度

116、分別為 131.1 g/m3、110.2 g/m3、61.9 g/m3和 146.6 g/m3。BaU-CLE 情景中，在現有強度的末端控制措施的干預下，1 月近地面 PM2.5污染將得到大幅改善，到 2035 年，全國站點平均 1 月 PM2.5 50 濃度降低至 58.1 g/m3，減少了 41.6%，主要城市群地區的 PM2.5污染也將得到大幅改善。然而從 2035 到 2060 年，BaU-CLE 情景的排放變化僅能帶來平均 2.9 g/m3的近地面 PM2.5污染改善，四大城市群地區的 PM2.5濃度仍遠超 35 g/m3的國家標準。圖 4-9 基準情景下近地面平均 2015 年 1

117、 月 PM2.5模擬濃度（左）及其它情景下的未來濃度差值（右，單位：g/m3）。左圖中空心圓圈標注了全國各個城市觀測站點的平均位置，選取這些位置對應的格點濃度作為觀測站點對應的模擬濃度，其平均值（或與 Base 的差值）標注在每張子圖右下角。右圖中不同顏色加粗的輪廓分別表示京津冀（BTH）、長三角（YRD）、珠三角（PRD）和成渝（SC）主要城市群地區，這些區域的站點平均近地面PM2.5濃度值標注在每張子圖的左下角。圖中 CN 為 CNS-CO2PC 情景的簡寫。到2035年，CNS-CO2PC-POLICY情景的冬季PM2.5污染改善協同效益最大，為-48.1 g/m3，其次是僅采用強化末端

118、控制政策的 BaU-POLICY 情景，為-46.3 g/m3，表明短期內強化末端控制政策帶來的 VOCs 與 NH3的較大幅度的減排對PM2.5污染改善的貢獻較大。在 POLICY 代表的末端控制水平基礎上，碳中和目標將會在短期內帶來額外的 1.8 g/m3的近地面 PM2.5濃度改善，這一協同效益到 2060 年則變為 3.6 g/m3。而在當前的控制力度下，進一步采取氣候政策到 51 2060 年會額外帶來 4.9%的 PM2.5污染改善（對比 BaU-CLE-2060 和 CNS-CO2PC-CLE-2060），即氣候政策擴大了將來我國 PM2.5污染改善潛力，這可能與氣候政策主導的能

119、源及產業結構變化帶來了可觀的 NOx、SO2與一次 PM2.5協同減排有關。在 CNS-CO2PC-POLICY 情景中，到 2060 年，四大城市群地區站點平均 1 月近地面 PM2.5濃度分別降低到 49.6 g/m3（BTH）、45.0 g/m3（YRD）、31.5 g/m3（PRD）和 41.4 g/m3（SC），其中 PRD 地區冬季近地面 PM2.5濃度已達到 35 g/m3的評價標準，但仍遠高于 15 g/m3的指標。從污染變化的分布圖來看，這些城市群地區的近地面 PM2.5濃度都有了很大幅度的下降，考慮區域內及周邊地區一次污染物的更深度減排可能會有助于 PM2.5濃度進一步降低

120、，以達到國家標準。表 4-2 基準與未來情景下中國及各重點城市群站點平均 1 月 PM2.5濃度模擬結果 濃度：g/m3 Base（2015）BaU-CLE BaU-POLICY CNS-CO2PC-CLE CNS-CO2PC-POLICY 中國站點平均 2035 99.5 58.1 53.2 56.0 51.4 2060 55.2 45.5 50.3 41.9 京津冀 2035 131.1 69.8 63.9 66.3 60.7 2060 66.9 55.6 59.1 49.6 長三角 2035 110.2 65.6 58.6 63.5 56.7 2060 62.2 48.2 57.3 45

121、.0 珠三角 2035 61.9 43.9 40.0 42.4 38.6 2060 41.5 33.7 38.6 31.5 川渝 2035 146.6 65.1 58.4 60.8 54.7 2060 59.6 47.6 50.9 41.4 夏季（7 月）全國 MDA8 O3 90 百分位數（MDA8 O3-90th）在基準年份的空間分布及各情景下未來年份的變化如圖 4-10 所示。2015 年，全國站點平均近地面MDA8 O3-90th為168.2 g/m3（表4-3），略高于我國二級標準規定的160 g/m3。從空間分布可以看出四大城市群地區為這一季節 O3的主要污染區，其站點平均MDA8

122、 O3-90th 均嚴重超標，分別為 241.2 g/m3，211.0 g/m3，170.0 g/m3和 184.5 g/m3。在 BaU-CLE 情景下全國及四大城市群地區的 O3污染改善幅度較小，在2035 年 O3評價值分別下降了 9.4 g/m3（全國）、14.7 g/m3（BTH）、8.1 g/m3 52 （YRD）、10.1 g/m3（PRD）和 16.6 g/m3（SC）。從 2035 年到 2060 年，雖然總的 NOx和 VOCs 排放在這一情景下持續降低，但全國站點平均 MDA8 O3-90th下降幅度與 2035 年相當，京津冀和長三角地區的 O3污染反而略有加重，凸顯了

123、O3化學生成的非線性特征，以及加強VOCs排放控制和NOx深度減排的必要性。圖 4-10 基準情景下近地面平均 2015 年 7 月 MDA8 O3-90th 模擬結果（左）及其它情景下的未來濃度差值（右，單位：g/m3）。其余信息同圖 4-9 標注。表 4-3 基準與未來情景下中國及各重點城市群站點平均 7 月 MDA8 O3 90 百分位數模擬結果 濃度：g/m3 Base（2015）BaU-CLE BaU-POLICY CNS-CO2PC-CLE CNS-CO2PC-POLICY 中國站點平均 2035 168.2 158.8 153.2 155.4 149.2 2060 158.2 1

124、48.1 149.6 141.2 京津冀 2035 241.2 226.5 216.9 221.7 211.5 2060 227.8 211.2 214.1 198.5 長三角 2035 211.0 202.9 194.0 199.1 185.7 2060 203.2 187.9 192.7 181.5 53 珠三角 2035 170.0 159.9 155.1 158.1 153.2 2060 157.6 147.3 152.8 143.4 川渝 2035 184.5 167.9 161.3 160.5 154.4 2060 167.0 155.7 152.1 142.5 BaU-POLIC

125、Y 情景相比 CNS-CO2PC-CLE 情景在未來有更大的 O3污染改善收益，尤其在 BTH 和 YRD 地區更為顯著。在 2035 和 2060 年，單獨采取強化末端控制政策比單獨采取氣候政策，全國站點平均 MDA8 O3-90th 進一步降低了 2.2 g/m3和 1.5 g/m3。相比于 BaU-CLE 情景，BaU-POLICY 和 CNS-CO2PC-CLE情景主要大幅減排的 O3前體物分別為 VOCs（減排 57.0%）和 NOx（減排 65.2%）（圖 4-8），由此證明在減排前期（2035 年之前），著重減排 VOCs，尤其在城市地區，能夠取得更大的近地面夏季 O3污染改善效

126、益。CNS-CO2PC-POLICY 情景與 BaU-POLICY 情景描述的 2035 和 2060 年 VOCs 的排放量相當，但前者的 NOx排放相比后者減少了 19.1-48.6%，從而分別在 2035 和 2060 年額外降低了約 4 g/m3和 7 g/m3的全國站點平均 MDA8 O3-90th 濃度，在京津冀和成渝地區更是使這一指標進一步降低了 12.7 g/m3和 13.2 g/m3。因此，長期看來，堅持實施氣候政策，推進 NOx深度減排能夠擴大未來城市地區 O3減排潛力，從而更大力度地協同改善城市群地區夏季的 O3污染。值得注意的是，即使在最為清潔的CNS-CO2PC-PO

127、LICY 情景中，2060 年全國范圍內 69.1%的 NOx減排和 64.9%的VOCs 減排仍不足以使主要城市群地區的夏季 O3濃度達到國家一級標準（100 g/m3），需要更大幅度的一次前體物減排，才能更多地避免嚴重 O3污染造成的經濟和健康損失。圖 4-11 直觀地展示了不同政策情景下我國 1 月 PM2.5和 7 月 O3污染的協同改善?？傮w而言，所有情景減排中前期（2035 年之前）污染物濃度降幅相比 2035至 2060 年間的降幅更大。不同政策情景下的 PM2.5和 O3污染均呈現協同改善的特征，改善效益大小依次為：CNS-CO2PC-POLICY BaU-POLICY CNS

