环境科学  2022, Vol. 43 Issue (12): 5470-5477   PDF    
引用本文
严薇, 刘舒乐, 吴正方, 高庆先, 杜海波, 马占云, 冯鹏. 废弃物焚烧处理温室气体排放情景模拟与预测[J]. 环境科学, 2022, 43(12): 5470-5477.
YAN Wei, LIU Shu-le, WU Zheng-fang, GAO Qing-xian, DU Hai-bo, MA Zhan-yun, FENG Peng. Scenario Simulation and Prediction of Greenhouse Gas Emissions from Incineration of Solid Waste[J]. Environmental Science, 2022, 43(12): 5470-5477.
废弃物焚烧处理温室气体排放情景模拟与预测
严薇1,2, 刘舒乐1, 吴正方2, 高庆先1, 杜海波2, 马占云1, 冯鹏3     
1. 中国环境科学研究院, 环境基准与风险评估国家重点实验室, 北京 100012;
2. 东北师范大学长白山地理过程与生态安全教育部重点实验室, 长春 130024;
3. 中国资源卫星应用中心, 北京 100094
收稿日期: 2022-01-19; 修订日期: 2022-03-30
基金项目: 国家重点研发计划项目（2019YFC1903901）；中央级公益性科研院所基本科研业务专项（2021YSKY-09）；环境保护政策、法规、规划及标准项目（144026000000190006）
作者简介: 严薇(1997~), 女, 硕士研究生, 主要研究方向为废弃物温室气体清单, E-mail: Yanw821@nenu.edu.cn
通信作者: 马占云, E-mail: mazy@craes.org.cn
摘要: 为模拟废弃物焚烧处理过程中产生的温室气体排放，积极推动温室气体减排工作，早日实现碳达峰碳中和目标.基于系统动力学和IPCC温室气体排放计算方法，构建了以基准情景（BAU）为基础，从单一和综合技术类型减排情景出发的焚烧处理温室气体排放模型，并模拟预测了2010~2050年温室气体排放量（以CO2e计，CO2e为CO2当量）的趋势变化、减排潜力以及空间分布.结果表明：①2010~2019年我国废弃物焚烧处理温室气体排放量呈增长趋势，于2016年后显著提升，年增速为18.61%.②2020~2050年，单一技术减排情景的中端改进情景（S2）和终端减排情景（S3）温室气体排放量分别于2043年和2036年达到峰值8410万t和6966万t.综合技术减排情景相较于单一技术减排情景较早达到排放峰值，综合技术减排情景中全过程减排情景（S7）采用多种减排技术协同控制温室气体排放，2050年累积排放量为205927万t，相对BAU情景减排了78.27%，排放达峰时间最早且减排潜力最大.③焚烧处理温室气体排放空间差异显著，排放量较多的省份主要分布在人口密集且经济发达的区域，江苏和广东省排放量最多，甘肃、吉林和宁夏等6个省份为排放低值区.
关键词: 焚烧处理      温室气体排放      排放情景      碳达峰      碳中和     
Scenario Simulation and Prediction of Greenhouse Gas Emissions from Incineration of Solid Waste
YAN Wei1,2 , LIU Shu-le1 , WU Zheng-fang2 , GAO Qing-xian1 , DU Hai-bo2 , MA Zhan-yun1 , FENG Peng3     
1. State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100012, China;
2. Key Laboratory of Geographical Processes and Ecological Security of Changbai Mountain, Ministry of Education, Northeast Normal University, Changchun 130024, China;
3. China Resource Satellite Application Center, Beijing 100094, China
Abstract: The aim of this study was to simulate the greenhouse gases (GHG) generated during the waste incineration process and to achieve the goal of carbon peaking and carbon neutrality as soon as possible. Based on system dynamics and IPCC GHG emission calculation methods, GHG emission models of incineration treatment for the baseline scenario (BAU), single technology emission reduction scenarios, and integrated technology emission reduction scenarios were constructed. Additionally, the trend changes, emission reduction potential, and spatial distribution of GHG emissions (with CO2e as the CO2 equivalent) were simulated and projected from 2010 to 2050. The results showed that: ① From 2010 to 2019, GHG emissions from waste incineration showed an increasing trend, with the annual growth rate increasing to 18.61% after 2016. ② In the mid-range improvement scenario (S2) and the terminal emission reduction scenario (S3) of the single technology emission reduction scenarios, GHG emissions would peak at 84.1 Mt and 69.66 Mt in 2043 and 2036, respectively. The integrated technology emission reduction scenario reached the peak of emissions earlier than the single technology emission reduction scenario. From 2020 to 2050, the total emission reduction scenario (S7) adopted a variety of emission reduction technologies to control GHG emissions, and the cumulative emission in 2050 was 2059.27 million t, which was 78.27% relative to that in the BAU scenario, with the earliest emission peaking time and the largest emission reduction potential. ③ The spatial variation in GHG emissions from incineration treatment was significant, and the provinces with higher emissions were mainly located in densely populated and economically developed regions. Jiangsu and Guangdong provinces had the highest emissions, and six provinces were low-value areas for emissions, including Gansu, Jilin, and Ningxia.
Key words: incineration treatment      greenhouse gas emissions      emission scenarios      carbon dioxide peaking      carbon neutralization     

