环境科学  2026, Vol. 47 Issue (9): 6047-6056   PDF    
引用本文
王晨杨, 贾启萌, 贾海峰, 王胤, 刘津成. 流域水环境调控措施协同减污降碳成本效益评估[J]. 环境科学, 2026, 47(9): 6047-6056.
WANG Chen-yang, JIA Qi-meng, JIA Hai-feng, WANG Yin, LIU Jin-cheng. Cost-benefit Analysis of Synergistic Pollutant and Carbon Reduction Through Watershed Interventions[J]. Environmental Science, 2026, 47(9): 6047-6056.
流域水环境调控措施协同减污降碳成本效益评估
王晨杨1,2, 贾启萌1,2, 贾海峰1,2, 王胤3, 刘津成4     
1. 清华大学环境学院，北京 100084;
2. 区域环境安全全国重点实验室，北京 100084;
3. 中国市政工程西南设计研究总院有限公司，成都 610084;
4. 广安发展工程建设有限公司，广安 638500
收稿日期: 2025-07-30; 修订日期: 2025-10-02
基金项目: 京津冀环境综合治理国家科技重大专项（2026ZD1215400）；国家自然科学基金项目（52070112）；广安市系统化全域推进海绵城市建设项目（CG-2024-150 XXH032）
作者简介: 王晨杨（1997~），男，博士研究生，主要研究方向为水环境系统分析，E-mail：wangcy22@mails.tsinghua.edu.cn
通信作者: 贾海峰, E-mail：jhf@tsinghua.edu.cn
摘要: 定量分析流域水环境调控措施的水环境效益、碳排放量以及经济成本对于实现减污降碳目标尤为重要. 然而，现有的评估研究大多集中在其环境效益和经济成本，少数评估其碳排放量的研究仅针对单一类型的措施，缺乏对整个流域水环境调控措施碳排放量的全面系统分析. 首先构建了流域水环境调控措施减污降碳成本效益核算体系，进而以滇池流域为例，通过对比不同水环境调控措施特征及其水质和水量调控效益，结合措施建设与运行阶段的碳排放以及经济成本系数，分析了不同调控措施情景下的成本效益情况. 案例研究结果表明，流域中城市低影响开发（LID）设施建设等与其他措施的协同效应明显；城市LID设施建设和农村最佳管理措施（BMP）建设等对于削减单位污染物浓度的边际碳排放成本较低，跨流域生态调水工程的边际碳排放成本较高；跨流域生态调水工程和合流制调蓄池建设等措施的边际经济成本较低，城市LID建设较高. 该框架能够识别解析不同水环境调控措施之间的关联协同效应，可为系统全面地评估调控措施对于整个流域水环境系统的成本效益提供借鉴意义.
关键词: 减污降碳      调控措施      成本效益      流域水环境      滇池流域     
Cost-benefit Analysis of Synergistic Pollutant and Carbon Reduction Through Watershed Interventions
WANG Chen-yang1,2 , JIA Qi-meng1,2 , JIA Hai-feng1,2 , WANG Yin3 , LIU Jin-cheng4     
1. School of Environment, Tsinghua University, Beijing 100084, China;
2. State Key Laboratory of Regional Environment and Sustainability, Beijing 100084, China;
3. Southwest Municipal Engineering Design & Research Institute of China Co., Ltd., Chengdu 610084, China;
4. Guang'an Development Engineering Construction Co., Ltd., Guang'an 638500, China
Abstract: Quantitative analysis of the environmental benefits, carbon emissions, and economic costs of watershed management interventions is crucial for meeting pollution and carbon reduction targets. However, existing watershed studies mainly focus on assessing the environmental benefits and financial costs of pollution control facilities. Few evaluate their carbon emissions, and those that do typically focus on single facility types, missing a comprehensive and systematic analysis of emissions across entire watershed pollution control systems. This study creates a watershed cost-benefit assessment framework for water interventions, demonstrated in the Dianchi watershed. By comparing the characteristics of interventions and their effects on water quality and quantity, along with carbon emission and economic cost data from facility construction and operation, this analysis examines the cost-benefit performance under various scenarios. The results revealed notable synergistic effects between urban low impact development (LID) implementation and other watershed facilities. Urban LID and rural best management practices (BMP) measures showed lower marginal carbon abatement costs per unit pollutant reduction, while the inter-basin ecological water diversion involved higher costs. Conversely, water diversion and combined sewer storage capacity expansion (SCE) exhibited lower marginal economic costs, whereas urban LID implementation incurred higher costs. This framework uncovers synergistic interactions among water environment control measures, providing a methodological foundation for systematic cost-benefit assessment of watershed intervention systems.
Key words: pollution and carbon reduction      intervention strategies      cost-benefit      watershed water environment      the Dianchi watershed     

