下载:
-
营养盐是水生生态系统中生物生长所必需的重要营养元素和化学物质，也是生态系统食物链的基础[1]。氮、磷作为水体环境中主要营养盐，被认为是影响水生态环境富营养化程度的关键性因子[2]。过量的氮、磷输入导致农村沟渠水体富营养化程度日益加重，加快藻类的生长和异常繁殖，进而破坏沟渠水体生态系统及其功能[3]。沟渠中氮、磷等营养盐在底泥和上覆水间存在着一定的动态平衡。当沟渠生态系统环境发生变化时，底泥会通过扩散、对流、底泥再悬浮等作用向上覆水体释放氮磷污染物，造成“二次污染”[4]。大量研究表明：营养盐在底泥-上覆水间的动态迁移转化主要受溶解氧[5]、pH[6]、温度[7]、氧化还原电位[8]、盐度[9]、扰动和微生物[10]等因素影响，其中以pH的影响最为显著。张茜[11]对溶解氧、pH、温度的正交实验发现：影响水库沉积物中总磷、总氮释放量的环境因子中，显著性从大到小依次为pH、温度、溶解氧；JENSEN等[12]发现：丹麦大部分湖泊中，强碱促进溶解性活性磷的释放；李家兵等[13]研究表明：偏酸性条件会抑制河口湿地沉积物中氮的硝化和反硝化活性，但不直接影响氮的矿化作用。目前学者多关注于河流、湖泊、城市内河、河口湿地和水库中的底泥研究，对山地农村沟渠底泥-水界面氮磷营养盐的迁移释放报道较少。云贵高原山地农村沟渠地形条件特殊，流域边界明显，是下游河流、湖泊富营养化治理的重点区域；沟渠污水来源差异大，主要包括厨余垃圾、畜禽粪便浸出水和生活污水等，沟中氮磷营养盐沉降和累积明显[14]，同时由于水深较浅、流动性差、分布密度大和流域来水量少，农村沟渠水环境污染日益严重[15-16]。本研究以云贵高原滇池流域典型高原山地农村沟渠底泥为对象，采用室内模拟静态培养实验法探析不同pH条件下沟渠底泥-水界面氮磷营养盐动态迁移释放特征，为进一步提高农村生态环境质量，保护高原湖泊、河流和建设美丽乡村提供科学依据。
-
研究区昆明市官渡区小康郎小村(25°06′~25°07′ N，102°53′~102°54′ E )位于滇池东北岸，属于滇池流域宝象河子流域。于2019年夏季对研究区沟渠进行现场采样。利用彼得森采泥器采集表层(0~15 cm)底泥样品20 kg，风干，捡出杂物，研磨后过100目不锈钢筛，分别采用酸溶-钼锑抗比色法和凯氏定氮法测定底泥总磷(TP)和总氮(TN)质量分数。采用四步连续提取法测定钙结合态磷(Ca-P)、铁铝结合态磷(Fe/Al-P)，采用重铬酸钾法测定有机质(OM)。利用水质采样器(BC-9600)采集底层原位水15 L，24 h内测定上覆水中TN、TP、溶解性总磷(DTP)、铵态氮(
${\rm{NH}}_4^{+} $ -N)质量浓度，具体参照文献[17]方法进行。营养盐基本理化指标如表1所示。利用哈希HQ30D便携式多参数水质分析仪测定上覆水、底泥溶解氧(DO)、氧化还原电位(ORP)、pH等理化指标。表 1 沟渠营养盐基本理化指标
Table 1. Basic physical and chemical indexes of nutrients in ditch
指标 底泥 上覆水 TN/(mg·kg−1) TP/(mg·kg−1) ${{\rm{NH}}_4^{+} }$-N/(mg·L−1) DTP/(mg·L−1) TP/(mg·L−1) TN/(mg·L−1) 最大值 5 618.12 1 854.21 81.64 0.19 0.23 113.12 最小值 4 875.08 1 548.23 56.34 0.11 0.19 69.12 平均值 5 016.60 1 760.22 72.29 0.15 0.20 97.22 -
农村沟渠pH通常为6.5~8.5[4]，但也有局部农村地区沟渠pH大于10.5[4, 15-16]。设置灭菌和未灭菌2个处理，4个pH梯度[酸性(pH 5.5)，中性(pH 7.5)，弱碱性(pH 9.5)，强碱性(pH 11.5)]，重复3次。以2 L有机玻璃容器作为静态模拟释放反应器，其中灭菌组为棕色瓶，上覆水高温灭菌处理(121 ℃，30 min)，底泥三氯甲烷灭菌处理(1 L底泥与500 mL三氯甲烷均匀混合，浸泡24 h后过滤)[8]，橡胶塞塞紧瓶口并用凡士林密封，避光放置。以1 mol·L−1氢氧化钠和1 mol·L−1盐酸调节上覆水pH，处理持续30 d；隔5 d测定上覆水物理指标(pH、DO、Eh)，分别采集底泥和水样，测定氮磷含量。每次采样后补充等量的沟渠原位水至玻璃容器原始刻度处，以pH 7.5作为各组对照。
-
根据上覆水体总氮和溶解性总磷质量浓度随时间的变化，可计算出沉积物的营养盐氮磷释放通量。其计算公式为[18-19]：
$$r = {{\left[ {V \left( {C_n - C_0} \right) + \sum\limits_{i = 1}^n {V_i \left( {C_{i - 1} - C_{\rm{a}}} \right)} } \right]}\Big/{A t}}\text{。}$$ 其中r为释放通量(mg·m−2·d−1)；V为上覆水体积(L)，Cn为第n次取样水中营养盐质量浓度(mg·L−1)，C0为上覆水初始营养盐质量浓度(mg·L−1)，Vi为每次采集水样的体积(L)，Ca为添加沟渠原水中营养盐质量浓度(mg·L−1)，Ci−1为第i−1次采样时水中营养盐的质量浓度(mg·L−1)，A为沉积物表面积(m2)，t为释放时间(d)。
采用Excel预处理数据，Origin 2019制图，Canoco 5.0进行冗余分析，用SPSS 21.0进行统计分析。
-
如图1所示：随着pH升高，未灭菌与灭菌处理的底泥TN质量分数均不断下降，酸性(pH 5.5)条件下TN质量分数显著高于弱碱性(pH 9.5)和强碱性(pH 11.5)(P＜0.05)，但和对照差异不显著(P＞0.05)。底泥中TP质量分数未灭菌与灭菌处理均以对照最高，分别为1.43和1.53 g·kg−1；随着pH升高，未灭菌底泥中TP质量分数持续下降，灭菌处理组在pH 11.5时又小幅上升，但不同pH条件间无显著差异(P＞0.05)。
图 1 不同pH条件下底泥总氮、总磷质量分数变化
Figure 1. Characteristics of TN and TP contents in sediment under different pH conditions
-
随培养时间延长，不同pH条件下上覆水中TN质量浓度表现出不同的变化特征，平均质量浓度从大到小依次为pH 11.5、pH 5.5、pH 9.5、pH 7.5。从图2可以看出：培养0~10 d，未灭菌处理下pH 7.5和pH 9.5条件下TN质量浓度均呈下降趋势，10~20 d呈不同程度的上升，20 d后平缓下降，30 d时达到最小值。随培养时间延长，pH 11.5条件下TN质量浓度不断下降，25 d时达到最小值(101.29 mg·L−1)，此后小幅上升。pH 5.5条件下TN质量浓度不断上升，25 d时出现最大值(103.66 mg·L−1)，此后小幅下降。培养0~10 d，灭菌组pH 5.5和pH 9.5条件下TN质量浓度呈上升趋势，10 d后保持稳定。pH 7.5条件下，TN质量浓度在0~10 d呈下降趋势，此后趋于稳定。而pH 11.5条件下TN质量浓度随时间推移起伏较大，在20 d后逐渐下降并趋于平缓。
图 2 不同pH条件下上覆水中总氮变化特征
Figure 2. Variation characteristics of total nitrogen in overlying water under different pH conditions
由图3可知：未灭菌组和灭菌组TN释放通量分别为39.18~305.09和145.36~359.50 mg·m−2·d−1，均在对照处理下达到最小值；随着pH升高，TN释放通量均呈先减小后增加的趋势。未灭菌处理组强碱性(pH 11.5)和酸性(pH 5.5)条件下TN释放通量分别是对照的8和4倍，不同pH条件间差异显著(P＜0.05)；灭菌处理组强碱性、弱碱性和酸性条件下TN释放通量均显著高于对照(P＜0.05)，但pH 5.5和pH 9.5条件间差异不显著(P＞0.05)。
图 3 不同pH条件下上覆水中总氮的释放通量
Figure 3. Total nitrogen release flux in overlying water under different pH conditions
-
由图4可知：未灭菌和灭菌处理组不同pH下上覆水DTP平均质量浓度从大到小依次为pH 11.5、pH 9.5、pH 7.5、pH 5.5。pH 5.5和pH 7.5的DTP质量浓度整个培养期均较低，趋势相对稳定。 pH 9.5和pH 11.5条件下，0~15 d，DTP质量浓度相对稳定，之后不同程度上升，表明碱性条件下磷素在底泥-上覆水界面扩散趋势明显。未灭菌组pH 9.5和pH 11.5的DTP质量浓度在第30 天时最大，分别为9.96、25.98 mg·L−1，灭菌组pH 9.5和pH 11.5的DTP质量浓度在第25 天时最大，分别为13.74和19.61 mg·L−1，之后相对下降。
图 4 不同pH条件下上覆水中溶解性总磷变化
Figure 4. Characteristics of total dissolved phosphorus in overlying water under different pH conditions
未灭菌和灭菌处理，底泥-上覆水界面DTP释放通量随pH升高而增加，不同pH条件间存在显著差异(P＜0.05)；碱性条件下DTP释放通量显著高于对照，而酸性条件和对照间差异不显著(P＞0.05)(图5)。未灭菌处理组DTP释放通量为1.67~49.85 mg·m−2·d−1，其中强碱性(pH 11.5)和弱碱性(pH 9.5)的DTP释放通量分别是对照的12和4倍；灭菌处理组DTP释放通量为0.84~34.21 mg·m−2·d−1，强碱性和弱碱性的DTP释放通量分别是对照的30和15倍。相比之下，未灭菌处理组DTP释放通量要高于灭菌处理组；表明沟渠底泥是溶解性总磷(DTP)的“源”，磷元素由底泥界面不断扩散进入上覆水中。
