城市废弃物处理温室气体排放的影响机制研究

王育宝, 何宇鹏

(西安交通大学 经济与金融学院, 陕西 西安 710061)

城市作为人类对自然生态系统干预强度最大的地域空间系统,其温室气体排放量占人类活动碳排放总量的78%以上[1],其中城市废弃物处理温室气体排放是仅次于能源活动、工业生产活动等的重要排放源。1990—2014年美国国家温室气体清单显示,人为活动CH4气体排放的20%以上源于废弃物处理,是仅次于能源活动和农业生产的第三大CH4排放源[2]。同样,国家气候变化信息报告显示:中国城市废弃物生成量和处理量处于全球首位,废弃物处理温室气体排放总量也在逐年递增,2005年和2012年分别为1.1和1.6亿t CO2e,年均增长5.68%[3-4]。随着城镇化快速推进,废弃物产生量和处理量也不断加大,但由于处理方式简单,温室气体排放量增长迅速。不断增加的城市废弃物处理温室气体排放,不仅对居民健康和生产带来不利影响,而且严重威胁生态环境质量,因此,减少废弃物处理温室气体排放势在必行。

目前,陕西省城镇化率达55%,已步入快速城镇化阶段。根据2015年统计数据,陕西省城镇垃圾无害化处理率为84.31%,污水处理率仅为82.05%,生活垃圾缺乏分类回收利用,且末端处理工艺低级、单一,缺乏填埋气回收利用等基础设施,治污减排面临巨大压力。然而,城市废弃物处理温室气体排放统计制度还不健全,相关核算方法与影响机理研究尚不成熟,为积极应对气候变化,相关基础理论研究尤为重要。本研究拟在分析现有成果的基础上,借鉴《IPCC—2006》和《省级指南—2011》中废弃物处理温室气体排放统计核算方法,并以陕西省为例,在科学核算废弃物处理温室气体排放量的基础上,实证揭示废弃物处理温室气体排放的驱动因素及作用机理。为指导城市废弃物处理温室气体排放核算,制定针对性减排政策,进行城市生态文明建设提供理论基础和实践依据。

一、文献综述

为采取切实可行措施积极应对气候变化,不同领域的专家、学者和实际部门工作人员主要从城市废弃物处理温室气体排放统计核算制度与方法、影响因素及作用机理、碳减排对策三个方面展开研究,形成了一些具有借鉴意义的成果。

(一)统计核算制度与方法研究

20世纪70年代起,国际社会开始意识到气候变化问题对人类生存的严峻挑战。为了应对气候变化,国际组织包括政府间气候变化专门委员会(IPCC)、国际标准化组织(ISO)、世界可持续发展工商理事会(WBCSD)、世界资源研究所(WRI)等制定了系列温室气体核算指南、方法与标准。对废弃物处理温室气体排放制度和核算方法进行了研究和规范(见表1)。

表1 废弃物处理温室气体排放源及核算方法

针对废弃物处理温室气体排放源界定,1996年IPCC出版的《国家温室气体清单指南》(IPCC—1996)将其细分为五个部分,其中废弃物处理部分由固体废弃物(MSW)填埋处理和废水处理两方面构成[5]。考虑到废弃物排放构成和处理方式的多样性,2000年IPCC编制的《国家温室气体清单优良做法指南和不确定性管理》(IPCC—2000)、2006年IPCC新编的《国家温室气体清单指南》(IPCC—2006)以及世界资源研究所(WRI)牵头编制的《城市温室气体核算国际标准》均在废弃物处理部分增加了MSW生物处理和废弃物焚化、露天燃烧处理等方面[6-8]。为提升省级温室气体清单编制能力,国家发改委牵头编制了《省级温室气体清单编制指南》(省级指南—2011),将废弃物处理温室气体排放源概括为MSW填埋、焚烧处理和生活污水、工业废水处理等方面[9]。目前,美国、日本、加拿大、澳大利亚、欧盟等在编写国家温室气体清单时,废弃物处理温室气体排放核算均借鉴或使用《IPCC—2006》方法,其中,2014年美国、日本、加拿大、澳大利亚和欧盟废弃物处理温室气体排放量分别为171.1、21.1、29、12和146MtCO2e,占国家温室气体排放总量的1.62%—3.96%[2,10-13]。

