典型工业园区水网络碳排放因子本地化研究

童家歆，张文龙，徐文筠，童林林

（1.河海大学环境学院，江苏南京 210098； 2.盐城高新水务有限公司，江苏盐城 224006）

工业园区是社会经济发展的重要支撑，工业园区水网络包括取水、供水、集水、水处理、水回用等多个涉水环节，是维持园区正常运行的生命线。现阶段我国工业园区的用水需求较大，但用水效率普遍偏低，且传统的水处理过程一般采用“以能消能”、“以物质换取物质”的模式，过度依赖能耗和药耗，造成大量温室气体排放，据统计，仅污水处理环节，碳排放量已占全社会总排放量的约1.5%〔1〕。2021 年，国务院和科技部相继提出要在工业园区实现绿色低碳循环发展和工业废水低碳近零排放，因此，在工业园区水网络开展碳减排研究，已经成为其绿色低碳发展的必然要求，也是服务国家重大战略、实现“双碳”目标的重要保障。

精准碳核算是合理制定工业园区碳减排策略、推动碳减排任务向前迈进的前提和基础，碳核算方法主要包括排放因子评估法、生命周期评价法（LCA）和投入产出法3 种〔2〕。排放因子评估法应用最为广泛，其在获取碳排放直接活动数据的基础上，可用活动数据与排放因子相乘计算生产活动过程中的碳排放量。排放因子又分为间接碳排放因子和直接碳排放因子，间接碳排放因子又称为通用碳排放因子，在不同区域之间较为统一，而直接碳排放因子与区域气候、处理工艺、运行工况和水环境基础等息息相关，波动和差异性较大，因此直接碳排放因子的准确性是水系统精准碳核算的关键〔3-4〕。直接碳排放因子应首选基于实地监测和模型计算所得的本地化数据，然而目前水系统碳核算主要集中于污水污泥处理处置环节，并未涵盖所有涉水环节，且取值多采用国际和国家标准，缺乏对特定地区、行业和涉水单元的本地化探索，这可能导致水系统碳排放量计量结果与实际值存在巨大的误差，对区域招商引资和提标改造决策方案造成影响，因此，在工业园区水网络开展碳排放因子本地化研究可为工业园区制定符合区域现状的减碳或降碳规划提供参考。

本研究以工业园区绿色低碳发展为背景，以电子信息行业典型工业园区为研究区域，以其水网络为研究对象，基于野外采样与实地监测，量化不同涉水环节的直接碳排放因子，分析其分布特征，运用相关性分析识别其关键影响因素，在此基础上，量化关键影响因素对碳排放因子的影响，构建工业园区水网络直接碳排放因子的本地化方程，并运用蒙特卡洛法定量化探究直接碳排放因子的不确定性情况，验证所构建本地化方程的合理性。

1 材料与方法

1.1 研究对象

本研究以盐城市某典型工业园区的水网络为研究对象，该区域地处亚热带向暖温带的过渡区，自然环境宜人，年均气温15.4 ℃，年降水量900~1 066 mm，年平均湿度82%，空气质量常年保持一级水平。区域占地面积为45 km2，用水户包括100 余家工业企业，电子信息为其主导产业，多属于智能终端制造行业，包括新型电子、柔性线路板、LED 生产等高新技术企业。目前已初步构建了从核心部件到品牌整机、从硬件生产到软件研发的全产业链条。

区域内建有一座工业污水处理厂，规划处理能力80 000 m3/d，一期规模为40 000 m3/d，占地约4.67万m2，主要处理智能终端产业园区内电子信息企业的污水和少量生活区污水。现阶段实际处理量约为10 000 m3/d，污水处理工艺为“粗格栅及进水泵房+均质调节池及事故池+混合反应池+初沉池+水解酸化池+AAO 生化反应池+二沉池+磁混澄清池+滤池（预留）+加氯接触池及出水泵房”，包括初沉污泥、水解污泥、剩余污泥和化学污泥在内的原生污泥处理工艺为“污泥浓缩池+板框压滤+外运”。该污水处理厂尾水排放执行《城镇污水处理厂污染物排放标准》（GB 18918—2002）一级A 标准，实际排放尾水水质在累计频率达到85% 时，出水COD、NH3-N、TP、TN 分别为27.80、1.89、0.21、8.61 mg/L。

该区域现状水网络如图1 所示。供水过程的直接碳排放一般可以忽略不计〔5〕，因此，本研究将对企业内部污水处理、污水管网和泵站、区域污水处理厂、尾水受纳河流各涉水环节CO2、CH4、N2O 3 种温室气体的直接碳排放因子进行本地化构建。

