2015年我国城市污水处理率已经达到91.9%, 污水年处理量为428.83亿m³, 比2005年数据分别增长了39.95%和242.06亿m^3[1]。但2016年的调查结果显示, 全国超过7成的地级及以上城市不同程度地存在城市黑臭水体, 总数目达两千余条^[2]。二者之间形成了鲜明的对比。究其原因, 基于“污水水量”的城市污水处理率计算方法, 在一定程度上掩盖了污水管道建设不足、错接断接、老旧破损等原因导致的系统效能低下问题。2017年的几次中央环保督察指出, 由于污水管道接管不到位等因素, 督查城市的实际污水处理率与统计数据相差20%以上, 每天有数万立方米生活污水直排城市内河^[3];由于污水和雨水管道错接混接、老旧管道破损失修等因素, 督查城市的污水处理厂长期处于满负荷甚至超负荷运行状态, 但进厂的污染物浓度却不高, 部分污水处理厂的COD浓度甚至不到100mg/L^[4]。

　　 与城市污水处理率相比, 基于“污染物负荷当量”计算的城市污染物削减效率 (以下简称“负荷削减率”) 可以更好地反映城市污水处理设施的运行效率水平。随着《水污染防治行动计划》 (以下简称“水十条”) 和《全国城市市政基础设施建设“十三五”规划》的发布和实施, 如何切实提高城市污染物的减排效率, 实现城市污水系统提质增效受到越来越多学者的关注。但是, 与发达国家的已有研究成果相比, 我国目前的相关研究还比较少^[5,6]。现有的多数研究重点关注城市污水处理厂自身的处理效率和运行水平^[7,8], 缺少对城市污水系统污染物削减整体效率的核算与评估。

　　 本文以《城市建设统计年鉴 (2015年) 》数据、全国第一次污染源普查城镇生活源产排污系数和全国2 459座城市污水处理厂的运行数据 (2015年) 为基础, 选择化学需氧量 (COD) 、生化需氧量 (BOD) 、氨氮、总氨 (TN) 和总磷 (TP) 5项水质指标 (以下简称“5项水质指标”) , 综合运用统计分析、情景分析、不确定性分析等方法, 研究我国城市污水处理效率的现状, 并从污水处理厂出水水质达标、进水浓度提升和加强污水再生利用3个技术角度出发设计4组政策情景, 评估其减排效果, 旨在为相关政策的制定提供一定借鉴和参考。

　　 在统计的2 459座城市污水处理厂中, 地级市和县级市分别占1 718座和741座, 处理规模分别为10 199.40万m³/d和1 612.88万m³/d。

　　 城市污水处理厂进水浓度的统计结果表明:北方城市的进水浓度比南方城市高出48%~59%, 如表1所示。分区域而言, 西北地区的陕西、甘肃、青海、宁夏和新疆, 华北地区的北京、天津和内蒙古的城市污水处理厂平均进水浓度较高, 上述区域的COD进水浓度在400~550mg/L;相比之下, 湖北、湖南、江西、西藏等省份的平均进水浓度较低, COD的进水浓度仅为上述较高省份的1/3~1/2 (见图1) 。

　　 城市污水处理厂出水浓度的统计结果表明:南方城市普遍低于北方城市 (见表1) , 而且不同污染物之间表现出明显差异。COD、BOD、氨氮和TN 4项指标, 全国超过26个省市自治区均可以达到一级A标准, 且出水浓度低于一级A标准25%~50%。其中, COD的处理效果最好, 出水浓度达到地表水Ⅲ类、Ⅳ类和Ⅴ类标准的省份数量分别为3个、17个和5个。相比之下, TP的处理效果不佳, 新疆和青海尚不满足一级B标准。

　　 基于污水处理厂处理水量和进出水浓度计算的污染物削减率, 南北方没有表现出明显的差异。对于不同的污染物, BOD的去除效率最高, 北方和南方分别可以达到95.1%和94.0%;COD、氨氮和TP的削减率在85.3%~91.3%;TN的削减率最低, 北方和南方分别为70.0%和62.3%。

　　 本研究将负荷削减率定义为:城市污水处理厂的污染物削减总量与城市污染物排放总量的比值。

　　 其中:分母包括城市居民生活污染物排放量和工业企业污染物排放量两个部分, 不包括城市降雨径流污染负荷。居民生活污染物排放量通过常住人口 (城区人口与城区暂住人口之和) 和人均日污染物排放量计算, 工业企业污染物排放量通过当量人口和人均日污染物排放量两个变量进行计算。当量人口是将工业废水中的污染物总量, 用相当于生活污水污染物排放量的常住人口数来表示。分子是所有城市污水处理厂的污染物削减量之和, 通过污水处理厂的处理水量、污染物进水浓度和出水浓度进行计算。

