Carbon emissions of urban wastewater treatment system based on the “water-energy-carbon” nexus
YU Jiao,1, ZHAO Rongqin,1, XIAO Liangang1, ZHANG Linjing1, WANG Shuai1, CHUAI Xiaowei2, HAN Yucheng1, JIAO Shixing3通讯作者:
收稿日期:2019-09-30修回日期:2020-05-10网络出版日期:2020-06-25
基金资助: |
Received:2019-09-30Revised:2020-05-10Online:2020-06-25
作者简介 About authors
余娇,女,四川雅安人,硕士研究生,研究方向为城市水系统碳排放。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (8360KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
余娇, 赵荣钦, 肖连刚, 张林静, 王帅, 揣小伟, 韩雨承, 焦士兴. 基于“水—能—碳”关联的城市污水处理系统碳排放研究. 资源科学[J], 2020, 42(6): 1052-1062 doi:10.18402/resci.2020.06.04
YU Jiao, ZHAO Rongqin, XIAO Liangang, ZHANG Linjing, WANG Shuai, CHUAI Xiaowei, HAN Yucheng, JIAO Shixing.
1 引言
城市污水处理系统是城市主要碳排放源之一[1],随着大规模城市化进程和水资源消耗的增加,城市污水处理过程及其碳排放问题也得到了学界的诸多关注。研究表明,污水处理系统碳排放占社会总碳排放的1%~2%,且呈不断增长的趋势[2,3]。随着经济社会发展对水资源保护与再生利用的需要,未来中国污水处理量必将大幅增长[4,5,6]。同时,以高能耗和高物耗为基础的严标准出水要求,也会引起污水处理系统碳排放的大量增加[7,8]。因此,在当前快速城市化和水资源消耗增加的背景下,开展城市污水处理系统碳排放研究显得尤为重要[9,10]。近年来,国内外****从不同角度探讨了城市污水处理系统的碳排放问题,主要采用IPCC指南推荐的碳排放估算法[11,12]或碳足迹评价方法来核算污水处理过程中的直接和间接碳排放[13];研究尺度主要涉及国家、省级、市县或某一具体污水处理厂等不同层面[12,14,15];研究内容既包括污水处理过程的碳排放估算及特征分析,也涉及污水处理碳排放的影响因素及碳减排对策领域[16,17]。能源消耗是影响城市污水处理系统碳排放的重要因素[18],因此有众多****围绕“水—能”关联角度开展了污水处理系统的能耗碳排放研究[19]。污水生化处理环节产生的CH4和N2O是重要的直接温室气体排放源[20,21]。随着污水处理量的增加,污水处理的直接碳排放问题日益凸显,据美国EPA统计预测,2030年全球污水行业的CH4和N2O逸散量分别会超过6×108 tCO2e和1×108 tCO2e,约占非CO2总排放量的4.5%[2]。目前,****们针对是否要将污水处理过程中由物耗产生的碳排放纳入到污水处理碳排放的整体核算范围内持不同的观点[22],有****认为由物耗引起的碳排放相比能耗碳排放和直接碳排放,其比例较小,可不计入污水处理系统碳排放的核算,也有****认为污水处理过程中的物耗碳排放不能被忽略,尤其是针对大规模的污水处理系统。城市污水处理的碳排放是一个复杂的系统过程,不仅包括直接排放(CH4和N2O排放)还涉及间接排放(能耗碳排放和物耗碳排放),且不同环节的碳排放有明显的动态变化特征,这主要与污水处理量、进出水水质、能源消耗、物质消耗等因素密切相关。同时,在城市污水处理系统的运行过程中,水、能等资源流动和投入过程对碳排放也具有直接或间接的影响。因此,基于“水—能—碳”关联角度,从小尺度经济单元(污水处理厂)的视角分析资源耦合与碳排放的关系,可以进一步厘清污水处理不同环节的碳排放动态演变规律,揭示城市污水处理系统的碳排放机理,而且有助于从资源节约的视角针对污水处理的过程优化、工艺优选与节能改造等方面制定差别化的碳减排措施,为城市污水处理系统的资源节约与低碳运行和管理提供实践指导。基于此,本文构建了基于“水—能—碳”关联视角的城市污水处理系统碳排放研究的理论框架,并采用郑州市某污水处理厂的相关数据,对污水处理系统的直接和间接碳排放进行评估,并分析其动态变化特征和影响因素。本文从多要素关联的视角为城市污水处理系统的资源节约和碳减排提供理论和实践指导。
