居民向城市污水管网注排废弃物行为的调查研究

[] P.

1 研究背景

社区污水处理很重要，但其成本在不断上升。据法国生态能源可持续发展部提供的资料，2008年居民用水量占总用水量的53%。大里昂市区(以下简称GL)地下污水管网每年收集雨污水量约2亿m3，其中雨水约占60%，其他污水约占40%。剩余雨水经排水沟汇入独立雨水收集池。为了降低无雨或小雨天气下传统生活污水的污染物浓度，收集的生活污水需进入污水处理厂处理，处理后尾水排入当地水体。如果污水管网混入了特殊污染物或过多的雨水，超出处理厂的处理负荷，则部分污水可能未经处理直接通过合流制溢流设施排放。因此，收集的污水水质在一定程度上决定了最终排放到自然环境的水体水质。

污水中主要污染物为有机质和氮，污水处理厂能有效处理这些污染物。此外，污水中还含有少量的磷酸盐、硫酸盐、氯化物、多环芳烃(PAHs)、金属和杀虫剂等。依据《欧盟水框架指令》(WFD)和法国《生态和地表水化学状态评价规则》，按其危险性对以上物质进行分类。这些物质多数残留物累积在污泥中，因此，有必要将污泥进行资源再利用或送到垃圾填埋场填埋。

GL已采取措施减少工业废水排放，居民也希望如此。事实上，有些家庭只是偶尔注排一些废弃物进入污水管网，正常情况下，这些废弃物将进入污水处理厂，废弃物包括油漆、白酒、电机冷却油、固废(湿巾、棉花等)和杀虫剂。GL认为居民可能对污水问题缺乏正确认识，没有全面掌握废弃物处置方法。为此，GL开展了相关知识培训和环保活动，如组织儿童参观污水处理厂，并免费向其发放宣传单，但这些行动计划开展得还远远不够。此外，尽管由GL来负责整个城市的排水系统和污水处理管网，但大多由水务公司代其与居民就用水和习惯进行直接联系，而这种联系仅限于水账单传递和账单支付(包括水处理成本信息)。

GL认为，有2种方法可能对居民行为产生有效影响。第一种方法是了解污水管网中特定污染物的扩散规律，以评估当地政策效应。根据实测污染物浓度，可了解污染物扩散情况，进而在社区范围内找到污染源；针对这一情况，财政激励可能被用于“谁污染谁付费”的原则。第二种方法建立在非货币和非个人激励的基础上。该方法重点了解居民注排废弃物进入污水管网的决定是如何做出的，用何种方法可以激励居民改变行为，以及采用何种情况和借助何种信息来影响这种行为发生变化。尽管已有的研究文献涉及大量行为科学，但在污水领域很少出现利他行为。

因此，该研究旨在：①评估废弃物排入后污染物的浓度变化，对污水管网中污染物传输和扩散进行模拟，以识别污染源；②调查居民污水相关知识和排放动机，避免处理污水管网中的液态污染物，因为该污染物会被排入污水处理设施进行处理。

2 研究方法

2.1 水动力数值模拟

该研究通过分析独立污水管网出口处(安装了传感器)污染物浓度来识别污染源。研究假设污水管网下游段污染信号强度随污染物投放位置的变化而变化。为了检验这一假设，对标准污水管网中污染物浓度的传播进行了数值模拟。

独立污水管网位于罗纳(St Priest)省(靠近法国里昂)，覆盖区域范围1 km2，区域内主要为居民住宅。GL水资源监管处提供了污水管网的地图和地理信息系统(GIS)资料：①污水管网的拓扑网络；②各段管道坡度和直径；③进水口位置及其连接的房屋数量。

根据管道旱流污水标准，假设各进水口入管污水量等于与该进水口相连的房屋数乘以4(人)，再乘以上午09：00人均用水量(以每人 0.31 L/min计)。

基于各进水口污水量，可推算污水管网每段管道的正常水深(均匀明渠流)和湿周。为了更好地模拟管道几何图形(接头处和落差建筑物等)和提高网格计算精度，假设等效矩形湿周与实际圆形管道自由水面宽相同。

