城市塑料废物管理中以可持续性为导向的创新的政策与技术耦合的系统级建模：来自曼谷的证据 努查·塔尼潘尼奇斯库尔（Nutcha Taneepanichskul）

《Recycling》：System-Level Modelling of Policy–Technology Coupling for Sustainability-Oriented Innovation in Urban Plastic Waste Management: Evidence from Bangkok Nutcha Taneepanichskul

　　摘要：尽管政策关注度不断提高，但在大型大都市地区，城市塑料废物管理的回收率仍然较低，这限制了其发展。本研究采用可持续性导向的创新（SOI）视角，探讨政策与技术的整合如何重塑城市塑料废物系统的整体表现。以曼谷为例，一个系统级模型整合了塑料废物产生量、源分类的行为采纳率、对污染敏感的分选效率以及物料流动的质量平衡。研究评估了三种情景：现状维持、仅实施源分类政策，以及结合先进分选技术的综合政策-技术体系。结果表明，基准情景下的回收率始终停留在约3.1%的水平。仅靠政策干预，回收率逐渐提升，到2045年可达到约20%；而将政策与先进分选技术相结合则取得了非线性的增长，两年内回收率超过20%，到2045年达到约47%，这得益于污染量的大幅减少。蒙特卡洛敏感性分析将这一综合路径延伸至2060年，结果显示回收率中值稳定在68%，而超过70%的回收率概率在2040年上升至28%，之后趋于平稳。研究结果表明，循环经济的成效具有不确定性，取决于行为参与度、材料质量和技术能力之间的系统级协调性。

1. 引言
塑料污染已成为城市可持续性的关键挑战，其成因包括消费量增加、材料成分复杂以及废物管理体系分散[1]。在大型大都市地区，塑料废物量常常超出基础设施处理能力，导致大量填埋处理并造成陆地和水生生态系统的污染。虽然传统的废物管理侧重于下游处理技术（如机械分选和能量回收），但在上游行为和制度条件不匹配的情况下，这些方法的环保效益有限[2]。因此，解决城市塑料污染问题需要从废物生命周期的整体角度进行系统干预，整合政策、技术和社会行为。

SOI提供了一个框架，用于理解如何实现这种系统层面的转变[3]。与渐进的技术改进不同，SOI将环境目标嵌入创新过程，强调上游干预、生命周期思维以及社会技术系统的重构[4]。从这一视角来看，可持续的塑料废物管理不仅依赖于提升回收技术，还涉及重新设计家庭、收集系统、分选设施和废弃物处置方式之间的互动[5]。公共政策通过影响物料流动、行为规范和经济激励，在这些互动中起着核心作用[6]。曼谷的“Mai Tae Ruam”政策（字面意思是“不要混合废物”）通过强制在产生点进行废物分类，成为该市塑料废物管理的关键上游干预措施[7]。该政策旨在通过减少塑料、有机废物和残渣之间的交叉污染，提高进入市政废物流的回收材料的质量[7]。与侧重于下游处理的技术中心方法不同，“Mai Tae Ruam”主要通过行为和制度机制发挥作用，旨在从源头改变家庭的处置习惯。然而，目前曼谷尚未在市政物料回收设施中广泛采用近红外（NIR）、高光谱成像（HSI）或人工智能辅助分类等先进分选技术[8]。因此，分选过程仍主要以手动或半机械化方式进行，环境性能的改善主要取决于政策设计的有效性和公众对源头分类要求的遵守程度[9]。这种结构依赖性意味着，改进回收技术的潜在效益受到行为一致性的限制，而非技术能力。尽管“Mai Tae Ruam”是提高回收率和减少塑料泄漏的重要第一步，但在缺乏配套技术升级的情况下，其环境效益仍然有限。这凸显了需要将源头分类政策视为一个促进后续与先进分选技术整合的先决条件，而非独立解决方案。

过去十年中，关于泰国和东南亚塑料废物污染政策的研究显著增加，反映了地区对海洋垃圾、填埋依赖以及回收主导方法局限性的日益关注[9,10,11]。文献记录了从下游废物管理向循环经济治理的转变，包括限制一次性塑料产品、实施源分类以及新兴的扩展生产者责任（EPR）框架[12,13,14]。在泰国，国家路线图和政策工具越来越强调上游行为改变和产品责任，作为提高回收率和减少环境污染的前提[15]。东南亚其他国家也表现出类似的趋势，但政策成熟度、执行能力和制度安排存在显著差异。

尽管取得了一些进展，实证研究一致指出，政策效果仍受实施差距、分选基础设施不足、污染率高等因素的限制[16]。尽管源头分类等行为干预被广泛认为有助于提高材料质量，但文献显示，当下游技术能力和系统协调性不足时，这些措施无法实现高回收率[17]。此外，区域分析强调了非正式回收主体的关键作用，但它们往往被正式政策设计所忽视，这可能削弱效率和公平性[2,18]。总体而言，现有研究提供了丰富的描述性和制度性见解，但仍缺乏定量系统级分析，将政策引发的行为变化与污染动态、分选性能和物料回收结果联系起来。这种差距在东南亚城市地区尤为突出，亟需采用综合建模方法，将政策-技术耦合视为塑料废物系统设计中的SOI。

