王桂琴 張紅玉 賈明雁 程偉
一、前言
垃圾基礎數據在垃圾管理中起至關重要的作用。掌握詳實、準確的全市生活垃圾產生量數據,是研究垃圾處理路線、規(guī)劃處理處置設施、組織垃圾物流和優(yōu)化垃圾收運體系乃至城市發(fā)展規(guī)劃的主要依據和重要基礎。此前,垃圾產生量通常指的是生活垃圾清運量,或者是焚燒、填埋的處理處置量數據,并不是真正意義上的產生量數據。
國內外對城市生活垃圾產生量的研究多集中在預測模型構建和影響因素分析兩方面。多采用灰色模型、BP神經網絡模型、多元回歸模型、偏最小二乘(PLS)回歸模型等進行生活垃圾產生量的預測分析。影響生活垃圾產生量的因素較多,目前研究人員多關注人口、GDP、城市建成區(qū)面積、人均可支配收入、人均消費水平、商品房價格等對垃圾產生量的影響。無論是產生量預測還是影響因素分析,前期研究依據的基礎數據多來源于相關統(tǒng)計年鑒中垃圾實際清運量的數據,對于源頭生活垃圾產生量數據調查和分析的研究較少。
二、調查總體情況
北京市城市管理研究院在國內率先開展了生活垃圾源頭跟蹤調查,詳細掌握了北京市居民家庭中生活垃圾的產生量。該項目在2017年6月到2018年5月間實施,采取問卷調查和現場人工分類稱重的方式,通過方差、相關性、多元回歸等統(tǒng)計分析方法和大數據可視化方法,對調查數據進行處理,獲得家庭產生的生活垃圾量、廚余垃圾量、可回收量和一次性包裝量等數據,初步掌握生活垃圾產生量主要影響因素及變化規(guī)律,構建了生活垃圾產生量預測模型。調查結果表明,北京市居民家庭中生活垃圾人均日產生量為0.343kg,廚余垃圾的含量最高,達到71.4%,其他垃圾占比為11.4%,一次性包裝占比為9.2%,可回收物占比為7.2%,有害垃圾的占比最低,僅為0.8%。
為了掌握生活垃圾產生的影響因素和規(guī)律,以大數據思維,在垃圾產生量調查的同時,開展了生活垃圾產生量相關性因素調查分析,研究不同年齡、收入水平、家庭人口數等與生活垃圾產生量的相關關系,得到了不同維度的認知。戶均人口數、家庭月收入、家庭平均年齡與生活垃圾人均日產生量的相關性分析結果如表1所示,戶均人口數、家庭月收入、家庭平均年齡均與生活垃圾人均日產生量之間極顯著相關。其中生活垃圾人均日產生量與家庭月收入和戶均人口數之間均呈極顯著負相關,與家庭平均年齡之間呈極顯著正相關。相比而言,戶均人口數與生活垃圾人均日產生量的相關性最高??梢姡瑧艟丝跀翟蕉?,生活垃圾人均日產生量越低;家庭平均年齡越大,生活垃圾人均日產生量越高;家庭月收入越高,生活垃圾人均日產生量越低。
三、垃圾產生量的影響因素分析
在生活垃圾產生量調查的同時,還收集了季節(jié)性變化和家庭就餐情況等影響因素,為開展影響因素分析奠定基礎。以下就季節(jié)、人口、年齡和經濟水平等影響因素進行分析。
(一)季節(jié)性影響
生活垃圾產生量隨季節(jié)變化情況如圖1所示,春季指3~5月三個月份,夏季指6~8月三個月份,秋季指9~11月三個月份,冬季指12月、1月、2月三個月份。春、秋和冬季家庭生活垃圾人均日產生量基本持平,夏季人均日產生量明顯高于其他三個季節(jié)。
