-
当前，我国生态文明建设正面临“生态环境根本好转”和“碳达峰、碳中和”两大战略任务。基于环境污染和碳排放高度同根同源的特征，“协同推进减污降碳”已成为新发展阶段经济社会发展全面绿色转型的必然选择。2022年6月，生态环境部等7部门联合印发的《减污降碳协同增效实施方案》[1]，强化资源回收和综合利用，加强“无废城市”建设，突出工业、农业、城乡建设等重点领域固体废物减污降碳协同增效，推进固体废物污染防治协同控制。《2030年前碳达峰行动方案》[2]中指出，大力发展循环经济，全面提高资源利用效率，充分发挥减少资源消耗和降碳的协同作用。国内外关于减污降碳效益的研究表明，通过发展循环经济，加强废弃物管理措施，如减少各类废弃物的产生、加强其处置与资源化利用等可使全球碳减排10%~20%[3]。根据中国循环经济协会的测算，“十三五”期间，发展循环经济对我国碳减排的综合贡献率达到25%；同时，展望“十四五”以及到2030年碳达峰时，其综合贡献率预计分别将达到30%和35%[4]。
“无废城市”建设是以新发展理念为引领，通过推动形成绿色发展方式和生活方式，持续推进固体废物源头减量和资源化利用，将固体废物对环境影响降至最低的城市发展模式。开展“无废城市”建设试点是从城市整体层面深化固体废物综合管理改革和全面推动“无废城市”建设的有力抓手[5-7]。截至2020年底，首批开展试点的“11+5”城市和地区在模式和体系建设方面已取得初步成效[8]。徐州市作为传统工业城市的典型代表被纳入了国家首批“无废城市”建设试点城市，围绕固体废物减量化、资源化、无害化方面开展了积极探索，在生产和生活等领域形成了多项改革举措和经验做法。根据《“十四五”时期“无废城市”建设工作方案》[9]，到2025年我国将继续推动100个左右地级及以上城市开展“无废城市”建设，以实现减污减碳协调为总抓手协调推进工业、农业、生活领域绿色低碳发展，进一步强化对固体废物产生强度、综合利用水平以及无害化处置能力等关键指标的考核要求。同时，也需要结合碳达峰碳中和等国家重大战略，开展“无废城市”建设与碳减排潜力的评估工作，充分发挥减污降碳协同增效作用。
关于“无废城市”建设和固体废物领域碳排放量核算方法，国内外已开展了一系列相关研究。滕婧杰等[10]基于我国“无废城市”建设指标体系，分析国内外综合型指数构建方法并提出了我国“无废指数”的构建思路。张冰洁等[11]分析了我国一般工业固体废物产生及处置情况，提出了“碳中和”及“无废城市”背景下，一般工业固体废物环境管理的新策略。MOGHADAM等[12]通过Land-GEM和IPCC模型相结合研究了伊朗不同地区城市固体废物处理中心的温室气体排放情况。YAMAN等[13]使用Land GEM和废物减量模型 (Waste reduction model，WARM) 分析了达曼城市生活垃圾的温室气体减排和能源回收潜力。WUNSCH 和TSYBINA [14]基于联合国政府间气候变化专门委员会 (IPCC) 指南和垃圾填埋场日常运营中与城市固体废物 (municiple solid waste，MSW) 厌氧分解相关的温室气体排放协议的量化碳足迹的方法评估罗安达与MSW相关的碳足迹。结果表明，直接垃圾填埋场排放是温室气体核算的主要贡献。黄金碧和黄贤金 [15]运用灰色预测方法预测江苏省城市碳排放强度，分析江苏省城市碳减排潜力并提出江苏省城市低碳发展的对策措施。袁长伟等[16]采用IPCC碳排放核算方法和EIO-LCA模型测算陕西省碳排放并构建碳减排效应模型并且分析碳减排变化。孙建卫等[17]采用IPCC温室气体清单方法构建了碳排放核算的项目框架并且核算了中国历年的碳排放量。国内关于固体废物领域的碳减排研究，主要侧重固体废物填埋处理、固体废物生物处理和垃圾焚烧处理的直接碳排放，缺失源头减量和回收利用环节的间接温室气体减排效益，没有对源头减量、中端资源循环利用以及末端处置全链条碳减排效益的评价研究，相关的评价模型也较为缺少。因此，本研究将针对徐州市各领域固体废物从源头减量、中端和末端处置环节全过程，参考WARM模型采用排放因子法对其碳排放与减排量进行核算，全面评估“无废城市”试点建设期间碳减排综合效益，为推进“无废城市”建设与减污降碳协同增效提供参考。
-
本研究旨在核算徐州市“无废城市”试点建设期间的碳减排效益，研究范围从时间、过程以及领域等3个方面进行界定，详见图1。时间范围以2018年基准年至2020年目标年作为试点建设期间；固体废物处置过程考虑了源头减量、中端回收以及末端处置等全部环节。本研究中源头减量是指生产和消费过程中减少废物产生量的措施；中端回收利用是指厌氧消化、堆肥、还田以及资源回收等过程；末端处置是指填埋、焚烧以及简易处置等过程。固体废物产生源考虑了全市城乡生活、农业以及工业等各领域的各类废弃物。其中，城乡生活领域包含生活垃圾、再生资源、建筑垃圾和市政污泥；农业领域包含秸秆、畜禽粪便、废农膜；工业领域包含了粉煤灰、炉渣、煤矸石等一般工业固体废物以及危险废物。
-
根据徐州市“无废城市”建设试点方案以及成效总结等相关资料[18-20]，参考我国固体废物分类体系[21]，整理出2018年和2020年全市各类固体废物产生量与处置量清单，以此作为碳排放量核算的基础数据，如表1所示。为了清晰、直观地表示表1中内容，图2以物质流图形展示了徐州市“无废城市”试点建设期间各领域固体废物产生及处置量的变化情况。
-
1) 固体废物领域碳减排模型。有关固体废物管理碳减排核算方法及模型，目前较为常用的有IPCC制定的针对国家层面固体废物处理处置设施直接现象的清单指南，但主要核算范围包括城市及工业领域固体废物末端处置环节的碳排放，并未考虑源头减量、资源循环利用和回收再生的间接温室气体减排效益。因此，IPCC指南废弃物部门所给的计算边界难以全面反映固体废物管理的温室气体减排贡献和潜力。美国环境保护署研发的WARM模型，其特点主要在于不仅适用国家或地区、城市层面，而且处置环节考虑的较为全面，可为61种废弃物提供了源头减量、回收、堆肥、燃烧、填埋等环节的直接和间接温室气体排放量，同时也具有可根据本国废物类型和处置方式改进后进行本土化应用等特征。基于上述考虑，采用WARM模型可为徐州市“无废城市”试点建设减污降碳效益提供核算依据。
2) 碳排放及减排核算。本研究参考WARM模型框架，依据我国固体废物产生来源和管理的特点，对测算模型进行了拓展，并从相关文献资料[22-42]中获取排放因子进行数据补充。碳排放量核算基本方程是固体废物源头减少 (增加) 量或固体废物处置量乘以排放因子，也称排放因子法，具体的碳排放总量M计算公式如式(1)所示。
式中：fn为全生命周期中各环节的碳排放系数，t CO2eq∙t-1；mn为源头减 (增) 量/各环节处置量，t。
本研究中，f1为源头减量碳排放系数，即单位固体废物产生时，包括加工及运输等环节的碳排放量，即与基准年相比，目标年固体废物在源头产生量的减少相应的碳排放系数。fn (n=2,3….8)为处置环节的碳排放系数，包括固体废物运输、处置过程中的碳排放量，抵消所产生的能源、肥料、材料等避免的碳排放量。其中，f2为厌氧消化环节碳排放系数，f3为堆肥环节碳排放系数，f4为还田环节碳排放系数，f5为回收利用环节碳排放系数，f6为填埋处置环节碳排放系数，f7为焚烧处置环节碳排放系数，f8为简易处置环节碳排放系数。
不同种类固体废物在上述环节中的碳排放系数选取参照WARM模型以及文献调研，具体取值见表2。
3) “无废城市”建设与碳减排效益。本研究中碳减排效益是以2018年作为基准年计算出2020年目标年的碳减排效益。计算内容包括，“无废城市”试点建设期间固体废物源头减量产生的碳减排效益以及通过中端利用和末端处理处置过程的碳减排效益。具体公式如式(2)所示。