针对核算的不确定性问题,诸多学者在运用上述核算方法进行地区实证研究中,比较分析了废弃物处理温室气体排放核算方法的适用性和准确性。针对核算方法的适用性,尤金(Eugene)等[14]对比了IPCC—1996、IPCC—2006等方法的核算结果,发现IPCC—1996方法核算结果偏小。针对核算方法的准确性,扎克哈罗夫(Zacharof)等[15]对水循环法及生化法的废弃物填埋处理CH4排放进行了不确定性分析,得出填埋深度对模型结果影响最大。陈操操等[16]利用FOD模型及Monte Carlo方法,对FOD模型进行不确定性和敏感性分析,发现甲烷排放修正因子(MCF)对FOD模型中排放结果影响较大。上述实证研究对本文核算方法确定提供了经验借鉴和理论支持。

(二)碳排放影响因素实证及作用机理分析

分析地区温室气体排放特征、影响因素及作用机理,有助于提高制定废弃物处理温室气体减排政策的科学性和可操作性。

国外学者对温室气体排放影响因素分解研究较早,艾利希(Ehrlich)等[17]运用指数分解法(IDA)构建IPAT方程,用于解释人口、富裕程度和技术对环境的影响,并依据上述影响因素的变动来预测环境的演变情况。后来,卡亚(Kaya)[18]将IPAT方程应用到温室气体排放驱动因素分解中,提出了Kaya恒等式,通过分解因式的方法,把人口、经济发展水平、能源利用效率和单位能源消费等碳排放因素与温室气体排放建立了相应关系。自里昂惕夫(Leontief)等[19]首次将结构分解法(SDA)用于计算美国能源消费污染排放影响因素分解后,SDA方法就被广泛应用于能源和环境问题。塔皮奥(Tapio)[20]在研究欧洲经济发展与碳排放关系时引入了一个中间变量,从而将脱钩指标分解成两个弹性指标的乘积,开创弹性指标分解先河。

国内学者在引入国外研究成果基础上,进行了多方面拓展和优化。在IDA运用方面,林伯强等[21]采用LMDI和STIRPAT模型,研究了中国人均碳排放的主要影响因素,发现人均GDP和能源强度是CO2排放的最主要因素;王峰等[22]采用LMDI法,将1995—2007年CO2排放增长率分解为11种驱动因素的加权贡献,结果显示:人均GDP、交通工具数量、人口总量、经济结构、家庭平均年收入等是碳排放正向驱动因素,工业部门能源利用效率、生产部门能源强度下降等是碳减排的主要驱动因素;在SDA运用方面,张友国等[23-24]采用IO-SDA方法,分别研究了中国和陕西省碳排放的主要影响因素,其中冯宗宪等[24]的研究结果显示:流出扩张效应、投资扩张效应等是碳排放增加的最主要因素,流入替代效应、能源消费强度变动效应等是碳减排的最主要影响因素;在弹性分析法方面,孙欣等[25-26]采用Tapio脱钩弹性指标法,分别对中国和江苏省碳排放量与经济发展的关系进行分解,探究了产业结构、能源强度、人均GDP、对外贸易依存度及城镇化率等因素对碳排放的影响。

上述研究主要对能源碳排放影响因素及作用机理展开分析,废弃物处理温室气体排放影响因素和机理研究尚属空白,但主要因素分解方法尤其是IDA方法具有一定的借鉴意义。

(三)废弃物处理减排对策研究

应对气候变化是全球共同协作的复杂课题,世界主要国家都在积极采取相关政策措施,中国也不例外。目前,碳税和碳交易是减少温室气体排放采用的基本措施,只是在不同国家侧重点不同。针对减少环境污染的问题,约翰(John)[27]最早提出制定污染法规或实施税收补贴的政策,并认为这是较低成本的污染物减排措施。约翰森(Johansen)[28]则首次提出CGE模型,作为减排政策分析的重要工具,现已成为政策研究的重要组成部分。邓吉祥等[29]构建了动态随机一般均衡模型(DSGE),综合评价征收碳税对企业、居民和政府的影响。李娜等[30]采用动态多区域CGE模型,发现相同的碳税政策对区域经济作用存在差异。张友国[31]在区域碳排放转移研究中指出,可根据同类产品碳排放系数的区域差异实施差异性碳税。关于废弃物处理温室气体减排的政策研究,国内除了从排放管制、征收排污税等行政减排手段展开外,利用碳排放权交易等市场手段减少温室气体排放亦有探索。

