居民向城市污水管網注排廢棄物行為的調查研究

[] P.

1 研究背景

社區污水處理很重要，但其成本在不斷上升。據法國生態能源可持續發展部提供的資料，2008年居民用水量占總用水量的53%。大里昂市區(以下簡稱GL)地下污水管網每年收集雨污水量約2億m3，其中雨水約占60%，其他污水約占40%。剩余雨水經排水溝匯入獨立雨水收集池。為了降低無雨或小雨天氣下傳統生活污水的污染物濃度，收集的生活污水需進入污水處理廠處理，處理后尾水排入當地水體。如果污水管網混入了特殊污染物或過多的雨水，超出處理廠的處理負荷，則部分污水可能未經處理直接通過合流制溢流設施排放。因此，收集的污水水質在一定程度上決定了最終排放到自然環境的水體水質。

污水中主要污染物為有機質和氮，污水處理廠能有效處理這些污染物。此外，污水中還含有少量的磷酸鹽、硫酸鹽、氯化物、多環芳烴(PAHs)、金屬和殺蟲劑等。依據《歐盟水框架指令》(WFD)和法國《生態和地表水化學狀態評價規則》，按其危險性對以上物質進行分類。這些物質多數殘留物累積在污泥中，因此，有必要將污泥進行資源再利用或送到垃圾填埋場填埋。

GL已采取措施減少工業廢水排放，居民也希望如此。事實上，有些家庭只是偶爾注排一些廢棄物進入污水管網，正常情況下，這些廢棄物將進入污水處理廠，廢棄物包括油漆、白酒、電機冷卻油、固廢(濕巾、棉花等)和殺蟲劑。GL認為居民可能對污水問題缺乏正確認識，沒有全面掌握廢棄物處置方法。為此，GL開展了相關知識培訓和環?；顒?，如組織兒童參觀污水處理廠，并免費向其發放宣傳單，但這些行動計劃開展得還遠遠不夠。此外，盡管由GL來負責整個城市的排水系統和污水處理管網，但大多由水務公司代其與居民就用水和習慣進行直接聯系，而這種聯系僅限于水賬單傳遞和賬單支付(包括水處理成本信息)。

GL認為，有2種方法可能對居民行為產生有效影響。第一種方法是了解污水管網中特定污染物的擴散規律，以評估當地政策效應。根據實測污染物濃度，可了解污染物擴散情況，進而在社區范圍內找到污染源；針對這一情況，財政激勵可能被用于“誰污染誰付費”的原則。第二種方法建立在非貨幣和非個人激勵的基礎上。該方法重點了解居民注排廢棄物進入污水管網的決定是如何做出的，用何種方法可以激勵居民改變行為，以及采用何種情況和借助何種信息來影響這種行為發生變化。盡管已有的研究文獻涉及大量行為科學，但在污水領域很少出現利他行為。

因此，該研究旨在：①評估廢棄物排入后污染物的濃度變化，對污水管網中污染物傳輸和擴散進行模擬，以識別污染源；②調查居民污水相關知識和排放動機，避免處理污水管網中的液態污染物，因為該污染物會被排入污水處理設施進行處理。

2 研究方法

2.1 水動力數值模擬

該研究通過分析獨立污水管網出口處(安裝了傳感器)污染物濃度來識別污染源。研究假設污水管網下游段污染信號強度隨污染物投放位置的變化而變化。為了檢驗這一假設，對標準污水管網中污染物濃度的傳播進行了數值模擬。

獨立污水管網位于羅納(St Priest)省(靠近法國里昂)，覆蓋區域范圍1 km2，區域內主要為居民住宅。GL水資源監管處提供了污水管網的地圖和地理信息系統(GIS)資料：①污水管網的拓撲網絡；②各段管道坡度和直徑；③進水口位置及其連接的房屋數量。

根據管道旱流污水標準，假設各進水口入管污水量等于與該進水口相連的房屋數乘以4(人)，再乘以上午09：00人均用水量(以每人 0.31 L/min計)。

基于各進水口污水量，可推算污水管網每段管道的正常水深(均勻明渠流)和濕周。為了更好地模擬管道幾何圖形(接頭處和落差建筑物等)和提高網格計算精度，假設等效矩形濕周與實際圓形管道自由水面寬相同。