式中：∆M1为2018年至2020年期间各类固体废物源头减量环节的碳减排量，t CO2eq；∆E为基准年和目标年固体废物吨处理处置碳减排量的差值，t CO2eq；m目标年为2020年固体废物处置总量，t CO2eq。
-
1) 源头减量情况。2018年和2020年各领域固体废物的产生量分别为5 347.8×104和4 715.0×104 t，“无废城市”试点建设期间源头减量率达到11.83%。城乡生活领域固体废物产生量共减少了522.3×104 t。其中，建筑垃圾源头减量的贡献最大，占62.27%。主要是建筑领域推广了集BIM技术、装配式建筑以及超低能耗被动房为一体的示范项目等，促进了建筑垃圾产生量的降低；农业领域固体废物共增加了29.9×104 t，其中以农业秸秆的增加为主；工业固体废物产生量共减少了140.4×104 t，源头减量率达到11.98%。徐州市在“无废城市”试点建设期间，工业领域主要采取对传统固体废物产生密集型产业转型升级，降低了工业固体废物产生强度，从而减少了工业固体废物的产生量。
2) 资源化利用与末端处置情况。在城乡生活领域，2018年与2020年厌氧消化、堆肥以及资源回收等中端资源化利用量占比分别为15.64%和12.27%，降低了3.37%。末端处置量的占比从84.36%提高至87.73%，说明城乡生活领域的中端资源化回收利用率还有较大提升空间，需要进一步提高；在农业领域，2018年中端资源化回收利用量占比为87.04%，末端处置量占比为12.96%，到2020年这2个值分别达到95.81%和4.19%，表明中端回收利用效果明显，主要归功于2点：首先，规模化养殖提高了其畜禽粪便综合利用率，秸秆收储场所用地政策的制定以及一般农用地收储转运中心建设促进了秸秆的综合利用；其次，在工业领域，2018年和2020年中端回收利用量占比分别为99.34%和99.49%，末端处置量占比则分别为0.66% 和0.51%，这说明徐州市工业领域固体废物处置与资源化利用体系未形成大的变化。
-
根据徐州市2018年和2020年各领域固体废物产生量变化及相应固体废物源头产生碳排放系数，利用式(1)计算获得各类固体废物源头减量的碳排放情况，如图3所示。徐州市在“无废城市”试点建设期间，通过固体废物的源头减量，各领域固体废物累计实现碳减排1 531.3×104 t CO2eq。其中，碳减排量最大的是工业领域，为837.3×104 t CO2eq，其次是城乡生活领域的712.8×104 t CO2eq。工业领域取得的碳减排效果得益于“无废城市”试点建设期间对传统工业固体废物产生企业进行了绿色转型升级，减少了炉渣、尾矿、粉煤灰等一般工业固体废物产生量。城乡生活领域碳减排量则由除生活垃圾以外的固体废物贡献，其中碳减排量较大的是电子废物、废钢铁以及废纸等再生资源。可以看出，再生资源产业规模化发展及综合利用率的提升，减少了相关固体废物产生的同时也是源头上减少碳排放。由于生活垃圾产生量有所增加，期间即便增加了焚烧比例，碳排放量仍有41.3×104 t CO2eq，还有较大的碳减排空间。农业领域则由于农作物种植与畜禽养殖规模的扩大致使秸秆和畜禽粪便碳产生量增大，对应增加了19.4×104和2.4×104 t CO2eq的碳排放量，仅有废农膜则减少碳排放3.0×104 t CO2eq。
-
根据徐州市2018年和2020年城乡生活领域各类固体废物处置量与表2中碳排放系数，利用式(1)计算获得城乡生活领域固体废物处置环节的碳排放情况，结果如图4所示。城乡生活领域固体废物处置中端环节包括厌氧消化、堆肥及资源回收，末端环节包括填埋、焚烧和简易处置等方式。从分析结果中能明显看出，城乡生活领域的碳排放主要来自固体废物的填埋，通过填埋处置的固体废物主要为生活垃圾和建筑垃圾，并且2020年生活垃圾填埋量的减少是促进碳排放量的下降的主要因素。综合而言，2018年和2020年城乡生活领域固体废物处理处置环节全年碳减排总量分别达到570.8×104和209.3×104 t CO2eq，碳减排量的降低主要来自于废钢、废纸、废电池和建筑垃圾等主要中端环节资源回收量的减少。此外，2020年生活垃圾焚烧量的增加也促进了碳减排5.3×104 t CO2eq。由此可知，末端处置中填埋是城乡生活领域固体废物产生碳排放的主要源头。因此，通过提高中端资源回收率来促进碳减排，这也是城乡生活领域减污降碳的重要措施。
-
根据徐州市2018年和2020年农业领域固体废物处置量与表2中碳排放系数，利用式(1)计算获得农业领域固体废物处置环节的碳排放情况，结果如图5所示。农业领域固体废物处置中端环节包括，厌氧消化、堆肥、还田以及再生资源化利用，末端处置包括填埋及简易处置等方式。结果显示，碳排放量主要来自中端环节畜禽粪便堆肥、少量厌氧消化以及末端环节的简易处置，2020年畜禽粪便堆肥量的增加导致碳排放比2018年增加了42.0×104 t CO2eq，而简易处置量的减少获得相应的碳排放量的降低。碳减排量主要来自中端秸秆还田及再生资源化利用环节，试点建设期间还田量有所增加，而资源化利用量有所减少。此外，2018年农业固体废物综合利用与处置环节全年减排量达到38.3×104 t CO2eq，而到2020年非减反增，碳排放量增加了1.8×104 t CO2eq。综上所述，堆肥是农业领域碳排放的主要源头，同时秸秆还田以及再生资源化利用会带来碳的减排量，因此可作为农业领域减排降碳的主要措施。
-
根据徐州市2018年和2020年工业领域各类固体废物处置量与表2中碳排放系数，利用式(1)计算获得工业领域固体废物处置环节的碳排放情况，结果如图6所示。徐州市工业领域固体废物处置包括中端环节再生资源化利用，末端环节焚烧这2种方式，碳排放主要来自于危险废物焚烧过程。综合来看，2018年和2020年徐州市通过工业领域处理处置环节碳减排量分别达到1 014.6×104和1 309.9×104 t CO2eq。冶炼废渣、粉煤灰、炉渣和煤矸石等均有较好的资源回收属性。其中，冶炼废渣的碳减排量最大，约占2020年减排量的60%。因此，加快推进传统工业的绿色低碳转型发展，提升工业固体废物资源化利用水平将带来较大程度的碳减排量。
-
根据式(2)，徐州市“无废城市”试点建设期间的碳减排效益，包含源头减量碳减排效益以及通过固体废物处置过程效率的提升碳减排效益2个部分。2.1节结果显示，徐州市在2020年通过源头减量各领域固体废物产生量实现碳减排效益1 531.3×104 t CO2eq。通过比较各领域固体废物中端和末端处理处置过程碳减排综合效率可知，吨处理固体废物碳减排量从2018年的0.29 t CO2eq提高到2020年的0.31 t CO2eq，其中主要贡献来自于工业领域 (图7) 。综合来看，徐州市在2018-2020年通过“无废城市”试点建设，从源头减量、中端资源化以及末端处置全过程实现碳减排效益1 606.6×104 t CO2eq。总体而言，徐州市“无废城市”试点建设产生了较好的减污降碳协同效益；同时发现，当前源头减量环节对碳减排效益的贡献最大，而中端资源化利用和末端处置带来的效益有待进一步提高，这有利于全面发挥减污降碳协同增效作用。
-
1) 徐州市在“无废城市”试点建设期间，通过源头减量各类固体废物产生量实现碳减排量1 531.3×104 t CO2eq，其中工业领域固体废物源头减量最大，其次是城乡生活领域。这说明，徐州市对工业领域传统工业固体废物产生企业绿色转型升级以及对城乡生活领域再生资源产业规模化发展获得了较好的源头降碳效益。
2) 各领域固体废物中端与末端处置环节碳排放分析结果显示，城乡生活领域通过提高资源再生行业回收利用率以及控制生活垃圾和建筑垃圾填埋量，农业领域通过减少畜禽粪便的堆肥，转而发展其它资源化利用方式，工业领域通过进一步提升各类工业固体废物的资源回收利用率，可作为徐州市碳减排的重要措施。
3) 徐州市在“无废城市”试点建设期间，通过源头减量以及固体废物中端与末端处置过程效率的提升，实现碳减排效益1 606.6×104 t CO2eq。其主要贡献来自源头减量带来的效益，而中端与末端处置环节的碳减排效益还存在提升空间。