　　 根据上述定义, 一个城市的负荷削减率计算公式可以表达为式 (1) 。

　　 其中, PLRR代表负荷削减率 (pollutant load removed rate) ;RPLwwtp_p代表城市污水处理厂的污染物削减量 (removed pollutant load of wastewater treatment plants) ;下标p取值范围1~p (p代表城市污水处理厂的总数量) ;PE_uss代表城市污水系统服务的总当量人口 (population equivalent of urban sewer system) ;DPL代表人均日污染物排放量 (daily pollutant load per cap) 。

　　 负荷削减率的计算涉及城市分类供水数据、人均污染物排放数据、污水处理厂的处理水量及进出水污染物浓度数据。与城市污水处理率的计算方法相比, 负荷削减率的计算难点主要在于对不确定性的处理上, 具体表现在以下两个方面:一是对于计算对象的选择, 基于任何一种污染物计算得出的负荷削减率都是片面的, 必须综合考虑多种典型污染物, 这一点是与基于“污水水量”计算污水处理率之间的最大区别。二是人均污染物排放量的取值, 不同地区的经济条件、生活习惯等因素会导致人均污染物排放量存在一定差异, 污水进入市政管网前是否经过化粪池等设施的预处理也会对排放量产生影响。因此, 人均日污染物排放量的取值应当因地而异, 因设施而异。

　　 基于上述分析, 第一, 本研究选择两组水质指标来计算负荷削减率, 一组是5项水质指标 (即COD、BOD、氨氮、TN和TP) , 另一组是4项水质指标 (即COD、BOD、氨氮和TP) , 是否考虑TN的原因在于其相对较低的削减率可能会对负荷削减率的计算结果产生较大影响 (如表1所示) 。第二, 基于全国污染源普查结果和部分案例城市的实地调研, 本研究将全国31个省市自治区分为5个区域, 分区域选择人均污染物排放量取值, 并且考虑污水直排 (ZP) 和化粪池预处理 (HFC) 两种排放方式, 具体如表2所示。

　　 当量人口根据城市分类供水数据计算, 如式 (2) ~ (4) 所示。

　　 其中, PE_dom代表生活污水当量人口 (population equivalent of domestic wastewater) , 为城区人口 (urban population, UP) 与城区暂住人口 (urban temporary population, UTP) 之和;PE_Inds代表工业废水当量人口 (population equivalent of industrial wastewater) ;WPO代表城市生产经营用水 (water for production and operation) ;WPS代表公共服务用水 (water for public service) ;WOP代表其他用水 (water for fire control and other purposes) ;FWS代表免费供水量 (free water supply) ;DWU代表生活用水 (domestic water use in free water supply) ;DWC代表人均日综合用水量 (daily water consumption per cap) 。

　　 因此, 本研究中的负荷削减率式 (5) 为:

　　 其中, k代表计算选择的水质指标数量, 取值为2, 分别代表5种水质指标 (考虑TN) 和4种水质指标 (不考虑TN) 的情况;j代表人均日污染物排放量的取值数量, 取值为2, 分别代表污水直排和经过化粪池预处理再排放的人均排放量 (见表2) 。本研究以省为空间单元进行计算。

　　 计算结果表明:负荷削减率的全国平均值为63.2%, 各省数据如图2所示。其中, 天津、河北、江苏、山东和陕西5个省的负荷削减率相对较高, 均超过了80%;20个省份的负荷削减率处在50%~80%范围内, 北方和南方的省份个数分别是9个和11个;西藏的负荷削减率最低, 不足20%。

　　 利用相关性分析方法可知, 5项指标的进水浓度与负荷削减率的相关性良好, 95%置信水平下的相关系数分别为:0.626、0.632、0.623、0.625和0.655, 这说明城市污水处理厂的进水浓度可以作为反映城市污水处理效率的一个关键性指标。另一个角度的分析结果也能说明这一点, 污水处理率与负荷削减率差值最大的地区主要包括9个省 (分别是辽宁、吉林、黑龙江、湖北、湖南、广西、西藏、福建和江西) , 其城市污水处理厂的进水浓度与所在地区 (南方或北方) 的平均值差距也最大。以COD为例, 上述9省的污水处理厂进水浓度只有北 (南) 方COD平均进水浓度的48%~88%。

　　 水质指标选择差异 (是否考虑TN) 和人均污染物排放量取值差异 (是否设置化粪池) 对计算结果的影响如图3所示, 统计结果如表3所示。

　　 从全国层面来看, 两个不确定性因素对计算结果影响的平均值分别是5.9%和6.9%, 说明在核算城市污水系统污染物负荷时, 应当结合当地的生活习惯、排水特征、管网结构等因素选择合适的计算参数, 减少不确定性因素对计算结果的影响。

