-
垃圾收运是垃圾从产生到最终处理中必有的关键环节,且垃圾收运成本占垃圾处理总成本的50%以上[1]。如何对垃圾收运路径进行优化是城市及农村固废管理的重点难点之一。目前的垃圾收运路径往往只采用数学规划算法进行规划,以路径最短为唯一优化目标。但现实中,堵车、人流量、路面平整度、道路宽度、装车时间等实际因素造成了路况复杂多变[2],这种方法无法避免由复杂路况带来的垃圾收运成本高昂,同时对人居环境与自然生态造成了不可逆的负面影响。
启发式算法、元启发式算法、超启发式算法等仿自然体算法比追求精确结果的数学规划算法更适用于解决垃圾收运路径优化问题[3]。启发式算法在可接受的计算时间和空间下给出待解决组合优化问题每一个实例的一个可行解[4];元启发式算法不借助于某种问题的特有条件,从而能够运用于更广泛的方面[5];超启发式算法提供了某种高层策略,通过操纵或管理一组低层启发式算法,以获得新启发式算法[6]。其中,元启发式算法比启发式算法更不易陷入局部最优,而超启发式算法的研究处于起步阶段,尚未有成熟的应用。蚁群算法是元启发式算法的代表性算法,十分适用于解决垃圾收运类路线优化问题[7]。蚁群算法模仿了自然蚁群中蚂蚁返回时间最快的路径为最优路径的原理,还可以将从收集到处理中各环节的社会、经济、环境、生态、市政等多元数据也需要被纳入改进蚁群算法程序语言中。因此,对蚁群算法中的信息素更新规则、期望函数进行改进,可以有效减少垃圾收运成本及对周边人群健康与生态环境质量的不良影响。
本研究通过多元大数据融合、遥感数据可视化、多指标赋予权重、对传统蚁群算法加以改进,建立了垃圾从垃圾收集点到垃圾焚烧厂的收运路径优化模型,拟解决生活垃圾收运成本过高导致垃圾无害化程度较低的问题。
-
研究区域为我国东南部某县级市。该县级市总面积超过1
× 106 m2,常住人口超过1× 106,该地包含6个街道和8个镇,基础设施建立完备,交通系统稠密完善。该县级市已实施垃圾分类政策,但在垃圾处理方面的人力资金投入与需求相比仍然不足,要求后续垃圾收运工作充分考虑到生活垃圾分类方法。此外,该县级市内的野生动植物资源丰富,应在进行市政规划管理时给予保护意识与足够重视。研究对象为该县级市的其他垃圾,其处理方式为:先从垃圾收集点由垃圾收集车收集至经垃圾中转站进行压缩预处理后,然后由垃圾运输车运输至垃圾焚烧厂。经实际调研与网络查询,当地具有329个垃圾收集点、40个垃圾中转点、3个垃圾焚烧厂。
-
本研究所需路网分布、道路长度、道路等级、道路限速等数据信息来源于Open Street Map网站的2020年全国路网矢量图[8],经过裁剪后得到研究区域路网图如图1所示。环境成本中包含的土地保护需求指标数据来源于500 m全球土地退化态势评价数据集[9],影响人口规模指标的数据来源于2020年中国人口密度分布图[10],降噪物密度指标的数据来源于中国-东盟1 km分辨率植被覆盖度数据集[11],生态不可分割度指标的数据来源于2020年中国土地利用图[12]。
-
本研究将传统蚁群算法中的“往返时间”概念扩大至“成本”,在ArcGIS 10.7软件中的Python拓展模块实现蚁群算法,其步骤为:1)首先,进行路网处理,将道路以节点为界限划分路段,且对节点进行编号;2)之后,在Python拓展模块中编写程序,程序中对传统蚁群算法中的期望函数与信息素更新规则进行改进,以体现道路对生态环境的恶劣影响与改进经济成本代表指标。
基本蚁群算法涉及到2个过程。第一个过程是状态转移,蚁群算法中的状态转移概率函数由节点间距离与信息素浓度共同决定。i及j节点之间状态转移概率函数Pijm的计算方式如式(1)所示。
式中:m为蚂蚁数量;α为信息启发因子,表示信息素浓度的重要性,取值为0~5;β为期望启发因子,表示节点之间成本的重要性,取值为0~5;τij为i、j节点之间的信息素浓度;ηij为从i节点到j节点的期望值。传统蚁群算法中期望函数ηij的计算方式如式(2)所示。
第二个过程是信息素更新,(t+1)时刻i、j节点之间路段上信息素浓度τij(t+1)的计算方式如式(3)、式(4)所示。
式中:ρ为信息素挥发系数;1-ρ为信息素残留系数;Δτij(t)为t时刻所有蚂蚁在节点i、j间留下的信息素浓度;Δtijk(t)为t时刻第k只蚂蚁在节点i、j间带来的信息素增量。
信息素增量的计算方式有3种:蚁周模型、蚁量模型、蚁密模型。本研究选择不容易陷入局部最优的蚁周模型为信息素更新规则。传统蚁群算法中的信息素更新规则如式(5)所示。
式中:Q为信息素总量,取值范围为10~10 000;lij为i、j节点之间的道路长度。
-
本研究利用 SPSS 软件实现 CRITIC 法与熵权 TOPSIS 法对综合成本指标的权重分配,其步骤为:1)建立综合成本评价指标体系;2)获取评价所需数据并建立道路数据集;3)以 CRITIC 法对环境成本指标下各子指标进行权重分配;4)以熵权 TOPSIS 法对综合成本指标下的时间成本与环境成本进行权重分配,环境成本权重与时间成本权重的比值即为新定义的环境干扰因子。
客观权重赋值法与以层次分析法等为代表的主管权重赋值法相比,只关注指标数据之间的差异,仅从数据中生成属性权重,而不需要从使用者中获取任何偏好信息[13],也可有效降低决策方法的复杂性与非直观性[14]。其中,CRITIC算法考虑了各指标自身的对比强度及指标间的冲突性,能够较全面的衡量各指标重要性,因而被作为一种相对完善赋权算法,被广泛使用。熵权法可用于分析对象之间存在较大差异的指标。它们均可用于整合社会影响评估和不同标准的确定。
-
本研究利用客观权重赋值法中的CRITIC权重法与熵权TOPSIS 法建立道路综合成本评价体系,在体系中纳入道路交通对自然生态、人居环境的影响,并将该体系应用于所研究县级市路网中,以获得各路段的综合成本数值,为下一步计算得到综合成本最低的垃圾收运路径方案做好数据准备。