全球变暖趋势不断攀升, 为避免极端灾害, 有效控制温室气体排放, 各个国家和地区纷纷采取行动应对全球气候变化并制定减排目标, 碳达峰碳中和已成为全球热点问题[1~3].废弃物部门是温室气体重要的排放源之一[4, 5], 占全球温室气体排放总量的2% ~5%[6], 我国废弃物处理碳排放总量(以CO2e计, CO2e为CO2当量)2005年和2014年分别为1.11亿t和1.95亿t, 年增长率为6.46%[7, 8]. 2010~2019年我国垃圾无害化处理量增加了94.94%, 焚烧处理量增长了425.49%, 焚烧处理率提高了31.89%, 焚烧厂数由104座增加到了390座, 年均增长率为13.10%, 我国城市生活垃圾填埋量从2017年开始下降, 2019年焚烧量增长态势已经超过填埋量, 预计2030年前填埋处理趋近于零, 焚烧处理方式将成为处理废弃物的最佳选择[9~11], 因此, 减少废弃物焚烧处理中的温室气体排放是急迫需要解决的问题[12~14].

目前, 有关焚烧处理温室气体减排的研究, 主要集中在特定焚烧处理技术或方案[15, 16], 温室气体减排管理措施[17, 18], 以及温室气体排放现状等方面[19, 20], 而对温室气体未来排放趋势的模拟预测研究较少, 现有研究多聚焦于城市尺度以及较为发达的区域[11, 21], 在国家层面研究存在空缺.关于温室气体排放量预测的方法有LEAP模型、灰色预测模型等方法和经验模型[14, 22~24], 但是这些方法多用于静态模拟, 而系统动力学模型可以从根本影响因素及其影响作用出发建立预测模型[25, 26], 进行不同情景的模拟预测[27], 实现动态可视化和对复杂系统运作方式的沟通[28], 在一定程度上具有高度灵活性.

本文综合考虑社会、经济和人口等因素, 采用系统动力学的Vensim软件, 嵌入IPCC温室气体排放量的计算方法, 构建了焚烧处理温室气体排放模型, 基于基线情景设定了7种减排情景, 对温室气体排放量的变化趋势、减排潜力和空间分布进行研究, 以期为我国在废弃物焚烧处理领域减缓气候变化、实现碳达峰碳中和目标, 完成我国“十四五”控制温室气体排放的要求, 推进区域温室气体减排工作提供思路和参考.

1 材料与方法 1.1 数据来源

本文经济、人口和社会主要来自统计数据[29~32], 活动水平和排放因子来源于相关研究及行业标准等数据[10, 33~35].

1.2 模型构建

系统动力学方法是Forrester在20世纪60年代创立的, 用于模拟一段时间内多个反馈和循环的影响及相互作用, 从根本影响因素及其影响作用出发, 实现动态可视化和复杂系统的运行[36].该方法已经被广泛地应用于社会经济系统、生态系统、交通系统、环境管理和政策评估等领域的研究[37~40].

本文综合考虑社会、经济和人口等因素, 结合废弃物温室气体排放模拟的相关研究[34, 41], 在Vensim软件[42]中构建了运行时间为2010~2050年, 仿真步长为1 a的焚烧处理温室气体排放模型(图 1).模型主要用箭头将常量、状态变量、速率变量和辅助变量进行相互连接[36], 焚烧处理温室气体排放模型集成了垃圾收集子系统、焚烧处理子系统和温室气体排放子系统, 子系统间通过变量连接.例如, 垃圾收集子系统和焚烧量子系统是通过垃圾无害化处理量连接, 焚烧处理子系统和温室气体排放子系统通过对应废弃物类型温室气体排放因子相连.

