城市污水处理污染物排放效率评价：来自中国68个重点城市的调查外文翻译资料

 2022-08-06 14:37:45

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

城市污水处理污染物排放效率评价：来自中国68个重点城市的调查

Ge Wu a ，Jingke Hong b ,* , Ding Li a , Zezhou Wu c

摘要:污染物去除是污水处理的关键环节，它直接决定着污水处理的有效性和节水性。因此，评价污水处理中污染物排放效率势在必行。本研究利用非径向数据包络分析模型，在考虑城市规模差异的前提下，研究了68个重点城市污水处理中污染物的排放效率和减排潜力。通过比较“十二五”规划中的排放效率和减排目标，本研究确定了不同城市类型的污水处理需要解决的关键问题。结果表明，化学需氧量（COD）和氨氮（AN）具有相似的排放效率值，主要在0.5~0.7之间。更具体地说，COD的排放效率相对低于AN。城市规模对效率的提高产生了积极的影响。集中处理系统有利于实现污水处理的规模效应。对还原靶系统的研究表明，An在还原完成方面相对较差。除了技术壁垒外，也与地方政府的意愿和权力密切相关。城市应确定需要解决的关键领域，并参照其规模采取相应的减排战略。本研究的发现有助于将减少污染纳入城市议程，从而促进有效的污水处理过程，并为治理污水污染建立一个基准框架。

关键词： 数据包络分析；污水处理；排放效率；减排目标

1介绍

随着快速的城市化进程，缺水和水质恶化已成为阻碍中国可持续发展的主要因素。这种情况引起了全国公众的关注。中国水利部的数据表明，在656个城市中，有60％以上的城市容易出现水资源短缺，其中北京，上海，天津和石家庄等100多个城市的供水形势更加严峻。此外，水体的持续恶化加剧了水资源短缺。《2016中国环境状况报告》指出，地下环境贫瘠的225个地级以上城市中，城市水质分别占45.4%和14.7%。大量的污水是造成水污染的主要因素。从2005年到2015年，中国的污水排放量从50万亿公斤增加到73.5万亿公斤。城市生活污水约占总排放量的20％，从而成为水污染的新的主要产生源。为了解决这个问题，已经建立了许多污水处理厂（WWTP），以保护城市免受水污染。然而，生态和环境部报告的数据表明，污水中磷，氮，氨氮（AN）和悬浮固体的总量由于处理过程不佳或未经处理而远远超出了正常负荷。例如，工业和家庭污水中化学需氧量和化学需氧量的去除率分别为70.2％和38.9％，这意味着114亿公斤化学气体和15.5亿公斤AN直接排入接收水体。为了减轻污染排放对环境的损害，中国政府将化学需氧量和其他污染物作为确定“十一五”期间减排目标的关键绩效指标。排放效率是改善水质，防止水污染和再生水资源的关键因素，对于评估污水处理过程中污染物对环境的影响至关重要。对这一因素的理解可以促进全国范围内减排目标达标。

本文献通过各种方法研究了污水去除效率。许多研究将污水处理视为生产过程，因此从生命周期的角度衡量效率(Roeleveld et al., 1997; Hospido et al.,2004, 2007; Morrison et al., 2016).生命周期评估（LCA）方法通过分析原材料的提取，运输，制造和拆除过程中的物料和能源流入以及污染物流出，来量化产品对经济和环境的影响。鉴于LCA在分析案例特异性方面的优势，LCA已广泛用于微观量化(Ortiz et al., 2007).但是，这种方法在环境性能的宏观测量中被削弱。数据包络分析（DEA）适用于微观和宏观分析。这是Charnes，Cooper和Rhodes在1978年开发的用于生产效率评估的非参数方法（Charnes等，1978年).DEA是一种数学过程，它使用线性统计技术根据其输入和输出来评估决策单元（DMU）的相对效率。它建立了一个无参数的最佳边界，该边界在数学编程的帮助下将系统中的输入和输出包络起来，对DMU进行评估和比较，以确定它们是否已达到最佳边界。DEA是在多个输入和输出的情况下进行效率基准测试的领先方法。这种方法的优势在于它的非参数估计和自动确定输入和输出的权重而无需考虑单位，该方法广泛用于微观和宏观环境绩效评估(Zhong et al., 2011; Kumar et al., 2015; Sheng et al., 2016; Angulo-Meza et al., 2018; Wu et al., 2018; Gidion et al., 2019; Yan, 2019).