图1 工业园区现状水网络Fig.1 Current water network of the industrial park

1.2 样品采集与数据获取

工业园区水系统直接碳排放环节包括企业用水环节、污水收集环节、污水处理环节和尾水排放环节，为全面解析工业园区水网络碳排放因子相关特征，采样点布设覆盖了这些环节，在典型企业内部污水处理站、区域污水管网和泵站、区域污水处理厂、尾水受纳河流共4 个涉水环节设置了采样点59 个，并采集到水样59 个、泥样59 个、气体样91 个。现场检测指标包括水温（T）、溶解氧（DO）、pH、电导率（Cond）、氧化还原电位（ORP）、流速（v）；水样的检测指标包括COD、TN、TP、NO3--N、NO2--N、NH4+-N、TOC、SO42-和重金属；泥样的检测指标包括TN、TP、NO3--N、NO2--N、NH4+-N、TOC、SO42-和重金属（Cu、Ni）；气体样品检测指标包括CO2、CH4和N2O 的气体浓度。

1.3 碳排放因子本地化方法

在企业用水环节、污水收集环节和污水处理环节，CO2、CH4、N2O 3 种温室气体的排放因子通常采用通量箱法获取，相应的计算见式（1）~式（7）〔6〕，式中EFCO2-1和EFCO2-2分别表示基于进水COD 负荷和COD 去除负荷的CO2排放因子，EFCH4-1和EFCH4-2分别表示基于进水COD 负荷和COD 去除负荷的CH4排放因子，EFN2O-1和EFN2O-2分别表示基于进水TN 负荷和TN 去除负荷的N2O 排放因子，Eg表示一定时间内各涉水单元CO2、CH4或N2O 排放量，V表示通量箱体积，S表示通量箱覆盖面积，ρ表示温室气体对应温度下的密度，dC/dt表示箱内温室气体浓度随时间的变化率，St表示池体面积，Q表示处理水量，CODin和CODeff分别表示某环节进水COD 和出水COD，TNin和TNeff分别表示某环节进水TN 和出水TN，W表示输出场外的污泥量，VSS 表示污泥挥发性悬浮物质浓度，KCOD和KN分别表示污泥的COD 当量和N当量。

在尾水排放环节，以通量箱法获取的气体排放通量对碳排放情况进行核算，其计算见式（8）〔6〕，式中F表示CO2、CH4或N2O 的排放通量，α表示单位时间静态箱中气体浓度的变化率，F′为单位转化常数，V表示通量箱的体积，S表示通量箱覆盖面积，M表示CO2、CH4或N2O 的摩尔质量。

2 结果与讨论

2.1 工业园区水网络碳排放因子特征

本研究基于实地监测与采样，提出了适用于盐城工业园区水网络的本地化碳排放因子，以更精确地进行工业园区水网络直接碳排放核算。依据温室气体浓度、进出水水量、COD 去除负荷、TN 去除负荷等水质水量、气体浓度和运行工况数据，分别计算企业用水环节、污水收集环节、污水处理环节的实测排放因子及尾水排放环节的排放通量，并做统计分析，结果见图2。

图2 各涉水环节实测排放因子或排放通量Fig.2 The emission factors or flux of each water related process

图2中，在企业用水环节，CO2、CH4和N2O 的平均排放因子分别为0.094、0.009、0.000 36 kg/kg，CH4平均排放因子与《IPCC 国家温室气体清单指南》（以下简称《指南》）中推荐的0.012 1 kg/kg 相近，N2O 的排放因子较小。

在污水收集环节，CO2最大排放因子为0.247 kg/kg，平均值与《指南》推荐的平均值相近，为0.068 kg/kg，符合理论计算与实测结果间的比例关系。CH4排放因子的范围为0.000 02~0.045 kg/kg，N2O 排放因子的范围为0.000 6~0.008 kg/kg。工业废水收集过程中CO2、CH4、N2O 3 种温室气体排放因子的平均值均大于一般生活污水收集过程，原因可能是生活污水收集过程中大量可生物降解有机物被用于微生物生长和呼吸，用于产甲烷的有机物不多。

在污水处理环节，CO2、CH4、N2O 的平均排放因子分别为7.504、0.145、0.000 4 kg/kg，在初沉池和AAO 反应池处理环节中，CH4的排放因子远大于其在其他处理环节中的值，为污水处理过程中CH4的主要产生环节，因而便于在此环节采取集中统一的减碳措施以减少其直接碳排放。同样地，N2O 排放因子在AAO 反应池中最大为0.003 kg/kg，应当在AAO 反应池中集中采取单元参数优化、运行调整、曝气控制等措施，以减少温室气体的直接排放。

在尾水排放环节，CO2、CH4、N2O 的平均排放通量分别为36.29、0.103、0.006 7 mmol/（m2·h），尾水入河后会导致河流温室气体排放通量的激增。