在2020年第七十五届联合国大会上，我国提出力争于2030年和2060年实现碳达峰和碳中和的“双碳”目标. “双碳”目标是顶层战略布局，涉及社会经济发展的方方面面[1]. 2022年，生态环境部印发的《减污降碳协同增效实施方案》明确提出要协同水环境治理与碳减排，实现经济、气候和环境三方面效益共赢[2]. 2023年，国家发改委等三部门联合发布了《关于推进污水处理减污降碳协同增效的实施意见》，强调污水处理不仅是深化污染防治攻坚战的关键一环，同时也是促进温室气体减排的重要领域，要求污水处理行业全面提高污水处理综合效能，减少温室气体排放[3]. 这表明我国的碳减排行动已经从高碳排放行业逐步扩大到了水环境治理领域[4]. 流域水环境保护的目标从单一的水污染控制转向了既要减污，又要降碳的协同治理[5]. 这就需要对流域水环境系统的碳排放量进行全面系统的核算，囊括其中的各个子系统的碳排放情况.

流域水环境治理是一个复杂的系统工程，其中很多环节都涉及碳排放，比如污水管渠中污染物生化反应会直接产生甲烷（CH4）和二氧化碳（CO2）等温室气体[6]；跨流域生态调水工程会由于提升泵站的运行产生间接碳排放[7]. 在过去单纯以水环境改善为目标的流域治理中，往往会忽略水环境调控措施的碳排放量，造成水-碳关系失衡. 在我国的滇池流域，如实施了牛栏江-滇池补水工程，将大量的外流域“清水”引入滇池，有效地改善了滇池湖体的水质；然而由于高差因素，该工程的输水泵站平均每年要将超过5亿m3的水提升至200多m[8]，会因为电力消耗产生大量的间接碳排放. 因此，评估流域水环境调控措施的碳排放量，并对其进行优化调控尤为重要.

目前关于流域水环境优化调控的研究通常仅考虑水环境效益和经济成本二维目标[9，10]，忽略了水环境调控措施建设与运行期间的碳排放，无法支撑低碳化流域管控要求. 同时，虽然已有很多研究对水环境调控措施进行了碳排放量核算，积累了很多经验方法与相关参数[11，12]，然而现有的研究大多仅核算单一类型水环境调控措施的碳排放量（如污水处理厂和雨水控制设施等[13]），没有从全流域的角度出发，考虑各项措施之间的相互关联协同[14]. 本研究旨在减污降碳协同的视角下，考虑流域水环境治理的碳排放量维度，对比分析流域水环境系统调控措施的成本效益，助力区域减污降碳协同增效目标的实现.

1 材料与方法 1.1 流域系统边界

目前，不少流域已经实施了污水收集处理、跨流域调水及河道生态修复等多项水环境调控措施，以支撑其流域水环境质量的改善[15]. 然而，当前的调控策略对各项污染防治工程之间的协同效应系统性考虑不足，可能会导致措施效益的冗余或矛盾. 同时，缺乏对流域内水环境调控措施建设及运行期间碳排放量的系统评估与优化，影响流域尺度的减污降碳. 因此，在综合考虑流域内各种水环境调控措施之间协同效应的基础上对其进行优化调控，使流域达到环境效益、碳排放量及经济成本之间的平衡有着十分重要的意义.

本研究的系统边界对象为复杂的流域水环境调控系统，包括城市污水、农村面源、跨流域调水、城市再生水、城市雨水和流域河网等6个子系统，其系统边界如图 1所示. 城市供水系统对流域水环境的影响相对较小，在本研究中作为边界条件考虑.

图 1 流域水环境调控系统研究边界 Fig. 1 Watershed water regulation system scope

基于系统边界，纳入研究考虑范围内的水环境调控措施及其所属系统如表 1所示.

表 1 水环境调控措施类型 Table 1 Water management intervention types

1.2 研究方法

基于整合了物质流分析（MFA）和水土评估工具（SWAT）模型方法的工作基础[15]，本研究建立URWE（urban-rural water environment）模型，获取各项水环境调控措施运行的水质和水量调控效益. 基于文献检索与实地调研，获取碳排放因子[16~18]和污水厂电耗[19~21]等关键系数，核算流域子系统中水环境调控措施运行和建设的碳排放量，分析系统碳排放量的变化特征；基于源头减量、过程控制和末端治理等原则设计水环境调控措施，确定其规模与应用对象，系统全面核算调控措施应用情景下流域水环境质量、碳排放量以及经济成本相对于现状的变化，定量识别不同水环境调控措施之间的关联协同效应. 本研究的技术框架如图 2所示.

图 2 技术框架 Fig. 2 Research framework

流域水环境调控措施可以分为建设型和调整型两类. 建设型措施指新建水环境调控措施，以扩大现有设施的规模，例如合流制调蓄池建设和城市LID设施建设等. 调整型措施指在现有水环境调控措施的最大运行规模范围内，调整其实际运行规模，而不需要新建设施，例如生态引水量调整和污水厂尾水外排量调整等.

