藺文亭+李巍

摘要：在控制大氣污染和保障居民健康的要求下，京津冀地區(qū)能源消費(fèi)面臨著總量控制和結(jié)構(gòu)優(yōu)化的巨大壓力。本研究基于京津冀地區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展目標(biāo)并結(jié)合相關(guān)節(jié)能減排和環(huán)保要求，針對(duì)2014-2030 年間的能源消費(fèi)分別設(shè)計(jì)了基準(zhǔn)情景（BAU）和能源結(jié)構(gòu)調(diào)整情景（ESA），基于LEAP模型模擬預(yù)測(cè)了地區(qū)未來(lái)的能源消費(fèi)及主要風(fēng)險(xiǎn)因子PM2.5的排放強(qiáng)度。分別采用綜合暴露-反應(yīng)關(guān)系IER模型和修正人力資本法評(píng)估了區(qū)域內(nèi)居民在PM2.5暴露下的健康風(fēng)險(xiǎn)和經(jīng)濟(jì)損失，最后得出能源結(jié)構(gòu)調(diào)整戰(zhàn)略的居民健康收益。結(jié)果顯示，至2030年，相比于基準(zhǔn)情景，進(jìn)行能源結(jié)構(gòu)調(diào)整約可減少能源消費(fèi)2.32億噸，避免死亡14592例，獲得經(jīng)濟(jì)收益約3297721萬(wàn)元。京津冀地區(qū)應(yīng)加快實(shí)施能源消費(fèi)總量控制、清潔能源替代等的強(qiáng)化節(jié)能措施，并針對(duì)北京、天津、保定等高風(fēng)險(xiǎn)的重點(diǎn)地區(qū)率先實(shí)行更嚴(yán)格的管控政策，以期更有效地降低區(qū)域整體風(fēng)險(xiǎn)，獲得最大化的能源結(jié)構(gòu)調(diào)整帶來(lái)的健康收益。

關(guān)鍵詞：能源消費(fèi)，LEAP模型，大氣污染，居民健康收益，京津冀地區(qū)

中圖分類號(hào)：X823 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-672X（2017）02-0014-10

DOI：10.16647/j.cnki.cn15-1369/X.2017.02.002

引言

近年來(lái)因化石燃料燃燒所造成的大氣污染已引起了廣泛關(guān)注[1]。京津冀地區(qū)作為我國(guó)大氣污染最嚴(yán)重的地區(qū)，其首要污染物PM2.5主要來(lái)源于燃煤、機(jī)動(dòng)車、工業(yè)生產(chǎn)及揚(yáng)塵[2-3]。以煤炭為主的能源消費(fèi)總量持續(xù)增加，是造成該地區(qū)大氣污染的主要原因。大氣污染物暴露易引發(fā)或加重呼吸道疾病及心血管疾病，甚至導(dǎo)致急性死亡[4-5]，而PM2.5是最主要的風(fēng)險(xiǎn)因子[6]。京津冀地區(qū)的大氣污染健康風(fēng)險(xiǎn)已引起廣泛關(guān)注[7-8]，并且已有學(xué)者針對(duì)京津冀地區(qū)控制大氣污染的健康收益進(jìn)行了研究[9-1011]。目前，國(guó)內(nèi)外學(xué)者圍繞能源消費(fèi)、大氣污染及人群健康風(fēng)險(xiǎn)開展了一系列的研究，主要有某一行業(yè)能源結(jié)構(gòu)調(diào)整下的PM2.5濃度變化及人群健康收益[1]，城市不同能源消費(fèi)結(jié)構(gòu)下的PM10暴露水平及人群健康收益[12]，城市能源消費(fèi)的PM10和SO2排放對(duì)人群健康影響與經(jīng)濟(jì)損失的評(píng)估[13]，節(jié)能減排情景下PM10對(duì)人群健康的影響及政策建議[14]等。上述研究主要以常規(guī)大氣污染物為風(fēng)險(xiǎn)因子，采用能源-環(huán)境模型、排放清單法等預(yù)測(cè)大氣污染物排放量，并通過(guò)大氣擴(kuò)散模型、空氣質(zhì)量模型等模擬大氣污染物的濃度，最終進(jìn)行健康風(fēng)險(xiǎn)（收益）和經(jīng)濟(jì)損失（收益）的評(píng)估。