　　 从各个分区的角度 (见表2) 来看, 在一至四区中, 人均污染物排放量取值差异对计算结果的影响要高于水质指标选择差异带来的影响, 但是在五区的6个省份中, 有4个表现出相反的情况。而且在新疆、宁夏和青海三地, 水质指标选择差异带来的影响要更为显著 (均超过了7.5%) , 这可能与当地TN出水浓度过高存在一定关系, 导致不确定性影响增大。

　　 研究从污水处理厂的出水水质达标、进水水质提升和加强污水再生利用3个方面进行技术情景设计。

　　 情景1:污水处理厂出水水质达标。在污水处理厂出水的5项水质指标中, 达到或高于一级A标准的省份维持原值, 没有达到的按照一级A标准计算。

　　 情景2:污水处理厂进水水质提升。根据1.1节的分析结果, 设定污水处理厂进水的5项污染物浓度, 见表4。对于各个省份, 达到或高于表4中数值的污染物进水浓度维持原值, 没有达到的按照表4中的浓度计算。

　　 情景3:污水再生利用比例提升。根据“水十条”和《全国城市市政基础设施建设“十三五”规划》的有关要求, 京津冀地区、缺水城市和其他地区的再生水利用比例分别达到30%、20%和15%。由于本研究以省为单位进行计算和分析, 因此根据各省缺水城市的数量来确定其再生水利用比例, 划分结果与依据如表5所示。各省份达到或高于表5中数值的再生水利用率维持原值, 没有达到的按照表5中的利用率计算。

　　 考虑到我国多数地区城市污水处理厂已实现出水一级A稳定达标, 因此将S1设定为技术基础情景, S2和S3设定为技术提升情景。在此基础上, 研究设计了4组政策情景:S1、S1+S2、S1+S3和S1+S2+S3, 并评估其对城市污水处理效率的提升潜力。

　　 如表6所示, 4组政策情景下的负荷削减率全国平均值比现状削减率 (基准情景BAU) 分别提高了0.9%、14.0%、1.7%和14.8%。

　　 第一, 城市污水处理厂全面实现出水一级A稳定达标 (S1) 对负荷削减率提升的作用十分有限。原因包括两个方面:一是从全国层面看, 目前尚未实现一级A达标排放的城市污水处理厂数量和处理水量均较小;二是S1情景下新增的污染物削减量与已有的削减量的比值很小 (5项水质指标的削减量新增比值分别为0.16%、0.95%、0.99%、4.74%和3.05%) 。考虑“是否设置化粪池”和“是否计算TN”2个因素的情况下, 负荷削减率最多也只能提高1.1%。

　　 相比之下, 通过优化城市污水管网运行状况从而提高城市处理厂的进水浓度, 是提高城市污水处理系统效率的重要手段之一。在S1+S2情景下, 负荷削减率全国平均值可以达到76.2%, 当考虑不确定性因素时, 在“设置化粪池/不考虑TN”情况下的负荷削减率可以达到83.6%。

　　 第二, 提高再生水利用的贡献也较为有限。从水量方面看, 部分省份的现状再生水利用率已经接近或者超过情景值, 例如北京为65.9%, 山东、云南、贵州等多个省份均超过20%, 所以污水再生利用情景下新增的回用水量有限。从水质方面看, 污水处理厂出水的污染物浓度较低, 故随着再生水利用率提高带来的新增污染负荷减排量也十分有限, 这与S1情景相似。

　　 最后, 在S1+S2+S3政策情景下, 负荷削减率的平均值可以达到77.0%, 在“设置化粪池/不考虑TN”情况下的负荷削减率可以达到84.3%, 比BAU情景提高了14.5个百分点。

　　 以提高城市污水处理系统效率为研究目的, 本文提出了负荷削减率的定义和计算公式。在此基础上, 以省为单位分析了我国城市污水系统负荷削减率现状, 设计并评估了4组政策情景, 主要结论如下:

　　 (1) 基于统计和污染物普查数据, 全国城市负荷削减率的平均值为63.2%, 削减率处于80%~100%, 50%~80%、20%~50%和0~20%的省份个数分别是5个、20个、5个和1个。

　　 (2) 在负荷削减率计算过程中, 应当重视水质指标选择差异 (是否考虑TN) 和人均污染物排放量取值差异 (是否设置化粪池) 对最终结果的影响, 二者对结果影响的平均值分别是5.9%和6.9%。

　　 (3) 在S1+S2+S3情景下, 全国负荷削减率平均值可达到77.0%, 在“设置化粪池/不考虑TN”情况下的负荷削减率可达到84.3%。3种技术手段中, 提高污水处理厂进水浓度的作用效果最为明显。