2. 中国环境科学研究院,北京 100012
2. Chinese Research Academy of Environmental Sciences, Beijing 100012, China
垃圾焚烧因其可较好实现垃圾无害化、减量化、资源化且占地面积小,成为现阶段生活垃圾处理的主要方式[1],然而垃圾焚烧设施在提供良好人居环境功能的同时[2],也可能给设施周边居民带来负的环境外部性影响[3, 4]。随着公众环保意识的不断提升,设施周边潜在成本负担者有较强的动机和较高的组织能力来反对和抗议此类设施的建设[5, 6],甚至导致项目失败[7, 8],产生“邻避”问题[9] 和环境社会风险。
2022年11月,国家发展改革委、生态环境部等五部门联合印发《关于加强县级地区生活垃圾焚烧处理设施建设的指导意见》(以下简称《指导意见》),提出到2025年京津冀及周边、长三角、粤港澳大湾区等重点区域的县级地区(含县级市)基本实现生活垃圾焚烧处理能力全覆盖,到2030年应建尽建生活垃圾焚烧处理设施。我国县级行政区数量多、分布广,根据《 2021年城乡建设统计年鉴》,我国县级地区垃圾焚烧比例仅为50%,当前仍存在较大缺口,未来在政策支持和实际需求的驱动下,县级生活垃圾焚烧项目可能会迅速增多。同时县级地区生活垃圾产生量小,而且小规模特别是300t/d以下的生活垃圾焚烧处理设施往往不具备发电的经济性条件或者发电不稳定[11, 12],烟气排放控制工艺水平也较低。大量小规模的县级地区生活垃圾焚烧处理设施建设过程将面临潜在的环境监管压力和环境社会风险,因此如何合理规划布局地方的生活垃圾焚烧处理设施和做好环境监管和风险管控的指导,需要给予持续的特别关注。
随着空间信息技术和计算机技术的快速发展,越来越多的空间分析方法和人工智能手段被用来服务于环境监管和风险管控。其中,泰森多边形(又称Dirichlet或Voronoi多边形)方法是一种常用的空间分析方法,通过快速插值和分析地理实体影响区域,常用于公共服务资源空间分配的研究[13, 14]。文本情感分类[15] 是经典的自然语言处理(Natural Language Processing, NLP)任务之一, 常被应用于网络舆情的情感分析,对文本作者倾向性和观点、态度进行划分[16]。越来越多的基于深度学习[17] 的算法(诸如TextCNN[18]、TextRNN神经网络模型[19])被运用在情感分类领域, 但这些方式的计算压力、耗费时间巨大。FastText是脸书开源的一个词向量与文本分类工具[20],其优点在于使用简洁的浅层网络结构,可在较短的训练时间内取得和深度网络模型一样的高精度效果。
本文拟从两方面分析探讨生活垃圾焚烧设施的环境社会风险,首先,基于2023年全国精细化的生活垃圾焚烧处理设施、生活垃圾产生量数据, 通过构建泰森多边形等空间分析方法,识别焚烧处理设施的空间服务范围并计算各省份焚烧处理设施的负荷率,从而分析焚烧处理设施的空间分布格局与潜在风险。其次,基于全网2022年11月至2023年5月的网络舆情数据,通过FastText等自然语言处理技术进行舆情情感分类,并分析其空间分布特征与正、负面舆情主要原因。在此基础上,基于定量分析给出的我国31个省份焚烧处理设施的负荷率和负面舆情比例,提出指导合理规划布局地方的生活垃圾焚烧处理设施及做好环境监管和风险管控的政策建议。
1 数据与方法 1.1 数据来源生活垃圾焚烧处理设施的数据来源于国家生活垃圾焚烧发电厂监测数据公开平台,设施信息包括企业名称、企业地址、投产日期、焚烧炉数、发电功率、设计处理能力等。精细化的生活垃圾产生量(清运量)公里网格数据根据《城乡建设统计年鉴》中各省份(区分城市和县城)垃圾产生量和人口数量计算的人均生活垃圾产生量和LandScan千米人口网格进行计算。
舆情数据以境内外全网数据作为数据来源,主要包括“微信”“新闻网站”“新闻客户端”“微博”等,其中微信信息指微信公众号文章;新闻网站包括有国家大型新闻门户网站、商业门户网站、地方新闻门户网站,以及各种行业门户网站等;新闻客户端包括门户网站新闻客户端、搜索引擎新闻客户端、专业新闻客户端、传统报刊新闻客户端;微博平台包括新浪微博、人民微博,也包含境外推特、脸书等内容。研究采集了“兴建县级地区生活垃圾焚烧处理设施”相关的,发布时间为2022年11月至2023年5月近半年的22.9万条数据,获取的信息包括用户名称、内容、发表日期、转发量、发布地区等。