综上所述,现有研究成果为研究城市废弃物处理温室气体排放核算及影响机理分析提供了理论和方法基础,但仍有较大发展空间。首先,针对废弃物处理温室气体排放核算自身特征,统计核算制度和方法有待进一步完善;其次,针对城市废弃物处理温室气体排放的研究比较分散,研究内容不全面,缺少城市废弃物系统统计核算研究;再者,针对废弃物处理温室气体排放影响因素及作用机理研究尚属空白,亟待探索;最后,针对区域性废弃物处理温室气体减排对策研究尚不成熟,亟待完善。这也为本研究提供了机会和突破口。

二、核算方法和排放量测算

在考虑城市废弃物处理基础统计指标数据现状,借鉴《IPCC—2006》和《省级指南—2011》的基础上,本文将排放源确定为城市MSW处理CH4和CO2排放,废水处理CH4和N2O排放两个部分,并分别梳理了核算方法,对陕西省城市废弃物处理温室气体排放量进行初步测算。

(一)核算方法

1.MSW处理

MSW处理包括填埋处理、焚烧处理、生物处理等,统计数据仅有MSW填埋处理量、城市危险废弃物和医疗废弃物焚烧处理量,缺乏MSW堆肥处理量。因此,MSW处理温室气体排放核算包括填埋处理和焚烧处理两部分[9]。

(1)填埋处理。针对MSW填埋处理生成CH4是在数年内的复杂分解过程,考虑到历史填埋对当前CH4生成的贡献,具体核算采用《IPCC—2006》推荐的一阶衰减法(FOD)。由于产生的CH4可以回收再利用,因此净排放量等于生成量与回收量的差值。具体核算方法如式(1)和式(2):

(1-OXT)

(1)

DDOCma,T=DDOCmd,T+DDOCma,T-1*e-kx

(2)

(2)焚烧处理。焚烧是MSW处理的另一种方法,也是废弃物处理CO2的主要排放源。焚烧处理包括集中焚烧和露天焚烧两部分,其中露天焚烧是针对农村MSW处理方式。根据《IPCC—2006》推荐的温室气体核算分类,城市MSW焚烧不包括农村MSW露天焚烧部分。因此,本核算仅包括城市危险废弃物、医疗废弃物等化石成因部分。具体核算方法如式(3):

(3)

2.废水处理

城市废水处理温室气体排放主要源于生活污水和工业废水排放。废水中富含的可降解有机碳和氮氧化合物经厌氧处理后会产生CH4、N2O、CO2等气体,但CO2是生物成因产生,不应计入总排放量。生活污水处理CH4排放核算需要污水中有机物总量数据,以生化需氧量(BOD)作为重要指标。但国家统计数据资料只有化学需氧量(COD)数据,在核算时利用《省级指南—2011》提供的区域平均BOD/COD推荐值(西北地区:0.41),得到BOD数据。工业废水处理CH4排放核算需要废水中可降解有机物总量数据,为避免重复计算,可降解有机物量采用各工业行业废水就地处理和直接排入环境的COD量之和[9]。废水处理N2O排放通过城市居民蛋白质消费量间接估算出氮含量。

(1)生活污水处理。其CH4排放核算公式如下:

(4)

(2)工业废水处理。其CH4排放核算公式如下:

(5)

(3)废水处理。其N2O排放核算公式如下:

EMSSN2O=NE*EFE*44/28

NE=(P*Pr*FNPR*FNON-CON*FIND-COM)-NS

(6)

其中,EMSSN2O表示废水处理N2O年排放量;EFE表示污水处理N2O排放因子;44/28表示转化系数;NS表示随污泥去除的氮量(取值0)。

(二)数据来源

鉴于上述核算方法,结合相关统计报表和统计报告以及实际调查结果,获得城市废弃物温室气体排放核算所需活动水平数据和排放因子数据的来源如下:

1.活动水平数据

核算城市废弃物处理温室气体排放的关键是获取废弃物产生、构成和管理的活动水平数据。活动水平数据的来源以现有统计资料为基本来源(见表2)。

陕西省位于中国西北地区,2015年人口城市化率为53.92%,略低于全国平均水平(56.1%)。尽管人口城市化率低于全国平均水平,但陕西省城市废弃物产生量随着人口城市化率的提高仍呈不断上升之势(见表3)。目前,陕西省已建成运行市、县级生活垃圾处理场99座,其中卫生填埋方式94座,快速生化制肥4座,焚烧发电厂1座,卫生填埋方式约占总量的96%以上。根据2015年统计数据,陕西省城镇垃圾无害化处理率为84.31%,污水处理率仅为82.05%,且生活垃圾缺乏分类回收利用,末端处理工艺低级、单一,缺乏填埋气回收利用基础设施,治污减排面临巨大压力。

2.排放因子数据

排放因子数据是核算温室气体排放量的关键。废弃物处理温室气体排放核算排放因子数据主要源于《IPCC—2006》和《省级指南—2011》的推荐值,同时借鉴《省级指南》推荐的实地调查和专家判断数据(见表4)。

(三)排放量测算及讨论

1.测算结果

测算结果表明,2005—2015年,陕西省城市废弃物处理温室气体排放总量增长迅速。从排放总量看,2005年排放量为78.496 3万t CO2e,2015年达到602.741 5万t CO2e,年均增长21%;排放强度由0.02t CO2e/万元增长到0.033 4t CO2e/万元,年均增长6.1%(见表5)。

表2 废弃物处理温室气体排放核算活动水平数据

表3 2005—2015年陕西省人口城市化率、废弃物处理量情况

资料来源:人口城市化率(%)源于2006—2016年的《中国统计年鉴》和《陕西统计年鉴》;各种废弃物处理量源于《陕西环境统计年鉴》(2006—2016)和《2016陕西省环境公报》等。

从排放结构看,MSW处理是温室气体主要排放源,尤其是MSW填埋处理温室气体排放所占比重增幅明显。2005—2015年,陕西省生活垃圾处理量由147.5万t增加到2015年的512.38万t,年均增长9.5%。采用FOD方法核算MSW填埋处理温室气体排放,总排放量由2005年的26.54万t CO2e增加到2015年的434.02万t CO2e,年均增长率达139.58%。2013年之前,由于陕西省垃圾焚烧发电项目进展缓慢,已建成项目尚未实现投产使用,核算仅考虑城市危险废弃物和医疗废弃物焚烧处理CO2排放,城市MSW焚烧处理温室气体排放增长缓慢。2014年以后,随着生活垃圾焚烧发电厂投产使用,城市MSW焚烧处理温室气体排放呈跳跃式增长趋势。

废水处理温室气体排放所占比重呈下降态势,其中生活污水和工业废水处理CH4气体排放量在达峰后明显下降。生活污水处理CH4排放量由2005年的0.816 3万t增加到2011年0.987 6万t峰值后下降至2015年的0.778 5万t;工业废水处理CH4排放量在2007年达到0.294 4万t峰值后下降至2015年的0.184 6万t。生活污水和工业废水处理温室气体排放量同时出现达峰并减排,这与陕西省落实国家最严格环境保护政策、提高污水处理技术密切相关。污水处理N2O排放稳定增长则主要与城市人口增加以及蛋白质消费量增加有关。

核算废弃物处理温室气体排放存在不确定性,包括核算方法和数据不确定性两个方面。在核算方法不确定性方面:

核算MSW填埋处理CH4排放时采用了

注:排放因子数据源于《IPCC指南》《省级指南—2011》推荐值、调查和专家判断数据。

表5 2005—2015年陕西省城市废弃物处理温室气体排放量

注:表中折合二氧化碳当量(CO2e)结果按照CH4和N2O分别为CO2的21倍和310倍的增温潜势计算得出。

《IPCC—2006》推荐的FOD方法,较为客观、全面地考虑了历史填埋对当前CH4生成的贡献,但对历史数据的要求较高;在核算MSW焚烧处理、废水处理温室气体排放采用了排放因子法,不确定性主要源于排放因子的选取,采用《省级指南—2011》和《IPCC—2006》推荐的排放因子忽略了研究区域的客观特征。数据方面的不确定性包括活动水平数据和排放内因子数据两个方面:核算MSW焚烧处理CO2排放需要MSW焚烧量数据,但统计数据仅有强制焚烧的城市危险废弃物、医疗废弃物等数据;核算生活污水处理N2O排放,每年人均蛋白质消耗量(Pr)仅有省级层面统计数据,缺乏各区域实际消耗量数据;另外,核算废水处理CH4排放量时,CH4最大产生能力数据也存在不确定性。

