皂素工业废水CODcr排放限值的研究

皂素工业废水CODcr排放限值的研究（精选6篇）

篇1：皂素工业废水CODcr排放限值的研究

皂素工业废水CODcr排放限值的研究

摘要：皂素工业是近几年来迅速发展的一个重要生物医药化工行业,我国皂素主产区位于南水北调中线工程水源汉江上游,其排放的大量高浓度含酸有机废水给水源保护带来严重威胁,急需制定我国的皂素工业水污染物排放标准.采用三段式两相厌氧为核心的.二级生化组合工艺技术从实验室试验、现场工业性试验和示范工程三方面对皂素工业废水CODcr排放限值进行了研究,皂素废水二级生化处理出水中残留CODCr总量(以质量浓度计)约为400～500 mg/L,其中溶解性微生物代谢产物(SMP)质量浓度约为240～280 mg/L.综合考虑技术可达性和经济可行性,将现有企业CODCr排放限值规定为400 mg/L;为引导企业对废液综合利用,推进皂素行业清洁生产,规定新建企业和现有企业的第二时段的限值为300 mg/L.提出了丹江库区相应的CODCr总量指标及皂素规模限额.执行该标准后,全国每年可削减CODCr71 400 t,其中南水北调中线工程水源汉江上游至少可削减60 690 t,可以满足中线调水水源区的环境保护要求.作 者：刘大银    毕亚凡    梅明    康明雄    LIU Da-yin    BI Ya-fan    MEI Ming    KANG Ming-xiong  作者单位：武汉工程大学,环境工程研究设计所,湖北,武汉,430073 期 刊：环境科学研究  ISTICPKU  Journal：RESEARCH OF ENVIRONMENTAL SCIENCES 年，卷(期)：, 20(2) 分类号：X-652 关键词：皂素工业废水    化学需氧量(CODCr)    排放标准限值    溶解性微生物代谢产物(SMP)    二级生化处理   

篇2：皂素工业废水CODcr排放限值的研究

皂素生产酸解工艺的选择直接涉及到皂素工业环境标准制定与执行的可行性.在对皂素生产两种酸解工艺进行比较的基础上,侧重从污染治理的角度研究了酸解工艺的选择.实验结果表明,三阶段两相厌氧废水处理技术在厌氧产甲烷HRT 24h对硫酸盐的`去除率可达99.71%,就相对于该技术对COD的高去除效率来说,二者亦有较好的相容性.因此,硫酸酸解工艺在皂素工业中应予推广.

作 者：张燕 毕亚凡 梅明 康明雄 朱燕 作者单位：张燕(黄石理工学院,黄石,435003)

毕亚凡,梅明,康明雄,朱燕(武汉化工学院环境工程研究所,武汉,430073)

篇3：皂素工业废水CODcr排放限值的研究

关键词：工业生产总值；工业废水排放量；空间计量

1引言

当前，地区环境问题和全球环境问题已经成为世界各国关注的焦点。在中国的主要大城市，伴随着工业化和城镇化的快速发展，一些地方政府为加快本地区的经济增长不得不以牺牲环境质量为代价，工业废水、生活污水和污染物的排放呈现增加的趋势。2011年，中国经济进入新常态，年均经济增长速度放缓，但仍将保持7%-8%的中高速，与世界其他国家或全球经济增长速度相比仍处于领跑状态。在我国经济发展过程中工业始终处于举足轻重的地位，工业增加值对GDP增长的贡献度为40%至50%，同时工业又是污染大户，在污染物排放总量中，大约有47%是来自工业。因此研究工业经济增长对环境污染的影响，是解决工业发展进程中环境污染问题的关键。

关于经济增长与环境污染之间的关系，国内外很多学者进行了大量研究。从整个研究进展来看，研究经济增长对环境污染的影响主要是以人均GDP为经济发展指标，从时间角度上来进行EKC曲线吻合度的实证研究和探索新曲线的特征[1]。很少学者以工业GDP为指标来研究纳入空间因素的区域跨界环境问题。针对目前研究存在的缺陷，本文采用工业GDP增长率作为工业经济增长指标，利用考虑空间效应的空间计量模型来研究中国工业经济增长对工业废水排放量的影响具有一定的现实意义和价值。

2中国工业经济增长与工业废水排放量关系的实证分析

2.1数据准备

本文采用的空间样本是中国的31个省域，主要选取2012年中国的工业生产总值和工业废水排放量两类数据。为消除回归模型中异方差的影响，以更好地说明各变量之间的关系，提高模型的拟合效果，本文对工业废水排放量取对数作为被解释变量，而对工业生产总值取对数作为解释变量，数据均来源于国家统计局的《中国统计年鉴2013》和《中国环境统计年鉴2013》[2]，利用Geoda空间计量软件进行分析。

2.2经典线性回归模型分析

为检验工业生产总值与工业废水排放量之间的关系，基于双对数模型，可以构建如下的普通线性回归模型：

（1）

其中， 为常数项， 为回归系数， 为随机误差项。

根据方程（1），分析结果得到：在利用OLS方法估计的线性回归模型中，拟合优度R2为0.735，拟合结果相对较好。F值为89.833，β的t值为9.478，均大于显著性水平为5%时的F统计量和t统计量的临界值，故认为lnfs与lnGDP之间的线性关系成立（表1）。

