大气污染防治综合科学决策支持平台的开发及应用.pdf

第３２卷第１０期２０１９年１０月环境科学研究ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓＶｏｌ . ３２ ꎬ Ｎｏ . １０Ｏｃｔ . ꎬ ２０１９收稿日期２０１９￣０７￣０２修订日期２０１９￣０９￣０５作者简介邢佳１９８４￣ ꎬ 男 ꎬ 河北石家庄人 ꎬ 副教授 ꎬ 博士 ꎬ 博导 ꎬ 主要从事大气数值模拟研究 ꎬ ｘｉｎｇｊｉａ＠ｔｓｉｎｇｈｕａ . ｅｄｕ . ｃｎ . ∗ 责任作者 ꎬ 王书肖１９７４￣ ꎬ 女 ꎬ 河北藁城人 ꎬ 教授 ꎬ 博士 ꎬ 博导 ꎬ 主要从事大气科学与污染防治领域研究 ꎬ ｓｈｘｗａｎｇ＠ｔｓｉｎｇｈｕａ . ｅｄｕ . ｃｎ基金项目国家重点研发计划重点专项Ｎｏ . ２０１８ＹＦＣ０２１３８０５ ꎻ 大气重污染成因与治理攻关项目Ｎｏ . ＤＱＧＧ０３０１ ꎻ 国家自然科学基金项目Ｎｏ . ２１６２５７０１ＳｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＫｅｙＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＰｒｏｇｒａｍｏｆＣｈｉｎａＮｏ 􀆰 ２０１８ＹＦＣ０２１３８０５ ꎻ ＮａｔｉｏｎａｌＲｅｓｅａｒｃｈＰｒｏｇｒａｍｆｏｒＫｅｙＩｓｓｕｅｓｉｎＡｉｒＰｏｌｌｕｔｉｏｎＣｏｎｔｒｏｌ ꎬ ＣｈｉｎａＮｏ . ＤＱＧＧ０３０１ ꎻ ＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａＮｏ . ２１６２５７０１大气污染防治综合科学决策支持平台的开发及应用邢佳１ ꎬ 王书肖１ ∗ ꎬ 朱云２ ꎬ 丁点１ ꎬ 龙世程２ ꎬ 田皓中１ ꎬ ＪＡＮＧＣａｒｅｙ３ ꎬ 郝吉明１１ . 清华大学环境学院 ꎬ 北京１０００８４２ . 华南理工大学 ꎬ 广东广州５１０００６３ . 美国环境保护局 ꎬ 美国北卡罗来纳州２７７１１摘要大气污染防治和环境治理的紧迫性和复杂性需要科学有效的决策 ꎬ 而以费效评估为标志的综合决策评估模型是支撑环境决策和管理的重要工具 . 当前以ＡＢａＣＡＳＡｉｒＰｏｌｌｕｔｉｏｎＣｏｎｔｒｏｌＣｏｓｔ￣ＢｅｎｅｆｉｔａｎｄＡｔｔａｉｎｍｅｎｔＡｓｓｅｓｓｍｅｎｔＳｙｓｔｅｍ ꎬ 空气污染控制成本效益与达标评估系统为代表的综合决策评估模型可以实现对特定减排方案的费效评估 ꎬ 然而无法支持开展基于费效的达标路径优化 ꎬ 以及对应不同环境目标下减排策略的优化制定 . 针对上述问题 ꎬ 建立了大气污染防治综合科学决策支持平台 . 该平台以ＡＢａＣＡＳ的４个核心模块为基础 ꎬ 建立了新的基于环境目标的反算技术ＬＥ￣ＣＯ及优化集成运行模式ＡＢａＣＡＳ￣ＯＥ ꎬ 实现了对不同环境目标要求的减排量反算 ꎬ 并对优化的减排策略下的空气质量改善效果、目标可达性、控制成本及健康收益进行快速估算 . 