中国城镇污水处理厂温室气体排放趋势及驱动因子识别

金维钰，白 雪,2*，史 怡，陈丹丹，顾艳林

1. 河海大学环境学院，江苏 南京 210098

2. 长江保护与绿色发展研究院，江苏 南京 210098

污水处理厂在污染物去除和水体保护方面发挥了重要作用[1]，但由于电力消耗巨大被认为是温室气体排放的重要来源[2]. 据统计，污水处理行业碳排放量占全社会总排放量的1%～2%，位居前十大碳排放行业[3-5]. 随着城镇化推进，我国城镇生活污水处理量快速增加，2020 年全国共处理污水811.3×108t，生活污水713.9×108t，占污水总处理量的88.0%[6]. 与此同时，多地颁布了更为严格的城镇污水处理厂污水处理排放标准[7-8]，大量已建城镇污水处理厂存在以高能耗换高出水标准现象，导致了额外的温室气体排放.关于污水处理行业碳排放的研究主要集中于利用IPCC 核算方法或实测法对废水处理部门、城镇污水处理厂及污泥处置等单元进行温室气体核算. 例如，Xi 等[9]比较了IPCC 和ODIM 温室气体核算方法，量化了上海市50 个污水处理厂的温室气体排放，结果表明IPCC 比ODIM 低估了87%的温室气体排放总量，这主要是直接排放核算差异引起的；杨世琪[10]在结合IPCC 核算方法和碳足迹追踪的基础上，以COD 浓度为指标建立了碳排放核算模型；闫旭等[11]以污染物削减为基础，根据实测法构建了城镇污水处理厂2014 年温室气体排放清单，并对其时间、空间分布及影响因素进行了研究；郭盛杰等[12]探究处理规模及处理技术对城镇污水处理厂排放强度的影响，结果表明，氧化亚氮是最主要的温室气体，城镇污水处理厂处理工艺的影响显著；Zhao 等[13]估算了我国229 个城镇污水处理厂的甲烷排放量，发现GDP、家庭食品消费支出和家庭消费支出较高的城市往往排放更多的甲烷；Guo 等[14]分析了区域发展特征、污水处理厂规模和运营技术对温室气体排放影响的相关性.

在“双碳”背景下，污水资源属性越来越受到重视，城镇污水处理厂从回收氮、磷和有机材料转变为综合资源的回收[15]. 付加锋等[16]建立城镇污水处理厂污染物去除协同控制温室气体的核算边界、协同机制和核算方法，并通过实例进行验证分析；刘佳乐等[17]使用厌氧膜生物反应器(AnMBR)，发现该工艺可高效去除污水中的有机物并以CH4的形式回收再利用，同时降低污水处理能耗与碳排量；Yang 等[18]考虑不同减排措施，评估了2035 年省级城镇污水处理厂减少温室气体排放的潜力.

现有研究为污水处理行业碳中和研究确立了良好的研究基础，但仅限于城镇污水处理厂温室气体排放量的估算、情景预测和各项措施的减排潜力研究，各省(自治区、直辖市)的排放趋势及发展状况对城镇污水处理厂温室气体排放的影响鲜有报道. 本文通过核算2014-2020 年我国各省(自治区、直辖市)城镇污水处理厂温室气体排放量(不包括西藏自治区和港澳台地区数据，下同)，分析各地区城镇污水处理厂水-能特征及空间聚集的时空演变规律，并通过随机森林模型识别驱动城镇污水处理厂碳排放量增长的关键因子，最终量化各因子对碳排放总量的影响，以期为我国各省(自治区、直辖市)城镇污水处理厂低碳运行提供参考，助力实现碳达峰、碳中和的目标.

