台灣廢棄物生命週期盤查資料庫

2.3 台灣廢棄物生命週期盤查資料庫

建立 TWMLCA 模式主要目的為協助國內公部門能以系統性角度，評估整體管理系統 的主要污染物與製程，方能持續改善。因此在功能單位的選擇，則是以該年的垃圾清 運與資源回收物的總量為基準，而非單位電力回收或單位廢棄物量。系統邊界方面，

則如圖 2.3 所示。除了涵括基本的運輸、廚餘處理、熱處理、掩埋等，亦將環保署規 劃中的大型資源回收廠(Material Recycle Factory, MRF)、廢棄物衍生燃料(Residue Derived Fuel, RDF)納入其中。此外為了考量電力與資源回收的迴避環境衝擊，亦考 量電力及原物料生產。至於時空邊界上，則鑑於掩埋場的滲出水與沼氣均為垃圾分解 而來，與時間相關，因此選擇一百年為時空邊界，將這期間的滲出水與沼氣排放攤分 至這一百年中。

Electricity Production

Raw Material Production

(Paper, Plastic, Glass, Metals) MSW

Generation

Collection

Sorting

Thermal Treatment

Food waste and Compost Treatment

Recycling (Paper, Plastic,

Glass, Pre-sorting

Composting

Hog Feeding

Presort

Mass

Burn RDF

Biogasification

Ash Treatment

Flyash Stabilization

Bottom Ash Recycling

Energy Consu mption Gasification

圖 2.3 盤查資料庫範疇

鑑於以往傳統的生命週期評估其污染物排放的盤查結果均屬於點估計(Point Estimate)，不易進行後續的不確定性分析，在此階段須以建立模式參數的機率分布，

方能進行後續的不確定性分析。且 WM-LCA 的模擬結果，無法以實測值驗證。且各模式 其盤查資料的來源與假設不同，會造成評估上的巨大的差異。Winkler(2005)曾以 ISWM-DST、ORWARE 、IWM-2 、ISWM、UMBERTO 及 ARES 評估同一案例，結果顯示空氣 及水體污染物的平均差異達到三倍之多，而主要影響評估結果的程序為焚化、掩埋以 及資源及能源回收的分配。

本盤查資料庫參數來源有兩類：實測以及文獻引用。實測參數方面，若實測數據 為大量可得，便可直接計算參數之平均值及標準差，建立其機率分布參數；若數據不 足，則以主觀判定方式給予適當機率分布型式。因此本機率型盤查資料庫的建立方式 如下：

• 步驟一、將參數依資料筆數以及數據來源分類

盤查資料庫的數據來源可分為國外文獻值與台灣本土監測值。而資料筆數則以 30 筆為分界，若該參數數據比數大於 30，則可直接計算其統計分佈。

• 步驟二、估算參數的統計分佈

就台灣本土監測值，如焚化爐的法規污染物及戴奧辛的排放係數等，由於資料筆 數較多，可直接運用統計軟體，求其最適機率分佈型態。而就國外文獻引用值，

則有以下三種估算方式。

a. 根據數據品質指標進行換算：於瑞士發展的生命週期盤查資料庫 Ecoinvent 中，其針對僅有單一數據的參數，提出一根據主觀的數據品質指標估算其幾何 標準差的方式，如式 2-1 所示。而各不確定因子的衡量標準則如表 2.2。

[ ( )

₁

]

²

[ ( )

₂

]

²

[ ( )

₃

]

²

[ ( )

₄

]

²

[ ( )

₅

]

²

[ ( )

₆

]

²

[ ( ) ]

²

2

95 _g exp ln ln ln ln ln ln ln _b

g

U U U U U U U

SD

=σ = + + + + + +

(式 2-1) U1: 數據可靠性的不確定因子

U2: 數據完整性的不確定因子 U3:時間相關性的不確定因子 U4: 空間相關性的不確定因子 U5: 科技型態的不確定因子 U6: 樣本大小的不確定因子 Ub: 數據基本特性的不確定因子 b.參考近似製程的機率分部

c.參考文獻建議

當估算出每個參數的機率分部型態跟變異數時，便可利用蒙地卡羅模擬的方 式，進行生命週期盤查的不確定分析。此分析結果可分析出主要不確定性來源，協 助相關主管機關其於廢棄物系統的檢測作業的規劃。

Indicator score 1 2 3 4 5 Reliability Verified data based

on measurements Verified data partly based onassumptions OR non-verified data based on

measurements

Non-verified data partly based

on qualified estimates Qualified estimate (e.g. by industrial expert);data derived from theoretical information(stoichiom etry,enthalpy,etc)

Non-qualified estimate

completeness Representation data from all sites

relevant for the market considered over an adequate period to even out normal fluctuations

Representation data from＞50% of the sites relevant for the market considered over an adequate period to even out normal fluctuations