128、-CO2PC-CLE BaU-CLE 情景。POLICY 政策相比 CLE 政策額外的 VOCs 和 NH3減排對控制和減緩冬季 PM2.5污染至關重要，在此基礎上，碳中和目標驅動的氣候政策帶來的深度 NOx、SO2和一次 PM2.5減排從長久來看能進一步增加 3-4 g/m3的減排潛力。對夏季 O3污染，GBA 地區試驗中總結的“短期優先減排 VOCs，長期 54 堅持深度減排 NOx”的結論在全國范圍內依然適用。如圖 4-11 右圖所示，淺黃色曲線（BaU-POLICY 情景）指示的 MDA8 O3-90th 濃度路徑在 2035 年低于深藍色曲線（CNS-CO2PC-CLE 情景），表明

129、 2035 年前大幅減排 VOCs 相比 NOx能取得更大的 O3污染改善協同效益，但 2035 到 2060 年，兩條曲線間距逐漸縮短，而淺黃色曲線與淺藍色曲線（CNS-CO2PC-POLICY 情景）間距逐漸增大，說明減排 NOx的 O3污染改善效益隨著 NOx減排幅度的增長而增大。值得注意的是，即使在相對最清潔的 CNS-CO2PC-POLICY 情景中，我國站點平均的冬季近地面PM2.5和夏季 O3評價值仍無法達標，各個城市群地區也都有不同程度的超標，意味著全國范圍內（尤其是城市地區）在未來仍需要更為嚴格的一次污染排放控制措施，以進一步提高氣候政策和末端治理政策實施的環境與健康協同效益

130、。圖 4-11 不同政策情景下全國站點平均 1 月 PM2.5月均濃度和 7 月 MDA8 O3-90th（月第四高值）的變化路徑。橙色、黃色、深藍和淺藍色分別表示 BaU-CLE、BaU-POLICY、CNS-CO2PC-CLE 和 CNS-CO2PC-POLICY 情景。55#%#%FG5,FG5,*=N5678RS_*?DEDEAA-no-no././h)5&h)5&22pqpq(最為重要的溫室氣體之一，全球 CH4排放的削減可以通過增加允許的碳排放量對實現巴黎氣候目標的可行性產生重大影響（Stohl et al.,2015），對抑制全球變暖和大氣污染的實現帶來巨大的影響（Collins

131、 et al.,2018）。全球 CH4減排已經被證明是降低全球對流層 O3收支，進而降低區域 O3背景濃度的最有效的方法之一（Fiore et al.,2008;West et al.,2007）。5.3.1 UrMUrMM“”%&?M“”%&?IPCC AR6 報告中有關 CH4減排的敏感性試驗結果表明：盡早實行的 CH4和O3前體物的協同減排能有效改善全球對流層 O3污染，并且將顯著提高將全球變暖穩定在 1.5C 以下的可行性。圖 5-5 表明，在弱氣候緩解疊加僅強力削減非甲烷短壽命的氣候強迫因子（SLCF）的情景（SSP370-lowSLCF-highCH4，假定關鍵氣候強迫的物種的排

132、放因子削減至 SSP1 情景，2100 年的全球 CH4濃度下降至 1839 ppb）下，相對于2005-2014 年，全球平均地表 O3濃度到世紀中葉（2050-2059）將減少 4.70 0.07 ppb（15.1%），到本世紀末（2090-2099）則降低 4.99 0.06 ppb（16%），南亞除外（Allen et al.,2021）。全球 NOx排放的大幅減少而導致的 O3的 NOx滴定減少和 PM2.5濃度的降低導致的自由基的異質損失減少等，可能導致了南亞區域地表 O3濃度的增加（Turnock et al.,2020）。62 圖 5-5 2015 年至 2100 年，不同共享

133、社會經濟路徑（SSP）的區域年平均地表臭氧（O3：ppb）的預計變化。不同顏色線條和陰影表示每個場景中可用 CMIP6 模型的多模型平均值和1 標準偏差。圖片來自 IPCC.（2021）。在 CH4和非甲烷 SLCF 協同減排（SSP370-lowSLCF-lowCH4）的情景中，CH4排放從 2020-2100 年期間削減 62 Tg/年，導致 2100 年全球 CH4濃度將降低至1008 ppb（Collins et al.,2018）。額外的 CH4減排使全球地表 O3濃度將在本世紀中葉降低 7.560.13 ppb（24.2%）和到本世紀末降低 9.04 0.07 ppb（29.0%）

134、，并且東亞、南亞地區的地表 O3濃度將顯著下降（Allen et al.,2021）。與 CH4協同減排措施帶來的益處相比，僅非甲烷 SLCF 減排的緩解措施通過減少氣溶膠和非甲烷的前體物能帶來短期明顯的改善空氣質量的效益，但該措施無法有效改善南亞的持續加重的 O3污染，并且對中長期空氣質量改善程度有限。但，僅全球人為 CH4排放量減少 20%（65 Mt/年），全球 O3的 MAD8 的背景值只能將減少1.16 ppb（West et al.,2006）。因此，在保證社會經濟競爭發展（即 SSP370 情景）的前提下，全球 CH4與非甲烷 SLCF 的協同減排是有效緩解全球地表 O3污染的必

135、要措施，兩者缺一不可。63 5.3.2 TUMTUM././M“”%&?M“”%&?鑒于畜牧業是我國 CH4排放的第二大人為源，同時具有較大減排潛力的畜牧業部門，本項目評估中國畜牧業 CH4減排對空氣質量變化的長期影響效應。本研究使 CH4模擬設置及數據來源內容詳情請見譚海月（2022）。圖5-6（a）表示在未來的三種社會經濟情景下中國地區平均近地面CH4濃度的變化和采用DM30 即嚴格的綜合減排（到2030年，畜牧業CH4排放降低26.8%）后的CH4濃度。相比于基準情景，2050年中國近地面CH4平均濃度減少了21.6 ppb，在減排效率和減排潛力最大的西南地區CH4濃度減少了超過30 p

136、pb（圖5-6（b）。本研究發現，通過推廣和落實我國牲畜飼養和糞便處理的兩種技術減排措施，能將我國平均的夏季O3 MDA8濃度降低約90 ppt。在高NOx的地區，由于O3對CH4的敏感性會增加一倍（Fiore et al.,2008），因此對于臭氧高值區（圖5-6（c）-（d），O3濃度下降超過100 ppt。這意味著在落實雙碳目標的同時，對既是溫室氣體又是臭氧前體物CH4采取嚴格的人為排放控制措施可產生一定的協同收益。圖 5-6 中國畜牧業減排對全球和中國地區近地面 CH4濃度和夏季近地面 O3濃度的影響。圖（a）表示在不同減排路徑下，2020-2050 年中國平均近地面 CH4濃度的變化

137、。圖（b）表示 2050 年基準情景和減排情景的中國 CH4濃度變化，右下角數值為中國地區和京津冀地區平均的 CH4濃度變化量（ppb）。圖（c）和（d）分別表示 2050 年全球和中國夏季近地面 O3濃度的變化（ppt）。臭氧濃度為日最大 8 小時臭氧濃度（MDA8）。圖片來自譚海月（2022）。64 與之相比，全球尺度上人為源排放部門的 CH4和大氣污染物的協同減排則能有效降低未來中國的地表 O3濃度（IPCC.,2021;Stohl et al.,2015;Unger et al.,2020）?；?2003-2007 年的全球主要 7 個部門排放源（如農業（AGR）、家庭（DOM）、能

138、源（ENE）、工業（IND）、道路運輸（TRA）、廢物/垃圾填埋場（WST）和航運（SHP）的大氣污染物排放清單（包括 CH4），Unger et al.（2020）使用全球地球系統模型設計一系列的敏感性試驗，結果表明：全球各部門的大氣污染物及 CH4協同降低 50%的減排措施能使中國區域地表 O3濃度相較于 2003-2007年降低 10 ppb 左右（圖 5-7）。圖 5-7 不同排放源部門排放量相對于 2003-2007 年的控制試驗減少了 50%的全球年平均表面 O3濃度變化（ppb），圖片來自于 Unger et al.（2020）。從各部門減排的貢獻來看，TRA，IND 和 ENE

