基于区域环境空气质量和碳排放数据的减污降碳协同效果评估.pdf

第 39 卷第 5 期2023 年 10 月中国环境监测Environmental Monitoring in ChinaVol.39No.5Oct.2023基于区域环境空气质量和碳排放数据的减污降碳协同效果评估夏峥1,2,俞洁1,2,徐益杰3,葛好晴4,施行之4,赵虎彪4,徐冰烨1,21.浙江省生态环境监测中心,浙江 杭州 3100122.浙江省生态环境大数据重点实验室,浙江 杭州 310012 3.浙江省青田县环境监测站,浙江 青田 3239004.浙江省低碳发展中心,浙江 杭州 310012摘要:化石燃料燃烧产生的温室气体与大气污染物具有同根同源性,但具体治理中减污降碳的协同效果尚不明确。以浙江省 11 个设区市为研究样本,对环境空气质量和二氧化碳(CO2)排放数据进行分析研究,结果显示:20162020 年浙江省环境空气质量持续改善,但 CO2排放总量仍处于增长阶段。11 个设区城市 PM2.5年均浓度降幅在 26%41%之间,二氧化氮(NO2)年均浓度下降趋势不明显,大部分城市呈现碳排放增加、NO2浓度下降的特征,只有杭州和温州两市呈现碳排放总量和 NO2、PM2.5浓度协同下降的趋势。因子相关性分析结果表明,各设区市呈现 NO2浓度与碳排放相关性较大、协同性强,PM2.5浓度与碳排放相关性较小的特点。进一步通过减污降碳协同定量评价分析表明,浙江地区在环境空气质量改善和温室气体减排已表现出一定成效,但各设区市因产业结构、环境基础条件、协同程度等不同导致减污降碳综合绩效有明显差异。从源头减排实现大气污染物和温室气体协同控制是未来的重要方向和方法。关键词:大气污染物;碳排放强度;减污降碳;效果评估中图分类号:X823文献标志码:A文章编号:1002-6002(2023)05-0060-09DOI:10.19316/j.issn.1002-6002.2023.05.07收稿日期:2022-06-07;修订日期:2023-05-25基金项目:浙江省生态环境科研和成果推广项目(2022XM0055)第一作者简介:夏峥(1991-),男,浙江衢州人,博士,工程师。通讯作者:俞洁Evaluation of the Synergistic Reduction Effect of Pollution and Carbon Emissions Based on Data of Regional Ambient Air Quality and Carbon EmissionsXIA Zheng1,2,YU Jie1,2,XU Yijie3,GE Haoqing4,SHI Xingzhi4,ZHAO Hubiao4,XU Bingye1,21.Zhejiang Eco-Environmental Monitoring Center,Hangzhou 310012,China2.Zhejiang Key Laboratory of Ecological Environment Big Data,Hangzhou 310012,China3.Environmental Monitoring Station of Qingtian County,Zhejiang Province,Qingtian 323900,China4.Zhejiang Low-Carbon Development Center,Hangzhou 310012,ChinaAbstract:Greenhouse gases generated from fossil sources and atmospheric pollutants have the same root and homologous characteristics,but the specific synergistic effect of pollution and carbon reduction is still unclear.Taking the 11 cities in Zhejiang Province as research samples,the data on ambient air quality and carbon dioxide emissions were analyzed in this study.The results showed that the ambient air quality in Zhejiang Province continued to improve from 2016 to 2020,but the total carbon dioxide(CO2)emissions were still in the growth stage.The annual average concentration of PM2.5 in the 11 districted cities decreased between 26%and 41%,but the decline trend of