图 1 焚烧处理温室气体排放模型 Fig. 1 Greenhouse gas emission model for incineration treatment

垃圾收集子系统, 体现了不同渠道产生和收集的垃圾数量, 为预测焚烧处理废弃物年收集量提供基础数据, 主要由生活垃圾年产生量、企事业部门垃圾年产生量、道路清扫垃圾年产生量以及回收比例组成[33].生活垃圾产生量主要取决于总人口和人均垃圾产生量, 其中总人口是由出生人口和死亡人口组成的, 并由出生率和死亡率所决定.由于收入水平是生活水平的表现[43], 人均垃圾产生量受人均垃圾产生量初始值、垃圾处理收费影响参数和人均消费性支出影响参数的影响, 由此构建了人均可支配收入和人均消费性支出的线性函数, 以及人均消费性支出影响参数的表函数.此外, 根据企事业部门人口和清扫面积的状态函数构建了企事业部门垃圾年产生量以及道路清扫垃圾年产生量.

焚烧处理子系统中的变量, 包括无害化处理量、焚烧率、垃圾焚烧量和危险废弃物焚烧量以及污泥焚烧量.焚烧的废物类型主要包括城市固体废弃物、危险废弃物、污水污泥、医疗废弃物和工业固体废弃物, 考虑到数据的可获得性, 本文只选用了垃圾、危险废弃物和污泥3种废弃物并计算了各自的年焚烧量.

温室气体排放子系统, 根据废弃物在焚烧处理不同燃烧状态和过程中, 会产生CO2、CH4和N2 O等温室气体, 通常CO2排放量远多于CH4和N2 O的排放量的机制[44], 嵌入了IPCC方法[35]推荐的废弃物焚烧处理CO2、CH4和N2 O排放量计算公式, 如式(1)和式(2)所示, 排放因子取值见表 1.此外焚烧处理可以利用余热发电实现温室气体排放的部分抵消[45], 在模型中还增设了由平均发电量和电网CO2排放系数相乘得到的焚烧发电CO2抵消量, 与焚烧处理CO2、CH4和N2 O排放量共同组成焚烧处理温室气体排放总量, CH4和N2 O百年全球增温潜势采用CO2的28倍和265倍[46], 最后进行排放总量的二氧化碳当量(CO2e)转换.

(1)
表 1 排放因子值 Table 1 Emision factor value

式中, Emissions-CO2为CO2排放量, 单位为Gg ·a-1; i为焚烧的废弃物类型：城市固体废弃物(MSW)、危险废弃物(HW)和污水污泥(SS); IWi为焚化或露天燃烧的固体废弃物类型i的总量, 单位为Gg ·a-1; CCWi为第i种类型废弃物中的碳含量比例; FCFi为第i类废弃物矿物碳在碳的总含量中的比例; EFi为第i种类型废弃物焚烧炉的完全燃烧效率; 44/12为C到CO2的转换因子.

(2)

式中, Emissions-CH4/N2 O为清单年CH4或N2 O的排放量, 单位为Gg ·a-1; i为焚烧的废弃物类型：MSW、HW和SS; IWi为第i类废弃物的焚烧量(湿重), Gg ·a-1; EFi为第i类废弃物的CH4(N2 O)排放因子(以N2 O/污染物计), 单位为kg ·Gg-1; 10-6为从kg转换为Gg的转换因子.

1.3 情景设定

基于现有焚烧处理的发展过程特点, 结合现有国家发展计划批准的废弃物行业发展目标和政策, 以基线排放情景为基础, 在焚烧处理过程中即源头、中端和终端阶段, 选择关键减排技术进行情景设计, 构建了单一和综合技术类型减排情景来预测我国废弃物焚烧处理温室气体的排放情况, 具体情景描述及参数设定见表 2.

表 2 不同情景设置 Table 2 Setting of different scenarios

2 结果与分析 2.1 模型检验

为检验模型能否准确反映系统的变化规律, 采用历史检验方法进行有效性检验, 对模型中2010~2019年4个关键变量的模拟值与实际值进行比较, 见表 3, 总人口、人均GDP、人均可支配收入和无害化处理量模拟的平均相对误差分别为0.35%、1.63%、1.16%和1.62%, 均控制在保证模型准确的10%误差范围内[52].因此, 该模型是可靠且稳健的, 能够准确地描述焚烧处理温室气体排放系统, 反映各变量之间的实际关系.此外, 模型也通过了Vensim软件的单位检查.

表 3 模拟值与实际值的相对误差变化 Table 3 Relative error between actual value and simulated value

2.2 不同情景温室气体排放趋势

本研究模拟了2010~2050年全国焚烧处理产生的温室气体排放量的变化趋势.