京津冀地區(qū)是我國(guó)區(qū)域發(fā)展戰(zhàn)略的重要指向區(qū)，在京津冀協(xié)同發(fā)展的戰(zhàn)略背景下，采取了一系列的政策措施來(lái)優(yōu)化能源結(jié)構(gòu)、促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)、改善生態(tài)環(huán)境。本研究基于區(qū)域發(fā)展戰(zhàn)略和節(jié)能減排政策，全面地評(píng)估京津冀地區(qū)未來(lái)的能源消費(fèi)及其大氣污染居民健康風(fēng)險(xiǎn)，以期評(píng)估能源調(diào)整戰(zhàn)略帶來(lái)的居民健康收益，并從保護(hù)居民健康角度提出調(diào)控能源消費(fèi)結(jié)構(gòu)，降低大氣污染物排放的對(duì)策和建議。在吸收已有研究成果的基礎(chǔ)上，本研究以2014年為基準(zhǔn)年，以2020-2030年為目標(biāo)年，基于京津冀地區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展目標(biāo)、能源政策、環(huán)保要求等，設(shè)立基準(zhǔn)情景及節(jié)能減排情景，通過(guò)能源-環(huán)境模型預(yù)測(cè)污染物排放強(qiáng)度，將其轉(zhuǎn)化為污染物在空氣中的暴露水平并評(píng)估大氣污染物暴露下的居民健康風(fēng)險(xiǎn)，進(jìn)一步評(píng)估居民健康收益，并提出對(duì)策和建議。

1 研究方法及情景設(shè)定

1.1 區(qū)域能源結(jié)構(gòu)調(diào)整戰(zhàn)略情景設(shè)定

《京津冀協(xié)同發(fā)展綱要》確定了“一核、雙城、三軸、四區(qū)”發(fā)展格局，以北京、天津?yàn)閰f(xié)同發(fā)展的主要引擎，并劃分為中部核心區(qū)、東部濱海發(fā)展區(qū)、南部功能拓展區(qū)和西北部生態(tài)涵養(yǎng)區(qū)，確定各功能區(qū)的發(fā)展重點(diǎn)。同時(shí)，2017年國(guó)家設(shè)立了雄安國(guó)家級(jí)新區(qū)，雄安新區(qū)將成為京津冀地區(qū)協(xié)同發(fā)展的第三個(gè)重要引擎。根據(jù)京津冀地區(qū)協(xié)同發(fā)展綱要、一省兩市現(xiàn)有的十三五規(guī)劃（綱要、建議）、相關(guān)的產(chǎn)業(yè)規(guī)劃以及近期國(guó)家出臺(tái)的相關(guān)政策，結(jié)合對(duì)全國(guó)經(jīng)濟(jì)發(fā)展趨勢(shì)的整體判斷，對(duì)京津冀地區(qū)未來(lái)的社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)進(jìn)行判斷，確定能源消費(fèi)的主要驅(qū)動(dòng)因素，包括人口、GDP、城市化水平、產(chǎn)業(yè)發(fā)展等（表1）。

在此基礎(chǔ)上，結(jié)合京津冀地區(qū)的能源規(guī)劃、節(jié)能減排要求等，設(shè)計(jì)兩種情景：

（1）情景一：基準(zhǔn)情景BAU。假設(shè)京津冀地區(qū)未采取進(jìn)一步加強(qiáng)的節(jié)能減排政策和措施，地區(qū)能源消費(fèi)參考各省市能源十二五規(guī)劃的基本要求，綜合十二五時(shí)期發(fā)展做趨勢(shì)外推；但是，末端治理要求符合大氣污染防治行動(dòng)計(jì)劃等最新環(huán)保要求。

（2）情景二：能源結(jié)構(gòu)調(diào)整情景ESA。以《京津冀協(xié)同發(fā)展生態(tài)環(huán)境保護(hù)規(guī)劃》、各地市十三五規(guī)劃（綱要、建議）、各省市可再生能源十三五規(guī)劃、京津冀地區(qū)大氣污染防治行動(dòng)計(jì)劃、《能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃（2014-2020年）》等為主要依據(jù)，設(shè)定地區(qū)主要節(jié)能減排政策。具體包括：a.控制煤炭消費(fèi)總量，到2020年煤炭占比：北京8%、天津50%、河北45%，2030年進(jìn)一步降低。b.清潔能源替代，全面推廣煤改電、煤改氣。c.大力發(fā)展可再生能源，到2020年可再生能源占比：北京7%、天津4%、河北7%。d.控制散煤燃燒。e.加快淘汰落后產(chǎn)能。同時(shí)，末端治理要求與基準(zhǔn)情景保持一致。