139、 部門的協同減排對中國的區域地表 O3濃度降低貢獻最大（表 5-2），尤其分別能使中國東部 O3濃度降低分別 65 降低 2.840.91 ppb，2.670.91 和 2.310.97 ppb；農業和家庭的協同減排則對中國地表 O3改善貢獻有限（1.251.10 ppb 和 0.790.68 ppb）。同時，與其他地區相比，農業的協同減排對中國的地表 O3濃度降低貢獻最大，表明中國大量的水稻及畜牧業的 CH4排放控制對中國改善大氣污染的重要意義。上述敏感性試驗結果表明，全球范圍的道路運輸和能源部門的大氣污染和 CH4排放協同減排是有效降低中國熱點區域（如中國東部地區）地表 O3污染的重要手段

140、。表 5-2 相對于全球范圍和 3 個關鍵地區的控制實驗，50%的部門減排的地表 O3濃度（ppb）的年平均下降量，表格來自于 Unger et al.（2020）嚴格的中國畜牧業 CH4減排對降低中國地表 O3濃度的有限作用（?DEr?DEr-_)s&234-_)s&234(5.4.1 UrUrM:p?M:p?u u合理的 CH4減緩水平可以通過增加允許的碳排放量對實現巴黎氣候目標的 66 可行性產生重大影響（圖 5-8）。在 SSP370 基準情景中，相對于 2009-2014 年的全球地表氣溫（GSAT），GSAT 到本世紀中葉將會增加 1.570.11C，到本世紀末則會增加 3.470

141、.11C。與 SSP370 情景的 GSAT 變化相比，SSP370-lowSLCF-highCH4情景下的 GSAT 在本世紀中期則增加 0.230.05C，到本世紀末則增加0.210.03C。這是因為非甲烷 SLCF 減排通過減少氣溶膠和非甲烷前體物來改善空氣質量，會導致0.1-0.3C范圍內的額外短期升溫（Allen et al.,2021）。在SSP370-lowSLCF-lowCH4的情景下，相對于 SSP370 情景 GSAT 變化，GSAT 則在本世紀中期將會在其基礎上降低 0.150.05C，在本世紀末冷卻 0.500.02C。上述結果表明，CH4排放量的協同控制不僅抵消了氣溶

142、膠和非 CH4前體物引起的地表變暖，最終能導致 GSAT 到本世紀中葉降低 0.150.05C，到世紀末降低 0.500.02C，從而能有效抑制全球氣候變暖。圖 5-8 SLCF 和氫氟碳化合物（HFCs）變化對 WGI 共享社會經濟路徑（SSP）集合的GSAT 影響的時間變化。與 2019 年和 1750 年相比，凈氣溶膠、CH4、對流層臭氧和 HFCs的影響及其總和。圖片右側顯示了 2019 年至 2100 年間 GSAT 變化的不確定性。圖片來自于（IPCC.,2021）。在低排放情景（SSP119 和 SSP126）中，SLCF 對變暖的貢獻在 2040 年左右 67 達到峰值，很可能

143、在 0.04C 到 0.34C 之間。在峰值之后，CH4和 O3的減少導致的變暖減少占主導地位，給出了 2100 年 SLCF 和 HFC 變化引起的變暖分別為0.12C 和 0.14C。然而，從本世紀末的長期來看，兩種情況之間存在非常顯著的差異。在 SSP370 中，由于每十年 0.08C 的 SLCF，出現了接近線性的變暖，而在 SSP585 中，出現了更快的早期變暖。在 SSP370 情景中，氣溶膠的減少有限，但 CH4、HFCs 和 O3的穩步增加導致 GSAT 的貢獻幾乎呈線性，2100 年達到 0.5C的最佳估計值。在 SSP585 中，CH4和 O3對 2100 年的貢獻減少，但

144、 HFCs 的變暖仍在增加，SSP585在2100年的SLCF和HFCs變暖最大，最佳估計值為0.6C。在 SSP245 情景中，氣溶膠的減少導致 2100 年約 0.3C 的變暖，而在這種情景中，CH4和 O3的貢獻很小。對于中長期（2040 年后）的減排的氣候變化的貢獻而言，對流層 O3和 CH4的減排對全球 GSAT 降低的貢獻愈發顯著。5.4.2 UrUrO3M:p?M:p?u u作為重要的溫室氣體之一，不同減排情景下的全球對流層 O3的變化對未來氣溫變化有重要的影響（圖 5-9）。低排放情景中，到本世紀中葉 O3的減少對全球 GSAT 大約降低 0.6-0.8，到本世紀末將約降低 1

145、.5。在高排放情景中，O3的變化則會導致 GSAT 增溫在本世紀中期達到峰值（1），到本世紀末期下降至約 0.8。在 SSP370-lowSLCF-highCH4情景下，僅僅 SLCF 減排不能有效降低本世紀中葉的中國東部地區的地表 O3污染（+0-3 ppb），進而可能單獨導致 GSAT 到本世紀中葉 0-0.05 的升溫（相對比 2019 年）（圖 5-8 和圖 5-9）。此外，到本世紀末，全球地表 O3濃度變化可能導致 0-0.15的 GSAT 的升溫。68 圖 5-9 NMNTCF（SSP370-lowSLCF-highCH4）、all-NTCF（SSP370-lowSLCF-lowC

146、H4）和 CH4緩解（SSP370-lowSLCF-highCH4-SSP370-lowSLCF-lowCH4）的多模型平均地表 GSAT 變化的空間圖。（左圖）2050-2059 相對于 2005-2014 和（右圖）2090-2099 相對于 2005-2014 的多模型 GSAT 變化。圖片來自于 Allen et al.（2021）在 SSP370-lowSLCF-lowCH4情景下,全球 CH4與 SLCF 的協同減排將能有效的降低中國區域的地表 O3濃度和 GAST。到本世紀中葉，除中國東部部分區域地表 O3還有所增加外，絕大多數區域地表 O3降低（0-10 ppb），導致 GSA

147、T 到本世紀中葉 0-0.1的降溫（圖 5-8）。此時，包括 O3的 SLCF 和 HFCs 的減排會使中國 GSAT 整體降低 0.02-0.06（圖 5-9（c）。到本世紀末期，全球 CH4與SLCF 的協同減排將使中國地表 O3普遍降低 2-14 ppb。此時 O3濃度的變化可能使中國 GSAT 降低 0.1-0.13（IPCC.,2021），SLCF 和 HFCs 的減排會使中國GSAT 整體降低 0.27-0.32（圖 5-9（d）。69 5.5 tEFGHctEFGHc22u)/WKsv)w&u)/WKsv)w&(5.5.1 u u羥基（OH）自由基是對流層中主要的氧化劑，能夠和大

148、部分污染氣體反應，控制污染氣體的濃度和壽命，OH 的水平是決定二次污染物的水平的重要因素。根據 IPCC 2020 年報告，在 20 年的時間范圍內，全球 CH4排放量每年以較快速度增長，CH4的全球變暖潛力（GWP）為 86，100 年的 GWP 為 28。大氣中 CH4的匯主要是對流層中與 OH 的氧化、干燥土壤中的生物氧化和平流層損失，大氣中 CH4最主要的清除過程就是在對流層中與 OH 的氧化反應。與對流層 OH 自由基的反應消耗 CH4約為 528 Tg/年，約占總匯的 77%；向平流層輸送 CH4 51 Tg/年，約占總匯的 7%；通氣良好的表層干燥土壤所消耗的大氣 CH4的量約為

149、28 Tg/年，約占 CH4總匯的 4%左右。作為大氣中 CH4的主要的匯，OH 自由基濃度的變化是CH4濃度在近些年來變化趨勢的驅動因子（McNorton et al.,2016）。對流層 OH 濃度在大氣中會通過影響損耗的 CH4質量進而影響大氣 CH4濃度變化，研究發現減少4%的全球平均OH 濃度相當于CH4排放增加約22 Tg/年（Rigby et al.,2017）。因此，量化不同排放路徑下的中國 OH 變化是評估不同協同治理措施對氣候變化和空氣污染協同治理效果的重要指標?；诘?3 章第 2 節計算的中國溫室氣體和 O3前體物的 4 種協同減排路徑下的排放清單，本項目在該章節使用