居民家庭生活垃圾的產生量隨月份不同有明顯變化(見圖2),7月份人均日產生量最高,為0.372kg,其次為8月份,生活垃圾人均日產生量為0.355kg。這兩個月瓜果蔬菜消費較多,由此產生了大量含水率高的果皮、蔬菜等垃圾,使得垃圾量較高。3月、4月和5月這三個月生活垃圾的產生量相對較低,在0.244~0.275kg之間,這與家庭瓜果蔬菜消費較少有關,其他月份生活垃圾的產生量差別不大,人均日產生量均在0.296~0.329kg之間。
(二)家庭就餐頻次影響
調查數據顯示,居民家庭生活垃圾中廚余垃圾含量最高。為此,開展了家庭就餐情況對生活垃圾產生量的影響研究,統(tǒng)計家庭一日三餐就餐人數情況,分析生活垃圾產生量與家庭就餐總人次的關聯(lián)關系,見圖3所示。居民生活垃圾產生量與三餐就餐總人次呈明顯的正相關關系。當總就餐人次增加到11人次以后,垃圾產生量總體上升的趨勢趨于緩慢,即當家庭就餐人數為4人或以上時,廚余垃圾量增長趨緩,也就是說,大家庭的人均廚余垃圾量比小家庭的要少,這反映在垃圾產生量求導結果上。
(三)戶均人口數影響
戶均人口數對生活垃圾產生量的變化影響見圖4,戶均人口數越多,生活垃圾人均日產生量越少;反之,人口數越少,生活垃圾人均日產生量越高。單人家庭生活垃圾人均日產生量最高,為0.650kg,5人及以上的家庭生活垃圾人均日產生量最低,為0.243kg。由于居民家庭中生活垃圾產生量與三餐就餐總人次呈明顯的正相關關系(見圖3),為了說明戶均人口數變化所引起垃圾產生量變化的原因,以下從就餐情況的緯度對單人家庭和5人及以上家庭的垃圾產生情況進行分析。
調查發(fā)現,單人家庭三餐在家吃飯的情況很普遍,但就餐達到3人次的樣本占總樣本量的35.3%,而3人次以上的樣本占總樣本量的61.7%,也就是說單人家庭存在多于一個人在家吃飯的情況,這主要與單人家庭的年齡構成有關(見圖5)。單人家庭以老人為主,60歲以上的占85.6%。兒女經常回家探望老人,他們在老人家吃飯使得就餐總人次增加。5人及以上家庭生活垃圾人均日產生量約為單人家庭的1/3。這主要是受在家就餐比例的影響,5人及以上的家庭在家就餐不足15人次的樣本量高達71%,家庭成員大都處于工作年齡段(見圖5),由于工作原因不是每餐都在家吃飯,故生活垃圾產生總量較低。此外由于5人以上家庭人員在家情況相對穩(wěn)定,即便是周末,生活垃圾產生量的增加也不明顯,約為3.8%,因此生活垃圾人均日產生量的波動性較小。
(四)家庭平均年齡影響
垃圾產生量與家庭平均年齡的關系如圖6所示,隨著家庭平均年齡的增加,生活垃圾人均日產生量呈上升的趨勢。家庭平均30~40歲年齡的家庭,生活垃圾人均日產生量最低,為0.297kg;平均18~30歲年齡的家庭,生活垃圾人均日產生量與30~40歲年齡家庭的基本相當;平均60歲以上年齡的家庭,生活垃圾人均日產生量最高,為0.413 kg。
對調查數據分析,發(fā)現平均年齡在18~30歲的家庭,有27.5%的家里有0~3歲的嬰幼兒,家里需要固定有人照顧小孩,在家做飯次數較多,垃圾產生量較高。此外,這類家庭生活垃圾中尿不濕等嬰兒垃圾量較大,也導致垃圾產生量較高,此類垃圾占生活垃圾總量的18.8%。60歲以上的家庭,生活垃圾的產生量最高,主要是因為該年齡段的老人很少在外吃飯或點外賣,主要自己在家做飯,使得垃圾產生量較高。
(五)家庭月收入影響
