2025, Vol. 46
近年来, 固体废物生产和处置过程中的碳排放引起了关注, 固体废弃物处置被IPCC列为最重要的5个碳排放领域之一. 据中国生态环境统计年报显示[1], 2022年全国一般工业固体废物和危险废物产生量分别为411 000×104和9 514.8×104 t, 相较于2021年年分别增长了3.5%和10.0%. 根据世界资源研究所（World Resource Institute, WRI）的数据显示, 2020年中国温室气体排放总量为（以CO2_eq计）12.30 Gt, 其中废物处理部门产生温室气体占总排放量的1.7%. “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. 经过多年的发展, “无废”理念已经从注重末端治理提高回收利用率转变为注重源头减量和过程再使用的“废物倒金字塔”新型管理理念. Ma等[2]根据“5R”原则（rethink, reduction, reuse, recycle, and recover）进一步对城市废物处理政策进行了分类. 欧洲和北美等地区在2013年就相继提出了无废城市的概念. Castigliego等[3]评估了美国城市波士顿在无废城市战略目标下城市固体废物的碳减排潜力. 2017年中国工程院提出建立无废城市的建议. 2019年中国政府选择了“11+5”个无废城市建设试点. 在2022年, 包括4个省和109个地级市在内的新一批零废物试点城市获得批准. 无废城市建设几乎涵盖了所有的固废种类, 包括工业固废、城乡生活固废和农业固废.
关于无废城市建设后的碳减排潜力研究多集中在单一固废种类层面. 例如Yang等[4]利用了生命周期法计算了宁波市2018年固废收集运输和处置过程中直接和间接排放. Yu等[5]结合物质流分析、生命周期评估和目标优化模型对碳减排进行了核算, 通过设置4种排放场景对2020年江西省农业废物碳减排量进行预测和敏感性分析, 结果表明农业废物处置过程对温室气体缓解更为有效, 厌氧产沼气在秸秆和粪肥处置的整个生命周期中具有最显著的温室气体减排效果. Zhou等[6]使用生命周期评估和PRIM并结合技术、区域、社会经济和政治因素探索市政污泥不同处置方法下净零碳排放的可能性.
目前常用的固体废物管理碳减排核算方法是IPCC制定的固体废物处置排放清单, 清单中包含固废种类包括市政垃圾、污泥、工业垃圾和其他垃圾, 其废弃物计算边界难以全面反映固体废物管理的碳排放, 而且并未考虑源头减量、资源利用和回收再生的间接温室气体减排效益[7]. 丹麦技术大学基于LCA建立了EASEWASTE, 该模型量化了关于固废收集、运输和不同处置过程中（厌氧消化和堆肥、热处理、土地利用、资源分类和回收和垃圾填埋等）物质和能量消耗及温室气体排放等方面[8]. 德国IFEU研究所的SWM-GHG是为比较城市有机废物的不同处理方案而开发的, 因此针对不同处置技术对环境影响的量化相对详细, 但包含的处置技术比较有限[8]. 西班牙巴塞罗那自治大学开发的CO2ZW提供地中海欧洲国家固废处置各阶段的基础数据集, 通过特定的废物数据集以估算城市固体废物的温室气体排放量[9]. 其中EASEWASTE使用灵活, 但操作较难, SWM-GHG和CO2ZW在废物产生和处理环节不够全面, 其排放因子区域特征明显, 难以适用于其他地区. EPA开发的WARM废物处置环节更加全面、适用性强, 可以根据本国废物种类和处置方式改进后进行本土化应用[10].
综上所述：①针对市级各领域固体废物碳减排潜力的计算目前的研究还比较缺乏. ②在模型应用方面, WARM模型在废物种类和处理环节核算方位比较全面, 适用于城市层面, 而且可根据本国废物类型和处理方式改进后本土化应用.
本研究参考WARM模型使用排放因子法核算并评估“无废城市”政策实施前后重庆市各类固体废物源头减量、资源回收和最终处置环节碳减排状况, 同时计算了各类固废不同处置技术产生的碳减排量, 并且通过预测2025年各类固废的碳减排量来评估该政策的气候效益, 以期为进一步推进“无废城市”建设与减污降碳协同增效提供参考.
1 材料与方法 1.1 研究区域概况作为长江上游地区经济中心和西南地区综合交通枢纽, 重庆市是最早一批入选“11+5”无废城市建设试点的城市之一. 建设范围为重庆市全域38个区县（含26个区、8个县、4个自治县）、两江新区、西部科学城重庆高新区和万盛经开区. 此外, 中心城区纳入了国家“十四五”时期“无废城市”建设范围, 其建设时间为2022~2025年[11].