将大气污染防治综合科学决策支持平台应用到京津冀及周边地区 “ ２＋２６ ” 城市 ꎬ 反算了２０３５年达标要求下的减排情景 ꎬ 以及对应减排方案的费用与效益 . 结果表明 ꎬ 相较于２０１５年 ꎬ 预测了２０３５年京津冀及周边地区的ＰＭ２ 􀆰 ５、ＳＯ２、ＮＯｘ、ＶＯＣｓ、ＮＨ３排放量需分别减排７０％８７％、４９％８５％、６６％７４％、５１％６６％、０４０％才可达标 ꎬ 并且该情景可以带来可观的效益 ꎬ 费用￣效益比达３ 􀆰 ７ . 未来大气污染防治综合科学决策支持平台的研究将进一步面向多目标、多行业、多组分、多区域的精细化调控技术 ꎬ 实现经济、能源、排放、浓度、成本、健康、生态、气候一体化的综合决策 ꎬ 以全面支撑我国大气污染防治的综合科学决策 . 关键词ＡＢａＣＡＳ ꎻ 成本效益 ꎻ 控制策略 ꎻ 空气质量 ꎻ 达标中图分类号Ｘ５１文章编号１００１￣６９２９２０１９１０￣１７１３￣０７文献标志码ＡＤＯＩ１０ 􀆰 １３１９８ ∕ ｊ 􀆰 ｉｓｓｎ 􀆰 １００１￣６９２９ 􀆰 ２０１９ 􀆰 ０９ 􀆰 ０７ＤｅｖｅｌｏｐｍｅｎｔａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＳｃｉｅｎｔｉｆｉｃＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＰｌａｔｆｏｒｍｆｏｒＡｉｒＰｏｌｌｕｔｉｏｎＰｒｅｖｅｎｔｉｏｎａｎｄＣｏｎｔｒｏｌＸＩＮＧＪｉａ１ ꎬ ＷＡＮＧＳｈｕｘｉａｏ１ ∗ ꎬ ＺＨＵＹｕｎ２ ꎬ ＤＩＮＧＤｉａｎ１ ꎬ ＬＯＮＧＳｈｉｃｈｅｎｇ２ ꎬ ＴＩＡＮＨａｏｚｈｏｎｇ１ ꎬ ＪＡＮＧＣａｒｅｙ３ ꎬ ＨＡＯＪｉｍｉｎｇ１１ . ＳｃｈｏｏｌｏｆＥｎｖｉｒｏｎｍｅｎｔ ꎬ ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ ꎬ Ｂｅｉｊｉｎｇ１０００８４ ꎬ Ｃｈｉｎａ２ . ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ ꎬ Ｇｕａｎｇｚｈｏｕ５１０００６ ꎬ Ｃｈｉｎａ３ . Ｕ . Ｓ . ＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎＡｇｅｎｃｙ ꎬ ＮｏｒｔｈＣａｒｏｌｉｎａ２７７１１ ꎬ ＵＳＡＡｂｓｔｒａｃｔＴｈｅｕｒｇｅｎｃｙａｎｄｃｏｍｐｌｅｘｉｔｙｏｆａｉｒｐｏｌｌｕｔｉｏｎｃｏｎｔｒｏｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｇｏｖｅｒｎａｎｃｅｒｅｑｕｉｒｅｍａｋｉｎｇｐｏｌｉｃｙｄｅｃｉｓｉｏｎｓｃｉｅｎｔｉｆｉｃａｌｌｙａｎｄｅｆｆｅｃｔｉｖｅｌｙ . Ｔｈｅｉｎｔｅｇｒａｔｅｄｓｃｉｅｎｔｉｆｉｃａｓｓｅｓｓｍｅｎｔｍｏｄｅｌｓｙｓｔｅｍｗｉｔｈｃｏｓｔ￣ｂｅｎｅｆｉｔａｓｓｅｓｓｍｅｎｔｉｓａｎｉｍｐｏｒｔａｎｔｔｏｏｌｔｏｓｕｐｐｏｒｔｅｎｖｉｒｏｎｍｅｎｔａｌｓｔｒａｔｅｇｙａｎｄｍａｎａｇｅｍｅｎｔ . Ｆｏｒｅｘａｍｐｌｅ ꎬ ｔｈｅａｉｒｐｏｌｌｕｔｉｏｎｃｏｎｔｒｏｌｃｏｓｔ￣ｂｅｎｅｆｉｔａｎｄａｔｔａｉｎｍｅｎｔａｓｓｅｓｓｍｅｎｔｓｙｓｔｅｍＡＢａＣＡＳｃａｎｈｅｌｐｐｏｌｉｃｙｍａｋｅｒａｓｓｅｓｓｔｈｅｃｏｓｔ￣ｂｅｎｅｆｉｔｏｆｃｅｒｔａｉｎｃｏｎｔｒｏｌｓｔｒａｔｅｇｙ ꎬ ｂｕｔｃａｎｎｏｔｓｕｐｐｏｒｔｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｔｈｅｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｆｏｒａｉｒｑｕａｌｉｔｙａｔｔａｉｎｍｅｎｔｕｎｄｅｒｄｉｆｆｅｒｅｎｔａｍｂｉｅｎｔａｉｒｔａｒｇｅｔ . Ｔｏａｄｄｒｅｓｓｓｕｃｈｉｓｓｕｅ ꎬ ｔｈｉｓｓｔｕｄｙｄｅｖｅｌｏｐｅｄａｓｃｉｅｎｔｉｆｉｃｄｅｃｉｓｉｏｎｓｕｐｐｏｒｔｐｌａｔｆｏｒｍｆｏｒａｉｒｐｏｌｌｕｔｉｏｎｐｒｅｖｅｎｔｉｏｎａｎｄｃｏｎｔｒｏｌｉｎＣｈｉｎａ . Ｔｈｉｓｐｌａｔｆｏｒｍｉｓｂａｓｅｄｏｎｔｈｅ４ｋｅｙｃｏｍｐｏｎｅｎｔｓｏｆＡＢａＣＡＳ ꎬ ｄｅｖｅｌｏｐｅｄａｎｅｗｔｅｃｈｎｏｌｏｇｙＬＥ￣ＣＯｔｈａｔｃａｎｃａｌｃｕｌａｔｅｔｈｅｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｆｒｏｍａｉｒｔａｒｇｅｔｒｅｑｕｉｒｅｍｅｎｔ ꎬ ａｓｗｅｌｌａｓｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｉｎｔｅｇｒａｔｅｄａｓｓｅｓｓｍｅｎｔｓｃｈｅｍｅＡＢａＣＡＳ￣ＯＥ ꎬ ｔｏｄｅｓｉｇｎｏｐｔｉｍｉｚｅｄｃｏｎｔｒｏｌｓｔｒａｔｅｇｙａｎｄｍａｋｅｑｕｉｃｋａｓｓｅｓｓｍｅｎｔｏｆｃｏｒｒｅｓｐｏｎｄｉｎｇａｉｒｑｕａｌｉｔｙｒｅｓｐｏｎｓｅ ꎬ ｔａｒｇｅｔａｔｔａｉｎｍｅｎｔ ꎬ ｃｏｎｔｒｏｌｃｏｓｔａｎｄｈｅａｌｔｈｂｅｎｅｆｉｔｓｆｒｏｍｄｉｆｆｅｒｅｎｔｃｏｎｔｒｏｌｓｔｒａｔｅｇｉｅｓ . ＴｈｉｓｓｔｕｄｙａｐｐｌｉｅｄｔｈｉｓｎｅｗｌｙｄｅｖｅｌｏｐｅｄｐｌａｔｆｏｒｍｉｎＢｅｉｊｉｎｇ￣Ｔｉａｎｊｉｎ￣Ｈｅｂｅｉａｎｄｉｔｓｓｕｒｒｏｕｎｄｉｎｇａｒｅａ ꎬ ‘ ２＋２６ ’ ｃｉｔｉｅｓ ꎬ ａｎｄｕｓｅｄｉｔｔｏｅｖａｌｕａｔｅｔｈｅａｔｔａｉｎｍｅｎｔｔｅｓｔ ꎬ ｃｏｓｔｓ ꎬ ａｎｄｂｅｎｅｆｉｔｓｏｆｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｓｃｅｎａｒｉｏｉｎ环境科学研究第３２卷２０３５ . ＴｈｅｅｍｉｓｓｉｏｎｓｏｆＰＭ２ 􀆰 ５ ꎬ ＳＯ２ ꎬ ＮＯｘ ꎬ ＮＭＶＯＣｓａｎｄＮＨ３ｉｎ２０３５ｎｅｅｄｔｏｂｅｒｅｄｕｃｅｄｂｙ７０％￣８７％ ꎬ ４９％￣８５％ ꎬ ６６％￣７４％ ꎬ ５１％￣６６％ａｎｄ０￣４０％ｒｅｓｐｅｃｔｉｖｅｌｙｔｏａｃｈｉｅｖｅｔｈｅａｉｒｑｕａｌｉｔｙｓｔａｎｄａｒｄ . Ｂｅｓｉｄｅｓ ꎬ ｔｈｅａｉｒｑｕａｌｉｔｙａｔｔａｉｎｍｅｎｔｓｃｅｎａｒｉｏｃｏｕｌｄａｌｓｏｂｒｉｎｇｃｏｎｓｉｄｅｒａｂｌｅｂｅｎｅｆｉｔｓｗｉｔｈｔｈｅｂｅｎｅｆｉｔ ∕ ｃｏｓｔｒａｔｉｏｏｆ３ 􀆰 ７ . Ｆｕｔｕｒｅｓｔｕｄｙｏｎｔｈｅｉｎｔｅｇｒａｔｅｄｓｃｉｅｎｔｉｆｉｃｄｅｃｉｓｉｏｎｓｕｐｐｏｒｔｐｌａｔｆｏｒｍｆｏｒａｉｒｐｏｌｌｕｔｉｏｎｐｒｅｖｅｎｔｉｏｎａｎｄｃｏｎｔｒｏｌｗｉｌｌｃｏｎｔｉｎｕａｌｌｙｉｍｐｒｏｖｅｔｈｅｔｅｃｈｎｏｌｏｇｉｅｓｔｏｓｕｐｐｏｒｔｍｕｌｔｉ￣ｏｂｊｅｃｔｉｖｅ ꎬ ｍｕｌｔｉ￣ｓｅｃｔｏｒ ꎬ ｍｕｌｔｉ￣ｐｏｌｌｕｔａｎｔ ꎬ ｍｕｌｔｉ￣ｒｅｇｉｏｎａｌｆｉｎｅｃｏｎｔｒｏｌｒｅｇｕｌａｔｉｏｎｓ . Ｆｕｔｕｒｅｓｔｕｄｙｏｎｔｈｅｐｌａｔｆｏｒｍｉｓｅｘｐｅｃｔｅｄｔｏａｃｈｉｅｖｅｔｈｅｉｎｔｅｇｒａｔｅｄｄｅｃｉｓｉｏｎ￣ｍａｋｉｎｇｗｉｔｈｔｈｅｗｈｏｌｅｃｏｖｅｒａｇｅｏｆｅｃｏｎｏｍｉｃ ꎬ ｅｎｅｒｇｙ ꎬ ｅｍｉｓｓｉｏｎ ꎬ ｃｏｎｃｅｎｔｒａｔｉｏｎ ꎬ ｃｏｓｔ ꎬ ｈｅａｌｔｈ ꎬ ｅｃｏｌｏｇｙａｎｄｃｌｉｍａｔｅ ꎬ ｔｏｆｕｌｌｙｓｕｐｐｏｒｔｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｓｃｉｅｎｔｉｆｉｃｄｅｃｉｓｉｏｎ￣ｍａｋｉｎｇｏｆａｉｒｐｏｌｌｕｔｉｏｎｐｒｅｖｅｎｔｉｏｎａｎｄｃｏｎｔｒｏｌｉｎＣｈｉｎａ . ＫｅｙｗｏｒｄｓＡＢａＣＡＳ ꎻ ｃｏｓｔ￣ｂｅｎｅｆｉｔ ꎻ ｃｏｎｔｒｏｌｓｔｒａｔｅｇｙ ꎻ ａｉｒｑｕａｌｉｔｙ ꎻ ｔａｒｇｅｔａｔｔａｉｎｍｅｎｔ当前我国正遭遇严重的大气污染问题 ꎬ 以ＰＭ２ 􀆰 ５为代表的雾霾污染和以Ｏ３为代表的光化学污染 [ １￣３ ] 在各大城市频发 ꎬ 而社会、经济、人口的持续高速发展 ꎬ进一步给大气环境质量带来压力 . 大气污染严重危害了人体健康和自然生态系统 ꎬ 大气环境中高浓度Ｏ３会损害农作物及生态系统 [ ４ ] ꎬ 长期暴露于ＰＭ２ 􀆰 ５浓度较高的环境下会对公民造成心血管死亡率的增加和肺功能的衰退 [ ５￣７ ] . 此外 ꎬ ＰＭ２ 􀆰 ５和Ｏ３也是对全球气候具有重大影响的大气污染物 . 因此 ꎬ 改善区域与城市大气环境、保障人民的身体健康、保护地球环境是我国推动生态文明建设中亟待解决的重要问题 . 