中國城鎮污水處理廠溫室氣體排放趨勢及驅動因子識別

金維鈺，白 雪,2*，史 怡，陳丹丹，顧艷林

1. 河海大學環境學院，江蘇 南京 210098

2. 長江保護與綠色發展研究院，江蘇 南京 210098

污水處理廠在污染物去除和水體保護方面發揮了重要作用[1]，但由于電力消耗巨大被認為是溫室氣體排放的重要來源[2]. 據統計，污水處理行業碳排放量占全社會總排放量的1%～2%，位居前十大碳排放行業[3-5]. 隨著城鎮化推進，我國城鎮生活污水處理量快速增加，2020 年全國共處理污水811.3×108t，生活污水713.9×108t，占污水總處理量的88.0%[6]. 與此同時，多地頒布了更為嚴格的城鎮污水處理廠污水處理排放標準[7-8]，大量已建城鎮污水處理廠存在以高能耗換高出水標準現象，導致了額外的溫室氣體排放.關于污水處理行業碳排放的研究主要集中于利用IPCC 核算方法或實測法對廢水處理部門、城鎮污水處理廠及污泥處置等單元進行溫室氣體核算. 例如，Xi 等[9]比較了IPCC 和ODIM 溫室氣體核算方法，量化了上海市50 個污水處理廠的溫室氣體排放，結果表明IPCC 比ODIM 低估了87%的溫室氣體排放總量，這主要是直接排放核算差異引起的；楊世琪[10]在結合IPCC 核算方法和碳足跡追蹤的基礎上，以COD 濃度為指標建立了碳排放核算模型；閆旭等[11]以污染物削減為基礎，根據實測法構建了城鎮污水處理廠2014 年溫室氣體排放清單，并對其時間、空間分布及影響因素進行了研究；郭盛杰等[12]探究處理規模及處理技術對城鎮污水處理廠排放強度的影響，結果表明，氧化亞氮是最主要的溫室氣體，城鎮污水處理廠處理工藝的影響顯著；Zhao 等[13]估算了我國229 個城鎮污水處理廠的甲烷排放量，發現GDP、家庭食品消費支出和家庭消費支出較高的城市往往排放更多的甲烷；Guo 等[14]分析了區域發展特征、污水處理廠規模和運營技術對溫室氣體排放影響的相關性.

在“雙碳”背景下，污水資源屬性越來越受到重視，城鎮污水處理廠從回收氮、磷和有機材料轉變為綜合資源的回收[15]. 付加鋒等[16]建立城鎮污水處理廠污染物去除協同控制溫室氣體的核算邊界、協同機制和核算方法，并通過實例進行驗證分析；劉佳樂等[17]使用厭氧膜生物反應器(AnMBR)，發現該工藝可高效去除污水中的有機物并以CH4的形式回收再利用，同時降低污水處理能耗與碳排量；Yang 等[18]考慮不同減排措施，評估了2035 年省級城鎮污水處理廠減少溫室氣體排放的潛力.

現有研究為污水處理行業碳中和研究確立了良好的研究基礎，但僅限于城鎮污水處理廠溫室氣體排放量的估算、情景預測和各項措施的減排潛力研究，各省(自治區、直轄市)的排放趨勢及發展狀況對城鎮污水處理廠溫室氣體排放的影響鮮有報道. 本文通過核算2014-2020 年我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放量(不包括西藏自治區和港澳臺地區數據，下同)，分析各地區城鎮污水處理廠水-能特征及空間聚集的時空演變規律，并通過隨機森林模型識別驅動城鎮污水處理廠碳排放量增長的關鍵因子，最終量化各因子對碳排放總量的影響，以期為我國各省(自治區、直轄市)城鎮污水處理廠低碳運行提供參考，助力實現碳達峰、碳中和的目標.