2.3空间自相关分析

空间自相关分析是检验具有空间位置的某要素的观测值，是否显著地与其相邻空间点上的观测值相关联，常用的是 指数[3-5]。本文采用Queen一阶邻近法来设定空间权重矩阵，利用方程（1）的31个样本数据的残差计算 指数，并把残差值表示在Moran散点图上（图1）。

结果显示：Moran’sI值为0.184，其显著性水平小于5%，大部分残差值点都分布在第Ⅰ、Ⅲ象限，少量分布在第Ⅱ、Ⅳ象限，空间聚集性显著，即普通回归模型的残差存在空间正相关，导致模型的估计有偏，需要纳入空间因素对模型进行修正，从而选用适合的空间计量模型来揭示变量之间的深层关系。

图1 普通回归模型的残差 散点图

2.4空间计量模型分析

空间计量模型是针对普通回归模型残差存在自相关情况，使用一个空间权重矩阵W对普通回归模型进行修正，纳入空间效应的回归模型主要包括空间滞后模型（Spatial Lag Model，简称SLM）和空间误差模型（Spatial Error Model，SEM）[5]。其建立的模型结果如表1所示：通过对空间计量模型参数的判别指标对数似然函数值（LogL）、赤池信息准则（AIC）、施瓦茨准则（SC）和似然比率（LR）进行比较，我们可以知道空间误差模型的参数检验比空间滞后模型更加显著，其对中国工业生产总值和工业废水排放量关系的解释能力更强。由此可见，由于普通线性回归模型的残差存在空间正相关，导致模型估计有偏，引入误差项的空间误差模型更适合解释中国工业GDP与工业废水排放量之间的关系。

表2 三种不同模型的估计结果比较

变量普通回模归型空间滞后模型空间误差模型

常数3.118***3.196***2.898***

Ln GDP0.911***0.926***0.935***

ρ -0.020*

LAMBDA 0.298*

F值 89.833***

Adj-R20.7350.7450.757

LogL-32.740-32.635-32.208

AIC69.48071.26968.417

SC72.47275.75971.410

LR 0.209*1.062*

注：* 表示在10%水平下显著；* * 表示在5%水平下显著；* * * 表示在1%水平下显著。

4 结论与建议

为了揭示中国工业经济增长对工业废水排放量的影响作用，本文采用OLS方法建立建立经典线性回归模型，通过对模型的残差进行空间自相关检验，发现模型中的残差存在空间正相关，由于忽略了空间效应，导致普通回归模型的估计有偏，带有误差项的空间误差模型更适合解释二者之间的关系。分析结果表明：2010年中国工业GDP的增长与工业废水排放量之间具有显著的线性关系，其线性影响程度为2.5，即工业生产总值每增加1%，工业废水排放量就相应地增加2.5%，这说明工业GDP的增长导致工业废水排放量增加，加剧了水环境的污染程度。

根据对中国工业生产总值与工业废水排放量关系的分析研究，可以知道中国工业经济的迅速发展是以巨大的水环境污染为代价的。尽管当前中国的工业发展取得一定的成效，但现有的经济发展模式，简单地说，还是忽视环境保护的污染性发展。目前，最主要的是进一步加速经济发展模式的转型，加快从规模速度型粗放增长向质量效益型集约增长转变，立足中国的资源禀赋和生态环境的客观实际，以科学发展观为指导，制定适宜的发展战略，提高资源利用效率，通过建设节约型社会，通过倡导循环经济实现全社会资源配置效率的进一步提高，以缓解中国经济快速增长与资源利用有限的尖锐矛盾。同时，要进一步加大对环境保护及环境监管的投资力度，更有效地促进经济与环境的可持续发展。

参考文献：

[1]Grossman G，Krueger A. Economic Growth and the Environment[J]. Quarterly Journal of Economics，1995，110（2）：353-377.

[2]中华人民共和国国家统计局编.中国统计年鉴（2010）[M].北京：中国统计出版社，2010.

[3]Anselin L， Varga A.and Acs Z. Geographic Spillovers and University Research：A Spatial Econometric Perspective[J]. Growth and Change， 2000，501-516.

[4]Moran P. A Test for Serial Correlation of Residuals[J]. Biometrical，1950，（37）：128.

[5]Anselin L.Spatial Econometrics： Methods and Models[M].Dordrecht：Kluwer Academic Publishers，1988，1-10.

[6]朱琳，張晓萌.西部地区经济增长与环境污染水平的计量模型[J].统计观察，2005，（2）：58-59.

[7]马树才，李国柱.中国经济增长与环境污染关系的Kuznets曲线[J].统计研究，2006，（8）：37-40.

[8]李勇.基于环境库兹涅茨曲线的我国经济增长与环境污染相互关系的初步评价[D].青岛：青岛大学，2007.

[9]国涓，项吉宁，郭崇慧.空间影响与环境库兹涅茨曲线：基于空间经济计量方法的实证分析[J].数理统计与管理，2009，28（4）：678-684.

[10]吕健.中国经济增长与环境污染关系的空间计量分析[J].财贸研究，2011，（04）：1-7.

[11]马训舟，姚建，付中元等.四川省工业经济增长与环境污染关系研究[J].特区经济，2007，193-195.