1 核算方法与数据来源

1.1 核算系统边界

城镇污水处理厂产生的温室气体通常被分为3种类型：直接排放、间接排放和其他排放[19-21]. 直接排放包括污水处理过程中产生的CH4和N2O；间接排放是污水转运、提升、曝气等过程所消耗的电力；其他排放包括城镇污水处理厂内人员活动、药剂投加、运输等环节[22-23]. 本文考虑城镇污水处理厂的温室气体排放边界包含污水处理环节直接及间接排放核算(见图1)，其他排放占总排放量的比例过小[10,24]，且我国城镇污水处理厂尚未大规模进行甲烷回收[12,18]，因此未纳入核算边界[25].

图1 城镇污水处理厂温室气体核算边界Fig.1 Greenhouse gas accounting boundaries for urban wastewater treatment plants

1.1.1 CH4排放

城镇污水处理厂CH4排放量采用基于COD 削减量的核算方法[26]，其计算方法如式(1)所示：

式中： CH4Emission为城镇污水处理厂CH4排放量，t/a；CODR为城镇污水处理厂COD 去除量，t/a； SG为污水处理过程中干污泥物质产量，t/a；ρS为污水处理过程中干污泥物质的有机质含量，t/t，本研究取值为0.4 t/t[13]； EFi为CH4排放因子，t/t； GWPCH4为CH4全球增温潜势，取值25[27-28]； C ODT为补充碳源量，t/a.

1.1.2 N2O 排放

城镇污水处理厂N2O 排放量采用基于TN 进水浓度的核算方法[28]，其计算方法如式(2)所示：

式中： N2OEmission为城镇污水处理厂N2O 排放量，t/a；TNin为城镇污水处理厂TN 进水总量，t/a； EFj为N2O排放因子，t/t； GWPN2O为N2O 全球增温潜势，取值为298[27].

1.1.3 间接排放

间接排放核算的计算方法如式(3)所示：

式中： CO2Emission为城镇污水处理厂耗电产生的CO2排放当量，t/a；E为污水处理过程产生的耗电量，kW·h/a； EFCO2为我国各省(自治区、直辖市) 电网平均排放因子，kg/(kW·h).

1.2 数据来源

本文使用2 个不同的数据集：①CH4、N2O 和电力排放因子(见表1)；②城镇污水处理厂活动数据.其中，CH4和N2O 排放因子数据来源于Yang 等[18,29]核算的中国城镇污水处理厂省级排放因子；电力排放因子数据来源于中国区域电网平均CO2排放因子；城镇污水处理厂活动数据来源于《环境统计年鉴》《城镇排水统计年鉴》《中国城乡建设统计年鉴》.

表1 我国各省(自治区、直辖市)城镇污水处理厂CH4、N2O 排放因子Table 1 CH4 and N2O emission factors of various provinces (autonomous regions, municipalities) in China

2 结果与讨论

2.1 城镇污水处理厂温室气体排放时空变化特征

近年来我国城镇污水处理厂运行及温室气体排放基本概况如图2 所示. 由图2 可见，2012-2018 年城镇污水排放量、污水处理率均有所提升，污染物削减量增长较快，2018 年N2O 削减量更是达到2012 年的2.3 倍. 表2 显示，2014-2018 年间接排放是城镇污水处理厂温室气体排放量增长的主要因素，CH4排放与N2O 排放较上一年的增长率呈下降趋势，这表明城镇污水处理厂排放限值日趋严格，部分提标改造依赖于延长处理流程，面临着以能耗换取污染物去除的困境.

表2 2014-2018 年我国城镇污水处理厂各排放单元较上一年的增长率Table 2 The growth rate of discharge units of urban sewage treatment plants in China from 2014 to 2018 compared with the previous year

图2 2012-2018 年我国城镇污水处理厂运行情况Fig.2 The operation of urban sewage treatment plants in China from 2012 to 2018