1.2 研究方法 1.2.1 垃圾焚烧设施负荷率估计本文提出一种基于泰森多边形的生活垃圾焚烧设施服务范围和负荷率识别方法。泰森多边形的原理是利用所有离散点的位置数据,按照最邻近原则划分平面,构建一个多边形的集合。具体而言,泰森多边形是将所有相邻生活垃圾焚烧设施连成互不交叉的三角形,做这些三角形各边的垂直平分线,每个设施周围的若干垂直平分线便围成一个多边形[21]。泰森多边形同时具有以下3个特性:①每个泰森多边形内仅含有1个离散点数据;②泰森多边形内任意一点到相应离散点的距离最近;③位于泰森多边形边上的点到其两边的离散点的距离相等。
基于以上特征,可以将泰森多边形作为理想状态下区域内生活垃圾焚烧设施的生活垃圾清运焚烧服务范围,本研究中服务范围不考虑行政区界限影响。
生活垃圾焚烧设施i服务范围(即泰森多边形i) 内的焚烧负荷率计算如下:
(1) |
式中,Loadratei为泰森多边形i中的垃圾焚烧负荷率;Garbage_designi为泰森多边形i中的设施焚烧设计处理能力;Garbage_collecti为泰森多边形i中的垃圾产生量,通过与生活垃圾产生量公里网格进行空间分析获取和计算。
(2) |
式中,Popi, j为泰森多边形i中网格j的人口总数,数据来源LandScan千米人口网格;Garbage_percapitai, j, p, u为网格j内的人均垃圾产生量,不同省份p、城市和县城u人均垃圾产生量不同,根据《城乡建设统计年鉴》中各省份城市和县城垃圾产生量及人口数量计算。
1.2.2 舆情情感分类研究本研究中,舆情数据基于中新舆情监测系统进行分析,该系统依托经典的自然语言处理技术,首先采集了和垃圾焚烧设施相关的舆情数据集,并对其进行数据清洗和预处理,接着利用FastText算法进行词向量计算[22] 和情感分类,判断出情感色彩、情感强度、情感倾向[23] 等信息,把情感观点分为正面、中性、负面三种倾向,整个模型的流程如图 1所示。
舆情文本采集的命令和正则表达式如下:
(《关于加强县级地区生活垃圾焚烧处理设施建设的指导意见》 || (县级地区&&(生活垃圾||垃圾) && 焚烧) ||((村||乡||县||小区||社区) &&(垃圾||生活垃圾) &&(焚烧||焚烧厂)))
为保证舆情数据分析的准确性,在分析之前需要对网络舆情信息数据进行预处理,包括删除了公司、广告、贷款、股票、投标、招标等噪声数据[24],进行文本分词[25] 与停用词[24] 处理,以保证数据集的准确性,为分析提供数据基础。
数据预处理结果输入FastText模型进行文本表示和分类。FastText模型结构共有三层,如图 2所示。
第一层是输入层,输入的是构成文本的词向量及其N-Gram特征[26],N-Gram是一种基于统计语言模型的算法,它的基本思想是将文本里面的内容按照字节进行大小为N的滑动窗口操作,形成长度是N的字节片段序列。其中 x1, x2, …xn-1, xn表示一个文本中的N-Gram向量,每个特征是词向量的平均值。
第二层是隐藏层,隐藏层用来生成表征文档的向量。即对输入层输入的词及N-Gram词向量进行平均池化操作。
第三层是输出层,输出层将隐藏层生成的文档向量采用Softmax法做多分类任务,将输出空间限制在正面、中性、负面之间。
1.2.3 地区环境社会风险分析最终,通过对比各省份县级地区生活垃圾焚烧处理能力缺口和负面舆情的比例来分析环境社会风险,缺口越大和负面舆情的比例越高的地区,环境社会风险越高。
其中各省份县级地区的生活垃圾焚烧处理能力缺口计算如下:
式中,Gapp为省份p的焚烧处理能力缺口;Areap, k为省份p内垃圾焚烧负荷率大于1的县级地区k的面积,其中县级地区k的垃圾焚烧负荷率通过与泰森多边形的空间相交分析获取;Loadratek为县级地区k的垃圾焚烧负荷率;Areap为省份p所有县级地区的面积。
2 结果与讨论 2.1 我国生活垃圾焚烧处理设施总体情况通过对国家生活垃圾焚烧发电厂监测数据公开平台基础信息进行分析,截至2023年5月底,我国(未包括港澳台地区)共有903座生活垃圾焚烧发电厂联网运行,其中389座位于市级地区(包括地级市12家和市辖区377家),514座位于县级地区(包括县315家、县级市188家、自治县6家、旗4家和特区1家)。垃圾焚烧设施的分布结果如图 3所示,总体上我国生活垃圾焚烧处理设施主要分布于胡焕庸线东南部分,呈现冀鲁豫和苏浙皖两大集中区。