1 核算方法與數據來源

1.1 核算系統邊界

城鎮污水處理廠產生的溫室氣體通常被分為3種類型：直接排放、間接排放和其他排放[19-21]. 直接排放包括污水處理過程中產生的CH4和N2O；間接排放是污水轉運、提升、曝氣等過程所消耗的電力；其他排放包括城鎮污水處理廠內人員活動、藥劑投加、運輸等環節[22-23]. 本文考慮城鎮污水處理廠的溫室氣體排放邊界包含污水處理環節直接及間接排放核算(見圖1)，其他排放占總排放量的比例過小[10,24]，且我國城鎮污水處理廠尚未大規模進行甲烷回收[12,18]，因此未納入核算邊界[25].

圖1 城鎮污水處理廠溫室氣體核算邊界Fig.1 Greenhouse gas accounting boundaries for urban wastewater treatment plants

1.1.1 CH4排放

城鎮污水處理廠CH4排放量采用基于COD 削減量的核算方法[26]，其計算方法如式(1)所示：

式中： CH4Emission為城鎮污水處理廠CH4排放量，t/a；CODR為城鎮污水處理廠COD 去除量，t/a； SG為污水處理過程中干污泥物質產量，t/a；ρS為污水處理過程中干污泥物質的有機質含量，t/t，本研究取值為0.4 t/t[13]； EFi為CH4排放因子，t/t； GWPCH4為CH4全球增溫潛勢，取值25[27-28]； C ODT為補充碳源量，t/a.

1.1.2 N2O 排放

城鎮污水處理廠N2O 排放量采用基于TN 進水濃度的核算方法[28]，其計算方法如式(2)所示：

式中： N2OEmission為城鎮污水處理廠N2O 排放量，t/a；TNin為城鎮污水處理廠TN 進水總量，t/a； EFj為N2O排放因子，t/t； GWPN2O為N2O 全球增溫潛勢，取值為298[27].

1.1.3 間接排放

間接排放核算的計算方法如式(3)所示：

式中： CO2Emission為城鎮污水處理廠耗電產生的CO2排放當量，t/a；E為污水處理過程產生的耗電量，kW·h/a； EFCO2為我國各省(自治區、直轄市) 電網平均排放因子，kg/(kW·h).

1.2 數據來源

本文使用2 個不同的數據集：①CH4、N2O 和電力排放因子(見表1)；②城鎮污水處理廠活動數據.其中，CH4和N2O 排放因子數據來源于Yang 等[18,29]核算的中國城鎮污水處理廠省級排放因子；電力排放因子數據來源于中國區域電網平均CO2排放因子；城鎮污水處理廠活動數據來源于《環境統計年鑒》《城鎮排水統計年鑒》《中國城鄉建設統計年鑒》.

表1 我國各省(自治區、直轄市)城鎮污水處理廠CH4、N2O 排放因子Table 1 CH4 and N2O emission factors of various provinces (autonomous regions, municipalities) in China

2 結果與討論

2.1 城鎮污水處理廠溫室氣體排放時空變化特征

近年來我國城鎮污水處理廠運行及溫室氣體排放基本概況如圖2 所示. 由圖2 可見，2012-2018 年城鎮污水排放量、污水處理率均有所提升，污染物削減量增長較快，2018 年N2O 削減量更是達到2012 年的2.3 倍. 表2 顯示，2014-2018 年間接排放是城鎮污水處理廠溫室氣體排放量增長的主要因素，CH4排放與N2O 排放較上一年的增長率呈下降趨勢，這表明城鎮污水處理廠排放限值日趨嚴格，部分提標改造依賴于延長處理流程，面臨著以能耗換取污染物去除的困境.

表2 2014-2018 年我國城鎮污水處理廠各排放單元較上一年的增長率Table 2 The growth rate of discharge units of urban sewage treatment plants in China from 2014 to 2018 compared with the previous year

圖2 2012-2018 年我國城鎮污水處理廠運行情況Fig.2 The operation of urban sewage treatment plants in China from 2012 to 2018