the annual average concentration of nitrous oxide(NO2)was not obvious.Most cities showed the characteristics of increasing carbon emissions and decreasing NO2 concentration.Only Hangzhou and Wenzhou showed a coordinated decline in total carbon emissions and NO2 and PM2.5 concentrations.From the trend point of view,the NO2 concentration had a greater correlation with carbon emissions,while the PM2.5 concentration had less correlation with carbon emissions.Further through the quantitative evaluation and analysis,a 100-point quantitative evaluation method for pollution and carbon reduction was initially established.It showed that Zhejiang had certain achievements in improving ambient air quality and reducing greenhouse gas emissions.However,due to differences in industrial structure,basic environmental conditions,and degree of coordination,there were significant differences in performance among the 11 cities.It is an important direction to 夏峥等:基于区域环境空气质量和碳排放数据的减污降碳协同效果评估61 realize the coordinated control of air pollutants and greenhouse gases from emission reduction at the source.Keywords:atmospheric pollutant;carbon emission intensity;reduction of pollution and carbon emissions;effect evaluation浙江省经济发展与城市化进程速度一直位于我国前列,“十三五”以来城市环境空气质量总体改善明显1,但重点区域和重点行业大气污染物排放问题尚未得到根本解决2,而化石能源仍在产业能源中处于主导地位。化石燃料燃烧产生的温室气体与大气污染物具有“同根、同源、同时”特征。此外,化石燃料燃烧排放的污染物(如黑炭、氧化亚氮)不仅会造成空气污染,还具有明显的气候效应3。研究表明,约 13%90%的大气温室气体由气溶胶组成,而其均源自大气污染物排放4。当前,浙江省温室气体排放总量仍处于逐年增加的阶段,随着国家对各省“减污降碳协同增效”提出明确要求,浙江省碳排放形势日趋严峻5。近年来已有学者针对重点行业大气污染物和温室气体排放的协同效应开展了相关研究6,现有结果表明,大气 CO2和氮氧化物(NOx)的主要排放源均为化石源,两者在排放时间变化上具有较强相关性7。而 NO2是空气中 NOx的主要存在形式,同时 NOx有可能经过化学反应形成二次污染物硝酸盐气溶胶(大气 PM2.5的重要组成成分之一)。因此,可以利用监测站 NO2浓度数据作为 CO2排放的示踪物8。不同行业及不同减排措施情景下,温室气体与大气污染物排放的协同效应系数相差较大9-10,主要是由于统计分析方法无法监测无组织排放和非法排放,评估监测数据不确定性较大,尚无法对区域减污降碳协同效果提供可靠的支撑11-12。基于空气站的连续监测数据能够反映区域长期的污染物排放变化和空气质量变化情况,而大范围的站点布设提高了获得数据的区域代表性,因此,对该类站点数据的分析对实现区域层面减污降碳协同管理具有重要意义。目前,分析城市区域碳达峰和空气质量协同关系的研究则相对较少13-14。鉴于此,本研究以浙江省 11 个设区市主要大气污染物(PM2.5、NO2)的监测数据为基础,探讨了主要大气污染物与 CO2排放的时空分布特征,进一步评估区域 CO2减排和环境空气质量改善的协同关系,以期为区域减污降碳协同管理提供借鉴。1研究方法1.1数据来源PM2.5和 NO2浓度数据:源于 11 个设区市国控点监测数据。CO2排放数据:基于各设区市能源平衡表和20162020 年浙江省统计年鉴计算得到。