1.2 核算方法 1.2.1 核算框架重庆市固废碳减排核算考虑了源头减量、中端回收以及末端处置等全部环节. 其中源头减量是指生产和消费过程中减少废物产生量；中端回收利用是指厌氧消化、堆肥、还田及资源回收等过程；末端处置是指填埋、焚烧以及简易处置等过程. 重庆市固废种类主要包括3类（图 1）, 工业固废包含：一般工业固废（IW）和危险废物（HW）. 其中一般工业固废（IW）包括煤矸石、冶炼废渣、粉煤灰、冶炼废物、矿渣、脱硫石膏和其他废物等；危险废物（HW）包含废有机溶剂、氰化物、精馏残渣、冶炼废物、废酸碱、废矿物油和医疗废物（MW）等. 城乡生活固废（MSW）包含：生活垃圾（DG）、餐厨废物（KW）、市政污泥（SL）、电子废物（WEEE）和建筑垃圾（CW）. 农业废物包含：畜禽粪便（LS）、秸秆（ST）和废旧农膜（AF）[12].
|
图 1 碳减排核算框架示意 Fig. 1 Carbon emission reduction accounting framework |
（1）电子废物总量计算 根据重庆市2017~2021年统计年鉴中百户家庭耐用消费品数量计算电子废物总量. 假设各类电子设备报废比例分别为0.097、0.106、0.05、0.127、0.159、0.092、0.055、0.268和0.050[4]. 根据历年各类报废电子设备总台数计算其电子废物总重. 其公式为：
|
(1) |
式中, Q1为电子废物总重, 104 t；Hi为各类电子设备总台数, 台；Fi为各类电子设备报废率, %；Wi为每台电子设备重量, kg.
（2）建筑废物总量计算 建筑垃圾按成分包括废砖石、混凝土、渣土、金属、塑料、沥青和竹木等. 按其来源可分为施工废弃物、拆除废弃物和装修废弃物3种, 重庆市2017~2021年3类建筑废物产量如表 1所示.
|
表 1 2017~2021年重庆市建筑垃圾计算产生量×104/t Table 1 Calculated generation of construction waste in Chongqing from 2017 to 2021×104/t |
其中新建施工废弃物拟用住建部和国家市场监督管理总局发布的《绿色建筑评价标准手册》中0.04 t·m-2作为计算新建施工的产废系数[13].
|
(2) |
式中, Q2为2017~2021年新建施工垃圾总重, 104t；S1i为2017~2021年新建施工总面积, 104 m2.
城镇拆除建筑面积约占竣工建筑面积比定为20%[13], 根据测算不同类型的结构, 将拆除的产废系数定为1.337 t·m-2.
|
(3) |
式中, Q3为2017~2021年拆除废物总重, 104 t；S2i为2017~2021年竣工建筑总面积, 104 m2.
建筑年装修面积占竣工面积的10%, 单位装修面积建筑废弃物年产生量为0.1 t·m-2[13].
|
(4) |
式中, Q4为2017~2021年装修废物总重, 104 t；S3i为2017~2021年竣工建筑总面积, 104 m2.
（3）畜禽粪污产量的计算 畜禽粪污产量的计算方法为选取2017~2021年《重庆市统计年鉴》中猪、牛、羊和家禽数量. 根据李丹阳等[14]使用的不同畜禽日排泄系数计算畜禽粪污总产量, 公式如下：
|
(5) |
式中, Q5为畜禽粪便总重, 104 t；H1i为猪的数量, 104；H2i为牛的数量, 104；H3i为羊的数量, 104；H4i为家禽的数量, 104.
（4）秸秆重量的计算 由于缺乏秸秆产量数据, 所以选取2017~2021年《重庆市统计年鉴》中各类农作物的产量, 参考张晓庆等[15]对农作物秸秆产量的计算方法计算重庆市秸秆产量, 公式如下：
|
(6) |
式中, Q6为秸秆总重, 104 t；H1i为稻谷总产量, 104 t；H2i为小麦总产量, 104 t；H3i为玉米总产量, 104 t；H4i为糜黍总产量, 104 t；H5i为大豆总产量, 104 t；H6i为油菜籽总产量, 104 t；H7i为甜菜总产量, 104 t；H8i为薯类总产量, 104 t.
1.2.3 固体废物减量计算以2017年为基准值计算重庆市固体废物源头减量排放强度.
（1）一般工业固废和危险废物通过单位工业GDP产废强度量来计算源头减排量, 公式为：
|
(7) |
式中, M1i为固废减少总量, 104 t；M2i为各领域（2018~2021年）固废总量, 104 t；TGDP为GDP总量, 109元；Fi为各类固废2017年的单位GDP产废强度, 104 t·（109元）-1.
（2）餐厨垃圾、生活垃圾、市政污泥和电子废物均采用人均产量来估算
|
(8) |
式中, M3i为固废减少总量, 104 t；M4i为各领域（2018~2021年）固废总量, 104 t；TPOP为常住人口量, 104；Fi为各领域固废2017年的单位GDP产废强度, 104 t·（109元）-1.