Representation data from on some sites (<<50%) relevant for the market considered

OR >50% of sites but from shorter periods

Representation data from only one sites relevant for the market considered OR some sites but from shorter periods

Representation unknown or data from a small number of sites AND from shorter periods

Temporal

correlation Less than 3 years of different to our reference year

Less than 6 years of different to our reference year

Less than 10 years of different to

our reference year Less than 15 years of different to our reference year

Age of data unknown or more than15 years of different to our reference year

Geographical

correlation Data from area

under study Average data from larger area in which the area under study is included

Data from smaller area than area under study, OR from similar area

Data from known OR distinctly different area

Further technological correlation

Data from enterprises, processes and materials under study(i.e.

identical technology)

Data on related processes or materials but same technology, OR data from processes and materials under study but from different technology

Data on related processes or materials but different

technology, OR data onlaboratory scale processes and same technology

Data on related processes or materials but on laboratory scale of different technology

Sample size ＞100,continous measurement, balance of

purchased products

＞20 ＞10,aggregated figure in

env. report

3

≧ unknown

Frischknecht,R. Jungbluth N. et al, 2004.

表2.2 資料品質指標評估準則列表

基於上述盤查分析原則，便可逐一建立廢棄物管理系統中各子系統的盤查資 料。

c熱處理子系統

一般廢棄物的熱處理方式包括焚化與RDF兩種。然而進行此子系統的盤查 時，除整個處理過程的污染物排放外，需扣抵電力回收減少的污染物排放。此外，

熱處理後仍有灰渣需要處理，在此未考慮底渣再利用，僅選擇掩埋為灰渣的最終 處理方式，因此熱處理子系統盤查方式可以式2.2表示。

(

^{* ,}

) ( )

^{* ,}

(

^{* ,}

)

ther ther ther i con gen alf ele i ash alf i

E

=

∑

⎡⎣

Q EF

+

Ele

−

Ele

+

Ele EF

+

Q EF

⎤⎦ ^{式 2.2} E^ther:熱處理過程環境排放/能資源耗用量(kg/day, MJ/day)

Q^inc/Q^ash : 熱處理量/灰渣量；Ele^con/Ele^gen/Ele^alf：熱處理耗用/回收/灰渣掩埋電 力耗用

EFinc,i/EFele,i/EFalf,i：熱處理./電力生產/灰渣掩埋污染物排放(能資源耗用)係數

熱處理子系統中，由於焚化廠監測數據較為詳盡，故可計算出不同廠的空氣 污染排放參數，但未檢測數據部分，如砷、鉻、二氧化碳，則參考文獻，依各廠 空污防制設備及廢棄物組成推估之。而RDF與灰渣掩埋的排放係數，則引用文獻 而得。電力生產過程的參考國內既有生命週期盤查研究，依現行電力比例計算而 得。

d運輸子系統

運輸階段包含清運以及轉運兩階段，污染來源包括運輸過程燃燒柴油產生的 空氣污染物與所需柴油生產過程的環境排放。運輸階段的盤查式如式2.3所示。

相關參數則引用自Finnveden 等(2000)的研究。

_con _gen _ele

( + )

tran tran tran deisel deisel deisel deisel

E

=

∑

⎡⎣

Q

×

d

×

q

×

EF EF

+

EF

⎤⎦ ^式 2.3 E^tran為運輸過程環境排放與能資源耗用量(kg/day,GJ/day) ；Q^tran為運輸

量(ton/day) ；

d^tran為跨區運輸距離(km) ；q^diesel為單位運輸之廢棄物每公里消耗柴油量 (L/km*ton)

EF^deisel_con為柴油使用(燃燒)階段污染物排放係數；EF^deisel_gen為柴油生產階

段污染物排放係數

EF^deisel_ele為柴油生產階段污染物能資源耗用係數

e生物處理子系統

一般廢棄物管理系統中的生物處理(Biological Treatment)包括堆肥、厭氧 消化與廚餘養猪。堆肥方面，由於成品可以抵銷化肥之生產，因此其盤查式如式 2.4。

(

^,

)

com com com i com com fer fer

E

=

∑

⎡⎣

Q

ⁱ

EF

+

Q

ⁱ

Ele

−

Q

ⁱ

EF

⎤⎦ ^式_2.4 E^com: 堆肥過程環境排放與能資源耗用量；Q^com: 堆肥處理之污染物量

Ele^com 單位堆肥電力消耗係數；EF^com,i： 污染物與能資源排放係數

Q^fer : 化學肥料替代量，分為磷肥與氮肥兩類；EF^fer:: 化肥生產污染物排 放係數

厭氧消化則將廚餘與污泥共同處理，藉此產生甲烷進行能源回收。通常在此 過程中的殘餘物亦可作為堆肥使用，因此期盤查式如式2.5所示。

(

^,

) (

^,

)