“无废城市”试点建设与碳减排效益分析：以徐州市为例
Benefit analysis of carbon emission reduction in the pilot construction of “zero-waste city”: a case study in Xuzhou, China
-
摘要: “无废城市”建设是深化固体废物综合管理改革，实施减污降碳协同增效，助力实现碳达峰、碳中和战略的重要抓手。针对徐州市“无废城市”试点建设期间城乡生活、农业及工业等领域各类固体废物，参考WARM模型并采用排放因子法从源头减量至中端和末端处置环节的碳排放情况进行了全面核算，系统评估了徐州市“无废城市”试点建设与碳排放效益。结果表明，试点建设期间通过源头减量各类固体废物产生量，实现碳减排量1 531.3×104 t CO2eq，其中工业领域固体废物源头减量贡献最大。各领域固体废物处置环节中，通过提高资源再生利用率、控制城市固体废物的填埋量、减少畜禽粪便的堆肥以及提升工业固体废物的资源回收利用是徐州市碳减排的重要措施。全市在试点建设期间实现碳减排效益1 606.6×104 t CO2eq，总体上获得了较好的减污降碳协同效益。本研究结果可为推进“无废城市”建设与减污降碳协同增效提供参考。Abstract: The construction of “zero-waste zity” is an important policy to deepen the solid waste management reform, implement the synergetic control of environmental pollution and carbon emissions, and help achieve the carbon neutrality and emission peak. In this paper, the carbon emissions of solid wastes, focusing on urban and rural life, agricultural waste and industrial waste, were comprehensively accounted by the WARM model as well as the emission factor method from source reduction to mid-end utilization and terminal disposal. The benefits of carbon emission reduction were also systematically evaluated during the construction period of “zero-waste zity” in Xuzhou city. The results indicated that the carbon emission reduction reached 15.31 million tons CO2eq through the source reduction of solid waste, of which the source reduction of the industrial solid waste contributed the most. It was an important measure to reduce carbon emissions by improving the recycling rate of resources, controlling the landfill volume of municipal solid waste, and decreasing the composting of manure during the disposal and utilization of solid waste. Xuzhou city achieved a carbon emission reduction benefit of 16.07 million tons CO2eq, and generally obtained a better synergetic control of environmental pollution and carbon emissions. The results in this research might provide some reference for promoting the construction of “zero-waste zity” and synergizing the reduction of pollution and carbon emissions.
-
Key words:
- zero-waste city /
- carbon emission reduction /
- solid waste disposal /
- synergies
-
伴随经济的快速发展，环境问题日益突出，大气污染尤为严重 [1]. 大气污染受人类活动影响较大，当大气污染物浓度升高到一定程度，就会破坏生态系统和人类正常生存条件. 近年来，中国许多城市都受到大气污染的困扰，特别是在京津冀地区、长三角地区等经济发达地区[2]. 另外，当空气中大气污染物浓度较高时，人体可能出现呼吸系统疾病，心脑血管疾病、肺癌等[3].
新型冠状病毒肺炎（COVID-19）疫情于2020年春节前夕爆发，并快速在全国范围内传播. 2020年1月23日到1月29日，各省陆续启动公共卫生一级响应，实行全面居家隔离政策有效降低了病毒的传播几率[4]. 虽然疫情防控使经济发展受到一定影响，但大气质量得到改善[5]. 自疫情爆发以来，许多学者对居家隔离政策下的大气状况和空气质量进行了一系列研究，艾文育等[6]发现济南市NO2浓度下降幅度最大，社会活跃指数呈阶梯状下降；余锋等[7]发现关中盆地空气质量整体得到改善，除O3以外的污染物浓度均出现不同程度的下降；潘勇军等[8]发现广州市大气污染物浓度除O3外大幅度下降，O3成首要污染物.
兰州市作为中国西北地区重要的工业重镇和交通枢纽，大气污染源分布较多；再加上地形封闭，大气扩散条件较差，空气质量下降的风险较大[9]. 疫情防控为比较全面地分析研究兰州市大气污染的时空变化规律和成因创造了良好的机会，本文利用2020年、2021年监测站点数据以及卫星数据，从时间上和空间上对兰州市疫情期间大气污染物变化进行分析，并利用Pearson相关系数法分析6种大气污染物之间以及气象因素之间的关系，为今后兰州市大气污染防控工作开展提供科学依据.
1. 材料与方法（Data and methodology）
1.1 研究区概况
兰州市地处中国西北地区，是甘肃省省会，下辖城关区、七里河区、西固区、安宁区、红古区的5个区，永登县、榆中县、皋兰县的3个县，总面积1.31 × 104 km2 （见图1）. 兰州平均海拔约为1520 m，榆中县南部和永登县西北部的落基山区海拔均超过3000 m. 黄河自西南流向东北，横穿全境，形成峡谷与盆地相间的串珠形河谷. 兰州属温带大陆性气候，年平均气温10.3 ℃，夏无酷暑，冬无严寒. 兰州市常住人口数约436万人，其中城关区常住人口数最多，占34.04%. 从2016年开始兰州市机动车保有量持续稳定增长，截止2021年，机动车保有量为116万多辆，其中私家车约占60%. 兰州市地区总产值逐年增高，第二产业常年占比30%以上，兰州市的工业主要包括石油化工产业、有色冶炼和黑色金属产业、装备制造业、建材产业、烟草和食品产业、生物医药产业等.