对于建设型调控措施，本研究使用$D_{l_m, s_m}^m$ 表示，其中m（m=1，2，…，M）为调控措施类型，共有M类调控措施；lm（lm=1，2，…，Lm）为调控措施应用的地点，第m类措施共有Lm个应用地点；sm（sm=1，2，…，Sm）为调控措施的规模，第m类措施共有Sm种规模. $D_{l_m, s_m}^m$ 的值为0或1，0表示在地点lm上不应用规模为sm的第m类调控措施，1表示在地点lm上应用规模为sm的第m类调控措施. 可将矩阵形式的决策变量按照行或者列转换为链条形式并依次相连，得到决策变量的集合，如图 3所示.

图 3 流域水环境调控措施表示方法 Fig. 3 Representation of watershed water interventions

决策变量的总个数为ND：

ND=∑m=1M(Lm×Sm) (1)

式中，M、Lm、Sm的取值以及地点和规模的具体选择应根据流域实际情况和决策者的偏好确定.

对于调整型调控措施，本研究使用Clnn表示，其中，n（n=1，2，…，N）为调控措施类型，共有N类调控措施；ln（ln=1，2，…，Ln）为调控措施应用的地点，第n类措施共有Ln个应用地点；Clnn的值为目标设施调整后运行规模与现状运行规模的比值.

调控情景下流域水环境效益可由下式计算：

Wi,t,Pi,j,t=MURWE(Dlm,smm,Clnn) (2)
LCj=∑i=1I∑t=1TPi,j,t/∑i=1I∑t=1TWi,t (3)

式中，MURWE为URWE水环境模型；Wi，t为调控方案（$D_{l_m, s_m}^m, C_{l_n}^n$）下第i个子汇水区第t天产生的入湖水量，m3；Pi，j，t为调控方案（$D_{l_m, s_m}^m, C_{l_n}^n$ ）下第i个子汇水区第t天产生的污染物j入湖负荷，g；LCj为调控情景下评价年内污染物j的平均入湖浓度，mg·L-1. 调控情景下的入湖污染负荷总量以及污染物浓度变化可以由下式计算：

ΔPj=∑i=1I∑t=1T(Pi,j,t-Pi,j,t0) (4)
ΔLCj=LCj-LCj0 (5)

式中，ΔPj为调控措施情景下评价年内污染物j入湖负荷变化量，g；ΔLCj为调控措施情景下评价年内污染物j入湖浓度变化量，mg·L-1.

调控情景下流域水环境调控系统的碳排放量可由下式计算：

EXt=MURWE(Dlm,smm,Clnn) (6)
CAt=MCAO(EX)+MCAC(Dlm,smm) (7)

式中，MCAO为水环境调控措施运行阶段碳排放量核算模型；EXt为调控方案（$D_{l_m, s_m}^m, C_{l_n}^n$ ）下评价年第t天的水环境变量；MCAC为所示的水环境调控措施建设阶段年均碳排放量核算模型；CAt为调控方案（$D_{l_m, s_m}^m, C_{l_n}^n$ ）下评价年第t天水环境调控措施碳排放量（以CO2-eq计），kg·d-1. 调控情景下的碳排放变化量可以由下式计算：

ΔCA=∑t=1TCAt-CAt0) (8)

式中，T为评价年内的总天数，ΔCA为评价年内调控情景碳排放量相比于现状的增加值（以CO2-eq计），kg.

调控情景下流域水环境调控措施的经济成本可由下式计算：

SOm,t=MURWE(Dlm,smm,Clnn), (9)
COt=∑m=1MECm×SOm+1STm×CCm×SCm(Dlm,smm) (10)

式中，SOm， t为调控方案（$D_{l_m, s_m}^m, C_{l_m}^n$ ）下调控措施m第t天的运行规模，m·d-1或m2·d-1或m3·d-1；CCm为建设单位规模设施m的成本，万元·m-1或万元·m-2或万元·m-3；SCm为调控措施 $D_{l_m, s_m}^m$ 下水环境调控措施m的建设规模，m或m2或m3；STm为新建设施m的运行寿命，d；COt为调控方案（$D_{l_m, s_m}^m, C_{l_n}^n$ ）下评价年第t天水环境调控措施经济成本，万元·d-1. 调控情景下经济成本变化可以由式（11）计算：

ΔCO=∑t=1TCOt-COt0) (11)

式中，T为评价年内的总天数，ΔCO为评价年内调控情景下经济成本相比于现状的增加值，万元.