根據式(1)對我國各省(自治區、直轄市)2020 年城鎮污水處理廠溫室氣體排放量進行核算，發現我國城鎮污水處理廠溫室氣體排放總量為33.26 Mt，人均排放強度為22.9 kg/a，單位GDP 平均排放強度為3.19 kg/(104元)，噸水平均排放強度為0.589 kg/m3.圖3(a)顯示，我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放總量整體呈現東高西低的特征，主要排放省份集中在沿海地區，其中排放量最高的省份為廣東省，約占我國排放總量的10%，排放量最低的省份為西藏自治區，僅有4.2 Mt. 圖3(b)顯示，人均排放量在全國平均水平以上的省份主要集中在華北和東南地區，其中上海市、北京市、天津市均超過50 kg/a. 圖3(c)(d)顯示，單位GDP 排放強度最高的省份是遼寧省，為7.23 kg/(104元)；噸水排放強度最高的省份是內蒙古自治區，為1.26 kg/m3. 南北方地區排放強度存在顯著差異，可能是因為南方地區降雨相對較多，北方地區污染物進水濃度高于南方地區使得單位溫室氣體直接排放增加(南北方地區城鎮污水處理廠平均COD 進水濃度分別為156.1、250.3 g/m3，平均總氮進水濃度分別為24.3、40.4 g/m3)；同時北方地區平均氣溫低，部分地區城鎮污水處理廠冬季能源消耗較大. 已有研究[30]表明，通過維修改造排水管網等措施來提升有機物進水濃度，雖然噸水溫室氣體排放強度有所增加，但能在提高污染物削減率的基礎上減少城鎮污水處理廠整體的碳排放.

圖4 為我國不同地區城鎮污水處理廠溫室氣體的排放占比. 從排放組成來看，近年來溫室氣體的排放總量仍以N2O 排放為主，與YAO 等[31-32]研究結果相符. 2014-2020 年間接排放占比快速上升，各地區均呈現N2O 排放占比下降的趨勢. 華北地區間接排放占比最高，由2014 年的38.2%升至2020 年的52.6%；東北地區間接排放占比增速最快，由2014 年的23.6%升至2020 年的40.2%.

圖4 2014-2020 年我國不同地區城鎮污水處理廠溫室氣體的排放占比Fig.4 The proportion of greenhouse gas emissions from urban wastewater treatment plants in different regions of China from 2014 to 2020

2.2 城鎮污水處理廠水-能關系

水-能協同作用機制對于城鎮污水處理廠的可持續發展至關重要. 近年來隨著對水環境的重視，城鎮污水處理廠以削減更多污染物為最終目標，忽略了對環境產生的其他負面影響[33]. 在污水處理行業，水資源消耗可以通過灰水足跡(GWF)量化[34-35]，利用能源足跡和直接排放碳足跡量化各省份城鎮污水處理廠的水-能-碳水關系[36]，使得城鎮污水處理廠向碳中和的良性水-能關系模式發展.

圖5 為2020 年我國不同地區城鎮污水處理廠溫室氣體排放的基本情況. 由圖5 可見：華東地區由于人口經濟原因，城鎮污水處理廠數量及各項溫室氣體排放量均位列第一；華北地區水資源匱乏，再生水利用率較高，對污染物削減量及處理要求更為嚴格，導致溫室氣體間接排放突出；華南地區污染物進水濃度及噸水電耗遠低于全國平均水平，雖然污水處理量較大，但溫室氣體卻處于較低水平；西南地區城鎮污水處理廠數量眾多，N2O 排放顯著高于其他排放環節，而華中地區CH4排放更為突出.

圖5 2020 年我國不同地區城鎮污水處理廠排放的基本情況Fig.5 The basic situation of emissions from urban wastewater treatment plants in different regions of China in 2020