2 理论框架
城市污水处理系统的运行是一个涵盖了从污水进入系统,经过一系列机械和生化处理,最终达到出水标准的完整过程。在进水到出水的污水处理流程中,会产生能源消耗、物质消耗和生化反应,这不可避免地会引起碳排放。城市污水处理系统的碳排放可划分为直接碳排放和间接碳排放两部分(图1)。直接碳排放包括了CH4和N2O排放(在IPCC推荐的方法指南中[23],由生物成因产生的CO2未被纳入碳排放清单),CH4排放与污水处理的厌氧和好氧过程中的有机物降解有关,即降低污水的BOD(生化需氧量)浓度,使其达到出水水质要求;N2O排放主要与污水处理的脱氮过程相关,即将污水的TN(总氮)浓度降低到排放标准。间接碳排放包括了能耗碳排放和物耗碳排放,其中能耗碳排放是指由耗电量造成的碳排放,对应于污水处理系统运行过程中各耗能环节,包括预处理单元、生物处理单元、配药输送单元、污泥处理等其他机械处理设备的能耗;物耗碳排放与污水处理过程中消毒剂、絮凝剂等药物的消耗有关,主要发生在输送配药单元和污泥处理单元。综上,基于“水—能—碳”关联角度的城市污水处理系统中的“碳”不只是与能源消耗有关,还受多种因素的影响,由于不同的污水处理规模、处理工艺、进出水水质、工况条件等的差异会影响到污水处理系统各环节的碳排放,因此,本文基于“水—能—碳”关联视角,力图对城市污水处理系统的直接碳排放和间接碳排放的年内动态特征变化进行分析,并探讨污水处理碳排放与其影响因子之间的相关关系。图1
新窗口打开|下载原图ZIP|生成PPT图1基于“水—能—碳”关联的城市污水处理系统碳排放研究的理论框架
Figure 1Theoretical framework of research on carbon emissions of urban wastewater treatment system based on “water-energy-carbon” nexus
3 污水处理厂概况、数据来源和研究方法
3.1 污水处理厂概况和数据来源
郑州市某污水处理厂位于郑州市西部,服务范围27 km2,服务人口37万,总处理规模为20×104 t/d。该厂一期工程于2004年12月正式建成运行,污水处理工艺为改良A2/O工艺,设计污水处理规模为10×104 t/d,出水水质排放达GB18918-2002二级标准,回用水处理量5×104 t/d,出水水质排放达GB18918-2002一级B标准;二期工程于2010年6月建成使用,污水处理工艺采用升级改良A2/O工艺,污水处理设计规模为10×104 t/d,出水设计全部达回用水标准,执行GB18918-2002一级A排放标准。研究期内(2011年全年),该厂一期、二期工程为同时独立运行,其工艺流程如图(图2和图3)所示。本文采用了2011年该厂两期污水处理工程的相关基础数据,包括全年逐日的污水处理量、回用水处理量、进出水水质(BOD和TN的浓度)、耗电量、药剂消耗量(聚合氯化铝(PAC)、聚丙烯酰胺(PAM)、盐酸和氯酸钠等)。需要说明的是,该厂污水处理的基本工艺、运行流程、能源和物质消耗种类等情况为城市污水处理厂的一般类型,具有典型代表性。图2
新窗口打开|下载原图ZIP|生成PPT图2郑州市某污水处理厂一期工程的工艺流程图
Figure 2Process flow diagram of the first phase of a wastewater treatment plant (WWTP) in Zhengzhou City
图3
新窗口打开|下载原图ZIP|生成PPT图3郑州市某污水处理厂二期工程的工艺流程图
Figure 3Process flow diagram of the second phase of a wastewater treatment plant (WWTP) in Zhengzhou City
3.2 研究方法
本文构建了污水处理直接碳排放(CH4排放和N2O排放)和间接碳排放(能耗碳排放和物耗碳排放)的核算方法体系,并采用SPSS软件分析污水处理系统碳排放的影响因素。3.2.1 直接碳排放的核算
城市污水处理系统的直接碳排放核算包括了污水处理生物处理过程中产生的CH4排放和N2O排放。其计算公式如下[24]:
式中:
式中:
3.2.2 间接碳排放的核算
城市污水处理系统的间接碳排放核算包括了污水处理系统的能耗碳排放和物耗碳排放。能耗碳排放来源于污水处理系统运行过程中的提升泵单元、曝气设备、输送配药单元、污泥处理单元和其他处理环节机械设备的电力消耗。能耗碳排放的计算公式如下:
式中:
本文所指的物耗碳排放为药剂消耗的碳排放。为达到污水处理后的水质排放标准,在污水处理系统运行过程中会消耗一定量的消毒剂和絮凝剂,这些药剂在其生产和运输等过程中会涉及到碳排放,并且可用相应的碳排放系数进行衡量。物耗碳排放的计算公式如下:
式中:
3.2.3 污水处理碳排放影响因素的相关性分析
由于污水处理碳排放(能耗和物耗碳排放)受污水处理量、处理率、进出水水质和浓度这几类因素的影响,且受影响程度有差异,这里采用SPSS软件分析城市污水处理系统运行过程中能耗碳排放和物耗碳排放与上述影响因素之间的相关程度(主要通过判断相关系数的大小,以量化污水处理碳排放受污水处理量、处理率、进出水水质和浓度这几类因素不同程度的影响)。运用SPSS软件进行相关性分析的具体方法步骤为:将该厂一期和二期工程2011年全年逐日的吨水能耗碳排放量(能耗碳排放与污水处理量的比值)和吨水物耗碳排放量(物耗碳排放与污水处理量的比值)分别与进水浓度(BOD/TN浓度)、处理率(BOD/TN/回用水处理率)、处理水量的相关数据导入SPSS软件,进行显著性检验和相关性分析。
4 结果与分析
4.1 污水处理总碳排放的特征分析
2011年全年,该污水处理厂的总碳排放为79822.41 tCO2e,月均碳排放6651.87 tCO2e,月碳排放的最小(5178.14 tCO2e)和最大值(8219.90 tCO2e)分别在12月和8月。该厂一期工程的碳排放总量为38173.57 tCO2e,月均碳排放3181.13 tCO2e,无明显的季节变化,其中,最大和最小值分别为4267.71 tCO2e(4月)、2289.38 tCO2e(8月)。二期工程的总碳排放和月均碳排放分别为41648.85 tCO2e和3470.74 tCO2e,月碳排放变化较稳定,最大和最小值分布在12月(4621.81 tCO2e)和2月(2776.32 tCO2e)(图4)。图4
新窗口打开|下载原图ZIP|生成PPT图4郑州市某污水处理厂的总碳排放变化
Figure 4Variations of total carbon emissions of the wastewater treatment plant (WWTP) in Zhengzhou City
该厂一期工程中,能耗碳排放、物耗碳排放、CH4排放、N2O排放分别为9203.98 tCO2e、883.99 tCO2e、14627.00 tCO2e、13458.59 tCO2e,依次占碳排放总量的24.11%、2.32%、38.31%、35.26%(图5a);二期工程的能耗碳排放、物耗碳排放、CH4排放、N2O排放分别为9830.80 tCO2e、1728.68 tCO2e、17458.51 tCO2e、12630.86 tCO2e,各占总碳排放的23.60%、4.15%、41.92%、30.33%(图5b)。从总体看,该厂不同污水处理环节的碳排放差异明显,直接碳排放占主导地位,贡献率达到了70%左右,其中CH4排放的贡献率最大,N2O排放次之;由电力消耗和药剂消耗引起的间接碳排放相对较少。原因在于污水处理过程中对BOD和TN的处理率较高,由此产生的CH4排放和N2O排放也相应较多,同时由于污水处理产生的电力消耗和药剂消耗造成的是间接CO2排放,换算为统一的单位“碳排放当量(CO2e)”作比较时,CH4和N2O的全球变暖潜势值(GWP)分别是CO2的25和298倍,这就导致了直接碳排放在污水处理全过程的碳排放中占据了主导地位。
图5
新窗口打开|下载原图ZIP|生成PPT图5郑州市某污水处理厂的碳排放构成比例
Figure 5Proportion of carbon emissions of the wastewater treatment plant (WWTP) in Zhengzhou City
在吨水总碳排放(碳排放总量与污水处理总量的比值)中,全厂、一期工程和二期工程的月均值分别为1.06 kgCO2e/t、1.05 kgCO2e/t和1.07 kgCO2e/t。两期工程的吨水总碳排放均有较明显的变化波动(图6),这主要与两期工程每月的污水处理量和回用水处理率的变化有关。
图6
新窗口打开|下载原图ZIP|生成PPT图6郑州市某污水处理厂的吨水碳排放变化
Figure 6Variations of carbon emissions per unit volume of wastewater treatment of the wastewater treatment plant (WWTP) in Zhengzhou City
4.2 污水处理直接碳排放的年内动态变化分析