由于耦合了URWE水环境模型，本研究可以实现流域水环境调控措施碳排放量的系统和动态核算. 当对某项措施进行调控时，本研究提出的耦合计算方法不仅可以反映该项设施本身的碳排放量变化，也可以反映由于水质水量变化导致的其他关联设施的碳排放量变化. 例如，当增加城市地区LID设施建设规模时，该方法框架不仅可以核算LID设施本身增加的碳汇量，也可以反映由于地表径流与污染物减少导致的污水管渠设施、雨水管渠设施、污水处理厂和污泥处置厂碳排放的变化.

1.3 案例区域

本研究以滇池流域作为案例研究区域，滇池流域是一个复杂的大型流域，流域面积2 920 km2，包含了城市和农村汇水区. 基于成本效益核算方法，逐一应用各种调控措施，系统评估调控措施下滇池流域相较于基准年2022年的水环境质量、碳排放量和经济成本变化.

对于调控措施情景，城市LID建设（LID）、农村BMP建设（BMP）、合流制调蓄池建设（SCE）、雨污分流改造（RSS）、污水处理厂提标改造（TQI）、污水处理厂尾水再生利用（WRR）、污水处理厂光伏发电（PPG）和河道生态修复（RER）等8项建设型调控措施，设置在所有对象（子汇水区、污水厂或者河段）上施用情景中等规模的该项措施（表 2）. 对于滇池流域的污水处理厂尾水外排工程，第一、第二、第五和第十污水厂尾水外排工程（TEA）通过西园隧洞外排，分别用TEA1-、TEA2-、TEA5-和TEA10-表示；第七、八污水处理厂的尾水于2021年5月之后不再外排，而是排入金家河，进入海洪湿地后汇入滇池. 现状情况其尾水外排工程量为0，情景设置相较于现状是增加外排水量，用TEA78+表示. 牛栏江-滇池补水工程（ERA）是跨流域生态调水工程，用ERA+表示.

表 2 水环境调控措施情景设计 Table 2 Watershed intervention scenario design

调控措施的水环境效益为调控措施下入湖污染物浓度与现状入湖污染物浓度的比值[22，23]；年均经济成本为年运行成本加上建设成本与设施运行年限的比值；年均碳排放量为年运行碳排放量加上建设碳排放量与设施运行年限的比值. 直接碳排放包括污水管渠、污水处理及污泥处置生化反应产生的CO2、CH4和N2O，以及绿色基础设施光合作用的碳汇等；间接碳排放包括电力消耗、物料消耗及运输等[21].

2 结果与讨论 2.1 流域现状碳排放量核算分析

滇池流域水环境调控措施2018~2022年的碳排放总量及不同水环境调控措施的碳排放量占比如图 4所示. 从中可知，牛栏江-滇池补水工程以及污水处理厂是流域水环境调控系统碳排放的主要来源，年平均占比分别为38.9%和37.9%；污水处理厂尾水外排工程、再生水处理站以及雨水管渠设施产生的碳排放量较小，年平均占比分别为1.2%、0.4%和0.3%. 由于牛栏江-滇池补水量的年际变化较大[24]，可能是导致不同年份的碳排放来源结构存在一定变化的原因.

图 4 流域不同水环境调控措施碳排放量占比 Fig. 4 Carbon emission share of watershed intervention facilities

滇池流域水环境调控措施不同类型的碳排放量占比如图 5所示. 从中可知，污水处理厂、污泥处置厂、再生水处理站以及各类提升泵站运行期间电力消耗导致的间接碳排放是滇池流域水系统碳排放量的主要类型，年平均占比为68.0%. 污水管渠、污水处理单元、污泥处理单元生化反应产生的CH4直接碳排放次之，化石源CO2直接碳排放以及运输间接碳排放量较小. 从时间变化上来看，电力消耗间接碳排放2018年占比最大，达到73.3%，2020年占比最小，为63.1%. CH4直接碳排放、N2O直接碳排放以及物料消耗间接碳排放均在2020年达到占比最大，2018年占比最小. 结果表明，降低电力消耗是减少滇池流域水环境调控系统碳排放量的有效解决途径.

图 5 流域水环境调控系统不同类型碳排放量占比 Fig. 5 Carbon emission share in watershed intervention systems

2.2 不同调控措施下的水环境质量变化

不同调控措施下滇池流域的水环境质量变化如图 6所示. 不同调控措施会影响不同来源的污染物入湖量，例如从图 6中可知，对入湖负荷而言，污水处理厂提标改造措施（TQI）和污水处理厂尾水再生利用（WRR）会减少来自城市和农村污水处理厂的负荷来源，总的COD、TN和TP入湖污染负荷减少. 污水处理厂光伏发电措施（PPG）不会对流域水环境质量产生影响. 合流制调蓄池建设（SCE）会减少来自城市溢流的污染负荷，但是会增加来自污水处理厂的污染负荷，总的来看，COD、TN和TP入湖污染负荷减少. 城市LID建设会同时减少来自城市面源、城市溢流和城市污水处理厂的污染物，总的COD、TN和TP入湖污染负荷减少. 农村BMP设施会减少来自农村面源的污染负荷，COD、TN和TP入湖污染负荷减少. 河道生态修复是水体应用措施，因此所有来源的污染负荷得到削减，总的COD、TN和TP入湖污染负荷减少.