各设区市人口和产业结构数据:源于 20162020 年浙江省统计年鉴。1.2协同效应量化方法数据量化采用中国城市二氧化碳和大气污染协同管理评估报告 中的方法,开展碳排放因子和空气质量污染物因子关系研究。具体为在二维空间坐标系中以不同的坐标位置表达某设区市大气污染物和温室气体指标的协同成效。对于同一污染物,不同设区市在坐标系中所处的空间位置,直观反映大气污染物和 CO2的减污降碳协同效果。同时,通过归集拟合不同设区市大气污染物和 CO2指标的线性相关系数,探究每一项大气污染物和 CO2指标协同度高低。本研究涉及 11 个设区市,为分析经济产业结构与碳排放关系,使用 K-mean 聚类方法将各市划分为不同模式组,使用第二产业、第三产业比例划分 11 个市。聚类分析过程通过 SPSS 进行。1.3协同效应评价方法协同评估基于大气环境中污染物与碳排放的相关性分析,选取某项大气污染物和碳排放指标作为协同评价指标,对各个二级指标项(如年均值和下降率)进行量化赋分(表 1)。空气质量和碳排放权重各占 50%,下设各级指标权重相等,获得每个设区市减污降碳综合指数并排序。具体计算方法:SI=ni=1wiFi+wiRi()25+50(1)式中:SI 指减污降碳综合绩效指数;n 是一级指标个数,每个一级指标下对应基准值和下降率这两个二级指标;wi是指第 i 个一级指标权重;Fi是第 i 个一级指标基准评价分;Ri是第 i 个一级指标趋势评价分。评价分计算方法:62 中国环境监测第 39 卷第 5 期2023 年 10 月表 1减污降碳综合指数各要素权重Table 1Weight of each element of the comprehensive index of pollution and carbon emissions reduction评价方面一级指标二级指标权重空气质量污染物指标 1污染物指标 2污染物指标 i基准值w1下降率w1基准值w2下降率w2基准值wi下降率wi0.5碳排放碳排放指标 1碳排放指标 2碳排放指标 i基准值w1下降率w1基准值w2下降率w2基准值wi下降率wi0.5Fi=fi(最差城市)-fi(当前城市)fi(最差城市)-fi(最优城市)(2)Ri=1-rij(最优城市)-rij(当前城市)rij(最优城市)-rij(最差城市)(3)式中:fi代表第 i 个一级指标基准值的实际值;ri代表第 i 个一级指标下降率的实际值。为防止 Ri溢出,如下降率小于 0,ri按 0 计算。2结果与讨论2.1浙江省空气质量和碳排放时空变化2.1.1环境空气质量 2020 年全省设区城市环境空气中 PM2.5年均质量浓度(25 g/m3),较 2016 年均质量浓度(38 g/m3)下降 13 g/m3,改善率达 33.3%,控制效果显著。图 1 为各设区市城市 PM2.5年均浓度变化趋势。PM2.5高浓度区域主要集中在浙北区域。11 个设区城市 PM2.5年均浓度均明显下降,改善率在 26%41%之间,其中湖州改善效果最为显著(改 善 率 达 18 g/m3);其 他 浙 北 地 区PM2.5浓度也在原有基础上有明显改善。2020 年全省设区城市环境空气中 NO2年均浓度(29 g/m3)较 2016 年年均浓度有所降低(改善率为 7%)如图 2 所示,NO2排放高值区主要集中在浙北区域,温州改善效果最为显著(改善率超过 20%),其余设区城市 NO2年均浓度变化趋势不显著。2.1.2设区城市碳排放情况 20162020 年期间,全省各设区城市碳排放总量排名基本稳定,但各设区市排放量呈现显著差异(图 3)。2016 年,全省碳排放量最高者为宁波(超过 0.5 亿 t/a),其次为杭州(0.4 亿 t/a),这2 个城市的碳排放总量占全省 40%;丽水为最低,仅有 0.04 亿 t/a,占全省约 2%。到 2020 年,全省碳排放首尾排名未发生改变。从空间分布来看,浙江省碳排放主要集中在浙北地区,2020 年浙北,6 个城市碳排放总量达 2 亿 t,浙南地区排放量普遍较少,浙南 5 个城市排放量 0.6 亿 t,仅相当于浙北地区碳排放量的 1/7。图 120162020 年各设区城市 PM2.5年均浓度及变化情况Fig.1The annual average concentrationand changes of PM2.5 incities of Zhejiang in 2016-2020图 220162020 年各设区城市NO2年均浓度及变化情况Fig.2The annual average concentration and changesof NO2 in cities of Zhejiang cities in 2016-2020夏峥等:基于区域环境空气质量和碳排放数据的减污降碳协同效果评估63 图 3浙江省设区城市碳排放分布示意图Fig.3Distribution of carbon emissions in cities of Zhejiang Province与总量分布规律有所不同,浙江省碳强度(单位 GDP 碳排放量)高值区主要分布在衢州、宁波等工业较为集中的区域(图 4)。