（3）畜禽粪便采用单位牧业总产值来估算其固废减少量, 而秸秆使用农业产值估算, 因农田数量较为固定, 所以直接采用农膜减少量计算；
|
(9) |
式中, M5i为固废减少总量104 t；M6i为各年（2018~2021年）各领域固废总量, 104 t；TGDP指GDP总量, 109元；Fi为各类固废2017年的单位GDP产废强度, 104 t·（109元）-1.
1.2.4 核算方法（1）碳排放核算 本研究参考WARM模型, 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, 具体的碳减排总量MT计算公式如式（10）所示.
|
(10) |
式中, MT为各类（2018~2021年）固体废物源头减量环节的碳减排量（以CO2_eq计）, kt；fi为不同类型固体废物源头减排排放因子（以CO2_eq计）, t·t-1；Mi为基准年和目标年固体废物源头排放量的差值, 104 t.
|
(11) |
式中, MR为2017~2020及2025年各类固体废物处置过程中的碳减排量（以CO2_eq计）, 104 t；fn为各种固废处置的碳排放系数（以CO2_eq计）, t·t-1, fn（n=2, 3…, 9）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, 抵消能源、肥料和材料等所产生的碳排放量；其中, f2为焚烧环节碳排放系数, f3为填埋环节碳排放系数, f4为厌氧消化环节碳排放系数, f5为好氧堆肥环节碳排放系数, f6为回收利用环节碳排放系数, f7为土地利用处置环节碳排放系数, f8为还田处置环节碳排放系数, f9为回填处置环节碳排放系数；Mn为各环节处置量, 104 t.
（2）碳排放因子选取 WARM模型是EPA研发的用于核算碳减排效益的模型. WARM模型提供了对6种不同废物管理（包括源头减少、回收利用、堆肥、厌氧消化、焚烧和填埋）的潜在温室气体（GHG）减排、节能和对经济影响的估计. WARM库中目前包括3类材料分别为容器、包装和非耐用品材料、有机材料和建筑材料共60种材料处置利用的碳减排因子, 从中选取核算过程中需要的因子如表 2所示.
|
|
表 2 各类固体废物处置利用过程碳排放系数 Table 2 Carbon emission factors or various types of solid waste disposal and utilization process |
1.2.5 情景分析
在BAU场景中, 利用ARIMA模型（差分自回归移动平均模型）[44]结合2005~2021年固废产量相关数据对2025年各类固体废物的产生量进行预测. 而PLAN情景中的2025年各类固废预测量数据来源于《重庆市固体废物（含危险废物）集中处置设施建设规（2021-2025年）》[45], 预测结果见表 3, 在一般工业固废和畜禽粪便领域两者预测产量差距较大, BAU情景下一般工业固废产生量远小于PLAN情景, 而畜禽粪便产生量远大于PLAN情景. 表 4显示了重庆市无废城市各领域固废2025年的发展目标, 主要包括回收率、利用率和无害化处置能力这3个指标. BAU情景下工业固废的利用率和无害化处置能力略高, 城乡生活领域生活垃圾利用率高PLAN情景, 但污泥回收率略低, 农业领域畜禽粪便高于PLAN情景, 废旧农膜收集率略低于PLAN情景.
|
|
表 3 2025年各类固体废物预测产生量×104/t Table 3 Projected generation of various solid waste types in 2025×104/t |
|
|
表 4 BAU情景和PLAN情景实施指标/% Table 4 Implementation indicators in BAU and PLAN scenarios/% |
1.2.6 不确定性分析
本文使用蒙特卡洛模拟法[46]检验了重庆市2017~2021年固废处置碳排放值的不确定性, 由于各类废物排放因子参考数据较少, 所以参考变量选取各类废物排放值和相关计算选取的各类系数. 共选取43个参考变量, 其中每个变量产生1 000个随机值；选取碳排放总量作为预测变量, 使用参考变量经计算得出碳排放总量的公式, 将所得的1 000个值利用Origin软件进行正态分布模拟并对其进行敏感性分析, 最终得出5a的碳排放概率密度函数和敏感因素, 并确定95%置信区间内的碳排放总量范围.