图 6 不同调控措施下流域水环境质量变化 Fig. 6 Watershed water quality dynamics under intervention strategies

由于不同措施也会导致入湖总水量的变化，因此入湖污染负荷变化量并不能真正体现湖体水环境质量的变化. 图 6给出了不同措施下2022年全年入湖污染物平均浓度变化情况. 从COD入湖污染物浓度变化率来看，由于河道生态修复措施直接应用于水体，对入湖COD浓度的削减较为显著. 农村BMP设施以及城市LID设施建设也会显著减少入湖COD浓度，其主要原因是城市和农村面源污染是COD的主要来源[15]. 由于牛栏江-滇池补水工程来源的水体德泽水库中COD浓度较低[25]，牛栏江-滇池补水量增加同样会显著减少入湖COD浓度.

2.3 不同调控措施下的碳排放量变化

不同调控措施下滇池流域水环境调控系统的碳排放量变化如图 7所示. 从中可知，污水处理厂提标改造措施会增加污水处理厂的碳排放量（以CO2-eq计，下同），年均增加量为1.29×105 t. 污水处理厂尾水再生利用措施会增加再生水处理站的碳排放量，同时减少污水厂尾水外排的碳排放量；总的来看，系统年均碳排放量得到增加. 污水厂光伏发电措施会减少污水处理厂的碳排放量，年均减少量为4.16×104 t. 合流制调蓄池建设会增加污水管渠设施、合流制调蓄池、污水处理厂、污泥处置厂以及污水厂尾水外排工程的碳排放量. 城市LID设施建设会减少污水管渠设施、污水处理厂、污泥处置厂、雨水管渠设施和污水厂尾水外排工程的碳排放量，同时城市LID设施本身也会产生碳汇[26，27]，总的来看，系统碳排放量得到减少. 牛栏江-滇池补水会增加系统碳排放量.

图 7 不同调控措施下流域水环境调控系统碳排放量变化 Fig. 7 Carbon dynamics in watershed intervention systems

不同调控措施的边际碳排放成本如图 8所示. 边际碳排放成本指相对于现状基准情景，调控措施施用后的碳排放增量与污染物浓度削减量之比. 对于调控措施施用后入湖污染物浓度相较于现状减少的，其边际碳排放成本越小越好；对于施用后入湖污染物浓度相较于现状增加的措施，其边际碳排放成本没有意义，图 8中不再展示. 对于入湖COD浓度削减来说，城市LID设施建设的边际碳排放成本最低，污水处理厂提标改造的边际碳排放成本最高. 对于入湖TN浓度削减来说，城市LID设施建设的边际碳排放成本最低，合流制调蓄池建设的边际碳排放成本最高. 对于入湖TP浓度削减来说，城市LID设施的边际碳排放成本最低，牛栏江-滇池补水的边际碳排放成本最高. 整体来看，城市LID设施建设和农村BMP设施建设的边际碳排放成本较低，跨流域生态调水工程牛栏江-滇池补水的边际碳排放成本较高.

图 8 不同调控措施的边际碳排放成本 Fig. 8 Marginal carbon abatement cost of interventions

研究通过对流域现状碳排放量进行核算分析，发现污水处理厂是流域水环境调控系统碳排放的一个主要来源（图 4），并且污水处理厂运行阶段的电力消耗是碳排放的一个主要类型（图 5）. 因此探究降低污水处理厂节能减排的技术有着重要意义. 国家2013年发布了《国务院关于促进光伏产业健康发展的若干意见（国发〔2013〕24号）》[28]，明确大力开拓分布式光伏发电市场的行动计划，支持安装小型分布式光伏发电系统. 加之经济补贴政策引导，我国分布式光伏发电装机量有了很大地上升. 污水处理厂构筑物多，占地面积大，一般位于城市市区外围，无高楼遮挡、主体建筑和构筑物的表面空间大，光照时间优良，具备安装光伏发电设备的外部条件[29]. 滇池流域位于云贵高原，光照强度大[30]，更加适合安装光伏发电设备. 本研究的情景分析进一步发现，由于不同调控措施之间的关联协同效应，污水处理厂光伏发电措施不会对流域的水环境质量产生影响（图 6），同时污水厂光伏发电措施会减少污水处理厂的碳排放量（图 7）.