通过对903个在运行的生活垃圾焚烧发电项目进行统计,基本统计信息如表 1所示。从建设运行时间看,903个在运行的生活垃圾焚烧发电项目平均投产时间为2018下半年,县级地区焚烧设施的平均投产时间(2019下半年)显著晚于市级地区(2016下半年),2018年后县级地区生活垃圾焚烧处理设施年度投产数量开始多于市级地区,进入快速建设投产期,垃圾焚烧设施建设热点逐渐从市级地区转向县级地区。
此外,从规模上看,县级地区焚烧设施的平均设计处理能力、发电功率和焚烧炉数均显著小于市级地区。903个在运行的生活垃圾焚烧发电项目平均设计处理能力为1155.22t/d(市级地区1542.49t/d,县级地区859.62t/d),受限于人口密度和生活垃圾产生量,已建县级地区生活垃圾焚烧处理设施的设计处理能力主要集中在400~ 1000t/d的区间,属于生活垃圾焚烧处理工程技术规范(CJJ90—2009)Ⅱ ~ Ⅲ类较小规模的垃圾焚烧厂。此外所有设施平均发电功率为23 082.65 kW(市级地区30 357.57 kW,县级地区17 181.89 kW),平均焚烧炉数为2.25台(市级地区2.71台,县级地区1.89台)。
2.2 县级地区生活垃圾焚烧处理设施负荷率分析根据人日均垃圾清算量和各县人口数据计算,超过90% 的地区生活垃圾日清运量不足300t,其中清运量在100 t/d和200 t/d以下的地区分别占40.56% 和34.56%,这些地区广泛分布于中西部、东北地区,即使垃圾清运量最多的江浙地区日清运量不足300 t的县级地区占比也高达50% 左右。
从各县垃圾焚烧处理能力看,建有生活垃圾焚烧处理厂的483个县级地区中,平均设计处理能力为902 t/d,大多数县级地区仅有1个垃圾焚烧设施。这些地区的垃圾焚烧处理能力通常大于当地的垃圾清运量,为了充分利用设施处理能力,往往可跨区域联合收运和焚烧生活垃圾。
基于此,本研究不考虑行政区界限影响,基于泰森多边形对设施的可服务范围进行划定,并通过空间分析对服务范围内的垃圾清运量、设施处理能力和负荷率进行分析,结果如图 3所示。红色和黄色区域内生活垃圾可以全部进行焚烧处理,其中红色区域设施处理能力过剩(负荷率﹤ 0.7),蓝色区域表示焚烧处理仍存在缺口,颜色越深,缺口越大。
结果表明,当前我国生活垃圾焚烧处理设施分布不均衡问题突出。一方面,总体上全国(不包括港澳台地区)有超过75% 的县级地区生活垃圾焚烧处理能力存在缺口,特别是西北的陕甘宁和青藏蒙疆地区、东北的黑辽地区、中部的云川渝和两湖地区,这些省份的缺口较大,均在70% 以上。另一方面,部分县级地区的焚烧厂可能面临着处理能力过剩和“吃不饱”的情况,如《指导意见》中的重点区域①长三角地区、京津冀及周边地区、粤港澳大湾区的生活垃圾焚烧处理设施服务范围覆盖水平均较高,可分别支持区域内75%、67%、61% 的县级地区生活垃圾全部进行焚烧处理,这些区域不少地区(图 3的红色区域)垃圾焚烧负荷率较低,垃圾焚烧设施的设计处理能力往往未被充分利用。
① 本文中京津冀及周边指“2+26城市”;粤港澳大湾区未含港澳地区。
2.3 县级地区生活垃圾焚烧处理设施舆情情感分类结果舆情信息的分析显示,全网社会情感倾向以正面为主,占81%,负面占比11%,中性占比8%,舆论充分认可、支持县域垃圾焚烧政策,未发现针对政策的否认声浪。
正面舆情中,58% 肯定了县域垃圾焚烧建设的积极意义,认为加强县级地区垃圾焚烧处理设施建设,有利于加快补齐生活垃圾焚烧处理设施的短板,提升环境基础设施建设水平,有利于改善人居环境;23% 鼓励和关注做好县域垃圾焚烧建设,鼓励推动技术创新、优化选址,并建议完善政策支撑,关注“垃圾焚烧下县”带来的市场机遇;19% 支持建设县域小型垃圾焚烧资源化示范项目,进而形成可复制、可推广经验,推动全国垃圾焚烧县域资源化利用的发展。