为降低核算结果的不确定性,采用具有陕西省区域特征的数据和参数。例如各类废弃物处理量、MSW构成、工业废水及生活污水中可降解有机物质量采用统计部门数据并通过实地调研核实数据的准确性;MSW填埋处理半衰期、MCF、BOD/COD值等采用《省级指南—2011》推荐的具有中国西北地区特点的排放因子数据;在核算生活污水处理N2O排放时,每年人均蛋白质消耗量(Pr)采用中国食物与营养调查数据。

参考美国、日本、加拿大、澳大利亚、欧盟及中国气候变化报告[2-4,10-13]可知,世界主要国家废弃物处理温室气体排放量占国家温室气体排放总量比重处于1.62%—3.96%之间。在废弃物再回收利用技术没有突破,实际处理基础设施和处理方式低级、单一的情况下,陕西省废弃物处理温室气体排放量呈快速增加态势,其占全省温室气体排放量的比重也较高。借鉴冯宗宪等[24]针对陕西省温室气体排放总量核算结果,本文废弃物处理温室气体排放量占比1.5%—2.5%之间。与上述国家废弃物处理温室气体排放量所占比重基本吻合,同时说明本文测算的陕西省城市废弃物处理温室气体排放量具有一定参考价值,能较好反映陕西省城市废弃物处理温室气体的排放状况。

另外,从城市废弃物处理温室气体排放总量和排放强度变化趋势看,陕西省城市废弃物处理温室气体排放的快速增长,主要源于MSW处理量及废水处理量的增加。这与陕西省城市化、工业化的快速推进有密切联系。统计数据显示,2005—2015年期间,陕西省人口城市化率增长率比全国平均水平高出3.67个百分点。因此,分析陕西省城市废弃物处理温室气体排放影响因素及作用机理,对制定有针对性的废弃物处理减排政策具有重要实践意义。

三、影响因素与作用机制

(一)影响因素实证

1.模型构建

1.2.4 统计学方法：采用SPSS 20.0版本统计软件进行数据处理，所有计量资料采用±s表示，计数资料采用百分率表示。计量资料比较采用student-t检验，计数资料的比较采用χ2检验。以P<0.05为差异有统计学意义，P<0.01为差异有显著统计学意义，所有数据保留至小数点后两位。

为揭示温室气体排放与经济、政策和人口的联系,卡亚(Kaya)[17]曾于1989年提出了Kaya恒等式,表达式为:

Ci*Ei*Yi*Pi

(7)

其中,C、NENG、GDP、POP分别表示温室气体排放量、能源消费量、国内生产总值及人口总量。Kaya恒等式揭示出能源消费碳排放强度(Ci)、单位GDP能源强度(Ei)、人均GDP(Yi)及人口(Pi)等温室气体排放四大驱动因素。该恒等式的不足是仅适用于对国家或地域总体概况分析,未考虑多行业、多能源种类等问题。另外,采用微分法测定Ci、Ei、Yi、Pi各因素的影响,会造成等式两边在计算变量分解时出现残差干扰,造成使用LMDI分解时出现分解谬误。鉴于上述弊端,常使用改进的Kaya恒等式,即LMDI加和分解法进行处理:

ΔC=CT-C0=ΔCcf+ΔCef+ΔCyf+ΔCpf

(8)

式(8)中,ΔC表示始于基年(0年)的T年温室气体排放总体变化量,可进一步分解为:能源消费碳排放强度效应(ΔCcf)、能源强度效应(ΔCef)、人均收入效应(ΔCyf)、人口规模效应(ΔCpf)等。基于式(8),采用昂(Ang)[32]提出的LMDI分解方法,从而保证Kaya恒等式两边平衡。