首先,考虑到数据的可达性与时效性,本研究取道路长度与限速之比为时间成本;环境成本由土地保护需求、影响人口规模、降噪物密度、生态不可分割度确定。
本研究使用时间成本与环境成本作为综合成本Cij的2大指标,其计算方式如式(6)所示。
式中:tij为i、j节点之间道路的时间成本;γ为环境干扰系数;eij为i、j节点之间道路的环境成本。
时间成本tij的计算方式如式(7)所示。
式中:lij为i、j节点之间道路的长度,km;vij为i、j节点之间的车速,km∙h−1,由道路限速与车辆最高行驶速度确定。
环境成本eij的计算方式如式(8)所示。
式中:λ1为土地退化态势的权重,0~1;eij,1为i、j节点之间道路穿行的土地退化态势;λ2为人口密度的权重,0~1;eij,2为i、j节点之间道路穿行地区的人口密度;λ3为植被覆盖度的权重,0~1;eij,3为i、j节点之间道路穿行地区的植被覆盖度;λ4为生态抗扰度的权重,0~1;eij,4为i、j节点之间道路穿行地区的生态抗扰度。
利用CRITIC法赋予环境成本中各指标权重,并利用熵权法计算环境干扰因子。时间成本由道路长度与道路限速之比得到。之后,编辑路网数据集,添加“时间”字段,通过字段计算器算的每段道路通过所需花费的时间。
-
垃圾运输对运输区域的生态干扰程度主要由土地保护需求、影响人口规模以及降噪物密度决定。本研究利用土地退化态势来确定土地保护需求。土地退化态势数据集中,将全球的土地退化态势分为2级评价系统。在第1级,将土地退化态势评价划分为3种类型:退化类型、改善类型和无变化类型。第2级,将土地退化态势评价划分为9种类型。下载土地退化态势数据集后,在ArcGIS软件中打开,并根据研究区域行政区划线要素矢量数据图对其裁剪,得到如图2(a)所示的研究区域土地退化态势分布栅格图,图中颜色越浅表示土地退化越严重。
影响人口规模由人口密度分布确定。将人口密度分布栅格数据经过裁剪与符号化后标注于研究区域地图,通过识别功能得到各垃圾中转站所处位置的人口密度。研究区域人口密度栅格图像如图2(b)所示。图中颜色越深,表明人口密度越大。
降噪物密度由植被覆盖度确定。植被覆盖度数据的处理方式同土地退化态势分布图,结果如图2(c)所示。图中颜色越深,表示植被覆盖度越大。
-
在环境成本保护的各指标中,生态不可分割度为本研究根据生物丰度指数含义进行改进得到的指标,旨在评价道路交通沿线周边生态系统对道路切割的抵抗力,以减少堵路交通对沿线周边造成的不可逆性深远影响。生态不可分割度越高,往往当地生态系统所含的食物链就越复杂,则道路交通对当地生态环境切割与生物栖息地破碎化的负面影响就越深。根据我国生态环境部颁布的《生态环境状况评价技术规范(HJ 192-2015)》[15]的标准,定义生态抗扰度的打分方式如表1所示。利用空间地理数据云的2020年中国土地利用图矢量数据计算生态不可分割度,经过裁剪,其结果如图3所示。图中颜色越接近红色,城市化程度越高,生态不可分割度得分越低。
-
在环境成本的所有指标中,土地利用类型为矢量数据,其匹配方式为,选中路网文件,选择“连接和关联”中的“连接”,并基于空间位置来连接土地利用类型图层。其余的指标均为栅格数据,只需要在已有的路网矢量数据添加上相对应的栅格数据值即可。至此,研究区域各路段已被赋予环境成本数值。之后,在SPSSAU平台上利用CRITIC权重法计算环境成本中各指标权重。计算结果如表2所示。据此可得到各路段取值为0~1的环境成本数值。
对于环境干扰因子的取值,首先使用熵权法对时间成本与环境成本的权重进行赋值,其次取环境干扰因子的值为环境成本与时间成本权重的比值。在SPSSAU平台上进行熵权法计算后,结果如表3所示:
环境干扰因子取值为0.1116。据此计算研究区域路网中所有路段的综合成本,之后在ArcGIS里的路段属性表中添加综合成本字段,完善路网数据集。
-
为考察综合成本对垃圾收运路径规划的影响,本研究先基于传统蚁群算法进行垃圾收运路径规划设计,然后与以改进蚁群算法为原理的规划路径作对比分析。传统蚁群算法中将“距离”作为经济成本的代替数据,以路径最短作为计算目标。
本研究中蚁群算法的实现依托于ArcGIS10.7 软件中的Python拓展模块。本研究区域的垃圾收集点与垃圾中转点数较多,所以用PyPy代替Python中的解释器CPython,将源代码直接转换为机器汇编语言,以大幅提升程序运行效率。程序运行后,输出最佳路径的节点编号。将节点选择结果标记至ArcGIS 10.7中的路网图上,得到基于传统蚁群算法的综合成本最低的收集路径、运输路径。结果如图4(a)、(b)所示。
-
为了修正传统蚁群算法对计算目标设定与指标选取的局限性,本研究以改进传统蚁群算法中期望函数定义与信息素浓度更新规则的方式,在蚁群算法计算最优路径时引入时间成本与环境成本,以改正原路径计算方法用“距离”代表经济成本、忽略环境影响的缺陷。其中,改进蚁群算法中期望函数的计算方式如式(9)所示。
式中:cij为i、j节点之间的综合成本。
本研究选择不容易陷入局部最优的蚁周模型为信息素更新规则,并结合将“成本”代替“路径长度”的理念,规定信息素更新规则为信息素总量与成本之比。其计算方式如式(10)所示。
式中:Q为信息素总量;Ck为蚂蚁k在本次遍历中所走路径小号的综合成本。
综合成本Ck的计算方式如式(11)所示。
式中:Tk为蚂蚁k在本次遍历中所走路径消耗的时间成本;Ek为蚂蚁k在本次遍历中所走路径消耗的环境成本。
实现改进蚁群算法需要基于路段的综合成本属性,所以需要构建新的网络数据集。与传统蚁群算法相比,改进蚁群算法需要在新的数据集指定属性时添加综合成本,并在配置网络行驶方向时设置阻抗为综合成本,其余步骤与之前相同。程序运行后,根据运算所得到的节点选择相应结果,标记路网地图,得到基于改进蚁群算法的综合成本最低的收集路径与运输路径,结果如图5(a)、(b)所示。从图可以看出,基于改进蚁群算法得到的垃圾收集路径与垃圾运输路径均与基于传统蚁群算法计算得到的结果有明显不同。
-
为进一步分析利用 CRITIC 法与熵权 TOPSIS法构建的路径综合成本评价体系对垃圾收运路径规划的影响,本节分别以环境成本中纳入的4项环境成本指标数据图为底图,用分辨率为1 km×1 km 的表格划分研究区域,定义被规划路径穿行的敏感区域(后面将分别定义)所占格子个数与规划路径穿行格子总数之比为规划路径对敏感地区的穿行率。计算基于2种蚁群算法算出的垃圾收运路径规划结果的穿行率并进行对比,讨论考虑环境成本后的最优垃圾收运路径与仅考虑经济成本的结果有何不同。如图4和图5所示,红色路径均为基于传统蚁群算法求得的最优垃圾收运路径,蓝色路径均为基于改良蚁群算法求得的最优垃圾收运路径。
将基于传统蚁群算法与改进蚁群算法得到的最优垃圾收集路径、运输路径均标记在土地退化态势图中,结果如图6(a)所示。底图的颜色越浅,表示土地退化越严重。定义土地退化态势为负数的区域为土地保护需求强烈区域(敏感区域),则分析图6(a)可知,红线对土地保护需求强烈区域的穿行率为81%,蓝线对土地保护需求强烈区域的穿行率为48%,蓝线较红线而言土地保护需求强烈区域穿行率减少了41%。可见,红线比蓝线更集中于土地退化严重的区域,而蓝线多分布于土地质量正在改善或不退化的区域。将土地保护需求纳入垃圾收运路径规划后,可有效缓解垃圾收运交通对土地退化的进一步恶劣影响,从而促进了退化土地恢复与土地质量改善。
将基于传统蚁群算法与改进蚁群算法得到的最优垃圾收集路径、运输路径均标记在人口密度分布图中,结果如图6(b)所示。底图的颜色越深,表示人口密度越大。定义人口密度大于中位数 311 人∙km−2的区域为影响人口规模偏大区域(敏感区域)。分析图6(b)可知,红线对影响人口规模偏大区域的穿行率为2%,蓝线对影响人口规模偏大区域的穿行率为18%。与红线相比,蓝线影响人口规模偏大区域穿行率减少了44%。可见,红色线条比蓝色线条更集中于人口密集区域,而蓝色线条多分布于人口密度较小的地方,整体布局也更加均匀。人口规模大的区域往往交通繁忙,将影响人口规模纳入垃圾收运路径规划后,不仅能绕开人口密度大的居住地从而改善人居环境,还能有效缓解拥堵路段,从而缩减垃圾收运时间、提高垃圾收运效率、减少车辆运行造成的环境污染。
将基于传统蚁群算法与改进蚁群算法得到的最优垃圾收集路径、运输路径均标记在植物覆盖度图中,结果如图6(c)所示。底图的颜色越深,表示植物覆盖度越大,对车辆噪音的削减能力越强。定义植物覆盖度小于中位数192的区域为降噪物密度偏小区域(敏感区域)。分析图6(c)可知,红线对降噪物密度偏小区域的穿行率为76%,蓝线对降噪物密度偏小区域的穿行率为54%,蓝线较红线而言降噪物密度偏小区域穿行率减少了9%。可见,红线比蓝线更集中于难以被植物削减噪音的区域,而蓝线多分布于容易被植物削减噪音的区域。将降噪物密度指标纳入垃圾收运路径规划后,可将垃圾收运路径更多转移至植物密度高的地方,使车辆通行产生的噪音得到更大程度的削减,从而减轻了垃圾收运交通噪音对人类的影响,提高了人居环境质量。
将基于传统蚁群算法与改进蚁群算法得到的最优垃圾收集路径、运输路径均标记在土地利用类型图中,结果如图6(d)所示。图中颜色越接近红色,城市化程度越高,生态不可分割度得分越低。定义生态不可分割度大于中位数40的区域为生态不可分割度偏大区域(敏感区域)。分析图6(d)可知,红线对生态不可分割度偏大区域的穿行率为83%,蓝线对生态不可分割度偏大区域的穿行率为49%,蓝线较红线而言生态不可分割度偏大区域穿行率减少了41%。可见,红线比蓝线更集中于不应被人为分割的区域,而蓝线多分布于已进行过人为建设的区域,即红线比蓝线更集中于生态不可分割度高(城市化程度高)的区域。将生态不可分割度纳入垃圾收运路径规划后,可有效减轻垃圾收运交通对周边生态环境的切割程度,减少了人类活动对自然度高的区域的进一步干扰,从而在一定程度上保护了物种多样性与生态稳定性。
-
1)以“耗时”作为经济成本的衡量指标,将限速情况等路况因素考虑在内,可以充分体现包括路径长度在内的耗油量、人力成本等额外经济成本,从而更利于道路交通经济成本的控制。
2)基于人口密度分布等数据,将道路交通对周边人群健康、生态环境质量的影响纳入对道路交通的综合成本评价当中,对蚁群算法进行了因地制宜的改良,将规划路径对土地保护需求强烈区域、影响人口规模偏大区域、降噪物密度偏小区域、生态不可分割度偏大区域的穿行率分别降低了41%、44%、29%、41%。
基于GIS与改进蚁群算法的垃圾收运路径规划
Garbage collection and transportation path planning based on GIS and improved ant colony algorithm
-