负面舆情中,71% 关注生态环境方面的负面影响,网民在垃圾焚烧厂如何控制污染物排放、选址、质疑监管等方面争议频出,认为垃圾焚烧可能造成空气、水源、土壤污染和生态平衡破坏;18% 认为县级地区生活垃圾焚烧处理设施建设面临很多现实困境,包括设施建设和运营成本高、县级地区垃圾量不够、垃圾质量差、县级财政脆弱等;11% 聚焦安全生产,网民认为县域垃圾焚烧存在安全生产风险,垃圾焚烧设施建设和运营过程中需要规避风险,做好应对策略。
进一步地,本研究对采集的舆情进行地区识别,并计算出各省份负面舆情比例。结果表明,我国各省份(未包括港澳台地区)平均负面情绪比例为1.74%。其中河北的负面情绪比例最高,为3.21%。其次,东部沿海地区的山东、苏浙、闽粤,以及安徽,负面情绪比例也在2% 以上。相对应的,藏蒙疆、黑辽等边远地区的负面情绪比例最低。这可能与地区的垃圾焚烧设施“邻避”冲突事件数量以及公众环保意识相关。
2.4 地区环境社会风险分析结果进一步地,将各省份县级地区生活垃圾焚烧处理能力缺口和负面舆情比例进行对比分析(图 4)。结果表明,公众负面情绪往往和垃圾焚烧处理能力缺口呈负相关,地区的缺口越大,现状公众的负面情绪比例越低。如重点区域中的长三角地区(苏浙皖),县级地区生活垃圾焚烧处理能力覆盖比例最高(75%),公众负面舆情占比也相对较高(>2%);而覆盖比例低的省份,负面舆情占比也普遍较低。
对负面情绪比例在平均值(1.74%) 以上的省份进行分析,这些地区对县级地区生活垃圾焚烧处理设施负面情绪仍然相对较高,应给予重点关注。一是《指导意见》提及重点区域中的苏浙皖地区和山东,当前县级地区生活垃圾焚烧处理能力缺口小(< 30%),需要建设焚烧设施不多,但是公众的负面情绪比例相对其他省份较高;二是重点区域中的河北、广东和福建,这些省份的缺口位于中等水平,约为30%~ 60%,但负面情绪比例也相对较高,特别是河北负面舆情占比突出,为3.21%;三是中西部的湘鄂陕渝片区和青海,这些省份的缺口较大(>70%),未来可能需要建设大量焚烧设施,同时公众的负面情绪比例也位于平均值以上,与处理能力相当的省份相比较高。因此,如何在县级地区生活垃圾焚烧项目大干快上的趋势和背景下,降低公众的主要疑虑担忧,提升重点地区的环境社会风险防范能力,将成为风险管理的重点关切。
3 对策建议 3.1 平衡解决“缺口大”和“吃不饱”问题,合理规划布局县级地区生活垃圾焚烧处理设施当前,我国县级地区生活垃圾焚烧处理设施处理能力不均衡问题突出,总体上生活垃圾焚烧处理能力存在较大缺口,而局部地区存在能力过剩问题,需统筹解决两个问题。
一是,针对“缺口大”问题,地方政府要加强审核县级地区垃圾焚烧项目,杜绝出现“过度执行”的问题,宜分类分地区施策。考虑到小型生活垃圾焚烧设施目前技术和商业模式均不太成熟,对于大部分存在缺口的中东部地区(胡焕庸线东南部分),建议优先通过与邻近县级地区以“跨区域共建共享”方式建设300t/d以上设施。对于西部的藏疆青甘、内蒙古和东北部分地区(胡焕庸线西北部分)等不具备跨区域共建共享条件的偏远地区,科学评估经济性、安全性和可持续性后,谨慎建设小型生活垃圾焚烧处理设施。
二是,针对“吃不饱”问题,严控大干快上。例如,重点区域中的苏浙皖、鲁豫地区,以及贵州、海南等省份的大部分地区生活垃圾焚烧处理设施处理能力已经饱和,需严格控制新建生活垃圾焚烧处理设施数量;其中年负荷率低于0.7的县级地区(图 1红色区域),不得新建生活垃圾焚烧处理设施。此外,引导这些地区充分利用“存量”,积极探索跨区域联合焚烧,健全垃圾收运体系,推动垃圾焚烧与污泥、餐厨垃圾、工业固体废物等多类别协同焚烧,提升区域融合、行业联动水平。
3.2 聚焦负面舆情高发领域区域,积极防范县级地区生活垃圾焚烧处理设施环境社会风险县级地区生活垃圾焚烧处理设施布局的不合理,结合当前县级项目快速增加的形势,其产生的环境社会风险和问题需要警惕和小心应对,避免产生管理缺位。
一是针对负面舆情聚焦的环境问题、现实困难和安全问题,做好宣传引导、规划选址和舆情民意监控。一方面,生态环境部门要加大政策在县域宣传力度,引导民众客观认识县级地区生活垃圾处理难题、对生态环境的影响和安全风险问题,凝聚共识,形成良好的社会舆论氛围。另一方面,要增加选址建设的程序规范性,综合公众意见、环评结果、专家意见不断优化项目的选址,从源头上防范环境社会风险。此外,各地区要建立健全舆情民意监测机制,及时掌握和分析舆情信息,对公众反映强烈的苗头性、倾向性、典型性信访问题及时发出提示预警,并采取相应措施,防患于未然。
