电动汽车能否减少亚特兰大都会区夏季空气污染暴露不平等？——基于1 km高分辨率光化学空气质量模拟的分析

《GeoHealth》：Can Electric Vehicles Reduce Summertime Air Pollution Exposure Inequalities in Metro Atlanta? A High-Resolution Analysis

　　

电动汽车（EV）被广泛预期可通过减少道路排放来改善空气质量，但其对暴露不平等的影响仍不确定。为评估电动汽车能否减少亚特兰大都会区夏季空气污染暴露不平等，研究人员使用社区多尺度空气质量（CMAQ）模型开展了高分辨率（1 km）光化学空气质量模拟。模拟了30%的重型与轻型车辆电动化情景，以评估夏季二氧化氮（NO₂）、日最大8小时平均臭氧（MDA8 O₃）和细颗粒物（PM_2.5）的变化。电动汽车 adoption 导致区域平均浓度降低：NO₂下降0.22 ppb，MDA8 O₃下降0.94 ppb，PM_2.5下降0.06 μg/m³；同时，因电力需求增加，电厂附近出现局地NO₂和PM_2.5浓度上升。电动化带来空气质量改善的主要驱动因素是道路机动车排放的减少，其影响超过了发电机组（EGU）排放的增加。暴露降幅最大的社区集中在亚裔、西班牙裔和黑人居民比例较高的地区，凸显了电动汽车在减轻有色人种社区暴露负担方面的潜力。然而，尽管所有种族/民族群体的暴露水平均有所下降，暴露差距在电动化情景下依然持续存在。粗分辨率（12 km）模拟对少数族裔群体NO₂暴露的低估幅度可达25%，对PM_2.5可达10%，但仍能捕捉暴露差距的总体格局。

**论文解读：电动汽车对亚特兰大都会区夏季空气污染暴露不平等的影响——基于1 km高分辨率模拟的评估**

**1. 研究背景与问题**

交通源排放的氮氧化物（NO_x；NO_x = NO + NO₂）、挥发性有机物（VOCs）和细颗粒物（PM_2.5）会恶化空气质量并对人体健康产生不利影响。在美国国家尺度上，从内燃机车辆向电动汽车（EV）转型预计可通过减少道路排放来改善城市空气质量，这些效益对近道路社区可能最为显著，而这些社区往往由历史上处于不利地位的群体构成。然而，电动汽车推广的净效益及其对暴露不平等的影响可能因交通网络、城市发展模式、能源电网构成和大气化学机制的不同而在各都市区间存在显著差异。

亚特兰大是美国种族隔离最严重的大都市区之一，少数族裔人群暴露于更高水平的NO_x和PM_2.5，同时心血管和呼吸系统疾病患病率也更高。Wang等人（2023）发现，亚特兰大统计区（MSA）的少数族裔群体承受的NO₂暴露是低收入白人人群的两倍，比高收入白人人群高20%。尽管2000年至2016年间道路排放总体下降，但种族和民族差异仍在扩大，表明排放减少可能无法在减排和空气质量改善空间不均的情况下缩小暴露差距。此外，电动汽车的环境净影响因排放从尾气管转移到发电机组（EGUs）而变得复杂。在佐治亚州，燃煤、天然气和核电分别约占全州发电量的15%、45%和27%。在亚特兰大MSA，EGU排放和道路源对年均PM_2.5设计值的贡献相当，这意味着电动汽车减少的道路PM_2.5排放可能被发电设施附近增加的初级和次级颗粒物所抵消。对于臭氧，道路NO_x排放的贡献约为发电的六倍，表明电气化具有更明确的潜在效益。

以往基于12 km或更粗分辨率的研究无法捕捉短寿命一次污染物（如NO₂）的陡峭空间梯度。芝加哥、休斯顿和洛杉矶等城市已有细尺度评估，但亚特兰大尚缺乏社区尺度的分析。佐治亚州2023年电动汽车注册量位居全美第八，对亚特兰大进行高分辨率分析可为持续电动化对空气质量和暴露差距的未来影响提供重要参考。研究选择夏季，因为该时段光化学活动最强、臭氧污染严重；2017年亚特兰大MSA超过70 ppb的MDA8 O₃超标天数中56%发生在夏季，且夏季高温与额外健康风险相关。

**2. 研究方法概述**

研究人员采用社区多尺度空气质量（CMAQ）模型5.4版，结合CB6r3化学机制，对2017年7月进行空气质量模拟。研究设置12、4和1 km三重嵌套网格，其中12 km域由半球CMAQ提供初始和边界条件，1 km域为研究区域。气象场由天气预报模型（WRF）4.4版提供，并使用观测数据 nudging 改进性能。基准排放基于2017年美国国家排放清单（NEI），1 km模拟的道路排放替换为邻域排放制图操作（NEMO）提供的小时高分辨率数据。研究设计两个额外情景：noEV（基于电力调度模型的当前能源需求）和30EV（研究域内30%重型与轻型车辆替换为电动汽车）。EGU额外排放通过基于发电成本排序的电力调度模型计算，NO_x和SO₂小时排放因子来自EPA连续排放监测系统（CEMS），PM_2.5年排放因子来自eGRID数据集。暴露评估覆盖亚特兰大-桑迪斯普林斯-阿尔法利塔大都市统计区，包含29个县、1500个人口普查区，总人口6,026,734。使用2017年美国社区调查数据获取种族/民族构成，采用WorldPop网格化人口密度数据分配至1 km网格，计算各群体的人口加权暴露。