摘要: 针对传统垃圾收运路线成本高昂、对人居环境与自然生态造成不可逆负面影响的问题,提出了一种基于GIS技术与改进蚁群算法的垃圾收运路径规划方法。采用CRITIC法、熵权TOPSIS法及改进的蚁群算法,以时间成本及环境成本作为优化目标,实现从垃圾收集点到最终处理厂的最优路径规划设计,从而有效降低垃圾收运成本与收运对周边生态环境的危害。结果表明,将道路交通对周边人群健康、生态环境质量的影响纳入对道路交通的综合成本评价当中,运输路径对土地保护需求强烈区域、影响人口规模偏大区域、降噪物密度偏小区域、生态不可分割度偏大区域的穿行率分别降低了41%、44%、29%、41%,有效降低了垃圾收运路径对生态敏感区域的干扰程度。本研究结果可为GIS 技术与蚁群算法在垃圾车收运路径规划中的应用提供参考。Abstract: The high cost of garbage collection and transportation limits the garbage disposal rate, and the transportation often causes irreversible negative impact on the human settlement environment and natural ecology. This paper proposed a method of garbage collection and transportation path planning based on GIS technology and improved ant colony algorithm. CRITIC method, entropy weight TOPSIS method and improved ant colony algorithm were used to realize the optimal path planning and design from the garbage collection point to the final treatment plant, thereby effectively reducing the cost of garbage collection and transportation and the harm to the surrounding ecological environment. The results showed that when the impacts of road traffic on the human settlement environment and natural ecology were included in the evaluation indicators of the garbage collection and transportation path, economic costs and ecology impact were reduced significantly. The transit rates of areas with strong demand for land protection, areas with large affected population size, areas with low noise reduction density, and areas with high degree of ecological inseparability had been reduced by 41%, 44%, 29%, and 41%, respectively. It reduced the disturbance of the garbage collection and transportation route to ecologically sensitive areas significantly. The results of this study could provide a reference for GIS technology and ant colony algorithm in garbage truck collection path planning.
-
Key words:
- domestic waste /
- path optimization /
- ant colony algorithm /
- CRITIC method /
- entropy weight TOPSIS method
-
随着城市化进程的加快,城市绿化也因其在提高城市环境质量、维持城市生态平衡等方面的重要作用得以迅速发展。我国城市园林绿化产生的落叶、剪草、枯枝等绿色废弃物,年产量已增加到3.5×108 t左右[1]。堆肥化处理由于可以将废弃物转化为对植物生长和土壤改良有促进效果的堆肥产品,已成为高效处理并实现废弃物再利用的重要途径。绿化废弃物含有丰富的有机物质,这一特点使其腐熟后更容易获得高养分的肥料;但另一方面,绿化废弃物中大量结构紧密的木质纤维素成分使他们不易被微生物分解[2],而且处理不当会造成腐熟缓慢,产生气味污染以及堆肥产品降解不完全等问题。
由于堆肥是以微生物为主导的有机废弃物降解过程,因此,可以通过添加微生物菌剂来加快木质纤维素降解。杭怡琼等[3]研究发现,白腐真菌能够有效且有选择性地降解植物纤维原料中的木质素。黄丹莲[4]发现,木霉菌等真菌不仅能分泌胞外酶,还可以利用菌丝穿插破坏纤维素结构,实现对纤维素的高效分解。此外,纤维素酶作为一种可以促进木质纤维素糖化的酶制剂,在动物饲料和纸浆生产等领域已被广泛应用[5-6]并显示出良好的降解效果,但是在堆肥领域却鲜有关于纤维素酶的应用研究。同时,有研究[2,7-9]表明,适宜的粒径可以提高堆肥期间的微生物活性,从而加快大分子物质的降解速度。过大的粒径会导致通风过度,热量散失;过小的粒径会使持水量过高,通氧量不足,这些都不利于微生物进行代谢活动。已有研究[10]提出的最佳堆肥粒径为5~30 mm,没有统一的标准;而且大部分研究[11-12]缺少对微生物指标的分析或是采用传统的DGGE技术进行微生物检测,无法准确地反映粒径与微生物群落结构和堆肥腐熟效果的关系。因此,初始粒径对绿化废弃物堆肥的影响仍需进一步研究,这也影响着外源添加剂的作用效果。