150、Murray et al.（2021）改進的基于 OH 穩態關系推導出的計算大氣化學傳輸模型（CTM）OH 濃度變化的統計公式（Wang and Jacob,1998），量化評估協同減排導致的大氣氧化性的變化對 CH4治理的效果。=VO Z7Q?5/3 （公式 5-1）其中VO Z7Q是 O3對(%)（s1）的光解頻率，q 是比濕度（kg H2O kg air1），SN和 SC分別是 NOx（Tmol N y1）和活性碳（Tmol C y2）物種的排放速率。前兩項限制了總HOx產生的速率，而排放比決定了OH自由基和過氧自由基之間HOx的相對分配（NOx有利于 OH，活性碳有利于過氧自由基）。該

151、公式描述了基本的 OH 光化學如何隨著排放和氣候參數的變化而變化，能被廣泛用來解釋單個CTM 內的全局 OH 變異性，并在眾多的氣候和排放情景中具有高技能。70 5.4.2#:&pF:Op#:&pF:Opu u在本項目設置的四種情景中，參考情景的排放控制在長時間尺度上對全國大氣 OH 濃度基本不產生影響。含有末端排放控制的情景因為能夠有效削減活性碳（VOCs）物種的排放，從而增加全國 OH 濃度和大氣氧化性，同時結合碳中和和末端排放控制的減排情景可以在 2060 年增加約 60%的全國大氣 OH 濃度（圖5-10）。不加入末端排放控制的碳中和情景盡管有強 NOx排放削減，但由于缺乏對 VOCs

152、 的排放削減，在長時間尺度上會降低全國大氣 OH 濃度，不利于大氣氧化性的增加。圖 5-10 四類減排情景對全國大氣 OH 濃度相對變化的影響 對流層中甲烷的化學壽命主要由 OH 自由基氧化反應控制，其反應為：CH+OH CH_OM （公式 5-2）因此有 CH4與 OH 反應壽命：(CH)=%bc （公式 5-3）結合四種排放情景下全國大氣 OH 自由基長期尺度濃度變化，可計算得到CH4在 3 種減排強度下的化學壽命水平如圖 5-11。在末端控制情景下大氣甲烷壽命可逐漸縮減到現有 40%-60%水平，平均壽命降低顯著。這表明有效的規劃減排可減少 CH4的 GWP 水平，有利于達成雙碳目標。在

153、長期尺度上，VOCs 的末端排放控制對大氣氧化性的提高和降低溫室氣體壽命更為重要。71 圖 5-11 四類減排情景對全國大氣 OH 濃度相對變化的影響 72#a%#a%bcbcNdeNde 6.1 xyxy(在全球氣候變暖的背景下，中國大多數城市的 O3污染呈現波動增加的趨勢，且 PM2.5濃度仍然存在且遠高于 WHO 第二階段目標。僅依靠空氣污染物末端治理往往難以實現空氣質量目標，減少化石燃料使用、傳統制造業轉型等源頭改進也十分重要。常規大氣污染物和 CO2大都源于化石燃料的燃燒，空氣質量改善需求也將有利于低碳轉型目標的推進。同時各地區氣象條件、污染物排放、產業結構和能源結構等都存在差異。由

154、此，量化中國省級空氣質量目標的實現路徑及其對氣候減緩的協同效益，是實現溫室氣體與空氣污染協同治理急需解決的問題。（1）O3 MDA8 背景值是指本地扣除人為源排放后 O3 MDA8 的本底濃度（或基準濃度），理論上包括周邊區域的傳輸、平流層的注入和本地天然源 VOCs 反應生成的 O3。2015-2022 年中國地表 O3背景值濃度 30-60 ppb 之間，呈現出由中部（30-40N）向南北遞減的規律，具有明顯的空間、季節分布特征。京津冀、長三角和珠三角等重點區域的 2022 年夏季的 O3 MDA8 削減空間約為 9-23 ppb。MLR模型結果表明，2013-2019年氣象因素能顯著增加

155、大部分區域地表O3濃度，其中對華北平原、長三角和珠三角等的地表 O3貢獻為 0.7-1.4 ppb/年。此外，相較于厄爾尼諾的復雜且不顯著的影響，東亞夏季風則能通過影響水平跨界傳輸更能有效地調節中國夏季 O3背景值的時空分布。（2）通過設置一系列 O3前體物減排的敏感性試驗，識別了不同省級區域內O3濃度對 NOx和 VOCs 排放變化的敏感性，并制定了基于 O3濃度達標的兩階段分省減排目標。除京津冀和長三角地區外，我國大部分省份處于 NOx敏感區。短期內，在京津冀和長三角城市群地區側重 VOCs 的減排，有利于快速削減其夏季O3污染高峰，而長期來看，全國范圍內仍需堅持以 NOx深度減排為主的

156、O3污染防控和治理措施。此外，減排 NOx與 VOCs 在減緩近地面 O3污染的同時，在大部分地區也能帶來顯著的 PM2.5污染協同改善。在 2015 年基準排放的基礎上同時減少 80%的人為 NOx與 VOCs 排放，可以使夏季北京地區平均 PM2.5濃度降低35 g/m3。在此基礎上，使用能源經濟模型結合碳減排及末端控制措施量化了不 73 同類型的溫室氣體與 O3前體物協同減排路徑。（3）碳減排政策通過能源替代和工業產量降低實現大氣污染物協同減排。大氣污染物的排放源不同決定了碳減排對于其減排的協同程度大小。氣候政策對于 NOx、SO2和一次 PM2.5減排有顯著的協同作用，并且對于 NOx

157、減排的協同程度隨著時間推移而增加，對于 SO2則是隨著時間推移而降低。而對于 VOCs 和NH3，只有在加強末端控制后，排放量才會顯著下降，與氣候政策沒有顯著的相關性。我國臭氧中長期目標的實現也具有很強的碳減排協同效應，其中以 VOCs減排為主的減排路徑涉及到的減排行業廣，碳減排協同效應強，石油加工和電力部門是關鍵的協同減碳部門；而以 NOx減排為主的減排路徑下，金屬冶煉部門也貢獻了較高的碳減排。如以 VOCs 減排為主，實現臭氧中長期目標時，NOx排放也會降低到一個較低的水平，且 CO2減排協同效應最高，是綜合各種污染物減排后的最具優勢的一種臭氧中長期目標實現路徑。（4）氣候政策將會擴大我國

158、 O3和 PM2.5污染改善潛力，但末端控制政策比單獨采取碳減排政策利于改善中國 O3污染。堅持實施氣候政策，推進 NOx深度減排能夠擴大未來城市地區 O3減排潛力，考慮一次污染物的更深度減排可能會有助于 PM2.5濃度進一步降低以達到國家標準。不同政策情景下得到的 PM2.5和O3污染均呈現協同改善的特征，其中 CNS-CO2PC-POLICY 的改善效益最大，BaU-CLE 情景的改善效益最小。短期內，大幅減排 VOCs 相比 NOx能取得更大的 O3污染改善協同效益，但從長期來看，減排 NOx的 O3污染改善效益隨著 NOx減排幅度的增長而增大。對夏季 O3污染，GBA 地區試驗中總結的

159、“短期優先減排 VOCs，長期堅持深度減排 NOx”的結論在全國范圍內依然適用。然而，即使在 CNS-CO2PC-POLICY 情景中，我國的冬季近地面 PM2.5和夏季 O3評價值仍無法達標，意味著全國范圍內在未來仍需要更為嚴格的一次污染排放控制措施，以進一步提高氣候政策和末端治理政策實施的環境與健康協同效益。（5）1984 年以來，全球 CH4平均濃度和人為源 CH4排放量顯著增加。此外，中國近年來的大氣 CH4濃度也呈現顯著增加的趨勢。其中，全球牲畜養殖、水稻種植和自然濕地的 CH4排放分別貢獻了 22.5%、17.0%和 22.6%的中國 CH4濃度的增長，來自中國的化石燃料開采、農業

160、活動和垃圾填埋等貢獻了本土濃度增長率的 12.5%。1850 年以來，CH4加是導致對流層 O3收支增加的重要因素，74 并使全球地表 O3濃度大約增加 0-10 ppb。（6）嚴格的 CH4和大氣污染前體物的協同減排將顯著改善地表 O3污染和提高將全球變暖穩定在 1.5C 以下的可行性。與中國畜牧業 CH4減排對降低中國地表 O3濃度的有限作用不同的是，全球人為源排放部門的 CH4協同減排的顯著成效。此外，溫室氣體和大氣污染前體物的協同減排能使未來對流層 OH 水平逐年增長，大氣氧化性提高，CH4平均壽命降低顯著，可有效減少甲烷 GWP。綜上，實現我國 O3、PM2.5污染和溫室氣體協同控制