将全部管道划分成110万个单元网格(管道宽度上为8个单元、深度上为4个单元)，最终生成和编制出水几何体。采用StarCCM+流体动力学计算程序对清水流(不含污染物)进行三维初步计算，基于k-epsilon湍流闭合方案，自由面以及壁面边界条件采用刚盖假定，求解三维稳态雷诺-均匀流-斯托克斯(3D-steady-RANS)方程。基于三维平流扩散方程计算污染物传播，计算时假设标量守恒(密度相同)和紊流施密特数时空不定(取0.9)。基于从流体动力学计算得到的湍流粘性系数，计算湍流扩散系数。有学者研究得出，由于使用了刚盖假定，三维数值法能较好地重现管道连接下段的混合水动力学，从而模拟管道连接下段的污染物扩散。

有学者注意到，从支管进水口进入的水体流速超过了干管，其下游段水流出现混合螺旋性次生流，大大加强了下游段污染物浓度的均匀化。1979年费舍尔等学者提出，下游段污染物完全混合长度，转变成为15个分支宽度。然后在污水管网各进水口相继注入被动示踪剂代替清水，注入时间持续14 s。可对各住宅产生的 0.27 L污染负荷进行模拟。

通过后续模型模拟，完成了直到出水口的污水管网内污染物扩散分析。

2.2 家庭废弃物处置行为调查

当前普遍使用Benabou 和Tirole利他行为模型模拟生活污水产生的行为。有大量经济学文献论述利他行为。研究结果显示，利他主义者起初可能不会理性地考虑经济因素，因为利他行为需要时间或精力成本，往往不会产生明显的经济效益。事实上，通常人们很想知道，为什么不通过生活污水管网注排更多废弃物，而是用其他行为来代替(再利用或其他)，就算不考虑费用，从耗时费力角度来看代价也很大。为此建议，利他主义者符合三大类动机：“货币”、“利他主义/公益”和“名誉”。

货币奖励通常体现在污染罚款，但也可能收到安装更多环保设备的补贴。通常认为污水为非点源污染，即无法确定污染源。如果确实是这样，尽管有时实施货币奖励，但并无意义，因为不可能对人们难以捉摸的行为进行罚款或奖励。污水本质上是否为非点源污染，这是第一种方法研究的目标。

利他主义和公共利益的考虑，包括作为关注他人福祉或区域水生态环境“健康”的利他行为的非物质回报动机。就污水而言，这样的动机至少需要了解一些水资源循环和废物网络的相关知识。

名誉激励机制产生的效益可能来源于自身给其他人或自己留下的美好印象。自身形象可能反映出精神满足或“温情效益”情感等，但许多非物质利益具有更多的社会属性。

为了探寻能影响行为的手段，借助Benabou 和Tirole模型，对家庭注排废弃物行为的调查进行设计与管理，旨在通过计量分析各种动机是否显著影响居民生活污水排注的行为。即使不能直接询问受访者的动机，也可检验出显著性因子，该因子会显示每个动机是否对行为产生显著性影响。通过了解污水系统指标，可能出现公共利益动机，如处理厂用途、生活污水去向、个人水上娱乐活动、关注水污染问题并愿意分享等。研究结果显示，如果居民自身污水行为受其亲朋好友影响，则名誉动机对居民行为影响显著。

3 结果与讨论

3.1 污染物浓度分布曲线

模拟污染物从每个进水口至下游管段间的传播途径。污染物团随主流向下传播，沿横向、垂向及水流方向扩散。在与其他管道连接处产生复杂的紊流混合水流。

图1为18类污染物投入点下游断面(出水口)中心的污染物浓度历时变化。出水口历时变化浓度峰值出现在污染物到达的时刻。模拟结果显示，每个模拟污染物浓度曲线形状相似，即每个投入点的污染物在出水口处其浓度呈正态分布，曲线峰值位于中心。事实上，即使每段管道连接处出现复杂的紊流混合水流，引起混合污染团正好出现在管道连接处的下游，其距下个管道连接处的距离(一般为100 m)远大于横向和垂向距离(一般为1 m)。因此，在污染水流到达下一个连接处之前，污染物已充分混合均匀。然而，诸多模拟结果显示，似乎污染物浓度峰值和横向扩散变化很大。

