引言随着化石能源消费的持续增长，CO2等温室气体的排放量与日俱增。控制和减少CO2的排放是解决人类生产生活对全球气候变化影响的关键举措[1]。协同减排是指减少温室气体排放的过程中附带大气污染物减排，在一定限度上利用协同作用实现局部区域的大气污染物（如SO2、NOx、PM2.5、PM10等）和温室气体的减排，主要为CO2排放量的减少。2007年联合国政府间气候变化专门委员会(IPCC)发表了一份关于气候变化的第4次评估报告，其中建议将控制空气污染和减少温室气体排放相结合[2]。HU[3]提出了一种基于协同减排的方法，通过实施相应的减排措施，同时减少大气污染物和温室气体的排放，实现净收益的最大化。大气污染物(LAPs)和CO2的减排措施主要包括前端和末端措施两种方式。前端措施通过源头控制和过程控制进行LAPs与CO2的协同减排，可以有效地减少化石能源的消耗，对各领域各行业的生产技术具有促进作用；末端(EOP)措施可以减少目标污染物排放，此过程可能会产生其他污染物。因此，应慎重选择并合理利用末端治理措施。大气污染防治法修正案[4]中明确提出了LAPs与CO2排放的协同控制策略，实施协同减排策略不仅可以降低大气中CO2等温室气体的排放，对PM10、NOx等物质的浓度同样具有降低作用。大部分协同减排方面的研究仅集中在技术层面，对其他类似健康效益、社会效益等的评估较少。万芸菲[5]等通过情景分析法并以协同率作为量化指标对京津冀地区温室气体和大气污染物的协同减排效应进行分析量化。PAN[6]等通过STIRPAT模型设定不同情景，对湖北省二氧化碳和大气污染物的排放量进行预测。陈文颖[7]等应用能源-环境耦合的MARKAL模型对未来中国的CO2和SO2排放控制进行研究。李云燕[8]等通过建立二氧化碳和大气污染物排放量的LEAP模型，预测北京市道路移动源在不同措施下的协同减排效应。国外学者更多地关注气候变化与居民健康、气候变化与大气污染物之间的协同效应研究以及相关的成本量化。CHAE[9]通过研究首尔都市NOx、PM10和CO2排放之间的协同作用和成本效益，量化了该地区空气质量管理计划和二氧化碳排放控制措施之间的协同效应。1协同减排方法1.1GAINS模型研究协同减排GAINS模型可以计算大气污染物和CO2的排放量，通过构建基准情景以及其他政策情景评估二氧化碳等温室气体和大气污染物的协同减排程度，通过活动水平、排放因子、能源效率等的变化反映各种结构的调整。根据碳协同减排计算方法[10]，将协同作用的程度S作为评估指标。S=∆ECO2ECO2⋅∆EPEP-1 (1)式中：S——协同效益参数；∆ECO2——CO2减排量，Mt；ECO2——CO2排放量，Mt；∆EP——大气污染物减排量，kt；EP——大气污染物排放量，kt。利用该公式对不同城市、政策下大气污染物和温室气体的协同减排效果进行分析。其中，S值越大，则大气污染物排放减少的CO2减排潜力越大。1.2STIRPAT模型研究协同减排STIRPAT模型的影响因素主要包括人口、GDP、能源强度、产业占比等，通过分析这些因素得到能源消费岭回归方程，设置基准情景、低碳情景、强化低碳情景，研究不同力度下CO2与大气污染物的协同减排效应。协同减排交叉弹性系数[11]为：Sk=∆Ek/Ek∆ECO2/ECO2 (2)式中：Sk——交叉弹性系数；∆Ek——低碳情景或强低碳情景相对于基准情景的大气污染物k的减排量；∆ECO2——低碳情景或强低碳情景相对于基准情景二氧化碳的减排量；Ek——低碳情景或强低碳情景下大气污染物k的排放量；ECO2——低碳情景或强低碳情景下二氧化碳的排放量。交叉弹性系数大于0表明二氧化碳与大气污染物具有协同效应；若小于0表明两者不存在协同效应。交叉弹性系数越大，表明协同效果越好。1.3LEAP模型研究协同减排LEAP模型是通过情景分析进行研究的长期能源替代规划系统，具有预测时间长、初始数据要求较低、输入灵活等优点，适用于不同政策情景下大气污染物和CO2的协同减排研究。协同效益贡献率ri,s,k[12]为：ri,s,k=∆Ri,s,k∆Rs,k (3)式中：ri,s,k——部门i在情境s时大气污染物k的减排协同效应贡献率，%；ΔRi,s,k——部门i在情景s时相对于基准情景下的大气污染物k的相对减排量，万t；ΔRs,k——在情景s时相对于基准情景下大气污染物k的总的相对减排量，万t。减排协同效应系数[13]为：fi,s,k=ri,s,gri,s,k (4)fs,k=rs,grs,k (5)式中：ri,s,g——情景s下部门i的温室气体的减排协同效应贡献率；rs,g——情景s下温室气体的减排协同效应贡献率；rs,k——情景s下大气污染物k的减排协同效应贡献率。若fi,s,k=1，则减排的协同程度比较高；若0fi,s,k1，则温室气体的减排水平低于大气污染物；若fi,s,k1，则温室气体的减排水平高于大气污染物。