1.2 数据来源
本研究所使用的空气质量数据，来自中国环境监测总站的全国城市空气质量实时发布平台，监测站点分布如图1 所示，主要监测的污染物有6种，分别是PM2.5 、PM10 、SO2、CO、NO2 和 O3，对其质量浓度进行监测，可以得到每天的空气质量状况. 行政边界矢量数据来自1∶100万全国基础地理数据库. 遥感影像数据来源于European Space Agency的Sentinal-5P卫星，是一颗于2017年10月13日发射的全球大气污染监测卫星，运行在太阳同步轨道，高度824 km，倾角98.742°，重访周期17 d，每日覆盖全球各地，成像分辨率达7 km ×3.5 km，直接利用其L2数据产品，获取2020年、2021年各阶段的气溶胶、NO2、SO2、CO、O3的空间浓度分布情况.
1.3 研究方法
根据我国发布的《抗击新冠肺炎疫情的中国行动》，将2020年1—4月兰州市疫情防控时期分为4个阶段：疫情传播前期（第一阶段），1月1日—1月19日；全面抗疫阶段（第二阶段），1月20日—2月20日；社会生产恢复阶段（第三阶段），2月21日—3月17日；防疫稳固阶段（第四阶段），3月18日—4 月18日. 首先，将2020年兰州市PM2.5、PM10、NO2、SO2、CO、O3的质量浓度沿抗疫时间尺度进行分析；其次，对6种大气污染物的空间分布特征进行分析；另外，利用spss对各种污染物进行Pearson相关分析. 最后，对兰州市2021年10月突发疫情防控阶段的大气污染物浓度变化情况进行分析；根据兰州市发布的相关防疫政策，将2020年10月兰州市疫情防控时期分为两个阶段：10月2日—10月25日作为防控前期，10月26日—11月18日作为应急防控期；在10月26日以后，兰州市大量高校封校、中小学停课，部分小区实行封闭管理，人类活动减少，并在11月18日以后逐渐回复正常.
2. 结果与讨论（Results and discussion）
2.1 疫情期间大气污染物浓度时空分布
2.1.1 2020年疫情期间大气污染物时间变化
2020疫情期间，PM2.5、NO2、SO2、CO质量浓度均呈下降趋势，而PM10、O3呈上升状态（见图2），并且与2018、2019年同时期的变化趋势保持一致. 其中，PM2.5与NO2质量浓度在进入全面抗疫阶段（第二阶段）后，下降幅度最大，PM2.5由61.63 μg·m−3下降到49 μg·m−3，下降了20.49%，而NO2由67.52 μg·m−3下降到49.03 μg·m−3，下降了27.38%. CO、SO2平均浓度随着疫情的发展，一直保持下降趋势，CO、SO2浓度整体从2018年开始逐年递减，2020年二者浓度均比历年低；PM10平均浓度在进入全面抗疫阶段（第二阶段）后，有小幅度下降，仅下降了7.98%，PM10受气候影响较大，兰州市地处西北，多大风沙尘天气，再加上处于采暖期，排放较大，冬季大气扩散条件差，造成PM10浓度保持上升趋势. O3平均浓度随着疫情发展，一直保持上升状态，并且在进入第二阶段后，浓度提升幅度最大，提升了近76.25%（见表1）. 另外，2020年疫情防控期间与2018、2019年同期相比，O3浓度变化最大，上升了34.2%,其次是SO2浓度，下降了26.8%；PM10与CO平均浓度变化幅度也较明显，分别下降了15%、17.8%（见表2）.
图 2 2020年疫情防控时期与2018、2019年同期污染物平均浓度变化情况Figure 2. The epidemic prevention and control period in 2020 corresponds to the change of average pollutant concentration in the same period in 2018 and 2019表 1 2020年疫情防控时期污染物浓度变化情况Table 1. Change of pollutant concentration in four stages in 2020污染物Pollutants 第一至第二阶段Phase one to phase two 第二至第三阶段Phase two to phase three 第三至第四阶段Phase three to phase four PM2.5 −20.49% −22.14% +1.15% PM10 −7.98% +12.68 +13.04 NO2 −27.38% −2.81% −8.33% SO2 −3.95% −26.85% −23.15% CO −16.86% −28.98% −17.34% O3 +76.21% +11.61% +5.47% 注：计算公式为（后阶段-前阶段）/ 前阶段，即变化率. （阶段划分依据见研究方法）. Note: The calculation formula is （latter stage - former stage）/former stage, that is, the rate of change. | Show Table
DownLoad:
CSV
表 2 2020年第二阶段（全面抗疫阶段）与2018、2019年同期污染物平均浓度比较Table 2. Comparison of the average pollutant concentration in the second phase （comprehensive containment phase） of 2020 with the same period in 2018 and 2019污染物Pollutants 第二阶段The second stage 2018、2019年同期The same period in 2018 and 2019 与2018、2019年同期比较Comparison with the same period in 2018 and 2019 PM2.5/（μg·m−3） 49 48.71 0.595% PM10/（μg·m−3） 88.1 103.75 −15.08% NO2/（μg·m−3） 49.03 52.13 −5.95% SO2/（μg·m−3） 22.34 30.52 −26.8% CO/（mg·m−3） 1.38 1.68 −17.8% O3/（μg·m−3） 92 68.55 34.2% | Show TableDownLoad:
CSV
2.1.2 2020年疫情期间大气污染物空间分布
气溶胶颗粒包含PM2.5、PM10, 可利用气溶胶光学厚度（AOD）来反映PM2.5、PM10的平均浓度的空间分布特征. 由图3可知，兰州市2020年疫情期间AOD整体偏高，低浓度区域面积较小，高浓度区域面积分布较广，在红古区、西固区、安宁区、城关区、七里河区以及榆中县西侧等人口密集区变化幅度较大。在进入全面抗疫阶段（第二阶段）后，高浓度区域面积明显减小，在防疫稳固阶段（第四阶段）恢复正常. 兰州市地处西北，风沙源物质丰富，春季地面植被覆盖不足，大风沙尘天气偏多[10]，另外疫情期间，北方处于采暖期，各种污染物排放增多，加上冬季大气扩散条件差[11]，逆温效应多，所以就造成PM2.5、PM10浓度在冬季偏高.