借鉴上述方法,本研究构建了城市废弃物处理温室气体排放影响因素分解恒等式:

(9)

式(9)中,i=1,2分别表示MSW处理和污水处理;GHGwaste表示城市废弃物处理温室气体排放量;Git表示t年第i种处理方式废弃物处理量;Gt表示t年废弃物处理量;GDPt表示t年地区生产总值;POPt表示t年城市人口量;Pt表示地区总人口量。

式(9)可进一步表示为:

(10)

式(10)揭示出城市废弃物处理温室气体排放的六大驱动因素,分别为废弃物处理碳排放强度(CFt)、废弃物处理结构强度(WSt)、单位GDP废弃物排放强度(WIt)、人均GDP产出(Yt)、人口城市化率(Ut)及人口规模(Pt)。

结合改进的Kaya恒等式,设ΔGHGwaste为城市废弃物处理温室气体排放在总跨度时间段([t-1,t])的变化量,ΔCF、ΔWS、ΔWI、ΔY、ΔU、ΔP分别表示CFt、WSt、WIt、Yt、Ut、Pt对ΔGHGwaste的贡献值。利用LMDI加和分解法,各分解因素贡献值表达式为:

碳排放强度效应:ΔCFt=

废弃物排放强度效应:ΔWIt=

排放结构效应:ΔWSt=

经济产出效应:ΔYt=

城市化水平效应:ΔUt=

人口规模效应:ΔPt=

(11)

最终得到城市废弃物处理温室气体排放因素分解修正恒等式:

(12)

2.实证分析

陕西省城市废弃物处理温室气体排放影响因素实证具体数据源包括温室气体排放量、各种类废弃物处理量、废弃物处理总量、城市GDP、城市人口量、地区人口量等。其中温室气体排放量(见表5)源于陕西省城市废弃物处理温室气体排放(2005—2015);各种废弃物处理量及废弃物处理总量来源于《陕西环境统计年鉴》(2005—2016);城市GDP源于《陕西统计年鉴》(2005—2016),为剔除价格波动对GDP的影响,GDP采用以2005年为基期的不变价格折算值;城市人口数量和地区总人口数量源于《陕西统计年鉴》(2005—2016)。

数据处理采用改进的Kaya恒等式和LMDI加和分解方法,以相邻年份区间为变化样本,计算得到2005—2015年期间陕西省城市废弃物处理温室气体排放各分解因素贡献值及贡献率(见表6—7)。可以看出,陕西省城市废弃物处理温室气体排放总量不断增加的影响因素主要是城市经济产出(Yt)、城市化水平(Ut)、地区人口数量(Pt)等,而废弃物处理碳排放强度(CFt)、废弃物处理结构强度(WSt)、单位GDP废弃物排放强度(WIt)是温室气体减排的重要因素。

(二)作用机制

陕西省城市废弃物处理温室气体排放影响因素较多,不同因素对温室气体排放量的影响程度和机理也不完全相同。表6显示,2005—2015年陕西省城市废弃物处理温室气体排放变化量均为正值,排放量累计增加524.24万t,且总体呈增长态势,这说明陕西省城市废弃物处理温室气体排放总量持续增加,即在诸多影响因素中,导致陕西省城市废弃物处理温室气体排放量增加的因素多于导致其减少的因素。

具体表现为:(1)经济产出效应(ΔY)对陕西省城市废弃物处理温室气体排放贡献最大,其次是人口规模效应(ΔP),再者是城市化水平效应(ΔU)(见表6—7)。表明城市废弃物处理温室气体排放量增加在很大程度上源于人均经济产出和城市人口数量增加的驱动作用,原因是人均产出和人口数量的增加,不仅驱动社会生产和居民消费能力增长,同时伴随社会非期望产出增加。(2)废弃物处理碳排放强度(ΔCFt)、废弃物排放强度(ΔWIt)在陕西省城市废弃物处理温室气体减排中发挥重要作用。从分解结果看,废弃物排放强度效应的减排作用最大,原因是受政府宏观调控及城市环境治理影响,单位GDP城市废弃物产生量及处理量的增长率趋于减缓,废弃物处理温室气体排放量与碳排放强度呈负向变化。另外排放结构效应(ΔWSt)对温室气体减排效果存在波动性,但总体对温室气体排放起到抑制作用。