以基线排放情景为基础的历史数据估算见图 2, 2010~2019年我国废弃物焚烧处理温室气体排放量以9.96%的速度增长, 分为两个增长阶段. 2010~2015年, 焚烧处理温室气体排放总量(以CO2e计, 下同)从2 910万t增加到4 604万t, 年增速为8.84%, 而在第二阶段, 排放总量由2016年4 036万t上升至2019年的7 727万t, 年涨幅为18.61%. 2016年后温室气体排放量明显提速可能是因为, 多项政策规划密集出台支持焚烧行业快速发展[53~56], 焚烧厂迅速增加, 焚烧处理量和处理比例提高的同时导致温室气体排放增多.

图 2 2010~2019年焚烧处理温室气体排放量 Fig. 2 Greenhouse gas emissions from incineration from 2010 to 2019

2020~2050年未来不同情景的数据模拟见图 3, 单一技术减排情景温室气体排放量均呈增长趋势, S1、S2和S3情景温室气体排放量由2020年的5 878、5 958和5 508万t上升至2050年的10 244、8 272和5 827万t, 年增长率分别为74.25%、38.85%和5.79%, 其中S2和S3情景分别于2043年和2036年出现排放峰值, 对应的排放量为8 410万t和6 966万t, S1情景并未出现排放峰值.综合技术减排情景中S5、S6和S7情景排放量年下降率分别为2.7%、31.6%和37.09%, 峰值分别出现在2029、2029和2021年, 对应的峰值排放量为5 512、5 488和5 023万t, S4情景的排放量以32.85%的速率增长, 未出现排放峰值.由此可见, 在源头采用分类回收技术可以在一定程度上削减焚烧处理中的温室气体排放量, 但不会出现排放峰值; 单一减排技术情景中在终端使用焚烧发电技术达峰时间相对较早; 综合减排技术相比单一减排技术可以实现温室气体排放峰值提前, S7情景采用了多种减排技术协同控制温室气体排放, 使得温室气体排放最快达到峰值且排放量最小.

图 3 不同减排情景下温室气体减排情景模拟结果 Fig. 3 Greenhouse gas emission simulation results under different emission reduction scenarios

2.3 不同情景温室气体排放减排潜力

减排潜力是在一段时间内将减排情景与基准情景相减得到的温室气体排放量, 可为减排计划和发展路径的制定提供参考[57].2020~2050年不同情景焚烧处理温室气体减排潜力累积排放量变化见图 4.2050年S3、S2和S1情景累积减排量依次为131 589、94 356和77 476万t, 相对于BAU情景减排了60.38%、43.75%、30.35%, 其中2036年S2情景减排潜力超过S1情景, 说明分类回收技术减排效果稳定, 从长远看在中端对焚烧处理技术改进提升更具有减排潜力, 从整体看焚烧处理过程中末端减排潜力最好, 随着焚烧发电量和上网电量稳步增加, 可能实现焚烧处理过程中温室气体排放由源向汇的转换[51, 58]; 在综合减排技术情景中, S7情景2050年累积排放量为205 927万t, 相较于BAU减排了78.27%, 而S6、S5和S4情景相应减排了75.24%、52.95%和65.23%, 并分别于2031年和2025年实现S6向S5、S5向S4阶段减排潜力的超越.由此可见S7情景减排措施对焚烧处理温室气体减排潜力最为显著, S6情景次之, 因此仅考虑源头分类回收, 中端提效减排技术的影响是不够的, 必须在全过程采取有效的减排技术措施, 充分发挥焚烧处理在中端和末端技术组合减排的优势, 进行分阶段有序减排, 对焚烧处理技术改进升级将对焚烧处理温室气体减排具有重要意义.

图 4 不同减排情景下温室气体减排潜力 Fig. 4 Greenhouse gas emission reduction potential under different emission reduction scenarios

2.4 不同情景温室气体排放空间分布

我国经济和人口地区发展不均衡, 各省废弃物产生量、焚烧处理能力差异显著, 为更直观理解废弃物焚烧处理温室气体排放未来的空间差异变化, 对2050年减排潜力最大的S7情景进行了省级空间分布分析.如图 5所示, 江苏和广东省是排放量最多的省份, 温室气体排放量分别为170万t和161万t, 共占全国总排放量的10.4%; 山东、河南和上海等12个省份, 温室气体排放量主要集中在120万~160万t, 占全国排放总量的48.09%; 江西、重庆和陕西等11个省份, 排放量占全国排放总量的28.69%; 甘肃、吉林和宁夏等6个省份为温室气体排放的低值区, 排放量少于80万t.焚烧处理温室气体排放量较多的省份主要分布在胡焕庸人口密度分界线以南人口密集且经济发达的区域.