图 3 2020年疫情防控时期AOD空间分布Figure 3. Spatial distribution of AOD in the epidemic prevention and control period in 2020由图4可知，兰州市NO2浓度空间分布呈现中部高, 边缘低, NO2质量浓度高的区域面积并不大, 主要集中在5个主城区人口密集处. 在进入全面抗疫阶段（第二阶段）后, 推行居家隔离政策, 社会正常运转受到干扰, 交通受阻,工厂大规模停工[6]，NO2浓度大面积减少。虽然高浓度集中在城关区、安宁区、七里河区北边, 但相较于管控前, NO2浓度明显降低. 随着确诊病例逐渐减少, 工厂陆续开工, 社会生活逐步恢复, 人为排放量逐步回升[6]. 由图5可知，2019年同期阶段, 没有疫情影响, 人为因素并未发生显著变化, 引起NO2浓度变化的主要原因为气象条件[12], 浓度分布特征由主城区人口密集处向周围递减. 2020全面抗疫阶段（第二阶段）与2019年同期对比，NO2浓度受人类活动影响比较大. 由图6可知，CO浓度分布与NO2相似，人类活动所使用的燃料，在不完全燃烧时，均可产生CO[13]，CO主要集中在西固区、安宁区、城关区、七里河区等人口密集地区，边缘人烟稀少地区CO浓度较低. 另外，交通污染源也是CO重要来源[10]，所以在进入第二阶段后，居民出行减少，CO浓度得到下降，高浓度区域面积明显减小.
图 4 2020年疫情防控时期NO2浓度空间分布Figure 4. Spatial distribution of NO2 in the epidemic prevention and control period in 2020
图 5 2020年第二阶段对应的2019年同期NO2浓度空间分布Figure 5. The second stage in 2020 corresponds to the spatial distribution of NO2 concentration in the same period in 2019兰州市SO2浓度空间分布较均匀，西侧比东侧略高（见图7），在第一阶段（疫情传播前期），兰州市整体SO2浓度偏高，在进入第二阶段（全面抗疫阶段）后，SO2浓度高浓度减少，分布得更均匀，整体平均浓度略有下降. 兰州拥有兰化、兰炼等企业，工业排放问题较突出，历年兰州SO2浓度在1月、12月最高[14]，在第二阶段，大量工厂停产，排放的SO2减少，但是SO2浓度并没有大幅度下降，而是从第三阶段开始下降，在第四阶段SO2浓度最低，因为冬季温度低，大气扩散条件差，产生的大量SO2并不能快速的扩散.
图 6 2020年疫情防控时期CO浓度空间分布Figure 6. Spatial distribution of CO in the epidemic prevention and control period in 2020
图 7 2020年疫情防控时期SO2浓度空间分布Figure 7. Spatial distribution of SO2 in the epidemic prevention and control period in 2020臭氧一直是大气污染物里比较特别的存在，短时间内受人为影响不大，大气臭氧总含量随高度、纬度、季节、天气条件变化而变化. 大气臭氧在大气层中进行着循环式流动，低纬地区的平流层（特别是赤道）在太阳紫外线辐射的作用下，形成一个臭氧源区，随着大气环流向高纬地区传输. 另外，研究表明，青藏高原在夏季时被热力作用的南亚高压所控制，进行大量的对流活动，垂直方向上气流速度较大，可以将对流层低空臭氧输送到平流层，随着大气环流向低海拔地区传输[15].
臭氧受辐射影响较大，温度越高，浓度越高，一般在夏季达到峰值[16]. 由图8 可知，兰州市臭氧浓度随着纬度的升高而增加、随着海拔的递增而减少，呈现出“西南低、东北高”的分布特征. 随着疫情的发展，从1月1日—4月18日，温度逐渐上升，臭氧整体平均浓度上升，低浓度区域面积减小，短暂的人类活动并未使臭氧浓度发生较大变化.
图 8 2020年疫情防控时期O3浓度空间分布Figure 8. Spatial distribution of O3 in the epidemic prevention and control period in 20202.1.3 2021年疫情期间大气污染物时间变化
2021年10月18日，甘肃兰州出现新冠阳性，10名被检者立即转入兰州市肺科医院进行隔离管控；主城区立即启动应急大规模核酸检测；这次疫情事发突然，涉及地区广泛，政府于10月25日发布通告，自10月26日起，在兰州的所有党政机关、人民团体、企事业单位、社会组织等实行居家办公办学模式，广大干部职工和市民非必要坚决不外出，部分中高风险小区实行封闭管理.
自2019年武汉新冠疫情以来，这是兰州实行的第二次大规模居家隔离政策. 对兰州市6种大气污染物浓度进行每日监测，从2021年10月18日起，至2021年11月23日（见图9）. 将2021年兰州应急防控时期与2020年同期对比，由统计结果可知，除O3以外，PM2.5、PM10、SO2、NO2、CO整体在2021年均比2020年低（见表3），且变化趋势基本保持一致；其中在11月5日出现的降温并伴随大风的天气，使得大气污染物得到扩散，PM2.5、PM10、SO2、NO2、CO浓度均下降，与2020年同期不一致，并在11月16日前浓度比2020年同期低得多. 在这次应急防控期间，工厂保持“不停工不停产”，使得SO2浓度并未受到较大影响，从2021年10月18日开始，到11月3日，保持稳定趋势，从11月4日开始，保持上升趋势.
图 9 2021年应急防控期与2020年同期污染物浓度变化监测Figure 9. Monitoring of pollutant concentration changes during the emergency prevention and control period in 2021 and the same period in 2020表 3 2021年应急防控期与2020年同期污染物平均浓度比较Table 3. Comparison of the average pollutant concentration between the emergency prevention and control period in 2021 and the same period in 2020污染物Pollutants 2021年应急防控期2021 epidemic control phase 2020年同期The same period in 2020 与2020年同期比较Comparison with the same period in 2020 PM2.5/（μg·m−3） 36 43.3 −16.86% PM10/（μg·m−3） 71.38 106.25 −32.82% NO2/（μg·m−3） 44.04 61.92 −28.88% SO2/（μg·m−3） 12.29 18 −31.72% CO/（mg·m−3） 0.76 1.14 −33.33% O3/（μg·m−3） 75.5 68 11.02% | Show TableDownLoad:
CSV
2.1.4 2021年疫情期间大气污染物空间分布
2021年应急防控时期，人类活动中的汽车尾气排放大幅度减少，对大气污染物中的NO2、CO影响最大，利用卫星数据对2021年10月兰州市应急防控时期NO2、CO浓度作空间分布图（见图10）. 由结果可知，CO、NO2浓度大幅度下降，NO2高浓度区域面积减少最多，除城关区、安宁区，其余主城区NO2浓度明显减少，NO2高浓度范围由城关区、安宁区等人口密集地区向四周边缘地区缩减；CO分布面积未明显减小，但是整体浓度明显降低，在实行居家办公办学后，人口密集的主城区CO浓度明显减少，由于工厂并未停工，西固区等核心工业区的CO仍大量存在.
图 10 2021年疫情防控时期NO2、CO浓度空间分布Figure 10. Spatial distribution of NO2 and CO concentrations during epidemic prevention and control in 20212.2 污染物间及与气象因素相关性分析
各种大气污染物之间存在一定的联系，并且它们与气象因素之间也存在一定联系，对它们之间进行相关性分析尤为重要. 利用SPSS对兰州市6种大气污染物在2020年四个阶段的浓度数据以及对应阶段的气象因素进行Pearson相关分析，分析结果见表4、表5. 通常把Pearson相关系数中0—0.2分为无相关，0.2—0.4分为弱相关，0.4—0.6分为相关，0.6—0.8分为强相关，0.8—1.0分为极相关[17].