在此背景下，本研究在三个关键方面拓展了SOI文献的研究，使其超越单一城市应用的范畴。首先，它明确了技术效果的条件性，证明分选性能并非系统固有属性，而是受污染动态影响的参与度变量，并确定了产生非线性系统响应的条件；其次，它识别了一个系统分岔点——低于某一临界值时，无论基础设施质量如何，污染都会抑制技术效果；超过该临界值后，系统会迅速转向更高效率的状态；第三，通过概率分析表明，循环经济成果具有不确定性，并确定了影响这一临界值实现的参数范围。这些贡献重新定义了SOI作为一个系统动态，其特征是可识别的机制、临界值和概率性能边界，其意义超越了具体案例背景，具有更广泛的社会技术转型价值。

基于这些贡献，本研究探讨了协调的政策-技术干预如何作为SOI的实现方式，塑造城市塑料废物系统的动态并促进循环经济成果。为此，评估了三种:System development scenarios，代表系统发展的不同阶段：(i) 基线阶段，其特征是源头分类参与度低且依赖传统分选方式；(ii) 过渡阶段，表现为行为参与度增加及部分采用先进分选技术；(iii) 成熟阶段，特点是高参与度与技术密集型分选系统的结合。进一步通过建模行为参与度、污染动态和技术能力在综合政策-技术框架内的耦合效应，量化了实现循环经济水平回收率的时间、可能性和系统条件。

2. 结果
本节评估了三种城市塑料废物管理演化情景下的系统性能。第一种情景代表初始阶段，源头分类参与度低，依赖传统的手工分选方式；第二种情景为过渡阶段，行为参与度增加并部分采用先进分选技术；第三种情景为成熟阶段，高水平的源头分类与技术密集型分选系统紧密结合。这些情景共同体现了源头分类政策与先进分选技术的逐步结合，是城市废物系统设计中的战略SOI形式。SOI方法不是在现有结构内追求效率提升，而是对物料流动、技术能力和行为规范进行系统性重构，以产生对资源循环性和长期系统韧性的积极影响。在此基础上，本文预测了到2060年的长期循环经济路径，评估系统达到国际公认可持续性基准所需的条件和性能阈值。这些基准基于欧盟委员会设定的目标，即2025年、2030年和2035年的城市废物回收率分别为55%、60%和65%[19]。将研究时间范围延长至2060年，有助于评估行为采纳、污染减少和技术升级在不同政策-技术情景下的长期系统收敛效应。

2.1. 系统回收效率的比较分析
为了考察不同政策和技术配置如何影响系统性能，使用系统回收效率作为主要指标。该指标反映了在考虑源头分类参与度、污染效应和下游基础设施分选性能后，实际被回收用于回收的塑料废物比例。分析比较了三种代表城市塑料废物管理系统不同发展阶段的情景，从线性基准配置到完全整合的政策-技术循环系统。2025至2045年期间，应用动态模拟框架捕捉行为成熟和技术升级对回收性能的影响。图1展示了三种情景下的系统回收效率轨迹。模拟从2025年的统一基准开始，所有情景的初始系统效率均为3.14%，反映了曼谷当前的操作状态。在情景1（线性基准系统）中，由于缺乏政策或技术干预，二十年的系统效率无显著提升；而在情景2中，实施源头分类政策后，系统效率稳步上升，到2045年达到20%。2026年成为转折点，废物分类费的实施导致了参与率的急剧上升，从2025年的5.7%迅速升至长期上限85%[20,21]。这一结果表明，虽然源头分类是回收的基础，但仅靠行为改变无法实现高性能目标。

在情景3中，先进分选技术与政策执行相结合，系统性能出现显著差异。该情景下回收率迅速非线性增长，两年内超过了20%的基准，而情景2则需要二十年才能达到相同水平。到2045年，情景3的系统效率约为48%。情景2与情景3之间的差距表明了技术乘数效应，即政策合规带来的废物纯度提升使自动化分选系统能够以最佳精度运行。图2展示了行为变化对效率提升的驱动机制：参与率呈指数增长，2026年至2035年间快速增长，到2045年稳定在85%。这种参与度的提升直接降低了污染水平，从2025年的49%降至预测期末的约15%。污染水平的降低至关重要，因为这为先进分选技术提供了所需的纯度输入。

2.2. 不同政策-技术情景下的塑料废物命运比较
图3展示了2025至2045年三种不同管理情景下塑料废物的命运，区分了被回收的塑料和被填埋的塑料。所有情景下，塑料废物总量随时间增加，反映了塑料消费的持续增长。然而，不同情景下回收与填埋途径的分配差异明显。回收率仅在微小程度上有所提高，到2045年仅达到总塑料废物的约10.0%，而绝大多数塑料仍被填埋。这一轨迹表明，如果不采取额外的干预措施，现有的塑料废物管理方法无法抵消不断增加的塑料废物产生量或显著提高材料的循环利用效率。在 scenario 2 中，通过实施源头分类政策，回收的塑料材料逐渐增加。到2045年，回收率达到了19.9%，几乎是现状的两倍。然而，填埋仍然是塑料废物的主要处理方式，这表明仅靠行为和监管干预措施受到了下游效率低下的限制，特别是污染和分拣性能有限的问题。

scenario 3 显示了塑料废物流动的显著不同演变。当源头分类政策与先进的塑料分拣和回收技术相结合时，回收的塑料量迅速且持续增加，到2045年达到了47.2%。这种综合方法在塑料废物产生量持续增长的情况下，显著减少了塑料对填埋场的依赖，表明塑料废物管理系统正在经历结构性重组。总体而言，结果表明，塑料废物的回收率对政策与技术的整合程度极为敏感。虽然仅靠政策干预可以带来适度的改进，但只有在政策推动的行为改变与收集和分拣阶段的技术创新相结合时，才能实现塑料循环利用的实质性提升。