本研究采用由白腐真菌和木霉菌组成的微生物菌剂,结合纤维素酶制成外源添加剂,进行不同粒径的绿化废弃物堆肥,通过分析堆肥的理化性质和细菌群落结构,探究不同初始粒径和外源添加剂对绿化废弃物堆肥腐熟度的促进效果,并提出最优参数组合,为提高绿化废弃物堆肥质量提供了参考。
1. 材料与方法
1.1 实验材料和仪器
实验材料:作为堆肥原材料的绿化废弃物主要来自于北京市城市景观维护过程中产生的枯枝落叶和修剪的枝条(多为柳树、槐树、杨树等),分别粉碎至2 mm和5 mm;微生物菌剂包括木霉菌和白腐真菌,推荐接种量(g/g)为3%~5%;纤维素酶的酶活为2×104 U·g−1;干羊粪用于调整原料的C/N至28左右;发芽实验选择白菜种子进行。供试材料和堆肥初始性质如表1所示。
表 1 供试原料基本性质Table 1. Basic properties of raw materials for compost供试材料 pH 有机碳/(g·kg−1) 全氮/(g·kg−1) 碳氮比 绿化废弃物 6.76 480.2 8.9 54 干羊粪 7.41 261.2 13.9 18.8 2 mm绿化废弃物堆肥 7.75 336.4 11.6 29 5 mm绿化废弃物堆肥 7.66 340.2 12.6 27 实验仪器:恒温培养箱(RXZ-500A,宁波江南仪器有限公司);精密pH/EC仪(MP522,上海精密科学仪器有限公司);TOC分析仪(TOC-5000A,日本岛津公司);紫外可见分光光度计(TU-1810DS,北京普析通用仪器有限责任公司)。
1.2 实验设计和取样
实验共有8个处理(T1~T8)(表2),设计2 mm和5 mm 2种粒径,纤维素酶和菌剂的接种量(g/g)分别设置为物料干质量的0、2%和0、2%、4%,按表2所示的比例混配后作为外源添加剂。所有处理重复3次。每个处理按设计参数混配1 000 g(干质量)混合物,放入塑料长方体(35 cm×22 cm×10 cm)发酵容器中,添加蒸馏水,将每个处理的水分含量统一调节至65%,最后将发酵容器密封,并置于恒温培养箱中,于50 ℃下发酵22 d。每3 d进行翻堆和补水,以保证每个容器中的堆肥有适宜的氧气和水分。堆肥结束后,于每个处理的顶部、中部和底部共取样200 g,混合均匀。一部分样品作风干处理用于有机碳、全氮、pH、电导率(EC)和腐殖指标的测定;剩余新鲜样品与去离子水按1∶10(g∶mL)混合,振荡2 h浸提后过滤,在25 ℃恒温的培养箱内培养白菜种子,放置48 h后,取出记录发芽种子个数和根长,计算发芽指数[13]。实验第2天、12天、22天,对T1~T8实验组取样进行细菌高通量分析,分别标注为T1D2~T8D2、T1D12~T8D12和T1D22~T8D22,代表初期堆肥、中期堆肥和末期堆肥。
表 2 实验因素水平设计Table 2. Standard parameters of composting处理组 粒径/mm 纤维素酶∶菌剂 T1 2 0∶0 T2 2 0∶4 T3 2 2∶2 T4 2 2∶4 T5 5 0∶0 T6 5 0∶4 T7 5 2∶2 T8 5 2∶4 1.3 检测和分析方法
有机碳、全氮、pH和EC值参照文献的方法[14]测定:有机碳采用外加热法测定;全氮采用凯氏定氮法测定;使用pH/EC仪测定pH和EC值。微生物指标参照MAO等[15]的方法测定,并在门水平注释其群落的物种信息。根据鲍士旦[16]的方法提取腐殖质和胡敏酸,提取液使用TOC分析仪分别测定得腐殖质和胡敏酸含量[17];腐殖质提取液采用紫外可见分光光度计测定吸光度比值(E4/E6)[14]。
腐殖质系数[12]按式(1)计算,发芽指数[18]按式(2)计算。
FHI=CHACT×100% (1) FGI=ST⋅LTSC⋅LC×100% (2) 式中:FHI为腐殖质系数;CHA为胡敏酸含量,g·kg−1,CT为总有机碳含量,g·kg−1;FGI为发芽指数;ST为处理组平均发芽数量;LT为处理组平均根长,mm;SC为对照组平均发芽数量;LC为对照组平均根长,mm。
使用CANOCO 5软件进行RDA分析,采用SPSS 23软件进行方差分析和主成分提取,依据参考文献的方法[19]进行主成分分析。
2. 结果与讨论
2.1 初始粒径和外源添加剂对碳氮比的影响
在堆肥过程中,微生物不断分解利用有机物质进行繁殖和代谢,作为其主要能量来源的碳素以远大于氮素的速度被消耗,C/N整体呈下降趋势,与堆肥产品的腐熟程度密切相关。由图1可知,堆肥结束后,除对照组T1外的所有处理C/N均低于20,满足腐熟要求[20]。各处理C/N降幅排序为T3>T7>T4>T2>T8>T1>T6>T5。2 mm粒径组平均降幅较5 mm处理组提高12.7%,说明2 mm粒径更有利于有机质降解活动的进行;同时,添加纤维素酶和菌剂的处理T3和T7在各自粒径组中降幅最大,这是因为菌剂可以直接扩大微生物数量;另外,纤维素酶可以有针对性地提高纤维素的水解效率,生成更利于被微生物分解的单糖[21],进而提高微生物活性,在二者共同作用下,对促进腐熟起到协同效果。
2.2 初始粒径和外源添加剂对pH和EC的影响
pH与堆肥微生物的活性关系密切。有研究[22-23]指出,pH为7~8.5时,堆肥常见微生物的活性和繁殖力最强。如图2所示,堆肥结束后,所有处理的pH都呈弱碱性,从大到小顺序为T1>T5>T4>T2>T3>T8>T7>T6,2种粒径组对照处理的pH均高于同组其他处理。这说明添加剂对降低pH有一定影响。原因是,当有机化合物被分解时,具有外源添加剂的处理可促使微生物生成有机酸[24]。从粒径对pH的影响来看,2 mm处理组pH更高。这可能是由于2 mm处理的绿化废弃物在堆肥过程中,有利于能促进有机酸分解的微生物的生长,从而影响了发酵环境酸碱度。