图 5 不同pH条件下上覆水中溶解性总磷的释放通量
Figure 5. Total dissolved phosphorus release flux in overlying water under different pH conditions
-
由图6可知：pH 5.5条件下，钙结合态磷(Ca-P)穿过红线圈，而总磷(TP)、铁铝结合态磷(Fe/Al-P)、有机质(OM)、总氮(TN)和铵态氮(
${\rm{NH}}^{+}_{4}\text{-}{\rm{N}}$ )均穿过蓝线圈，表明酸性条件与Ca-P呈正相关。pH 7.5条件下，TN穿过红线圈，而其他指标(OM、Ca-P、TP、Fe/Al-P和${\rm{NH}}^{+}_{4}\text{-}{\rm{N}} $ )均穿过蓝线圈，表明中性(pH 7.5)条件与TN呈正相关，而与其他指标均为负相关。pH≥9.5时，TN、TP、Fe/Al-P穿过红线圈，OM、Ca-P和${\rm{NH}}^{+}_{4}\text{-}{\rm{N}} $ 穿过蓝线圈，表明碱性条件与TN、TP和Fe/Al-P正相关，与OM、Ca-P、$ {\rm{NH}}^{+}_{4}\text{-}{\rm{N}} $ 负相关。Ca-P是一种惰性磷，仅酸性条件能促进Ca-P释放，碱性条件则促进Fe/Al-P、TN、TP释放。中性条件对底泥中氮磷释放影响较小。
图 6 检验pH对沟渠底泥中氮/磷的影响
Figure 6. Test result of pH’s influence on nitrogen and phosphorus in ditch sediment
-
整个研究周期内，上覆水总氮平均质量浓度和释放通量从大到小依次为pH 11.5、pH 5.5、pH 9.5、pH 7.5；表明强碱和酸性条件有利于TN的释放，而中性条件TN释放相对较弱。沟渠中氮由底泥向上覆水界面迁移释放，其释放规律随时间的推移表现出不同的差异。原因可能是：随着废水的不断排入，沟渠上覆水酸碱度波动较大；酸性条件下，底泥中胶体吸附的铵根(
$ {\rm{NH}}^{+}_{4} $ )与氢离子(H+)发生离子交换，pH越小，H+越多，离子交换作用就越强烈；H+和$ {\rm{NH}}^{+}_{4} $ 竞争吸附位置，氯离子(Cl−)则与硝酸根($ {\rm{NO}}^{-}_{3} $ )竞争吸附位置[20]，促进底泥氮的释放，上覆水中总氮质量浓度升高。而碱性条件下，上覆水中存在大量的氢氧根(OH−)，pH越大，则OH−越多，与底泥胶体中$ {\rm{NH}}^{+}_{4} $ 结合发生化学反应也越剧烈；底泥中$ {\rm{NH}}^{+}_{4} $ 以气态形式(NH3，氨气)逸出[21]，使上覆水中铵态氮质量浓度降低，造成两相间浓度差变大，进而促进底泥中TN向上覆水体释放。卢俊平等[22]对水库和湖泊中底泥进行室内模拟释放研究发现：酸性和碱性条件均有利于底泥中总氮的释放，而中性条件下底泥中总氮的释放强度最弱，与本研究结果基本一致。此外，底泥TN质量分数随pH升高而下降，强碱性条件下底泥中TN质量分数相对最小，也说明了强碱性条件下底泥中氮营养盐最容易从底泥向上覆水界面迁移释放。曾巾等[23]、PAUER等[24]研究发现：底泥表面和水体中存在比较强烈的硝化反应。本研究发现：实验初期，pH 5.5条件下上覆水TN质量浓度不断上升，10 d后相对稳定，表明系统初期底泥-上覆水界面存在较强的硝化作用，原因在于好氧环境和高氧化还原电位条件加快底泥表面的硝化细菌活性[10]。相比之下未灭菌处理组上覆水TN质量浓度上升更为剧烈，说明在好氧环境下，酸性条件有利于底泥中的氮素转化。强碱(pH 11.5)条件下上覆水TN质量浓度随着时间推移变化起伏较大，这是由于底泥和上覆水间的含氮营养盐存在一定的质量浓度差；实验初期营养盐中氮由底泥迅速向上覆水释放，随时间延长营养盐中氮素逐渐消耗，要使氮素营养盐进一步释放，则需要底泥中含氮有机质矿化；而每次采样后加入的原位水稀释速率大于含氮有机质的矿化速率，使得底泥中总氮的释放量不断减少。相比之下，未灭菌处理组微生物细菌总数相对较多，微生物活性强，可分解底泥中一些难溶形态的氮[25]；而培养时间延长，体系中微生物活性逐渐减弱，因而总氮质量浓度不断下降。有研究表明[26]：pH为7~11时，底泥中的反硝化细菌活性随pH升高而增大，加上水溶液中OH−较多，底泥中无机氮被快速转化为有机氮释放到上覆水中，是强碱条件下总氮释放通量和上覆水质量浓度要高于其他3个pH梯度的原因。与裴佳瑶等[20]研究结果一致。由此看来，农村沟渠上覆水pH对沟渠底泥中氮释放迁移具有一定的影响，实时监测和有效调控沟渠上覆水酸碱度是农村生态环境治理的关键。
-
上覆水溶解性总磷平均质量浓度和释放通量从大到小依次为pH 11.5、pH 9.5、pH 7.5、pH 5.5，磷元素从底泥向上覆水界面释放，反应初期相对稳定，随着培养时间延长，释放速率相对增加。不同处理下DTP释放通量和上覆水质量浓度均随pH升高而增大，且碱性(pH≥9.5)条件显著高于中性(pH 7.5)和酸性(pH 5.5)条件。这是由于排入物主要为厨余垃圾、农业灌溉废水和畜禽养殖废水，沟渠水深较浅、流域来水量少、分布密度大、流动性差，随时间延长，上覆水酸碱度变化较大。碱性条件下，磷释放以离子交换为主；高pH条件下水溶液中存在的大量OH−与底泥中的铁铝结合磷酸根离子竞争吸附位置[27]，铝离子(Al3+)、铁离子(Fe3+)与OH−结合生成稳定的氢氧化物，而磷元素在离子交换作用下被重新释放到上覆水中[28]。当pH为7.5时，水溶液中的磷以磷酸二氢根(
$ {\rm{H}}_{2}{\rm{PO}}^{-}_{4} $ )和磷酸氢根($ {\rm{HPO}}^{2-}_{4} $ )的形式存在，容易与底泥中溶解的腐殖质、Fe3+等金属元素结合而被吸附绑定在底泥表面[29]；随着系统中磷释放-吸附的不断发生，中性条件下上覆水中磷释放量不断降低。而酸性条件下，底泥中磷释放主要以溶解为主；低pH时，大量H+影响底泥矿物表面基团质子化，可吸附上覆水中一部分磷[30]；同时，在偏酸性条件下，底泥中的Fe3+、Al3+与上覆水中磷相互作用，形成难溶性磷酸盐，抑制水溶液中活性磷酸酶的水解作用[31]，导致上覆水中磷质量浓度进一步降低。农村沟渠底泥中存在的大量微生物细菌是影响底泥磷污染物释放的另一原因。左乐等[32]研究发现：微生物可加速沉积物中有机磷向无机磷转化，提高磷的生物可利用效率。本研究中，碱性(pH≥9.5)条件下反应前期(0~15 d)溶解性总磷质量浓度相对稳定，15 d后不同程度上升。一方面可能是底泥中解有机磷细菌的作用，随pH升高，这种菌会将底泥中不易被植物吸收的磷转化为可被吸收利用的可溶性磷[33]。另一方面微生物代谢过程中会产生一种促进有机磷转化的胞外酶[34]，导致磷脂、核酸等有机磷的P−N、P−O和P−S键断裂，矿化出溶解性磷酸盐，释放到上覆水中[35]。随着pH升高，微生物细菌活性不断增强，氧气消耗量变大，底泥中氧化还原电位下降[36]，底泥中Fe3+被还原为亚铁离子(Fe2+)，导致溶解性磷酸盐不断释放到上覆水中。本研究中发现：未灭菌处理组底泥中微生物细菌较多，活性较大，分解难溶性磷能力较强；灭菌处理杀死了一部分底泥中的微生物细菌，伴随时间推移，剩余微生物[36]的活性降低，是灭菌处理组DTP释放通量和上覆水质量浓度均低于未灭菌处理组的原因。
山地农村沟渠是氮磷营养盐释放风险较高区域，上覆水酸碱度的变化直接影响底泥氮磷营养盐的迁移释放。加强对山地农村沟渠水环境pH的实时监控，定期清淤，保障沟渠通畅，从而降低营养盐释放风险。此外，需加强对沟渠上游及周边农村的排污管控，切断沟渠外源污染，从根本上控制农村沟渠水环境污染问题。
-
山地农村沟渠底泥中氮磷元素由底泥向上覆水界面迁移释放，随着pH升高，底泥中总氮质量分数减少。总氮释放通量在强碱性(pH 11.5)和酸性(pH 5.5)条件下最高，说明偏酸性和强碱性条件更利于底泥中氮的释放。底泥中总磷质量分数随着pH升高呈先增加后减小趋势，上覆水溶解性总磷质量浓度和释放通量未灭菌处理组始终高于灭菌处理组。碱性(pH≥9.5)条件更有利于底泥中磷的释放，中性(pH 7.5)条件磷释放量最小。不同pH条件下底泥灭菌处理会降低微生物活性，阻碍底泥中磷的释放。冗余分析表明：酸性(pH 5.5)条件能促进Ca-P释放，碱性(pH≥9.5)条件能促进总氮、总磷和Fe/Al-P释放，而中性(pH 7.5)条件对底泥中氮磷释放影响最小。
Effects of pH on the dynamic migration of nutrient salts in the sediment of ditches in mountain rural areas
-
摘要:
目的 酸碱度是影响沟渠底泥营养盐迁移释放的关键性因子。探究不同pH条件下山地农村沟渠底泥营养盐释放迁移的动态变化，为农村生态环境治理提供理论依据。 方法 采集滇池流域典型山地农村沟渠底泥，通过室内模拟实验测定未灭菌与灭菌处理下不同pH (5.5、7.5、9.5、11.5)条件的底泥、上覆水中营养盐含量，估算底泥-水界面营养盐释放通量。 结果 底泥中总氮质量分数随着pH升高而减少，未灭菌组强碱性(pH 11.5)和酸性(pH 5.5)条件下总氮释放通量分别是对照(pH 7.5)的8和4倍，灭菌组均为对照的2倍。上覆水中溶解性总磷质量浓度和释放通量随pH升高而增加，未灭菌组强碱性(pH 11.5)和弱碱性(pH 9.5)条件下溶解性总磷释放通量分别是对照的12和4倍，灭菌组分别是对照的30和15倍；未灭菌组溶解性总磷释放通量高于灭菌组。冗余分析表明：酸性条件促进底泥中钙结合态磷(Ca-P)的释放，碱性(pH≥9.5)条件促进总氮、总磷和铁铝结合态磷(Fe/Al-P)的释放，中性(pH 7.5)条件对底泥中氮/磷释放影响较小。 结论 碱性(pH≥9.5)和酸性显著促进山地农村沟渠底泥中氮磷营养盐释放，中性条件下释放量最小。底泥灭菌处理降低了不同pH下的微生物活性，阻碍山地农村沟渠底泥中氮磷向上覆水体迁移释放。图6表1参36 Abstract:Objective As pH is a key factor affecting the migration and release of nutrients in the ditch sediment, this study, with an investigation of the dynamic changes of nutrient release and migration in the bottom mud of mountainous rural ditches under different pH conditions, is aimed to provide a theoretical basis for rural ecological environment management. Method With the bottom mud of typical mountainous rural ditches in the Dianchi Lake Basin collected, indoor simulation experiments were conducted to determine the nutrient salt content of the bottom mud and the overlying water under different pH (pH 5.5, 7.5, 9.5, 11.5) conditions under non-sterilized and sterilized treatments after which the nutrient release flux at the sediment-water interface was estimated. Result The mass fraction of total nitrogen (TN) in the bottom sludge decreased with the increase of pH. The total nitrogen release flux under the strong alkaline (pH 11.5) and acidic (pH 5.5) conditions of the non-sterilized group was 8 and 4 times of the control (pH 7.5), and its release flux in the sterilization group was 2 times of that in the control. The mass concentration and release flux of soluble total phosphorus (DTP) in the overlying water increased with the increase of pH. The release of DTP under the conditions of strong alkaline (pH 11.5) and weak alkaline (pH 9.5) in the non-sterilized group was 12 and 4 times of that in the control, respectively, and its release flux in the sterilized group was 30 and 15 times of that in the control while the non-sterilized group had higher DTP release flux than the sterilized group. RDA shows that acidic conditions promote the release of calcium-bound phosphorus (Ca-P) in sediments, and alkaline (pH≥9.5) conditions promote the release of total nitrogen, total phosphorus and iron-aluminum-bound phosphorus (Fe/Al-P). Neutral (pH 7.5) conditions have little effect on the release of nitrogen or phosphorus in the sediments. Conclusion Alkalinity (pH≥9.5) and acidity significantly promote the release of nitrogen and phosphorus nutrients in the bottom mud of mountain rural ditches, and the release amount is the smallest under neutral conditions. Also, the sterilization of the bottom sludge reduces the microbial activity at different pH levels, and prevents the migration and release of nitrogen and phosphorus in the bottom sludge of mountain and rural ditches to the overlying water. [Ch, 6 fig. 1 tab. 36 ref.] -
Key words:
- pH /
- mountain rural ditches /
- sediment /
- nutrients /
- dynamic migration
-
气候问题日益突出，世界各国已达成减少二氧化碳排放以改善气候问题的共识。中国作为碳排放大国之一，需向世界完成减排温室气体的承诺，承受着来自国内外的巨大压力。对强制性或自愿减排仍达不到减排要求的状况，碳排放权交易是有效且低成本的市场手段[1]。建立碳交易市场等碳排放平衡机制，能更加公平有效地实现中国碳减排目标[2]，引导企业选择科学的减排路径[3]，有利于企业在不影响经济发展的情况下完成减排任务[4]，同时抵消机制的引入使得碳交易中的部分资金流向林业，促进林业发展[5]。现阶段通过改变能源结构减排的空间不大[6]，应重视其他的节能减排方式。中国森林资源丰富，以森林碳汇抵消碳排放作为减排途径之一是合适的。自2011年开展7个碳排放权交易试点以来，2012年提出要加强电力、煤炭、钢铁、石油石化、化工、建材行业的工业节能，并于2017年正式启动全国碳排放权交易市场。电力作为最先启动的重点减排行业，1 700余家发电企业已正式纳入碳市场，其他行业将陆续启动，现阶段是全国碳市场发展的重要节点。在全球气候变暖和碳排放权(森林碳汇)交易市场启动已成为客观事实的背景下，企业作为节能减排主体，当其不能或因成本过高不愿通过购买设备、更新技术等手段实施工业碳减排，企业将选择通过购买价格较低的森林碳汇来达到减排目标[7]。由于不同地区的环境政策、经济发展水平，不同行业的减排要求，不同企业的管理方式、减排技术水平不同，势必导致各企业的碳边际减排成本存在差异，对森林碳汇的需求价格(本研究指企业愿意通过购买森林碳汇进行减排而非工业减排的最高价格)也不同。碳交易市场上的交易价格受市场需求、当地经济发展、政策鼓励程度等因素影响而有所不同。目前，7个碳排放权交易试点相差较大，若企业通过工业减排的单位成本高于碳汇市场上森林碳汇的单位价格则会进行购买，反之不会进行碳汇交易。由此可见，在允许通过森林碳汇来抵消企业碳排放的情况下，碳汇市场交易价格与企业工业碳边际减排成本的差异将决定企业是否会选择购买森林碳汇来进行碳抵消，直接影响未来森林碳汇的交易。同时，政府是宏观经济管理者，需有效合理地引导企业科学选择减排途径。目前，碳减排政策主要可分为政府引导的政策和市场主导的政策[8]。适当的补贴政策、合理的碳税及明确的碳抵消比例和范围能更好地激励企业进行减排。已有文献大多将政府引导和市场主导的政策共同对比研究，研究主要集中在碳汇补贴和碳税政策方面，且研究发现，综合运用碳减排政策能带来更好的减排和经济效应[9]，而不确定的碳减排政策会造成收益的不稳定[10]，因此合理的碳减排政策在碳汇交易中起到决定性的作用。中国区域发展存在差异，各地区各行业减排空间不同。本研究基于企业的碳边际减排成本，运用云模型测算企业对森林碳汇的需求价格并模拟政策变化对其影响，合理估算不同地区不同行业的碳减排潜力，有利于促进各地区各行业协同治理，以期为森林碳汇市场建立和发展提供依据。
1. 理论框架、模型设定与数据来源
1.1 理论框架
基于成本收益理论基础[11-12]和机制分析，本研究假设如下：①随各国碳减排政策出台，企业在生产经营过程中必须进行减排行为。②企业工业碳边际减排成本主要取决于企业投入、产出以及二氧化碳排放量3个方面指标。③碳减排政策目前只考虑政府允许抵扣比例、碳税征收率和碳汇补贴额3种。④本研究中所提及的企业对森林碳汇的需求价格为企业购买森林碳汇愿意支付的最高值。⑤企业对森林碳汇的需求价格只受企业的成本收益和政府强制碳减排政策影响，不考虑其他交易成本。
假设企业的总成本(不包含减排成本的其他成本之和)为E，总收益为U，工业减排成本为I，购买森林碳汇抵消减排成本为F。选择工业减排时，企业净收益为Z1=U−E−I；选择购买森林碳汇抵消减排时，企业净收益Z2=U−E−F。当Z1＞Z2，即F＞I时，企业会选择工业减排；当Z1＜Z2，即F＜I时，企业会选择购买森林碳汇减排；当Z1=Z2，即F=I时，企业可选择任何一种减排方式。从目前研究来看，一旦森林碳汇交易市场全面建立起来，由于购汇边际减排成本比工业碳边际减排成本低，会促进企业选择通过购买森林碳汇来实现减排。
一般而言F＜I，企业会购买森林碳汇来抵消碳排放，如果外部的碳减排政策发生调整则会导致企业工业减排的成本和购买森林碳汇的成本发生变化，企业会选择成本低的减排方式。当政策变化使企业工业减排的成本降低，那么企业愿意购买森林碳汇的价格也会降低，即企业的森林碳汇需求价格受到影响。