近１０年来 ꎬ 我国采取了大量措施减少ＳＯ２、ＮＯｘ和一次颗粒物等污染物的排放 . 自２０１３年实施 « 大气污染物防治行动计划 » 后 ꎬ 我国京津冀、长三角、珠三角地区的 ρ ＰＭ２ 􀆰 ５呈显著降低的趋势 ꎬ 但２０１８年在我国３３８个地级及以上城市中 ꎬ 仍然有６４ 􀆰 ２％城市的 ρ ＰＭ２ 􀆰 ５超过了ＧＢ３０９５２０１２ « 环境空气质量标准 » 二级标准限值３５ μ ｇ ∕ ｍ３ [ ８ ] . 此外 ꎬ 随着ＰＭ２ 􀆰 ５得到有效控制 ꎬ Ｏ３污染问题逐渐凸显 ꎬ 在部分城市如上海市、深圳市等 ρ Ｏ３的超标率甚至超过了 ρ ＰＭ２ 􀆰 ５ ꎬ 使Ｏ３成为大气污染的首要污染物 . 因此 ꎬ 大气 ρ ＰＭ２ 􀆰 ５和 ρ Ｏ３的协同达标 ꎬ 确定来自各区域、各行业排放的各类污染物的协同减排比例 ꎬ 是当前开展大气污染协同控制决策的重大挑战 . 针对重要事件我国开展过强制性短期控制的空气质量保障方案 ꎬ 如２００８年北京奥运会和２０１４年亚洲太平洋经济合作组织ＡＰＥＣ会议等 ꎬ 通过强制性政策调控大幅减少了一次污染物的排放 ꎬ 空气质量状况得到了明显改善 [ ９￣１２ ] . 然而 ꎬ 随着国际形势及经济发展的波动 ꎬ 这种不考虑成本的决策方法显然很难持续 . 该研究将针对如何制定具有成本效益的政策 ꎬ 优化对多个污染来源的各类污染物的控制 ꎬ 建立了大气污染防治综合科学决策支持平台 ꎬ 以期支撑开展科学有效的大气污染防治工作 . １概述该研究所建立的大气污染防治综合科学决策支持平台是在ＡＢａＣＡＳａｉｒｐｏｌｌｕｔｉｏｎｃｏｎｔｒｏｌｃｏｓｔ￣ｂｅｎｅｆｉｔａｎｄａｔｔａｉｎｍｅｎｔａｓｓｅｓｓｍｅｎｔｓｙｓｔｅｍ ꎬ 空气污染控制成本效益与达标评估系统基础上开发的 . ＡＢａＣＡＳ是在中国原环境保护部、美国环境保护局、美国能源基金会共同支持下 ꎬ 由清华大学、华南理工大学、田纳西大学等联合开发的一个大气污染控制费效评估及空气质量达标规划辅助决策系统 . ＡＢａＣＡＳ原型于２０１１年首先发布 ꎬ 其设计重点是辅助决策分析 . 经过中国和美国科学家团队８年的开发 ꎬ ＡＢａＣＡＳ可提供广泛的应用 ꎬ 包括决策辅助和科学研究 [ １３ ] . 一般来说 ꎬ 基于费效评估原则的大气污染控制决策其实是将大气污染控制作为一项投资 ꎬ 估算从中得到的收益 ꎬ 从而确定这项控制策略是否科学有效 . 其中 ꎬ 需要回答的关键科学问题包括 ① 对于特定减排情景下的空气质量将如何变化 ꎻ ② 该减排情景是否可以达到预设的污染物目标环境质量浓度 ꎻ ③ 不同减排情景下的控制成本 ꎻ ④ 减排措施带来污染物环境质量浓度下降的收益 . 