篇4：皂素工业废水CODcr排放限值的研究

关键词：老工业基地；碳排放；LMDI方法；能源强度；能源消费结构；行业结构；行业规模

中图分类号：F224.0；F127 文献标志码：A 文章编号：1674-8131（2015）01-0095-07

一、引言

低碳经济的核心理念是减少人类的经济活动所产生的、排放到空气中的二氧化碳；老工业基地大多以传统工业为主，碳排放强度较高，面临的资源环境压力也较大，因此其低碳转型发展意义重大。要实现老工业基地低碳转型发展，首先必须要弄清楚老工业基地碳排放趋势及影响因素，因此，准确测算我国老工业基地的碳排放具有重要意义。关于碳排放及其影响因素，很多学者进行了大量的实证研究，比如Wang et al（2005）、Wu et al（2005）、徐国泉等（2006）、Fan et al（2007）、雷厉等（2011）、张占贞（2013）、潘雄锋（2011）、孙宁（2011）、王迪（2012）等所做的研究。但相关文献的研究方法还存在进一步改进的空间，研究视角也可进一步拓展。本文主要在两个方面进行了改进：一是采用“电（热）碳分摊”原则对碳排放量进行测量，测算结果更加科学准确；二是采用LMDI方法将老工业基地碳排放量的影响因素分解为产业规模、产业结构、能源强度和能源结构四个纬度，并将48个老工业基地的37个行业碳排放的影响因素分为行业规模、能源强度和能源结构三个纬度，这样从区域、行业两个层面的深入研究，增强了结论的政策意义以及政策建议的针对性。

二、测算方法和数据处理

1.碳排放量测算方法

本文基于工业行业终端能源消费口径的统计数据，采用排放系数法核算各老工业基地各细分行业的碳排放量，计算公式如下：

2.数据来源及处理

规模以上工业行业总产值、CPI价格指数以及能源消费量均来自老工业基地2007—2013年的《统计年鉴》；工业行业总产值变量均以2006年不变价格计算，测算区间为2006—2012年；能源消费主要包括四大类：原煤（吨）、汽油（吨）、柴油（吨）、电力（万千瓦时），四类能源的转换系数及碳排放系数如表1所示。

经过调整，研究样本中行业数量为37个；在所考察的120个老工业基地中，由于直辖市、计划单列市或省会城市的市辖区的地理位置和发展环境的特殊性，在研究样本中删去；在95个地级市中，经过筛选，有辽宁抚顺、辽宁锦州、安徽安庆、山西临汾等48个地级老工业基地数据较为齐全。所以，最终样本为48个老工业基地37个行业的数据。

三、老工业基地工业碳排放概况

图1是48个老工业基地2006—2012年37个行业年产值总和、行业二氧化碳排放总量、行业总值碳排放强度趋势图在计算碳排放强度时一般用碳排放量与GDP的比值，但在行业层面只有行业总产值数据，所以本文在计算碳排放强度时使用的是工业总产值的数据，计算结果相应偏低，但不影响比较结果。 。2006年我国48个老工业基地37个行业碳排放总量为3.46亿吨，到2012年增加到5.23亿吨，平均年增长率为7.23%，工业碳排放总量整体上仍呈上升趋势。同期，48个老工业基地工业行业产值总和也由2006年的46 676.86 亿元增加到2012年的96 854.58亿元，平均年增长率达到13.50%。二者的变动趋势显现出明显的一致性。行业总值碳排放强度2006年为0.741 4吨/万元，2012年为0.540 3吨/万元，平均每年增长率为-4.46%，呈明显的下降趋势。

图2是48个老工业基地2006—2012年的碳密度值。碳密度是二氧化碳的排放量与能源消耗量的比值，可以反映行业的能源消费结构。不同能源在提供能量时所释放的二氧化碳不同（王玮，2012），2006—2012年48个老工业基地碳密度平均为1.08，可见老工业基地能源消费中还是以煤炭消费为主；同时，2006—2012年行业碳密度呈现上升的趋势，平均年增长率为6.83%。

四、老工业基地碳排放因素分解分析

采用LMDI方法将48个老工业基地碳排放量的影响因素分为产业规模、产业结构、能源强度以及能源结构四个维度（图3和图4）。

图3是老工业基地工业行业各因素碳排放量变化贡献值趋势。老工业基地规模以上工业企业产业规模的扩大（即经济总产值的不断增加）对碳排放量变动的贡献最大，2007年是-2 986.94万吨，然后一直上升到2012年的31 047.43万吨，是碳排放量增加的主要拉动因素。产业结构在2007年对工业碳排放量变动的贡献值为-174.06万吨，2011年为-879.88万吨，而2012年为-5.89万吨，对老工业基地碳排放的变动整体上显现抑制作用，也就是说随着国家节能减排政策的实施，相关行业发展受到抑制，产业结构发生变动，对规模以上工业企业碳排放确实起到了削减作用。能源强度代表技术水平，2007年能源强度对碳排放量变动的贡献值为9 090.71万吨，2012年为-13 932.50万吨，说明技术水平的不断提高对碳排放起到了抑制作用，对于碳减排具有重要意义。2007年能源结构对碳排放量变动的贡献值为339.45万吨，2012年为1 409.69万吨，对老工业基地碳排放的变动整体上显现促进作用，说明能源结构的调整对老工业基地碳减排的作用还有待进一步提高。