DEA已被广泛用于污水处理领域。经济效益分析是一个热点，它旨在最大程度地减少污水处理厂的运营成本，以确保水质(Hern andez-Sancho and Sala-Garrido, 2009; Sala-Garrido et al., 2011; Molinos-Senante et al., 2014; Zhang et al., 2014).大量工作表明，污水处理过程中存在规模效应，其中较大规模的污水处理厂具有更有效的运营过程(Hernandez-Chover et al., 2018; Molinos-Senante et al., 2013; Worthington and Higgs, 2014; Carvalho and Marques, 2014; Guo et al., 2014).污染物去除量是反映污水处理性能的关键指标（Molinos-Senante等，2014);最大化此数量通常用作污水处理效率评估中的编程目标(Lou and Lin, 2008; Munoz et al., 2008b ~ ; Oa et al., 2009; Benedetti et al., 2010).相比之下，一些学者要么采用污染物的去除率来描述污水处理性能(Can et al., 2014)或将污染物的数量视为评估污水处理的生态或环境效率的指标(Lassaux et al., 2007; Lorenzo-Toja et al., 2016; Gemar et al., 2018 ; Gomez et al., 2018 ). Munoz ~ et al. (2008a)将污染物的原始类型扩展到98个类别。但是，由于缺乏数据，在中国背景下考虑的污染物类型很少。因此，在中国，COD和AN通常被用作评估污水污染的主要指标(Lou and Lin, 2008).全球气候变化带来的挑战也加强了有关污水处理过程中温室气体排放的相关研究(Kyung et al., 2015; Ma et al., 2015; Masuda et al., 2018; Noyola et al., 2018).

对先前研究的全面回顾表明，缺乏对城市一级污水处理的排放效率的充分研究。尽管已经进行了足够的研究以寻求污水处理厂的微观效率分析和国家或省级污水治理的宏观研究，但是关于城市发展如何影响污水处理效率的研究却很少。省级调查未能揭示内陆地区的差距。随着快速的城市化，城市规模不可避免地会对污水处理效率产生影响。因此，有必要研究城市规模与污水处理效率之间的关系，尤其是从时间和空间角度而言。

为填补以前的研究空白，本研究测量了城市一级污水处理的污染物排放效率。DEA被用于分析2006年至2015年间68个城市的污染物排放效率和减排潜力。从时间和空间角度探讨了城市间效率差异和污水处理的规模效应。通过参考国家减排责任制，本研究探索了十二五期间城市在实现国家目标中的作用。这项研究的结果可以促进将污染缓解纳入城市议程，从而促进有效的污水处理过程，并为治理污水污染建立基准框架。

2方法

2.1模型

在DEA中，必须确定生产技术。但是，在传统技术效率评估中盲目追求总产出的最大化可能会导致实际情况中的矛盾，因为这种操作不可避免地会同时增加不良产出(Scheel, 2001).引入了环境生产技术（EPT），该技术将资本，劳动力和能源消耗视为输入变量，并将国内生产总值（GDP）和碳排放分别视为生产函数中的期望和不期望的产出。在以前的研究中，EPT主要用于径向或非径向环境性能评估(Miao et al., 2016; Pasurka, 2006)，该模型是假设规模报酬不变（CRS）的非参数DEA(Fare and Grosskopf, 2004).周和他的同事在可变规模收益的假设下进一步发展了该模型(Zhou and Ang, 2008; Zhou et al., 2008).由于无法在实际生产过程中彻底消除二氧化碳排放，因此不良的输出在周的EPT中的可处置性较弱。相反，在处理过程结束时，可以从污水中去除COD和AN。从理论上讲，污泥可以在污水处理过程中以无害的方式进行处理。因此，可以去除污水中的不良输出（例如，COD，AN和污泥），而不会影响污水的量，从而无法满足污水处理厂的生产效率。因此，用于污水处理的不期望的输出具有很强的可行性。