1.2 基于能源消費(fèi)的PM2.5排放強(qiáng)度預(yù)測(cè)

LEAP（Long-range Energy Alternatives Planning System）模型是由瑞典斯德哥爾摩環(huán)境研究院開發(fā)的基于能源方案情景分析的經(jīng)濟(jì)-能源-環(huán)境綜合模型。該模型為自底向上模型，可根據(jù)不同行業(yè)能源消費(fèi)的設(shè)定情景和驅(qū)動(dòng)因子預(yù)測(cè)不同時(shí)間段的能源消費(fèi)量，并鏈接各種環(huán)境污染物排放因子計(jì)算相應(yīng)的排放強(qiáng)度[15]。目前該模型在經(jīng)濟(jì)-能源-環(huán)境問(wèn)題方面已得到了廣泛的應(yīng)用[16-17，18]。

利用LEAP模型分地市、分行業(yè)對(duì)能源需求及污染物排放進(jìn)行預(yù)測(cè)。結(jié)合京津冀地區(qū)的實(shí)際用能情況，分為6個(gè)部門：第一產(chǎn)業(yè)部門、工業(yè)部門、建筑業(yè)部門、交通部門、商業(yè)及服務(wù)業(yè)部門、家庭部門。本研究中基線年不同部門能源消費(fèi)量參考京津冀地區(qū)各地市2014年統(tǒng)計(jì)年鑒中分行業(yè)主要能源消費(fèi)品種（ 煤炭、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、熱力、電力） 及其統(tǒng)計(jì)消費(fèi)量（不同地市消費(fèi)品種統(tǒng)計(jì)上存在一定差異）。污染物排放因子參考Wang[19]等與Zhao等[20]的研究成果，結(jié)合《環(huán)境保護(hù)實(shí)用數(shù)據(jù)手冊(cè)》得出。

1.3 大氣污染物暴露水平模擬

大氣污染對(duì)人體健康的影響主要取決于大氣污染程度、暴露時(shí)間等。基于能源調(diào)整戰(zhàn)略及區(qū)域發(fā)展戰(zhàn)略中，能源消費(fèi)部門及污染源布局的不確定性，采用大氣污染擴(kuò)散模型模擬區(qū)域不同能源消費(fèi)情景下大氣污染物濃度[21]，計(jì)算公式為：

式中，C為環(huán)境空氣中某種污染物的模擬濃度，μg/m3；Q為大氣污染物排放總量，104 t；S為各地市總面積，km2；Si為主城區(qū)面積km2；A為排放總量控制系數(shù)，取值范圍為4.2—5.6，104 t/（a·km2），α為低架源排放轉(zhuǎn)換系數(shù)。

式中，C為大氣污染物的預(yù)測(cè)濃度，C0為地區(qū)背景濃度，Q為大氣污染物排放總量，v為風(fēng)速，w為箱體寬度，h為箱體高度。

假設(shè)t為年份，Ct、Ct-1分別為排放量為Qt、Qt-1時(shí)的年均濃度，則由式1可得：

通過(guò)各地市PM2.5歷史排放量與年均濃度估算出（Ct-1 – C0 ）/Qt-1平均值，則式2可進(jìn)一步改寫成：

1.4 健康效應(yīng)評(píng)價(jià)

大氣細(xì)顆粒物暴露的健康效應(yīng)可分為慢性效應(yīng)和急性效應(yīng)。急性健康效應(yīng)包括日死亡率增加、呼吸道疾病住院增加等；長(zhǎng)期暴露于顆粒物的慢性效應(yīng)包括死亡率和其他慢性影響[22]。本研究重點(diǎn)考慮長(zhǎng)期的能源結(jié)構(gòu)調(diào)整帶來(lái)的健康效益，由于大氣污染長(zhǎng)期累積暴露下的慢性健康效應(yīng)要遠(yuǎn)遠(yuǎn)大于急性健康效應(yīng)[23]，因此選擇慢性健康效應(yīng)中的死亡率為健康終點(diǎn)。