4.2.1 污水处理CH4排放的动态变化分析该污水处理厂两期工程的CH4排放有明显的季节变化,均呈春、冬季排放较多,夏季排放较少的趋势(图7a),这主要与污水处理量和进水BOD浓度的季节变化有关。如,二期工程5月和9月的污水处理量相差不大(5月为347.23×104 t,9月为345.30×104 t),但CH4排放差异明显(5月和9月分别为1797.24 tCO2e和939.80 tCO2e),原因在于二期工程5月和9月的进水BOD浓度差值较大,分别为200 mg/L和87 mg/L,而最终的出水BOD浓度均维持在4 mg/L左右。两期工程的吨水CH4排放(CH4排放量与污水处理量的比值)的变化趋势和CH4排放的变动基本一致,呈季节变化明显的特点(图6)。不同的污水处理系统对进出水水质中BOD浓度要求的差异会影响CH4排放,例如该厂二期工程对出水水质中BOD浓度的要求严于一期工程(一期和二期工程的出水BOD浓度均值分别为5.35 mg/L、5.28 mg/L),因此造成了二期工程的吨水CH4排放高于一期工程(一期和二期工程的吨水CH4分别为0.40 kgCO2e/t和0.45 kgCO2e/t)。此外,在污水处理过程中,CH4排放也与厌氧反应降解的有机碳有关,在不同的污水处理工艺中,曝气沉砂池、生物池的溶解氧浓度,沉淀池的水温等的差异会直接影响BOD的处理率,进而影响CH4排放的变化。
图7
新窗口打开|下载原图ZIP|生成PPT图7郑州市某污水处理厂的直接碳排放变化
Figure 7Variations of direct carbon emissions of the wastewater treatment plant (WWTP) in Zhengzhou City
4.2.2 污水处理N2O排放的动态变化分析
该污水处理厂两期工程的N2O排放呈不同的波动变化。其中,一期工程的N2O排放月均值为1121.55 tCO2e,N2O排放在1~4月和10~12月有小幅度上升,其余月份变化较稳定;二期工程的N2O排放月均值为1052.57 tCO2e,N2O排放的较大值主要分布在3月、11月和12月,较小值主要在1月、2月和4月(图7b)。两期工程的吨水N2O排放(N2O排放量与污水处理量的比值)全年变化较平稳,一期和二期工程的吨水N2O排放均值分别为0.37 kgCO2e/t和0.33kg CO2e/t(图6)。从计算公式可知,吨水N2O排放与污水处理量、TN的进出水浓度有关,即污水处理规模、处理工艺和进出水水质(TN浓度)等的差异会影响N2O排放的变化。实质上,污水处理中N2O的产生机理与污水生化处理阶段降解有机氮的过程(降低污水中亚硝酸盐的浓度,以达到污水处理后的排放标准)相关。
4.3 污水处理间接碳排放的年内动态变化分析
4.3.1 污水处理能耗碳排放的动态变化分析该污水处理厂两期工程的各月能耗碳排放变化均较平稳,且两期工程的各月能耗碳排放有呈反方向变化的趋势(图8a)。2011年全年,一期和二期工程的月均能耗碳排放分别是767.00 tCO2e和819.23t CO2e,其中,一期工程的能耗碳排放较大值主要集中在4—6月,相反地,二期工程的能耗碳排放较小值主要分布在4—6月。在吨水能耗碳排放(能耗碳排放量与污水处理量的比值)中,一期工程的吨水能耗碳排放全年变化态势较稳定,月均值为0.25 kgCO2e/t,月最大与最小值仅相差0.07 kgCO2e/t;二期工程的吨水能耗碳排放在1—5月期间呈持续下降状态,其余的月份维持平稳变动,月均值为0.24 kgCO2e/t(图6)。
图8
新窗口打开|下载原图ZIP|生成PPT图8郑州市某污水处理厂的间接碳排放变化
Figure 8Variations of indirect carbon emissions of the wastewater treatment plant (WWTP) in Zhengzhou City
污水处理系统的碳排放过程是“水—能—碳”关联的过程,该厂两期污水处理工程的能耗碳排放变化,不仅受污水处理量的影响,还与两期工程不同的污水处理工艺和进出水标准引起的电力消耗差异有关。同时,不同污水处理系统碳排放的“水—能—碳”关联程度有一定的差异,从该厂两期工程的能耗碳排放与其影响因素的相关性分析可知,吨水能耗碳排放与BOD/TN进水浓度、BOD/TN处理率的关系均通过了显著性检验,为低度正相关水平;吨水能耗碳排放与处理水量呈显著的负向相关,其中一期和二期工程的相关系数分别为-0.574、-0.861,表明了污水处理量增加,能耗碳排放有下降的趋势,呈一定的规模效应,且二期工程的规模效应更明显。同时,一期工程的能耗碳排放与回用水处理率之间的相关系数为0.176,呈极弱正相关,而二期工程的相关系数是-0.577(表1),为中度负相关,造成该现象的原因是该厂二期工程的回用水处理工艺是一期工程的升级改良版,在污水处理过程中更能体现节能减排和规模效应。综上,主要影响吨水能耗碳排放增减趋势的因子是回用水处理率和污水处理量。