EC反映了堆肥产品中总盐的含量,可用作有机物分解动力学的判定指标[15]。在本研究中,堆肥末期各处理的EC值排序依次为T5>T2>T4>T7>T1>T3>T8>T6,2 mm粒径组的平均EC较5 mm粒径组高8.6%。这表明具有较小粒径的堆肥含有较多的盐和小分子物质[25]。这一结果可能是因为小粒径堆肥的较高比表面积增加了离子交换能力造成的[26]。
2.3 初始粒径和外源添加剂对发芽指数的影响
未腐熟堆肥中的毒性物质会抑制植物的生长,因此,堆肥浸提液对植物生长的影响可用于评价堆肥的植物毒性,用发芽指数[27](GI)表示。图3显示,GI值从大到小依次为T3>T8>T4>T6>T5>T7>T2>T1,所有堆肥的GI均大于60%,高于腐熟标准要求的50%的阈值[28]。在2 mm粒径处理中,具有外源添加剂的处理组GI值较对照组增加了15%~36%;在5 mm粒径处理中,增加了2%~16%。这表明纤维素酶和菌剂的添加对有机毒物的降解产生了积极影响,能有效改善GI,2 mm粒径更有利于增强添加剂的作用效果。
2.4 初始粒径和外源添加剂对吸光度比值的影响
腐殖酸在波长465 nm和665 nm处具有特异吸收峰值。在堆肥过程中,2个波长处的吸光度比值(E4/E6)随着腐殖酸分子缩合度的增大而减小[29],成为评价堆肥结构稳定性的重要参数之一。如图4所示,堆肥结束时,各处理堆肥的E4/E6排序为T5>T7>T3>T2>T4>T8>T1>T6,在5 mm处理组中获得相对较高的E4/E6比值,较2 mm组高11.1%。这说明2 mm处理可使堆肥中的腐殖酸有更高的聚合度和稳定性,品质更佳。
2.5 初始粒径和外源添加剂对腐殖化指标的影响
堆肥是大分子碳水化合物通过微生物转化为腐殖质的过程。图5显示,堆肥末期,2 mm处理的腐殖质和胡敏酸的平均含量分别比5 mm处理高17.9%和3.7%。这可能是由于小粒径处理中的纤维素材料更容易被分解,为氧化和芳香结构的形成提供了丰富的底物。在相同的粒度组中,对照组的腐殖质和胡敏酸含量最小,这归因于添加纤维素酶和菌剂能增加相关功能菌的数量,促进腐殖质的形成。除了腐殖质含量的变化,腐殖化系数(HI)被认为可以更准确地反映腐殖化程度[30]。在堆肥过程中,腐殖化系数呈上升趋势,分子质量较低的富里酸在矿化过程中降解,并浓缩成结构更复杂的大分子胡敏酸,使腐殖质更加稳定。在堆肥结束时,腐殖化系数排序为T4>T3>T8>T6>T2>T7>T1>T5,纤维素酶和菌剂对腐殖化系数有显著影响(P=0.001<0.05),说明二者的添加对提高堆肥腐熟程度有重要作用。
2.6 初始粒径和外源添加剂对微生物的影响
堆肥理化指标的分析表明,2 mm粒径和外源添加剂处理组对改善堆肥理化性质有积极作用。为了从微生物角度解释粒径和添加剂对理化性质的影响,对粒径和添加剂对微生物群落组成以及特定功能微生物的影响进行了分析。好氧堆肥中的细菌被公认是堆腐基质中数量最大、分布最广泛的微生物类群,不仅分解单糖效率高,也兼具了真菌和放线菌分解木质纤维素的能力[31]。由图6(a)可知,整个堆肥过程的优势菌门的排序为厚壁菌门(Firmicutes)>绿弯菌门(Chloroflexi)>变形菌门(Proteobacteria)>放线菌门(Actinobacteria)>芽单胞菌门(Gemmatimonadetes)。堆肥初期,能有效地利用碳水化合物的厚壁菌门是优势菌种,平均丰度高达87.8%;堆肥中期,随着碳水化合物的减少,厚壁菌门丰度下降,变形菌门丰度增加至23.4%;堆肥末期,绿弯菌门平均丰度迅速增加到52.5%,放线菌门和芽单胞菌门也成为主要菌种。在堆肥过程中,具有降解纤维素功能的放线菌[32]的相对丰度持续上升,各个处理放线菌的增长比例排序为T3>T4>T8>T1>T2>T7>T5>T6,2 mm处理是5 mm处理的3.15倍。可见,2 mm更适合具有分解纤维素能力的细菌生长繁殖。在同粒径组中,只添加菌剂的处理表现不佳。其原因可能是,外源菌的介入对原生菌群的演替有一定影响,而同时具有纤维素酶和菌剂的外源添加剂处理与对照处理相比,放线菌数量有明显提升。这说明纤维素酶对降解功能菌的繁殖代谢有积极作用,从而有效优化堆肥性质。
为进一步研究细菌群落组成与理化性质之间的关系,对堆肥理化性质与堆肥样品的主要菌门进行了RDA分析(图6(b))。结果显示,C/N、pH、GI和胡敏酸与细菌群落呈显著相关(P<0.05)。C/N和pH分别与厚壁菌门和变形菌门呈正相关,发芽指数和胡敏酸与成熟阶段的主要细菌活性相关。通过分析不同堆肥时期的主导菌群发现,在堆肥初期和中期,与5 mm相比,2 mm处理组中主导菌群(厚壁菌门和变形菌门)数量更多。这表明2 mm粒径能为这些微生物提供更适合生长繁殖的环境,加快堆肥进程。在腐熟阶段,2个粒径组与能促进腐殖化的末期主导细菌(放线菌门、芽单胞菌门)[28]的相关性分别为T3>T4>T2>T1和T7>T8>T5>T6。在同粒径组中,同时添加纤维素酶和菌剂的处理与腐殖功能菌相关性更大,对其生长繁殖有积极作用,从而提高了GI、腐殖质和胡敏酸含量。这说明添加纤维素酶和菌剂能促进堆肥后期熟化,与腐殖化分析所得结论一致。因此,粒径和添加剂可以通过影响细菌群落来优化理化性质,2 mm处理组和同时具有纤维素酶与菌剂的处理组能有效促进相关功能菌增长,改善堆肥质量。
2.7 堆肥产品腐熟效果的综合评价