將全部管道劃分成110萬個單元網格(管道寬度上為8個單元、深度上為4個單元)，最終生成和編制出水幾何體。采用StarCCM+流體動力學計算程序對清水流(不含污染物)進行三維初步計算，基于k-epsilon湍流閉合方案，自由面以及壁面邊界條件采用剛蓋假定，求解三維穩態雷諾-均勻流-斯托克斯(3D-steady-RANS)方程?；谌S平流擴散方程計算污染物傳播，計算時假設標量守恒(密度相同)和紊流施密特數時空不定(取0.9)?；趶牧黧w動力學計算得到的湍流粘性系數，計算湍流擴散系數。有學者研究得出，由于使用了剛蓋假定，三維數值法能較好地重現管道連接下段的混合水動力學，從而模擬管道連接下段的污染物擴散。

有學者注意到，從支管進水口進入的水體流速超過了干管，其下游段水流出現混合螺旋性次生流，大大加強了下游段污染物濃度的均勻化。1979年費舍爾等學者提出，下游段污染物完全混合長度，轉變成為15個分支寬度。然后在污水管網各進水口相繼注入被動示蹤劑代替清水，注入時間持續14 s?？蓪Ω髯≌a生的 0.27 L污染負荷進行模擬。

通過后續模型模擬，完成了直到出水口的污水管網內污染物擴散分析。

2.2 家庭廢棄物處置行為調查

當前普遍使用Benabou 和Tirole利他行為模型模擬生活污水產生的行為。有大量經濟學文獻論述利他行為。研究結果顯示，利他主義者起初可能不會理性地考慮經濟因素，因為利他行為需要時間或精力成本，往往不會產生明顯的經濟效益。事實上，通常人們很想知道，為什么不通過生活污水管網注排更多廢棄物，而是用其他行為來代替(再利用或其他)，就算不考慮費用，從耗時費力角度來看代價也很大。為此建議，利他主義者符合三大類動機：“貨幣”、“利他主義/公益”和“名譽”。

貨幣獎勵通常體現在污染罰款，但也可能收到安裝更多環保設備的補貼。通常認為污水為非點源污染，即無法確定污染源。如果確實是這樣，盡管有時實施貨幣獎勵，但并無意義，因為不可能對人們難以捉摸的行為進行罰款或獎勵。污水本質上是否為非點源污染，這是第一種方法研究的目標。

利他主義和公共利益的考慮，包括作為關注他人福祉或區域水生態環境“健康”的利他行為的非物質回報動機。就污水而言，這樣的動機至少需要了解一些水資源循環和廢物網絡的相關知識。

名譽激勵機制產生的效益可能來源于自身給其他人或自己留下的美好印象。自身形象可能反映出精神滿足或“溫情效益”情感等，但許多非物質利益具有更多的社會屬性。

為了探尋能影響行為的手段，借助Benabou 和Tirole模型，對家庭注排廢棄物行為的調查進行設計與管理，旨在通過計量分析各種動機是否顯著影響居民生活污水排注的行為。即使不能直接詢問受訪者的動機，也可檢驗出顯著性因子，該因子會顯示每個動機是否對行為產生顯著性影響。通過了解污水系統指標，可能出現公共利益動機，如處理廠用途、生活污水去向、個人水上娛樂活動、關注水污染問題并愿意分享等。研究結果顯示，如果居民自身污水行為受其親朋好友影響，則名譽動機對居民行為影響顯著。

3 結果與討論

3.1 污染物濃度分布曲線

模擬污染物從每個進水口至下游管段間的傳播途徑。污染物團隨主流向下傳播，沿橫向、垂向及水流方向擴散。在與其他管道連接處產生復雜的紊流混合水流。

圖1為18類污染物投入點下游斷面(出水口)中心的污染物濃度歷時變化。出水口歷時變化濃度峰值出現在污染物到達的時刻。模擬結果顯示，每個模擬污染物濃度曲線形狀相似，即每個投入點的污染物在出水口處其濃度呈正態分布，曲線峰值位于中心。事實上，即使每段管道連接處出現復雜的紊流混合水流，引起混合污染團正好出現在管道連接處的下游，其距下個管道連接處的距離(一般為100 m)遠大于橫向和垂向距離(一般為1 m)。因此，在污染水流到達下一個連接處之前，污染物已充分混合均勻。然而，諸多模擬結果顯示，似乎污染物濃度峰值和橫向擴散變化很大。