在EPT的基础上，本研究假设M种输入类型x=(x1 ，x2hellip;xn ）期望输出的类型y=(y1 ，y2hellip;yn）和L类不良输出u=(u1，u2 hellip;un）。生产函数可以表示为： P(x)={(y,u)}:(x,y,u)isin;T}. (1)

其中T代表污水处理的生产过程，P(x)是一组输出，包括理想和不理想的输出。技术上有效的节点x;y;来自所有可能输出集的u构成效率的前沿。因此，除了边界和凸度的数学特征外，P(x)的不良输出还具有很强的可处理性。

eth; THORN;

输入和输出变量的选择不当可能会对生产边界的模式和位置产生负面影响。结果，效率估计可能会被误解。为了解决这个问题，在对整个污水处理过程进行了深入调查的基础上选择了变量，并进行了稳健性测试以检验其可靠性。在污水处理过程中（请参见图1），首先收集城市工业生产和家庭消费产生的污水，并通过下水道网络将其输送到污水处理厂或其他污水处理设施中。后经过多步处理，一方面，处理后的污水作为期望的输出直接排放或再利用。管理不善的沉积污泥和污染物无法完全清除，构成了不良的产出。

在此过程的基础上，将污水收集和运输能力（CTC），污水处理能力（TC），污水排放量（D）和污水处理成本（C）作为输入变量，而污水量处理（T），产生的污泥量（S），排出的COD量（COD）和排出的AN量（AN）被用作输出变量，其中T是理想的输出，其他三个是不良的输出。因此，所有投入和产出的生产技术集可以表示为：

T={(CTC,TC,D,C,T,S,COD,AH):(CTC,TC,D,C)can produce[T(S,COD,AH)]} (2) DEA中使用两种方法进行效率评估：径向和非径向。径向模型测量最大展开输入（输出）变量的sion（收缩）比，以实现生产边界，该边界处理所有输入（输出）的变化具有相同比例的变量(Odeck and Alkadi, 2001; Sueyoshi and Goto, 2011).非径向模型允许输入（输出）变量具有不同比率的收缩（扩展）。与径向模型相比，非径向模型可以更有效地区分不同变量的效率，并且避免了径向DEA可能引起的过高估计(Hernandez-Sancho et al., 2011 ).因此，本研究采用非径向模型检验污染物的排放效率。

假设每个城市都独立存在J个城市DMU，可以将DMU的输入定义为xisin;R M，将所需的输出定义为yisin;R N，将undesirable的输出定义为uisin;R L。对于特定的城市，在CRS消耗下，污染物排放效率的评估模型为：Min mu; sigma;

s.t s-=xmk

-s =Tk

S-=Sk

s-=mu;CODk (3)

s-=sigma;ANk

,,j=1,hellip;,k,hellip;J

,

在等式中(3)，基本程序是通过非径向收缩来追求两种污染物的最小化，以将每个DMU保持在最佳边界上。s—和sthorn;表示输入和输出松弛变量。m和s表示收缩共COD和AN的效率分别是两种污染物的排放效率。换句话说,ECOD=mu;

EAH=sigma;,mu;=1和 sigma;=1表示目标城市在污水处理的最佳前沿，这意味着COD和AN的排放在技术上是有效的；否则，它是无效的DEA。COD和AN的还原电位可以表示为资料编号：[246634]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章