目前大氣細(xì)顆粒物污染慢性死亡健康效應(yīng)的評(píng)價(jià)主要基于對(duì)暴露-反應(yīng)關(guān)系的研究成果，利用泊松回歸模型進(jìn)行評(píng)價(jià)。而針對(duì)發(fā)展中國(guó)家PM2.5暴露濃度較高的問(wèn)題，Burnett等[24]在綜合考慮室外大氣污染及吸煙等室內(nèi)污染的基礎(chǔ)上，模擬評(píng)估了居民慢性死亡健康效應(yīng)的變化，回歸分析出適合于PM2.5高暴露濃度下的發(fā)展中國(guó)家的綜合暴露-反應(yīng)關(guān)系模型（IER），計(jì)算公式為：

式中，ΔEdeath為因PM2.5暴露濃度變化引發(fā)的居民死亡效應(yīng)變化量，人；P為各情景人口數(shù)量，人；E為基準(zhǔn)年人群死亡率，‰；RR為各情景PM2.5暴露濃度對(duì)應(yīng)的相對(duì)危險(xiǎn)度。

本研究中，采用IER模型評(píng)估京津冀地區(qū)PM2.5暴露下的大氣污染健康效應(yīng)，選取缺血性心臟?。↖HD）、慢性阻塞性肺疾?。–OPD）、中風(fēng)（STROKE）、肺癌（LC）四種死亡健康終點(diǎn)。基準(zhǔn)死亡率參考《國(guó)家人口與健康科學(xué)數(shù)據(jù)共享平臺(tái)》及各地統(tǒng)計(jì)年鑒數(shù)得出。RR取值參考《全球疾病負(fù)擔(dān)2010年研究報(bào)告》成果[25]。

1.5 健康效應(yīng)經(jīng)濟(jì)價(jià)值評(píng)估

在非完全市場(chǎng)經(jīng)濟(jì)的發(fā)展中國(guó)家，多采用疾病成本法和人力資本法等來(lái)進(jìn)行污染的健康效應(yīng)。其中，人力資本法又可分為傳統(tǒng)的人力資本法和修正的人力資本法。修正的人力資本法忽略了個(gè)體價(jià)值的差異，以損失的生命年中的人均GDP 之和來(lái)代替?zhèn)€體收入水平的差異[26]，其計(jì)算公式如下：

式中，ECal為過(guò)早死亡的人力資本損失，萬(wàn)元；Ped為大氣污染造成的過(guò)早死亡人數(shù)，例；HCm為人均人力資本，萬(wàn)元/例；GDPpc0為基準(zhǔn)年的人均GDP，萬(wàn)元；t為平均壽命損失年；α為人均GDP年增長(zhǎng)率；γ為社會(huì)貼現(xiàn)率。

其中，損失壽命年是指一個(gè)人的死亡年齡與社會(huì)期望壽命的差[27]。根據(jù)大氣污染健康效益評(píng)價(jià)中選取的健康終點(diǎn)，本文重點(diǎn)考慮呼吸系統(tǒng)、心腦血管疾病對(duì)居民壽命的影響。參考現(xiàn)有研究結(jié)果[27-28]，損失壽命年取17。

2 結(jié)果與討論

2.1 京津冀地區(qū)能源消費(fèi)及污染物排放預(yù)測(cè)