2016 年,大部分城市碳强度高于 1 t/万元,其中,衢州碳强度最高(超 5 t/万元),其次是宁波(约 2 t/万元),温 州 碳 强 度 最 低(不 足 0.8 t/万 元)。温州、丽水碳排放强度在 1 t/万元以下,温州碳强度最低,小于 0.8/万 元。2020 年,绝 大 部 分 城市碳排放强度虽有所下降,但衢州碳排放强度仍然最高,达 4 t/万元以 上,其 次 为 舟 山(约 3t/万元),杭 州、丽 水、温 州 碳 排 放 强 度 不 足 1t/万元。图 4浙江省设区城市碳强度分布示意图Fig.4Distribution of carbon intensity in cities of Zhejiang Province在 20162020 年期间,浙江省设区城市碳排放总量变化率也存在显著差异(图 5)。大部分城市碳排放量呈现增加的趋势,其中,舟山市由于国家石化项目建设,碳排放总量增幅最大(增长约 3倍)。台州、嘉兴次之(增幅分别超 22%、17%)。(图 5)相比而言,杭州、温州碳排放总量呈负增长,即在“十三五”期间达到峰值并呈现下降趋势,其中温州市下降幅度最大,下降超 17%。从碳排放强度角度分析,在“十三五”期间,全省的碳排放强度平均下降率为 10%左右,所有设区城市工业碳排放强度下降率都为正值(舟山除外)。设区城市工业碳排放强度下降率最高者为杭州(下降率超 22%),最低为台州(下降率不足 2%)。64 中国环境监测第 39 卷第 5 期2023 年 10 月图 5“十三五”期间年浙江省设区城市碳排放变化率和碳强度下降率分布示意图Fig.5Distribution of carbon emission change rate(a)and carbon intensity declinerate(b)in Zhejiang Province during the 13th Five-Year Plan period2.2碳排放因子和空气质量污染物因子关系研究2.2.1碳排放与 PM2.5 20162020 年全省各设区市 PM2.5浓度均有较明显下降,下降率均大于 25%。但大部分城市CO2排放量仍处于上升趋势,只有杭州和温州实现了碳排放和 PM2.5浓度的协同下降。图 6 所示碳排放因子和 PM2.5关系表明,各设区市减污效果好,差异小;降碳效果差,差异大,减污降碳的难点主要还在于降碳。另外,碳排放和 PM2.5线性回归的相关系数 r 小于 0.5,存在一定弱相关性。导致该现象的可能原因:PM2.5主要是通过一部分大气污染物经过复杂化学反应二次生成,与一次来源的相关性较弱,无法直观反映污染源的排放量,而二氧化碳主要是由人类活动产生的一次排放,两者关联性不大。因此,通过 PM2.5的变化不能很好地解释碳排放的浮动趋势。图 6“十三五”期间浙江省设区城市 PM2.5和碳排放协同关系Fig.6The synergistic relationship between PM2.5 and carbon emissions indistricted cities of Zhejiang Province during the 13th Five-Year Plan period2.2.2碳排放与二氧化氮通过对碳排放因子和 NO2的线性拟合(图7),杭州和温州实现了碳排放和 NO2浓度的协同下降,温州碳排放量和 NO2浓度下降率均位于全省第一。杭州的碳排放总量和 NO2浓度下降表现出协同性,但下降幅度较小。与此相比,大部分城市呈现碳排放增加、NO2浓度下降的特点,而湖州碳排放、NO2浓度同时上升,减排效果较不理想。夏峥等:基于区域环境空气质量和碳排放数据的减污降碳协同效果评估65 图 7“十三五”期间浙江省设区城市 NO2与碳排放协同关系Fig.7The synergistic relationship between NO2 and carbon emission in districted citiesof Zhejiang Province during the 13th Five-Year Plan period利用碳排放强度衡量城市降碳效果,如图 7(b)所示,城市规模最大的杭州和碳排放总量基数低的丽水降碳效果提升明显:杭州碳强度下降22%,NO2下降 7%,丽水碳强度下降 16%,NO2下降 9%。其他城市中,温州碳排放强度和 NO2浓度下降量均相对明显,但对于其他城市领先的优势有所下降。台州碳排放强度仅下降 2%,而湖州 NO2浓度上升 6%,减排效果较差。相关性分析显示,碳排放总量和 NOx排放存在较高的相关性(r=0.68)。线性拟合得到截距-10,表明要实现碳排放总量达峰(碳排放变化率=0),年均 NO2浓度下降率要达到 2%以上。前人相关研究表明,减污政策对降碳效应具有明显作用如针对山西太原地区的一项调查显示,针对锅炉燃烧效率问题的政策要求,淘汰低效燃烧的小型锅炉,最终减少了大约 50%90%的碳排放量15。