表 4 6种大气污染物相关性分析Table 4. Correlation analysis of 6 kinds of air pollutants污染物Pollutants PM2.5 PM10 CO NO2 SO2 O3 PM2.5 1 0.402** 0.781** 0.672** 0.639** −0.512** PM10 1 −0.04 0.085 0.01 0.047 CO 1 0.864** 0.829** −0.481** NO2 1 0.757** −0.307** SO2 1 −0.265** O3 1 **在 0.01 级别（双尾），相关性显著；n=109. ** At level 0.01（double tail）, the correlation was significant. n=109 | Show TableDownLoad:
CSV
表 5 6种大气污染物与气象因素之间相关性分析Table 5. Correlation analysis between 6 kinds of air pollutants and meteorological factors气象因素Meteorological factors PM2.5 PM10 NO2 SO2 CO O3 平均温度 −0.368** −0.275** −0.398** −0.314** −0.412** 0.703** 湿度 −0.384** −0.228* −0.133** −0.231** −0.264** −0.671** 风速 −0.176** −0.245* −0.298** −0.310** −0.326** 0.317** 气压 −0.089 −0.102 −0.212* −0.149 −0.094 −0.132 *在 0.05 级别（双尾），相关性显著；**在 0.01 级别（双尾），相关性显著；n=109. *At level 0.05（double tail）, the correlation was significant. ** At level 0.01（double tail）, the correlation was significant. n=109. | Show TableDownLoad:
CSV
由分析结果可知，PM2.5与PM10、CO、NO2、SO2均呈正相关，与O3呈负相关；其中PM2.5与CO、NO2、SO2均呈强相关，相关系数分别为0.781、0.672、0.639，说明PM2.5、CO、NO2、SO2具有同源性，PM2.5浓度与CO、NO2、SO2浓度变化具有协同性，另外SO2、NO2是气溶胶的重要前体物，所以NO2、SO2也可反映PM2.5的来源[18]. CO与NO2、SO2表现出极强的正相关，相关系数为0.864、0.829，证明CO与NO2、SO2有着极强的协同性；CO与NO2主要集中在人口密集的主城区，人类汽车尾气排放可生成大量的CO、NO2；另外，SO2与NO2也呈正相关，相关系数为0.757，SO2主要来自化石燃料燃烧，所以工厂排放等人类活动影响二者浓度变化. O3与PM2.5、PM10、NO2、SO2、CO均呈负相关，O3受太阳辐射影响较大，当大气中颗粒物含量上升，紫外线辐射减少，不利于O3的生成，O3浓度随之下降[19]. 气象因素对大气环境也会造成影响，由表5可知，平均温度与PM2.5、PM10、NO2、SO2、CO、O3均呈现相关性；其中O3与温度呈现强相关性，相关系数为0.703，温度升高有利于加强对流层光化学反应，促进O3的生成[20]；另外，平均温度与PM2.5、PM10、NO2、SO2、CO均呈负相关，温度升高，大气热力条件加强，加速大气运动，使得大气扩散条件增强，有利于扩散大气污染物，降低区域内污染物浓度[21]. 湿度与PM2.5、PM10、NO2、SO2、CO、O3均呈负相关，其中湿度与O3表现极强的负相关，相关系数为0.671，当空气中湿度增加，水蒸气饱和度较高，空气中水汽所含的自由基H、OH等能够迅速将O3分解为O2，从而降低O3浓度[22]，同时影响PM2.5、PM10、NO2、SO2、CO等污染物的生成. 风速与PM2.5、PM10、NO2、SO2、CO均呈负相关，仅与O3呈正相关；风速对污染物的传输具有重要影响，可以反映污染物的清除效率[23]，在风速较高时，大气污染颗粒物得以扩散，PM2.5、PM10、NO2、SO2、CO浓度降低，另外风速高，有利于光化学反应的进行，O3得以生成，浓度提高，但是当风速过高时，不利于O3前体物的堆积，O3的浓度反而降低. 而且，由表5可知，气压对于兰州市的6种污染物的影响较小.
3. 结论（Conclusion）
疫情期作为一个特殊的“减排期”，对区域的大气污染产生了明显的改善效果. 本文基于监测站点数据和卫星遥感数据，运用了数学统计和空间分析等方法对兰州市疫情期间的大气污染物浓度变化进行了分析，得出如下结论：
（1）2020年新冠疫情爆发期间，兰州市PM2.5、NO2浓度在进入第二阶段下降幅度最大，SO2含量较2018、2019年减少最多. 同时O3浓度呈阶梯式上升，成为疫情期间首要污染物；PM10浓度在进入第二阶段有小幅度下降，后又呈上升状态.
（2）2020年疫情期间不同污染物的空间分布变化也存在差异. PM2.5与PM10始终呈“西北高东南低”；NO2与CO浓度主要集中在主城区人口密集处，与2018、2019年NO2、CO同期比较，平均浓度分别下降了5.95%和17.8%，高浓度区域面积随着汽车使用量减少而明显减少，二者受人类活动影响较大. SO2高浓度区域面积随着大量工厂停工而减少；O3浓度一直随着纬度的升高而增加，随海拔的升高而减小，受人类影响较小.
（3）CO与NO2、SO2相关性极强，表明兰州市大气污染物中CO、SO2、NO2的来源相似，与工厂排污、汽车尾气排放密切联系. PM2.5与CO也要较强相关性，说明兰州市大气污染中PM2.5与CO的贡献具有协同性. 气象因素中，温度、湿度、风速对大气污染影响较大，与PM2.5、PM10、NO2、CO、SO2均呈负相关；温度、风速与O3呈正相关，湿度与O3呈负相关.
（4）2021年10月实行的居家政策，使人类活动减少，NO2、CO大幅度减少，分布范围缩小，也导致PM2.5浓度大幅度下降；另外，由于一些主要的大型工业企业并未停工，SO2浓度与PM10、O3一致，并未明显下降.