2.4 不同调控措施下的经济成本变化

不同调控措施下滇池流域水环境调控系统的经济成本变化如图 9所示. 从中可知，污水处理厂提标改造措施会增加污水处理厂的经济成本. 污水处理厂尾水再生利用措施会增加再生水收益[31，32]，同时减少污水厂尾水外排成本，总的来看，系统经济成本减少. 合流制调蓄池建设会增加合流制调蓄池、污水处理厂、污泥处置厂以及尾水外排工程的经济成本. 城市LID设施建设会带来建设成本，但同时又会减少污水处理厂、污泥处置厂和污水厂尾水外排工程的运行成本，总年均成本增加. 农村BMP设施建设和河道生态修复会增加年均经济成本. 牛栏江-滇池补水会增加系统经济成本.

图 9 不同调控措施下流域水环境调控系统经济成本变化 Fig. 9 Economic cost dynamics of watershed intervention systems

不同调控措施的边际经济成本如图 10所示. 边际经济成本指相对于现状基准情景，调控措施施用后的经济成本增量与污染物浓度削减量之比. 对于施用后入湖污染物浓度相较于现状减少的措施，边际经济成本越小越好；对于施用后入湖污染物浓度相较于现状增加的措施，其边际经济成本没有意义，图 10中不再展示. 对于入湖COD浓度削减来说，牛栏江-滇池补水的边际经济成本最低，城市LID设施建设的边际经济成本最高. 对于入湖TN浓度削减来说，污水厂尾水再生利用的边际经济成本最低，城市LID设施建设的边际经济成本最高. 对于入湖TP浓度削减来说，合流制调蓄池建设的边际经济成本最低，城市LID设施建设的边际经济成本最高. 整体来看，跨流域生态调水工程牛栏江-滇池补水、合流制调蓄池建设的边际经济成本较低，城市LID设施建设的边际经济成本较高.

图 10 不同调控措施的边际经济成本 Fig. 10 Marginal economic cost of interventions

研究发现跨流域生态调水的牛栏江-滇池补水工程是流域水环境调控系统碳排放的一个主要来源（图 4），情景分析表明牛栏江-滇池补水会增加系统的碳排放量（图 7）. 其边际碳排放成本也较高（图 8）. 虽然牛栏江-滇池补水的边际经济成本较低（图 10），但其会增加系统经济成本（图 9）. 随着水环境治理碳减排要求的提高[4]以及牛栏江-滇池补水来源德泽水库中水资源量的减少[25]，增加跨流域调水可能并不是滇池流域目前的最优选择. 应积极尝试使用其他的水源，如再生水循环利用[33]，探索流域地表水-地下水-再生水-外调水协同利用和治理技术等[34]. 研究同时发现城市LID设施建设、农村BMP建设等措施对于削减单位污染物浓度的边际碳排放成本较低（图 8），同时海绵源头设施也具有一定的固碳和生态价值[35]. 因此可尝试减少基于跨流域调水的大循环，增加如城市LID设施建设、污水处理厂尾水再生利用等措施. 通过完善提升流域内的水环境调控系统，打通系统内部微循环，实现流域水环境系统的减污降碳协同效果.

3 结论

（1）不同调控措施会影响不同来源的污染物入湖量，流域中城市LID设施建设等措施与其他设施的关联协同效应明显.

（2）不同调控措施会对多项设施的碳排放量产生影响，城市LID建设、农村BMP建设等边际碳排放成本较低，跨流域生态调水工程成本较高.

（3）不同调控措施会对多项设施的运行成本产生影响，跨流域生态调水工程、调蓄池建设等边际经济成本较低，城市LID建设较高. 综上，该成本效益核算框架可识别不同水环境调控措施之间的关联协同效应，系统全面评估调控措施对于流域水环境系统整体的成本效益.

