恒河流域塑料污染：基于区域特异性参数的人口与废物管理系统对城镇级影响的建模研究

针对恒河流域日益严重的塑料污染问题，研究人员通过构建城镇级模型，整合人口动态、废物管理效率（如收集率η、处理效率t）及区域特异性参数，预测了2061年BAU（常规情景）下MMPW（管理不善塑料废物）将达550-750 kt/yr，而IWM（改进废物管理）情景可减少81%的污染负荷。该研究为发展中国家制定RPW（河流塑料废物）管控政策提供了数据支撑，成果发表于《Marine Pollution Bulletin》。

　　

恒河流域作为南亚最重要的水系之一，正面临日益严峻的塑料污染威胁。随着印度经济快速增长（GDP年增7.6%），城市化率从2001年的27.8%升至2011年的31.6%，但废物管理基础设施严重滞后。数据显示，2015年印度仅27%的收集废物得到处理，约72%直接进入露天填埋场。更严峻的是，恒河流域人口密度达455人/km²，远超全球平均水平（58.43人/km²），导致该区域成为全球河流塑料污染（RPW）的热点地区。现有全球模型多基于GNI（国民总收入）和HDI等宏观指标，难以反映发展中国家特有的非正规回收体系（贡献40-80%回收量）和地域差异，亟需建立更精准的预测模型。

为破解这一难题，Shaivya Anand团队在《Marine Pollution Bulletin》发表研究，创新性地构建了城镇级预测框架。研究选取恒河主干道20公里缓冲区内92个城镇（覆盖Uttarakhand至West Bengal五邦），通过logistic模型拟合人口增长曲线（R²>0.97），结合废物产生率（0.3-0.8 kg/capita/day）、塑料占比（3-12% MSW重量）等参数，采用蒙特卡洛模拟（10,000次）进行不确定性分析。关键创新在于引入非正规回收率（30-40%）、动态调整收集效率（η=83-97%）和处理效率（t=0-83%），并首次将城镇按人口分级（A-D类），建立BAU与IWM双情景预测模型。

2.1 人口增长驱动污染负荷

通过拟合2011-2036年人口数据，预测Uttar Pradesh在2061年将达2.81亿人，贡献35.3%的塑料废物。敏感性分析显示，早期（2031年）MMPW对人口参数敏感度达±42 kt/yr，但到IWM情景的2061年，处理效率取代人口成为最关键因素。

3.3 塑料废物生成特征

研究首次量化城镇差异：A类城镇（>20万人）2021年人均塑料废物0.07-0.096 kg/day，显著高于D类城镇（0.01-0.02 kg/day）。值得注意的是，Kolkata与Kanpur两城贡献了34%的MMPW负荷，凸显大城市的关键管控地位。

3.4 情景预测揭示治理潜力

模型显示，BAU情景下2061年RPW将达250 kt/yr，而IWM情景通过提升收集效率至95%、处理效率至90%，可将污染降低75%至60 kt/yr。这种改善主要来自：①非正规回收体系强化；②垃圾填埋量减少81%；③人均littering量从150 g/千人降至20 g/千人。

5. 政策启示与SDGs关联

该研究为发展中国家提供了可操作的治理路径：首先，建议保留并规范非正规回收网络（关联SDG1减贫）；其次，需针对性提升Uttar Pradesh等低HDI（0.574）地区的废物处理设施（SDG6清洁用水）；最后，通过EPR（生产者责任延伸）制度推动包装减量（SDG12责任消费）。作者特别强调，恒河治理需超越单纯的基础设施建设，应同步提升公众环境意识（印度部分地区识字率仅63.82%），才能实现IWM情景的长期效益。

这项研究的核心价值在于突破了全球模型的局限性，首次将城镇分级、非正规回收、区域气候特征（季风降水400-2000 mm）等本土因素纳入预测体系。其建立的敏感性分析框架证明：发展中国家污染治理需动态调整策略，早期（2021-2041）应重点控制塑料消费增长，而中后期（2051-2061）则需转向基础设施优化。这些发现不仅适用于恒河流域，也为东南亚、非洲等快速城市化地区提供了可复制的建模范式。