情景1：无相应激励碳减排政策下企业对森林碳汇的需求价格。只采用购买森林碳汇来减排，企业的净收益Z如下：
$$ Z=U-E-Pq\text{。} $$ (1) 式(1)中：设市场森林碳汇购买价格为P；企业需要进行的减排量为q。用P1表示情景1下企业对森林碳汇的需求价格，x表示企业各项投入指标，y表示企业产出，c表示企业二氧化碳排放量，i=(1，2，3，
$\cdots $ )表示不同的企业样本。仅从企业生产经营考虑，企业愿意购买森林碳汇支付的最高金额就是企业工业碳边际减排成本，即为企业对森林碳汇的需求价格，价格受企业投入产出以及二氧化碳排放影响。表达式如式(2)：$$ {P_{1i}} = f\left( {{x_i},{y_i},{c_i}} \right)\text{。} $$ (2) 情景2：有相应激励碳减排政策下企业对森林碳汇的需求价格。在现有情景下，企业的减排行为同时受到3种碳减排政策(政府允许抵扣比例、碳税征收率、碳汇补贴额)影响，企业的净收益Z′变为式(3)：
$$ Z' = U - E - [(P - {V_3})q{V_1} + a(1 - {V_1})q + {V_2}(c - q)]\text{。} $$ (3) 式(3)中：V1~V3为碳减排政策，其中V1为政府允许抵扣比例，V2为碳税征收率，V3为碳汇补贴额，a为企业工业减排的单位成本。用P2表示情景2下企业对森林碳汇的需求价格，P2受企业工业碳边际减排成本和政府碳减排政策共同影响。表达式如式(4)：
$$ {P_{2i}} = f\left( {{x_i},{y_i},{c_i},{\rm{ }}{V_1},{V_2},{V_3}} \right)\text{。} $$ (4) 通过对2种情景的比较分析，由式(3)可看出：V1增大、V2减小、V3增大，都会导致净收益Z′增大。这可大致预测企业愿意购买森林碳汇来进行碳抵消的情况下，3种政策因素中政府允许抵扣比例和碳汇补贴额增加，会增加企业的收益；而碳税征收率提高会减少企业的收益。从理论上说，政府允许抵扣比例和碳汇补贴额会增加企业购买森林碳汇的机会和减少企业购买的成本，会促进企业的森林碳汇需求；而提高碳税对企业2种减排方式的成本都会增加，取决于提高碳税后对不同减排方式的影响程度，如果碳税提高对购买森林碳汇减排方式的成本增加更快，那么碳税征收率提高，会抑制企业对碳汇的需求。因此先提出本研究的假说：①政府允许抵扣比例提高，企业森林碳汇需求价格会上升；②碳税征收率提高，企业森林碳汇需求价格会下降；③碳汇补贴额提高，企业森林碳汇需求价格会上升。
1.2 模型设定
1.2.1 方向性距离函数
CHARNES等[13]提出的DEA模型为研究碳边际减排成本提供了基于投入—产出分析的距离函数方法，但此方法存在非期望产出与此相矛盾。方向性距离函数能区分出在增加期望产出的同时降低非期望产出的路径[14]，对处理实际生产过程中非期望的环境污染变量更合理。
方向性距离函数以设定的方向向量为权数，求期望产出(
$y$ )的最大值和非期望产出(c)的最小值[15]。y是生产过程中的期望产出，且$ y \in R_ + ^D $ ；c为非期望产出，且$ y \in R_ + ^U $ ；此处使用x代替全行业的投入，且$ x \in R_ + ^N $ ；则企业生产集为P(x)={(y, c)∶x→(y, c)}。P(x)是表示描述所有可以实现的投入产出向量。设方向向量g=(gy, gc)，g≠0，本研究中将产出方向性距离函数设置为[16]：
$${\vec D_0}\left( {x,y + a{g_y},c - a{g_c},{g_y}, - {g_c}} \right) = {\vec D_0}\left( {x,y,c,{g_y}, - {g_c}} \right) - a,\, a \in R\text{。}$$ (5) 由此，可计算企业的碳边际减排成本：
$${P_c} = {P_y}\left[ {\frac{{{\partial}∂ {{\vec D}_0}\left( {x,y,c,{g_y}, - {g_c}} \right)}}{{{\partial}∂ c}}\Bigg/\frac{{{\partial}∂ {{\vec D}_0}\left( {x,y,c,{g_y}, - {g_c}} \right)}}{{{\partial}∂ y}}} \right]\text{。}$$ (6) 式(6)中：x为样本企业的投入，y为样本企业期望产品的产量(本研究为样本企业的工业生产总值)，c为样本企业非期望产品的产量(本研究为样本企业的二氧化碳排放量)。Py为期望产品y的市场价格，Pc为二氧化碳的影子价格，即样本企业的碳边际减排成本(MAC)。关键数据为企业的投入产出指标，其中投入变量为固定资本投入(X1)、劳动力投入(X2)、工业中间投入(X3)，产出变量为工业国内生产总值(y)和二氧化碳排放量(c)。
1.2.2 罗宾斯坦恩博弈模型
合作项目的双方在博弈模型处于均衡状态时才会产生有效的合作[17]。本研究采用经过变形的谈判模型——罗宾斯坦恩讨价还价博弈模型[18-19]来分析企业和政府在减排活动中的博弈关系。减排行为不同于一般的讨价还价，对企业讨价还价能力的刻画指标的研究很少，因此根据相关文献，选择企业的投入产出所测算的碳边际减排成本来体现企业决策地位，而政府则是通过各类碳减排政策。具体模型如下：
$$ {P}_{{\rm{d}}}^{}=l+\left(\frac{1-{\varOmega }_{{\rm{d}}}}{1-{\varOmega }_{{\rm{s}}}{\varOmega }_{{\rm{d}}}}\right)(h-l)\left(\frac{{\varOmega }_{\rm{s}}^{2}}{{\varOmega }_{{\rm{d}}}}\right)\left(\frac{M+1}{10\;000}\right)\text{。}$$ (7) 式(7)中：Pd为森林碳汇的需求价格，l为样本企业碳边际减排成本最低值，h为样本企业碳边际减排成本最高值，Ωs与Ωd为供求激励系数，Ωs表示森林碳汇总量不超过企业基准年排放量的抵扣比例，Ωd表示碳税征收率，M表示森林碳汇补贴额。森林碳汇需求价格不会高于样本企业碳边际减排成本最大值h，否则企业会自行选择工业技术减排；不会低于样本企业碳边际减排成本最低值l，因为经验数据显示，样本企业碳边际减排成本最低值l往往接近于0，森林碳汇供给者无利可图，故拒绝提供森林碳汇。
1.2.3 云模型
由于碳交易过程中存在波动性、模糊性、信息不完备性等条件制约，传统的定量方法会因为政策及企业类型差异大等，影响结果的合理性[20]。为处理定性概念中广泛存在的随机性和模糊性问题，李德毅院士于1995年首次提出不确定性知识的定性定量转换的数学模型——云模型[21-23]。本研究采用云模型方法测算企业对森林碳汇的需求价格，并模拟政策因素对其影响程度，增加结果的可信度。云发生器分为正向云发生器和逆向云发生器[24-25]。本研究采用正向云发生器算法，首先分别求解4个地区3个行业企业对森林碳汇的需求价格的期望、熵和超熵。其次用3个特征值，通过Matlab 8.4软件运用云模型正向发生器实现模拟，通过产生的云图得出企业最可能的需求价格值与区间。
1.3 数据来源
综合考虑7个碳排放权交易试点省(市)的经济情况、地理位置以及特殊的政治经济地位，本研究以中国当前正在进行碳交易试点的7个省(市)中北京、上海、湖北、广东4个省(市)为案例区，选择火电、化工、钢铁3个碳排放密集型代表行业，按照各样本省(市)这3个行业目前参与自愿减排的数量比例，共计选取89家为样本企业。每个样本企业再调查31个具有独立投入—产出核算的能耗单位，总计2 759个减排单位样本的调查数据(表1)。根据国际评估减排效果惯例的时间间隔要求，对2 759个样本减排单位实施自愿减排后连续3 a(2012−2014年)的生产投入—产出数据进行调研观察。基于相关文献研究，关键数据主要为3个投入指标：固定资产投资(X1)、劳动力投入(X2)和工业中间投入(X3)；2个产出指标：企业当年总产值(y)和企业当年二氧化碳排放总量(c)[26-27]。根据文献，政策因素选择现有的3个碳减排政策，包括碳税、碳汇补贴和允许抵消比例[28]。
表 1 样本减排单位分布Table 1 Distributionof sample emission reduction unit减排行业 样本减排单位数/个 合计/个 上海市 北京市 广东省 湖北省 火电行业 589 217 124 93 1 023 钢铁行业 403 62 186 155 806 化工行业 527 93 93 217 930 合计 1 519 372 403 465 2 759 2. 企业二氧化碳边际减排成本的测算分析
本研究通过Lingo 12软件运用方向性距离函数的方法，计算所调查的89家样本企业2 759个样本减排单位3 a的碳边际减排成本。表2仅列出各地区各行业样本企业的碳边际减排成本的最低值和最高值。