Table 1
表1
表1郑州市某污水处理厂的进水浓度、处理率、处理水量与碳排放的相关性系数
Table 1
相关系数 | 污水处理工艺 | 进水浓度 | 处理率 | 处理水量 | |||||
---|---|---|---|---|---|---|---|---|---|
BOD | TN | BOD | TN | 回用水 | |||||
吨水能耗碳排放/(kgCO2e/t) | 一期 | 0.295** | 0.365** | 0.122* | 0.206** | 0.176** | -0.574** | ||
二期 | 0.473** | 0.486** | 0.311** | 0.177* | -0.577** | -0.861** | |||
吨水物耗碳排放/(kgCO2e/t) | 一期 | -0.125* | 0.103* | -0.068 | 0.152** | 0.546** | -0.350** | ||
二期 | 0.258** | 0.154** | 0.156** | 0.035 | -0.259** | -0.613* |
新窗口打开|下载CSV
4.3.2 污水处理物耗碳排放的动态变化分析
该污水处理厂两期工程的物耗碳排放有显著差异(图8b),这主要与两期工程不同的回用水处理量有关。2011年全年,该厂二期工程的物耗碳排放总量(1728.68 tCO2e)约是一期工程(883.99 tCO2e)的2倍,原因在于一期和二期工程的回用水处理总量分别是1503.08×104 t和3493.32×104 t,回用水处理量越大,消耗的药剂也就越多,相应产生的物耗碳排放就越多。两期工程的物耗碳排放月变化趋势较一致,物耗碳排放的较大值均分布在5—6月份,较小值出现在2—4月份(图8b)。两期工程的吨水物耗碳排放(物耗碳排放量与污水处理量的比值)全年变化较平稳,一期和二期工程的吨水物耗碳排放月平均值分别为0.02 kgCO2e/t和0.04 kgCO2e/t(图6)。两期工程的污水处理总量相差不大,但其吨水物耗碳排放均值相差1倍,主要在于二期工程的出水标准要严于一期工程,且二期工程回用水处理量较多,药剂消耗量较大。
与污水处理过程中的能耗碳排放相同,物耗碳排放也受污水处理量、污水处理工艺和进出水水质的影响。各因子对两期工程吨水物耗碳排放的影响没有对吨水能耗碳排放的影响程度明显(表1),如,一期工程的物耗碳排放与BOD/TN进水浓度的相关性系数分别为-0.125、0.103,而一期工程的能耗碳排放与BOD/TN进水浓度的相关性系数分别是0.295和0.365。此外,一期和二期工程的吨水物耗碳排放与BOD、TN处理率的相关性没有通过显著性检验,吨水物耗碳排放的增减趋势基本不受BOD/TN处理率的影响,因为两期工程的BOD和TN处理率全年均较稳定。一期、二期工程的吨水物耗碳排放与回用水处理率、处理水量这两个影响因素的相关显著性水平较高,相关性系数分别为0.546(正向相关)和-0.613(负向相关,体现了规模效应)。
5 讨论与结论
5.1 讨论
城市污水处理系统的碳排放是一个复杂的过程,是多因素共同作用的结果,即污水处理系统的规模、处理工艺、污水处理量、运行工况、进出水水质要求、回用水处理率、能源消耗类型等的差异会对污水处理过程中的能耗碳排放、物耗碳排放和直接碳排放的变化产生不同程度的影响。Bani等[27]核算的加拿大某污水处理厂的吨水碳排放为0.39 kgCO2e/t,该研究结果和本文计算的吨水碳排放(1.06±0.01)kgCO2e/t差异较大,原因在于Bani等的研究对污水处理碳排放的核算范围局限于生化处理的直接排放,而忽略了能源消耗对碳排放的影响,使得计算结果偏低;宋宝木等[24]对深圳市某A2/O工艺的污水处理厂的吨水碳排放核算结果为0.29~0.43 kgCO2e/t,计算结果也偏低,主要是因为本文的碳排放核算范围包括了污水处理过程中污泥处理环节产生的能耗和物耗碳排放,而宋宝木等的研究未考虑该环节的碳排放;Singh等[13]对英国和印度的50座污水处理厂的碳排放进行了核算,结果发现小规模污水处理系统的吨水碳排放为3.04 kgCO2e/t,约为本文研究结果的3倍,造成这一现象的主要原因是Singh等核算的小规模污水处理系统运行使用的能源除了电力(碳排放因子较小)之外,还有柴油等其他燃料(碳排放因子较大),且柴油等其他燃料的消耗量较多,而郑州市某污水处理厂的能源消耗只有电力;谢淘等[28]对中国北方某污水处理厂的碳排放核算结果为0.95 kgCO2e/t,和本文研究结果相近,原因在于这两座污水处理厂的处理工艺、排放标准、碳排放核算范围等情况基本相同。