李 昂
隨著北京常住人口及流動人口的增加,城市范圍的擴大及人均GDP 的變化,垃圾的人均產量和總產生量也呈現不同的變化走勢。北京市生活垃圾清運量逐年增加,2016、2017 和2018 年全市生活垃圾清運量依次為872.6、924.8、975.7 萬噸①,到2019 年北京市生活垃圾清運量將突破1 000 萬噸,如何改變思路使垃圾清運處理更高效科學、占用資源更少真正做到可持續發展已成為擺在我們面前亟待解決的難題。
我們通過對朝陽區6 個不同檔次定位小區采樣點進行2017、2018 兩年的干季、雨季的跟蹤調查,得出大量數據,在此基礎上通過統計學軟件SPSS分析,進行朝陽區垃圾物理成分與小區檔次定位之間的影響因素及相關性分析,嘗試分析不同小區類型垃圾成分的規律及變化模型,為垃圾分類、清運工作提供有效的改進方案和建議。
我們在朝陽區選取的6 個采樣點小區,兼顧均勻布點原則,并且保證小區類型涵蓋不同檔次定位小區,具體地點為:首城國際B 區11 號樓;沿海賽洛城A14-5;甜水園東里小區9 號樓4 單元;芍藥居北里206 號樓;遠洋新悅小區5 號樓;綠景馨園小區2 號樓。

圖1 采樣點位置示意圖
基于探究不同檔次小區生活垃圾物理成分的影響因素及其相關性的目的,我們的采樣工作選取2018 年7、9 兩個月份,每月共采樣四周,每周隨機選取兩個工作日一個休息日,每個采樣點共采樣24 次,6 個采樣點共采樣144 次。
數據的處理分為兩個部分,第一部分為小區的基本信息,用相關系數法選取以下4 個自變量,分別為平均房價、房齡、位置(我們將位置因素分為四級:二環及二環內為一級、三環為二級、四環為三級、五環及五環外為四級)及物業費(表1),第二部分為采樣得到的各小區垃圾物理成分數據,生活垃圾樣品的采集、制備和物理成分的分析方法參考《CJ/T 313-2009 生活垃圾采樣和分析方法》。
我們使用SPSS 軟件將數據輸入進行兩兩因素相關性分析[1],選取分析中雙變量分析,相關系數選取Pearson 系數,雙側檢驗,得出結果(見表2)。
數據說明,垃圾中廚余含量與小區平均房價及房齡均呈弱相關,與小區位置呈中等程度負相關,而與小區物業費呈顯著負相關[2];即小區物業費越高,則該小區生活垃圾中廚余含量越低,反之亦然。故我們選擇小區物業費為因變量來建立回歸模型。
近年來對于小區居民收入、學歷等因素與生活垃圾物理成分調查分析的項目日漸增多,但多使用調查問卷形式,結果的真實性及調查問卷的編寫成為制約分析結果是否有效真實的重要因素。故此項目嘗試以一些容易獲得的且相對固定的數據(如小區房價、物業費等)為自變量,建立多元回歸模型,找到不同檔次定位小區與其生活垃圾物理成分之間的關系。
1)為了研究數據的變化規律,我們將數據畫出散點圖位置,根據圖2、圖3 可明顯看出,小區物業費與垃圾中廚余成分關系間呈現S 模型函數關系。
2)異常點排除及分析:在散點圖中可明顯看出位于東五環外的遠洋新悅小區游離在其他點之外,實地調查及分析其原因大致為兩點:一是小區雖然物業費高,但因地理位置較偏遠,房價不高,小區定位中檔,居住者多為收入不高的新居民,在家用餐比例較高;二是小區地點較為偏僻,周圍商業餐飲店鋪還未完全配套,居民在家用餐比例較高,導致廚余產生量大。

表1 采樣點小區基本信息(數據來源于鏈家地產)

表2 各小區值向量間的相關性

圖2 小區物業費——廚余含量關系散點圖

圖3 小區物業費——廚余含量關系S模型擬合圖示

表3 小區物業費—廚余含量S模型匯總和參數估計值表
通過分析調查與建模,可看出小區定位影響因子中與生活垃圾物理成分最相關的為物業費,隨著物業費的增加,小區垃圾中廚余成分呈逐漸遞減的趨勢;且邊際效益逐漸遞減,物業費在1~4 元之間廚余成分變化較明顯,物業費低于1 元或高于4元的小區廚余變化量不大。分析主要原因為,物業費為顯示一個小區檔次定位的較重要指標,一般越高檔小區,物業費也越高,居民生活水平亦越高,廚余垃圾占總生活垃圾比例越低。嘗試觀測數據分布,初步確定S 模型為適用模型,但因調查時間與工作量的原因,調查小區數量過少,模型適用性及實證案例還有待進一步的研究。
按此調查分析得出規律,符合垃圾產生發展規律,即人均收入高的地區垃圾中無機物成分低于人均收入低的地區,同時垃圾中可回收的有機物(如塑料、紙類)隨著收入的減少而減少。此規律對于不同小區垃圾收運管理具有指導性意義,可嘗試省去調查小區內居民收入、學歷等較難得到準確數值的參考變量,轉而以易于得到的小區物業費為判斷垃圾成分的參考依據,將物業費相差較小的小區垃圾設計為一線的清運路線,可大致判斷其生活垃圾中的物理成分,便于后續處理。此依據將為不同定位小區的分類收集及運輸提供又一條新的管理思路。
注釋
①北京市城市管理委員會.2016,2017,2018北京市環境衛生發展概況.