专家观点 | 贺克斌：数字赋能推动碳中和与清洁空气协同增效- 大数跨境

清创美科

2021-11-12

导读：在推动空气质量持续改善和实现“碳达峰、碳中和”气候目标的双重背景下，我国亟需寻求行之有效的协同减排路径。

在推动空气质量持续改善和实现“碳达峰、碳中和”气候目标的双重背景下，我国亟需寻求行之有效的协同减排路径。近年来我国科研工作者通过构建基础数据集、探索模型模拟方法，已初步建立我国生产生活、空气污染和气候变化三者之间的联系，这对我国解读政策实施效果、及时优化政策方案、科学选择减污降碳协同路径具有重要意义。

一、基础数据和模型模拟支撑我国实现减污降碳协同增效

“减污降碳协同增效”是我国从根本上解决环境污染问题、实现气候目标的总抓手。通过融合基础数据、运用模型模拟，以数字赋能推动协同治理可助力实现“减污降碳协同增效”。我国科研工作者经过多年自主研发，已构建诸多基础数据库和模型，包括大气成分排放核算模型及数据库、能源系统与综合评估模型、未来排放情景模型、大气成分多源监测反演和费用效益综合评估模型等，为支持我国大气污染防治和气候变化应对相关工作做出了重要的科学贡献。未来在我国新气候目标下，基础数据和模型模拟也将为我国实现“减污降碳协同增效”提供强有力的科技支撑。

二、中国碳中和与清洁空气协同科学评估与决策支持平台的发展和应用

清华大学研究团队经过多年积累、逐渐摸索，自主研发建立了中国碳中和与清洁空气协同科学评估与决策支持平台（简称CNCAP），由其自主研发的中国多尺度排放清单模型（Multi-resolution Emission Inventory for China, MEIC）、中国未来排放动态评估模型（Dynamic Projection model for Emission in China, DPEC）、中国大气成分近实时追踪数据集（Tracking Air Pollution in China, TAP）和成本动态核算模型（DMEC）为基础，耦合综合评估模型（GCAM-China）、地球系统模型（CIESM）和大气化学传输模型（WRF-Chem/WRF-CMAQ）等构建而成（图1）。

图1. CNCAP结构示意图

（图片源自演讲者PPT）

CNCAP平台可通过设计未来情景（社会经济情景、碳中和路径、污染治理情景和人口年龄结构）、预测排放路径、模拟污染暴露、分析协同效益（健康效益、气候效益、水生态效益和社会经济效益）及综合评估费用效益，为碳中和与清洁空气协同科学评估与决策提供支持。

清华大学研究团队基于CNCAP平台，定量揭示了我国实现碳中和目标与改善空气质量的协同路径（图2），指出在碳中和目标驱动下，2060年我国将实现深度低碳能源转型、大气污染物排放显著减少及人群污染物暴露水平明显降低，达到协同效益最大化：

1）深度低碳能源转型：碳中和情景下，2060年我国将基本完成低碳能源转型，以煤、油为主的高碳能源结构得到根本转变。一次能源消费中非化石能源占比高达72%；可再生能源发电占比达到70%以上；新能源车占比达到60%以上，民用部门能源使用全面清洁化。

2）大气污染物排放显著减少：若实施以末端控制为主的大气污染防治政策可使大气污染物排放在2030年前保持持续下降态势，但2030年后污染物进一步减排的空间和潜力将大幅收窄。在碳中和情景下，深度低碳能源转型将显著降低大气污染物排放，其排放量将在2030-2060年之间进一步下降。

3）人群污染物暴露水平明显降低：在碳达峰情景下，结合当前大气污染防治政策，2030年全国绝大部分地区PM2.5年均浓度将低于现行空气质量标准（35μg/m³），人群PM2.5污染暴露水平将降至28μg/m³左右。在碳中和情景下，全国绝大部分地区PM2.5年均浓度可降低至WHO第四阶段过渡值（10μg/m³），全国人群PM2.5污染暴露水平将降至8μg/m³左右，接近世卫组织近期更新的指导值，PM2.5空气污染问题将得到根本解决。

图2. 2015-2060中国碳中和与清洁空气协同路径

（图片源自演讲者PPT）

CNCAP基于高分辨率多元基础数据及模型系统，通过设定不同政策情景，量化了未来我国碳中和与清洁空气的协同路径，为各行业、各部门、各地区寻求减污降碳路径提供科学支撑，以实现人体健康、生态、社会经济等多重协同效益。

目前，我国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效的关键时期。在这一重大战略背景下，我国科研工作者需加强合作交流，凝聚多方合力，充分发挥科技优势，助力科学制定政策，推动我国空气质量持续改善并如期实现碳中和目标，实现协同效益最大化。

参考资料

[1] 大气成分变化及气候环境影响：中国大气成分近实时追踪数据集（TAP）发布

[2] 大气成分变化及气候环境影响：多尺度排放清单再分析与数据共享平台上线运行

[3] 清华大学地球系统科学系：清华大学地学系张强与环境学院贺克斌课题组发文揭示碳中和背景下中国中长期空气质量改善路径

[4] 大气成分变化及气候环境影响：MEIC团队发布碳达峰碳中和背景下中国大气成分未来排放情景

[5] 大气成分变化及气候环境影响：全球能源基础设施排放数据库（GID）上线试运行

[6] Cheng, J., Tong, D., Zhang, Q., Liu, Y., Lei, Y., Yan, G., Yan, L., Yu, S., Cui, R. Y., Clarke, L., Geng, G., Zheng, B., Zhang, X., Davis, S. J., & He, K. (2021). Pathways of China's PM2.5 air quality 2015–2060 in the context of carbon neutrality. National Science Review. https://doi.org/10.1093/nsr/nwab078

[7] Tong, D., Cheng, J., Liu, Y., Yu, S., Yan, L., Hong, C., Qin, Y., Zhao, H., Zheng, Y., Geng, G., Li, M., Liu, F., Zhang, Y., Zheng, B., Clarke, L., & Zhang, Q. (2020). Dynamic projection of anthropogenic emissions in China: methodology and 2015–2050 emission pathways under a range of socio-economic, climate policy, and pollution control scenarios. Atmospheric Chemistry and Physics, 20(9), 5729–5757. https://doi.org/10.5194/acp-20-5729-2020

[8] Geng, G., Zheng, Y., Zhang, Q., Xue, T., Zhao, H., Tong, D., Zheng, B., Li, M., Liu, F., Hong, C., He, K., & Davis, S. J. (2021). Drivers of PM2.5 air pollution deaths in China 2002–2017. Nature Geoscience, 14(9), 645–650. https://doi.org/10.1038/s41561-021-00792-3

[9] Zhang, Q., Zheng, Y., Tong, D., Shao, M., Wang, S., Zhang, Y., ... Hao, J. (2019). Drivers of improved PM2.5 air quality in China from 2013 to 2017. Proceedings of the National Academy of Sciences, 116(49), 24463-24469.

[10] Zheng, B., Tong, D., Li, M., Liu, F., Hong, C., Geng, G., ... Zhang, Q. (2018). Trends in China's anthropogenic emissions since 2010 as the consequence of clean air actions. Atmospheric Chemistry and Physics, 18(19), 14095-14111.