根据式(1)对我国各省(自治区、直辖市)2020 年城镇污水处理厂温室气体排放量进行核算，发现我国城镇污水处理厂温室气体排放总量为33.26 Mt，人均排放强度为22.9 kg/a，单位GDP 平均排放强度为3.19 kg/(104元)，吨水平均排放强度为0.589 kg/m3.图3(a)显示，我国各省(自治区、直辖市)城镇污水处理厂温室气体排放总量整体呈现东高西低的特征，主要排放省份集中在沿海地区，其中排放量最高的省份为广东省，约占我国排放总量的10%，排放量最低的省份为西藏自治区，仅有4.2 Mt. 图3(b)显示，人均排放量在全国平均水平以上的省份主要集中在华北和东南地区，其中上海市、北京市、天津市均超过50 kg/a. 图3(c)(d)显示，单位GDP 排放强度最高的省份是辽宁省，为7.23 kg/(104元)；吨水排放强度最高的省份是内蒙古自治区，为1.26 kg/m3. 南北方地区排放强度存在显著差异，可能是因为南方地区降雨相对较多，北方地区污染物进水浓度高于南方地区使得单位温室气体直接排放增加(南北方地区城镇污水处理厂平均COD 进水浓度分别为156.1、250.3 g/m3，平均总氮进水浓度分别为24.3、40.4 g/m3)；同时北方地区平均气温低，部分地区城镇污水处理厂冬季能源消耗较大. 已有研究[30]表明，通过维修改造排水管网等措施来提升有机物进水浓度，虽然吨水温室气体排放强度有所增加，但能在提高污染物削减率的基础上减少城镇污水处理厂整体的碳排放.

图4 为我国不同地区城镇污水处理厂温室气体的排放占比. 从排放组成来看，近年来温室气体的排放总量仍以N2O 排放为主，与YAO 等[31-32]研究结果相符. 2014-2020 年间接排放占比快速上升，各地区均呈现N2O 排放占比下降的趋势. 华北地区间接排放占比最高，由2014 年的38.2%升至2020 年的52.6%；东北地区间接排放占比增速最快，由2014 年的23.6%升至2020 年的40.2%.

图4 2014-2020 年我国不同地区城镇污水处理厂温室气体的排放占比Fig.4 The proportion of greenhouse gas emissions from urban wastewater treatment plants in different regions of China from 2014 to 2020

2.2 城镇污水处理厂水-能关系

水-能协同作用机制对于城镇污水处理厂的可持续发展至关重要. 近年来随着对水环境的重视，城镇污水处理厂以削减更多污染物为最终目标，忽略了对环境产生的其他负面影响[33]. 在污水处理行业，水资源消耗可以通过灰水足迹(GWF)量化[34-35]，利用能源足迹和直接排放碳足迹量化各省份城镇污水处理厂的水-能-碳水关系[36]，使得城镇污水处理厂向碳中和的良性水-能关系模式发展.

图5 为2020 年我国不同地区城镇污水处理厂温室气体排放的基本情况. 由图5 可见：华东地区由于人口经济原因，城镇污水处理厂数量及各项温室气体排放量均位列第一；华北地区水资源匮乏，再生水利用率较高，对污染物削减量及处理要求更为严格，导致温室气体间接排放突出；华南地区污染物进水浓度及吨水电耗远低于全国平均水平，虽然污水处理量较大，但温室气体却处于较低水平；西南地区城镇污水处理厂数量众多，N2O 排放显著高于其他排放环节，而华中地区CH4排放更为突出.

图5 2020 年我国不同地区城镇污水处理厂排放的基本情况Fig.5 The basic situation of emissions from urban wastewater treatment plants in different regions of China in 2020