图1 出水口18类污染物浓度历时变化曲线

图2点绘出图1中每条曲线的浓度峰值，该峰值为从每类污染物投入点至下游断面污染物传播时间的函数。二者关系密切：随着污染物传播时间延长，污染团得以不断扩散，出水口处浓度峰值相应下降。然而，对于出水口一次实测的污染物浓度峰值，污染物可能的投入点数量与污水管网主分支数量相同。

图2 出水口污染物排放峰值与传播历时对应关系

总之，根据污水管网内传感器得到的污染物浓度资料分析，即使完全掌握污水管网的基本情况，并在作了假设的前提下(区域内每个居民耗水量相同，瞬时投放未混合污染负荷)，也无法确定污染来源。该研究仅在出水口进行污染物浓度观测，这有碍管网内污染来源的进一步检测尝试和逆推法开发。识别污染源唯一可能的方法是需要配置一个大型传感器网络，每个主支至少有一个传感器，由于设置复杂及其成本昂贵，这种方法不切实际。在此前提下，非货币和非个性化激励肯定为人们所需要。

3.2 公众调查和计量经济模型

2013年4～5月罗讷省市政当局开展了一次公众调查(调查内容包括水力学动态模拟)。GL也参与了问卷内容的设计，内容涉及广泛(见表1)。考虑到不可能与受访者事先预约，问卷回收率相当高，为20%～30%左右。受访者在了解调查内容之前就决定参加，这样所获得的调查结果具有代表性。共收到101份完整可用问卷，现场采访随机进行，旨在避免各种形式的空间聚类。虽然问卷数量不多，但受访者的年龄和性别具有代表性，职业上稍作了细分。

由表1可见，受访者非常了解各种生活废弃物，因为很少有“不知道”或“其他/未指明”的回答。排入室外排水沟等废弃物很少。根据废弃物分类，废弃物处置的3个主要方式是一般垃圾箱(0～91%)、回收垃圾桶(0～79%)或家庭污水系统(0～85%)。7类废弃物决不能投入家庭污水管网：干食品、植物检疫产品、碳氢化合物、药品、化妆品和固态保健品、香烟头和土壤/沙子。

表1中每位受访者需针对每种废弃物回答若干问题。随后，仅回答是否排入家庭污水管网的决定，即不考虑表1各列的因素，仅考虑家庭污水1项。根据卡梅隆等学者的研究，面板数据设置中的叉状分枝决定由面板数据模型表示。

(1)

式中，如果第i个受访者选择将废弃物t丢进家庭污水系统，则yit=1；否则yit=0；xit是回归矢量或解释因子；αi是受访者未知特殊效应；β是未知系数矢量。β系数传统上用最大似然法进行估计，很多计量经济软件可对其进行估算。β系数的正值或负值表明其对Pr{yit=1}的定性影响：如果为正值(负值)，相应因子的增加提高(减少)了Pr{yit=1 }，其他条件不变。也可以计算全部的边际效应，但这不在该研究范围内。

表1 问卷调查结果汇总

1978年豪斯曼测试明确表明，个人特殊效应αi缺乏内生性。因此，将其有效性称之为随机效应模型，这尤其意味着未发现的个体因素，虽然肯定对注排废弃物决定存在影响，但与模型内的任何因子没有关系，不存在混杂效应。假设浪费行为间存在相关性，如有些人可能喜欢随处回收废物，随机效应面板数据模型假定，所有废弃物和受访者间的相关性相同。