图 5 2050年各省份温室气体焚烧处理温室气体排放量及其空间分布 Fig. 5 Greenhouse gas incineration emissions and their spatial distribution by province in 2050

3 讨论

本文对废弃物焚烧处理现状和未来趋势变化进行了研究, 为我国焚烧处理温室气体减排工作提供一定的参考价值.但仍存在一定的局限性, 由于可获得的数据有限, 废弃物种类仅涉及了生活垃圾、危险废弃物和污泥, 日后可增加工业固体废弃物等废弃物类型.此外, 由于焚烧处理过程中温室气体排放量估算的不确定性受排放因子、活动水平和减排技术升级等因素的共同影响, 最后对不确定性变量采用IPCC误差传递法进行不确定分析, 得到预估结果不确定性约为35%, 因此, 本研究估算的结果存在较大的不确定性, 排放活动水平数据和本地化排放因子的匮乏是不确定性的主要来源.随着国家对焚烧厂温室气体减排越来越重视, 对于废弃物焚烧处理减排技术的选择, 可以重点放在焚烧发电减排技术方面, 在全过程综合采用更多的减排技术, 才能实现温室气体减排潜力的最大化.

4 结论

(1) 2010~2019年我国废弃物焚烧处理温室气体排放量呈增加趋势, 2016年排放总量(以CO2e计, 下同)为4 036万t上升至2019年的7 727万t, 年增速为18.61%, 相较于2010~2015年增速显著上升.期间多项政策规划密集出台支持焚烧行业快速发展, 焚烧厂和焚烧处理量显著增加, 导致了温室气体排放的增多.

(2) 2020~2050年, 单一技术减排情景排放趋势均呈现增长趋势, S2和S3情景分别于2043年和2036年达到峰值8 410万t和6 966万t, S1情景并未出现排放峰值.S5、S6和S7情景排放量峰值分别出现在2029、2029和2021年, 综合技术减排相比单一技术减排可以实现温室气体排放峰值提前, S7情景采用了多种减排技术协同控制温室气体排放, 温室气体最快达到峰值且排放量最小.2050年S3情景、S2情景和S1情景累积减排量依次为131 589、94 356和77 476万t, 综合技术减排情景中S7情景减排潜力最大.

(3) 焚烧处理温室气体排放空间差异显著, 排放量较多的省份主要分布在胡焕庸人口密度分界线以南人口密集且经济发达的区域, 其中, 江苏和广东省是排放量最多的省份, 分别为170万t和161万t, 甘肃、吉林和宁夏等6个省份是温室气体排放的低值区.