图6 结果显示，黑龙江省、甘肃省的灰水足迹均较高，均超过0.6 m3/t，浙江省的灰水足迹仅为0.04 m3/t；内蒙古自治区、甘肃省的直接排放碳足迹最高，但灰水足迹也高于全国平均水平，污水处理工艺有待提升；北京市、浙江省的灰水足迹低于能源足迹与直接排放碳足迹，而以黑龙江省、广西壮族自治区为代表的东北及部分南方地区灰水足迹较高，大幅度超过了直接排放碳足迹. 表3 显示了我国各省(自治区、直辖市) 城镇污水处理厂污染物削减效率.GWFRE 表示城镇污水处理厂去除污染物而减少的灰水足迹，eGWFR 表示污水处理厂减少的灰水足迹所消耗的能源，即eGWFR 值越大，表明单位能耗下污染物削减效率越高[37]. 本文主要考虑化学需氧量(COD)、生化需氧量(BOD) 和总氮(TN) 三类指标，用以评估城镇污水处理厂的污染物去除效率. 天津市灰水足迹削减率和单位能耗灰水足迹削减效率均第一，GWFRE 与eGWFR 分别为4.57、9.14，这表明当前其城镇污水处理厂水-能关系较为合理；海南省污染物削减率及单位能源削减率均最低；云南省单位能耗削减效率最高，但城镇污水处理厂整体削减率低，仍有一定改造的空间；北京市、山西省和宁夏回族自治区等省份污染物削减率领先，单位能耗削减效率却并不显著，存在较为明显的以能耗换取高标准出水水质的现象.

表3 我国各省(自治区、直辖市)城镇污水处理厂水-能关系评价Table 3 Assessment of water-energy relationship in urban wastewater treatment plants in various provinces (autonomous regions,municipalities) of China

图6 我国各省(自治区、直辖市)城镇污水处理厂水-能关系Fig.6 Water-energy relationship in urban wastewater treatment plants in various provinces (autonomous regions, municipalities) of China

由于我国各省(自治区、直辖市)自然环境与社会发展存在较大差异，城镇污水处理厂运行各有侧重. 如以北京市为代表的水资源匮乏但经济发达地区，生活污水再生利用需求大，虽然城镇污水处理厂温室气体排放量高于全国水平，但一定程度上减少了灰水足迹及供水碳排放[38]；以广西壮族自治区为代表的部分南方地区，再生水利用处于起步时期，随着城镇化发展，现阶段城镇污水处理厂碳足迹较低，未来存在着迅猛增加的可能.

2.3 城镇污水处理厂温室气体排放趋势探究

2.3.1 城镇污水处理厂温室气体时空格局演变规律

本文通过ArcGIS 计算了2014-2020 年我国各省(自治区、直辖市)城镇污水处理厂温室气体排放量的Moran′s I 指数，结果如表4 所示. 由表4 可见，我国各省(自治区、直辖市)城镇污水处理厂温室气体的排放呈现显著的空间正相关，且Moran′s I 指数由2014 年的0.185 增至2020 年的0.386，表明空间自相关性逐年提升.

表4 2014-2020 年我国各省(自治区、直辖市)城镇污水处理厂温室气体排放空间自相关性分析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 年我国各省(自治区、直辖市)城镇污水处理厂温室气体排放空间格局特征如图7 所示.由图7 可见，2014-2020 年我国各省(自治区、直辖市)城镇污水处理厂温室气体排放的空间格局呈现明显的南北分异特征. 华北地区、东北地区西部、西北地区东部一直处于热点区域，随着时间迁移，东北和华北地区的热点区域呈现扩大趋势，集中程度不断增强，西南地区的热点区域最终消失. 华东地区、华中地区、华南地区东部一直处于冷点区域，冷点区域向西南方向扩张的同时程度加深. 整体而言，京津冀地区和东北地区的热点程度不断增强，但辐射范围逐渐减小；长三角地区和珠三角地区的冷点程度不断增强，并对周边区域表现出积极的辐射效应.

图7 2014-2020 年我国各省(自治区、直辖市)城镇污水处理厂温室气体排放空间格局特征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 基于随机森林模型的温室气体驱动因子识别

以城镇污水处理厂温室气体排放总量为因变量，以相关驱动因子为自变量，构建随机森林模型. 随机森林模型拟合优度(R2)为0.95，能够较好地表达城镇污水处理厂温室气体排放总量. 由表5 可见，随机森林模型特征重要性排序较靠前的是人口数量、第三产业GDP 和GDP. 另外，人口数量增加是城镇污水处理厂温室气体增加的最重要因子；第三产业GDP带来的城镇服务和消费增长导致了人均生活污水增长，且重要性略高于GDP.