注:表中结果根据式(9)和式(11)整理得到。

表7 2005—2015年陕西省城市废弃物处理温室气体排放各分解因素贡献率(%)

注:表中结果根据表6中各分解因素贡献值整理得到。

四、结论与对策

通过研究,得出以下结论:(1)陕西省城市废弃物处理温室气体排放统计核算主要包括MSW填埋、焚烧处理和污水处理两方面。2005—2015年陕西省城市废弃物处理温室气体排放量呈快速增长趋势,2005年总排放量(以CO2e计)为78.496 3万t,2015年总排放量(以CO2e计)达到602.741 5万t,年均增长21%左右。由于缺乏MSW堆肥处理量数据,MSW处理温室气体排放核算结果略偏小,因此完善各指标活动水平数据是精准核算温室气体排放量的必要基础。(2)MSW处理是主要的温室气体排放源,其中MSW填埋处理温室气体排放所占比重增幅较为明显,城市生活污水和工业废水处理CH4排放在达到峰值后呈明显下降趋势。由于陕西省城市MSW填埋处理成本较低、操作方便、处理量较大,造成MSW填埋处理温室气体排放所占比重较大;另外,由于工业节能效率的提升以及生活污水和工业废水处理技术和工艺持续改进,废水处理温室气体排放呈现下降趋势。(3)废弃物处理碳排放强度、废弃物排放强度和排放结构等因素对陕西省城市废弃物处理温室气体减排具有显著正向驱动效应,其中废弃物排放强度的减排贡献最突出;经济产出、城市化水平和人口规模等因素对温室气体减排具有显著负向驱动效应,其中经济产出因素的排放贡献最大,而城市化水平因素的减排贡献较突出。

针对以上结论,结合陕西省实际和国内外经验,提出以下对策:(1)建立完善废弃物处理温室气体排放统计核算制度和方法。完善废弃物处理温室气体排放统计核算内容和清单编制方法,细化各指标统计数据,统一测算方法和纵向比较标准,准确衡量区域温室气体排放结构及空间分布特征,加强废弃物处理温室气体排放统计核算能力建设。(2)优化废弃物处理方式,减少废弃物填埋量,增加焚烧量。推进固体废弃物、污水等废弃物无害化处理和资源化利用,改变生活垃圾末端处理工艺低级、单一现状,减少垃圾填埋量,积极发展垃圾焚烧发电项目等,有效减少物耗和碳排放;完善垃圾填埋场、污水处理厂CH4收集利用及与常规污染物协同处理工作,提高废弃物处理效率和能力。(3)培养居民低碳消费理念,提高城市化发展质量。树立绿色低碳价值观和消费观,培养居民生活垃圾分类投放意识,倡导低碳居住,提高废弃物回收利用率,减少废弃物产生量。(4)加强废弃物排放强度下降指标考核力度。参照国家碳排放强度下降指标体系考核办法,将废弃物碳排放强度下降指标作为地方应对气候变化考核的重要组成部分,促使相关部门和人员重视废弃物温室气体减排工作,推动城市低碳绿色发展。

[参考文献]

[1] 李金珊, 何易楠, 胡凤乔. 应对气候变化的低碳政策研究[M]. 杭州: 浙江大学出版社, 2015: 4-6.

[2] National Inventory Report 1990—2014: Inventory of U.S. Greenhouse Gas Emissions and Sinks[R]. Federal Environment Agency, 2016: 75-108.

[3] 国家发改委应对气候变化司. 中国气候变化第二次国家信息通报[R]. 北京: 中国经济出版社, 2013: 25-37.

[4] 国家发改委应对气候变化司. 中国气候变化第一次两年更新报告[R]. 北京: 中国经济出版社, 2016: 9-24.

[5] IPCC. 1996 IPCC guidelines for national greenhouse gas inventories[R]. Paris: Intergovernmental panel on climate change, United Nations environment program, organization for economic Co-operation and development, International Energy Agency, 1997.

[6] IPCC. Good practice guidance and uncertainty management in National Greenhouse Gas Inventories[R]. Japan: Intergovernmental Panel on Climate Change, Institute for Global Environmental Strategies, 2000.