此外有****认为,将污水处理量作为评价标准来比较吨水碳排放也有一定的局限性,因为相同的处理水量,若污水处理系统进出水水质指标存在较大差别也会造成其处理过程的碳排放不同[28]。事实上,污水处理系统的碳排放研究,一般以污水处理过程为核心[29],如何实现污水处理过程中的碳减排是应对当前低碳城市建设迫切需要解决的问题之一。从“水—能—碳”关联角度对污水处理过程不同阶段的碳排放进行评估,并探究影响其碳排放动态变化的因素,不仅有利于从污水处理的过程优化、工艺优选与节能改造等方面制定差别化的碳减排措施;还有助于为减缓气候变化和统筹协调城市水、能资源可持续利用政策的制定提供理论与实践指导。
5.2 结论
本文在“水—能—碳”关联视角下构建城市污水处理系统碳排放核算框架体系,并以郑州市某污水处理厂为具体研究对象,评估了污水处理系统运行阶段不同环节的碳排放,并探讨了其影响因素。主要结论如下:(1)城市污水处理系统不同环节的碳排放差异明显。各环节碳排放从大到小依次排序为CH4排放、N2O排放、能耗碳排放、物耗碳排放,其中,CH4排放和N2O排放这两类直接碳排放占据主导地位,合计约占总碳排放的70%,能耗和物耗碳排放这两类间接碳排放的贡献相对较小,合计约占总碳排放的30%。在污水处理碳排放构成中,直接碳排放的贡献率较大,但间接碳排放同样不容忽视,因此在探索城市污水处理系统低碳运行模式的过程中,可从降低直接碳排放为主要切入点,同时也要兼顾考虑如何减少间接碳排放。
(2)城市污水处理直接碳排放的变化主要受污水处理量和进出水水质浓度(BOD浓度和TN浓度)变化的影响。其中,污水处理量越多,由污水处理生化反应过程产生的直接碳排放就越多;由不同的污水处理工艺和出水水质要求导致的BOD和TN处理率的变化分别可通过影响污水处理厂进水和出水的BOD和TN浓度差,进而导致CH4排放和TN排放发生变化。因此从城市源头节水以降低污水排放量,这有助于通过减少城市污水处理厂的污水处理量进而降低直接碳排放的水平;同时提高污水处理工艺并严格控制进出水水质标准也能在一定程度上实现降低直接碳排放的目标。
(3)城市污水处理间接碳排放与污水处理量、回用水处理率、BOD/TN的浓度和处理率各影响因素之间存在着不同程度的相关关系。其中,吨水能耗碳排放和吨水物耗碳排放与处理水量呈显著的负向相关,表明随着污水处理量增加,能耗和物耗碳排放均有下降的趋势,即呈规模效应;吨水物耗碳排放的增减趋势基本不受BOD/TN处理率的影响,但与回用水处理率、污水处理水量的相关性较高。由此在未来可根据城市污水处理间接碳排放与其影响因素之间不同程度的相关关系,针对污水处理能耗和物耗的碳排放过程制定差别化的碳减排措施。
(4)城市污水处理系统碳排放是多因素共同作用的复杂过程。由于城市污水处理系统不同环节碳排放受污水处理工艺、污水处理量、运行工况、进出水水质要求、回用水处理率和能源消耗类型等多因素影响,因此加强城市污水处理系统的资源输入和流通过程的综合管理,推动水、能资源节约和碳减排的协同对于污水处理系统的低碳运行具有重要实践意义。
需要说明的是,由于数据获取较为困难,本文仅采用了2011年的数据对该污水处理厂的碳排放进行了核算,侧重于从污水处理厂“小尺度经济单元”来探讨城市污水处理系统运行过程中资源耦合与碳排放的关系机理;未来还需进一步考虑城市污水处理系统运行各环节、各单元的碳排放,并加强时间序列的研究,以助于进一步探究污水处理运行阶段的碳排放动态变化规律,这对进一步优化污水处理工艺流程、推动城市污水处理系统的节能减排具有重要意义。
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[J]. ,
DOI:10.1016/j.watres.2014.06.002URL [本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
DOI:10.1016/j.egypro.2016.10.067URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
URL [本文引用: 1]
明确污水处理中COD去除量与CO2排放的关系,有助于提高污水处理厂COD去除率的同时减少CO2排放量.从系统优化的角度对污水处理节能减排开展研究,以城市污水系统费用最小化为目标,各个污水厂的日处理量和回用水量为系统变量,构建城市典型污水处理系统规划模型,根据参数COD排放标准和二氧化碳排放限值的变化进行优化,调整污水运营,实现经济效益和环境效益的“双赢”.COD排放标准分别为二级、一级B、一级A时,总CO2排放量分别为13408.74,15304.47,15900.81t/a.结果表明,COD排放标准越高,COD去除率增大,CO2排放量也随之增大.