另一项针对污染物和温室气体协同效应的研究也表明,所有实施的减排污染物措施均有正的协同效应,20132017 年实现 NO2减排 656.1 万 t,实现二氧化碳减排 14.62 亿 t16。刘茂辉等17在基于天津市生态环境状况的降碳效应方面的研究发现,二氧化碳和大气污染物中的NO2源相关性达到 90%以上,二氧化碳和 NO2时间相关性为 0.28。上述结果与本文所观察到的主要污染物与温室气体的协同效应现象存在一致性,从工艺、源头方面出发的结构性减污措施能够对降低碳排放产生有效影响。综上所述,区域减污降碳要重点考虑人为源 NOx控制,通过实施强有力的 NOx控制措施,实现环境空气 NO2浓度和碳排放“双降”。2.3协同评价考核方法研究根据 2.1 节和 2.2 节分析结果,选取 NO2和PM2.5作为大气污染物协同评价指标 1 和指标 2,赋分权重分别为 0.25,其中 R1和 F1分别代表NO2浓度的基准值和下降幅度,R2和 F2分别代表 PM2.5浓度的基准值和下降幅度;选取碳排放强度作为碳排放协同评价指标,R3和 F3分别代表强度的基准值和下降幅度,赋分权重为 0.5。最终合成减污降碳综合指数作为绩效分,并对各个设区市打分排序。具体测算结果见表 2。表 2设区市减污降碳综合效果评价结果Table 2Evaluation results of comprehensive reduction effects of pollution andcarbon emissions in cities of Zhejiang Province排名城市R1F1R2F2R3F3SI1丽水0.7 0.4 0.9 0.4 0.9 0.7 85.5 2温州0.4 0.3 0.4 1.0 1.0 0.8 84.7 3绍兴0.2 0.6 0.4 0.7 0.8 0.8 81.1 4杭州0.0 0.6 0.0 0.4 0.9 1.0 79.4 5湖州0.3 1.0 0.1 0.0 0.8 0.7 76.8 6宁波0.5 0.8 0.3 0.5 0.7 0.3 75.8 7金华0.2 0.7 0.3 0.1 0.9 0.5 74.8 8嘉兴0.2 0.5 0.3 0.3 0.7 0.4 71.8 9台州0.4 0.0 0.9 0.0 0.9 0.1 69.7 10舟山1.0 0.2 1.0 0.0 0.4 0.0 68.5 11衢州0.3 0.5 0.4 0.2 0.0 0.6 65.6 66 中国环境监测第 39 卷第 5 期2023 年 10 月“十三五”期间浙江地区在统筹环境空气质量改善和温室气体减排已表现出一定成效,但各设区市因协同程度、环境基础条件等导致绩效有明显差异(表 3)。丽水、温州、绍兴综合指数在 80分以上,排在第一梯队。这 3 个城市的特点各异,丽水得益于指标基准值评价分数高,表明其空气质量基础好,碳排放基数低;温州和绍兴主要是因为PM2.5浓度和碳排放强度下降较快。而杭州虽然碳排放强度下降最快,但空气质量全省排名最后,综合绩效在 7080 分之间。个别城市第二产业结构比重高,碳排放强度居高不下,或近年来环境质量改善效果不佳,导致绩效分数偏低,排名靠后。表 3设区市 20162020 年产业结构情况Table 3Industrial structure of cities with districts in 2016-2020城市年末常住人口第二产业占比/%第三产业占比/%2016 年/万 2020 年/万变化率/%2016 年占比2020 年占比占比变化率2016 年占比2020 年占比占比变化率浙北合计3 080 3 662 18.945.440.8-4.550.956.35.4杭州919 1 197 30.236.429.9-6.560.968.07.2宁波788 942 19.651.345.9-5.445.251.46.1嘉兴461 541 17.352.151.9-0.144.445.81.4湖州298 337 13.348.149.61.546.346.0-0.3绍兴499 529 6.150.145.2-4.945.651.25.6舟山116 116 0.141.139.0-2.148.750.92.2浙南合计2 510 2 806 11.843.240.8-2.452.055.23.2温州918 959 4.541.141.20.256.256.40.3金华552 706 27.944.638.6-6.051.458.16.7衢州216 228 5.445.140.3-4.847.854.16.3台州608 663 9.043.543.70.250.050.70.7丽水217 251 15.844.936.0-8.947.257.19.9当前浙江省各城碳排放总量、强度特征差异较大,这与城市类型、人口、产业结构有较大关系。首先城市、人口规模对总量的影响较大,浙北区域属于长三角超大城市群,是我国经济规模最大、人口最为密集的区域之一,浙北六市总人口占全省近 60%,碳排放总量高,与之对应的浙西南城市规模较小,碳排放总量也较少,这与图 3 碳排放总量分布特征一致。