为避免单个指标评价的偏差和片面性,本研究采用主成分分析法,综合8项理化指标对所有处理进行综合量化评价,以更全面客观地评估不同处理的堆肥质量。分析共提取3个主成分,方差贡献率累计达85.676%,满足大于85%的要求[19]。主成分提取结果见表3,各处理的主成分综合评分见表4。
表 3 堆肥指标主成分提取Table 3. Principal component extraction of compost index主成分 分析指标 特征根 贡献率/% 累计贡献率/% 第1主成分 pH、EC、腐殖化系数、胡敏酸含量 3.204 40.055 40.055 第2主成分 C/N、GI、E4/E6 2.054 25.673 65.728 第3主成分 腐殖质含量 1.596 19.948 85.676 表 4 堆肥主成分综合评分Table 4. Principal component comprehensive score of composts处理组 F1得分 F2得分 F3得分 F得分 F排名 T1 −1.476 −1.244 −0.666 −1.174 8 T2 −0.734 −0.155 1.500 0.080 4 T3 1.460 0.519 1.527 1.178 1 T4 1.029 −0.880 1.145 0.452 3 T5 −3.352 1.574 −0.209 −0.893 7 T6 1.803 −0.698 −1.938 −0.049 5 T7 −0.152 0.699 −0.911 −0.094 6 T8 1.421 0.210 −0.448 0.508 2 由表4可知,所有处理从优至劣依次是T3>T8>T4>T2>T6>T7>T5>T1,表现最好的是处理T3,即2 mm粒径添加由2%纤维素酶和2%菌剂组成的外源添加剂,综合分数为1.178分;表现最差的是2 mm粒径不加外源添加剂的处理T1,综合分数为−1.174分。2 mm粒径组平均得分高于5 mm粒径组,2 mm粒径组内排序为T3>T4>T2>T1,5 mm粒径组内排序为T8>T6>T7>T5。2种粒径组中有外源添加剂的处理表现均好于对照处理。其中,2 mm的最优处理是T3,纤维素酶和菌剂比例为2∶2;5 mm的最优处理是T8,纤维素酶和菌剂比例为2∶4。
主成分分析结果表明,2 mm处理组的表现整体优于5 mm处理组。究其原因可能包括2个方面:一是绿化废弃物含有大量结构紧密的纤维素和半纤维素,粒径决定了酶与这些大分子物质的接触面积和降解效率,2 mm粒径处理可以增加堆料表面积,提升酶解效果和速率;二是在孔隙率、温度和湿度等方面,2 mm粒径组为微生物提供了更好的生长代谢环境。张璐[14]曾提出,适当的粒径可以提高绿化废弃物堆料的通气透水性,并减少水从表面蒸发,改善微生物活动的物理微环境。
在同样添加4%菌剂的条件下,混配纤维素酶的外源添加剂效果优于只具有菌剂的外源添加剂。具体表现在:添加2%纤维素酶的T4组和T8组较不添加纤维素酶的T2组和T6组分别高0.372分和0.557分,表明纤维素酶对促进堆肥腐熟有至关重要的作用。其原因可能是,外源酶可以补充堆料中纤维素酶数量的不足,提升胞外纤维素酶的活力;同时,针对无法直接利用纤维素的微生物,纤维素酶作为中间介质将纤维素分解成微生物易利用的单糖,能有效提高生物质的水解。
在同样添加2%纤维素酶的条件下,分别混配2%和4%的菌剂,在不同粒径条件下的堆肥效果有明显差异。在2 mm粒径组中,添加2%菌剂的T3组效果优于添加4%菌剂的T4组,而5 mm粒径条件下则刚好相反。这可能归因于2 mm较5 mm粒径条件更适合高温堆肥细菌群落,并促进具有降解纤维素能力的细菌的生长和繁殖,添加过多菌剂导致微生物数量过多,发酵过程中的微生物环境平衡被破坏,微生物活性受到抑制[33];相反,5 mm条件下接种更多菌剂可以在合理范围内增加微生物数量,促进堆肥的腐熟。这也说明粒径对添加剂的作用效果有重要影响,相似观点是ZHANG等[34]的研究,在不同堆肥粒径下,添加鼠李糖脂,堆肥性质表现出显著差异。
3. 结论
1) 2 mm粒径的堆肥处理较5 mm能促进C/N和E4/E6值下降,提高腐殖质含量、胡敏酸含量和腐殖化系数,有利于堆肥腐殖化和稳定化;外源纤维素酶和菌剂可以降低C/N,提高发芽指数和各项腐殖化指标,促进了有机质降解,提高了堆肥质量。
2)厚壁菌门、绿弯菌门、变形菌门、放线菌门和芽单胞菌门是堆肥的主要菌门。2 mm处理组和同时具有纤维素酶与菌剂的处理组能通过促进功能菌增长,优化堆肥理化性质。
3)采用主成分分析法进行综合评价可得:纤维素酶和菌剂混配的促腐效果好于单一成分的外源添加剂,2 mm粒径可以增强添加剂的作用效果;T3组(2 mm粒径添加配比为2∶2的外源添加剂)综合评分最高,是最优堆肥处理。
-
表 1 土地利用类型与生态不可分割度得分的映射关系
Table 1. Mapping relationship between land use type and ecological indivisibility score
土地利用类型 基础分数 结构类型 修正系数 土地利用类型 基础分数 结构类型 修正系数 林地 100 有林地 1 耕地 31 水田 1 灌木林地 0.75 旱地 0.67 疏林地和其他林地 0.5 建筑用地 11 城镇建设用地 0.75 草地 60 高覆盖度草地 1 农村居民地 1 中覆盖度草地 0.75 其他建设用地 0.75 低覆盖度草地 0.5 未利用地 3 沙地 0.67 水域湿地 80 河流 0.5 盐碱地 1 湖泊(库) 0.75 裸土地 1 滩涂湿地 1 裸岩石砾 0.67 表 2 CRITIC法计算结果
Table 2. Calculation results of CRITIC method