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

图8 为各驱动因子偏依赖关系图，该图边弱化了其他特征的影响程度，表达了单个驱动因子和排放总量之间的依赖关系. 图8(a)～(d) 表明，GDP、第三产业GDP、城镇率与人口数量均对排放总量呈阶段性上升趋势，GDP 较高的省份城镇居民及政府对环境的要求更高，随着GDP 超过6×108元、第三产业GDP 超过2.5×1012元，城镇率超过70% 或人口数量超过5 000 万，城镇人口已趋于饱和，污水处理率也已基本满足社会需求，温室气体排放不再有大幅上升；图8(e)～(g)表明，污水行业投资与单位GDP 污水处理量对排放总量呈先降后升的趋势，拐点分别出现在20×108元和5.7 m3/(104元)处，可能是因为投资金额较少的省份正处于城镇污水处理行业修建改造前期，存在粗放型发展现象，为尽快达到日益严苛的排放标准采用曝气等高能耗工艺，形成了“减排污染物、增排温室气体”的局面，导致这一投资阶段排放总量相对较高，随着对已有城镇污水处理厂的改造，排放总量略有所下降，但根据“十三五”“十四五”对城镇污水处理厂的规划，部分再生水利用需求较大的省份投资金额持续增加，多用于再生水厂建设及再生水利用率的提升，温室气体又最终呈现上升趋势；随着社会科技发展，单位GDP 用水量的降低导致万元污水处理量有所降低，但污水排放标准日益严格，加之再生水的发展需求，污水处理工艺开始延长，部分城镇污水处理厂开始提标改造，在一级、二级处理基础上，增加了MBR、生物过滤等深度处理工艺，反而导致了温室气体排放量的上升；图8(f)～(h)指出，人均电耗与再生水利用量的增加导致温室气体排放量快速上升后趋于平缓.

图8 城镇污水处理厂温室气体驱动因子偏依赖关系图Fig.8 Partial dependence of factors influencing greenhouse gas emissions from wastewater treatment plants

2.4 矫正分析

相较于IPCC 清单提供的国家级排放因子，本研究的温室气体核算方法适用了省级排放因子，核算精准度有所提升，未来需继续提升排放因子的适用度，或采用实地检测法获取单个城镇污水处理厂排放因子，进一步保证温室气体核算的精确度，减少排放因子概化造成的误差.

3 结论与展望

a) “十三五”期间，我国各省(自治区、直辖市)城镇污水处理厂温室气体排放量持续上升，2020 年排放总量达33.26 Mt，人均排放强度为22.9 kg/a，单位GDP 平均排放强度为3.19 kg/(104元)，吨水平均排放强度为0.589 kg/m3.

b) 我国各省(自治区、直辖市)城镇污水处理厂温室气体排放依旧以直接排放为主，N2O 温室气体产量较大，能源消耗产生的间接排放近年来增长最为明显，各省份水-能关系存在较大差异，云南省、天津市单位能耗污染物削减效率最高，北京市污染物削减率最高.

c) 我国各省(自治区、直辖市)城镇污水处理厂温室气体排放整体空间格局存在自相关性，局部空间格局南北分异显著，且聚集程度逐年提升. 关键驱动因子中人口数量、经济、产业结构的重要性高于其他因子. 其中GDP、第三产业GDP、城镇率与人口数量对排放总量的影响呈阶段性上升趋势，污水行业投资与单位GDP 污水处理量对排放总量均呈先下降后上升趋势，人均电耗与再生水利用量驱动排放总量快速上升后趋于平缓.

d) 根据我国各省(自治区、直辖市)城镇污水处理厂温室气体排放特征的差异性，未来应当因地制宜制定适合当地污水处理厂的精细化管理方案，通过驱动因子预测省级城镇污水处理行业碳减排目标，从而合理分配减排责任；推进全国城镇污水处理厂环境绩效评价，实现降污减排协同发展，对我国发展碳中和型城镇污水处理厂具有重要意义.