减排协同效应弹性[13]为：εi,s,k=EBAU,g-Es,gEBAU,gEBAU,k-Es,kEBAU,k=∆Es,gEBAU,g∆Es,kEk=∆Es,g∆Es,k·EkEBAU,g (6)式中：EBAU,g——基准情景下温室气体的排放量，万t；Es,g——情景s下温室气体的排放量，万t；ΔEs,g——情景s相对于基准情景的温室气体的排放量变化，万t；EBAU,k——基准情景下大气污染物k的排放量，万t；Es,k——情景s下大气污染物k的排放量，万t；ΔEs,k——情景s相对于基准情景的大气污染物k的排放量变化，万t。若εi,s,k1，表明对于情景s，温室气体排放量对大气污染物排放量减排敏感，协同减排效果较好；若εi,s,k1，则表明不敏感，若εi,s,k=1，则表示单位弹性。1.4协同控制效应评估方法体系将大气污染物记为LAP，将温室气体记为GHG。毛显强[14]等、邢有凯[15]等通过构建ElsLAP/GHG，判断大气污染物与CO2的协同度。ElsLAP/GHG=ERLAP/QLAPERGHG/QGHG (7)式中：QLAP——局地大气污染物排放量，kg CO2eq；QGHG——温室气体排放量，kg CO2eq。ERLAP——局地大气污染物减排量，kg CO2eq；ERGHG——温室气体减排量，kg CO2eq。2协同减排计算实例2.1STIRPAT模型构建以河北省2005~2016年人口(P)，城镇化率(T1)、GDP(A1)、第二产业占比(A2)、能源强度(T2)、煤炭消耗量(E)作为变量，构建STIRPAT模型。lnC=lna+blnE+clnP+dlnT1+flnT2+glnA1+hlnA2+lne (8)式中：a——常数项；b、c、d、f、g、h——分别为系数；e——误差。2005~2016年河北省人口数量由6 851万人增长至7 470万人，对数化即为8.832 150增长至8.918 650；城镇化率由37.69%增长至53.32%，对数化即为3.629 395增长至3.976 311；GDP由8 773.4亿元增长至28 474.1亿元，对数化即为9.079 480增长至10.259 750；第二产业占比由47%降低至43.3%，对数化即为3.850 148降至3.768 153；能源强度由2.26万吨标准煤/亿元降低至1.10万吨标准煤/亿元，对数化即为0.815 365降低至0.095 310；煤炭由20 542万t增长至30 863.5万t，对数化即为9.930 227增长至10.337 330。根据STIRPAT模型进行岭回归分析，得出河北省能源消费方程为：lnC=0.524lnE+0.645lnP-0.089lnT1+0.287lnT2+0.11lnA1+0.599lnA2-4.131 (9)2.2情景设定根据节能减排要求，设定3个情景，分别是基准情景、低碳情景、强低碳情景。2020~2026年各因素变化率如表1所示。10.3969/j.issn.1004-7948.2024.01.027.T001表12020~2026年各因素变化率情景人口城镇化率GDP煤炭消费量第二产业占比能源强度基准情景0.57685.22.21-1.24-2.50低碳情景0.46675.1-0.55-1.24-3.10强低碳情景0.44664.9-0.60-1.24-3.20%根据STIRPAT模型岭回归方程结合3种情景预测数据，可以得出以下结果：基准情景下，2026年全省能源消费约为11.76万t；低碳情景下，2026年全省能源消费约为11.62万t；强低碳情景下，2026年全省能源消费约为11.61万t。2016年河北省工业部门的CO2、SO2、NOx和PM10排放量分别是64 850万t、60.1万t、64.1万t和51.4万t。通过计算预测，2026年河北省工业部门在基准情景下，CO2排放量为65 971.97万t，SO2排放量为61.15万t，NOx排放量为65.21万t，PM10排放量为52.30万t；在低碳情景下，预测2026年CO2排放量为65 186.59万t，SO2排放量为60.63万t，NOx排放量为64.66万t，PM10排放量为51.85万t；在强低碳情景下，预测2026年CO2排放量为65 130.49万t，SO2排放量为60.36万t，NOx排放量为64.38万t，PM10排放量为51.63万t。2.3交叉弹性系数分析通过交叉弹性系数分析CO2与主要大气污染物的协同减排效果。通过计算得出，在低碳情景、强低碳情景下，SO2的交叉弹性系数分别为0.71、1.01；NOx的交叉弹性系数分别为0.70、1.00；PM10的交叉弹性系数分别为0.72、1.00。二氧化碳与各个大气污染物的交叉弹性系数均大于0，说明低碳情景和强低碳情景的政策对河北省工业部门大气污染物和二氧化碳减排具有协同效应，数值越高，表明协同效果越好。3结语采用STIRPAT模型，在低碳情景和强低碳情景下，河北省工业部门大气污染物和二氧化碳协同减排的交叉弹性系数均大于0，即大气污染物和二氧化碳具有协同效应。采用单个模型可以对协同减排进行有效的分析研究，但每个模型均有自身的不足之处，使用两个或两个以上的模型综合模拟可以尽可能地减少误差，其潜力相比于单个模型更大。大气污染物与温室气体协同减排具有区域性的特点，目前大多数研究集中在某个固定地区，无法充分体现其区域差异性，因此，未来实行多域协同减排的是重要的方向。