2 结果与分析 2.1 重庆市固体废弃物物质流分析由于人口和经济的快速增长, 重庆市固废总量从2017~2021年持续增长（图 2）. 其中2017年和2020年一般工业固废分别为1 953.38×104 t和2 685.43×104 t, 其主要包括粉煤灰、炉渣、煤矸石、磷石膏以及其他总量占比较小的废弃物, 处置方式包括利用、无害化处置、贮存或丢弃. 危险废物及医疗废物多通过焚烧处置. 餐厨垃圾由573.316×104 t增长至1 204.00×104 t, 厌氧消化和焚烧量分别增长至182.50×104t和1 021.50×104 t. 市政污泥利用方式多样, 各处置方式利用量都有所增长. 建筑垃圾填埋减量从3 794.21×104~1 580.66×104 t. 由于总量上升, 生活垃圾填埋量（71.29×104 t）和利用量都有所增加（284.80×104 t）. 电子废物回收利用增加了20.49×104 t. 畜禽粪便未收集量下降显著, 堆肥量增长至5 963.31×104 t. 秸秆未收集量略有下降, 其还田量和其他方式利用量变化幅度较小.
|
图 2 2017年和2021年各类固废物质流分析 Fig. 2 Material flow analysis in 2017 and 2021 |
图 3显示了重庆市实施“无废城市”试点建设前后各领域固废源头碳减排量情况, 相对于2017年, 2018年和2019年工业固废（一般工业固废和危险废物）领域并未做到源头减排, 从2020年开始一般工业固废碳排放量开始下降, 原因为清洁生产政策实施后, 一般工业固废产生强度由2017年的0.23 t·万元-1下降到约0.20 t·万元-1, 其碳减排量在2021年也增加至943.46×104 t. 由于经济和生活水平的增长, 餐厨废物、城市固体废物和电子废物人均产废量均有所增加, 而处置设施建设并未随着建设完善, 导致以上领域未能做到源头减排. 农业领域在5 a内源头减排量总体上升, 这可能与绿色食品、有机农产品种植推广以及化肥、农药的限制使用有关.
|
图 3 2018~2021年各类固废源头减排量 Fig. 3 Source reductions of solid waste from 2018 to 2021 |
图 4显示了2017~2021年重庆市各类固废处置碳减排情况. 5年间重庆市各类固废处置达成碳减排的领域包括一般工业固废、危险废物、餐厨垃圾、建筑垃圾、城市固体废物、电子废物、秸秆和农膜. 而危险废物、医疗废物、市政污泥和畜禽粪便等领域未达成碳减排. 其中一般工业固废、建筑垃圾和秸秆处置减排量居于前3位, 直至2021年碳减排量分别增长至2 796.64×104、5 385.39×104和990.68×104 t. 由于钛、磷石膏、粉煤灰和冶炼废渣以及精馏残渣、含铬废物和废矿物油等危险废物综合利用率得到提升, 工业固废领域碳减排得到迅速提升, 建筑垃圾用于修复矿坑和市政污泥处置设施建设的完善, 两者总填埋量减少2 087.14×104t, 其中建筑垃圾在2019年首次实现了碳减排. 生活垃圾和餐厨垃圾随着收运体系的完善及利用方式（焚烧、分类后回收粗油脂和资源化利用等）的多样化碳减排量也持续上升, 而农业领域由于畜禽粪便总量的波动及处置设施的限制, 其碳排放整体下降但并未达成碳减排, 秸秆和农膜由于收集水平的提升及秸秆的饲料化和肥料化应用, 其碳减排量总体不断上升.
|
图 4 2017~2021年各类固体废物处置碳减排量 Fig. 4 Carbon emission reductions from various types of solid waste disposal from 2017 to 2021 |
图 5为2017~2021年不同处置技术碳排放情况. 5 a间废物回收利用碳减排占比最大. 2019年建筑垃圾资源化利用量迅速提升后成为第二大碳减排领域. 但随各领域废物回收率整体趋于平稳, 2021年回收利用产生的碳减排增长量有所下降. 2019年无废城市政策实施后, 部分畜禽粪便处置由厌氧消化转变为好氧堆肥, 而且建筑垃圾和一般工业固废填埋量持续下降, 导致未回收、厌氧消化和填埋产生的碳减排持续增长. 焚烧碳减排量的增加主由于餐厨废物的焚烧利用和部分危险废物转变为水泥窑处置. 总体来看, 2018~2019年减排顺序从大到小排列为：焚烧 > 好氧堆肥 > 厌氧消化 > 填埋 > 未收集利用. 2021年未回收利用量主要来自于农业固体废弃物, 危险废物固化填埋量增加, 其处置减排量转变为：焚烧 > 热分解 > 好氧堆肥 > 未收集利用 > 填埋.
|
图 5 不同处置技术碳减排量 Fig. 5 Carbon emission reductions from different disposal technologies |
在BAU情景下, 2025年重庆市预测的碳减排量为2 289.78×104 t, 而PLAN（重庆市固体废物处置规划）情景下预测碳减排量为2 750.31×104 t（图 6）. 重庆市各类固体废物碳减排总量趋势为逐渐减小. PLAN情景下碳减排量大于BAU情景, 原因为在两种情景下2025年一般工业固体废物预测产生量的差异. 但随各类废物处置设施在2025年的建设完善, 医疗废物、餐厨垃圾、建筑垃圾、城市固体废物、电子废物和秸秆废物产生的碳减排量持续增长, 但危险废物、市政污泥和畜禽粪便由于在未来总产量可能持续增加而导致其碳排放仍处于增长状态.