图4 是老工业基地各因素碳排放量变化贡献率趋势。贡献率>1的因素称为碳排放增加的拉动因素，贡献率<1的因素称为碳排放增加的抑制因素。产业规模贡献率由2007年的0.921 9增加到2012年的2.063 1，期内虽然有所波动，但基本上都显现于大于1的趋势，说明产业规模因素对老工业基地工业企业碳排放增加具有正向拉动作用。产业结构的贡献率在2007年为0.995 3，2012年为0.999 9，2006—2012年的平均贡献率为0.989 0，说明产业结构的优化对碳减排起到了一定的促进作用。能源强度在样本期内显两极分化状态，2006—2009年贡献率大于1，而从2009年开始一直小于1，表明其对工业碳排放的增加由最初的促进作用转向抑制作用，反映出老工业基地工业企业的技术水平得到提高，提高了能源的利用率。能源结构的贡献率基本上都大于1，说明能源结构仍然是影响工业企业碳排放的一个主要因素。

根据LMDI分解模型，对2006—2012年48个老工业基地的37个行业碳排放的影响因素进行分解，将影响因素分为行业规模、能源强度和能源结构三个维度（见表2）。

2006—2012年48个老工业基地的大部分行业的碳排放量都呈现出增长的趋势，其中煤炭开采和洗选业、电力热力的生产和供应业、黑色金属冶炼和压延加工业、有色金属冶炼及压延加工业、非金属矿物制造品业、化学原料及制品制造业的碳排放量变化的幅度较大。这6个行业碳排放变化幅度均在3 500万吨以上，使碳排放量增加了62 353.93万吨，可见这6个行业是老工业基地碳排放的密集行业，应该成为重点减排行业。而石油加工炼焦和核燃料加工业、石油和天然气开采业、废弃资源综合利用业、化学纤维制造业、其他制造业和烟草制品业的碳排放量在整体上是呈下降的趋势。

老工业基地37个行业的行业规模对碳排放量的影响均呈现出促进作用。黑色金属冶炼及压延加工业、电力热力的生产和供应业、化学原料及制品制造业、有色金属冶炼及压延加工业、非金属矿物制造品业、煤炭开采和洗选业以及石油加工炼焦和核燃料加工业的行业规模的促进作用尤为显著，这7个行业的经济规模对碳排放的贡献值均在1 200万吨以上，使得老工业基地的碳排放量增加了23 212.34万吨。这些行业属于大型制造业，规模一般情况下都比较大，其对碳排放的影响也比较明显，应重点考虑适时减小其行业规模。而文教工美体育娱乐用品制造业和烟草制品业等行业的规模较小，其对碳排放的影响也较小。

老工业基地的37个行业中除纺织服装和服饰业、印刷和记录媒介复制业、仪器仪表制造业、家具制造业、木材加工和木竹藤棕草制品业、有色金属矿采选业以及农副食品加工业的其他30个分行业的能源强度对碳排放量增量呈现出抑制作用，可能的原因是这些行业技术进步较快，产值增长幅度远超能源消耗增幅。电力热力的生产和供应业、煤炭开采和洗选业、石油加工炼焦和核燃料加工业、黑色金属冶炼及压延加工业、化学原料及制品制造业以及非金属矿物制造品业等行业的能源强度对碳减排的促进作用最为明显，2006—2012年这6个行业的能源强度使老工业基地的碳排放降低了57 834.40万吨。而对于能源强度对碳排放量的贡献值为正值的行业，应努力提高其技术水平，改善其能源强度。

老工业基地37个行业的能源结构对碳排放的影响不同。其中：煤炭开采和洗选业、电力热力的生产和供应业、金属制品业、酒饮料和精制茶制造业、电气机械及器材制造业、印刷业和记录媒介的复制、家具制造业、其他制造业和纺织服装服饰业的能源结构对碳排放量增量起到抑制作用，减少了666.19万吨的碳排放量，可能的原因是这些行业对煤炭消耗较少而对电力消耗较多；其余行业的能源结构均促进了二氧化碳的排放量，其中黑色金属冶炼及压延加工业、石油加工炼焦和核燃料加工业、化学原料及制品制造业以及非金属矿物制造品业的能源结构明显增加了碳排放量，2006—2012年这4个行业的能源结构对碳排放增量的贡献值为3 217.78万吨。从整体来看，全行业的能源结构对碳排放量的贡献值为4 287.66万吨，说明整个工业行业的能源结构仍需进一步优化。

五、结论及建议

本文通过考察我国48个老工业基地2006—2012年碳排放量的总体趋势及区域、行业碳排放影响因素，得到如下结论：

第一，老工业基地能源消费中还是以煤炭消费为主，2006—2012年的煤炭消费占总能源消费的比例平均达到 89.99%。可见，我国老工业基地工业行业能源结构还不合理，需要进一步改善能源结构。

第二，从地区层面来考察，在影响老工业基地工业行业碳排放的四大因素中，产业规模和能源结构是影响碳排放的主要拉动因素，其中，产业规模又是最主要的拉动因素；产业结构和能源强度是影响碳排放的重要制约因素，其中能源强度又是最主要因素。

第三，从行业层面来考察：（1）行业规模对我国老工业基地的37个行业碳排放量均表现出促进作用，其中对黑色金属冶炼及压延加工业、化学原料及制品制造业等7行业的促进作用较对烟草制品等行业的促进作用大；（2）能源强度对我国老工业基地的37个行业中的纺织服装和服饰业及印刷和记录媒介复制业等7行业碳排放量的贡献值为正值，其余30个行业均为负值，即能源强度对这7行业的碳排放起到促进作用，而对电力热力的生产和供应业、煤炭开采和洗选业等6行业的碳排放的抑制效应最为明显；（3）能源结构对我国老工业基地37个行业中的煤炭开采和洗选业、电力热力的生产和供应业等9行业的碳排放量具有抑制作用，其余行业的能源结构均促进了二氧化碳的排放，而其中能源结构对黑色金属冶炼及压延加工业、化学原料及制品制造业等4行业的碳排放量具有明显的拉动作用。