二是做好负面舆情比例高的县级地区生活垃圾焚烧处理设施的环境社会风险防范。对于重点区域中的苏浙皖地区和山东,这些地区生活垃圾焚烧处理设施多、缺口小,但负面舆情集中,需持续关注。对于重点区域中的河北、广东以及福建,目前还有相对较大建设空间,需进一步关注。对于湘鄂陕渝地区,生活垃圾焚烧处理设施缺口大且建设潜力大,是关注的重点,应充分吸取京津冀及周边、长三角、粤港澳大湾区等重点区域的丰富经验,加强风险防范指导,健全风险防范机制,补齐在风险防范化解能力方面的短板。
[1] |
魏潇潇, 王小铭, 李蕾, 等. 1979―2016年中国城市生活垃圾产生和处理时空特征[J]. 中国环境科学, 2018, 38(10): 3833-3843. |
[2] |
WANG W, ZHAO X Z, CHEN F W, et al. The effect of corporate social responsibility and public attention on innovation performance: evidence from high-polluting industries[J]. International journal of environmental research and public health, 2019, 16(20): 3939. DOI:10.3390/ijerph16203939 |
[3] |
FRIEDL C, REICHL J. Realizing energy infrastructure projects– A qualitative empirical analysis of local practices to address social acceptance[J]. Energy policy, 2016, 89: 184-193. DOI:10.1016/j.enpol.2015.11.027 |
[4] |
MISRA P, IMASU R, TAKEUCHI W. Impact of urban growth on air quality in Indian cities using hierarchical Bayesian approach[J]. Atmosphere, 2019, 10(9): 517. DOI:10.3390/atmos10090517 |
[5] |
ASCHER T J, WILSON R S, TOMAN E. The importance of affect, perceived risk and perceived benefit in understanding support for fuels management among wildland–urban interface residents[J]. International journal of wildland fire, 2013, 22(3): 267-276. DOI:10.1071/WF12026 |
[6] |
VISSCHERS V H M, SIEGRIST M. Fair play in energy policy decisions: procedural fairness, outcome fairness and acceptance of the decision to rebuild nuclear power plants[J]. Energy policy, 2012, 46: 292-300. DOI:10.1016/j.enpol.2012.03.062 |
[7] |
LIU B S, LI Y, XUE B, et al. Why do individuals engage in collective actions against major construction projects?― An empirical analysis based on Chinese data[J]. International journal of project management, 2018, 36(4): 612-626. DOI:10.1016/j.ijproman.2018.02.004 |