161、需要以大氣氧化性調控為核心，通過開展各省份的 VOCs、NOx關鍵前體物與 CO2和 CH4等溫室氣體的科學協同減排從而取得中國大氣復合污染控制的最大收益。6.2 zz(空氣污染與氣候變化同根同源，減污降碳可以協同增效?；谏鲜龉ぷ?，為O3、PM2.5污染和溫室氣體協同控制實現美麗中國及碳中和的目標提出以下政策建議：（1）量化各區域的 O3背景值，以及氣象因素和氣候變化對局地 O3濃度變化的貢獻程度，以評估各區域地表 O3減排潛力。需因地制宜地對各區域制定削減氣象因素對 O3的貢獻的污染物減排和區域環境管理政策。對于華北平原地區，建議控制夏季周邊區域污染物排放，緩解夏季高溫對區域 O3污染的貢

162、獻。由于中國各區域的 O3背景值存在明顯的空間差異，區域 O3的聯防聯控有利于降低本地 O3的背景值，從而增大本地 O3的削減空間，以期進一步降低 O3對當地生態系統和人體健康的負面影響。（2）明確國家層面和各省級層面的大氣污染物及溫室氣體排放協同治理路徑?；趪覍用娴目傮w控制目標，結合各省份實際經濟水平、發展需求及技術條件等實際情況，充分考慮區域實際發展的優勢及不足之處，明確區域發展目標，協調各省污染物減幅度，制定適合各省級及能細分至縣市級的協同減排目標及路徑。同時，應強化應對氣候變化目標與生態文明建設目標的統籌融合，協同各省份的大氣環境質量改善目標與溫室氣體減排目標。（3）綜合考慮發展階

163、段、資源稟賦、成本效益和減排潛能實施區域政策，實現區域協同效益最大化。大氣污染物及溫室氣體排放協同治理的協同治理需要 75 加強區域合作，對區域的大氣環境協同監管和綜合治理，實現節能減排技術、治理經驗和監測信息等的共享，統籌管理重點區域、重點行業和領域，逐漸形成各地區優勢互補、良性互動的區域綠色可持續發展的新格局。（4）識別各區域優先控制重點協同行業，減少經濟損失，降低減排成本，優化各區域 O3、PM2.5污染和溫室氣體協同減排方案。優先削減金屬冶煉部門、石油和化工部門等能有效提高碳與污染減排協同治理的效率，降低減排成本，實現國家層面的協同減排。但針對各省份而言，需要在國家層面的方案的基礎上差

164、別的制定碳與污染減排協同優先控制部門方案。（5）應當強化源頭治理，綜合考慮產業結構優化升級、能源結構調整、交通結構調整和加強末端治理措施。產業結構優化重點強調嚴控“兩高”項目、實施產能置換，加快落后產能淘汰等；能源結構調整重點強調降低煤炭消費比重、嚴控重點區域煤炭消費總量，推行清潔能源。交通結構調整重點新能源化和清潔化。末端治理強化 NOx與 VOCs 等多污染物的協同治理。（6）加強國家乃至國際層面的 CH4等溫室氣體與大氣污染物的協同減排合作。鑒于 CH4協同減排對中國乃至全球 O3污染和氣候變化改善的顯著效果，注重整體中國層面的能源、交通和工業等部門的 CH4協同減排是有效改善區域 O3

165、污染的重要措施。同時，加強國際合作，為實現 1.5 溫升目標和緩解 O3污染需實現半球乃至全球尺度上的 CH4、NOx和 VOCs 等污染排放控制。76 fghifghij jAllen,R.J.,Horowitz,L.W.,Naik,V.,Oshima,N.,OConnor,F.M.,Turnock,S.,Shim,S.,Le Sager,P.,van Noije,T.,Tsigaridis,K.,Bauer,S.E.,Sentman,L.T.,John,J.G.,Broderick,C.,Deushi,M.,Folberth,G.A.,Fujimori,S.and Collins,W.J.

166、2021.Significant climate benefits from near-term climate forcer mitigation in spite of aerosol reductions.Environ Res Lett 16(3).Atkinson,R.2000.Atmospheric chemistry of VOCs and NOx.Atmos Environ 34(12-14),2063-2101.Cheng,J.,Tong,D.,Zhang,Q.,Liu,Y.,Lei,Y.,Yan,G.,Yan,L.,Yu,S.,Cui,R.Y.,Clarke,L.,Geng

167、,G.,Zheng,B.,Zhang,X.,Davis,S.J.and He,K.2021.Pathways of Chinas PM2.5 air quality 20152060 in the context of carbon neutrality.National Science Review 8(12).Collins,W.J.,Webber,C.P.,Cox,P.M.,Huntingford,C.,Lowe,J.,Sitch,S.,Chadburn,S.E.,Comyn-Platt,E.,Harper,A.B.,Hayman,G.and Powell,T.2018.Increase

168、d importance of methane reduction for a 1.5 degree target.Environ Res Lett 13(5).Du,J.,Zhang,X.D.,Huang,T.,Gao,H.,Mo,J.Y.,Mao,X.X.and Ma,J.M.2019.Removal of PM2.5 and secondary inorganic aerosols in the North China Plain by dry deposition.Sci Total Environ 651,2312-2322.Emerson,E.W.,Hodshire,A.L.,De

169、Bolt,H.M.,Bilsback,K.R.,Pierce,J.R.,McMeeking,G.R.and Farmer,D.K.2020.Revisiting particle dry deposition and its role in radiative effect estimates.P Natl Acad Sci USA 117(42),26076-26082.Fan,Q.,Yu,W.,Fan,S.J.,Wang,X.M.,Lan,J.,Zou,D.L.,Feng,Y.R.and Chan,P.W.2014.Process analysis of a regional air po

170、llution episode over Pearl River Delta Region,China,using the MM5-CMAQ model.J Air Waste Manage 64(4),406-418.Fiore,A.M.,West,J.J.,Horowitz,L.W.,Naik,V.and Schwarzkopf,M.D.2008.Characterizing the tropospheric ozone response to methane emission controls and the benefits to climate and air quality.J G

171、eophys Res-Atmos 113(D8).Grell,G.A.,Peckham,S.E.,Schmitz,R.,McKeen,S.A.,Frost,G.,Skamarock,W.C.and Eder,B.2005.Fully coupled online chemistry within the WRF model.Atmos Environ 39(37),6957-6975.Gu,B.J.,Zhang,L.,Van Dingenen,R.,Vieno,M.,Van Grinsven,H.J.M.,Zhang,X.M.,Zhang,S.H.,Chen,Y.F.,Wang,S.T.,Re

172、n,C.C.,Rao,S.,Holland,M.,Winiwarter,W.,Chen,D.L.,Xu,J.M.and Sutton,M.A.2021.Abating ammonia is more cost-effective than nitrogen oxides for mitigating PM2.5 air 77 pollution.Science 374(6568),758-+.Guo,J.,Zhang,X.S.,Gao,Y.,Wang,Z.W.,Zhang,M.G.,Xue,W.B.,Herrmann,H.,Brasseur,G.P.,Wang,T.and Wang,Z.202

173、2.Evolution of Ozone Pollution in China:What Track Will It Follow?Environ Sci Technol.Han,H.,Liu,J.E.,Shu,L.,Wang,T.J.and Yuan,H.L.2020.Local and synoptic meteorological influences on daily variability in summertime surface ozone in eastern China.Atmos Chem Phys 20(1),203-222.IPCC.2021 Climate Chang

174、e 2021:The Physical Science Basis.Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate ChangeMasson-Delmotte,V.,P.Zhai,A.Pirani,S.L.Connors,C.Pan,S.Berger,N.Caud,Y.Chen,L.Goldfarb,M.I.Gomis,M.Huang,K.Leitzell,E.Lonnoy,J.B.R.Matthews,T.K.Maycock,T.W