除了城市人口规模,产业结构对减污降碳有重要影响。根据产业比例进行分类(表 3),通过聚类统计方法将浙江省 11 个设区城市分为典型服务业城市,典型工业城市和其他城市三类。以2016 年为例,宁波、绍兴、湖州、嘉兴为工业城市,丽水、杭州、温州、金华、舟山为服务业城市。研究发现,产业结构与碳排放强度有较强的相关性,主要体现为当前研究城市中工业城市的碳排放强度显著大于第三产业为主的城市,工业城市的平均碳排放强度是服务型城市的 154%。因此通过产业结构调整可以明显影响减污降碳的效果。例如,统计资料显示杭州、温州近年来大批的工业企业迁出,第三产业的比重显著增加,产业结构得到优化,从而使得碳排放总量已经达到峰值并快速下降。这种趋势也与大气污染物浓度和碳排放量呈明显的协同减少的趋势一致。因此,在某种程度上可以通过产业结构变化趋势探索城市的低碳转型轨迹。“十三五”期间杭州、丽水的第三产业比例上升较快,超过 7%,碳强度下降率也较高,特别是杭州碳强度下降率达 22%,位居全省第一。而台州、嘉兴 2 个碳排放强度下降非常缓慢的设区市,第二产业比例没有明显下降,第三产业比例仅上升 1%左右,上升缓慢,低碳转型效果差。综上所述,第三产业比例的增加和碳排放强度的下降具有一致性。产业结构的调整是城市碳排放强度变化的主要因素之一。通过调整产业结构,可以推动城市实现低碳转型,减少碳排放。由于不同城市的碳排放基数差异较大,所处的经济发展阶段不同,使得减污降碳难度也不尽相同,直接用碳排放总量作为碳排放指标可能无法真实反映减污降碳绩效。如丽水碳排放总量基数低,但仍处于城市经济快速发展期,导致碳排放量增长幅度大,降碳难度大。杭州近年互联网经济规模不断增长,城市规模不断扩张,即使产业结构得到显著升级,碳排放总量下降幅度仍不明显。用碳排放总量变化率作为指标对处夏峥等:基于区域环境空气质量和碳排放数据的减污降碳协同效果评估67 于快速发展期的城市不公平。各设区市减污降碳考核应重点关注碳排放强度,有利于排除城市规模、发展阶段等因素对减污降碳协同考核的干扰。3结论 20162020 年浙江省环境空气质量持续改善,但 CO2排放总量仍处于增长较快的阶段,尚未实现区域层级大气污染物与温室气体的协同减排。根据相关性分析结果,20162020 年全省各设区市 PM2.5均有较明显下降,PM2.5浓度与碳排放呈现相关性较小的特点。20162020 年全省各设区市 NO2除温州外年均浓度变化趋势不显著,NO2浓度与碳排放之间的相关性较大。NO2与 PM2.5之间存在不同的源头与转化机理,NO2浓度与碳排放之间较强的相关性可能是由于 CO2和 NOx的生成路径与来源更加相似,其主要组分均来自燃烧源。综合分析表明,区域内各城市因产业结构、环境基础条件、协同程度等多种因素导致减污降碳综合指数有明显差异。丽水、温州、绍兴减污降碳综合绩效在 80 分以上,环境污染防治和应对气候变化工作协同增效显著,部分城市第二产业结构比重高,碳排放强度居高不下,或空气质量改善效果不明显,导致绩效分数偏低,排名靠后。因此,加强工业低碳转型,推进传统产业绿色转型升级,实现大气污染物和温室气体源头共同减排、全过程治理是未来浙江省减污降碳工作的关键。参考文献(References):1 武祺然,周力凯,孙金金,等.浙江省空气质量变化特征研究 基于函数型数据分析J.山东大学学报:理学版,2021,56(7):53-64.WU Qiran,ZHOU Likai,SUN Jinjin,et al.Research on the Characteristics of Air Quality Changes in Zhejiang Province-Based on Functional Data AnalysisJ.Journal of Shandong University:Science Edition,2021,56(7):53-64.2 WU G,MIAO Z,SHAO S,et al.The Elasticity of the Potential of Emission Reduction to Energy Saving:Definition,Measurement,and Evidence from ChinaJ.Ecological Indicators,2017,78:395-404.3 唐贵谦,刘钰婷,高文康,等.警惕大气污染和碳排放向西北迁移J.中国科学院院刊,2022,37(2):230-237.TANG Guiqian,LIU Yuting,GAO Wenkang,et al.Be Alert to the Migration of Air Pollution and Carbon Emissions to the Northwest J.Proceedings of the Chinese Academy of Sciences,2022,37(2):230-237.4 颜敏,郑卓云,徐光仪,等.大气污染物与温室气体协同控制效应案例研究 J.