参考文献
[1] IPCC. Climate change 2021: the physical science basis[M]. Cambridge: Cambridge University Press, 2021.
[2] Zickfeld K, Solomon S, Gilford D M. Centuries of thermal sea-level rise due to anthropogenic emissions of short-lived greenhouse gases[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(4): 657-662. DOI:10.1073/pnas.1612066114
[3] Gao Y, Gao X, Zhang X H. The 2℃ global temperature target and the evolution of the long-term goal of addressing climate change—from the United Nations Framework Convention on climate change to the Paris agreement[J]. Engineering, 2017, 3(2): 272-278. DOI:10.1016/J.ENG.2017.01.022
[4] Chen F Y, Chen H, Wu M F, et al. Research on the driving mechanism of waste separation behavior: based on qualitative analysis of Chinese urban residents[J]. International Journal of Environmental Research and Public Health, 2019, 16(10). DOI:10.3390/ijerph16101859
[5] 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.
[6] Song Q B, Wang Z S, Li J H, et al. Comparative life cycle GHG emissions from local electricity generation using heavy oil, natural gas, and MSW incineration in Macau[J]. Renewable and Sustainable Energy Reviews, 2018, 81: 2450-2459. DOI:10.1016/j.rser.2017.06.051
[7] 中华人民共和国生态环境部. 中华人民共和国气候变化第二次两年更新报告[R/OL]. 2018. http://www.ccchina.org.cn/archiver/NCCCen/UpFile/Files/Default/20200723171645386286.pdf, 2021-12-24.
[8] 国家发展和改革委员会应对气候变化司. 中华人民共和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.
[9] 徐海云. 全球生活垃圾焚烧处理发展分析[J]. 城市管理与科技, 2014, 16(6): 21-24. DOI:10.3969/j.issn.1008-2271.2014.06.009
[10] 徐海云. 垃圾焚烧未来有可能实现"负碳"[J]. 环境经济, 2021(12): 42-45.
[11] 谢鹏程, 王文军, 王文秀, 等. 广州市生活垃圾处理的温室气体排放现状与预测[J]. 科技管理研究, 2020, 40(14): 247-252.
Xie P C, Wang W J, Wang W X, et al. Current status and forecasts of greenhouse gas emissions from urban domestic waste treatment of Guangzhou[J]. Science and Technology Management Research, 2020, 40(14): 247-252. DOI:10.3969/j.issn.1000-7695.2020.14.030
[12] Demirbas A, AlamoudƖ R H, Ahmad W, et al. Optimization of municipal solid waste (MSW) disposal in Saudi Arabia[J]. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 2016, 38(13): 1929-1937. DOI:10.1080/15567036.2015.1034385
[13] Gao Q X, Du W P, Lu S Q, et al. Methane emission from municipal solid waste treatments in China[J]. Climate Change Research, 2007, 3(S1): 70-74.
[14] Yao X L, Guo Z, Liu Y, et al. Reduction potential of GHG emissions from municipal solid waste incineration for power generation in Beijing[J]. Journal of Cleaner Production, 2019, 241. DOI:10.1016/j.jclepro.2019.118283
[15] Hwang K L, Choi S M, Kim M K, et al. Emission of greenhouse gases from waste incineration in Korea[J]. Journal of Environmental Management, 2017, 196: 710-718. DOI:10.1016/j.jenvman.2017.03.071
[16] Astrup T, Møller J, Fruergaard T. Incineration and co-combustion of waste: accounting of greenhouse gases and global warming contributions[J]. Waste Management & Research: the Journal for a Sustainable Circular Economy, 2009, 27(8): 789-799.
[17] Mohareb A K, Warith M A, Diaz R. Modelling greenhouse gas emissions for municipal solid waste management strategies in Ottawa, Ontario, Canada[J]. Resources, Conservation and Recycling, 2008, 52(11): 1241-1251. DOI:10.1016/j.resconrec.2008.06.006
[18] Wang Y, Geng S N, Zhao P, et al. Cost\|benefit analysis of GHG emission reduction in waste to energy projects of China under clean development mechanism[J]. Resources, Conservation and Recycling, 2016, 109: 90-95. DOI:10.1016/j.resconrec.2016.02.010
[19] Bian R X, Zhang T X, Zhao F B, et al. Greenhouse gas emissions from waste sectors in China during 2006-2019: implications for carbon mitigation[J]. Process Safety and Environmental Protection, 2022, 161: 488-497. DOI:10.1016/j.psep.2022.03.050