|
1.2017年, 2.2018年, 3.2019年, 4.2020年, 5.2021年, 6.2025年（BAU）, 7.2025年（PLAN） 图 6 2025年各类固体废物预测碳减排量 Fig. 6 Predicted carbon emission reductions from various types of solid waste in 2025 |
使用蒙特卡洛模拟法对2017~2021年重庆市碳排放量进行不确定性分析. 图 7为2017~2021年碳排放概率密度函数. 在95%置信水平下, 2017~2021年碳排放区间分别在-46.79×104~-35.20×104、3.48×104~9.79×104、-173.99×104~-155.41×104、-327.88×104~-302.45×104和-354.62×104~-325.91×104 t. 对5 a内碳排放敏感因素进行分析可知（图 8）, 影响2017年碳排放量最敏感因素为电子设备总量, 其方差贡献率占99.5%. 在2018年影响碳排放量敏感因素较多, 一般工业固废、秸秆和畜禽粪便, 其贡献率分别为74.6%、7.1%和7.1%, 而其他因素影响较小. 影响2019年碳排放量较大的敏感因素包括一般工业固废、建筑废物和危险废物总量, 其贡献率分别为53.8%、38.9%和6.1%. 一般工业固废、建筑废物量对2020年碳排放的影响较大, 两者贡献率分别为58.4%和39.1%. 影响2021年碳排放量的敏感因素为一般工业固废量, 其贡献率分别为95.8%.
|
图 7 2017~2021年固废处置碳排放不确定性分析 Fig. 7 Carbon emissions uncertainty analysis for solid waste disposal from 2017 to 2021 |
|
图 8 2017~2021年固废处置碳排放敏感性分析 Fig. 8 Sensitivity analysis of carbon emissions from solid waste disposal from 2017 to 2021 |
重庆市被选为“无废城市”建设试点后实施了众多固体废弃物减排措施. 2017~2021年重庆市固体废物源头和处置过程的碳减排量持续增加. 各类固废源头减排主要集中在一般工业固废、畜禽粪便和秸秆固废领域, 其处置过程中的减排来自于一般工业固废、建筑垃圾、危险废物、畜禽粪便和秸秆这5个领域. 由于重庆市推进企业工艺升级改造, 实施清洁生产以及采用多种方式进行渣土消纳以减少余土总量, 使一般工业固废和建筑垃圾源头减排量增长较快, 两者在2021年合计减排总量为1 667.13×104 t. 政府虽深入推进了“光盘行动”及推广小份菜、分餐制等, 但在限制餐厨垃圾产量方面还未见成效. 城市固体废物和电子废物人均产废量增加, 但因回收率高, 其碳减排量持续增加. 2021年一般工业固废综合利用率还停留在83.1%左右, 农业秸秆回收率仍为80%左右, 而市政污泥、危险废物、医疗废物和畜禽粪便等处置领域碳仍未达到碳减排, 所以应选取更有效的处置方式实现以上领域碳抵消. 有研究发现, 市政污泥采用厌氧消化+土地利用或厌氧消化+建筑材料的处置方式可实现碳抵消[6]；对危险废物和医疗废物在预处理阶段进行分类以降低混合丢弃率, 每吨医用塑料的回收利用可减少约0.76 t CO2排放, 实现医用塑料的闭环回收利用是减少碳排放的最佳选择[47]. 此外, 增加医疗垃圾焚烧厂的处理规模或改善发电厂蒸汽的初始参数都是减排的有效方法[48]. 对于畜禽粪便处置, 配置生物质设施和秸秆协同处置可能是畜禽粪便减排的有效手段[29]. 目前来看, 尽量减少各领域废物的填埋比例, 尽可能提高回收利用的比例仍是减排的关键, 丰富各类固废的处置技术, 并结合项目建设落实可实现某些领域的碳抵消.
4 结论（1）在无废城市建设背景下, 重庆市在工业领域实施了清洁生产和绿色制造政策, 一般工业固废产生强度下降, 所以从2020年开始其工业领域碳减排量不断增长；由于经济增长和生活水平的提高, 餐厨废物、生活垃圾和电子废物人均产废量均有所增加, 而处置设施建设并未随之建设完善, 导致以上领域未能做到源头减排；此外, 可加强绿色食品、有机农产品种植推广以及化肥和农药的限制使用以进一步降低农业领域源头排放量.
