-
随着碳减排问题得到社会各界的重视,二氧化碳的过度排放现象逐渐得到有效控制,但是目前少有人意识到氮排放对于一个流域的危害。随着太湖流域社会经济的快速发展,流域内废水排放量大量增加,近30年来流域水体水质不断下降[1]。根据《江苏省“十三五”太湖流域水环境综合治理行动方案》,目前农业面源的污染负荷占比增高趋势明显,其中以氮磷污染负荷为主。围绕我国农业面源水污染防治的重大战略需求,“十三五”期间国家重点研发计划设立了“农业面源和重金属污染农田综合防治与修复技术研发”重点专项[2]。由此可见,流域的氮减排问题应该值得重新去审视。
近年来,国内外对于氮排放的研究重点主要有其控制和治理技术[3-4]、氨氮的最大容量研究[5]和监测管理[6]等。其中流域氮减排研究目前较少,相关研究主要集中在以下几个方面:张淑丽[7]和刘刚等[8-9]通过对太湖流域的排污权交易进行研究,得出排污权交易价格、氮排放限值等因素对流域水污染的影响;董圆媛[10]在构建太湖流域减排绩效评价指标的研究中,总结出影响减排效率的因素包括工业氮排放强度等重要因素;唐玉兰等[11]采用数据包络分析对辽河流域的水污染物总量减排的效率进行评估,结果表明减排措施的规模和管理类的减排措施有待改进;赵永宏等[12]基于鄱阳湖流域,建立了氮、磷减排调控多区域分析模型来对比两种调控策略,研究表明了科学研究与环境管理的重要性;王凤鹭等[13]针对松花江流域的农业面源污染来构建指标体系以及确定指标排放计算方法,总结出氨氮污染物的减排对策;KONG et al[14]、CHEN et al[15]、YAN et al[16]对中国九龙江流域氮减排以及减排的成本效益进行研究,研究结果说明减少氮肥的应用、建立湿地面积是主要的减排措施。
综上所述,大部分学者是从特定的角度或根据实际问题来研究氮减排问题,没有从系统的角度看待整个流域的氮减排影响因素研究,从而无法得出关键因素以及各因素之间的因果关系。因此,本文首先识别梳理影响太湖流域氮减排的因素,然后通过模糊DEMATEL-ISM 模型对流域氮减排各因素的层次划分和复杂网络结构进行研究,最后筛选得出关键因素,为流域水污染的治理提供理论依据。
基于模糊DEMATEL-ISM太湖流域氮减排影响因素研究
Research on Factors Affecting Nitrogen Emission Reduction in the Taihu Basin Based on Fuzzy DEMATEL-ISM
-
摘要: 针对目前流域氮污染问题的持续恶化,文章首先在文献分析和专家调研的基础上建立了流域氮减排的影响因素体系,通过模糊DEMATEL法对各因素进行梳理得到关键因素,然后利用改进的ISM构建各因素的递阶解释结构模型,最后进行复杂网络结构分析。结果表明,关键因素大部分来自于政府和技术层面并且位于系统结构的较高层次,同时单位氮减排成本和排污权交易价格虽位于较低层次但易受到较多高层次因素的影响。此外,该系统的复杂网络结构的最大度较大以及平均路径短,因此各关键因素联系紧密复杂、传递迅速,容易导致流域氮污染进一步的恶化。Abstract: In view of the continuous deterioration of the current nitrogen pollution problem in the basin, the article firstly established the influencing factors system of the nitrogen emission reduction in the basin based on a literature analysis and the expert investigation. The fuzzy DEMATEL method was used to sort out the factors to obtain the key factors, and then a hierarchical interpretation structure model of each factor was constructed by using the improved ISM, which finally analyzed the complex network structure. The results showed that most of the key factors came from the government and technology level and they were at a higher level of the system structure. At the same time, the nitrogen emission reduction cost and the emission trading price were at a lower level, but they were susceptible to many high-level factors. In addition, the system had a large complex network structure and a short average path. Therefore, the key factors were closely related and were rapidly transferred, which could easily lead to a further deterioration of the nitrogen pollution in the basin.