根据上述有关结论，本文认为老工业基地要实现低碳发展，可以采取以下措施：第一，适度控制工业产业规模，优化产业结构。在控制工业产业规模的同时调整产业结构，尤其应该降低黑色金属冶炼及压延加工业、化学原料及制品制造业等高排放行业的规模。第二，加快技术进步，进一步引进先进的生产技术和高效节能设备，加大对旧设备的更新与改造，加快产业转型升级。尤其要加大对黑色金属冶炼及压延加工业、化学原料及制品制造业以及非金属矿物制造品业等行业的科技投入，促进其技术进步，以提高其能源的利用效率。第三，进一步优化能源消费结构，在现有基础上逐步建立煤炭略有增长、石油平稳增长、天然气快速增长、非化石能源大幅增长的能源消费模式，重点转变黑色金属冶炼及压延加工业、石油加工炼焦和核燃料加工业、化学原料及制品制造业等行业的能源结构，使其能源结构利于减少碳排放量。

参考文献：

雷厉，仲云云，袁晓玲.2011.中国区域碳排放的因素分解模型及实证分析[J].当代经济科学（5）：59-65，126.

潘雄锋，舒涛，徐大伟.2011.中国制造业碳排放强度变动及其因素分解[J].中国人口·资源与环境（5）：101-105.

孙宁.2011.依靠技术进步实行制造业碳减排——基于制造业30个分行业碳排放的分解分析[J].中国科技论坛，（4）：44-48.

王迪，聂锐.2012.中国制造业碳排放的演变特征与影响因素分析[J].干旱区资源与环境（9）：132-136.

王玮.2012.碳排放驱动因素与减排潜力研究[D].武汉：华中师范大学.

徐国泉，刘则渊，姜照华.2006.中国碳排放的因素分解模型及实证分析：1995—2004[J].中国人口·资源与环境（6）：158-161.

张占贞.2013.基于KAYA模型的青岛市碳排放及驱动因素分析[J].青岛科技大学学报（社会科学版）（3）：84-87.

Ang. 2004. Decomposition analysis for policy making in energy ：which is the preferred method[J]. Energy Policy，32（9）：1131-1139.

Fan，Liu et al. 2007. Changes in carbon intensity in China： Empirical findings from 1980—2003[J]. Ecological Economics，62（3-4）：683-691.

Wang，Chen，Zou. 2005. Decomposition of energy-related CO2 emission in China：1957—2000[J]. Energy，30（1）：73-83.

Wu，Kaneko，Matsuoka. 2005. Driving forces behind the stagnancy of China s energy-related CO2 emissions from 1996 to 1999：the relative importance of structural change， intensity change and scale change[J].Energy policy，33（3）：319-335.

篇5：皂素工业废水CODcr排放限值的研究

关键词：碳排放 能源 灰色预测

1 概述

应对全球温室气体效应所带来的气候变暖，是人类面临的重大调整。有效控制和减少二氧化碳等温室气体的排放，是各个国家，均应承担的责任。我国作为一个负责任的发展中国家，承诺到2020年单位GDP的二氧化碳排放（carbon dioxide emission）下降40%～45%， 这对于能源消费以煤炭为主的我国来说，是一个十分艰巨的任务[1]。兰州是我国西部地区的重要石化基地，改革开放后，工业发展迅速，工业总产值年均增速超过10%，相应的兰州也成为西部地区的碳排放“大市”。作为甘肃省的省会城市，兰州市的减排压力不断扩大。由于工业能源消耗是碳排放（carbon emission）的主要来源，为了实现我市的碳减排目标，，对我市的碳排放，尤其是工业产生的碳排放状况进行深入细致的研究显得尤为必要。

国内外的研究者对碳排放的研究，国内的研究更多的关注在全国层面的碳减排问题，重点研究碳排放的机制、规律及减排措施[2—3]，针对地方水平上的研究并不多见。由文辉等[4—5]（1999）根据一次能源消费量计算了上海的二氧化碳排放量。1995年上海市化石燃料燃烧产业的二氧化碳排放量为1681.5×104t。赵冠伟[6]（2010）计算了广州市1992—2007年能源消费碳排放量。1992年以来广州市碳排放总量和人均碳排放量逐年增加。查冬兰[7]等（2003）把能源分为9类，通过以各类能源消费量乘以各自的碳排放系数，计算了全国28个省区的碳排放总量。王铮[8]等（2008）通过计算全国各省区的碳排放系数，将全国碳排放总量分摊到各省区。罗旭[9]（2011）通过产业—能源关联和能源—碳排放关联两个评价模型，分析兰州市碳排放区域格局变化的原因。以往人们对碳排放研究主要集中于总量研究，少有人从区域的角度进行探索，尤其是地方一级的总量变化研究较为少见。本文将在这一方面做一些尝试。不仅从总量方面进行分析，而且在碳排放结构、影响因素等方面进行研究，力争为兰州市碳排放目标及政策制定提供参考。