（2）无废城市政策实施后, 重庆市各领域固废处置整体实现了碳减排. 其中一般工业固废领域处置碳减排量最大, 直至2021年碳减排量增长至2 796.64×104 t, 建筑垃圾和秸秆处置碳减排量次之, 在2021年碳减排量分别为538.54×104 t和99.07×104 t. 这3个领域固废产量大, 是实现碳减排的重点领域. 所以应进一步提升这3个领域的固废利用率, 尽量减少其填埋量；生活领域（生活垃圾、污泥、餐厨垃圾和电子废物）的固废应加强对其源头产量的限制, 同时完善收运和细化分拣过程处置设施, 提升资源回收率以减少其碳排放；农业领域减少秸秆和畜禽粪便直接还田比例, 配置生物质处置设施推进两者协同处置可能是碳减排最佳手段.
（3）2025年重庆市在BAU情景下和PLAN（重庆市固体废物处置规划）情景下预测的碳减排量分别为2 289.78×104和2 750.31×104 t, 两种情景下碳排放量都在减少说明当地工业的升级转型和再生资源产业规模化取得较好的降碳效益. 但随各类废物处置设施在2025年的建设完善, 医疗废物、餐厨垃圾、建筑垃圾、城市固体废物、电子废物和秸秆废物产生的碳减排量持续增长, 但危险废物、市政污泥和畜禽粪便由于在未来总产量可能持续增加而导致其碳排放仍处于增长状态.
| [1] | 中华人民共和国生态环境部. 2022年中国生态环境统计年报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/sthjtjnb/202312/t20231229_1060181.shtml, 2023-12-29. |
| [2] | Ma W T, De Jong M, Zisopoulos F, et al. Introducing a classification framework to urban waste policy: Analysis of sixteen zero-waste cities in China[J]. Waste Management, 2023, 165: 94-107. DOI:10.1016/j.wasman.2023.04.012 |
| [3] | Castigliego J R, Pollack A, Cleveland C J, et al. Evaluating emissions reductions from zero waste strategies under dynamic conditions: a case study from Boston[J]. Waste Management, 2021, 126: 170-179. DOI:10.1016/j.wasman.2021.02.026 |
| [4] | Yang G, Zhang Q, Zhao Z L, et al. How does the "Zero-waste City" strategy contribute to carbon footprint reduction in China?[J]. Waste Management, 2023, 156: 227-235. DOI:10.1016/j.wasman.2022.11.032 |
| [5] | Yu B, Liu X Q, Ji C, et al. Greenhouse gas mitigation strategies and decision support for the utilization of agricultural waste systems: A case study of Jiangxi Province, China[J]. Energy, 2023, 265. DOI:10.1016/j.energy.2022.126380 |
| [6] | Zhou X, Yang J X, Zhao X Y, et al. Towards the carbon neutrality of sludge treatment and disposal in China: A nationwide analysis based on life cycle assessment and scenario discovery[J]. Environment International, 2023, 174. DOI:10.1016/j.envint.2023.107927 |
| [7] | IPCC. 2019 Refinement to the 2006 IPCC guidelines for national greenhouse gas inventories[EB/OL]. https://www.ipcc.ch/report/2019-refinement-to-the-2006-ipcc-guidelines-for-national-greenhouse-gas-inventories/, 2019-05-12. |
| [8] | Bhander G S, Christensen T H, Hauschild M Z. EASEWASTE-life cycle modeling capabilities for waste management technologies[J]. The International Journal of Life Cycle Assessment, 2010, 15(4): 403-416. DOI:10.1007/s11367-010-0156-7 |
| [9] | Itoiz E S, Gasol C M, Farreny R, et al. CO2ZW: Carbon footprint tool for municipal solid waste management for policy options in Europe. Inventory of Mediterranean countries[J]. Energy Policy, 2013, 56: 623-632. DOI:10.1016/j.enpol.2013.01.027 |
| [10] |
高洁, 呼和涛力, 袁汝玲, 等. "无废城市"试点建设与碳减排效益分析: 以徐州市为例[J]. 环境工程学报, 2023, 17(3): 979-989. Gao J, Huhe T L, Yuan R L, et al. Benefit analysis of carbon emission reduction in the pilot construction of "zero-waste city": a case study in Xuzhou, China[J]. Chinese Journal of Environmental Engineering, 2023, 17(3): 979-989. |
| [11] | 重庆市生态环境局. 《重庆市"十四五"时期"无废城市"建设实施方案》解读新闻发布会[EB/OL]. https://sthjj.cq.gov.cn/zwgk_249/xwfb_67131/202303/t20230302_11698606.html, 2023-03-02. |
| [12] | 中华人民共和国生态环境部. 《重庆市(主城区)"无废城市"建设试点方案》[EB/OL]. https://sthjj.cq.gov.cn/ztzl_249/rdzl/wfcs/gzdt/202111/t20211112_9948460.html, 2021-11-12. |
| [13] | GB/T50378-2019, 绿色建筑评价标准[S]. |
| [14] |
李丹阳, 孙少泽, 马若男, 等. 山西省畜禽粪污年产生量估算及环境效应[J]. 农业资源与环境学报, 2019, 36(4): 480-486. Li D Y, Sun S Z, Ma R N, et al. Estimation of annual production amount of livestock and poultry manure and its environmental effect in Shanxi Province, China[J]. Journal of Agricultural Resources and Environment, 2019, 36(4): 480-486. |
| [15] |
张晓庆, 王梓凡, 参木友, 等. 中国农作物秸秆产量及综合利用现状分析[J]. 中国农业大学学报, 2021, 26(9): 30-41. Zhang X Q, Wang Z F, Canmuyou, et al. Analysis of yield and current comprehensive utilization of crop straws in China[J]. Journal of China Agricultural University, 2021, 26(9): 30-41. DOI:10.11841/j.issn.1007-4333.2021.09.04 |