2.3. 循环经济的不确定性和概率评估
图4a展示了在蒙特卡洛模拟中，系统回收效率首次达到或超过70%的目标年份的分布。分布主要集中在2030年代中期到2040年代初期，中位目标年份约为2036年，这表明在行为参与成熟后的相对较短的时间内，大多数系统可以实现循环经济水平的性能。然而，分布还显示出一个向2040年代末和2050年代初期延伸的明显右尾部分，反映了行为采纳速度较慢、残留污染较高或系统性能较低的情景。这一尾部现象强调了过渡时间对于系统参数的敏感性，尤其是在政策实施的中间阶段。重要的是，相当一部分模拟在2060年之前未能达到70%的阈值，这进一步强调了过渡的随机性以及无法预测循环经济结果的特性。

图4b展示了城市塑料废物系统达到循环经济水平（≥70%回收效率）的年概率。在分析期间的早期阶段，这一概率几乎为零，表明在任何合理的行为和技术条件下，系统都无法在2030年代之前达到目标。从大约2033年开始，概率迅速上升，反映出行为采纳速度的加快和污染程度的下降对系统动态的积极影响。到2040年，达到70%阈值的概率上升到约28%，表明在这一时间范围内，只有不到三分之一的模拟情景实现了循环经济性能。此后，概率增长较为平稳，到2050年约为33%，并在2060年基本保持不变。这一平稳期表明，即使在持续的政策实施和先进的分拣假设下，仍有相当一部分可能的未来情景无法达到70%的阈值。因此，实现循环经济性能并非必然结果，而是取决于行为参与、污染减少和系统设计之间的有利配合。

图4c显示了在不确定性下的系统回收效率的时间演变，使用第5-95百分位区间和中位数（第50百分位）轨迹进行总结。中位数轨迹显示，在政策实施后，回收效率在早期迅速提高，从2020年代末的基线水平急剧上升，并在2030年代中期达到一个平台期。尽管有所改善，但中位数轨迹最终稳定在70%的目标以下，约为67-68%，之后基本保持平稳。不确定性区间显示出围绕中位数的较大分散，尤其是在2030年到2040年的过渡阶段，这段时间内行为采纳和污染减少对系统性能的影响最大。不确定性区间的上限从2030年代中期开始超过70%的阈值，表明在有利条件下可以实现循环经济性能，但下限在整个期间始终远低于目标值，凸显了系统配置长期表现不佳的持续性。

综合来看，图4a-4c表明，向循环经济水平回收的过渡本质上是概率性的而非确定性的。尽管政策实施和先进的分拣技术可以显著提高系统性能，但它们并不能确保所有可能的未来情景都能达到70%以上的回收效率。相反，结果显示，系统存在结构性的限制，行为上限和残留污染构成了关键的瓶颈。这些发现强调了仅靠技术改进不足以保证循环经济结果，政策设计、行为参与和材料质量之间的系统层面协调对于实现和维持高回收性能至关重要。

2.4. 敏感性分析
2.4.1. 系统不确定性的敏感性归因
为了识别系统不确定性的结构性来源及其对最终回收性能的相对贡献，在10,000次蒙特卡洛模拟中进行了Spearman等级相关性敏感性分析，将每个样本参数与2060年的系统回收效率进行关联。结果生成的龙卷风图（图5）揭示了参数影响的清晰层次结构，这对政策设计具有直接意义。Spearman等级相关性分析显示，模型参数的影响高度集中，系统层面的回收潜力成为最终性能的主要决定因素。在循环经济条件下可实现的最大回收率（β = 0.9）对2060年的系统回收效率具有最强的正面影响，表明长期系统性能从根本上受到可回收上限的约束，证实了系统结构的容量是决定性的因素，而非各个子系统的渐进式改进。

在其余参数中，最大参与上限（L = 0.28）是第二有影响力的因素，这强调了持续的行为参与的重要性，因为更高的长期参与直接增加了进入可回收流的材料比例。先进技术的最大分拣效率（ε0 = 0.14）也产生了正面影响，但相对较小，表明技术改进可以提高系统性能，但不占据主导地位。其他参数对最终回收效率的影响可以忽略不计或很小。采纳时间参数（t0）的相关性接近于零，表明行为转变的具体时机对长期结果的影响有限。同样，与污染相关的参数（α = ?0.01）和采纳速度参数（τ0 = ?0.01）显示出轻微的负相关性，表明在某些参数组合下，这些因素对系统性能有轻微的负面影响。

总体而言，敏感性结构表明，最终回收效率主要由系统层面的容量（β）决定，其次是行为参与（L），技术性能起着次要作用。这些发现加强了这样的解释：虽然先进的分拣技术对于实现高回收率是必要的，但整个系统的性能提升更依赖于实现高参与水平并确保系统能够接近其理论回收极限。

2.4.2. 过渡时机的敏感性分析
对过渡时机的敏感性分析显示，参数影响分布高度不对称，少数变量主导了循环经济实现的时机；见图6。系统层面的回收潜力（β ≈ ?0.70）是决定过渡时机的主要因素。强的负相关性表明，更高的可实现回收率显著加快了系统首次达到70%阈值的年份。这一结果强调了实现高回收性能的可行性是及时过渡的前提条件，实际上起到了结构边界条件的作用。在行为参数中，最大参与上限（τ0 ≈ ?0.27）是第二有影响力的因素。更高的长期参与促进了更早达到阈值，证实了持续的行为参与对于加速系统过渡至关重要。采纳速度参数（τ0 ≈ ?0.08）和最大分拣效率（ε0 ≈ ?0.12）也产生了相对较小但方向一致的效应，表明更快的行为采纳和提升的技术性能可以促进更早的过渡，尽管程度有限。相比之下，包括污染限制（α）、污染敏感性（α）和采纳时间中点（t0）在内的其余参数与过渡时机的相关性接近于零。这表明这些参数的变化不会显著影响系统何时跨越循环经济阈值，尽管它们可能会影响系统的中间动态。