[20] Liu Y J, Chen S Q, Chen A J Y, et al. Variations of GHG emission patterns from waste disposal processes in megacity Shanghai from 2005 to 2015[J]. Journal of Cleaner Production, 2021, 295. DOI:10.1016/j.jclepro.2021.126338
[21] 甘晖, 杨燕燕, 刘佳, 等. 福建省2000-2020年间废弃物处理温室气体排放估算及趋势预测[J]. 福建师范大学学报(自然科学版), 2018, 34(5): 93-100.
Gan H, Yang Y Y, Liu J, et al. Waste disposal greenhouse gas emissions estimation and trend forecast in Fujian province during 2000-2020[J]. Journal of Fujian Normal University (Natural Science Edition), 2018, 34(5): 93-100.
[22] Fang Y R, Li S B, Zhang Y X, et al. Spatio-temporal distribution of sewage sludge, its methane production potential, and a greenhouse gas emissions analysis[J]. Journal of Cleaner Production, 2019, 238. DOI:10.1016/j.jclepro.2019.117895
[23] Lin J Y, Kang J F, Khanna N, et al. Scenario analysis of urban GHG peak and mitigation co-benefits: a case study of Xiamen City, China[J]. Journal of Cleaner Production, 2018, 171: 972-983. DOI:10.1016/j.jclepro.2017.10.040
[24] 庞可, 张芊, 马彩云, 等. 基于LEAP模型的兰州市道路交通温室气体与污染物协同减排情景模拟[J]. 环境科学, 2022, 43(7): 3386-3395.
Pang K, Zhang Q, Ma C Y, et al. Forecasting of emission Co-reduction of greenhouse gases and pollutants for the road transport sector in Lanzhou Based on the LEAP Model[J]. Environmental Science, 2022, 43(7): 3386-3395. DOI:10.13227/j.hjkx.202109119
[25] Chen Y C, Liu H M. Evaluation of greenhouse gas emissions and the feed-in tariff system of waste-to-energy facilities using a system dynamics model[J]. Science of the Total Environment, 2021, 792. DOI:10.1016/j.scitotenv.2021.148445
[26] Pinto J T M, Sverdrup H U, Diemer A. Integrating life cycle analysis into system dynamics: the case of steel in Europe[J]. Environmental Systems Research, 2019, 8(1). DOI:10.1186/s40068-019-0144-2
[27] Feng Y Y, Chen S Q, Zhang L X. System dynamics modeling for urban energy consumption and CO2 emissions: a case study of Beijing, China[J]. Ecological Modelling, 2013, 252: 44-52. DOI:10.1016/j.ecolmodel.2012.09.008
[28] Anand S, Dahiya R P, Talyan V, et al. Investigations of methane emissions from rice cultivation in Indian context[J]. Environment International, 2005, 31(4): 469-482. DOI:10.1016/j.envint.2004.10.016
[29] 中华人民共和国国家统计局. 中国统计年鉴2010-2019[M]. 北京: 中国统计出版社, 2010-2019.
[30] 国家统计局, 环境保护部. 2010-2018中国环境统计年鉴[M]. 北京: 中国统计出版社, 2010-2019.
[31] 国家统计局. 中国城市建设统计年鉴2009-2019[M]. 北京: 中国统计出版社, 2010-2019.
[32] 中华人民共和国环境保护部. 中国环境统计年报2009-2018[M]. 北京: 中国环境科学出版社, 2010-2019.
[33] 张蕾, 席北斗, 王京刚, 等. 系统动力学方法在城市生活垃圾产生系统的应用[J]. 环境科学研究, 2007, 20(5): 72-78.
Zhang L, Xi B D, Wang J G, et al. The application of system dynamics method in municipal solid waste generation system[J]. Research of Environmental Sciences, 2007, 20(5): 72-78.
[34] 瞿思佳. 基于GIS-SD中国垃圾填埋场甲烷排放趋势及减排措施研究[D]. 重庆: 重庆交通大学, 2018.
Qu S J. A study on trends and reduction measures of methane emission in China's landfills based on GIS-SD model[D]. Chongqing: Chongqing Jiaotong University, 2018.
[35] IPCC. 2006 IPCC guidelines for national greenhouse gas inventories[EB/OL]. http://www.ipcc.ch/report/2006-ipcc-guidelines-for-national-greenhouse-gas-inventories/, 2021-09-01.
[36] 王其藩. 高级系统动力学[M]. 北京: 清华大学出版社, 1995.
[37] Saysel A K, Barlas Y. A dynamic model of salinization on irrigated lands[J]. Ecological Modelling, 2001, 139(2-3): 177-199. DOI:10.1016/S0304-3800(01)00242-3
[38] Suryani E, Chou S Y, Chen C H. Air passenger demand forecasting and passenger terminal capacity expansion: a system dynamics framework[J]. Expert Systems with Applications, 2010, 37(3): 2324-2339. DOI:10.1016/j.eswa.2009.07.041
[39] Hu G Z, Zeng W H, Yao R H, et al. An integrated assessment system for the carrying capacity of the water environment based on system dynamics[J]. Journal of Environmental Management, 2021, 295. DOI:10.1016/j.jenvman.2021.113045