-
图 2 2018年和2020年固体废物产生及处置量对比
Figure 2. Comparison of solid waste discharge and disposal amounts in 2018 and 2020
图 4 城乡生活领域固体废物中端与末端处置环节碳排放
Figure 4. Carbon emission during the disposal and resource utilization of the solids from the urban and rural life
图 5 农业领域固体废物中端与末端处置环节碳排放
Figure 5. Carbon emission of disposal and resource utilization in the agricultural waste
图 6 工业领域中端与末端处理处置环节碳排放
Figure 6. Carbon emission of disposal and resource utilization in the industrial solid waste
图 7 2018年和2020年徐州市处理吨固体废物的碳减排量比较
Figure 7. Comparison of carbon reduction per ton of solid waste treatment in Xuzhou City in 2018 and 2020
表 1 徐州市各类固体废物产生和处置利用清单分析表
Table 1. Production of various solid wastes in Xuzhou city
产生源 固体废物类别 产生与处置方式 产生与处置量/(×104 t) 增减量/(×104 t) 2018年 2020年 城乡生活 生活垃圾 产生 228.80 240.00 11.20 填埋 104.80 73.68 −31.12 焚烧 124.00 166.50 42.50 餐厨垃圾 产生 20.80 20.10 −0.70 厌氧消化 14.45 20.10 5.65 焚烧 6.35 0 −6.35 园林垃圾 产生 1.00 0.50 −0.50 堆肥 0.48 0.50 0.02 填埋 0.52 0 −0.52 农贸垃圾 产生 7.80 3.17 −4.63 厌氧消化 0.12 3.17 3.05 焚烧 7.68 0 −7.68 废纸 (再生资源) 产生 40.50 14.65 −25.85 回收 40.50 14.65 −25.85 废塑料 (再生资源) 产生 25.50 9.22 −16.28 回收 25.50 9.22 −16.28 电子废物 (再生资源) 产生 85.00 30.74 −54.26 回收 85.00 30.74 −54.26 城乡生活 废钢铁 (再生资源) 产生 160.50 58.04 −102.46 回收 160.50 58.04 −102.46 市政污泥 产生 22.20 18.60 −3.60 回收 9.07 0 −9.07 填埋 1.63 0 −1.63 焚烧 9.33 11.19 1.86 堆肥 0.07 7.41 7.34 简易处置 2.10 0 −2.10 建筑垃圾 产生 2 366.00 2 040.79 −325.21 回收 120.60 155.10 34.50 填埋 1 907.00 1 885.69 −21.31 简易处置 338.40 0 −338.40 农业 秸秆 产生 490.30 516.00 25.70 回收 112.70 83.08 −23.62 还田 357.30 412.80 55.50 简易处置 20.30 20.12 −0.18 畜禽粪便 产生 723.40 729.00 5.60 厌氧消化 275.42 139.40 −136.02 堆肥 312.70 557.60 244.90 简易处置 135.30 32.00 −103.30 废农膜 产生 3.90 2.50 −1.40 回收 1.72 2.36 0.64 填埋 1.78 0 −1.78 简易处置 0.04 0.14 0.10 工业 粉煤灰 (一般工业固体废物) 产生 369.50 335.40 −34.10 回收 369.50 335.40 −34.10 炉渣 (一般工业固体废物) 产生 292.60 208.90 −83.70 回收 292.60 208.90 −83.70 煤矸石 (一般工业固体废物) 产生 287.20 207.10 −80.10 回收 284.60 207.10 −77.50 简易处置 2.60 0 −2.60 脱硫石膏 (一般工业固体废物) 产生 90.50 108.20 17.70 回收 90.38 108.20 17.82 简易处置 0.10 0 −0.10 尾矿 (一般工业固体废物) 产生 52.30 0 −52.30 回收 52.30 0 −52.30 冶炼废渣 (一般工业固体废物) 产生 67.80 157.50 89.70 回收 67.80 157.50 89.70 危险废物 产生 12.17 14.59 2.42 回收 7.09 7.23 0.14 焚烧 5.08 5.20 0.12 注：简易处置指城乡生活领域中的市政污泥和建筑垃圾贮存处置；农业领域中的秸秆和畜禽粪便为农户自用；工业领域的煤矸石、脱硫石膏贮存处置等。
下载: 导出CSV
表 2 各类固体废物处置利用过程碳排放系数
Table 2. Carbon emission coefficient of various solid wastes
t CO2eq∙t−1 类别 f1 f2 f3 f4 f5 f6 f7 f8 文献 生活垃圾 3.688 — — — — 0.192 −0.124 — [22−23] 餐厨垃圾 4.034 −0.104 0.165 — — — — — [24] 园林垃圾 — — −0.099 — — 0.198 — — [24] 农贸垃圾 4.034 −0.104 — — — — 0.002 — [24−25] 废纸 6.695 — — — −3.908 — — — [24] 废塑料 2.065 — — — −1.020 — — — [24] 电子废物 5.280 — — — −0.866 — — — [24] 废钢铁 1.839 — — — −2.126 — — — [24] 市政污泥 — — 0.050 — 0.191 0.578 0.144 0.500 [26] 建筑垃圾 0.157 — — — −0.150 0.020 — — [24, 27−28] 秸秆 0.756 — — −0.131 −0.508 — — — [29−32] 畜禽粪便 0.433 0.020 0.172 — — — — 0.060 [33−35] 废农膜 2.122 — — — −1.020 0.022 — — [24] 粉煤灰 5.430 — — — −0.954 — — — [24, 36] 炉渣 3.747 — — — −0.954 — — — [24, 36] 煤矸石 0.786 — — — −0.210 — — — [37−38] 脱硫石膏 0.237 — — — 0.029 — — — [24] 尾矿 5.350 — — — −0.178 — — — [39−41] 冶炼废渣 — — — — −4.839 — — — [24] 危险废物 — — — — — — 2.272 — [42] 注：园林垃圾、市政污泥、冶炼废渣、危险废物成分复杂暂未考虑源头减量环节；建筑垃圾、秸秆、废农膜暂未考虑简易处置环节。
下载: 导出CSV
-
[1] 生态环境部. 减污降碳协同增效实施方案 [EB/OL]. [2022-09-12]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk03/202206/t20220617_985879.html [2] 国务院. 2030年前碳达峰行动方案 [EB/OL]. [2022-09-12]. http://www.gov.cn/zhengce/content/2021-10/26/content_5644984.htm [3] WILSON D C, RODIC L, MODAK P, et al. Global waste management outlook [EB/OL]. [2022-09-12]. https://eprints.whiterose.ac.uk/99773/ [4] 中国循环经济协会. 循环经济助力碳达峰研究报告1.0版[R]. 2021-9. [5] 杜祥琬, 刘晓龙, 葛琴, 等. 通过“无废城市”试点推动固体废物资源化利用, 建设“无废社会”战略初探[J]. 中国工程科学, 2017, 19(4): 119-123. [6] 国务院办公厅. “无废城市”建设试点工作方案[EB/OL]. [2022-09-12]. http://www.gov.cn/zhengce/content/2019-01/21/content_5359620.htm [7] 刘晓龙, 姜玲玲, 葛琴, 等. “无废社会”构建研究[J]. 中国工程科学, 2019, 21(5): 144-150. [8] 生态环境部. “无废城市”建设[EB/OL]. [2022-09-12]. https://www.mee.gov.cn/home/ztbd/2020/wfcsjssdgz.html [9] 生态环境部. 关于印发《“十四五”时期“无废城市”建设工作方案》的通知[EB/OL]. [2022-09-12]. https://www.mee.gov.cn/xxgk2018/xxgk2018/xx gk03/202112/t20211215_964275.html [10] 滕婧杰, 祁诗月, 马嘉乐, 等. “无废指数”构建方法探究——以“浙江省无废指数”构建为例[J]. 环境工程学报, 2022, 16(3): 723-731. doi: 10.12030/j.cjee.202112102 [11] 张冰洁, 宋鑫, 王恒广, 等. 基于“无废城市”建设的工业固体废物管理新策略[J]. 