考察项目 指标变异性 指标冲突性 信息量 权重系数 土地退化态势 0.239 2.604 0.622 22.87% 人口密度 0.069 2.802 0.195 7.16% 植被覆盖度 0.178 2.833 0.505 18.56% 生态不可分割度 0.446 3.133 1.398 51.41% 表 3 熵权法计算结果
Table 3. Calculation results of Entropy Weight TOPSIS method
考察项目 信息熵值e 信息效用值 权重系数 时间成本 0.817 7 0.182 3 89.96% 环境成本 0.979 6 0.020 4 10.04% -
[1] SULEMANA A, DONKOR E A, FORKUO E K, et al. Optimal Routing of Solid Waste Collection Trucks: A Review of Methods[J]. Journal of Engineering, 2018, 2018: 1-12. [2] SULEMANA A, DONKOR E A, FORKUO E K, et al. Effect of optimal routing on travel distance, travel time and fuel consumption of waste collection trucks[J]. Management of Environmental Quality:An International Journal, 2019, 30(4): 803-832. [3] ASSAF R, SALEH Y. Vehicle-Routing Optimization for municipal solid waste collection using genetic algorithm: the case of southern nablus city[J]. Civil and Environmental Engineering Reports, 2017, 26(3): 43-57. doi: 10.1515/ceer-2017-0034 [4] 樊莹莹. 高速铁路列车运行调整及时空稳态分析研究[D]. 北京: 北京交通大学, 2018. [5] 周祺森. 车辆路径问题的算法综述[J]. 甘肃科技纵横, 2020, 49(8): 75-77. doi: 10.3969/j.issn.1672-6375.2020.08.024 [6] 张艳梅, 姜淑娟, 陈若玉, 等. 基于粒子群优化算法的类集成测试序列确定方法[J]. 计算机学报, 2018, 41(4): 931-945. doi: 10.11897/SP.J.1016.2018.00931 [7] PELLERIN R, PERRIER N, BERTHAUT F. A survey of hybrid metaheuristics for the resource-constrained project scheduling problem[J]. European Journal of Operational Research, 2020, 280(2): 395-416. doi: 10.1016/j.ejor.2019.01.063 [8] Open Street Map funding(OSMF). Open Street Map [EB/OL]. [2021-05-12].https://www.openstreetmap.org/#map=4/36.99/104.15, 2021. [9] 高志海, 李增元, 孙斌, 等. 500m全球土地退化态势评价数据集(2000-2018)[M]. 北京: 全球变化科学研究数据出版系统, 2019. [10] 人口网. 中国人口密度分布地图. [EB/OL]. [2019-05-20]. https://www.renkou.org.cn/hot/pic/2019/0520/91714.html, 2021. [11] 穆西晗, 柳钦火, 阮改燕, 等. 中国-东盟1km分辨率植被覆盖度数据集[J]. 全球变化数据学报, 2017, 3(1): 45-51. [12] OSGeo中国中心. 中国土地利用在线地图[EB/OL]. [2020-02-14], https://www.osgeo.cn/map/m01ba, 2021. [13] ZHOU M, LIU X-B, YANG J-B, et al. Evidential reasoning approach with multiple kinds of attributes and entropy-based weight assignment[J]. Knowledge-Based Systems, 2019, 163: 358-375. doi: 10.1016/j.knosys.2018.08.037 [14] GOU X, XU Z, LIAO H. Hesitant fuzzy linguistic entropy and cross-entropy measures and alternative queuing method for multiple criteria decision making[J]. Information Sciences, 2017, 388: 225-246. [15] 中国环境监测总站, 环境保护部南京环境科学研究所, 上海市环境监测中心, 等. 生态环境状况评价技术规范: HJ 192-2015[S]. 北京: 中国环境科学出版社, 2015. -