综上所述，这些发现表明，过渡到循环经济水平的回收主要是概率性的而非确定性的。尽管政策实施和先进的分拣技术可以显著提高系统性能，但它们不能确保所有可能的未来情景都能达到70%以上的回收效率。相反，结果指出系统存在结构性限制，行为上限和残留污染构成了关键瓶颈。这些发现强调了仅靠技术改进不足以保证循环经济结果，系统层面的政策设计、行为参与和材料质量之间的协调对于实现和维持高回收性能至关重要。

2.5. 模型验证
为了加强建模框架的内部有效性，进行了极端情景一致性测试，以检查在边界参数条件下的模型行为，见表1。鉴于该模型是作为一种机制性的系统级表示，而不是预测工具开发的，验证的重点是检查模型在关键参数接近其极限值时是否产生逻辑上一致和物理上有意义的结果。这种方法在系统建模中广泛用于在没有完全校准的实证数据集的情况下验证结构正确性。在这项研究中，定义了一组边界条件来验证系统对行为参与和污染水平极端值的敏感性。这些测试评估了模型是否再现预期的系统响应，例如在零参与情况下恢复到常规状态、在高参与情况下的性能提升以及在高污染情况下的分拣效率下降。这些检查提供了模型内部逻辑的透明和系统验证，并增强了其作为城市塑料废物系统中政策-技术动态耦合表示的可信度。

3. 讨论
建模结果支持了三个扩展现有SOI框架的理论命题。第一个命题是技术有效性依赖于参与程度，这一点通过scenario 2和scenario 3之间的定量差异得到证明，即相同的分拣基础设施根据上游系统的行为状态会产生显著不同的结果。第二个命题是耦合的政策-技术系统表现出阈值依赖的动态，这一点通过参与度跨越逻辑转折点后出现的非线性效率提升得到证实，这与复杂社会技术系统中的分叉行为一致。第三个命题是循环经济过渡是概率性的而非确定性收敛的，这一点通过蒙特卡洛结果得到证明，即使在水政策和技术的持续假设下，也只有大约33%的模拟情景在2060年实现了循环经济性能。下面将从理论上探讨每个命题及其与现有SOI和循环经济文献的关系。

3.1. 政策-技术耦合作为系统级别的SOI
比较情景分析表明，仅靠源头分类政策只能带来渐进式的改进，而将政策与先进的分拣技术相结合则会产生非线性和加速的系统级收益。这一发现与SOI的核心前提一致：可持续性结果不是通过优化单个组件实现的，而是通过重新配置社会技术子系统之间的相互作用来实现的[3]。在scenario 2中，引入源头分类政策后，行为参与逐步增加，但即使在二十年后，回收效率仍限制在20%以下。这一结果反映了仅靠政策方法的局限性，即源头材料的改进受到现有下游基础设施的限制[22]。相比之下，scenario 3展示了技术乘数效应，即废物流纯度的提高释放了先进分拣系统的潜在性能[5]。scenario 2和scenario 3之间的快速差异表明，技术有效性是有条件的，而非绝对的，并且严重依赖于上游行为的遵守情况。

3.2.行为动态与参与门槛
本研究的一个关键贡献是明确地对时间依赖的行为采纳进行了建模，并分析了其对系统性能的影响。逻辑参与轨迹（方程（2）表明，早期政策的影响是有限的，只有在达到临界参与量之后，才能显著提高效率。这种动态有助于解释为什么源头分离政策在初期往往显得无效[23]。结果进一步表明，在先进的分选技术能够接近其设计效率之前，需要达到最低参与门槛。低于该门槛时，即使在高技术条件下（方程（5）），污染水平（方程（4）仍然足够高，从而抑制分选性能[6]。更具体地说，模型确定了大约40-50%参与率的一个拐点，超过这个点后，系统效率会迅速且非线性地提高。在这个范围内之前，回收率的改善幅度较小，因为输入材料的质量尚未达到自动化系统有效运行所需的纯度。因此，这个拐点作为一个系统级的杠杆点，在此基础上，参与率的微小增加能够带来整体性能的显著提升。

虽然模型没有明确表示政策工具，但这些动态表明，在低收益阶段维持参与增长至关重要。这个阶段的特点是尽管努力增加，但可见回报有限，从而在达到门槛之前存在停滞的风险。在这种情况下，诸如执法、经济激励或持续的信息提供等政策工具可以被视为支持沿采纳轨迹继续前进的机制。薄弱或不一致的政策执行可能会将系统锁定在次优状态，这不是由于技术限制，而是因为行为采纳不足。

另一个重要的含义涉及干预措施的顺序和同步。模型显示，在参与率超过拐点之前部署先进的分选基础设施，会使系统面临持续的高污染水平（方程（4）），从而限制可实现的分选效率（方程（5）并降低资本投资的效果。相反，推动参与率超过这一门槛的持续行为政策则为先进技术提供了必要的输入条件，使其能够达到预期的性能水平，产生在情景3中观察到的技术乘数效应。这些发现表明，行为和技术干预不是相互替代的，而是顺序依赖的，模型为确定基础设施部署何时具有战略效果提供了定量依据。