-
Key words:
- Basin Nitrogen Emission Reduction /
- Influencing Factors /
- Fuzzy DEMATEL /
- ISM /
- Complex Network
-
表 1 流域氮减排影响因素指标体系
指标分类 一级指标 二级指标 流域氮减排影响因素体系A 企业因素B1 单位GDP工业氮排放强度C11 高氮排量产品的生产比例C12 农业源企业氮排放强度C13 农田氮肥使用强度C14 单位氮减排成本C15 氮排放标准限值C16 政府因素B2 氮排放有偿使用费C21 排污权交易价格C22 环保投入占GDP的比重C23 氮减排奖励补贴标准C24 政府监督成本C25 税收返还比例C26 企业偷排的惩罚系数C27 社会舆论成本C28 氮排放税率C29 技术水平因素B3 生活污水处理率C31 清洁生产技术能力C32 减排技术创新成本C33 清洁能源的购买成本C34 社会因素B4 人均GDPC41 公众对氮减排的支持率C42 高氮能源使用强度C43 湿地建设面积C44 水土流失面积C45 流域第三产业占比C46 城市化密度C47 人均能源耗量C48 表 2 流域氮减排各因素模糊DEMATEL法计算结果
流域氮减排影响因素 被影响度ej 影响度fi 原因度ni 中心度mi 中心度排序 因素属性 单位GDP工业氮排放强度C11 5.01 5.63 0.11 10.12 17 原因因素 高氮排量产品的生产比例C12 4.99 5.25 −0.31 9.66 22 结果因素 农业源企业氮排放强度C13 4.38 4.88 1.31 10.07 18 原因因素 农田氮肥使用强度C14 4.59 5.73 0.16 9.34 23 原因因素 单位氮减排成本C15 5.47 5.13 0.16 11.10 1 原因因素 氮排放标准限值C16 5.17 5.49 0.08 10.42 14 原因因素 氮排放有偿使用费C21 5.95 4.97 −1.07 10.84 4 结果因素 排污权交易价格C22 5.23 4.94 0.50 10.96 3 原因因素 环保投入占GDP的比重C23 5.40 5.08 −0.27 10.54 12 结果因素 氮减排奖励补贴标准C24 5.31 4.81 0.17 10.80 7 原因因素 政府监督成本C25 5.62 5.20 −0.65 10.58 11 结果因素 税收返还比例C26 5.71 4.60 −0.78 10.65 10 结果因素 企业偷排的惩罚系数C27 5.37 5.47 −0.30 10.45 13 结果因素 社会舆论成本C28 5.15 5.12 −0.34 9.96 19 结果因素 氮排放税率C29 5.62 4.73 −0.42 10.83 5 结果因素 生活污水处理率C31 5.33 4.96 −0.74 9.93 20 结果因素 清洁生产技术能力C32 5.54 5.44 −0.07 11.02 2 结果因素 减排技术创新成本C33 5.67 5.28 −0.55 10.80 8 结果因素 清洁能源的购买成本C34 5.58 4.36 −0.85 10.32 16 结果因素 人均GDP C41 4.70 4.11 0.26 9.66 21 原因因素 公众对氮减排的支持率C42 5.37 4.76 0.06 10.81 6 原因因素 高氮能源使用强度C43 5.37 4.99 −0.09 10.65 9 结果因素 湿地建设面积C44 3.04 4.90 1.32 7.40 26 原因因素 水土流失面积C45 2.59 5.63 1.52 6.69 27 原因因素 流域第三产业占比C46 4.28 5.25 0.48 9.04 25 原因因素 城市化密度C47 5.36 4.88 −0.37 10.34 15 结果因素 人均能源耗量C48 4.23 5.73 0.67 9.12 24 原因因素 -
[1] 张红举, 陈方. 太湖流域面源污染现状及控制途径[J]. 水资源保护, 2010, 26(3): 87 − 90. doi: 10.3969/j.issn.1004-6933.2010.03.022 [2] 徐长春, 郑戈, 林友华. 国家重点研发计划“农业面源和重金属污染农田综合防治与修复技术研发”专项解析[J]. 浙江大学学报(农业与生命科学版), 2017, 43(6): 657 − 662. [3] WILLIAMS A, POURKASHANIAN M, JONES J M, et al. Review of NOx formation and reduction mechanisms in combustion systems, with particular reference to coal[J]. Journal of the Institute of Energy, 1997, 70(484): 102 − 113. [4] 孙雅丽, 郑骥, 姜冰. 燃煤电厂烟气氮氧化物排放控制技术发展现状[J]. 环境科学与技术, 2011, 34(S1): 174 − 179. [5] 陈峻崎, 贾剑波, 朱建刚. 基于环境基准的太湖氨氮最大容量研究[J]. 生态环境学报, 2017, 26(1): 89 − 94. [6] LIN J Y, CAO B, CUI S H, et al. Evaluating the effectiveness of urban energy conservation and GHG mitigation measures: The case of Xiamen city, China[J]. Energy Policy, 2010, 38(9): 5123 − 5132. doi: 10.1016/j.enpol.2010.04.042 [7] 张淑丽. 