[8] |
TRUDEAU D. Integrating social equity in sustainable development practice: institutional commitments and patient capital[J]. Sustainable cities and society, 2018, 41: 601-610. DOI:10.1016/j.scs.2018.05.007 |
[9] |
SCHIVELY C. Understanding the NIMBY and LULU phenomena: reassessing our knowledge base and informing future research[J]. Journal of planning literature, 2007, 21(3): 255-266. DOI:10.1177/0885412206295845 |
[10] |
陈安, 陈晶睿, 崔晶, 等. 中国31个直辖市和省会(首府)城市"垃圾围城"风险与对策研究—基于DⅡS方法的实证研究[J]. 中国科学院院刊, 2019, 34(7): 797-806. |
[11] |
宋国君, 孙月阳, 赵畅, 等. 城市生活垃圾焚烧社会成本评估方法与应用—以北京市为例[J]. 中国人口· 资源与环境, 2017, 27(8): 17-27. |
[12] |
秦莉, 高茹英, 尹莉, 等. 生活垃圾焚烧的评价指标及程序[J]. 中国环境科学, 2006, 26(4): 505-508. |
[13] |
秦萧, 甄峰, 李亚奇, 等. 国土空间规划大数据应用方法框架探讨[J]. 自然资源学报, 2019, 34(10): 2134-2149. |
[14] |
李卓卓, 秦龙焜, 许炜. 公共图书馆空间可达性和服务区域测定方法研究[J]. 图书情报工作, 2019, 63(24): 25-34. |
[15] |
王友卫, 刘奥, 凤丽洲. 基于知识蒸馏和评论时间的文本情感分类新方法[J/OL]. 吉林大学学报(工学版), 2023: 1-10.
|
[16] |
周胜臣, 瞿文婷, 石英子, 等. 中文微博情感分析研究综述[J]. 计算机应用与软件, 2013, 30(3): 161-164, 181-181. |
[17] |
孙建旺, 吕学强, 张雷瀚. 基于词典与机器学习的中文微博情感分析研究[J]. 计算机应用与软件, 2014, 31(7): 177-181. |
[18] |
李洋, 董红斌. 基于CNN和BiLSTM网络特征融合的文本情感分析[J]. 计算机应用, 2018, 38(11): 3075-3080. |
[19] |
黄立威, 江碧涛, 吕守业, 等. 基于深度学习的推荐系统研究综述[J]. 计算机学报, 2018, 41(7): 1619-1647. |
[20] |
吴震, 冉晓燕, 苗权, 等. 基于FastText算法的行业分类技术[J]. 北京航空航天大学学报, 2022, 48(2): 193-198. |
[21] |
黄波, 李蓉蓉. 泰森多边形及其在等深面生物量计算中的应用[J]. 遥感技术与应用, 1996, 11(3): 35-39. |
[22] |
阴爱英, 吴运兵, 郑一江, 等. 基于FastText模型的词向量表示改进算法[J]. 福州大学学报(自然科学版), 2019, 47(3): 314-319. |
[23] |
赵妍妍, 秦兵, 刘挺. 文本情感分析[J]. 软件学报, 2010, 21(8): 1834-1848. |
[24] |
林洋港, 陈恩红. 文本分类中基于概率主题模型的噪声处理方法[J]. 计算机工程与科学, 2010, 32(7): 89-92, 119-119. |
[25] |
黄昌宁, 赵海. 中文分词十年回顾[J]. 中文信息学报, 2007, 21(3): 8-19. |
[26] |
屈庆涛, 刘其成, 牟春晓. 基于N-Gram语言模型的并行自适应新闻话题追踪算法[J]. 山东大学学报(工学版), 2018, 48(6): 37-43. |