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.18402/resci.2019.04.14URL [本文引用: 1]
水资源安全风险评价是对水资源进行风险管理的重要基础。本文以水资源安全内涵为基础,结合灾害系统论和风险理论,构建了水资源安全风险评价指标体系和水资源安全风险评价模型,并且采用主观AHP(层次分析法)和客观熵权法结合离差平方和最优组合赋权法进行确权,结合近年相关数据指标计算出各省级研究单元的水资源安全风险值,并根据自然断点法划分极高、高、中、低、极低5个风险等级,最后将极高风险、高风险、以及中等风险地区的水资源安全风险类型,划分为水量短缺风险、水质污染风险、干旱风险和洪涝风险。研究结果显示:水量短缺型风险主要分布在京津冀地区、辽宁、山东、河南、宁夏和甘肃地区;水质污染型风险有上海、辽宁、京津冀地区、江苏、吉林、山西、河南和广西地区;干旱型风险有黑龙江、陕西、甘肃、海南、新疆、内蒙和宁夏地区;洪涝型风险有广东和福建地区。针对不同风险类型提出相应的风险防控措施,从而为全国水资源安全管理提供科学有效的依据。
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
DOI:10.1016/j.jenvman.2015.09.017URLPMID:26406876 [本文引用: 2]
The paper presents energy and carbon footprints of sewage treatment plants (STPs) operating at different scales and using different technology options based on primary data from 50 STPs operating in India and the UK. The study used a combination of fundamental mass-balance approach for energy consumption and the methodology defined by IPCC for the carbon emissions. Small-scale institutional STPs consume twelve times the energy consumed by large-scale municipal STPs, the corresponding energy intensities being 4.87 kWh/m(3) and 0.40 kWh/m(3) respectively. Embodied energy from construction material and chemicals accounted for 46% and 33% of the total energy intensity of the municipal and institutional STPs respectively. The average carbon footprint of large-scale STPs is 0.78 kgCO2eq/m(3) and for small-scale STPs it is 3.04 kgCO2eq/m(3). However, fugitive emissions from large-scale STPs constituted 74% of the total carbon emissions whereas the figure was only 0.05% for small-scale STPs. Average electrical energy intensity in STPs in India is much lower (0.14 kWh/m(3)) than that in the UK (0.46 kWh/m(3)). This is due to the reason that STPs in India do not have resource recovery processes and use solar heat for sludge drying. The paper offers information and insights for designing low carbon strategies for urban waste infrastructure.