广东化工,2019,46(4):132-133.YAN Min,ZHENG Zhuoyun,XU Guangyi,et al.Case Study on Co-control Effects of Air Pollutants and Greenhouse Gases J.Guangdong Chemical Industry,2019,46(4):132-133.5 魏丹青,黄炜,曹植.省域碳排放影响因素分析及减碳机制探讨 以浙江省为例J.生态经济,2017,33(12):14-18.WEI Danqing,HUANG Wei,CAO Zhi.Analysis of the Influencing Factors of Provincial Carbon Emissions and Discussion on the Mechanism of Carbon Reduction:Taking Zhejiang Province as an Example J.Ecological Economy,2017,33(12):14-18.6 宋杰鲲,江娌娜,赵志浩,等.中国能耗、大气污染物排放与碳排放强度关系的协整检验 基于20002017 年数据 J.环 境保 护科 学,2020,46(5):1-7.SONG Jiekun,JIANG Lina,ZHAO Zhihao,et al.The Relationship Between Energy Consumption,Air Pollutant Emissions and Carbon Emission Intensity in China.Integral InspectionBased on Data from 2000 to 2017J.Environmental Protection Science,2020,46(5):1-7.7 WU H,TANG X,WANG Z,et al.High-spatiotemporal-resolution Inverse Estimation of CO and NOx Emission Reductions During Emission Control Periods with a Modified Ensemble Kalman Filter J.Atmospheric Environment,2020,236:117 631.8 LIU F,DUNCAN B N,KROTKOV N A,et al.A Methodology to Constrain Carbon Dioxide Emissions from Coal-fired Power Plants Using Satellite Observations of Co-emitted Nitrogen Dioxide J.Atmospheric Chemistry and Physics,2020,20(1):99-116.9 李蓥,黄成,邢贞成,等.基于产业链分析的长三角地区 CO2与大气污染物排放研究J.中国环境管理,2021,13(6):50-60.68 中国环境监测第 39 卷第 5 期2023 年 10 月LI Ying,HUANG Cheng,XING Zhencheng,et al.Research on CO2 and Air Pollutant Emissions in the Yangtze River Delta Region Based on Industry Chain Analysis J.Environmental Management in China,2021,13(6):50-60.10李云燕,宋伊迪.碳中和目标下的北京城市道路移动源 CO2和大气污染物协同减排效应研究J.中国环境管理,2021,13(3):113-120.LI Yunyan,SONG Yidi.Research on the Synergistic Emission Reduction Effect of Beijing Urban Road Mobile Source CO2 and Atmospheric Pollutants Under the Carbon Neutrality Target J.China Environmental Management,2021,13(3):113-120.11YONA L,CASHORE B,JACKSON R B,et al.Refining National Greenhouse Gas Inventories J.Ambio,2020,49:1 581-1 586.12STANLEY K M,SAY D,MUHLE J,et al.Increase in Global Emissions of HFC-23 Despite Near-Total Expected Reductions J.Nature Communications,2020,11(1):397.13席艳玲.京津冀地区温室气体与大气污染物协同减排效果研究J.城市,2021