表 2 各地区各行业样本企业的碳边际减排成本比较Table 2 Comparison of average marginal emission reduction costs of sample enterprises in different regions and industries行业 年份 边际减排成本/(元·t−1) 上海市 北京市 广东省 湖北省 最低 最高 最低 最高 最低 最高 最低 最高 火电行业 第1年 303.03 729.83 303.03 1 471.57 726.94 1 229.92 852.12 1 178.26 第2年 303.03 779.18 520.38 1 020.68 649.02 823.68 887.66 4 627.56 第3年 303.03 1 133.13 303.03 1 456.74 1 017.88 1 248.95 1 409.09 1 545.02 钢铁行业 第1年 303.03 816.30 410.28 579.16 303.04 1 011.54 359.65 517.71 第2年 303.04 1 120.83 573.02 1 576.43 426.82 1 361.52 727.94 1 600.94 第3年 303.03 1 975.53 770.22 1 289.81 1 200.41 2 744.07 996.56 1 243.00 化工行业 第1年 303.03 446.49 474.76 534.75 476.11 608.71 303.03 671.49 第2年 303.03 764.16 440.28 601.87 595.68 708.51 303.04 917.03 第3年 303.02 27 660.20 303.02 1 686.43 2 491.72 3 660.70 593.63 6 139.93 对4个地区3个行业样本企业的碳边际减排成本进行比较(表2)，可发现：上海市3个行业的碳边际减排成本的最低值是4个试点中最小的。上海市经济发达且作为各项政策的先行试点市，不断出台与落实相关碳减排政策，当地企业在工业减排方面进行了设备改造、技术革新、使用环保材料等措施降低了碳边际减排成本，但也反映了上海技术水平已经较高，进一步改进提高技术可能性较小。森林碳汇可能是未来的发展方向。广东省和湖北省的企业碳边际减排成本相较其他两省(市)更高，尤其是钢铁行业和化工行业，一方面是地区间行业发展存在差异，另一方面也说明这2个地区企业二氧化碳减排设备与技术更新发展缓慢或政府减排力度不够大，因此，这些地区必须在工业减排方面取得明显进步。从行业来看，钢铁行业和化工行业企业比火电行业更高，这与火电行业作为首批减排企业，已正式启动全国碳排放权交易市场有关，因此其他行业也应尽快纳入减排目标企业中。
3. 企业森林碳汇需求价格的测算分析
在测得企业碳边际减排成本的基础上，通过变形的罗宾斯坦恩博弈模型来测算企业对森林碳汇的需求价格，得到4个地区3个行业样本企业3 a的森林碳汇需求价格均值，可比较分析得出不同地区不同行业森林碳汇需求价格的差异及其原因。为进一步了解企业对森林碳汇的需求价格的可能值、可能区间以及稳定性，引入云模型，在充分考虑研究对象模糊性和随机性的基础上，使测算的森林碳汇需求价格结果更准确与直观。
3.1 基于罗宾斯坦恩博弈模型的森林碳汇需求价格测算分析
根据二手资料，以上海市为基准，Ωs即抵扣比例，为5%；Ωd即碳税征收率没有明文规定，用上海的排污费率代替，为1%；M即碳汇补贴额，取值20元·t−1。根据公式(7)得结果表3。不同地区不同行业的森林碳汇需求价格差别明显。通过地区间的对比，上海市和北京市的企业对森林碳汇的需求价格明显低于广东省和湖北省的企业。这受上海市和北京市的政策要求与设备技术更新所影响。从这方面来讲，广东省和湖北省在未来对森林碳汇的需求会更大。这一结果与企业碳边际减排成本情况基本一致。可见，森林碳汇需求价格与碳边际减排成本呈现出显著正相关关系。对比3个行业测算的森林碳汇需求价格可知，化工行业企业对森林碳汇需求价格最低，说明火电行业和钢铁行业企业工业减排的成本高、潜力小，对森林碳汇需求会更大，即对火电和钢铁行业而言，森林碳汇在未来有很大的市场与发展潜力。
表 3 各地区各行业企业3 a的森林碳汇需求价格Table 3 Demand prices of forest carbon sinks of enterprises in different regions and industries in three years行业 年份 森林碳汇需求价格/(元·t−1) 上海市 北京市 广东省 湖北省 火电行业 第1年 303.25 303.63 727.20 852.29 第2年 303.31 520.64 649.11 889.61 第3年 303.46 303.62 1 018.00 1 409.12 钢铁行业 第1年 303.30 410.37 303.40 359.74 第2年 303.46 573.54 427.34 728.42 第3年 303.90 770.49 1 201.21 996.69 化工行业 第1年 303.11 474.79 476.17 303.22 第2年 303.27 440.36 595.74 303.35 第3年 317.25 303.74 2 492.33 596.52 3.2 基于云模型的森林碳汇需求价格测算分析
为更好地反映不同地区不同行业企业对森林碳汇的需求，本研究运用云模型正向发生器测度，得出不同地区不同行业企业对森林碳汇的需求价格范围和均值。首先，基于所测得的企业碳边际减排成本数据，运用云模型测算3个行业和4个省(市)在碳减排政策实行后的森林碳汇需求价格的期望、熵和超熵。通过Matlab 8.4软件测得结果如表4和表5。
表 4 火电、钢铁和化工行业的森林碳汇需求价格的期望、熵和超熵Table 4 Expectations, entropy and superentropy of demand prices of forest carbon sinks in thermal power, steel and chemical industries行业 期望 熵 超熵 火电行业 631.936 7 169.364 3 59.665 2 钢铁行业 556.821 7 133.101 0 25.257 0 化工行业 575.820 8 93.977 8 44.864 5 表 5 4个省（市）的森林碳汇需求价格的期望、熵和超熵Table 5 Expectations, entropy, and superentropy of demand price of forest carbon sinks in four provinces省份 期望 熵 超熵 上海市 304.923 3 5.662 2 0.306 1 北京市 455.686 7 57.069 0 48.222 9 广东省 876.722 2 198.257 9 93.980 7 湖北省 715.440 0 195.630 3 52.194 6 3.2.1 不同行业间的森林碳汇需求价格差异分析
根据云模型正向发生器通过Matlab 8.4软件产生不同行业企业的云图，分析不同行业企业森林碳汇需求价格的情况(图1)。云图y轴表示隶属度，x 轴表示企业对森林碳汇需求价格的模拟值。如图1A，火电行业企业对森林碳汇需求价格平均值聚集在500~700元·t−1，越靠近中间值云滴越密集，离散程度越低。在隶属度为1时，森林碳汇需求价格平均值为631元·t−1，表示4个样本省(市)的火电行业企业的森林碳汇平均需求价格为631元·t−1。同理，钢铁、化工行业的均值为556和575元·t−1(图1B~图1C)。从需求价格区间来说，火电行业的最小值和最大值相差最大，说明火电行业的熵最大，即所接受的区间最大；而化工行业两边距离小，熵最小。从云图的分散程度来看，钢铁行业图形最“薄”，超熵最小；而火电和化工行业图形较发散，超熵较大，即离散程度大。对比3个行业所模拟的企业对森林碳汇的需求价格，钢铁行业图形正态分布最清晰，图形云层最薄，说明该行业企业的森林碳汇需求价格有较高的稳定性；且明显低于火电行业的需求价格，说明火电行业企业的工业碳边际减排成本较高，即火电行业在通过技术来进行工业减排的发展潜力小，因此森林碳汇在火电行业会有很大的市场。
图 1 不同行业企业森林碳汇需求价格云图Figure 1 Demand prices of forest carbon sinks of enterprises in different industries3.2.2 不同地区间的森林碳汇需求价格差异分析
根据云模型正向发生器通过Matlab 8.4软件产生不同地区企业的云图，分析不同地区企业森林碳汇需求价格的情况。由图2可知：不同地区森林碳汇需求价格相差很大，就森林碳汇需求价格情况的均值来看，上海市、北京市、广东省、湖北省分别约305、456、877、715元·t−1。上海市与北京市的图形较靠近中间值，说明这2个地区的熵较小，价格浮动区间小，比广东省和湖北省更为稳定。上海市与北京市由于前期的政府减排力度与减排设备更新较快，工业减排走在前列，成本相对较低，因此广东省和湖北省森林碳汇需求价格高于其他2个地区，说明广东和湖北对森林碳汇的需求会更大，森林碳汇市场有更好的发展潜力。上海市与湖北省的图形呈现出较好的分布，比较聚拢，说明这2个地区企业的情况较为接近，各企业对森林碳汇的需求价格较为相像，而北京市与广东省的图形较为分散，说明这2个地区企业的情况相差较大，企业间森林碳汇的需求价格上下波动较大。
图 2 不同地区企业森林碳汇需求价格云图Figure 2 Demand prices of forest carbon sinksfor enterprises in in different regions4. 不同政策情景下的企业森林碳汇需求价格模拟分析
为更好地提升各地区高排放行业未来对森林碳汇的需求潜力，在测得现有政策情景下企业森林碳汇需求价格的基础上，本研究通过改变公式(7)中3个相关政策变量(政府允许碳汇抵消比例、碳税征收率、碳汇补贴额)，来模拟不同政策情景下企业的森林碳汇需求价格变化。根据以往学者的研究和调研，选择政府允许抵消比例范围为0%~20%，税收征收率为0%~20%，碳汇补贴额为0~150元·t−1。
4.1 不同行业企业森林碳汇需求价格模拟分析
当其他因素不变，政府允许碳汇抵消比例为0%~20%时，观察企业的森林碳汇需求价格的动态变化。由图3A可知：随着政府允许碳汇抵消比例的提高，各行业企业森林碳汇需求价格上升，因此政府可适当提高允许抵消的比例，来促进企业对森林碳汇的购买。化工行业企业的增长趋势最为明显，其碳边际减排成本是3个行业中相对较高的，即化工行业通过工业减排的成本较高，与其他行业相比不具有优势。该行业希望通过购买森林碳汇等方式来实现间接减排。若政府允许抵扣比例增加，通过购买森林碳汇来实现减排目标是化工行业未来的发展方向。