^,

ana ana ana i ana ana gen ana ele i fer fer

E

=

∑

⎡⎣

Q

ⁱ

EF

+

Q

ⁱ

Ele

−

Ele

ⁱ

EF

−

Q

ⁱ

EF

⎤⎦ ^式_2.5 E^ana: 厭氧消化環境排放與能資源耗用量；Q^ana: 厭氧消化處理量

Ele^con/Ele^gen：厭氧消化能源耗用/回收係數。

EF^ana,i/EF^ele,i： 厭氧消化/電力生產污染物排放(能資源耗用)係數

Q^fer : 化學肥料替代量；EF^fer:: 化肥生產污染物排放係數

廚餘養猪為台灣特有之廚餘處理方式，在餵養前需加熱殺菌。利用廚餘養猪 可減少飼料的使用，因此可抵銷飼料生產過程的環境衝擊，因此其盤查式如下:

hog hog hog ele feed feed

E

=

∑

⎡⎣

Q

ⁱ

Ele

ⁱ

EF

−

Q

ⁱ

EF

⎤⎦ ^式_2.6 E^hog: 廚餘養猪環境排放與能資源耗用量; Q^hog: 廚餘養猪量

Ele^hog： 前處理電力消耗係數； Q^feed : 替代飼料量。

EF^feed /EF^ele,i：飼料生產/電力生產污染物排放(能資源耗用)係數；

而此三類生物處理方式的參數資料則引自馬鴻文等(2001)的研究。養猪的能 源耗用和飼料與化肥的替代係數為本土盤查數據，其餘則引自國外文獻。

f掩埋子系統

『零掩埋』為國內的短中期間的政策目標，然而目前仍有20%左右的一般廢棄 物是以掩埋處理。掩埋的環境衝擊除了土地佔用外，其污染物來源為滲出水與沼 氣，其總體環境衝擊可以式2.7表示。

, ( , , ) , ,

在諸多滲出水的估算方法，本模式參考Barltaz 等人的研究(如表2.3)，採以式 2.8估算滲出水量。

(20% 1.5 6.6% 4 6.5% 4.5 0.04% 90)

( ) 100

lea

Rain UF

CF Dep UF BD

沼氣方面則以IPCC的估算方式為基礎，參考羅時麒(2005)的假設，如下：

, 4 F

( )

. . .,

recyc recyc recyc i raw raw

E

=

∑

⎡⎣

Q

ⁱ

EF

−

Q

ⁱ

EF

⎤⎦ ^式_2.10

. recyc

E ：資源回收環境排放(能資源耗用)量；

. recyc

Q ：資源回收量；EF_{recyc i.,} ：再製過程之環境排放(能資源耗用)係數

Qraw：替代原物料量；EF_raw：原物料生產之環境排放(能資源耗用)係數 6.飛灰再利用子系統

此子系統涵蓋飛灰固化掩埋、熔融再利用、水泥窯混燒再利用等三種處理方 式的環境負荷。系統邊界上，則如圖2.4所示，除固化掩埋、熔融、水泥窯鍛燒 所造成的直接衝擊外，亦需再利用所替代的混凝土與水泥的生產程序納入評估。

但針對處理過程中各種能源投入，包括電力、煤、重油等，其生命週期不允納入 評估邊界中。

如式2.11所示，飛灰固化掩埋的污染物與能資源排放包括了固化過程的能資 源投入與掩埋造成的滲出水排放。根據樹林飛灰固化廠的調查資料，一單位的飛 灰經固化後，其固化物的重量為原本的3.47倍。而固化過程中，需添加17%的水 泥、27%的水以及3%的螯合劑，為與其他再利用方式有相同比較基準，在此將水 泥的生命週期納入評估範圍，而在敖合劑上，由於缺乏資料，故忽略不計。

, , ,

ashlf ashlf lea ashlf i ashlf resource cement cement i

E

=

∑ Q

⎡⎣

CF

ⁱ

EF

+

EF

+

Q

•

EF

⎤⎦ ^式_2.11

E^ashlf: 掩埋過程的總環境排放(能資源耗用)量；

Q^ashlf: 飛灰固化掩埋量（3.48*飛灰產生量）

Q^st,cement：每單位飛灰固化過程的水泥添加量（17%）

CF^lea: 滲出水產量因子(m³/ton)

EF^ashlf,I ： 飛灰掩埋污染物排放係數

EF^ashlf,I : 飛灰掩埋能資源耗用係數

EF^cement,i： 水泥生命週期污染排放及能資源耗用係數

EF^cement,i： 水泥生命週期污染排放及能資源耗用係數

在文檔中 民生物質永續利用—食衣住行－子計畫五：台灣永續廢棄物管理決策支援系統之建立－物質流、生命週期評估與環境風險評估之整合研究(II) (頁 12-22)