表2列出了大量化学废弃物调查结果。之所以研究化学废弃物，直观上认为它们是相对同类的废弃物。

表2显示每种废弃物处置方式截然不同，正如表1所列行为。各种废弃物排入家庭管网的概率变化范围较大(从大约85% 到几乎为零)。这可以通过表2 中代表废弃物种类的7个变量的高度显著性得到反映(P值明显小于传统的5%)。另一方面，没有传统社会经济变量可充分解释废弃物处置(P值大于传统的5%)，变量包括年龄、性别、教育程度、家庭成员构成、宠物、房屋所有权。换句话说，社会经济特征对废弃物处置行为产生的影响可忽略不计，但能表明受访者产生“公益/利他主义”动机的变量影响不明显(P值大于5%)，这些受访者长期在该区域生活，了解处理厂用途，清楚家庭污水管网是否与处理厂连接，担心水质污染或有水上娱乐活动，或在任何情况下，所有受访者的调查结果相似，不受以上变量的影响。

表2 各种化学废弃物排入家庭污水管网的概率分析汇总

注：*为未说明影响不显著的社会经济变量。

如果受访者认为邻里和亲属将相应废弃物排入家庭污水管网，代表邻里将相同废弃物排入家庭污水管网的虚拟变量值取1，这一变量简称为“模仿”变量。模仿是人潜在的天性，将该变量作为兴趣变量。也就是说，受访者可能将这一模仿行为合理化或为其行为辩护。然而调查结果并非如此，邻里或亲属如何处置废弃物对居民影响较大，这解释了模仿变量的因果含义，如公众宣传活动肯定会改变居民行为。模仿高度显著(P值远小于5%)，β为正值，当与代表废弃物类型的虚拟变量比较时，系数值相对较大。

另一个“准备改变习惯”的变量可被归类为名誉效应，该变量试图向外界展示一种名誉(或至少在当面采访时)。该变量P值约10%，尽管不显著，但除了模仿和废弃物种类变量之外，该值最小。如果家庭污水行为的驱动力不是唯一的，这也说明名誉效应为主要影响因素。

4 结 论

该研究旨在探讨减少居民注排废弃物进入污水管网系统的解决途径。对2种可能性进行了检测，与研究的两个主要内容一致：①能够采用简单方法识别出污染源，以将重点放在改变家庭或社区废弃物处置习惯上；②考虑采用何种激励可引导居民改变排注废弃物进入污水管网的不良习惯。

第一部分旨在验证通过分析污水管网出水口处传感器所获得的浓度信号，确定是否能识别出污染源。由此将法国罗讷省污水管网当成一个几何体，对其进行网格化，模拟出与居民上午09：00排放的生活污水量一致的典型3D流态。对每座房屋入管的污染物进行模拟，再比对其在出口处响应的污染物浓度。模拟结果显示所有模拟系列相似，并呈类似的正态分布，从而无法识别污染源，可以区分的唯一信息是估算的污染物传播历时。

第二部分得出了注排废弃物进家庭污水管网行为的调查结果。调查结果显示，对不同类型的废弃物，其行为是明显不同的；受访者似乎清楚地知道其邻居是如何处置每种废弃物的；没有传统的社会经济因子接近标准的统计显著性水平。从可能代表“利他主义/公益”和“名誉”行为动机的因素中分离出其他因素，意外发现能代表“利他主义/公益”动机的因素不显著。因此，不太可能通过该动机来影响注排废弃物进家庭污水系统的行为，例如污水会对环境造成影响的社会意识不太可能影响个人行为。2个因素影响名誉动机：改变习惯的意愿和受访者是否认为其邻居将某些废弃物排入家庭污水管网，后者是唯一呈显著性影响的因素。换言之，当受访者认为邻居将某些废弃物排入家庭污水管网时，也极有可能会这样做。也就是说，不会因为受访者注排某类废弃物进入家庭污水管网，而认为其邻居也会如此。

研究没有确定这种影响应该采取何种形式，但研究结果清楚地表明，影响居民排放废弃物行为的最大驱动力可能是邻居或亲戚的行为，而非废弃物对环境的影响或废弃物造成水污染的宣传。

邱训平译