175、aterfield,O.Yeleki,R.Yu,and B.Zhou(eds.).Cambridge University Press,Cambridge,United Kingdom and New York,NY,USA,In press,doi:10.1017/9781009157896.Jackson,R.B.,Saunois,M.,Bousquet,P.,Canadell,J.G.,Poulter,B.,Stavert,A.R.,Bergamaschi,P.,Niwa,Y.,Segers,A.and Tsuruta,A.2020.Increasing anthropogenic me

176、thane emissions arise equally from agricultural and fossil fuel sources.Environ Res Lett 15(7).Janjic,Z.I.1990.The Step-Mountain Coordinate-Physical Package.Mon Weather Rev 118(7),1429-1443.Janjic,Z.I.1994.The Step-Mountain Eta Coordinate Model-Further Developments of the Convection,Viscous Sublayer

177、,and Turbulence Closure Schemes.Mon Weather Rev 122(5),927-945.Jin,X.M.and Holloway,T.2015.Spatial and temporal variability of ozone sensitivity over China observed from the Ozone Monitoring Instrument.J Geophys Res-Atmos 120(14),7229-7246.Jones,S.L.,Adamsselin,R.,Hunt,E.D.,Creighton,G.A.and Cetola,

178、J.D.2012 Update on modifications to WRF-CHEM GOCART for fine-scale dust forecasting at AFWA.Kirschke,S.,Bousquet,P.,Ciais,P.,Saunois,M.,Canadell,J.G.,Dlugokencky,E.J.,Bergamaschi,P.,Bergmann,D.,Blake,D.R.,Bruhwiler,L.,Cameron-Smith,P.,Castaldi,S.,Chevallier,F.,Feng,L.,Fraser,A.,Heimann,M.,Hodson,E.L

179、.,Houweling,S.,Josse,B.,Fraser,P.J.,Krummel,P.B.,Lamarque,J.F.,Langenfelds,R.L.,Le Quere,C.,Naik,V.,ODoherty,S.,Palmer,P.I.,Pison,I.,Plummer,D.,Poulter,B.,Prinn,R.G.,Rigby,M.,Ringeval,B.,Santini,M.,Schmidt,M.,Shindell,D.T.,Simpson,I.J.,Spahni,R.,Steele,L.P.,Strode,S.A.,Sudo,K.,Szopa,S.,van der Werf,

180、G.R.,Voulgarakis,A.,van Weele,M.,Weiss,R.F.,Williams,J.E.and Zeng,G.2013.Three decades of global methane sources and sinks.Nat Geosci 6(10),813-823.78 Lan,X.,K.W,Dlugokencky,T.a.and Dlugokencky,E.J.2022.Trends in globally-averaged CH4,N2O,and SF6 determined from NOAA Global Monitoring Laboratory mea

181、surements.Version 2023-01,https:/doi.org/10.15138/P8XG-AA10.Li,K.,Jacob,D.J.,Liao,H.,Shen,L.,Zhang,Q.and Bates,K.H.2019a.Anthropogenic drivers of 2013-2017 trends in summer surface ozone in China.P Natl Acad Sci USA 116(2),422-427.Li,K.,Jacob,D.J.,Liao,H.,Zhu,J.,Shah,V.,Shen,L.,Bates,K.H.,Zhang,Q.an

182、d Zhai,S.X.2019b.A two-pollutant strategy for improving ozone and particulate air quality in China.Nat Geosci 12(11),906-+.Li,K.,Jacob,D.J.,Shen,L.,Lu,X.,De Smedt,I.and Liao,H.2020.Increases in surface ozone pollution in China from 2013 to 2019:anthropogenic and meteorological influences.Atmos Chem

183、Phys 20(19),11423-11433.Li,M.,Zhang,Q.,Kurokawa,J.,Woo,J.H.,He,K.B.,Lu,Z.F.,Ohara,T.,Song,Y.,Streets,D.G.,Carmichael,G.R.,Cheng,Y.F.,Hong,C.P.,Huo,H.,Jiang,X.J.,Kang,S.C.,Liu,F.,Su,H.and Zheng,B.2017.MIX:a mosaic Asian anthropogenic emission inventory under the international collaboration framework

184、of the MICS-Asia and HTAP.Atmos Chem Phys 17(2),935-963.Li,M.Y.,Yang,Y.,Wang,P.Y.,Ji,D.S.and Liao,H.2022.Impacts of strong El Nino on summertime near-surface ozone over China.Atmos Ocean Sci Lett 15(4).Li,R.Y.,Xu,M.Q.,Li,M.C.,Chen,Z.Y.,Zhao,N.,Gao,B.B.and Yao,Q.2021.Identifying the spatiotemporal va

185、riations in ozone formation regimes across China from 2005 to 2019 based on polynomial simulation and causality analysis.Atmos Chem Phys 21(20),15631-15646.Li,S.,Wang,T.J.,Huang,X.,Pu,X.,Li,M.M.,Chen,P.L.,Yang,X.Q.and Wang,M.H.2018.Impact of East Asian Summer Monsoon on Surface Ozone Pattern in Chin

186、a.J Geophys Res-Atmos 123(2),1401-1411.Li,Y.,Lau,A.K.H.,Fung,J.C.H.,Zheng,J.Y.and Liu,S.C.2013.Importance of NOx control for peak ozone reduction in the Pearl River Delta region.J Geophys Res-Atmos 118(16),9428-9443.Liu,Z.,Doherty,R.M.,Wild,O.,OConnor,F.M.and Turnock,S.T.2022.Tropospheric ozone chan

187、ges and ozone sensitivity from the present day to the future under shared socio-economic pathways.Atmos.Chem.Phys.22(2),1209-1227.Liu,Z.Z.,Doherty,R.M.,Wild,O.,Hollaway,M.and OConnor,F.M.2021.Contrasting chemical environments in summertime for atmospheric ozone across major Chinese industrial region

188、s:the effectiveness of emission control strategies.Atmos Chem Phys 21(13),10689-10706.79 Lou,S.J.,Liao,H.and Zhu,B.2014.Impacts of aerosols on surface-layer ozone concentrations in China through heterogeneous reactions and changes in photolysis rates.Atmos Environ 85,123-138.Lu,X.,Zhang,L.,Chen,Y.F.

189、,Zhou,M.,Zheng,B.,Li,K.,Liu,Y.M.,Lin,J.T.,Fu,T.M.and Zhang,Q.2019.Exploring 2016-2017 surface ozone pollution over China:source contributions and meteorological influences.Atmos Chem Phys 19(12),8339-8361.McNorton,J.,Chipperfield,M.P.,Gloor,M.,Wilson,C.,Feng,W.H.,Hayman,G.D.,Rigby,M.,Krummel,P.B.,OD

190、oherty,S.,Prinn,R.G.,Weiss,R.F.,Young,D.,Dlugokencky,E.and Montzka,S.A.2016.Role of OH variability in the stalling of the global atmospheric CH4 growth rate from 1999 to 2006.Atmos Chem Phys 16(12),7943-7956.Miao,R.Q.,Chen,Q.,Shrivastava,M.,Chen,Y.F.,Zhang,L.,Hu,J.L.,Zheng,Y.and Liao,K.R.2021.Proces

191、s-based and observation-constrained SOA simulations in China:the role of semivolatile and intermediate-volatility organic compounds and OH levels.Atmos Chem Phys 21(21),16183-16201.Miller,S.M.,Michalak,A.M.,Detmers,R.G.,Hasekamp,O.P.,Bruhwiler,L.M.P.and Schwietzke,S.2019.Chinas coal mine methane reg

192、ulations have not curbed growing emissions.Nat Commun 10.Morgenstern,O.,Zeng,G.,Abraham,N.L.,Telford,P.J.,Braesicke,P.,Pyle,J.A.,Hardiman,S.C.,OConnor,F.M.and Johnson,C.E.2013.Impacts of climate change,ozone recovery,and increasing methane on surface ozone and the tropospheric oxidizing capacity.J G

193、eophys Res-Atmos 118(2),1028-1041.Murray,L.T.,Fiore,A.M.,Shindell,D.T.,Naik,V.and Horowitz,L.W.2021.Large uncertainties in global hydroxyl projections tied to fate of reactive nitrogen and carbon.P Natl Acad Sci USA 118(43).Nault,B.A.,Jo,D.S.,McDonald,B.C.,Campuzano-Jost,P.,Day,D.A.,Hu,W.W.,Schroder

194、,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.,P

195、eischl,J.,Rappengluck,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.,de Gouw,J.A.and Jimenez,J.L.2021.Secondary organic aerosols from anthropogenic volatile organic compounds contribute substantially to