图 3 不同政策场景下各行业企业森林碳汇需求价格模拟Figure 3 Demand prices of forest carbon sinks of enterprises under different policy scenarios当其他因素不变，税收征收率范围为0%~20%时，观察企业的森林碳汇需求价格的动态变化。由图3B可知：随着碳税征收率的提高，各行业企业的森林碳汇需求价格先呈现下降趋势，后变化不明显。一方面高碳税对购买森林碳汇的成本增加更快，另一方面也是由于在所选取的年份，可供交易的森林碳汇数量较少，企业购买森林碳汇的成本更高。说明碳税征收率为影响企业是否会选择购买森林碳汇的一个政策因素，但不是关键性因素，即高碳税征收率对企业森林碳汇的需求价格影响不大。因此，政府可适当提高碳税征收率，给企业一定的减排压力，促进企业的减排行为。
当其他因素不变，改变碳汇补贴额，模拟0~150元·t−1的情景下企业森林碳汇需求价格动态变化趋势。由图3C可知：随着碳汇补贴额度的增加，各行业企业的森林碳汇需求价格呈上升趋势，3个行业中，化工行业受政策影响的程度最大。4个样本省(市)中，化工行业较多分布在上海和北京，在技术减排方面相对领先，未来进一步减排的成本反而相对较高，更倾向于购买森林碳汇。因此需要政府加大支持力度，加快森林碳汇的发展，促进该行业减排方式的转型。政府可适当提高碳汇补贴额，既可以促进企业的减排热情，也可以增加企业对森林碳汇的购买需求。
4.2 不同省市企业森林碳汇需求价格模拟分析
由图4A可知：随着政府允许碳汇抵消比例的提高，4个省(市)的企业森林碳汇需求价格上升，其中湖北省企业的增长趋势较为明显。湖北省企业目前通过工业减排的成本相对较高，在碳减排政策允许的情况下，企业更愿意选择成本较低的森林碳汇，若政府提高允许碳汇抵消比例，购买森林碳汇减排会成为当地企业的一种选择。由图4B可知：随着碳税征收率的提高，各省(市)企业的森林碳汇需求价格同样没有明显的变化。由图4C可知：随着碳汇补贴额度的增加，各地区企业的森林碳汇需求价格呈上升趋势，4个省(市)中上海市受政策影响的程度最大，上海市目前的技术已相对发达，随着时间的增加，工业减排将不再有优势，同时森林碳汇是一个低成本的选择。
图 4 不同政策情境下下各地区企业森林碳汇需求价格模拟Figure 4 Demand prices of forest carbon sinks of enterprises in various regions under different policy scenarios5. 结论和讨论
5.1 结论
89个样本企业碳边际减排成本存在较大差异且不断增长。一方面说明不同地区在经济发展水平、碳减排政策及减排力度方面的不同，另一方面也说明不同行业企业的减排技术和设备等方面存在差异。每个企业每年的碳边际减排成本不相同且出现上升趋势，说明工业减排已不具有优势，购买森林碳汇来抵消碳排放是未来的发展趋势。各行各业碳边际减排成本高且存在较大差异，企业作为需求方才会有意愿考虑购买森林碳汇，碳汇市场交易也才会进行，这也是本研究的意义所在。
不同省(市)不同行业企业对森林碳汇的需求价格相差甚远。结果显示：上海市、北京市、广东省和湖北省的均值约分别为305、456、877和715元·t−1；火电行业、化工行业、钢铁行业的均值分别为631、556和575元·t−1。上海市与北京市企业对森林碳汇的需求价格低，广东省和湖北省的较高。钢铁行业企业对森林碳汇的需求价格最低，稳定性最强，说明火电和化工行业企业在未来对森林碳汇的需求会更大，尤其是火电行业企业已经正式启动全国碳排放权交易市场，森林碳汇市场在火电行业的发展潜力是巨大的。
政策因素对企业的森林碳汇需求价格有明显的影响。各地区各行业企业的森林碳汇需求价格存在一定的变动范围，最高和最低价格相差甚远，即需要采取一定的方案和措施使价格稳定在一个合理区间，且低于企业的工业碳边际减排成本。其中随着政府允许碳汇抵消比例和碳汇补贴额度增加，企业森林碳汇需求价格会上升，碳税征收率对企业森林碳汇需求价格影响不明显。从行业和地区来看，政府允许碳汇抵消比例变化对化工行业与湖北省的企业影响更大，而碳汇补贴额度的提高对化工行业和上海市的企业的森林碳汇需求促进作用更为明显。因此，合理的允许抵消比例与补贴政策组合下，化工行业将会是未来森林碳汇的重大需求者。
5.2 讨论
中国于2017年已启动全国碳排放权交易市场并在加速建设中，但发展并不完善。目前，试点市场中的广东碳汇市场交易较活跃，2019年成交量突破千万吨，但重庆、天津过少。中国碳排放核查与监测主要针对石化、化工、建材、钢铁、有色、造纸、电力、航空八大行业。本研究涉及行业仅为碳排放密集型的火电、钢铁和化工3个行业，不能完全反映自愿减排的其他碳排放小的行业和个人。从碳汇市场长远发展来看，要鼓励更多行业进入碳汇市场，期待后续加强对其他市场参与主体的研究。
目前，试点碳市交易价格普遍不高且差距很大。2019年成交均价北京市最高为83.27元·t−1，深圳市最低，仅为10.84元·t−1，试点市场平均成交均价为27.76元·t−1，与本研究所测算的企业森林碳汇需求价格相差较远。本研究仅从森林碳汇的需求方企业来进行森林碳汇的价格研究，未充分考虑森林碳汇供给方和政府，因此多方参与的森林碳汇定价机制还需后续进一步研究，以探索合理的碳汇价格，提高企业森林碳汇需求的同时保障森林碳汇供给者的利益。
-
图 1 不同pH条件下底泥总氮、总磷质量分数变化
Figure 1 Characteristics of TN and TP contents in sediment under different pH conditions
图 2 不同pH条件下上覆水中总氮变化特征
Figure 2 Variation characteristics of total nitrogen in overlying water under different pH conditions
图 3 不同pH条件下上覆水中总氮的释放通量
Figure 3 Total nitrogen release flux in overlying water under different pH conditions
图 4 不同pH条件下上覆水中溶解性总磷变化
Figure 4 Characteristics of total dissolved phosphorus in overlying water under different pH conditions
图 5 不同pH条件下上覆水中溶解性总磷的释放通量
Figure 5 Total dissolved phosphorus release flux in overlying water under different pH conditions
图 6 检验pH对沟渠底泥中氮/磷的影响
Figure 6 Test result of pH’s influence on nitrogen and phosphorus in ditch sediment
表 1 沟渠营养盐基本理化指标
Table 1. Basic physical and chemical indexes of nutrients in ditch
指标 底泥 上覆水 TN/(mg·kg−1) TP/(mg·kg−1) ${{\rm{NH}}_4^{+} }$-N/(mg·L−1) DTP/(mg·L−1) TP/(mg·L−1) TN/(mg·L−1) 最大值 5 618.12 1 854.21 81.64 0.19 0.23 113.12 最小值 4 875.08 1 548.23 56.34 0.11 0.19 69.12 平均值 5 016.60 1 760.22 72.29 0.15 0.20 97.22 
下载: 导出CSV
-
[1] 李庚辰, 刘足根, 张敏, 等. 升温对超富营养型浅水湖泊沉积物营养盐动态迁移的影响[J]. 生态学报, 2015, 35(12): 4016 − 4025. LI Gengchen, LIU Zugen, ZHANG Min, et al. A preliminary study of effects of warming on the nutrients dynamic in sediment of hypereutrophic shallow lake [J]. Acta Ecol Sin, 2015, 35(12): 4016 − 4025. [2] 王志齐, 刘新星, 姚志宏, 等. 丹江口水库氮磷内源释放对比[J]. 环境科学, 2019, 40(11): 4953 − 4961. WANG Zhiqi, LIU Xinxing, YAO Zhihong, et al. Endogenous release of nitrogen and phosphorus in the Danjiangkou Reservoir [J]. Environ Sci, 2019, 40(11): 4953 − 4961. [3] 袁海英, 梁启斌, 侯磊, 等. 洱海入湖河口湿地沉积物氨氮释放潜力研究[J]. 生态与农村环境学报, 2020, 36(6): 762 − 769. YUAN Haiying, LIANG Qibin, HOU Lei, et al. Research on the release potential of ammonia in the estuarine wetland sediments of Erhai Lake [J]. J Ecol Rural Environ, 2020, 36(6): 762 − 769. [4] 梅涵一, 刘云根, 郑寒, 等. 云南分散畜禽养殖密集型农村污水特征及污染风险评价[J]. 环境工程, 2016, 34(7): 46 − 51. MEI Hanyi, LIU Yungen, ZHENG Han, et al. Characteristics of sewage pollution and environment risk assessment of dispersion livestock intensive village in Yunnan [J]. Environ Eng, 2016, 34(7): 46 − 51. [5] KAISER D, UNGER D, QIU Guanglong, et al. Natural and human influences on nutrient transport through a small subtropical Chinese estuary [J]. Sci Total Environ, 2013, 450/451: 92 − 107. [6] 雷晓玲, 韩亚鑫, 冉兵, 等. 