[40] Kunsch P, Springael J. Simulation with system dynamics and fuzzy reasoning of a tax policy to reduce CO2 emissions in the residential sector[J]. European Journal of Operational Research, 2008, 185(3): 1285-1299. DOI:10.1016/j.ejor.2006.05.048
[41] 任佳雪, 高庆先, 陈海涛, 等. 碳中和愿景下的污水处理厂温室气体排放情景模拟研究[J]. 气候变化研究进展, 2021, 17(4): 410-419.
Ren J X, Gao Q X, Chen H T, et al. Simulation research on greenhouse gas emissions from wastewater treatment plants under the vision of carbon neutrality[J]. Climate Change Research, 2021, 17(4): 410-419.
[42] 钟永光, 贾晓菁, 钱颖. 系统动力学[M]. (第二版). 北京: 科学出版社, 2013.
[43] 唐睿. 城市固体废弃物系统动力学模型与综合处理基地选址分析[D]. 厦门: 华侨大学, 2020.
Tang R. Municipal solid waste (MSW) system dynamics model and comprehensive treatment base site locational analysis[D]. Xiamen: Huaqiao University, 2020.
[44] 马占云, 高庆先. 废弃物处理温室气体排放计算指南[M]. 北京: 科学出版社, 2011.
Ma Z Y, Gao Q X. Guideline for calculating GHG Emissions of Waste disposal[M]. Beijing: Science Press, 2011.
[45] Xiao S J, Dong H J, Geng Y, et al. Greenhouse gas emission mitigation potential from municipal solid waste treatment: a combined SD-LMDI model[J]. Waste Management, 2021, 120: 725-733. DOI:10.1016/j.wasman.2020.10.040
[46] IPCC. Climate change 2014: synthesis report: contribution of working groups I, Ⅱ and Ⅲ to the fifth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2014.
[47] 全国人民代表大会常务委员会. 中华人民共和国固体废物污染环境防治法[EB/OL]. https://m.thepaper.cn/baijiahao_12998447, 2020-04-29.
[48] 国务院办公厅. 生活垃圾分类制度实施方案[EB/OL]. http://www.gov.cn/zhengce/content/2017-03/30/content_5182124.htm, 2017-03-18.
[49] 国家发展改革委, 住房城乡建设部. 国家发展改革委住房城乡建设部关于印发《"十四五"城镇生活垃圾分类和处理设施发展规划》的通知[EB/OL]. http://www.gov.cn/zhengce/zhengceku/2021-05/14/content_5606349.htm, 2021-05-06.
[50] 李崇, 任国玉, 高庆先, 等. 固体废物焚烧处置及其清洁发展机制[J]. 环境科学研究, 2011, 24(7): 819-827.
Li C, Ren G Y, Gao Q X, et al. Solid Waste incineration disposal and associated CDM in China[J]. Research of Environmental Sciences, 2011, 24(7): 819-827.
[51] 赵海波, 宋蔷. 碳达峰、碳中和背景下我国垃圾焚烧发电行业发展展望[J]. 开发性金融研究, 2021(4): 11-20.
Zhao H B, Song Q. Prospects for the development of waste incineration power generation industry of China under the background of carbon peak and carbon neutrality[J]. Development Finance Research, 2021(4): 11-20.
[52] Du L L, Li X Z, Zhao H J, et al. System dynamic modeling of urban carbon emissions based on the regional national economy and social development plan: a case study of Shanghai city[J]. Journal of Cleaner Production, 2018, 172: 1501-1513.
[53] 国家发展改革委, 住房城乡建设部. 国家发展改革委住房城乡建设部关于印发《"十三五"全国城镇生活垃圾无害化处理设施建设规划》的通知[EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201701/t20170122_962225.html?code=&state=123, 2016-09-26.
[54] 国务院. 国务院关于印发"十三五"生态环境保护规划的通知[EB/OL]. http://www.gov.cn/zhengce/content/2016-12/05/content_5143290.htm, 2016-12-05.
[55] 中华人民共和国住房和城乡建设部, 中华人民共和国国家发展和改革委员会, 中华人民共和国国土资源部, 等. 关于进一步加强城市生活垃圾焚烧处理工作的意见[EB/OL]. https://www.mee.gov.cn/gkml/hbb/gwy/201611/t20161124_368164.htm, 2016-12-12.
[56] 国家发展改革委, 住房城乡建设部, 国家能源局, 等. 关于进一步做好生活垃圾焚烧发电厂规划选址工作的通知[EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/ghxwj/201712/t20171220_960931.html?code=&state=123, 2017-12-20.
[57] 李辉, 孙雪丽, 庞博, 等. 基于碳减排目标与排放标准约束情景的火电大气污染物减排潜力[J]. 环境科学, 2021, 42(12): 5563-5573.
Li H, Sun X L, Pang B, et al. Emission reduction potential of air pollutants of thermal power industry based on carbon emission reduction target and emission standard constraint scenarios[J]. Environmental Science, 2021, 42(12): 5563-5573.
[58] 何品晶, 陈淼, 杨娜, 等. 我国生活垃圾焚烧发电过程中温室气体排放及影响因素——以上海某城市生活垃圾焚烧发电厂为例[J]. 中国环境科学, 2011, 31(3): 402-407.
He P J, Chen M, Yang N, et al. GHG emissions from Chinese MSW incineration and their influencing factors-Case study of one MSW incineration plant in Shanghai[J]. China Environmental Science, 2011, 31(3): 402-407.