在双碳目标下中国燃煤电厂未来的汞排放情况:一种结合机器学习与GEOS-Chem模型的排放驱动敏感性评估
《Environmental Pollution》:Future mercury emissions from coal-fired power plants in China under dual-carbon targets: An emission-driven sensitivity assessment integrating machine learning and GEOS-Chem modeling
【字体:
大
中
小
】
时间:2026年07月10日
来源:Environmental Pollution 7.2
编辑推荐:
张鸿燕|潘超|耿天志|张娜|崔庆豪|魏毅|金建兵|范建玲
江苏省大气环境监测与污染控制重点实验室,江苏省大气环境与设备技术协同创新中心,南京信息工程大学环境科学与工程学院,中国江苏省南京市宁柳路219号,邮编210044
摘要:汞是一种高毒性的痕量金属,对生态系统和人类
张鸿燕|潘超|耿天志|张娜|崔庆豪|魏毅|金建兵|范建玲
江苏省大气环境监测与污染控制重点实验室,江苏省大气环境与设备技术协同创新中心,南京信息工程大学环境科学与工程学院,中国江苏省南京市宁柳路219号,邮编210044
摘要:汞是一种高毒性的痕量金属,对生态系统和人类健康构成严重威胁。历史上,燃煤电厂一直是中国人为汞排放的主要来源,但在中国双碳目标下的长期变化情况仍缺乏准确量化。本研究构建了一个集成框架,将基于机器学习的排放预测模型与GEOS-Chem模型相结合,通过排放驱动的敏感性分析,评估未来燃煤电厂汞排放及其对大气的影响。研究利用EDGAR数据库(2000年至2022年)中的数据训练了轻量级梯度提升机模型,以揭示不同形态汞排放与空气污染物之间的关联,并结合中国排放动态预测数据库中2025–2060年的情景预测数据——这些数据在恒定气象条件下输入GEOS-Chem模型,用于模拟燃煤电厂带来的大气汞浓度和沉降量的变化。在基准情景下,燃煤电厂的汞排放量从2025年的16.1吨降至2060年的12.9吨;而在双碳情景下,这一数值到2060年将大幅下降至0.93吨,降幅约为93%。这些减排措施使得中国全国范围内由燃煤电厂造成的大气汞浓度和沉降量显著降低,其中东部和南部地区的降幅最为明显。平均而言,基准情景下燃煤电厂导致的大气汞浓度和总沉降量分别下降了51%和38%,而双碳情景下的降幅则分别为78%和54%。研究结果表明,在假设的未来排放情景下,中国的双碳战略有望带来显著的汞减排效益。
引言:汞是一种具有强生物累积性、长距离大气传输能力以及较长大气停留时间的高毒性全球性污染物,对人类健康和生态系统构成严重风险(Lindberg等人,2007)。大气中的汞可通过水生食物链中甲基汞的生物累积,引发神经系统损伤和发育障碍(Leal-Nazaré等人,2024;张等人,2021)。在大气中,汞通常分为三种主要形态:气态元素汞(Hg0)、气态氧化汞(HgII)和颗粒态汞(HgP),其中Hg0是最主要的形态,占大气中汞总量的95%以上(Lyman等人,2020)。此外,一价汞(HgI)也被认为是大气中汞转化过程中一种重要但存在时间极短的中间体(Horowitz等人,2017)。这些不同形态的汞具有各自独特的大气行为特征:Hg0的水溶性较低,而HgII的水溶性更高,更容易被云滴和降水捕获,因此其大气停留时间更短,且在局部和区域范围内的沉降更为明显(Driscoll等人,2013)。相应地,Hg0的干沉降速度较低,通常在0.01至0.19厘米/秒之间(Lee等人,2001)。由于化学性质稳定,Hg0可在大气中停留两年以上(Munthe等人,2001),从而实现全球范围的大气传输。相比之下,HgP的干沉降速度要高得多,为0.1–2.1厘米/秒,而HgII的干沉降速度则在0.4–7.6厘米/秒之间(Lee等人,2001)。尽管HgII和HgP仅占大气中汞的一小部分,但它们在经过短距离传输后,会通过干沉降和湿沉降在数小时至数周内迅速从大气中消失(Angot等人,2014;Ariya等人,2015)。因此,主要人为源的汞排放强度和形态变化,会显著影响大气中的汞浓度和沉降分布。