圖6 結果顯示，黑龍江省、甘肅省的灰水足跡均較高，均超過0.6 m3/t，浙江省的灰水足跡僅為0.04 m3/t；內蒙古自治區、甘肅省的直接排放碳足跡最高，但灰水足跡也高于全國平均水平，污水處理工藝有待提升；北京市、浙江省的灰水足跡低于能源足跡與直接排放碳足跡，而以黑龍江省、廣西壯族自治區為代表的東北及部分南方地區灰水足跡較高，大幅度超過了直接排放碳足跡. 表3 顯示了我國各省(自治區、直轄市) 城鎮污水處理廠污染物削減效率.GWFRE 表示城鎮污水處理廠去除污染物而減少的灰水足跡，eGWFR 表示污水處理廠減少的灰水足跡所消耗的能源，即eGWFR 值越大，表明單位能耗下污染物削減效率越高[37]. 本文主要考慮化學需氧量(COD)、生化需氧量(BOD) 和總氮(TN) 三類指標，用以評估城鎮污水處理廠的污染物去除效率. 天津市灰水足跡削減率和單位能耗灰水足跡削減效率均第一，GWFRE 與eGWFR 分別為4.57、9.14，這表明當前其城鎮污水處理廠水-能關系較為合理；海南省污染物削減率及單位能源削減率均最低；云南省單位能耗削減效率最高，但城鎮污水處理廠整體削減率低，仍有一定改造的空間；北京市、山西省和寧夏回族自治區等省份污染物削減率領先，單位能耗削減效率卻并不顯著，存在較為明顯的以能耗換取高標準出水水質的現象.

表3 我國各省(自治區、直轄市)城鎮污水處理廠水-能關系評價Table 3 Assessment of water-energy relationship in urban wastewater treatment plants in various provinces (autonomous regions,municipalities) of China

圖6 我國各省(自治區、直轄市)城鎮污水處理廠水-能關系Fig.6 Water-energy relationship in urban wastewater treatment plants in various provinces (autonomous regions, municipalities) of China

由于我國各省(自治區、直轄市)自然環境與社會發展存在較大差異，城鎮污水處理廠運行各有側重. 如以北京市為代表的水資源匱乏但經濟發達地區，生活污水再生利用需求大，雖然城鎮污水處理廠溫室氣體排放量高于全國水平，但一定程度上減少了灰水足跡及供水碳排放[38]；以廣西壯族自治區為代表的部分南方地區，再生水利用處于起步時期，隨著城鎮化發展，現階段城鎮污水處理廠碳足跡較低，未來存在著迅猛增加的可能.

2.3 城鎮污水處理廠溫室氣體排放趨勢探究

2.3.1 城鎮污水處理廠溫室氣體時空格局演變規律

本文通過ArcGIS 計算了2014-2020 年我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放量的Moran′s I 指數，結果如表4 所示. 由表4 可見，我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體的排放呈現顯著的空間正相關，且Moran′s I 指數由2014 年的0.185 增至2020 年的0.386，表明空間自相關性逐年提升.

表4 2014-2020 年我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放空間自相關性分析Table 4 The spatial autocorrelation analysis of greenhouse gas emissions from urban wastewater treatment plants in various provinces (autonomous regions, municipalities) of China from2014 to 2020

2014-2020 年我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放空間格局特征如圖7 所示.由圖7 可見，2014-2020 年我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放的空間格局呈現明顯的南北分異特征. 華北地區、東北地區西部、西北地區東部一直處于熱點區域，隨著時間遷移，東北和華北地區的熱點區域呈現擴大趨勢，集中程度不斷增強，西南地區的熱點區域最終消失. 華東地區、華中地區、華南地區東部一直處于冷點區域，冷點區域向西南方向擴張的同時程度加深. 整體而言，京津冀地區和東北地區的熱點程度不斷增強，但輻射范圍逐漸減小；長三角地區和珠三角地區的冷點程度不斷增強，并對周邊區域表現出積極的輻射效應.

圖7 2014-2020 年我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放空間格局特征Fig.7 Spatial patterns of greenhouse gas emissions from wastewater treatment plants in various provinces (autonomous regions, municipalities) of China from 2014 to 2020

2.3.2 基于隨機森林模型的溫室氣體驅動因子識別

以城鎮污水處理廠溫室氣體排放總量為因變量，以相關驅動因子為自變量，構建隨機森林模型. 隨機森林模型擬合優度(R2)為0.95，能夠較好地表達城鎮污水處理廠溫室氣體排放總量. 由表5 可見，隨機森林模型特征重要性排序較靠前的是人口數量、第三產業GDP 和GDP. 另外，人口數量增加是城鎮污水處理廠溫室氣體增加的最重要因子；第三產業GDP帶來的城鎮服務和消費增長導致了人均生活污水增長，且重要性略高于GDP.