2.2 各涉水环节碳排放因子关键影响因素

污水处理环节的直接碳排放主要来源于二级处理过程，该过程利用微生物代谢活动降解并去除污水中污染物〔7〕。污水中有机污染物被微生物摄取利用后，一部分被氧化为CO2，为微生物提供能量，一部分被微生物同化为细胞物质。同时，微生物还会发生内源呼吸，消耗体内有机物，生成CO2。污水处理所涉及的处理单元形成厌氧环境，继而在生物作用下生成并释放CH4。此外，在实际运行中，硝化与反硝化过程通常反应不彻底，从而产生中间产物N2O，并释放于大气。从上述污水收集和污水处理过程的温室气体产生原理可知，直接碳排放因子与所采用的工艺类型、管理运行水平、所在区域气候等息息相关，故将各水质、泥质指标与实测碳排放因子/排放通量做相关性分析，以识别水网络中影响碳排放的关键指标，结果见图3、图4。

图3 水、碳指标相关性分析Fig.3 Correlation analysis of water and carbon index

图4 碳排放因子/排放通量与环境变量相关性Fig.4 Correlation analysis of environmental varible and carbon emission factors/flux

基于图3、图4 水网络的水质、泥质指标与温室气体直接碳排放因子/排放通量的相关性分析结果，可以发现在企业用水环节，CO2排放与NO2--N 显著负相关，CH4排放与水体TOC 负相关，N2O 排放与COD 正相关。在污水收集环节，CO2排放与TP、NH4+-N 正相关，CH4排放与水体COD、TN、TP、NH4+-N 和TOC 正相关，与底泥TP（TP_S）负相关，N2O 排放与水体T、Cond、v、TP、NH4+-N、SO42-和铜离子浓度正相关，与TP_S 负相关。在污水处理环节，CO2、CH4和N2O 3 种气体排放均与TN、TP、铜离子、镍离子浓度正相关。尾水排放环节CO2排放与DO 呈负相关。

除污水收集功能外，污水管网也是厌氧发酵的反应区，CO2和CH4均可在此过程中产生〔8〕。管壁生物膜和底部沉积物是微生物反应的主要发生地点，只有一小部分生物量悬浮在水体中。废水中含有丰富的有机物，有机物（特别是溶解性有机物）的流失增加了管网中CO2和CH4的排放量。当有机物浓度较高时，挥发性脂肪酸的产生更加快速高效，这是产甲烷菌的良好碳源，也是厌氧条件下产甲烷菌生存所需的电子供体。

相关研究表明，在污水处理环节中，影响CH4直接排放的因素包括进水和出水COD 以及废水处理量，即CH4直接排放量与厌氧反应分解的有机碳量相关。此外，好氧池、曝气沉砂池中的DO 以及沉淀池的水温对CH4排放因子也有很大影响，ORP 也对CH4排放有一定影响，厌氧和缺氧段的ORP 越低，CH4排放量越大。影响N2O 直接排放的因素是进水和出水中的TN 以及污水处理量，即处理过程中分解的有机氮量，特别是污水中的NO2--N。据研究，NH4+-N 在生物脱氮过程，特别是硝化过程中对N2O的形成和积累起重要作用〔9〕。污水管道中的厌氧黑暗环境会快速消耗氧气，N2O 还原酶是对氧气最为敏感的反硝化酶，有微量的氧存在时就会抑制它的活性而导致N2O 的积累。此外，N2O 排放因子还受污水性质（碳氮比、碳源类型、N2O 还原酶抑制剂）、运行工况、处理工艺和微生物种群结构等因素的影响〔10〕。

在尾水排放环节，河流中的有机污染物对温室气体排放的贡献很大。河流下垫面不同氮污染特征也不同，导致碳排放与氮污染具有不同特性。在污染较轻的城市河流，水体的物化指标也是碳排放的重要影响因素〔11〕。当尾水排放入河流时，短期内会将大量CH4引入城市河流，大大增加河流的瞬时碳排放量，释放大量的CH4〔12〕；而从长期来看，尾水排放会促进河流的碳循环，提高河流温室气体的排放潜势〔13〕。

综合以上分析，各涉水环节筛选出的关键指标见表1。

表1 各涉水环节关键指标Table 1 Key index of each water related process

2.3 工业园区水网络碳排放因子本地化

本研究基于温室气体排放实地监测与采样，对企业污水处理、污水管网、污水处理厂、尾水排放等涉水环节及水网络关键节点的碳排放进行检测。之后以为工业园区水网络碳排放清单构建提供基础为目标，基于各涉水环节碳排放因子及对应水质指标数据，结合温室气体排放机理，运用Matlab 软件对数据进行拟合，构建直接碳排放因子的本地化方程，所得企业用水环节、污水收集环节、污水处理环节、尾水排放环节直接碳排放因子（或排放通量）本地化方程分别见式（9）~（11）、式（12）~（14）、式（15）~（17）、式（18）~（20）。式中，θ为温度系数，取值为1.05，T为水温（℃），C、N、COD、OD、TN、TP、CNH4+、CNO2-均以质量浓度计（mg/L）。