参考文献
[1] 王灿, 张雅欣. 碳中和愿景的实现路径与政策体系[J]. 中国环境管理, 2020, 12(6): 58-64.
Wang C, Zhang Y X. Implementation pathway and policy system of carbon neutrality vision[J]. Chinese Journal of Environmental Management, 2020, 12(6): 58-64.
[2] 生态环境部, 国家发展和改革委员会, 工业和信息化部, 等. 减污降碳协同增效实施方案[EB/OL]. https://www.gov.cn/zhengce/zhengceku/2022-06/17/content_5696364.htm, 2022-06-10.
[3] 国家发展改革委, 住房城乡建设部, 生态环境部. 关于推进污水处理减污降碳协同增效的实施意见[EB/OL]. https://www.gov.cn/zhengce/zhengceku/202312/content_6923468.htm, 2023-12-12.
[4] 张亚捷, 霍守亮, 吴丰昌. 我国流域减污降碳协同增效: 路径、技术与对策[J]. 中国工程科学, 2022, 24(5): 41-48.
Zhang Y J, Huo S L, Wu F C. Pathway, technology, and strategy for synergizing the reduction of pollution and carbon emissions in China's watersheds[J]. Strategic Study of CAE, 2022, 24(5): 41-48.
[5] 曹炜. "双碳"目标下的流域生态环境保护规划: 理念更新与措施调适[J]. 中国人口·资源与环境, 2022, 32(12): 31-40.
Cao W. Watershed ecological and environmental protection planning under the 'dual carbon' goals: concept renewal and measure adjustment[J]. China Population, Resources and Environment, 2022, 32(12): 31-40.
[6] Yin Y J, Qi X, Gao L, et al. Quantifying methane influx from sewer into wastewater treatment processes[J]. Environmental Science & Technology, 2024, 58(22): 9582-9590.
[7] 王建华, 朱永楠, 李玲慧, 等. 社会水循环系统水-能-碳纽带关系及低碳调控策略研究[J]. 中国工程科学, 2023, 25(4): 191-201.
Wang J H, Zhu Y N, Li L H, et al. Water-energy-carbon nexus of social water cycle system and low-carbon regulation strategy[J]. Strategic Study of CAE, 2023, 25(4): 191-201.
[8] 王艺颐. 牛栏江-滇池补水工程运行后滇池环境改善的效果研究[D]. 昆明: 昆明理工大学, 2023.
[9] Hansen A T, Campbell T, Cho S J, et al. Integrated assessment modeling reveals near-channel management as cost-effective to improve water quality in agricultural watersheds[J]. Proceedings of the National Academy of Sciences of the United States of America, 2021, 118(28). DOI:10.1073/pnas.2024912118
[10] Xie W F, Li J K, Liu Y W, et al. Evaluation of ecological buffer zone based on landscape pattern for non-point source pollution control: a case study in Hanjiang River basin, China[J]. Journal of Hydrology, 2023, 626. DOI:10.1016/j.jhydrol.2023.130341
[11] 徐祥雨, 李怀波, 陈灿, 等. 城市污水系统甲烷产生与排放研究进展[J]. 环境工程, 2024, 42(11): 29-39.
Xu X Y, Li H B, Chen C, et al. Research progress on methane generation and emission from urban sewage systems[J]. Environmental Engineering, 2024, 42(11): 29-39.
[12] 张翔宇, 胡建坤, 马凯, 等. 给水厂典型工艺碳排放特征与影响因素[J]. 环境科学, 2024, 45(1): 123-130.
Zhang X Y, Hu J K, Ma K, et al. Carbon emission characteristics and influencing factors of typical processes in drinking water treatment plant[J]. Environmental Science, 2024, 45(1): 123-130. DOI:10.13227/j.hjkx.202302078
[13] 张希. 城市雨水系统全生命周期碳排放核算方法及应用研究[D]. 北京: 北京建筑大学, 2023.
Zhang X. Research on the accounting method and application of carbon emissions in life cycle of urban stormwater system[D]. Beijing: Beijing University of Civil Engineering and Architecture, 2023.
[14] Li L Q, Wang X H, Miao J Y, et al. Carbon neutrality of wastewater treatment-A systematic concept beyond the plant boundary[J]. Environmental Science and Ecotechnology, 2022, 11. DOI:10.1016/j.ese.2022.100180
[15] Jia Q M, Jia H F, Sun M Z, et al. Integrating material flow analysis into hydrological model for water environment management of large-scale urban-rural mixed catchment[J]. Science of the Total Environment, 2024, 955. DOI:10.1016/j.scitotenv.2024.177251
[16] Yan X, Li L, Liu J X. Characteristics of greenhouse gas emission in three full-scale wastewater treatment processes[J]. Journal of Environmental Sciences, 2014, 26(2): 256-263. DOI:10.1016/S1001-0742(13)60429-5
[17] Kinh C T, Suenaga T, Hori T, et al. Counter-diffusion biofilms have lower N2O emissions than co-diffusion biofilms during simultaneous nitrification and denitrification: insights from depth-profile analysis[J]. Water Research, 2017, 124: 363-371. DOI:10.1016/j.watres.2017.07.058
[18] Hua H, Jiang S Y, Yuan Z W, et al. Advancing greenhouse gas emission factors for municipal wastewater treatment plants in China[J]. Environmental Pollution, 2022, 295. DOI:10.1016/j.envpol.2021.118648
