基于密度泛函理论（DFT）和机器学习的筛选研究 用于检测燃烧过程气体的3(HXTP)基气体传感材料

《Journal of Environmental Chemical Engineering》：DFT and Machine Learning Investigation of Screening TM 3(HXTP) 2 based Gas-Sensing Material for Detection of Combustion Process Gas

本研究首次从消费侧量化中国房地产活动对PM2.5浓度及健康经济的影响，发现其贡献率达6-9%，导致年均10余万例早逝，经济损失达89.5亿元（2017年），为需求导向型环保政策提供依据。

　　

黄爱诗|程文轩|张汉宇|赵娜

山东技术商业大学数学与信息科学学院，中国烟台264000

摘要

为了持续改善中国的空气质量，需要明确评估污染的 demand-side（需求方）驱动因素。然而，从消费角度出发，房地产行业对环境和健康的影响尚未被量化。本研究首次基于消费角度，综合量化了中国的房地产活动所引起的 PM_2.5 负担及其相关的公共卫生和经济影响。结果显示，2002 年至 2017 年间，与房地产相关的活动使全国 PM_2.5 浓度增加了 2.0–3.4 μg/m³，相当于环境水平的 6–9%，超过了传统上认为的主要污染源（如钢铁生产和道路交通）的估计值。这些影响在京津冀地区和长江三角洲等大都市区尤为明显。相关健康负担也很严重，2002 年、2007 年、2012 年和 2017 年分别有 131,900 例、106,200 例、90,500 例和 100,100 例过早死亡（其中 6%、4%、4% 和 5% 的死亡与 PM_2.5 有关）。相应的健康经济损失从 2002 年的 223 亿元人民币增加到 2017 年的 895 亿元人民币，增长了三倍。通过从消费角度量化房地产发展对空气质量和健康的影响，本研究为房地产供应链中的空气污染预防和控制提供了具体的行业证据，特别是在建筑活动密集的城市地区，并有助于制定更有效的、以消费为导向的环境政策。

引言

随着中国从投资驱动型经济增长转向消费驱动型经济增长，基于“污染者付费”原则的传统生产端环境治理已不足以改善环境质量 [13]、[30]、[37]。为此，研究人员和政策制定者越来越关注从消费角度出发的方法，以追踪需求中体现的环境负担 [27]、[3]、[61]、[75]。在中国经济中，房地产行业是需求驱动型产业之一，与水泥、钢铁和平板玻璃等高排放活动有着紧密联系 [16]、[23]、[31]。虽然房地产行业本身不直接排放污染物，但其发展过程（包括建筑材料的生产和运输以及现场施工）会产生大量空气污染 [25]、[77]。因此，了解房地产需求所带来的环境负担对于制定以消费为导向的政策至关重要。

大多数将房地产与空气质量联系起来的研究依赖于投资与环境 PM_2.5 之间的统计或计量经济学关联 [15]、[2]、[8]。尽管这些方法提供了有价值的信息，但它们很少能提供可应用于政策的、可明确来源的数据，例如特定需求行业导致的浓度变化、死亡人数和经济损失。使用空气质量模型的平行研究则量化了传统污染源（如电力、工业和交通）的贡献 [58]、[59]、[62]、[76]。Karagulian 等人 [24] 对 51 个国家的 PM_2.5 来源进行了回顾，发现全球范围内机动车排放占城市 PM_2.5 水平的约 22%。Reche 等人 [50]、Targino 等人 [57] 和 Liu 等人 [36] 分别研究了西班牙、巴西和印度的农村生物质露天燃烧对城市空气污染的影响。许多研究指出，建筑材料制造是中国城市空气污染的重要来源 [55]、[56]、[71]。然而，这些评估通常是从生产端出发的，很少将影响归因于最终推动这些活动的需求方。因此，与房地产发展直接相关的消费端负担在很大程度上仍未被量化。

PM_2.5 暴露对健康的影响已有充分记录，包括增加心血管和呼吸系统疾病的风险。许多研究结合大气化学传输模型和暴露-反应关系，评估了全球和区域范围内的过早死亡情况 [21]、[28]、[9]。这些研究包括全球范围的分析 [29]、[6]、[66]，以及针对印度、中国和东南亚的区域性研究 [1]、[26]、[53]、[74]。在探讨多个污染源的贡献时，发现印度的健康影响主要受住宅能源排放的影响 [10]、[28]、[54]；而在中国，住宅能源使用和工业排放都起到了重要作用 [35]、[52]。然而，尤其是由房地产需求驱动的消费端负担尚未被明确量化。如果没有这些信息，政策制定者可能会忽视这一庞大且快速变化的公共卫生风险来源，特别是在建筑活动密集的人口密集城市地区。

为填补这些空白，本研究采用了一种综合的、基于消费的评估方法，来评估中国房地产行业对空气质量与人类健康的影响。通过多区域投入产出（MRIO）框架将房地产需求分配到生产省份，利用 WRF–CAMx 系统对产生的排放进行建模，并通过全球暴露死亡模型（GEMM）结合支付意愿方法量化相应的健康影响。分析涵盖了 2002 年、2007 年、2012 年和 2017 年的数据，得到了可用于化学传输建模的省级排放场数据、空间明确的 PM_2.5 增量，以及相应的过早死亡和健康经济损失估计。通过从消费角度明确这些关联，本研究为将房地产相关排放纳入中国的空气质量管理提供了具体行业证据，并突出了政策相关的空间异质性——尤其是在建筑活动密集的大都市区，从而为制定更有效的、以需求为导向的环境政策提供了依据。

模型配置

模型配置

本研究采用了综合的 WRF–CAMx 系统来评估中国房地产行业对环境 PM_2.5 水平的影响。模拟域如图 S1 所示，涵盖了中国及几个邻国。该模型的水平分辨率为 36 × 36 km，垂直层数为 34 层，从地表延伸到 50 hPa。模拟涵盖了 2002 年、2007 年、2012 年和 2017 年的四个代表性月份（1 月、4 月、7 月和 10 月）。

与中国房地产相关的 PM_2.5 排放：生产与消费

鉴于 PM_2.5 对环境和健康的显著影响，我们以 PM_2.5 为例进行详细分析；其他代表性污染物（包括 SO₂、NO_x 和 VOCs）的结果见图 S2。图 2 展示了 2002 年、2007 年、2012 年和 2017 年中国房地产生产与消费活动相关的 PM_2.5 排放情况。净排放量可以表示为 $\mathrm{NET}=E_{\mathrm{prod}}?E_{\mathrm{cons}}$，其中 NET > 0 表示净出口。

结论

本研究通过一个综合的、基于消费的框架，全面量化了中国房地产发展对空气质量与健康的影响，将经济需求与大气环境和健康结果联系起来。通过结合基于 MRIO 的排放追踪、WRF–CAMx 模拟和 GEMM 暴露-反应建模，本研究提供了从房地产需求到污染、暴露和过早死亡的完整链条评估——这种方法在相关研究中较为少见。

资助

本研究得到了山东技术商业大学科研启动基金（BS2025045）的支持。

作者贡献声明

张汉宇：撰写 – 审稿与编辑，概念构建。程文轩：调查，数据整理。黄爱诗：撰写 – 初稿撰写，可视化，方法论设计，概念构建。赵娜：撰写 – 审稿与编辑。

利益冲突声明

作者声明没有已知的利益冲突或个人关系可能影响本文所述的工作。