2 能源数据和计算方法

本研究的数据采样，采用2003—2011年《兰州市统计年鉴》[10]中的工业企业主要能源消费与库存统计表中的能源数据。因数据的限制，在计算能源消费碳排放量时认为：①产生碳排放的是能源终端消费量；②不计加工转换过程、运输和输配损失能源的碳排放；③电力既有兰州市本地火力发电也有市外来电。考虑到数据缺乏，不再区分火力发电与水力发电。热力主要是本市供热，其碳排放是按火力发电和供热投入的能源计算，故不再计算能源终端消费部门热力和电力的碳排放。

本研究对碳排放的计算，根据2006年联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）的指导意见，结合中国能源消耗的实际情况，以及《兰州市统计年鉴》[10]中的工业企业主要能源消费与库存统计表中的能源消耗统计数据，分别计算工业企业能源消费的煤炭、焦碳、原油、汽油、煤油、柴油、燃料油和天然气八种石化能源的碳排放系数。

根据（IPCC，2006）第二卷（能源）第六章提供的参考方法，各种能源碳排放系数θk可以按以下公式计算得到：

可知，兰州市工业行业能源消费碳排放量逐年增长，由2002年的872.78万吨增长到2010年的1553.04万吨，年均增长率达到19.8%，而同期GDP的增长率是31.61%。对比碳排放量与GDP可知，二者总体趋势较为接近，2003—2007年间，碳排放与GDP增长尤为迅速，表明经济增长是工业能源碳排放增加的主要动力。2007年以后工业能源消费碳排放量增长放缓，2008年美国次贷经济爆发，我国经济发展受到冲击，兰州市工业发展也受到影响，碳排放总量比2007年略有下降。2009年在国家宏观经济刺激背景下，兰州市工业生产恢复快速增长，碳排放总量亦恢复增加。2010年兰州市GDP增长逐步加快，而工业能源消耗碳排放量增长速率远远小于GDP的增长速率。

3.2 能源碳排放结构分析。

能源消费结构反映能源消费中各种能源的比例关系，能源消费结构对石化能源的依赖程度决定了能源消费碳排放的高低。由于兰州市是典型的石化基地，原油消耗量巨大，原油消耗产生的碳排放量一直居于首位。由图2可知，工业行业能源结构中原油和煤炭占到90%以上，尤其是石油的消耗量占到整个工业行业中的50%以上，而焦炭、天然气、柴油。煤油和汽油占的比重较低，尚不足10%，但呈现不断增长的趋势，由2002年的4.53%增长到2010年的9.24%。

2002—2010年兰州市工业主要能源消费碳排放结构演进图

兰州市工业碳排放量反映了该市的工业生产特点：原油消耗是兰州市最大的碳排放贡献者，并呈逐年增加的趋势，排放量从2002年531.3014万吨增长到2010年的867.0257万吨，增长63.19%。煤炭是兰州市工业能源消耗碳排放的第二大贡献者，排放量从2002年303.0889万吨增长到2010年的569.1479万吨，几乎翻了一番。伴随着焦炭和天然气使用量的增加，碳排放量也呈现快速增长态势，但总量依然较低。焦炭的使用量从2002年的24.2万吨增长到2010年的135.74万吨，碳排放量则从20.0933万吨增加到112.7049万吨，增长4.6倍；天然气的使用量从2002年的0.4亿立方米增加到2010年的4.15亿立方米，碳排放量则从0.1791万吨增加到2.7540万吨，增长14倍多。而同期汽油、燃料油、柴油和煤油的消耗量则呈现持续下降的趋势。四类油品的消费总量从2002年的20.9万吨下降到2010年的4.79万吨，碳排放量则从18.2955万吨下降到4.1609万吨。见图3各类主要工业能源消费碳排放演变。

4 未来5年工业碳排放总量演进变化趋势预测

《兰州市国民经济和社会发展第十二个五年规划（2011—2015年）纲要》[12]提出，“十二五”时期，全市生产总值（GDP）年均增长16%，力争达到2500亿元以上。伴随着GDP的快速增长，作为全市能源消耗主要部分的工业能源消耗也会持续增加。为了对十二五期间的工业能源消耗碳排放有一个准确的把握，为全市削减碳排放提供决策参考，有必要对2011—2012年的工业碳排放进行预测分析。由于样本数量较小，可以采用灰色系统理论来进行预测。

灰色系统理论[13]是由邓聚龙教授首先提出来并加以发展的，以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定系统为研究对象的系统理论。灰色预测是灰色系统理论的一个重要部分，它利用有限的信息，建立灰色预测模型，从而确定系统未来的变化趋势。目前最常用的灰色预测模型是GM（1，1）模型，因此本文主要以GM（1，1）模型来讨论十二五期间兰州市工业能源消耗碳排放演进变化趋势。

对比两次预测值，第二次预测的相对误差小于1%，可靠性显著提高。采用此预测值，预计2015年兰州市工业能源消耗碳排放总量将比2010年增加203.90多万吨，年均增长40.78余万吨，增长率低于5%，相对于GDP年均增长16%的规划目标而言，工业碳排放的增长率是比较低的。