需要注意的是，逻辑参与函数捕捉的是整个群体的行为扩散，必然忽略了不同收入群体、居住密度和信息环境中的合规行为差异。实际上，城市子群体的参与轨迹可能存在显著差异，而总体上限L=0.85可能掩盖了社区或家庭层面的大幅变化。这种抽象对阈值机制的影响将在第6节进一步讨论，未来结合空间分解或基于代理的行为表示的方法将丰富这里开发的分析框架。

3.3. 污染作为政策与技术之间的耦合变量
将污染识别为上游行为政策与下游分选性能之间的关键耦合变量，并不仅仅是由于模型内部逻辑的结果——这与来自多个城市环境中的运营废物管理系统的大量实证证据一致。在设施层面，对单流系统和源头分离收集系统的物料回收设施的研究一致表明，进厂污染率对分选效率和质量有直接且可测量的影响。Eriksen和Astrup[24]通过实证表明，源头分离收集系统的进厂污染率处于个位数低范围，远低于混合流系统，并且这种差异直接转化为下游回收性能的提高——方程（4）中的污染函数就是为了反映这一关系而进行的明确校准。类似地，Damgacioglu等人[25]记录了佛罗里达州一个大规模物料回收设施的出厂污染动态，提供了设施层面的证据，表明输入流的纯度是回收产量的主要决定因素。在不同的城市背景下，Gadaleta等人[26]评估了意大利一个设施的分选效率，并报告在高污染条件下，无论是传统分选配置还是升级分选配置，性能都会下降——这一发现与方程（5）中用于区分传统和先进分选的差异化敏感参数（α=0.6对比α=0.35）直接相关。因此，污染作为耦合机制的实证基础超出了任何单一系统或建模框架，本研究对此关系的形式化可以理解为对现实世界动态的定量抽象，而不是模型依赖的假设。

模型结构中通过污染-效率关系（方程（5）明确表示了分选性能对输入材料质量的依赖性。将基准情景（BAU）污染水平（=0.49）代入先进分选配置（ε0=0.93，α=0.35）后，分选效率约为0.758，比仅由原料质量导致的理论最大值降低了18.5个百分点。这一结果可以与情景3到2045年实现的约47%的系统回收率相联系。这种改进不是由于先进的分选参数本身，而是由于它们与行为参与驱动的逐渐降低的污染水平（约15%）的相互作用。在相同的技术条件下但污染水平相同的情况下，模型产生的回收结果明显较低，表明系统性能受到上游材料质量的限制，而非处理能力。这一比较表明，在模型中，分选技术和输入材料质量是互补的系统组件。仅靠技术升级无法抵消高污染水平，而仅靠行为改进也受到传统分选系统效率限制的约束。只有当这两个条件同时改善时，才能实现高回收性能。因此，模型为优先考虑协调的政策-技术部署提供了机制基础，因为上游参与与下游能力之间的错配会导致系统效率的可测量损失。

3.4. 循环经济目标的时间动态与可行性
稳定在中位数约67-68%的回收轨迹（图4c）揭示了模型系统的一个结构性上限，这一上限源于两个在蒙特卡洛参数空间中持续存在的复合约束。第一个是嵌入在逻辑参与函数中的行为饱和限制（L=0.85，方程（2）），它限制了在持续政策执行下能够合规的废物产生者的比例。第二个是即使在最大参与率下仍然存在的残余污染最低限度，这通过方程（5）继续对分选效率产生轻微但不可忽视的拖累。这两个约束共同定义了一个无法通过现有系统配置中对行为政策或分选技术的渐进式改进来突破的上限性能边界。

概率分析强化了这一解释。超过70%的回收阈值并非持续政策实施和技术升级的必然结果，而是参与、污染和分选性能动态同时且有利对齐的偶然结果。蒙特卡洛结果显示，到2060年只有大约33%的模拟未来实现循环经济水平的性能，其余轨迹受到合理但不利的参数组合的限制，这些组合阻止了系统突破其结构上限。因此，曼谷向塑料废物循环经济的转型应被视为一种概率演进，而不是确定性进展——其成功不依赖于任何单一干预，而是依赖于这里开发的框架中共同控制系统回收效率的三个耦合变量的持续共同演化。

4. 材料与方法
4.1. 曼谷大都会区的系统描述及SOI的整合
曼谷当前的塑料废物管理系统主要是一个线性系统，反映了一次性消费模式，其中塑料材料从生产和使用到处置、收集和最终处理，几乎没有材料回收或重新整合到生产性用途[27]。为了实现塑料废物的循环经济，必须应用可持续固体绝缘（SOI）来重新配置现有的线性废物管理系统，而不仅仅是优化各个阶段。在这项研究中，SOI通过在废物管理链的关键点策略性地耦合政策和技术来实现，从而转变系统的结构和功能。具体来说，在废物产生的初始阶段（即家庭丢弃废物时）引入了源头分离政策。通过在这一点上进行干预，政策改变了处置行为，增加了源头分离的参与度并减少了材料混合的程度。这种行为干预对于在塑料废物流入下游流程之前提高其质量至关重要。

在系统的下游端，先进的 分选技术在最终处理阶段应用，收集的废物在此进行回收或处置处理。这些技术包括自动化的、基于传感器的或人工智能辅助的分选系统，比传统的手动分选具有更高的回收潜力，但对输入材料质量非常敏感。因此，它们的有效运行依赖于上游源头分离的成功。在这种配置中，技术不是作为一个独立的解决方案，而是一个由政策驱动的行为变化所支持的补充创新。