目前,中国是全球人为大气汞排放最大的国家。2021年,中国的人为大气汞排放量约为566吨,占全球人为汞排放总量的25%,是中国最大的汞排放源(Qiu等人,2025)。由于煤炭中含有较高浓度的汞,且中国的煤炭消费量巨大——煤炭消费量约占中国国内总煤炭消费量的39%(Yang等人,2019)——因此燃煤电厂成为全球人为大气汞排放的最主要来源之一。以往的研究表明,2000年代初,燃煤电厂占中国人为汞排放总量的40–60%,这些估算结果是基于历史运行水平、排放因子、电厂类型以及控制技术等因素得出的(Liu等人,2018;Wang等人,2014;Wu等人,2016;Zhang等人,2015、2023)。在过去二十年里,中国实施了多项空气污染控制措施,包括大规模安装烟气脱硫装置、选择性催化还原装置以及颗粒物控制设备。选择性催化还原装置能够促进Hg0向HgII的氧化,从而提高后续的汞捕获效率。静电除尘器或织物过滤器可以有效去除颗粒态汞,而水溶性的HgII则可通过烟气脱硫装置得到有效吸收(Li等人,2022)。这些措施使得燃煤电厂的二氧化硫、氮氧化物、颗粒物以及伴生的汞排放量均有所下降(Geng等人,2024;Jiang,2023;Wang等人,2020)。然而,在脱硫过程中产生的亚硫酸盐物质会将HgII重新转化为Hg0,由于Hg0的水溶性低且挥发性高,它可能在浆液曝气或废水处理过程中再次排放到大气中(Hsu等人,2021;Xu等人,2018)。许多研究已经重建了中国历史上的汞排放清单,并评估了各种污染控制技术的效果(Cui等人,2025;Guo和Wang,2023;Qiu等人,2025;Wu等人,2020;Zhang等人,2023)。除了具体的控制措施外,近期还有研究表明,未来燃煤电厂的排放变化将越来越受到更广泛的能源系统转型的影响,包括煤炭淘汰政策、可再生能源的发展以及碳中和战略(Filonchyk等人,2026)。这些结构性变化给汞排放的长期预测带来了更多不确定性,也凸显出将未来能源情景纳入排放评估的重要性。
GEOS-Chem模型因其对汞化学过程的全面描述以及模拟长距离传输能力的特点,已被广泛用于全球和区域层面的汞研究之中(Filonchyk和Peterson,2023;Milinevsky等人,2020;Su等人,2023;Wang等人,2014)。近年来,为支持中国的“双碳”战略——即在2030年前实现碳排放峰值,并在2060年前实现碳中和——人们开发了多种情景框架(Li等人,2024)。其中,中国排放动态预测数据库提供了在多种社会经济和政策路径下,未来二氧化碳以及二氧化硫、氮氧化物、颗粒物等传统空气污染物的综合预测数据(Cheng等人,2023、2021;Tong等人,2020)。不过,这类情景数据库并未包含汞等有毒痕量污染物的排放数据。这一缺陷使得GEOS-Chem模型无法直接用于未来能源转型情景下的大气汞长期模拟。对于中国这一汞排放的主要人为来源而言,这一限制尤为重要。尽管双碳战略有望通过煤炭淘汰、能源结构优化以及更先进的污染控制技术来重塑中国的电力行业,但其对大气汞污染的长期影响仍缺乏准确量化。在此背景下,机器学习提供了一种截然不同且互补的解决方案,能够解决未来汞模拟中的核心难题。与其试图直接模拟大气过程,不如利用机器学习模型,基于历史观测数据和排放清单,建立传统污染物排放预测与汞排放之间的数据驱动映射关系。这类模型实际上起到了“情景到排放的转换器”作用,能够帮助我们推断出与现有气候和空气质量情景相一致的汞排放趋势。虽然机器学习在预测传统空气污染物排放方面已展现出强大的能力(Cheng等人,2023),但其在长期汞排放预测中的应用,尤其是针对燃煤电厂的预测,目前还处于探索阶段。