圖1 出水口18類污染物濃度歷時變化曲線

圖2點繪出圖1中每條曲線的濃度峰值，該峰值為從每類污染物投入點至下游斷面污染物傳播時間的函數。二者關系密切：隨著污染物傳播時間延長，污染團得以不斷擴散，出水口處濃度峰值相應下降。然而，對于出水口一次實測的污染物濃度峰值，污染物可能的投入點數量與污水管網主分支數量相同。

圖2 出水口污染物排放峰值與傳播歷時對應關系

總之，根據污水管網內傳感器得到的污染物濃度資料分析，即使完全掌握污水管網的基本情況，并在作了假設的前提下(區域內每個居民耗水量相同，瞬時投放未混合污染負荷)，也無法確定污染來源。該研究僅在出水口進行污染物濃度觀測，這有礙管網內污染來源的進一步檢測嘗試和逆推法開發。識別污染源唯一可能的方法是需要配置一個大型傳感器網絡，每個主支至少有一個傳感器，由于設置復雜及其成本昂貴，這種方法不切實際。在此前提下，非貨幣和非個性化激勵肯定為人們所需要。

3.2 公眾調查和計量經濟模型

2013年4～5月羅訥省市政當局開展了一次公眾調查(調查內容包括水力學動態模擬)。GL也參與了問卷內容的設計，內容涉及廣泛(見表1)?？紤]到不可能與受訪者事先預約，問卷回收率相當高，為20%～30%左右。受訪者在了解調查內容之前就決定參加，這樣所獲得的調查結果具有代表性。共收到101份完整可用問卷，現場采訪隨機進行，旨在避免各種形式的空間聚類。雖然問卷數量不多，但受訪者的年齡和性別具有代表性，職業上稍作了細分。

由表1可見，受訪者非常了解各種生活廢棄物，因為很少有“不知道”或“其他/未指明”的回答。排入室外排水溝等廢棄物很少。根據廢棄物分類，廢棄物處置的3個主要方式是一般垃圾箱(0～91%)、回收垃圾桶(0～79%)或家庭污水系統(0～85%)。7類廢棄物決不能投入家庭污水管網：干食品、植物檢疫產品、碳氫化合物、藥品、化妝品和固態保健品、香煙頭和土壤/沙子。

表1中每位受訪者需針對每種廢棄物回答若干問題。隨后，僅回答是否排入家庭污水管網的決定，即不考慮表1各列的因素，僅考慮家庭污水1項。根據卡梅隆等學者的研究，面板數據設置中的叉狀分枝決定由面板數據模型表示。

(1)

式中，如果第i個受訪者選擇將廢棄物t丟進家庭污水系統，則yit=1；否則yit=0；xit是回歸矢量或解釋因子；αi是受訪者未知特殊效應；β是未知系數矢量。β系數傳統上用最大似然法進行估計，很多計量經濟軟件可對其進行估算。β系數的正值或負值表明其對Pr{yit=1}的定性影響：如果為正值(負值)，相應因子的增加提高(減少)了Pr{yit=1 }，其他條件不變。也可以計算全部的邊際效應，但這不在該研究范圍內。

表1 問卷調查結果匯總

1978年豪斯曼測試明確表明，個人特殊效應αi缺乏內生性。因此，將其有效性稱之為隨機效應模型，這尤其意味著未發現的個體因素，雖然肯定對注排廢棄物決定存在影響，但與模型內的任何因子沒有關系，不存在混雜效應。假設浪費行為間存在相關性，如有些人可能喜歡隨處回收廢物，隨機效應面板數據模型假定，所有廢棄物和受訪者間的相關性相同。