环境因子对三峡库区底泥污染物释放的影响研究[J]. 环境工程, 2016, 34(1): 47 − 64. LEI Xiaoling, HAN Yaxin, RAN Bing, et al. Impact of environmental factors on contaminants release from the sediment of Three Gorges Reservoir Area [J]. Environ Eng, 2016, 34(1): 47 − 64. [7] LIANG Zhen, LIU Zhimei, ZHEN Shuming, et al. Phosphorus speciation and effects of environmental factors on release of phosphorus from sediments obtained from Taihu Lake, Tien Lake, and East Lake [J]. Toxicol Environ Chem, 2015, 97(3/4): 335 − 348. [8] 黄廷林, 周瑞媛, 夏超, 等. 氧化还原电位及微生物对水库底泥释磷的影响[J]. 环境化学, 2014, 33(6): 930 − 936. HUANG Tinglin, ZHOU Ruiyuan, XIA Chao, et al. Effects of oxidation-reduction potential and microorganism on the release of phosphorus from sediments [J]. Environ Chem, 2014, 33(6): 930 − 936. [9] LI Rufeng, FENG Chenghong, WANG Dongxin, et al. Role of salinity in the multiphase redistribution of polycyclic aromatic hydrocarbons (PAHs) in sediment suspension [J]. Environ Earth Sci, 2016, 75: 116. [10] 张文斌, 董昭皆, 徐书童, 等. 微生物和藻类分解对荣成天鹅湖沉积物氮磷释放的影响[J]. 海洋环境科学, 2019, 38(4): 561 − 567. ZHANG Wenbin, DONG Zhaojie, XU Shutong, et al. Effects of microorganism and algal decomposition on nitrogen and phosphorus release from the sediments in Rongcheng Swan Lake [J]. Marine Environ Sci, 2019, 38(4): 561 − 567. [11] 张茜. 漳泽水库沉积物和上覆水污染特征及氮磷释放规律研究[D]. 西安: 西安理工大学, 2019. ZHANG Qian. Study on Pollution Characteristics and Nitrogen and Phosphorus Release of Sediments and Overlying Water in Zhangze Reservoir [D]. Xi’an: Xi’an University of Technology, 2019. [12] JENSEN H S, ANDERSEN F Ø. Importance of temperature, nitrate, and pH for phosphate release from aerobic sediments of four shallow, eutrophic lakes [J]. Limnol Oceanogr, 1992, 37(3): 577 − 589. [13] 李家兵, 张党玉, 吴春山, 等. pH对闽江河口湿地沉积物氮素转化关键过程的影响[J]. 水土保持学报, 2017, 31(1): 272 − 278. LI Jiabing, ZHANG Dangyu, WU Chunshan, et al. Effects of pH on the key nitrogen transformation processes of the wetland sediment in the Min River estuary [J]. J Soil Water Conserv, 2017, 31(1): 272 − 278. [14] 冀峰, 王国祥, 韩睿明, 等. 太湖流域农村黑臭河流沉积物中磷形态的垂向分布特征[J]. 环境科学学报, 2016, 36(1): 55 − 63. JI Feng, WANG Guoxiang, HAN Ruiming, et al. Vertical distribution characteristics of phosphorus fractions in the sediments of a rural malodorous black river in Taihu Lake area [J]. Acta Sci Circum, 2016, 36(1): 55 − 63. [15] 梅涵一, 刘云根, 郑寒, 等. 普者黑流域畜禽养殖型农村沟渠底泥磷形态分布特征及风险评价[J]. 土壤通报, 2017, 48(1): 195 − 201. MEI Hanyi, LIU Yungen, ZHENG Han, et al. Distribution characteristics and risk assessment of phosphorus speciation in livestock rural ditch sediments of Puzhehei Basin [J]. Chin J Soil Sci, 2017, 48(1): 195 − 201. [16] 梅涵一, 王妍, 刘云根, 等. 云南不同类型农村沟渠底泥中氮赋存形态分布[J]. 环境化学, 2016, 35(10): 2060 − 2070. MEI Hanyi, WANG Yan, LIU Yungen, et al. Distribution of nitrogen speciation in ditch sediments from different rural types in Yunnan [J]. Environ Chem, 2016, 35(10): 2060 − 2070. [17] 国家环境保护总局. 水和废水监测分析方法[M]. 4版. 北京: 中国环境科学出版社, 2002: 239 − 284. [18] 张红, 陈敬安, 王敬富, 等. 贵州红枫湖底泥磷释放的模拟实验研究[J]. 地球与环境, 2015, 43(2): 243 − 251. ZHANG Hong, CHEN Jing’an, WANG Jingfu, et al. A simulation study on the release of phosphorus from sediments in Lake Hongfeng, Guizhou Province, China [J]. Earth Environ, 2015, 43(2): 243 − 251. [19] 王敬富, 陈敬安, 罗婧, 等. 红枫湖沉积物内源氮磷释放通量估算方法的对比研究[J]. 地球与环境, 2018, 46(1): 1 − 6. WANG Jingfu, CHEN Jing’an, LUO Jing, et al. Comparative study on quantitative estimations of phosphorus release flux from sediments of Lake Hongfeng, Guizhou Province, China [J]. Earth Environ, 2018, 46(1): 1 − 6. [20] 裴佳瑶, 冯民权. 环境因子对雁鸣湖沉积物氮磷释放的影响[J]. 环境工程学, 2020, 14(12): 3447 − 3459. PEI Jiayao, FENG Minquan. Effects of environmental factors on the release of nitrogen and phosphorus from the sediment othe Yanming Lake, China [J]. Chin J Environ Eng, 2020, 14(12): 3447 − 3459. [21] 孙英, 何江, 吕昌伟, 等. 岱海表层沉积物中影响氨氮释放的模拟研究[J]. 农业环境科学学报, 2009, 28(7): 1464 − 1468. SUN Ying, HE Jiang, LÜ Changwei, et al. The simulation research of ammonium nitrogen release from the surface sediments of the Daihai Lake [J]. J Agro-Environ Sci, 2009, 28(7): 1464 − 1468. [22] 卢俊平, 贾永芹, 张晓晶, 等. 上覆水环境变化对底泥释氮强度影响模拟研究[J]. 