5 结论与对策

2002—2010年间，兰州市工业能源消费碳排放总量持续增加、增长速率逐步。2010年兰州市工业能源消耗碳排放总量为1628.2686万吨，较2002年增长81.47%，年均增长率达到20.2%。在排放构成中，石油消耗产生的碳排放最大，占排放总量的55%左右，充分体现了兰州市是石化之城的特色。煤炭消耗产生的碳排放占排放总量的40%，居第二位。由于天然气、焦炭等低碳能源的大量使用，既提高了能源利用效率，又使碳排放增加较少。而汽油、柴油、煤油和燃料油的使用量缩减明显，其产生的碳排放也迅速下降。十二五期间，为实现兰州市生产总值（GDP）力争达到2500亿元以上，GDP年均增长16%的规划目标，能源消耗总量将进一步扩大，工业能源消耗碳排放总量依然会继续增加，2015年碳排放总量预计将达到2278.3520万吨，较2010年增加650.0834万吨，虽然总量在增长，但增长速率进一步放缓。为了顺利完成全市，乃至全省的减排任务，不影响全市、乃至全省的经济社会健康、高速的发展。建议从以下几个方面来采取措施：

5.1 调整产业结构，稳定第一产业发展水平和比例，进一步加大第三产业的比例。积极调整第二产业结构，切实促进产业结构合理化和高档化。目前兰州市石油化工、建材、冶金等行业中产品能耗较高，技术与工艺水平有待进一步提升，应采取有力措施，加快对这些高耗能行业的改造，不断提升产品的技术含量。同时适时加快旅游、物流、金融、保险等现代服务业的发展，提升第三产业在GDP中的比例，从总量上控制碳排放的增长。

5.2 优化工业能源消费结构，进一步提高低碳能源比重。在保持原油消耗基本稳定的前提下，继续降低煤炭的消耗总量。积极拓宽渠道，加大利用力度，增加低碳能源的使用比重。加快天然气工程的建设力度，不断提高天然气在能源消费总量中的比重。积极寻找煤炭、石油的替代燃料。

5.3 加大技术改造投入，努力攻克技术瓶颈，切实提高能源利用效率。积极推进煤改气、煤改油工程。进行联合攻关，不断提高燃煤效率，逐步降低单位生产总值能耗，减少煤炭消耗。加快实施燃煤工业锅炉改造、电机系统节能、能量系统优化，实行全面、严格的能源节约制度和措施。切实推动有色、石化、钢铁、煤炭、电力、建材等重点耗能行业和85户重点用能企业的节能工作，强化节约能源措施。

5.4 结合循环产业园的建设，借鉴丹麦卡伦堡循环经济工业园模式，利用产业上下游联系和供应关系，形成企业集聚，提高能源利用效率，降低能耗总量。丹麦卡伦堡循环经济工业园是企业间循环经济模式的典型代表，是一种生产发展、资源利用和环境保护形成良性循环的工业园区建设模式。该园区通过贸易的方式把其它企业的废弃物或副产品作为本企业的生产原料，建立工业横生和代谢生态链关系，最终实现园区的污染“零排放”。

5.5 适度规划，优化调度、输变电网络建设，增加水电、风电等可再生能源的比例。切实落实国家可再生能源发展“十一五”规划目标和政策支持措施，及时出台相关政策、法规，鼓励企业，尤其是中小企业使用水电、风电。由于兰州市全年的光照条件良好，有利于推行太阳能替代化石能源，建议政府应鼓励和扶持单位安装使用太阳能热水、照明、供热、采暖等系统。

参考文献：

[1]LEVINEM D，ADEN N T.Global Carbon emissions in the coming decades：the case of China [J].Annual Review of Environment and Resources，2008，33（11）：1—39.

[2]徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析[J].中国人口·资源与环境，2006，16（6）：158—161.

[3]戴彦德，朱跃中.中国可持续能源发展情景及其碳排放分析[J].中国能源，2002（11）：31—36.

[4]由文辉.上海市CO2排放及其减缓对策[J].上海建设科技，1999（1）：17—19.

[5]钱杰，俞立中.上海市化石燃料排放二氧化碳贡献量的研究[J].上海环境科学，2003，22（11）：836—839.

[6] 赵冠伟，陈健飞，崔海生，陈颖彪.1992—2007年广州能源消费碳排放研究[J].资源与产业，2010，12（6）：170—184.

[7]查冬兰，周德群.地区能源效率与二氧化碳排放的差异性：基于Kaya因素分解[J].系统工程，2007，25（11）：65—71.

[8]王铮，朱永彬.我国各省区碳排放置状况及减排对策研究[J].中国科学院院刊，2008，23（2）：109—115.

[9]罗旭.兰州市碳排放区域格局变化研究[J].兰州交通大学学报，2011（3）：137—140.

[10]《兰州统计年鉴》编辑部.《兰州年鉴2003》—《兰州统计年鉴2011》[M]. 兰州.

[11]兰州新闻网http：//www.lzbs.com.cn/ttnews/2011—02/23/content_2132530.htm.

[12]中华人民共和国国家标准《综合能耗计算通则》GB/T 2589—2008[M].北京.中国标准出版社，2008.

[13]刘思峰，党耀国等.灰色系统理论及其应用（第五版）[M].北京：科学出版社，2010.