水污染物排污权交易的规则与方式[D]. 北京: 北京化工大学, 2008. [8] 刘钢, 王慧敏, 仇蕾, 等. 湖域工业初始排污权纳什议价模型研究—以江苏省太湖流域纺织行业为例[J]. 中国人口·资源与环境, 2012, 22(10): 78 − 85. doi: 10.3969/j.issn.1002-2104.2012.10.012 [9] 刘钢, 王慧敏, 仇蕾. 湖域工业初始排污权合作配置体系构建—以太湖流域为例[J]. 长江流域资源与环境, 2012, 21(10): 1223 − 1229. [10] 董圆媛, 张涛, 顾进伟, 等. 太湖流域水污染物总量减排绩效评估体系建立[J]. 中国环境监测, 2015, 31(5): 22 − 26. doi: 10.3969/j.issn.1002-6002.2015.05.006 [11] 唐玉兰, 董旭, 李晶晶, 等. 辽河流域水污染物总量减排实施效率研究[J]. 环境科学与技术, 2016, 39(4): 168 − 173. [12] 赵永宏, 邓祥征, 吴锋, 等. 乌梁素海流域氮磷减排与区域经济发展的均衡分析[J]. 环境科学研究, 2011, 24(1): 110 − 117. [13] 王凤鹭, 杜慧玲, 李晶, 等. 农业面源氨氮污染减排体系的构建及减排控制对策—以黑龙江省松花江流域为例[J]. 安徽农业科学, 2016, 44(4): 77 − 79. doi: 10.3969/j.issn.0517-6611.2016.04.027 [14] KONG H, LIN H, PENG B R, et al. Modelling the cost-effective solutions of nitrogen reduction in Jiulong River Watershed, China[J]. Estuarine, Coastal and Shelf Science, 2015, 166: 218 − 229. doi: 10.1016/j.ecss.2015.03.001 [15] CHEN N W, WU J Z, ZHOU X P, et al. Riverine N2O production, emissions and export from a region dominated by agriculture in Southeast Asia (Jiulong River)[J]. Agriculture, Ecosystems & Environment, 2015, 208: 37 − 47. [16] YAN Y Y, GUAN Q S, WANG M, et al. Assessment of nitrogen reduction by constructed wetland based on InVEST: A case study of the Jiulong River Watershed, China[J]. Marine Pollution Bulletin, 2018, 133: 349 − 356. doi: 10.1016/j.marpolbul.2018.05.050 [17] 陈艳卿. 中国废水排放氨氮控制标准评述[J]. 环境科学与管理, 2011, 36(3): 21 − 23. doi: 10.3969/j.issn.1673-1212.2011.03.005 [18] 黄少薇, 张骥骧. 氮氧化物减排博弈行为研究[J]. 环境保护科学, 2017, 43(4): 55 − 61. [19] 郭新帅, 缪柏其, 方世建. 排污管制中的授权监督与合谋[J]. 中国人口·资源与环境, 2009, 19(4): 24 − 29. doi: 10.3969/j.issn.1002-2104.2009.04.005 [20] LIN R-J. Using fuzzy DEMATEL to evaluate the green supply chain management practices[J]. Journal of Cleaner Production, 2013, 40: 32 − 39. doi: 10.1016/j.jclepro.2011.06.010 [21] KESKIN G A. Using integrated fuzzy DEMATEL and fuzzy C: Means algorithm for supplier evaluation and selection[J]. International Journal of Production Research, 2015, 53(12): 3586 − 3602. doi: 10.1080/00207543.2014.980461 [22] LI RJ. Fuzzy method in group decision making[J]. Computers & Mathematics with Applications, 1999, 38(1): 91 − 101. [23] OPRICOVIC S, TZENG G-H. Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS[J]. European Journal of Operational Research, 2004, 156(2): 44 − 455.