4.2. 情景设计
自2025年起，曼谷已将源头分离政策作为塑料废物管理的上游干预措施[7]。然而，单独实施政策不太可能显著提高系统回收效率，因为下游处理仍受污染和有限分选能力的限制。有效的系统转型需要将政策工具与分选技术和运营系统设计的创新相结合。在这项研究中，这样的系统级配置被概念化为SOI，如图7所示。因此，定义了三个发展情景来代表在不同SOI整合水平下曼谷塑料废物管理系统的演变。图7. 塑料废物管理路径的比较分析：从线性系统向成熟SOI的转变。
情景1：照常营业（BAU）——线性废物管理系统
该情景代表了实施源头分离政策之前的曼谷传统塑料废物管理系统。塑料废物从消费到处置的流程基本上是线性的，其中家庭废物在处置点基本混合[27]。因此，下游的收集和处理系统接收到的废物流非常多样化。分选主要是手动的且效果有限，导致材料回收率低，严重依赖填埋和焚烧[2]。在这种配置下，系统性能受到输入质量差、运营分散以及各阶段之间反馈不足的限制，反映了循环性有限的线性取用-使用-处置模型。

情景2：仅源头分离政策——部分系统干预
该情景反映了在下游处理设施没有配套技术升级的情况下实施源头分离政策的情况。家庭被要求将废物分为基本类别（例如，塑料、纸张、有机废物），提高了源头的分类效果，并减少了材料混合。政策干预通过系统性的价格信号来实现，具体是对混合废物处置征收分离费用。这种经济手段增加了未分离废物的相对成本，从而产生了家庭采纳和维持源头分离行为的内在激励。因此，随着时间的推移，参与率增加，同时收集的废物流中的污染水平降低。然而，下游处理基本保持不变，依赖于传统的收集物流和手动或半机械分选。尽管进入的塑料废物质量有所改善，但由于缺乏先进的分选技术，回收效率和服务规模仍然有限[28]。因此，相当一部分分离出的塑料仍然被送去填埋或焚烧，表明仅靠政策干预不足以完全重新配置系统。