生态与农村环境学报, 2018, 34(10): 924 − 929. LU Junping, JIA Yongqin, ZHANG Xiaojing, et al. Simulation study on influence of change of overlying water environment on nitrogen release intensity of sediment [J]. J Ecol Rural Environ, 2018, 34(10): 924 − 929. [23] 曾巾, 杨柳燕, 肖琳, 等. 湖泊物地球化学循环及微生物的作用[J]. 湖泊科学, 2007, 19(4): 382 − 389. ZENG Jin, YANG Liuyang, XIAO Lin, et al. Biogeochemical cycling of nitrogen in lakes and the role of microorganisms in conversion of nitrogen compounds [J]. J Lake Sci, 2007, 19(4): 382 − 389. [24] PAUER J J, AUER M T. Nitrification in the water column and sediment of a hypereutrophic lake and adjoining river system [J]. Water Res, 2000, 34(4): 1247 − 1254. [25] 魏烈群, 徐书童, 王效昌, 等. 微生物和硬毛藻对天鹅湖不同湖区沉积物氮磷释放的影响[J]. 生态环境学报, 2020, 29(3): 580 − 588. WEI Liequn, XU Shutong, WANG Xiaochang, et al. Effects of microbial activity on nitrogen and phosphorus release from sediments in different lakes of Swan Lake [J]. Ecol Environ Sci, 2020, 29(3): 580 − 588. [26] 代政, 祁艳丽, 唐永杰, 等. 上覆水环境因子对滨海水库沉积物氮磷释放的影响[J]. 环境科学研究, 2016, 29(12): 1766 − 1772. DAI Zheng, QI Yanli, TANG Yongjie, et al. Effects of environmental factors of overlying water on the release of nitrogen and phosphorus from sediment of coastal reservoir [J]. Res Environ Sci, 2016, 29(12): 1766 − 1772. [27] 王新建, 王松波, 耿红. 东湖、汤逊湖和梁子湖沉积物磷形态及pH对磷释放的影响[J]. 生态环境学报, 2013, 22(5): 810 − 814. WANG Xinjian, WANG Songbo, GENG Hong. Phosphorus fractions and the influence of pH on the release of phosphorus from sediments in the Donghu Lake, Tangxun Lake and Liangzi Lake [J]. Ecol Environ, 2013, 22(5): 810 − 814. [28] WANG Kang, LIN Zhongbing, ZHANG Renduo. Impact of phosphate mining and separation of mined materials on the hydrology and water environment of the Huangbai River basin, China [J]. Sci Total Environ, 2016, 543: 347 − 356. [29] TEMPORETTI P, BEAMUD G, NICHELA D, et al. The effect of pH on phosphorus sorbed from sediments in a river with a natural pH gradient [J]. Chemosphere, 2019, 228: 287 − 299. [30] 郭志勇, 李晓晨, 王超, 等. pH值对玄武湖沉积物中磷的释放及形态分布的影响[J]. 农业环境科学学报, 2007, 26(3): 873 − 877. GUO Zhiyong, LI Xiaochen, WANG Chao, et al. Influence of pH value on the release and the chemical fractious of phosphorus in sediments of Xuanwu Lake [J]. J Agro-Environ Sci, 2007, 26(3): 873 − 877. [31] 张义, 刘子森, 张垚磊, 等. 环境因子对杭州西湖沉积物各形态磷释放的影响[J]. 水生生物学报, 2017, 41(6): 1354 − 1361. ZHANG Yi, LIU Zisen, ZHANG Yaolei, et al. Effects of varying environmental conditions on release of sediment phosphorus in West Lake, Hangzhou, China [J]. Acta Hydrobiol Sin, 2017, 41(6): 1354 − 1361. [32] 左乐, 吕昌伟, 何江, 等. 微生物对冰封期湖泊沉积物中有机磷降解释放的影响[J]. 环境科学, 2015, 36(12): 4501 − 4508. ZUO Le, LÜ Changwei, HE Jiang, et al. Impacts of microorganisms on degradation and release characteristics of organic phosphorus in lake sediments during freezing season [J]. Environ Sci, 2015, 36(12): 4501 − 4508. [33] 李楠, 单保庆, 张洪, 等. 沉积物中有机磷在pH和温度影响下的矿化机制[J]. 环境科学, 2011, 32(4): 1008 − 1014. LI Nan, SHAN Baoqing, ZHANG Hong, et al. Organic phosphorus mineralization in the sediments under the impact of pH and temperature [J]. Environ Sci, 2011, 32(4): 1008 − 1014. [34] ZBOIŃSKA E, MALISZEWSKA I, LEJCEAK B, et al. Degradation of organophosphonates by Penicillium citrinum [J]. Lett Appl Microbiol, 1992, 15(6): 269 − 272. [35] 鲍林林, 李叙勇. 河流沉积物磷的吸附释放特征及其影响因素[J]. 生态环境学报, 2017, 26(2): 350 − 356. BAO Linlin, LI Xuyong. Release and absorption characteristics of phosphorus in river sediment and their influential factors [J]. Ecol Environ Sci, 2017, 26(2): 350 − 356. [36] 周进, 林光辉, 蔡中华. 微生物在藻际环境中的物质循环作用[J]. 应用生态学报, 2016, 27(8): 2708 − 2716. ZHOU Jin, LIN Guanghui, CAI Zhonghua. Roles of microbes in matter cycles in phycosphere niche [J]. Chin J Appl Ecol, 2016, 27(8): 2708 − 2716. 期刊类型引用(9)
1. 陈丽荣，万深玮，王一冰，李丹，刘雨声. 公众森林碳汇购买意愿影响因素研究——基于TPB—NAM整合模型. 资源开发与市场. 2024(01): 42-51 . 
百度学术2. 蒋欣强，彭红军，苏世伟. 国际林业碳汇基金运作模式研究与启示. 世界林业研究. 2023(03): 9-15 . 百度学术3. 李明晖，王恺. 双碳背景下碳市场经济学理论与演化规律研究进展. 油气储运. 2023(11): 1242-1250+1260 . 百度学术4. 杨凯迪，张伟. 黄河流域森林碳汇生态产品价值核算研究. 黄河文明与可持续发展. 2023(02): 103-122 . 百度学术5. 沈哲鑫. 基于区块链的碳抵消研究综述与展望. 中国商论. 2022(04): 112-115 . 百度学术6. 陈周光，龙飞，祁慧博. 中国森林碳汇定价研究. 价格月刊. 2022(03): 9-16 . 百度学术7. 王雅茹，贾瑜，赵华，顾永强. “双碳”目标下油气行业发展的应对之策. 石油石化绿色低碳. 2022(02): 73-76 . 百度学术8. 朱梅钰，龙飞，祁慧博，张哲. 基于行业减排的森林碳汇需求空间测度与分类. 浙江农林大学学报. 2021(02): 377-386 . 本站查看9. 王丽华，许跃坤. 简析我国碳汇林发展现状. 阿坝师范学院学报. 2021(04): 66-73 . 百度学术其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200709
点击查看大图
计量
- 文章访问数: 827
- HTML全文浏览量: 193
- PDF下载量: 171
- 被引次数: 17