表2列出了大量化學廢棄物調查結果。之所以研究化學廢棄物，直觀上認為它們是相對同類的廢棄物。

表2顯示每種廢棄物處置方式截然不同，正如表1所列行為。各種廢棄物排入家庭管網的概率變化范圍較大(從大約85% 到幾乎為零)。這可以通過表2 中代表廢棄物種類的7個變量的高度顯著性得到反映(P值明顯小于傳統的5%)。另一方面，沒有傳統社會經濟變量可充分解釋廢棄物處置(P值大于傳統的5%)，變量包括年齡、性別、教育程度、家庭成員構成、寵物、房屋所有權。換句話說，社會經濟特征對廢棄物處置行為產生的影響可忽略不計，但能表明受訪者產生“公益/利他主義”動機的變量影響不明顯(P值大于5%)，這些受訪者長期在該區域生活，了解處理廠用途，清楚家庭污水管網是否與處理廠連接，擔心水質污染或有水上娛樂活動，或在任何情況下，所有受訪者的調查結果相似，不受以上變量的影響。

表2 各種化學廢棄物排入家庭污水管網的概率分析匯總

注：*為未說明影響不顯著的社會經濟變量。

如果受訪者認為鄰里和親屬將相應廢棄物排入家庭污水管網，代表鄰里將相同廢棄物排入家庭污水管網的虛擬變量值取1，這一變量簡稱為“模仿”變量。模仿是人潛在的天性，將該變量作為興趣變量。也就是說，受訪者可能將這一模仿行為合理化或為其行為辯護。然而調查結果并非如此，鄰里或親屬如何處置廢棄物對居民影響較大，這解釋了模仿變量的因果含義，如公眾宣傳活動肯定會改變居民行為。模仿高度顯著(P值遠小于5%)，β為正值，當與代表廢棄物類型的虛擬變量比較時，系數值相對較大。

另一個“準備改變習慣”的變量可被歸類為名譽效應，該變量試圖向外界展示一種名譽(或至少在當面采訪時)。該變量P值約10%，盡管不顯著，但除了模仿和廢棄物種類變量之外，該值最小。如果家庭污水行為的驅動力不是唯一的，這也說明名譽效應為主要影響因素。

4 結 論

該研究旨在探討減少居民注排廢棄物進入污水管網系統的解決途徑。對2種可能性進行了檢測，與研究的兩個主要內容一致：①能夠采用簡單方法識別出污染源，以將重點放在改變家庭或社區廢棄物處置習慣上；②考慮采用何種激勵可引導居民改變排注廢棄物進入污水管網的不良習慣。

第一部分旨在驗證通過分析污水管網出水口處傳感器所獲得的濃度信號，確定是否能識別出污染源。由此將法國羅訥省污水管網當成一個幾何體，對其進行網格化，模擬出與居民上午09：00排放的生活污水量一致的典型3D流態。對每座房屋入管的污染物進行模擬，再比對其在出口處響應的污染物濃度。模擬結果顯示所有模擬系列相似，并呈類似的正態分布，從而無法識別污染源，可以區分的唯一信息是估算的污染物傳播歷時。

第二部分得出了注排廢棄物進家庭污水管網行為的調查結果。調查結果顯示，對不同類型的廢棄物，其行為是明顯不同的；受訪者似乎清楚地知道其鄰居是如何處置每種廢棄物的；沒有傳統的社會經濟因子接近標準的統計顯著性水平。從可能代表“利他主義/公益”和“名譽”行為動機的因素中分離出其他因素，意外發現能代表“利他主義/公益”動機的因素不顯著。因此，不太可能通過該動機來影響注排廢棄物進家庭污水系統的行為，例如污水會對環境造成影響的社會意識不太可能影響個人行為。2個因素影響名譽動機：改變習慣的意愿和受訪者是否認為其鄰居將某些廢棄物排入家庭污水管網，后者是唯一呈顯著性影響的因素。換言之，當受訪者認為鄰居將某些廢棄物排入家庭污水管網時，也極有可能會這樣做。也就是說，不會因為受訪者注排某類廢棄物進入家庭污水管網，而認為其鄰居也會如此。

研究沒有確定這種影響應該采取何種形式，但研究結果清楚地表明，影響居民排放廢棄物行為的最大驅動力可能是鄰居或親戚的行為，而非廢棄物對環境的影響或廢棄物造成水污染的宣傳。

邱訓平譯