[7] IPCC. 2006 IPCC guidelines for national greenhouse gas inventories[R]. Geneva: Intergovernmental panel on climate change, Institute for global environmental strategies, 2006.

[8] GPC. Global Protocol for Community-Scale Greenhouse Gas Emission Inventories: An Accounting and Reporting Standard for Cities[R]. World Resources Institute, 2014: 52-68.

[9] 国家发展和改革委员会. 省级温室气体清单编制指南(试行)[R]. 北京: 国家发改委气候司. 2011: 84-102.

[10] National Inventory Report 1990—2014: National Greenhouse Gas Inventory Report of Japan[R]. Ministry of the Environment, Japan Greenhouse Gas Inventory Office of Japan, 2016: 47-67.

[11] National Inventory Report 1990—2014: Greenhouse gas sources and sinks in Canada[R]. Federal Environment Agency, 2016(1): 27-38.

[12] National Inventory Report 2014: The Australian Government Submission to the United Nations Framework Convention on Climate Change[R]. Department of the environment and energy, 2016(1): 31-36.

[13] Annual European Union greenhouse gas inventory 1990—2014 and inventory report 2016[R]. European Environment Agency, 2016: 19-77.

[14] MOHAREH E A, MACLEAN H L, KENNEDY C A. Green Gas Emissions from Waste Management-Assessment of Quantification Methods[J]. Air & Waste Manage Assoc, 2010, 61(5): 480-493.

[15] ZACHAROF A I, BUTLER A P. Stochastic modeling of landfill leachate and biogas production incorporating waste heterogeneity[J]. Waste Management, 2004, 24(5): 453-462.

[16] 陈操操, 刘春兰, 李铮, 等. 北京市生活垃圾填埋场产甲烷不确定性定量评估[J]. 环境科学, 2012, 33(1): 208-215.

[17] EHRLICH P, HOLDREN I. Impact of Population Growth[J]. Science, 1971, 171(3977): 1212-1217.

[18] KAYA Y. Impact of Carbon Dioxide Emissions on GDP Growth: Interpretation of Proposed Scenarios[M]. Paris: Presentation to the Energy and Industy Subgroup, Response Strategies Working Group, IPCC, 1990: 152-157.

[19] LEONTIEF W, FORD D. Air Pollution and the Economic Structure: Empirical Results of Input-Output Computations[J]. Input-Output Techniques, 1972, 5: 9-30.

[20] TAPIO P. Towards a theory of decoupling: Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy, 2005, 12(2): 137-151.

[21] 林伯强, 蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界, 2009(4): 27-36.

[22] 王峰, 吴丽华, 杨超. 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究, 2010(2): 123-136.

[23] 张友国. 经济发展方式变化对中国碳排放强度的影响[J]. 经济研究, 2010(4): 120-133.

[24] 冯宗宪, 王安静. 陕西省碳排放因素分解与碳峰值预测研究[J]. 西南民族大学学报, 2016(8): 112-119.

[25] 孙欣, 张可蒙. 中国碳排放强度影响因素实证分析[J]. 统计研究, 2014(2): 61-67.

[26] 肖翔. 江苏城市15年来碳排放时空变化研究[D]. 南京: 南京大学, 2011: 13-14.

[27] FREEBAIRN J. Policy forum: designing a carbon price policy reducing greenhouse gas emissions at the lowest cost[J]. The Australian Economic Review, 2012, 45(1): 996-1004.

[28] JOHANSON L. A Multi—sectoral study of economic growth[J]. Amsterdam: Orth—Holland Publishing Company, 1960, 28(3): 460-462.

[29] 邓吉祥, 于洪洋, 石莹, 等. 区域能源与碳排放战略决策分析的模型探索[M]. 北京: 科学出版社, 2016: 52-66.

[30] 李娜, 石敏俊, 袁永娜. 低碳经济政策对区域发展格局演进是影响——基于动态多区域CGE模型的模拟分析[J]. 地理学报, 2010(12): 1569-1580.

[31] 张友国. 中国区域间碳排放转移: EEBT和MRIO方法比较[J]. 重庆理工大学学报(社会科学), 2016(7): 17-27.

[32] ANG B W. The LMDI approach to decomposition analysis: a practical guide[J]. Energy Policy, 2005, 33(7): 867-871.