1）企业用水环节。

2）污水收集环节。

3）污水处理环节。

4）尾水排放环节。

对本地化方程构建效果进行评价，结果见表2。

表2 本地化方程构建效果评价Table 2 Effect evaluation of the construction for the localization equations

如表2 所示，污水收集环节CO2和CH4排放因子的拟合R2较低，分别为0.512 和0.521，可能是因为收集过程中污水管网中的温室气体会通过井盖上的小孔挥发泄漏到空气中，造成温室气体浓度测定的不确定性。后续需要更多的研究来改进污水管网中碳排放因子的本地化方程，以更好地预测管网中CO2和CH4的排放情况。除污水收集环节外，其他涉水环节的碳排放因子/排放通量本地化方程拟合R2均在0.9 以上，总体上构建效果良好。

进一步地，采用定量分析法对碳排放因子/排放通量的不确定性进行分析。首先获得每个输入水质指标的概率分布特征，利用蒙特卡洛模拟法对每个指标在其概率分布范围内随机生成200 个对应水质数据，并将其带入所构建的本地化方程中得到各涉水环节碳排放因子/排放通量的概率分布图，结果见图5。

图5 排放因子本地化方程不确定性分析Fig.5 Uncertainty analysis of the localization equations for emission factors

由图5 可知，除污水处理环节CH4的碳排放因子外，其余所有碳排放因子/排放通量均服从偏态分布。企业用水环节的CO2、CH4、N2O 排放因子分布范围分别为0~0.2、0~0.025、0~0.009 kg/kg，污水收集环节的CO2、CH4、N2O 排放因子分布范围分别为0~0.3、0~0.045、0.003~0.007 kg/kg，污水处理环节的CO2、CH4、N2O 排放因子分布范围分别为0~0.4、0~0.5、0~0.006 kg/kg；尾水排放环节的CO2、CH4、N2O 排放通量分布范围分别为0~55、0~7、0.002~0.017 mmol/（m2·h）。与其他涉水环节相比，污水处理环节CH4的碳排放因子不确定性最大。

邓淋月等〔14〕研究表明碳排放因子具有明显的季节特征，因此为进一步降低本地化方程的不确定性，后续研究应提高采样的次数和频率，在不同季节甚至是不同月份对工业园区水网络的水质水量、活动水平和温室气体排放数据进行长期监测，得到更为精确、稳定的本地化碳排放因子方程。

3 结论

本研究聚焦于工业园区水网络中的温室气体直接碳排放特征与关键影响因素，基于野外采样与实地监测，运用相关性分析识别了不同涉水环节直接碳排放因子的关键影响因素，量化了关键水质指标对直接碳排放因子的影响并构建了本地化方程，最后运用蒙特卡洛模拟法进行了碳排放因子不确定性分析，所得结论如下：

1）通过对不同涉水环节碳排放因子的分析发现，企业污水处理过程中排放浓度最高的温室气体是CO2，而CH4和N2O 排放强度略低。污水收集环节排放浓度较高的温室气体主要是CO2和CH4，但由于CH4的全球增温潜能强，在污水收集管网中受环境因素的影响大，因此应重点关注CH4的产排和控制。污水处理环节中CH4排放因子在污水处理厂各水池中的差异较大，排放点位较为集中，初沉池和AAO反应池中的CH4排放因子远大于其他处理环节中的CH4排放因子，因此该处理环节是污水处理过程中CH4排放的主要环节。在尾水排放环节，尾水入河后会导致河流温室气体排放通量的激增。

2）在工业园区水网络中，企业用水环节的直接碳排放关键影响因素有T、NO2--N、COD 和TN，污水收集环节的直接碳排放关键影响因素有水体NH4+-N、NO2--N、COD、TN、T、NO2--N 和TP，污水处理环节的直接碳排放关键影响因素有水体TN、NH4+-N、COD 和DO，尾水排放环节的直接碳排放关键影响因素有水体T、DO、TN、COD 和TP。本研究中，除污水收集环节CO2和CH4排放因子外，本地化方程的拟合R2均接近或高于0.9，总体上本地化方程构建效果良好。同时，除污水处理环节CH4的碳排放因子外，其余所有涉水环节碳排放因子均服从偏态分布，因此与其他涉水环节相比，污水处理环节CH4的碳排放因子不确定性最大。