196、 air pollution mortality.Atmos Chem Phys 21(14),11201-11224.Nisbet,E.G.,Manning,M.R.,Dlugokencky,E.J.,Fisher,R.E.,Lowry,D.,Michel,S.E.,Myhre,C.L.,Platt,M.,Allen,G.,Bousquet,P.,Brownlow,R.,Cain,M.,France,80 J.L.,Hermansen,O.,Hossaini,R.,Jones,A.E.,Levin,I.,Manning,A.C.,Myhre,G.,Pyle,J.A.,Vaughn,B.H.,

197、Warwick,N.J.and White,J.W.C.2019.Very Strong.Atmospheric Methane Growth in the 4 Years 2014-2017:Implications for the paris Agreement.Global Biogeochem Cy 33(3),318-342.Oman,L.D.,Ziemke,J.R.,Douglass,A.R.,Waugh,D.W.,Lang,C.,Rodriguez,J.M.and Nielsen,J.E.2011.The response of tropical tropospheric ozo

198、ne to ENSO.Geophys Res Lett 38.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.and Vu,K.2020.An evaluation of global organic aerosol schemes using airborne observations.Atmos Chem Phys 20(5

199、),2637-2665.Peng,S.S.,Piao,S.L.,Bousquet,P.,Ciais,P.,Li,B.G.,Lin,X.,Tao,S.,Wang,Z.P.,Zhang,Y.A.and Zhou,F.2016.Inventory of anthropogenic methane emissions in mainland China from 1980 to 2010.Atmos Chem Phys 16(22),14545-14562.Rigby,M.,Montzka,S.A.,Prinn,R.G.,White,J.W.C.,Young,D.,ODoherty,S.,Lunt,M

200、.F.,Ganesan,A.L.,Manning,A.J.,Simmonds,P.G.,Salameh,P.K.,Harth,C.M.,Muhle,J.,Weiss,R.F.,Fraser,P.J.,Steele,L.P.,Krummel,P.B.,McCulloch,A.and Park,S.2017.Role of atmospheric oxidation in recent methane growth.P Natl Acad Sci USA 114(21),5373-5377.Ryu,Y.H.and Min,S.K.2022.Improving Wet and Dry Deposit

201、ion of Aerosols in WRF-Chem:Updates to Below-Cloud Scavenging and Coarse-Particle Dry Deposition.J Adv Model Earth Sy 14(4).Saunois,M.,Stavert,A.R.,Poulter,B.,Bousquet,P.,Canadell,J.G.,Jackson,R.B.,Raymond,P.A.,Dlugokencky,E.J.,Houweling,S.,Patra,P.K.,Ciais,P.,Arora,V.K.,Bastviken,D.,Bergamaschi,P.,

202、Blake,D.R.,Brailsford,G.,Bruhwiler,L.,Carlson,K.M.,Carrol,M.,Castaldi,S.,Chandra,N.,Crevoisier,C.,Crill,P.M.,Covey,K.,Curry,C.L.,Etiope,G.,Frankenberg,C.,Gedney,N.,Hegglin,M.I.,Hoglund-Isaksson,L.,Hugelius,G.,Ishizawa,M.,Ito,A.,Janssens-Maenhout,G.,Jensen,K.M.,Joos,F.,Kleinen,T.,Krummel,P.B.,Langenf

203、elds,R.L.,Laruelle,G.G.,Liu,L.C.,Machida,T.,Maksyutov,S.,McDonald,K.C.,McNorton,J.,Miller,P.A.,Melton,J.R.,Morino,I.,Muller,J.,Murguia-Flores,F.,Naik,V.,Niwa,Y.,Noce,S.,Doherty,S.O.,Parker,R.J.,Peng,C.H.,Peng,S.S.,Peters,G.P.,Prigent,C.,Prinn,R.,Ramonet,M.,Regnier,P.,Riley,W.J.,Rosentreter,J.A.,Sege

204、rs,A.,Simpson,I.J.,Shi,H.,Smith,S.J.,Steele,L.P.,Thornton,B.F.,Tian,H.Q.,Tohjima,Y.,Tubiello,F.N.,Tsuruta,A.,Viovy,N.,Voulgarakis,A.,Weber,T.S.,van Weele,M.,van der Werf,G.R.,Weiss,R.F.,Worthy,D.,Wunch,D.,Yin,Y.,Yoshida,Y.,Zhang,W.X.,Zhang,Z.,Zhao,Y.H.,Zheng,B.,Zhu,Q.,Zhu,Q.A.and Zhuang,Q.L.2020.The

205、 Global Methane 81 Budget 2000-2017.Earth Syst Sci Data 12(3),1561-1623.Shan,Y.,Zheng,H.,Guan,D.,Li,C.,Mi,Z.,Meng,J.,Schroeder,H.,Ma,J.and Ma,Z.2017.Energy consumption and CO2 emissions in Tibet and its cities in 2014.Earths Future 5(8),854-864.Sheng,J.X.,Tunnicliffe,R.,Ganesan,A.L.,Maasakkers,J.D.,

206、Shen,L.,Prinn,R.G.,Song,S.J.,Zhang,Y.Z.,Scarpelli,T.,Bloom,A.A.,Rigby,M.,Manning,A.J.,Parker,R.J.,Boesch,H.,Lan,X.,Zhang,B.,Zhuang,M.H.and Lu,X.2021.Sustained methane emissions from China after 2012 despite declining coal production and rice-cultivated area.Environ Res Lett 16(10).Shindell,D.,Kuylen

207、stierna,J.C.I.,Vignati,E.,van Dingenen,R.,Amann,M.,Klimont,Z.,Anenberg,S.C.,Muller,N.,Janssens-Maenhout,G.,Raes,F.,Schwartz,J.,Faluvegi,G.,Pozzoli,L.,Kupiainen,K.,Hoglund-Isaksson,L.,Emberson,L.,Streets,D.,Ramanathan,V.,Hicks,K.,Oanh,N.T.K.,Milly,G.,Williams,M.,Demkine,V.and Fowler,D.2012.Simultaneo

208、usly Mitigating Near-Term Climate Change and Improving Human Health and Food Security.Science 335(6065),183-189.Song,C.B.,Wu,L.,Xie,Y.C.,He,J.J.,Chen,X.,Wang,T.,Lin,Y.C.,Jin,T.S.,Wang,A.X.,Liu,Y.,Dai,Q.L.,Liu,B.S.,Wang,Y.N.and Mao,H.J.2017.Air pollution in China:Status and spatiotemporal variations.

209、Environ Pollut 227,334-347.Stohl,A.,Aamaas,B.,Amann,M.,Baker,L.H.,Bellouin,N.,Berntsen,T.K.,Boucher,O.,Cherian,R.,Collins,W.,Daskalakis,N.,Dusinska,M.,Eckhardt,S.,Fuglestvedt,J.S.,Harju,M.,Heyes,C.,Hodnebrog,O.,Hao,J.,Im,U.,Kanakidou,M.,Klimont,Z.,Kupiainen,K.,Law,K.S.,Lund,M.T.,Maas,R.,MacIntosh,C.