| [16] |
刘晓娜, 韩华, 周宏磊. 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. Liu X N, Han H, Zhou H L. Study on the characteristics of the composition of the simple domestic waste landfill in Beijing[J]. China Resources Comprehensive Utilization, 2021, 39(9): 50-52. DOI:10.3969/j.issn.1008-9500.2021.09.015 |
| [17] | Liu Y L, Xing P X, Liu J G. Environmental performance evaluation of different municipal solid waste management scenarios in China[J]. Resources, Conservation and Recycling, 2017, 125: 98-106. DOI:10.1016/j.resconrec.2017.06.005 |
| [18] | Yang N, Zhang H, Shao L M, et al. Greenhouse gas emissions during MSW landfilling in China: Influence of waste characteristics and LFG treatment measures[J]. Journal of Environmental Management, 2013, 129: 510-521. DOI:10.1016/j.jenvman.2013.08.039 |
| [19] | EPA. Individual waste reduction model (iWARM) tool[EB/OL]. https://www.epa.gov/warm/individual-waste-reduction-model-iwarm-tool, 2016-07-28. |
| [20] | Liu M, Ogunmoroti A, Liu W, et al. Assessment and projection of environmental impacts of food waste treatment in China from life cycle perspectives[J]. Science of the Total Environment, 2022, 807. DOI:10.1016/j.scitotenv.2021.150751 |
| [21] |
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]. 包头: 内蒙古科技大学, 2021. Han X T. Cost benefit analysis of construction waste recycling based on environmental value assessment[D]. Baotou: Inner Mongolia University of Science & Technology, 2021. |
| [22] | 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. |
| [23] |
陈莎, 崔东阁, 张慧娟. 建筑物碳排放计算方法及案例研究[J]. 北京工业大学学报, 2016, 42(4): 594-600. Chen S, Cui D G, Zhang H J. Calculation of carbon dioxide emissions from buildings and case study[J]. Journal of Beijing University of Technology, 2016, 42(4): 594-600. |
| [24] |
郑兆昱, 邓鹏, 黄靓, 等. 基于动态物质流的建筑垃圾减量化与资源化分析——以湖南省为例[J]. 中国环境科学, 2023, 43(2): 702-711. Zheng Z Y, Deng P, Huang L, et al. Reduction and resource recycle analysis on construction and demolition waste based on dynamic material flow-take Hunan Province as an example[J]. China Environmental Science, 2023, 43: 702-711. DOI:10.3969/j.issn.1000-6923.2023.02.023 |
| [25] |
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. Wang L, Li D B, Liu Z W, et al. Analysis on carbon emission from sludge treatment and disposal[J]. China Environmental Science, 2022, 42(5): 2404-2412. DOI:10.3969/j.issn.1000-6923.2022.05.047 |
| [26] |
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]. 北京: 中国农业科学院, 2018. Zhou Y Q. Carbon footprint assessment method and case study of intensive pig production system in China[D]. Beijing: Chinese Academy of Agricultural Sciences, 2018. |
| [27] | Eggelston S, Buendia L, Miwa K, et al. 2006 IPCC guidelines for national greenhouse gas inventory[EB/OL]. https://www.ipcc.ch/report/2006-ipcc-guidelines-for-national-greenhouse-gas-inventories/, 2016-07-28. |
| [28] | Su J J, Liu B Y, Chang Y C. Emission of greenhouse gas from livestock waste and wastewater treatment in Taiwan[J]. Agriculture, 2003, 95(1): 253-263. |
| [29] | Guo Z D, Zhang X N. Carbon reduction effect of agricultural green production technology: A new evidence from China[J]. Science of the Total Environment, 2023, 874. DOI:10.1016/j.scitotenv.2023.162483 |
| [30] | Roore 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] | 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 |
| [32] | 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 |
| [33] |
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. Huo L L, Yao Z L, Zhao L X, et al. Contribution and potential of comprehensive utilization of straw in GHG emission reduction and carbon sequestration[J]. Transactions of the Chinese Society for Agricultural Machinery, 2022, 53(1): 349-359. |