已有研究表明,中国传统空气污染物的减少伴随着大气中汞浓度的显著下降(Feng等人,2024),这充分体现了汞排放与伴生污染物之间的紧密关联。通过充分利用这种关联,基于机器学习的汞排放预测方法,能够填补双碳政策情景与基于GEOS-Chem模型的大气汞模拟之间的空白。因此,将机器学习得到的汞排放路径与GEOS-Chem模型相结合,是一种用于定量评估未来能源转型情景下气候缓解措施与汞污染控制协同效益的创新且必要的方法。本研究通过在一个集成框架中,将DPEC数据库中的未来情景预测、基于机器学习的汞排放重建结果以及GEOS-Chem模型相互关联,建立了一条从碳减排政策到未来燃煤电厂汞排放及其大气影响的定量路径。据我们所知,这是首项能够在中国双碳战略背景下,实现长期、情景驱动的汞排放及其大气影响模拟的研究。具体而言,本研究的目标是:(1)开发一种基于机器学习的模型,以传统空气污染物排放量为预测因子,预测燃煤电厂的各类汞排放;(2)在基准情景和双碳情景下,预测2025年至2060年燃煤电厂的汞排放量;(3)利用GEOS-Chem模型,量化中国各地大气汞浓度和沉降量的变化情况。
数据说明:2000–2022年期间燃煤电厂的历史汞排放数据来自全球大气研究排放数据库(EDGAR v8.1)(Guizzardi等人,2024)。该数据库提供了按0.1°×0.1°空间分辨率划分的、各类形态汞(Hg0、HgII、HgP)以及二氧化碳、氨气、非甲烷挥发性有机物、氮氧化物、PM10、PM2.5、二氧化硫等传统空气污染物的年度网格化排放数据。根据EDGAR数据库中的行业分类,通过ArcGIS软件提取了中国境内的燃煤电厂相关排放数据。
2000–2022年中国燃煤电厂的历史汞排放情况:根据EDGAR数据库得出的中国燃煤电厂历史汞排放数据在2000–2022年间呈现出明显的季节性变化趋势(见图2)。这一时期,燃煤电厂的总汞排放量在2000年至2007年间迅速上升,达到了84.54吨,此后则持续下降。这一变化趋势与以往的自下而上型排放清单研究结果一致(见图2)(Liu等人,2018;联合国环境规划署,2019、2013;Wang等人,2014;Wu等人,2016、2006;Zhang等人,2015、2023),反映出多种因素的共同作用。
研究意义与局限性:本研究将基于机器学习的排放预测框架与化学传输模型相结合,系统分析了在中国双碳战略背景下,燃煤电厂汞排放的长期变化趋势及其对大气环境的影响。研究结果凸显了气候缓解政策在汞污染控制方面的显著协同效应,同时为中国未来大气汞浓度的变化趋势提供了新的理论依据。从以往的情况来看,汞污染的控制主要依赖于……
结论:本研究构建了一个集成建模框架,该框架将基于机器学习的排放预测与化学传输模型相结合,用于在恒定气象条件下,评估中国双碳战略背景下燃煤电厂汞排放的长期变化趋势及其对大气环境的影响。通过将预测的排放路径与GEOS-Chem模型模拟结果相衔接,本研究实现了对未来能源发展情景下汞排放变化的系统性、以排放为驱动因子的敏感性分析。
作者贡献说明:范建玲:论文撰写与修改、研究指导、方法设计、资金申请、概念构思。金建兵:论文撰写与修改、结果验证、研究指导。魏毅:论文撰写与修改、结果验证、数据整理。崔庆豪:论文撰写与修改、可视化处理、统计分析。张娜:论文撰写与修改、统计分析、数据整理。耿天志:论文撰写与修改、可视化处理、统计分析。潘超:论文初稿撰写、数据收集。
数据可用性:相关数据可应要求提供。
关于 manuscript 编写过程中生成式人工智能及人工智能辅助技术的声明:在撰写本论文时,作者们使用了Worldvice AI工具来提升文本的可读性和语言表达质量。在使用该工具/服务之后,作者们对内容进行了必要的审核和修改,并对最终发表文章的内容承担全部责任。
利益冲突声明:? 作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢:本研究得到了清洁高效燃煤发电与污染控制国家重点实验室的支持[项目编号D2022FK099]。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号