210、R.,Myhre,G.,Myriokefalitakis,S.,Olivie,D.,Quaas,J.,Quennehen,B.,Raut,J.C.,Rumbold,S.T.,Samset,B.H.,Schulz,M.,Seland,O.,Shine,K.P.,Skeie,R.B.,Wang,S.,Yttri,K.E.and Zhu,T.2015.Evaluating the climate and air quality impacts of short-lived pollutants.Atmos Chem Phys 15(18),10529-10566.Tang,W.F.,Emmons,L

211、.K.,Arellano,A.F.,Gaubert,B.,Knote,C.,Tilmes,S.,Buchholz,R.R.,Pfister,G.G.,Diskin,G.S.,Blake,D.R.,Blake,N.J.,Meinardi,S.,DiGangi,J.P.,Choi,Y.,Woo,J.H.,He,C.L.,Schroeder,J.R.,Suh,I.,Lee,H.J.,Jo,H.Y.,Kanaya,Y.,Jung,J.,Lee,Y.and Kim,D.2019.Source Contributions to Carbon Monoxide Concentrations During K

212、ORUS-AQ Based on CAM-chem Model Applications.J Geophys Res-Atmos 124(5),2796-2822.Turnock,S.T.,Allen,R.J.,Andrews,M.,Bauer,S.E.,Deushi,M.,Emmons,L.,Good,P.,Horowitz,L.,John,J.G.,Michou,M.,Nabat,P.,Naik,V.,Neubauer,D.,OConnor,F.M.,Olivie,D.,Oshima,N.,Schulz,M.,Sellar,A.,Shim,S.,Takemura,T.,Tilmes,S.,

213、Tsigaridis,K.,Wu,T.W.and Zhang,J.2020.Historical and future changes in air pollutants from CMIP6 models.Atmos 82 Chem Phys 20(23),14547-14579.Unger,N.,Zheng,Y.Q.,Yue,X.and Harper,K.L.2020.Mitigation of ozone damage to the worlds land ecosystems by source sector.Nat Clim Change 10(2),134-+.Wang,N.,Ly

214、u,X.P.,Deng,X.J.,Huang,X.,Jiang,F.and Ding,A.J.2019.Aggravating O-3 pollution due to NOx emission control in eastern China.Sci Total Environ 677,732-744.Wang,X.,Zhang,L.and Moran,M.D.2014.Development of a new semi-empirical parameterization for below-cloud scavenging of size-resolved aerosol particl

215、es by both rain and snow.Geosci Model Dev 7(3),799-819.Wang,Y.H.and Jacob,D.J.1998.Anthropogenic forcing on tropospheric ozone and OH since preindustrial times.J Geophys Res-Atmos 103(D23),31123-31135.Wang,Y.X.,Shen,L.L.,Wu,S.L.,Mickley,L.,He,J.W.and Hao,J.M.2013.Sensitivity of surface ozone over Ch

216、ina to 2000-2050 global changes of climate and emissions.Atmos Environ 75,374-382.West,J.J.,Fiore,A.M.,Horowitz,L.W.and Mauzerall,D.L.2006.Global health benefits of mitigating ozone pollution with methane emission controls.P Natl Acad Sci USA 103(11),3988-3993.West,J.J.,Fiore,A.M.,Naik,V.,Horowitz,L

217、.W.,Schwarzkopf,M.D.and Mauzerall,D.L.2007.Ozone air quality and radiative forcing consequences of changes in ozone precursor emissions.Geophys Res Lett 34(6).West,J.J.,Naik,V.,Horowitz,L.W.and Fiore,A.M.2009.Effect of regional precursor emission controls on long-range ozone transport-Part 1:Short-t

218、erm changes in ozone air quality.Atmos Chem Phys 9(16),6077-6093.Westervelt,D.M.,Ma,C.T.,He,M.Z.,Fiore,A.M.,Kinney,P.L.,Kioumourtzoglou,M.A.,Wang,S.,Xing,J.,Ding,D.and Correa,G.2019.Mid-21st century ozone air quality and health burden in China under emissions scenarios and climate change.Environ Res

219、 Lett 14(7).Xing,J.,Ding,D.,Wang,S.X.,Zhao,B.,Jang,C.,Wu,W.J.,Zhang,F.F.,Zhu,Y.and Hao,J.M.2018.Quantification of the enhanced effectiveness of NOx control from simultaneous reductions of VOC and NH3 for reducing air pollution in the Beijing-Tianjin-Hebei region,China.Atmos Chem Phys 18(11),7799-781

220、4.Xu,L.,Yu,J.Y.,Schnell,J.L.and Prather,M.J.2017.The seasonality and geographic dependence of ENSO impacts on US surface ozone variability.Geophys Res Lett 44(7),3420-3428.Xue,L.K.,Wang,T.,Gao,J.,Ding,A.J.,Zhou,X.H.,Blake,D.R.,Wang,X.F.,Saunders,83 S.M.,Fan,S.J.,Zuo,H.C.,Zhang,Q.Z.and Wang,W.X.2014.

221、Ground-level ozone in four Chinese cities:precursors,regional transport and heterogeneous processes.Atmos Chem Phys 14(23),13175-13188.Yang,L.F.,Luo,H.H.,Yuan,Z.B.,Zheng,J.Y.,Huang,Z.J.,Li,C.,Lin,X.H.,Louie,P.K.K.,Chen,D.H.and Bian,Y.H.2019.Quantitative impacts of meteorology and precursor emission

222、changes on the long-term trend of ambient ozone over the Pearl River Delta,China,and implications for ozone control strategy.Atmos Chem Phys 19(20),12901-12916.Yang,Y.,Li,M.Y.,Wang,H.L.,Li,H.M.,Wang,P.Y.,Li,K.,Gao,M.and Liao,H.2022.ENSO modulation of summertime tropospheric ozone over China.Environ

223、Res Lett 17(3).Zanis,P.,Akritidis,D.,Turnock,S.,Naik,V.,Szopa,S.,Georgoulias,A.K.,Bauer,S.E.,Deushi,M.,Horowitz,L.W.,Keeble,J.,Le Sager,P.,OConnor,F.M.,Oshima,N.,Tsigaridis,K.and van Noije,T.2022.Climate change penalty and benefit on surface ozone:a global perspective based on CMIP6 earth system mod

224、els.Environ Res Lett 17(2).Zeng,G.,Morgenstern,O.,Williams,J.H.T.,OConnor,F.M.,Griffiths,P.T.,Keeble,J.,Deushi,M.,Horowitz,L.W.,Naik,V.,Emmons,L.K.,Abraham,N.L.,Archibald,A.T.,Bauer,S.E.,Hassler,B.,Michou,M.,Mills,M.J.,Murray,L.T.,Oshima,N.,Sentman,L.T.,Tilmes,S.,Tsigaridis,K.and Young,P.J.2022.Attr

225、ibution of Stratospheric and Tropospheric Ozone Changes Between 1850 and 2014 in CMIP6 Models.J Geophys Res-Atmos 127(16).Zhang,J.F.,Wei,Y.J.and Fang,Z.F.2019.Ozone Pollution:A Major Health Hazard Worldwide.Front Immunol 10.Zhang,L.,Chen,Y.F.,Zhao,Y.H.,Henze,D.K.,Zhu,L.Y.,Song,Y.,Paulot,F.,Liu,X.J.,

226、Pan,Y.P.,Lin,Y.and Huang,B.X.2018.Agricultural ammonia emissions in China:reconciling bottom-up and top-down estimates.Atmos Chem Phys 18(1),339-355.Zhang,Y.Q.,Cooper,O.R.,Gaudel,A.,Thompson,A.M.,Nedelec,P.,Ogino,S.Y.and West,J.J.2016.Tropospheric ozone change from 1980 to 2010 dominated by equatorw

227、ard redistribution of emissions.Nat Geosci 9(12),875-+.Zhang,Y.Q.,West,J.J.,Emmons,L.K.,Flemming,J.,Jonson,J.E.,Lund,M.T.,Sekiya,T.,Sudo,K.,Gaudel,A.,Chang,K.L.,Nedelec,P.and Thouret,V.2021.Contributions of World Regions to the Global Tropospheric Ozone Burden Change From 1980 to 2010.Geophys Res Le

228、tt 48(1).Zheng,J.,Mi,Z.,Coffman,D.M.,Shan,Y.,Guan,D.and Wang,S.2019.The Slowdown in Chinas Carbon Emissions Growth in the New Phase of Economic Development.One Earth 1(2),240-253.84 Zhu,J.,Chen,L.,Liao,H.and Dang,R.J.2019.Correlations between PM2.5 and Ozone over China and Associated Underlying Reas

229、ons.Atmosphere-Basel 10(7).譚海月(2022)中國大氣甲烷濃度的變化趨勢及畜牧業減排潛力,北京大學.#$%&$%&#!-!#$%&()*+,-./012345678912:;-./?:;9AB()*CDEFG-HIJ9KLM6NOB()PQ-RSTUVL?W-XYEZ_Eabcd97efghij:;klmnopnqrsYE-tuvw_Eab?W Disclaimer-Unless otherwise specified,the views expressed in this report are those of the authors and do not nece

230、ssarily represent the views of Energy Foundation China.Energy Foundation China does not guarantee the accuracy of the information and data included in this report and will not be responsible for any liabilities resulting from or related to using this report by any third party.-The mention of specific companies,products and services does not imply that they are endorsed or recommended by Energy Foundation China in preference to others of a similar nature that are not mentioned.