情景3：成熟SOI情景——高参与度的 Technology-Intensive 分选系统
该情景代表了一个成熟的SOI配置，其特点是政策工具、技术基础设施和系统设计之间的强耦合。家庭在源头的分离参与度很高，这得益于一致的政策执行、行为激励和支持性信息系统的推动。废物管理系统采用了技术密集型的分选流程，包括先进的自动分选、数字监控和优化了的材料流管理。手动分选起着补充作用，重点是质量控制而非初步分离。高质量的分离塑料流使得下游回收高效，并显著减少了送往填埋或能源回收的残余废物。该情景反映了一个以循环经济为导向的系统，并为系统级评估提供了性能的上限基准。4.3. 模型开发与假设在定义了塑料废物管理的三种进化情景之后，开发了一套相互关联的系统模型来量化系统动态和性能。建模框架包括一个废物生成模型，用于估计塑料废物流量；一个行为模型，用于表示家庭在源分离中的参与情况；以及过程模型，描述了回收率随污染程度和分类效率的变化而变化的情况。这些组件被整合在一起，以模拟上游行为变化和下游技术能力如何共同决定材料回收和系统级结果。此外，还开发了这些模型以找到最低参与门槛以及耦合政策-技术系统达到循环经济相关性能水平所需的时间，该性能水平以系统级塑料回收效率来定义。本研究采用的关键模型参数和数值在表2中呈现。4.3.1. 废物生成模型年塑料废物生成使用指数增长函数进行建模，该函数捕捉了人口增长、消费模式和城市化随时间的累积效应：(1) 其中 表示第t年的塑料废物产量， 表示分析期开始时的基准塑料废物产量。年增长率为 。在本研究中，=2025年，基准废物产量设定为730,000吨/年[29]，反映了当前城市的塑料废物水平。增长率假设为 =0.02，这与快速城市化的大都市区中观察到的塑料消费和废物生成趋势一致[30]。4.3.2. 行为采纳与系统性能表述源分离政策的影响通过一个行为采纳模型来表示，该模型捕捉随时间逐渐增加的趋势，而不是瞬时合规。参与源分离的行为使用偏移逻辑函数进行建模，该函数允许参与度从初始水平逐渐增加到上限饱和度。(2) 其中 表示第t年参与源分离的家庭（或废物产生者）的比例。初始条件 在分析期开始时定义 =2025年，并设定为6%[31,32]。上限 表示在持续的政策执行和支持基础设施下可实现的最高参与水平，设定为85%[20,21]。这个数值不是来自单一来源，而是基于实证行为证据和建模考虑的综合结果。现有研究表明，在有利条件下，家庭废物分离参与度通常在70%到90%之间[21]，当系统被认为非常方便时，参与度接近85%[20]。因此，85%被采纳为一个乐观但合理的上限。这个参数反映了行为饱和度而不是完全遵从，考虑到了持续的行为异质性和系统约束。参数 决定了采纳速度，控制着 随时间如何接近；设定为0.35[33]。逻辑项确保了从初始参与度向饱和度逐步过渡，在实施期的中间点附近采纳速度最快。这种偏移逻辑表述捕捉了环境政策采纳中的实证观察到的行为扩散模式，其特征是初期采纳缓慢、实施阶段增长加速以及最终饱和。Tews等人（2003）的研究支持了这一点，他们观察到环境政策工具经常表现出这样的非线性模式，即在政策成熟和制度障碍被克服后，采纳阶段最初较低，随后迅速扩张[23]。通过明确表示部分和时间依赖的合规性，模型避免了假设立即或普遍参与，从而提供了城市废物系统中行为动态的现实表述。关键性能变量是有效回收率，随着源分离参与度的提高而增加。有效回收率定义为(3) 其中 表示第t年的有效回收率； 是在常规条件下的基准回收率，设定为0.2。这个数值与世界银行的材料流分析结果一致，该分析估计在当前收集和分类条件下，泰国的国家塑料回收率大约为19-22%[34]； 表示在完全政策合规和系统准备就绪条件下的可实现回收率，设定为0.5。这个数值反映了在类似中等收入城市环境中运行的良好源分离系统报告的可实现回收率，与区域循环经济评估中记录的回收率一致[35]； 是方程(2)中定义的源分离参与份额。4.3.3. 材料质量与技术耦合源分离不仅影响回收用于回收的塑料数量，还影响进入分选设施的塑料废物流的质量。输入材料质量通过一个污染参数来表示，该参数作为行为参与度的函数进行建模：(4) 其中 表示第t年塑料废物的污染水平； =0.49表示在混合废物、常规条件下的污染水平[36]。这个数值来自曼谷城市固体废物流的废物组成分析，其中塑料部分主要与有机和残渣部分一起在混合家庭废物中收集，在分选设施中的入站污染率在40-60%之间； 是在有效源分离下可实现的污染水平，设定为0.08[25,37]。这个数值与来自源分离或双流回收系统的实证证据一致，这些系统通常报告的入站污染率在低个位数范围（约3-6%）内，远低于混合或单流系统[38]。参与水平如方程(2)中所定义。分选性能根据方程(3)中的输入材料污染程度进行建模，反映了回收效率对进入分选设施的废物质量的依赖性。第t年的分选效率定义为：(5) 其中 表示分选效率； 表示在理想（低污染）条件下的最大可实现分选效率； 显示了分选性能对污染的敏感性； 是方程(4)中定义的进入塑料废物流的污染水平。表示了两种分选技术配置，以反映系统发展的不同阶段。传统分选以主要是手动或低自动化流程为特征，其中 =0.8， =0.6[5]。这些数值反映了主要是手动或半机械化分选操作的性能特征，其中对污染的较高敏感性导致随着输入流纯度的降低而显著降低的效率损失。先进分选代表基于传感器的、自动化的或AI辅助的系统，其特征是更高的最大效率（=0.93）和对污染的更低敏感性（=0.35）[26]。最大效率参数与接近红外和AI辅助系统在低污染条件下的分选性能报告一致，而污染敏感性参数反映了相对于手动分选系统性能下降的实证观测[6,26]。这些参数化反映了高级分选技术实现更高基础回收率和对污染的较低敏感性的实证观察。通过明确建模这种依赖性，框架捕捉了上游废物质量的改进如何条件化下游技术干预的有效性。4.3.4. 质量平衡与系统性能系统级塑料回收使用质量平衡公式进行计算，该公式整合了废物生成、行为参与和分选性能。第t年回收用于回收的塑料数量。(6) 其中 表示回收的塑料（吨/年）， 是分选效率， 是有效回收率， 是第t年产生的总塑料废物量。未回收用于回收的剩余塑料废物量计算为：(7) 为了便于跨情景和时间比较，系统效率被定义为有效回收用于回收的废物比例：(8) 表2. 本研究采用的关键模型参数和数值。4.4. 模型验证与确认模型验证和确认使用了结构化方法来确保建模框架的内部一致性、逻辑连贯性和稳健性。鉴于该模型是作为机械性的系统级表示开发的，而不是预测性工具，验证侧重于结构正确性和与文献中已建立的关系的一致性，而不是基于观察数据的实证校准。首先，进行了结构验证，以确认模型公式在内部是一致的。所有关键变量都被验证以确保在实际有意义的范围内（即，参与度、污染、分选效率和回收率在0到1之间受限）跨越整个模拟范围。其次，通过使用文献中得出的参数值和功能关系建立了概念有效性。该模型整合了公认的公式，包括逻辑行为采纳、污染依赖的分选效率和回收性能关系，确保每个组成部分都反映了实证支持的系统行为。第三，进行了敏感性和不确定性分析，以评估模型结果在参数变化下的稳健性。采用蒙特卡洛模拟来探索一系列合理的参数组合，并使用Spearman等级相关性敏感性归属来按参数和系统领域分解输出方差，如第4.5.3节所述。最后，在边界参数条件下进行了极端情景一致性测试，以验证关键变量接近其极限值时的模型行为。结果证实，模型再现了预期的系统响应，并在所有测试条件下保持稳定，表明输出是由结构上一致的关系驱动的，而不是任意的数值行为。总体而言，这些验证步骤确立了该模型作为分析城市塑料废物系统中耦合政策-技术动态的机械分析框架的可信度。4.5. 蒙特卡洛敏感性分析为了评估在行为和技术条件深度不确定性下的循环经济回收路径的稳健性，在2025-2060年期间进行了蒙特卡洛敏感性分析。该分析将行为参与、污染动态和先进分选性能的不确定性通过系统回收效率模型进行传播，生成实现循环经济性能阈值的时间和可行效率轨迹范围的概率估计。4.5.1. 不确定性 specification和抽样设计关键行为和技术参数的不确定性使用三角形分布表示，该分布具有下限、最可能（众数）值和上限。当参数值有界或政策目标已知但长期实证数据有限时，这种选择是合适的。在每次蒙特卡洛运行中，从指定的分布中抽样一个参数向量，并用它来模拟完整的效率轨迹。共执行了10,000次模拟，为长期系统轨迹提供了稳定的百分位数区间和概率度量。应用了固定的随机种子以确保随机分析的完全可重复性。4.5.2. 性能阈值指标循环经济性能阈值被定义为实现系统回收效率[39]。这个阈值得到了材料流建模研究的支持，这些研究表明，在优化的循环系统下，回收率接近大约70%在技术上是可实现的[40,41]。此外，来自先进废物管理系统和政策基准的实证证据表明，达到这个范围内的回收水平是可行的，使其成为高循环性能的现实而雄心勃勃的代理指标[39]。对于每次模拟，目标年份被定义为效率轨迹首次跨越阈值的一年。(9) 如果到2060年没有达到阈值，则该运行被分类为在预测范围内未实现。这允许直接估计达到特定里程碑年份的循环经济性能的概率。4.5.3. 敏感性归属分析为了识别各个参数对系统结果变异的相对贡献，并将不确定性分解为行为、系统级和技术来源，进行了Spearman等级相关性敏感性归属分析，涵盖了所有蒙特卡洛模拟集合。对于每个参数，计算了Spearman的等级相关系数（）与两个输出指标：2060年的最终系统回收效率和目标年份。选择Spearman等级相关性而不是Pearson相关性，因为它是针对输入和输出之间的非线性关系稳健的，这是鉴于模型方程的逻辑和乘法结构所期望的。分析在所有10,000次蒙特卡洛模拟中进行，提供了稳定和统计上可靠的敏感性估计。随后将参数分为三个分析上不同的组，以便按系统领域分解不确定性贡献：系统级结构参数（），行为参数（，，t0），和技术参数（ε0，α，）。结果以龙卷风图的形式呈现，显示了按绝对相关大小排列的参数，从而可以直接识别结果不确定性的主要来源和对政策干预最相关的杠杆点。5.**结论**