基于上述兩個(gè)情景，利用LEAP模型對(duì)京津冀地區(qū)2014-2030年能源消費(fèi)進(jìn)行預(yù)測(cè)，結(jié)果如下：BAU情景下，2020年地區(qū)能源消費(fèi)總量約為5.50億噸標(biāo)準(zhǔn)煤，較2014年增加30%，能源消費(fèi)結(jié)構(gòu)煤炭：油品：天然氣：電：可再生能源為57.7：17：11.7：8.7：4.9。到2030年，能源消費(fèi)增長(zhǎng)到7.97億噸標(biāo)準(zhǔn)煤，能源消費(fèi)結(jié)構(gòu)調(diào)整為煤炭：油品：天然氣：電：清潔能源為51.5：16.6：14.5：11.8：5.5。ESA情景下，2020年地區(qū)能源消費(fèi)總量約為4.64億噸標(biāo)準(zhǔn)煤，較2014年增加10%，能源消費(fèi)結(jié)構(gòu)煤炭：油品：天然氣：電：清潔能源為39.6：10.5：20.7：22.4：6.8。到2030年，能源消費(fèi)增長(zhǎng)到5.65億噸標(biāo)準(zhǔn)煤，能源消費(fèi)結(jié)構(gòu)進(jìn)一步得到優(yōu)化，煤炭：石油：天然氣：電：清潔能源為17.1：10.3：30：27.6：15。從地區(qū)分布上來(lái)看，兩個(gè)情景下，地區(qū)能源消費(fèi)均主要分布在工業(yè)集中的東部沿海區(qū)和人口集中的中部核心區(qū)，占到地區(qū)京津冀地區(qū)能源消費(fèi)總量的70%以上。

基準(zhǔn)情景及節(jié)能減排情景下，京津冀地區(qū)PM2.5排放量如圖1所示。BAU情境下，由于末端治理措施的實(shí)施及小幅度的能源結(jié)構(gòu)調(diào)整，PM2.5排放量與基準(zhǔn)年基本持平，2020年和2030年排放量分別為179萬(wàn)噸和191萬(wàn)噸。ESA情景下，能源結(jié)構(gòu)得到有效調(diào)整，PM2.5排放量大幅降低，2020年和2030年排放量分別為124萬(wàn)噸和92萬(wàn)噸，較BAU情景分別減少了54萬(wàn)噸和99萬(wàn)噸。

2.2 大氣污染居民健康效應(yīng)預(yù)測(cè)

通過(guò)大氣污染擴(kuò)散模型，根據(jù)各地市污染物排放量模擬各情境下的大氣污染物暴露水平，如表2所示。2014年模擬結(jié)果與環(huán)保部監(jiān)測(cè)數(shù)據(jù)較一致，說(shuō)明該結(jié)果總體可信。模擬預(yù)測(cè)結(jié)果顯示，兩種情景下PM2.5濃度差異顯著。BAU情景下，京津冀地區(qū)PM2.5濃度整體上升，尤其以滄州、石家莊、邢臺(tái)、衡水、廊坊等地濃度居高不下。通過(guò)能源結(jié)構(gòu)調(diào)整，相對(duì)于BAU情景，至2020年，ESA情景濃度約下降20%～35%，至2030年約下降40%～55%。

通過(guò)IER模型計(jì)算京津冀地區(qū)在上述兩個(gè)情景下，由PM2.5暴露導(dǎo)致的死亡水平，結(jié)果見表3。

評(píng)價(jià)2020 年及2030年各情景下空氣污染導(dǎo)致的居民急性死亡情況。BAU情景下，2020年歸因于PM2.5的死亡總計(jì)為113291例（ 95%CI： 50264 ～ 147454） ，2030年為121831例（ 95%CI： 52149 ～ 160718）。ESA情景下，2020年歸因于PM2.5的死亡總計(jì)為103723例（ 95%CI： 44516 ～ 138430） ，2030年為107239例（ 95%CI： 43303 ～ 146035）。相較于BAU情景，可分別避免死亡9568例、14592例。從空間布局來(lái)看，各情景下的居民健康風(fēng)險(xiǎn)和能源結(jié)構(gòu)調(diào)整的健康收益如圖2所示。

2.3 健康效益經(jīng)濟(jì)價(jià)值評(píng)估

根據(jù)修正的人力資本法估算不同能源消費(fèi)情景下居民對(duì)PM2. 5暴露的健康損失經(jīng)濟(jì)價(jià)值，結(jié)果如表4所示。相對(duì)于BAU 情景，ESA情景可分別減少健康損失經(jīng)濟(jì)價(jià)值1562274萬(wàn)元（2020年）和3297721萬(wàn)元（2030年）。 北京、天津、石家莊、保定可獲得的健康收益約占40%左右。

3 結(jié)論及建議

（1）通過(guò)進(jìn)行能源結(jié)構(gòu)調(diào)整，相比于基準(zhǔn)情景，約可減少能源消費(fèi)0.86億噸（2020年）和2.32億噸（2030年）。由于能源消費(fèi)的減少和能源結(jié)構(gòu)的優(yōu)化，PM2.5等大氣污染物的排放量將有效降低，并且進(jìn)一步減少大氣污染所帶來(lái)的健康風(fēng)險(xiǎn)。