图１ＡＢａＣＡＳ的核心模块及相互关系Ｆｉｇ . １ＴｈｅｉｎｔｅｒａｃｔｉｏｎｓｂｅｔｗｅｅｎｋｅｙｃｏｍｐｏｎｅｎｔｓｏｆＡＢａＣＡＳ针对上述问题 ꎬ ＡＢａＣＡＳ系统建立了４个核心模块 ꎬ 即ＩＣＥＴｉｎｔｅｒｎａｔｉｏｎａｌｃｏｓｔｅｓｔｉｍａｔｅｔｏｏｌ ꎬ 成本评估系统、ＲＳＭｒｅｓｐｏｎｓｅｓｕｒｆａｃｅｍｏｄｅｌ ꎬ 减排与空气质量快速响应系统、ＳＭＡＴｓｏｆｔｗａｒｅｏｆｍｏｄｅｌａｔｔａｉｎｍｅｎｔｔｅｓｔ ꎬ 空气质量达标评估系统、ＢｅｎＭＡＰｅｎｖｉｒｏｎｍｅｎｔａｌｂｅｎｅｆｉｔｓｍａｐｐｉｎｇａｎｄａｎａｌｙｓｉｓｐｒｏｇｒａｍ ꎬ 环境效益评估系统见图１ . 由图１可见ＡＢａＣＡＳ系统的４个模块既各自独立又互有联系 . ＩＣＥＴ涵盖了不同行业、不同控制技术对应的成本信息 ꎬ 可用于评估不同减排策略下的控制成本 ꎻ ＲＳＭ基于海量的空气质量模拟及统计技术建立 ꎬ 可对不同排放变化情景下的空气质量４１７１第１０期邢佳等大气污染防治综合科学决策支持平台的开发及应用进行实时估算 ꎻ ＳＭＡＴ融合了模型估算的污染物质量浓度变化与国控站点监测的数据 ꎬ 开展对减排策略是否可以达到环境目标进行评估工作 ꎻ ＢｅｎＭＡＰ基于环境流行病学的浓度￣响应健康影响方程 ꎬ 估算污染物环境质量浓度改善带来的健康影响并将其货币化得到经济收益 . 通过对比投入和产出效益 ꎬ 得到特定减排策略的费用￣效益比 ꎬ 从而评估了该减排策略的科学有效性 . ＡＢａＣＡＳ系统的４个模块将环境目标、人为排放、空气质量、控制成本、健康收益有机联系起来 ꎬ 旨在综合利用区域空气质量改善获得的人体健康效益及相应的污染治理成本货币化结果 ꎬ 优化污染控制策略 ꎬ 有效降低我国区域大气污染 ꎬ 减少人体健康损害 ꎬ 使大气 ρ ＰＭ２ 􀆰 ５和 ρ Ｏ３达到ＧＢ３０９５２０１２ « 环境空气质量标准 » . 为了便于决策者实现完整的决策工作 ꎬ ＡＢａＣＡＳ系统也在不断完善对应的辅助模块 ꎬ 包括ＬＥ￣ＣＯｌｅａｓｔ￣ｃｏｓｔｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｏｐｔｉｍｉｚａｔｉｏｎ ꎬ 成本最小化的控制决策模型、数据融合与可视化分析系统ｄａｔａｆｕｓｉｏｎｔｏｏｌ、模型可视化分析工具Ｍｏｄｅｌ￣ＶＡＴ ꎬ ｍｏｄｅｌ￣ｖｉｓｕａｌｉｚａｔｉｏｎａｎｄａｎａｌｙｓｉｓｔｏｏｌ、大气污染防治综合决策支持平台一体化评估系统ＡＢａＣＡＳ￣ＳＥ ꎬ ｓｔｒｅａｍｌｉｎｅｅｄｉｔｉｏｎ ꎬ 以及ＡＢａＣＡＳ￣ＯＥｏｐｔｉｍｉｚｅｄｅｄｉｔｉｏｎ ꎬ 空气污染控制成本效益与达标评估优化反算系统 . 然而 ꎬ 我国各大城市均面临着如何制定更为科学有效的减排策略 ꎬ 在最佳可行及费用￣效益比最优的情况下实现大气环境质量达标 ꎻ 而传统的ＡＢａＣＡＳ模型尚未具备基于环境目标反算减排量的功能 ꎬ 从而无法制定费用￣效益比最优的减排策略 . 