[19] Hwang K L, Bang C H, Zoh K D. Characteristics of methane and nitrous oxide emissions from the wastewater treatment plant[J]. Bioresource Technology, 2016, 214: 881-884. DOI:10.1016/j.biortech.2016.05.047
[20] Chen X M, Mielczarek A T, Habicht K, et al. Assessment of full-scale N2O emission characteristics and testing of control concepts in an activated sludge wastewater treatment plant with alternating aerobic and anoxic phases[J]. Environmental Science & Technology, 2019, 53(21): 12485-12494.
[21] 中国城镇供水排水协会. 城镇水务系统碳核算与减排路径技术指南[M]. 北京: 中国建筑工业出版社, 2022.
China Urban Water Association. Guidelines for carbon accounting and emission reduction in the urban water sector[M]. Beijing: China Architecture & Building Press, 2022.
[22] Leng L Y, Jia H F, Chen A S, et al. Multi-objective optimization for green-grey infrastructures in response to external uncertainties[J]. Science of the Total Environment, 2021, 775. DOI:10.1016/j.scitotenv.2021.145831
[23] Liu Z J, Han Z X, Shi X Y, et al. Multi-objective optimization methodology for green-gray coupled runoff control infrastructure adapting spatial heterogeneity of natural endowment and urban development[J]. Water Research, 2023, 233. DOI:10.1016/j.watres.2023.119759
[24] 张天力, 马巍, 杨凡, 等. 滇池水质持续性改善与牛栏江补水依存关系研究[J]. 水电能源科学, 2025, 43(4): 80-83, 59.
Zhang T L, Ma W, Yang F, et al. Study on the relationship between continuous improvement of water quality in Dianchi Lake and water replenishment of Niulan River[J]. Water Resources and Power, 2025, 43(4): 80-83, 59.
[25] 辛京达, 李亚强, 陈成, 等. SWAT模型参数修正及应用——以德泽水库径流区为例[J]. 长江科学院院报, 2023, 40(3): 30-36.
Xin J D, Li Y Q, Chen C, et al. Modification of SWAT model parameters and application: case study on the runoff area of Deze reservoir[J]. Journal of Changjiang River Scientific Research Institute, 2023, 40(3): 30-36.
[26] Jin X Y, Fang D L, Chen B, et al. Multiobjective layout optimization for low impact development considering its ecosystem services[J]. Resources, Conservation and Recycling, 2024, 209. DOI:10.1016/j.resconrec.2024.107794
[27] Chang W C, Liu G Y, Chen Y, et al. Assessing inter-industrial ecosystem service flows and economic benefits of sponge city: a comprehensive input-output analysis[J]. Environmental Impact Assessment Review, 2025, 114. DOI:10.1016/j.eiar.2025.107955
[28] 国务院. 国务院关于促进光伏产业健康发展的若干意见(节选)[J]. 信息技术与信息化, 2013(4): 4-5.
[29] 姚阔为, 张鑫, 王冠. 光伏发电在污水厂节能减排中的应用及案例分析[J]. 节能与环保, 2023(11): 75-80.
Yao K W, Zhang X, Wang G. Application and case analysis of photovoltaic power generation in energy saving and emission reduction of sewage plant[J]. Energy Conservation and Environmental Protection, 2023(11): 75-80.
[30] 王岩, 刘睿, 刘捷, 等. 西南地区构造湖和河成湖流域水质对景观特征的多时空尺度响应差异[J]. 环境科学, 2025, 46(7): 4227-4240.
Wang Y, Liu R, Liu J, et al. Differences in multi-temporal and spatial scale responses of water quality to landscape features in tectonic and river-forming lake watersheds in southwest China[J]. Environmental Science, 2025, 46(7): 4227-4240. DOI:10.13227/j.hjkx.202406070
[31] Wang C Y, Wu F P, Yang W T, et al. Assessment of reclaimed water development capacity in urban agglomerations: a method based on the fuzzy n-cell height index[J]. Water Research, 2025, 284. DOI:10.1016/j.watres.2025.124004
[32] Zheng M, Hu Z T, Liu T, et al. Pathways to advanced resource recovery from sewage[J]. Nature Sustainability, 2024, 7(11): 1395-1404. DOI:10.1038/s41893-024-01423-6
[33] 张娟娟, 黎佳茜, 吴瑞, 等. 我国再生水循环利用: 现状、趋势及对策[J]. 环境科学, 2024, 45(12): 7031-7040.
Zhang J J, Li J X, Wu R, et al. Recycling of reclaimed water in China: current situation, development trend, and countermeasures[J]. Environmental Science, 2024, 45(12): 7031-7040.
[34] 杨伊静. 2025重大科学问题、工程技术难题和产业技术问题发布引导广大科技工作者开展原创性引领性攻关[J]. 中国科技产业, 2025(7): 7-13.
[35] 彭思源, 赵洪涛, 柴桦. 海绵城市源头设施运行阶段减污降碳及协同路径[J]. 环境科学, 2025, 46(3): 1548-1557.
Peng S Y, Zhao H T, Chai H, et al. Pollution and carbon emission reduction and synergistic pathways in the operation phase of sponge city source control facilities[J]. Environmental Science, 2025, 46(3): 1548-1557. DOI:10.13227/j.hjkx.202403119