（2）通過(guò)對(duì)兩種情景下空氣污染導(dǎo)致的死亡人數(shù)進(jìn)行對(duì)比分析，發(fā)現(xiàn)2020年，相對(duì)于BAU情景，ESA情景可避免死亡9568例（ 95%CI： 5747 ～ 9023），獲得經(jīng)濟(jì)收益約1562274萬(wàn)元；2030年，可避免死亡14592例（ 95%CI： 8845～ 14683），獲得經(jīng)濟(jì)收益約3297721萬(wàn)元。

（3）京津冀地區(qū)應(yīng)加快實(shí)施能源消費(fèi)總量控制、清潔能源替代等的強(qiáng)化節(jié)能措施，以更高的空氣質(zhì)量標(biāo)準(zhǔn)和污染減排要求促進(jìn)能源消費(fèi)結(jié)構(gòu)進(jìn)一步優(yōu)化。針對(duì)北京、天津、雄安新區(qū)等重點(diǎn)地區(qū)，應(yīng)重點(diǎn)進(jìn)行管控，嚴(yán)格控制煤炭消費(fèi)總量并持續(xù)降低煤炭在能源消費(fèi)中的比重，提前實(shí)施天然氣、一次電力等清潔能源替代，全面改善環(huán)境空氣質(zhì)量，最大程度地降低能源消費(fèi)導(dǎo)致的大氣污染所帶來(lái)的居民健康風(fēng)險(xiǎn)。

參考文獻(xiàn)

[1]Zhang S，Worrell E， Crijns-Graus W， et al. Modeling energy efficiency to improve air quality and health effects of Chinas cement industry[J]. Applied Energy， 2016， 184：574-593.

[2]繆育聰，鄭亦佳，王姝，劉樹華. 京津冀地區(qū)霾成因機(jī)制研究進(jìn)展與展望[J]. 氣候與環(huán)境研究，2015，（03）：356-368.

[3]黃蕊珠，陳煥盛，葛寶珠，姚石泉，王哲，楊文夷，陳學(xué)舜，朱莉莉，黃思，王自發(fā). 京津冀重霾期間PM_（2.5）來(lái)源數(shù)值模擬研究[J]. 環(huán)境科學(xué)學(xué)報(bào)，2015，（09）：2670-2680.

[4]於方， 過(guò)孝民， 張衍燊， 等.2004 年中國(guó)大氣污染造成的健康經(jīng)濟(jì)損失評(píng)估[J]. 環(huán)境與健康雜志， 2007， 24（12）：999-1003.

[5]Chen B H， Kan H D. Air pollution and population health： a global challenge[J]. Environmental Health and Preventive， 2008， 13（2）：94-101.

[6]Lim， S.S.， Vos T.， Flaxman A.D.， et al. A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions， 1990–2010： a systematic analysis for the Global Burden of Disease Study 2010 [J]. The lancet， 2012， 380 （9859）： 2224-2260

[7]謝楊，戴瀚程，花岡達(dá)也，増井利彥. PM_（2.5）污染對(duì)京津冀地區(qū)人群健康影響和經(jīng)濟(jì)影響[J]. 中國(guó)人口·資源與環(huán)境，2016，（11）：19-27.

[8]呂鈴鑰，李洪遠(yuǎn). 京津冀地區(qū)PM_（10）和PM_（2.5）污染的健康經(jīng)濟(jì)學(xué)評(píng)價(jià)[J]. 南開大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，（01）：69-77.

[9]黃德生，張世秋. 京津冀地區(qū)控制PM2.5污染的健康效益評(píng)估[J]. 中國(guó)環(huán)境科學(xué)學(xué)， 2013， （01）：166-174.

[10]Chen L， Shi M， Li S， et al. Quantifying public health benefits of environmental strategy of PM 2.5， air quality management in Beijing–Tianjin–Hebei region， China[J]. Journal of Environmental Sciences， 2016.