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1016/j.resconrec.2016.07.014URL [本文引用: 1]
[J]. ,
DOI:10.1038/s41598-019-56847-4URLPMID:31913322 [本文引用: 1]
A large body of literature is available on wound healing in humans. Nonetheless, a standardized ex vivo wound model without disruption of the dermal compartment has not been put forward with compelling justification. Here, we present a novel wound model based on application of negative pressure and its effects for epidermal regeneration and immune cell behaviour. Importantly, the basement membrane remained intact after blister roof removal and keratinocytes were absent in the wounded area. Upon six days of culture, the wound was covered with one to three-cell thick K14(+)Ki67(+) keratinocyte layers, indicating that proliferation and migration were involved in wound closure. After eight to twelve days, a multi-layered epidermis was formed expressing epidermal differentiation markers (K10, filaggrin, DSG-1, CDSN). Investigations about immune cell-specific manners revealed more T cells in the blister roof epidermis compared to normal epidermis. We identified several cell populations in blister roof epidermis and suction blister fluid that are absent in normal epidermis which correlated with their decrease in the dermis, indicating a dermal efflux upon negative pressure. Together, our model recapitulates the main features of epithelial wound regeneration, and can be applied for testing wound healing therapies and investigating underlying mechanisms.
[J]. ,
DOI:10.2166/wst.2014.521URLPMID:25633956 [本文引用: 1]
The objective of this research was to assess the energy consumption of wastewater treatment plants (WWTPs), to apply a mathematical model to evaluate their carbon footprint, and to propose energy saving strategies that can be implemented to reduce both energy consumption and greenhouse gas (GHG) emissions in Greece. The survey was focused on 10 WWTPs in Greece with a treatment capacity ranging from 10,000 to 4,000,000 population equivalents (PE). Based on the results, annual specific energy consumption ranged from 15 to 86 kWh/PE. The highest energy consumer in all the WWTPs was aeration, accounting for 40-75% of total energy requirements. The annual GHG emissions varied significantly according to the treatment schemes employed and ranged between 61 and 161 kgCO(2)e/PE. The highest values of CO(2)emissions were obtained in extended aeration systems and the lowest in conventional activated sludge systems. Key strategies that the wastewater industry could adopt to mitigate GHG emissions are identified and discussed. A case study is presented to demonstrate potential strategies for energy savings and GHG emission reduction. Given the results, it is postulated that the reduction of dissolved oxygen (DO) set points and sludge retention time can provide significant energy savings and decrease GHG emissions.
[J]. ,
DOI:10.1016/j.enconman.2018.02.058URL [本文引用: 1]
[J]. ,
DOI:10.1080/19443994.2014.940389URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.jclepro.2019.02.024URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.jclepro.2018.04.039URL [本文引用: 1]
[本文引用: 1]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1016/j.watres.2009.10.033URL [本文引用: 1]
AbstractInternational guidance for estimating emissions of the greenhouse gas, nitrous oxide (N2O), from biological nutrient removal (BNR) wastewater systems is presently inadequate. This study has adopted a rigorous mass balance approach to provide comprehensive N2O emission and formation results from seven full-scale BNR wastewater treatment plants (WWTP). N2O formation was shown to be always positive, yet highly variable across the seven plants. The calculated range of N2O generation was 0.006–0.253 kgN2O–N per kgN denitrified (average: 0.035 ± 0.027). This paper investigated the possible mechanisms of N2O formation, rather than the locality of emissions. Higher N2O generation was shown to generally correspond with higher nitrite concentrations, but with many competing and parallel nitrogen transformation reactions occurring, it was very difficult to clearly identify the predominant mechanism of N2O production. The WWTPs designed and operated for low effluent TN (i.e. <10 mgN L−1) had lower and less variable N2O generation factors than plants that only achieved partial denitrification.]]>
[J]. ,
DOI:10.1016/j.chemosphere.2009.12.044URL [本文引用: 1]
AbstractA comprehensive mathematical model has been developed to estimate greenhouse gas (GHG) emissions by wastewater treatment plants (WWTP) resulting from on-site and off-site activities. The contribution of individual processes to the production of GHGs in a typical hybrid treatment system for food processing wastewaters has been determined. The results show that the recovery of biogas and its reuse as fuel have a remarkable impact on GHG emissions and reduce the overall emissions by 1023 kg CO2e d−1 from a total of 7640 kg CO2e d−1 when treating a wastewater at 2000 kg BOD d−1. Furthermore, the recovery of biogas and its combustion may be used to cover the entire energy needs of the treatment plant for aeration, heating and electricity generation while creating emissions credit equal to 34 kg CO2e d−1. The off-site GHG emissions resulting from the manufacturing of material for on-site usage were identified as the major source of GHG generation in hybrid treatment systems. These emissions account for the generation of 4138 kg CO2e d−1, or 62% of the overall GHG emissions when biogas recovery is carried out. The inclusion of GHG emissions from nutrient removal as well as off-site processes in the overall GHG emissions of WWTPs increased the accuracy and completeness of this estimation, lending support to the novelty of the present study.]]>
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]