**3. 主要研究结果**

**3.1 模型性能评估**

基准情景的CMAQ模拟结果与AQS观测数据对比显示，1 km和12 km分辨率下模拟的PM_2.5、NO₂和MDA8 O₃浓度以及气象变量均与观测有良好一致性，相关系数较高，表明模型适用于评估亚特兰大夏季空气质量。调度模型驱动的noEV模拟与CEMS驱动的基准情景结果高度一致，日平均浓度相关系数接近1，验证了调度模型在电动化情景下表征排放变化的合理性。

**3.2 道路源与EGU排放变化**

30EV情景下，道路NO_x排放月均减少1,769 kg/hr，道路PM_2.5排放减少84 kg/hr，主要发生在人口密集的城市核心区附近。EGU排放增加集中在电厂所在网格，燃煤电厂占EGU NO_x和PM_2.5增加总量的66%和63%，SO₂增加几乎全部来自燃煤机组。总体而言，道路NO_x排放减少量是EGU增加量的4.3倍，道路PM_2.5减少量是EGU增加量的1.5倍，导致区域净排放下降。研究域内电厂仅占SOCO平衡区总发电量的13%，因此EGU排放变化可能代表最坏情况。

**3.3 电动化对空气质量的影响**

1 km模拟显示，noEV情景下NO₂浓度沿主要道路最高，域平均1.5 ppb；MDA8 O₃在东北部升高，域平均46 ppb；PM_2.5集中在道路和点源附近，域平均6.2 μg/m³。30%电动化后，域平均NO₂降低0.22 ppb（15%），道路降幅最大，但部分电厂附近出现局地增加；MDA8 O₃平均降低0.9 ppb（2%），东北部降幅高达2.3 ppb；PM_2.5平均降低0.06 μg/m³（1%），电厂附近有局地增加。臭氧响应在亚特兰大表现为广泛下降，与休斯顿、芝加哥等城市在道路高NO_x区域出现臭氧增加不同，这归因于亚特兰大臭氧生成主要受NO_x限制，丰富的生物源VOCs（尤其是异戊二烯）增强了光化学活性。尽管清晨因NO滴定减弱导致道路附近小时臭氧增加，但日最大8小时窗口开始于11:00–12:00 LT，此时滴定效应已减弱，因此MDA8 O₃沿道路仍略有下降。道路排放减少对空气质量改善的贡献远大于EGU排放增加，因为电厂位于人口密度较低区域且高架源排放经扩散稀释，而尾气排放直接在地面水平且集中于大城市道路。

**3.4 暴露差距的变化**

noEV情景下，有色人种社区（特别是亚裔、西班牙裔和黑人）承受最高的NO₂、MDA8 O₃和PM_2.5水平。与白人相比，亚裔NO₂暴露高45%，西班牙裔高34%，黑人高14%。亚裔在MDA8 O₃和PM_2.5暴露中最高，分别比白人高7%和10%。30%电动化后，所有种族/民族群体的暴露水平均下降，总人口加权浓度预计降低NO₂ 17%（0.6 ppb）、MDA8 O₃ 3%（1.5 ppb）、PM_2.5 1%（0.06 μg/m³）。NO₂暴露降幅最大的群体依次为亚裔、西班牙裔、黑人和白人，反映了与道路的邻近性；MDA8 O₃和PM_2.5降幅在亚裔和西班牙裔中最大，因其更可能居住在城市下风向，而黑人社区多位于城市核心区以南的上风向，降幅较小。尽管所有群体暴露水平下降，但相对降幅相似（NO₂ 16%–18%，MDA8 O₃ 3%，PM_2.5 1%），表明暴露差距的相对格局未改变。机场、EGU等非道路源持续影响周边社区，仅靠均匀推广电动汽车不足以消除暴露不平等，需针对过载社区进行定向减排并解决居住隔离和交通基础设施问题。

**3.5 空间分辨率的影响**

1 km模拟能捕捉沿主要道路的NO₂高浓度梯度和电厂附近的局地污染物增强，而12 km模拟因网格平均化平滑了这些精细特征。与1 km结果相比，12 km模拟在noEV情景下系统低估总人口暴露约20%，对有色人种社区NO₂暴露低估最高达25%（黑人）和16%–19%（亚裔）。暴露减少量的差异较小，NO₂平均降幅在1 km为17%，12 km为14%；PM_2.5为1% vs. 0.5%；MDA8 O₃两者均约3%。这表明细分辨率对短寿命NO₂的暴露差距评估至关重要，但粗分辨率仍能捕捉城市-郊区尺度的总体暴露差距格局。

**3.6 局限性**

研究存在几点局限：日NO₂模型评估仅基于一个位于城市背景森林区域的AQS站点，无法全面验证空间变异性；假设非尾气排放（刹车和轮胎磨损）随30%电动化比例下降，但实际中再生制动可减少刹车磨损，而电动车更重的质量可能增加轮胎和道路磨损，因此若非尾气排放下降幅度低于假设，则暴露减少可能被高估。

**4. 结论与意义**

这是首个在亚特兰大MSA以1 km分辨率量化车辆电动化暴露差距的研究。结果表明，30%的电动汽车推广可改善夏季空气质量并降低所有群体的暴露水平，但无法消除持续的暴露差距。道路排放减少是空气质量改善的主要驱动因素，其影响超过EGU排放增加。高分辨率（1 km）建模能捕捉排放源附近的详细空间变化，从而更准确评估居住在道路和工业设施附近的有色人种社区的暴露差距；粗分辨率（12 km）建模虽会低估少数族裔暴露水平，但仍能捕捉总体差距模式，可用于城市-郊区尺度的环境正义评估。该研究强调，将排放、人口暴露和种族/民族不平等结合起来评估电动汽车转型策略至关重要。对于其他生物源VOC丰富的美国东南部城市，类似NO_x限制的臭氧化学机制可能使近道路社区从电动汽车推广中获得更大收益，但需结合当地电网清洁化政策和针对过载社区的定向减排措施。