[11]董戰(zhàn)峰，高晶蕾，郝春旭，葛察忠. 《大氣污染防治行動(dòng)計(jì)劃》實(shí)施的人體健康效應(yīng)評(píng)估[J]. 環(huán)境污染與防治，2017，（02）：225.

[12]闞海東，陳秉衡，陳長(zhǎng)虹. 上海市能源提高效率和優(yōu)化結(jié)構(gòu)對(duì)居民健康影響的評(píng)價(jià)[J]. 上海環(huán)境科學(xué)，2002，（09）：520-524+579.

[13]Fang B， Liu C F. The assessment of health impact caused by energy use in urban areas of China： an intake fraction-based analysis[J]. Natural Hazards， 2012， 62（ 1） ： 101-114.

[14]Wang X， Mauzerall D L. Evaluating impacts of air pollution in China on public health： Implications for future air pollution and energy policies[J]. Atmospheric Environment， 2006， 40（9）：1706-1721.

[15]周健，崔勝輝，林劍藝，等. 廈門市能源消費(fèi)對(duì)環(huán)境及公共健康影響研究[J]. 環(huán)境科學(xué)學(xué)報(bào)， 2011，31（9）：2058-2065.

[16]Kale R V， Pohekar S D. Electricity demand and supply scenarios for Maharashtra （India） for 2030： An application of long range energy alternatives planning[J]. Energy Policy， 2014， 72（3）：1-13.

[17]Emodi N V， Emodi C C， Murthy G P， et al. Energy policy for low carbon development in Nigeria： A LEAP model application[J]. Renewable & Sustainable Energy Reviews， 2017， 68：247-261.

[18]Huang Y，Bor Y J. The long-term forecast of Taiwan' s energy supply and demand： LEAP model application[J]. Energy Policy， 2011，39（11）：6790-6803.

[19]Wang S X， Zhao M， Xing J， et al. Quantifying the air pollutants emission reduction during the 2008 Olympic games in Beijing[J]. Environmental Science &Technology， 2010， 44（7）：2490-2496.

[20]Zhao B， Wang P， Ma J Z， et al. A high-resolution emission inventory of primary pollutants for the Huabei region， China[J]. Atmospheric Chemistry and Physics， 2012， 12 （ 1） ： 481-501

[21]謝元博， 李巍. 基于能源-環(huán)境情景模擬的北京市大氣污染對(duì)居民健康風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 環(huán)境科學(xué)學(xué)報(bào)， 2013， 33（6）：1763-1770.

[22]陳秉衡， 闞海東. 城市大氣污染健康危險(xiǎn)度評(píng)價(jià)的方法 第二講 主要大氣污染物的危害認(rèn)定（續(xù)一）[J]. 環(huán)境與健康雜志， 2004， 21（3）：181-182.

[23]陳仁杰， 陳秉衡， 闞海東. 我國(guó)113個(gè)城市大氣顆粒物污染的健康經(jīng)濟(jì)學(xué)評(píng)價(jià)[J]. 中國(guó)環(huán)境科學(xué)， 2010， 30（3）：410-415.

[24]Burnett R T， Pope III C A， Ezzati M， et al.An integrated risk function for estimating the global burden of disease attributable to ambient fine particulate matter exposure[J]. Environmental Health Perspectives，2014，122（4）：397-403.

[25]Institute for Health Metrics and Evaluation.Global Burden of Disease Study2010（GBD 2010）-Ambient Air Pollution Risk Model 1990-2010[EB/OL].USA：Institute for Health Metrics and Evaluation， 2014 [2014-05-17].http：//ghdx.healthdata.org/record/global-burden-disease-study-2010-gbd-2010-ambient-air-pollution-risk-model-1990-2010.

[26]趙曉麗， 范春陽(yáng)， 王予希. 基于修正人力資本法的北京市空氣污染物健康損失評(píng)價(jià)[J]. 中國(guó)人口資源與環(huán)境， 2014， 24（3）：169-176.

[27]趙越. 大氣污染對(duì)城市居民的健康效應(yīng)及經(jīng)濟(jì)損失研究[D]. 中國(guó)地質(zhì)大學(xué)（北京）， 2007.

[28]劉帥， 宋國(guó)君. 城市PM2.5健康損害評(píng)估研究[J]. 環(huán)境科學(xué)學(xué)報(bào)， 2016， 36（4）：1468-1476.