基金项目：本文得到兰州市科技局科技项目资助（项目编号：1111ZTC129）。

篇6：CODcr测定结果准确性研究

【关键词】重铬酸钾；CODcr；样品代表性；消解温度；稀释倍数

1.样品的代表性

在《环境监测》《水和废水监测分析方法》（第四版）化学需氧量的重铬酸钾法测定的章节中，操作的步骤是“将水样充分摇匀后，取20.00ml”这中说法在实际操作中是欠妥的。因为在实际工作中，接触到许多生活污水、工业废水以及生化处理后经二沉池出水大多含有活性有机颗粒物，均匀性很差，而这些有机颗粒通常含有较高的COD值，如果仅靠手摇混匀水样后吸取20ml水样，往往会因为移液管的吸嘴角而不能均匀地吸入样品会影响CODcr值的测定的准确度度和精密度。并且测试中取样量越少，造成的随机误差就越大。

使用水浴超声器可以使水样中的大颗粒物快速分离、均化，同时又能起加速溶解作用。具体操作如下：

取500ml烧杯，倒入一定量水样，将烧杯放入水浴超声器的浴槽中，浴槽中事先放有一定量的自来水.开启超声器，使其作用5min， 至此水样已达到完全混合、和均化的程度，这时用移液管吸取20ml水样就具有很好的代表性了。

下表中的数据是一组对比实验，可以看出：样品经水浴超声器均化作用前后，与CODcr快速测定法的分析值相较大，表明水样只有经充分均匀混合后，才能真实反映该样品的CODcr值。

从表（一）的测定结果可以看出：经均化后的样品测定结果比未均化的样品测定值高，说明经均化后水样消解程度比未均化水样消解的完全。

2.硫酸亚铁铵标准溶液浓度的影响

水样中CODcr含量高低不同所对硫酸亚铁铵浓度需求范围是不同的。根据水质分析第四版中所要求测定CODcr时KcrO的浓度为0.25mol/L，硫酸亚铁氨的浓度在0.1mol/L，这种浓度范围是在最理想的情况下。

根据CODcr的计算公式：CODcr=C×8×1000×（Vo-V1）/V得知：

当V=20.00mL C=0.10mol/L时，T=0.10×8000/20=40mg/L

硫酸亚铁氨的浓度越大，滴定度越大，测定结果的误差也就越大。但在实际工作中，工业废水水样中CODcr含量比较高时， 0.1000mol/L的浓度就不太适合。对于CODcr含量低的水样来说滴定体积过大， ，对于CODcr含量过高的水样滴定体积过小，两种情况难免都会造成测定结果偏差较大.所以，始终用一种浓度的硫酸亚铁氨来测定CODcr含量的水样，肯定会影响测定结果的准确度。

下表中的数据是一组对比实验，

在重铬酸钾法测定CODcr的过程中。样品的代表性和滴定误差，直接影响到分析结果的准确性。从以上试验结果可以看出，高浓度的硫酸亚铁氨不适合测定CODcr含量低的水样，同样小浓度的硫酸亚铁氨也不合适测定CODcr.目前常规的0.1000mol/L硫酸亚铁氨的浓度的从滴定的最佳体积来说，测定COD的范围也只能在150-500mg/中间。如果测定CODcr含量低的水样，硫酸亚铁氨浓度应配制在0.045-0.06之间测定结果是最好的。反之，CODcr含量在500以上时硫酸亚铁氨浓度应配制在0.15左右比较合适。

3.样品稀释倍数对测定结果的影响

众所周知，水样中CODcr含量过高时需要对水样进行稀释后再取样测定。但是根据笔者多年的工作经验和试验表明，有的工业废水中CODcr含量很高，仅靠稀释的做法是不太科学的。稀释倍数过大，一是经多次稀释样品已来具有代表性，二是稀释倍数过大本身存着很大的系统操作误差。以下是我们用自配CODcr标样，采用多种稀释倍数后进行测定CODcr值的結果：

从以上表（三）中的测定结果可以看出，随着稀释倍数的增加，测定值逐渐增高，而且随着稀释倍数的增加，测定什由偏低渐渐趋于接近或超过10倍后测定值偏高.所以对于CODcr含量高的水样测定时稀释倍数不要超过10倍，最好在5-10倍，这样滴定体积也比较合理。

4.消解温度和消解时间对测定值的影响

虽然目前测定水质中CODcr都采用标准xxxxx，中规定的标准方法，这种方法虽然过程简单测定结果准确，但是测定过程样品消解时间太长，不太适合用于现场监测和生产控制。所以也有用微波炉或是快速消解仪等来完成消解样品。但存在着每台消解仪的消解时间要求有所不同，而且消解仪中每个孔内的温度都有差异，这将会导致各个试管中样品消解完全程度不同，从而造成测定结果差异比较大。

笔者也曾用快速消解仪法测定过标样值，方法如下：按试验要求仪器预热：在25分钟内温度上升到165，然后仍然165保持15分钟冷却后将样品转移至三角瓶内用硫酸亚铁氨标准溶液滴定， 从测定结果来可以看出：每个孔样品的测定结果都有一定的差异，从消解后样品外观来看，孔内的样品消解情况不太相同，有的瓶内样品消解不完全，这显然是孔内温度没达到样品消解所需的温度。

综上所述：对工业废水或生活污水进行CODcr的监测分析，关键的控制因素是样品的代表性其次要控制好滴定溶液的浓度大小，样品需稀释时注意稀释倍数，在用快速消解法消解时注意温度的均匀控制，忽略了其中任何一个环节，都有可能造成分析结果的错误。

[注]除了（4）中的方法以外其它测定方法均采用《水质分析第四版》中的要求和方法。 [科]

【参考文献】