根據填報的調查數據,家庭月收入在2000元以下的家庭多分布在郊區(qū)。垃圾產生量與家庭月收入的關系如圖7所示,生活垃圾人均日產生量隨著家庭月收入的增加而減小。月收入在2000~5000元的家庭,生活垃圾人均日產生量最高,為0.420kg。月收入由5000元增加至30000元的家庭,生活垃圾人均日產生量由0.410kg降低至0.325kg,降低了約20.7%。月收入在3萬元以上的家庭,生活垃圾人均日產生量最低,為0.276kg。
調查數據顯示,月收入低的家庭,家庭成員的年齡相對較大,如月收入2000~5000元的家庭,60%的調查樣本家庭成員的年齡在60歲以上(見圖8),老人通常都在家就餐,造成相應生活垃圾的產生量較高。
月收入高的家庭,如月收入在3萬元以上的家庭,平均年齡相對較小,所有調查樣本家庭成員的年齡都在50歲以下,屬于工作年齡段??梢姼呤杖爰彝ビ捎诠ぷ饕蛩?,在家做飯就餐相對少,使得家庭中生活垃圾的產生量較低。
四、結論與建議
(一)結論
戶均人口數與生活垃圾人均日產生量的相關性最高,是主要影響因素。戶均人口數越多,生活垃圾人均日產生量越低;家庭平均年齡越大,生活垃圾人均日產生量越高;家庭月收入越高,生活垃圾人均日產生量越低。
廚余垃圾為家庭垃圾產生量的決定因素,就餐人次也直接影響廚余垃圾的產生量,當家庭就餐人數為4人或以上時,廚余垃圾產生量增長趨緩,也就是說大家庭的人均廚余垃圾產生量比小家庭的要少。
夏季生活垃圾人均日產生量明顯高于其他三個季節(jié),夏季的7月份和8月份,居民家庭中日常生活瓜果蔬菜消費較多,由此產生了大量含水率高的果皮、蔬菜等垃圾,使得垃圾產生量明顯增高。春季家庭中垃圾產生量最低,春季的4月份和5月份垃圾產生量明顯低于其他月份。
(二)建議
居住區(qū)生活垃圾的主要組分是廚余垃圾,因此應對廚余垃圾的理化特性進行深入分析,以確定適宜的處理方式。倡導家庭消費成品食品或半成品食品,實現家庭生活垃圾源頭減量。
由于有嬰幼兒的家庭和老年人家庭的生活垃圾產生量較大,在開展垃圾分類、源頭減量等宣傳動員活動時,應重點對這兩類家庭進行宣傳。
由于收入越高的家庭,生活垃圾人均日產生量相對偏少,因此,高檔小區(qū)可適當降低生活垃圾設施的配置數量,而中低檔小區(qū)應該增加垃圾配套設施的配置數量。
由于4月份和5月份垃圾產生量明顯低于其他月份,建議生活垃圾末端處理相關環(huán)衛(wèi)設施的檢修、改造等工作優(yōu)先安排在春季的4月份和5月份開展。由于夏季7月份和8月份生活垃圾中果皮、蔬菜等垃圾的含量明顯增高,因此應加強該時段廚余垃圾收運能力,增加收運頻次,避免收運不及時所帶來的滲濾液、惡臭等環(huán)境問題。
參考文獻
[1]皇甫慧慧,李紅艷. 城市生活垃圾產生量的影響因素分析[J]. 科技與管理,2018,20(4),44-49.
[2]夏晶,張旺.基于 BP神經網絡的武漢市生活垃圾清運量預測研究[J]. 湖北工業(yè)大學學報,2016(6):20-22.
[3]熊華平,李鵬輝.基于新陳代謝 GM(1,1)模型的湖北省城市生活垃圾清運量預測[J]. 數學的實踐與認識,2019(1):9-14.
[4]周澤炯,邢澤斌.商品房價格波動影響因素的計量分析—以安徽省合肥市為例[J].淮北師范大學學報(哲學社會科學版),2019(3):44-50.
[5]朱家明,楊陽.安徽省城市垃圾產生量影響因素的計量分析[J].長春師范大學學報,2020,39(4): 99-104.
(圖片由北京市城市管理委員會宣傳教育中心提供)
(責任編輯:張斌)