| [34] |
段华波, 陈瑛, 蔡俊雄, 等. 固体废物利用与处置碳排放研究进展和发展趋势[J]. 环境科学学报, 2023, 43(6): 1-10. Duan H B, Chen Y, Cai J X, et al. Research progress and trend of carbon emissions from solid waste utilization and disposal[J]. Acta Scientiae Circumstantiae, 2023, 43(6): 1-10. |
| [35] |
夏德建, 任玉珑, 史乐峰. 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. Xia D J, Ren Y L, Shi L F. Measurement of Life-Cycle carbon equivalent emissions of coal-energy chain[J]. Statistical Research, 2010, 27(8): 82-89. |
| [36] |
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. Gu X. Environmental Impact and comprehensive utilization research of iron tailings[J]. Modern Mining, 2022, 38(5): 237-240. DOI:10.3969/j.issn.1674-6082.2022.05.058 |
| [37] |
冯超, 朱海玲, 徐志强. 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, 111. Fen C, Zhu H L, Xu Z Q. Study on greenhouse gas emission of iron ore mining and processing based on EIO LCA[J]. China Mining Magazine, 2017, 26(3): 103-106, 111. |
| [38] |
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, 121. Lin J, Chen Y N, Lu L X, et al. Environmental benefit evaluation of copper tailings resource utilization based on LCA[J]. Nonferrous Metals Science and Engineering, 2021, 12(3): 106-112, 121. |
| [39] | 中华人民共和国生态环境部. 关于印发《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)》纳入2019-2020年全国碳排放权交易配额管理的重点排放单位名单》并做好发电行业配额预分配工作的通知[EB/OL]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk03/202012/t20201230_815546.html, 2020-12-30. |
| [40] | Hou H M, Su L J, Guo D F, et al. Resource utilization of solid waste for the collaborative reduction of pollution and carbon emissions: Case study of fly ash[J]. Journal of Cleaner Production, 2023, 383. DOI:10.1016/j.jclepro.2022.135449 |
| [41] | Wang Z Y, Ma X H, Pan H Y, et al. Investigating effects of phosphogypsum disposal practices on the environmental performance of phosphate fertilizer production using emergy analysis and carbon emission amounting: A case study from China[J]. Journal of Cleaner Production, 2023, 409. DOI:10.1016/j.jclepro.2023.137248 |
| [42] | Hossain M U, Wang L, Chen L, et al. Evaluating the environmental impacts of stabilization and solidification technologies for managing hazardous wastes through life cycle assessment: A case study of Hong Kong[J]. Environment International, 2020, 145. DOI:10.1016/j.envint.2020.106139 |
| [43] | Liu M Z, Wen J. X, Feng Y, et al. A benefit evaluation for recycling medical plastic waste in China based on material flow analysis and life cycle assessment[J]. Journal of Cleaner Production, 2022, 368. DOI:10.1016/j.jclepro.2022.133033 |
| [44] |
刘炳春, 齐鑫. 基于PCA-SVR模型中国工业固废产生量预测研究[J]. 河南师范大学学报(自然科学版), 2020, 48(1): 69-74. Liu B C, Qi X. Research on the forecast of industrial solid waste generation in China based on PCA-SVR[J]. Journal of Henan Normal University (Natural Science Edition), 2020, 48(1): 69-74. |
| [45] | 重庆市生态环境局. 重庆市生态环境局关于印发《重庆市固体废物(含危险废物)集中处置设施建设规划(2021—2025年)》的通知[EB/OL]. https://sthjj.cq.gov.cn/zwgk_249/zfxxgkml/hjgl/gtfwjwxfwgl/gtfwzhgl/ndgtfwwrhjfzxx/202212/t20221214_11389908.html, 2022-12-14. |
| [46] |
张晓梅, 庄贵阳, 刘杰. 城市温室气体清单的不确定性分析[J]. 环境经济研究, 2018, 3(1): 8-18, 149. Zhang X M, Zhong G Y, Liu J, et al. Uncertainty analysis of urban greenhouse gas inventories[J]. Journal of Environmental Economics, 2018, 3(1): 8-18, 149. |
| [47] | Hou Y H, Jia L L, Ma W T, et al. Analysing the factors affecting medical waste generation in China[J]. Sustainable Chemistry and Pharmacy, 2023, 32. DOI:10.1016/J.SCP.2023.100975 |
| [48] | Zhao H L, Wang L, Liu F, et al. Energy, environment and economy assessment of medical waste disposal technologies in China[J]. Science of the Total Environment, 2021, 796. DOI:10.1016/j.scitotenv.2021.148964 |