环境工程学报, 2022, 16(3): 732-737. doi: 10.12030/j.cjee.202111112 [12] MOGHADAM M A, FEIZI R, FARD M P, et al. Estimating Greenhouse emissions from sanitary landfills using Land-GEM and IPCC Model based on realistic scenarios of different urban areas: a case study of Iran[J]. Journal of Environmental Health Science and Engineering, 2021, 19(1): 819-830. doi: 10.1007/s40201-021-00649-2 [13] YAMAN C, ANIL I, ALAGHA O. Potential for greenhouse gas reduction and energy recovery from MSW through different waste management technologies[J]. Journal of Cleaner Production, 2020, 264: 121432. doi: 10.1016/j.jclepro.2020.121432 [14] WUNSCH C, TSYBINA A. Municipal solid waste management in Russia: potentials of climate change mitigation[J]. International Journal of Environmental Science and Technology, 2021, 19: 27-42. [15] 黄金碧, 黄贤金. 江苏省城市碳排放核算及减排潜力分析[J]. 生态经济, 2012(1): 49-53. doi: 10.3969/j.issn.1671-4407.2012.01.010 [16] 袁长伟, 白娟, 芮晓丽, 等. 基于EIO-LCA模型的陕西省产业碳减排效应[J]. 长安大学学报(社会科学版), 2016, 18(4): 48-55. [17] 孙建卫, 赵荣钦, 黄贤金, 等. 1995-2005年中国碳排放核算及其因素分解研究[J]. 自然资源学报, 2010, 25(8): 1284-1295. doi: 10.11849/zrzyxb.2010.08.006 [18] 徐州市生态环境部. 2018年徐州市固体废物污染环境防治信息公告 [EB/OL]. [2023-01-31]. http://sthj.xz.gov.cn/govxxgk/01405165st/2019-06-05/f0f59186-3ad7-46bc-bdea-a38bb7ea947b.html [19] 徐州市生态环境部. 2020年徐州市固体废物污染环境防治信息公告 [EB/OL]. [2023-01-31]. http://sthj.xz.gov.cn/govxxgk/01405165st/2021-08-16/df5ec584-ea50-4eee-93dc-c777f5594cb4.html [20] 徐州市人民政府. 徐州市“无废城市”建设试点实施方案[EB/OL]. [2023-01-31]. https://www.mee.gov.cn/home/ztbd/2020/wfcsjssdgz/sdjz/ssfa/202003/P020200311777953387721.pdf [21] 罗庆明, 张宏伟, 王雪雪, 等. 我国固体废物分类体系构建的原则、方法与框架[J]. 环境工程学报, 2022, 16(3): 738-745. doi: 10.12030/j.cjee.202112030 [22] 刘晓娜, 韩华, 周宏磊, 等. 北京市简易生活垃圾堆填场垃圾成分特性研究[J]. 中国资源综合利用, 2021, 39(9): 50-52. doi: 10.3969/j.issn.1008-9500.2021.09.015 [23] LIU Y L, XING P X, LIU J G. Environmental performance evaluation of different municipal solid waste management scenarios in China[J]. Resources Conservation & Recycling, 2017, 125: 98-106. [24] EPA, 2016. Individual Waste Reduction Model Tool[EB/OL]. [2022-09-12]. https://www.epa.gov/models/moves/420b09026.pdf, 2009 [25] 李欢, 周颖君, 刘建国, 等. 我国厨余垃圾处理模式的综合比较和优化策略[J]. 环境工程学报, 2021, 15(7): 2398-2408. doi: 10.12030/j.cjee.202102050 [26] 王琳, 李德彬, 刘子为, 等. 污泥处理处置路径碳排放分析[J]. 中国环境科学, 2022, 42(5): 2404-2412. doi: 10.3969/j.issn.1000-6923.2022.05.047 [27] 韩晓桐. 基于环境价值评估的建筑垃圾资源化费用效益分析[D]. 内蒙古科技大学, 2021. [28] 邱巨龙, 丁杉. 建筑垃圾资源化利用的碳减排潜力分析[J]. 新型工业化, 2022, 12(3): 95-98+105. [29] YAN M, CHENG K, LUO T, et al. Carbon footprint of grain crop production in China-based on farm survey data[J]. Journal of Cleaner Production, 2015, 104: 130-138. doi: 10.1016/j.jclepro.2015.05.058 [30] POORE J, NEMECEK T. Reducing food’s environmental impacts through producers and consumers[J]. Science, 2018, 360(6392): 987-992. doi: 10.1126/science.aaq0216 [31] LIU W W, ZHANG G, WANG X K, et al. Carbon footprint of main crop production in China: magnitude, spatial-temporal pattern and attribution[J]. Science of the Total Environment, 2018, 645: 1296-1308. doi: 10.1016/j.scitotenv.2018.07.104 [32] 霍丽丽, 姚宗路, 赵立欣, 等. 秸秆综合利用减排固碳贡献与潜力研究[J]. 农业机械学报, 2022, 53(1): 349-359. [33] 周元清. 中国规模化生猪养殖碳足迹评估方法与案例研究[D]. 中国农业科学院, 2018. [34] IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventory [R]. 2006. [35] SU J J, LIU B Y, CHANG Y C. Emission of greenhouse gas from livestock waste and wastewater treatment in Taiwan[J]. Agriculture, ecosystems & environment, 2003, 95(1): 253-263. [36] 生态环境部. 2019-2020年全国碳排放权交易配额总量设定与分配实施方案(发电行业)[ER/OL]. [2020-12-30]. http://www.mee.gov.cn/xxgk2018/xxgk/xxgk03/202012/t20201230_815546.html [37] 夏德建, 任玉珑, 史乐峰, 等. 中国煤电能源链的生命周期碳排放系数计量[J]. 统计研究, 2010, 27(8): 82-89. doi: 10.3969/j.issn.1002-4565.2010.08.012 [38] 贾铖修. 基于生命周期评价的3D打印建筑结构碳排放量化分析[D]. 浙江大学, 2021. [39] 顾芗. 铁尾矿对环境的影响及综合利用研究[J]. 现代矿业, 2022, 38(5): 237-240. doi: 10.3969/j.issn.1674-6082.2022.05.058 [40] 冯超, 朱海玲, 徐志强, 等. 基于EIO LCA的铁矿石采选温室气体排放强度分析[J]. 中国矿业, 2017, 26(3): 103-106. doi: 10.3969/j.issn.1004-4051.2017.03.021 [41] 林锦, 陈云嫩, 陆柳鲜, 等. 基于生命周期评价法的铜尾矿资源化利用的环境效益分析[J]. 有色金属科学与工程, 2021, 12(3): 106-112. doi: 10.13264/j.cnki.ysjskx.2021.03.014 [42] 高东升. 远北医疗废物处置厂污染防治方案选取和环境影响分析[D]. 哈尔滨工业大学, 2017. 期刊类型引用(5)
1. 于淼 ，周海宾 ，丁京涛 ，沈玉君 ，程红胜 ，徐鹏翔 ，王健 ，程琼仪 ，张冬丽 ，张朋月 ，马双双 ，张芸 . 农村庭院厨余垃圾好氧发酵设备设计与试验. 农业工程学报. 2024(18): 220-227 . 
百度学术
2. 牛德真，贾丽，张兆丰. 好氧堆肥工艺与设备优化. 节能. 2022(03): 77-80 . 百度学术
3. 袁兴茂，李霄鹤，吴海岩，张俊杰，胡栋，孙太福. 规模化猪场固粪好氧快速发酵工艺与设备研究. 农业机械学报. 2021(09): 355-360 . 百度学术
4. 黄晶晶，戴思慧，张良，胡鹤鸣，熊兴耀，李明. 生活垃圾有机肥制造设备的设计与试验. 湖南农业大学学报(自然科学版). 2019(03): 332-336 . 百度学术
5. 赵佳颖，周晚来，戚智勇. 农业废弃物基质化利用. 绿色科技. 2019(22): 232-234+241 . 百度学术
其他类型引用(9)
-
点击查看大图
计量
- 文章访问数: 6078
- HTML全文浏览数: 6078
- PDF下载数: 175
- 施引文献: 14