因此 ꎬ 该研究针对该问题 ꎬ 在ＡＢａＣＡＳ现有的４个核心模块基础上 ꎬ 研发了基于不同环境浓度的反算技术及优化综合决策方法 ꎬ 建立了新的、更有效地支持我国地方开展科学决策的大气污染防治综合科学决策支持平台 . ２研究方法２􀆰 １ＬＥ￣ＣＯ实现从环境浓度到减排量的反算最为关键的技术是对建立环境浓度与大气污染物排放量的显式方程 ꎬ 而传统ＡＢａＣＡＳ中的ＲＳＭ模型是基于统计的黑箱模式 ꎬ 其计算效率较低 ꎬ 无法实现大规模情景的筛选与优化 . 因此 ꎬ 该研究首先解决了响应曲面模型的显性解析式的拟合 ꎬ 即利用一组多项式函数量化空气质量对排放控制的响应〔见式１〕 . Δ Ｘ＝ [ ∑ ａｉ＝１ＡｉＥＰ１ｉ＋ ∑ ａ ′ ｊ＝１Ａｊ ′ ＥＰ２ｊ＋ ∑ ｂｉ＝１ＢｉＥＰ１ａｉ１ＥＰ２ａｉ２ ] ＋ＣｉＥＰＭ１式中 Δ Ｘ为 ρ ＰＭ２ 􀆰 ５和 ρ Ｏ３对排放源变化的响应 ꎬ μ ｇ ∕ ｍ３ ꎻ ＥＰ１、ＥＰ２为两种前体物相对基准情景的排放变化率 ꎬ ％ ꎬ 两种前体物为ＮＯｘ、ＳＯ２、ＮＨ３、ＶＯＣｓ中的任意两种 ꎻ ａ、ａ ′ 为两种前体物的最高阶数 ꎻ ＥＰＭ为一次ＰＭ排放的变化率 ꎬ ％ ꎻ Ａｉ、Ａｊ ′ 、Ｂｉ、Ｃｉ为多项式中对应不同污染物组合的系数 ꎻ ｉ、ｊ分别为两种前体物的非线性程度 ꎻ ａｉ１、ａｉ２为两种前体物的相关程度 ꎻ ｂ为两种前体物的相互作用项的总数 . ρ ＰＭ２ 􀆰 ５和 ρ Ｏ３对一次ＰＭ排放的响应表现出线性行为 ꎬ 可以通过线性回归表示 . 在可视化分析模块中 ꎬ 利用实时响应浓度地图、可视化展示曲线图及数据分析图对排放控制因子和环境浓度之间的关系进行展示和分析 . 由图２可见 ꎬ 左侧栏显示了５６个控制因子 ꎬ 用户可以对５６个控制因子相对基准的比例基准为１ ꎬ 全部控制为０进行任意调整 ꎬ 右侧栏展示了在用户设定的５６个因子组合下的 ρ ＰＭ２ 􀆰 ５ . 因此 ꎬ 通过该模型可以实现在不同排放控制因子的组合下 ꎬ 快速展示出 ρ ＰＭ２ 􀆰 ５在该减排组合下的实时响应 . 在建立的多项式拟合响应曲面模型基础上 ꎬ 综合了多目标函数、响应关系、协同效应的污染控制决策问题 ꎬ 采用最优化等数学方法求解最佳控制策略 ꎬ 以实现政策情景的反算优化 . 首先基于多项式拟合的响应曲面模型建立减排￣浓度变化的曲线 ꎬ 联合各污染物的边际成本曲线进行加权计算 ꎬ 采用网格寻优方法的最优化方法 ꎬ 将各环境目标浓度对应的减排组合基于成本最低原则进行筛选 ꎬ 最终实现对不同环境目标所对应的不同污染物减排方案的反算〔见式２５〕 . 反算得到的控制策略最优组合不仅能满足空气质量达标要求 ꎬ 而且具有最高的成本效益 . ＡＴ＝ ∑ Ｒｒ＝１ ∑ Ｐｐ＝１Ａｐｒ２Ａｐｒ＝ｆｐｒＢｐｒ３Ｘｓｒ＝ｒｓｍｓｒＢｐｒ４Ｘｓｒ ≤ Ｘｓ０５式中 ꎬ ＡＴ为总成本 ꎬ Ａｐｒ为污染物ｐＮＯｘ、ＳＯ２、ＮＨ３、ＶＯＣｓ和一次颗粒物在ｒ地区的成本 ꎬ Ｐ为污染物总数 ꎬ Ｒ为区域总数 ꎬ ｆｐｒ为污染物ｐ在ｒ地区的成本控制率函数 ꎬ Ｂｐｒ为污染物ｐ在ｒ地区的减排比例 ꎬ ｒｓｍｓｐｒ为基于ＲＳＭ的污染物ｓＰＭ２ 􀆰 ５和Ｏ３关于Ｂｐｒ５１７１