表5 隨機森林模型特征重要性Table 5 Feature importance of the random forest model

圖8 為各驅動因子偏依賴關系圖，該圖邊弱化了其他特征的影響程度，表達了單個驅動因子和排放總量之間的依賴關系. 圖8(a)～(d) 表明，GDP、第三產業GDP、城鎮率與人口數量均對排放總量呈階段性上升趨勢，GDP 較高的省份城鎮居民及政府對環境的要求更高，隨著GDP 超過6×108元、第三產業GDP 超過2.5×1012元，城鎮率超過70% 或人口數量超過5 000 萬，城鎮人口已趨于飽和，污水處理率也已基本滿足社會需求，溫室氣體排放不再有大幅上升；圖8(e)～(g)表明，污水行業投資與單位GDP 污水處理量對排放總量呈先降后升的趨勢，拐點分別出現在20×108元和5.7 m3/(104元)處，可能是因為投資金額較少的省份正處于城鎮污水處理行業修建改造前期，存在粗放型發展現象，為盡快達到日益嚴苛的排放標準采用曝氣等高能耗工藝，形成了“減排污染物、增排溫室氣體”的局面，導致這一投資階段排放總量相對較高，隨著對已有城鎮污水處理廠的改造，排放總量略有所下降，但根據“十三五”“十四五”對城鎮污水處理廠的規劃，部分再生水利用需求較大的省份投資金額持續增加，多用于再生水廠建設及再生水利用率的提升，溫室氣體又最終呈現上升趨勢；隨著社會科技發展，單位GDP 用水量的降低導致萬元污水處理量有所降低，但污水排放標準日益嚴格，加之再生水的發展需求，污水處理工藝開始延長，部分城鎮污水處理廠開始提標改造，在一級、二級處理基礎上，增加了MBR、生物過濾等深度處理工藝，反而導致了溫室氣體排放量的上升；圖8(f)～(h)指出，人均電耗與再生水利用量的增加導致溫室氣體排放量快速上升后趨于平緩.

圖8 城鎮污水處理廠溫室氣體驅動因子偏依賴關系圖Fig.8 Partial dependence of factors influencing greenhouse gas emissions from wastewater treatment plants

2.4 矯正分析

相較于IPCC 清單提供的國家級排放因子，本研究的溫室氣體核算方法適用了省級排放因子，核算精準度有所提升，未來需繼續提升排放因子的適用度，或采用實地檢測法獲取單個城鎮污水處理廠排放因子，進一步保證溫室氣體核算的精確度，減少排放因子概化造成的誤差.

3 結論與展望

a) “十三五”期間，我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放量持續上升，2020 年排放總量達33.26 Mt，人均排放強度為22.9 kg/a，單位GDP 平均排放強度為3.19 kg/(104元)，噸水平均排放強度為0.589 kg/m3.

b) 我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放依舊以直接排放為主，N2O 溫室氣體產量較大，能源消耗產生的間接排放近年來增長最為明顯，各省份水-能關系存在較大差異，云南省、天津市單位能耗污染物削減效率最高，北京市污染物削減率最高.

c) 我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放整體空間格局存在自相關性，局部空間格局南北分異顯著，且聚集程度逐年提升. 關鍵驅動因子中人口數量、經濟、產業結構的重要性高于其他因子. 其中GDP、第三產業GDP、城鎮率與人口數量對排放總量的影響呈階段性上升趨勢，污水行業投資與單位GDP 污水處理量對排放總量均呈先下降后上升趨勢，人均電耗與再生水利用量驅動排放總量快速上升后趨于平緩.

d) 根據我國各省(自治區、直轄市)城鎮污水處理廠溫室氣體排放特征的差異性，未來應當因地制宜制定適合當地污水處理廠的精細化管理方案，通過驅動因子預測省級城鎮污水處理行業碳減排目標，從而合理分配減排責任；推進全國城鎮污水處理廠環境績效評價，實現降污減排協同發展，對我國發展碳中和型城鎮污水處理廠具有重要意義.