本研究通过运用系统集成（SOI）技术，深化了对城市塑料废物管理系统的运作理解，证明了循环经济的转型并非仅通过政策或技术单独实现，而是需要在这两者之间系统性地进行结合。以曼谷为代表的大型都市案例，建模结果显示，仅依靠源头分类政策所能产生的改善效果较为有限且进展缓慢，因为行为层面的改进受到下游技术能力的制约。相比之下，将行为政策与先进的分类技术相结合能够引发非线性的系统响应，加速废物回收效率的提升，并推动从传统的线性末端处理方式向循环经济的转变。

通过明确模拟行为采纳动态、污染效应及分类效率，在质量守恒框架内进行研究，研究发现技术效能受到上游合规性和材料质量的影响。污染减少被认定为政策影响技术效果的关键机制，这表明提高废物质量与投资基础设施同样重要。研究结果还表明，参与门槛和时间持续性对于系统转型至关重要，这解释了为何许多城市废物政策在初期往往效果不明显，并强调了政策和基础设施部署不同步所带来的风险。

研究结果还强调了系统级建模在评估复杂城市系统可持续性转型中的价值。该框架能够捕捉到单阶段或以技术为中心的分析所无法看到的反馈循环、非线性和时序效应，为设计协调的干预路径提供了结构化的基础。尽管该模型基于简化假设并从经济和制度约束中抽象出来，但它为理解政策-技术耦合在实践中的运作机制提供了坚实的分析基础。

除了曼谷案例外，这里开发的分析框架还提出了三个适用于耦合社会技术系统中系统集成研究的可转移理论命题：首先，技术效能受到上游行为合规性和材料质量的制约；其次，系统动态展现出参与度依赖的分岔阈值，超过这一阈值后性能会迅速提升；最后，向循环经济转型的系统级转变具有概率性特征，而非必然发生。这些特性并非曼谷案例所独有，而是普遍存在于下游技术效能依赖于上游行为输入的系统中。因此，该框架可为将系统集成分析扩展到其他领域（如水处理、能源转型和可持续农业）提供依据，在这些领域中，政策-行为-技术之间的相互依赖关系同样影响着系统结果。

总体而言，本研究强调了城市废物治理中的一个关键观点：实现高回收率需要长期整合行为政策、技术能力以及系统设计。建模框架表明，这些要素并非各自独立发挥作用，而是相互制约的——行为参与度决定了污染程度，污染程度又影响了分类效果，而分类效果则决定了基础设施投资是否能够带来与成本相匹配的回报。因此，谋求循环经济成果的城市应采取系统集成方法，确保上游行为政策与下游分类基础设施相协调，并根据本研究确定的参与度和污染门槛来安排投资顺序。

**局限性及未来研究方向**

虽然建模框架提供了宝贵见解，但仍存在一些局限性：首先，分析中使用的参数值来自文献和政策报告，而非针对曼谷的具体实证数据集，这可能影响量化的准确性；其次，模型忽略了经济成本、制度能力限制和非正规部门动态，而这些因素在曼谷的废物管理系统中起着重要作用；第三，研究未明确包括仅考虑技术的情景。虽然这种情景可以隔离下游技术升级的效果，但其省略体现了本研究对系统集成的重点，即强调行为干预与技术干预的整合。

此外，本研究对行为动态的描述依赖于单一的逻辑函数，忽略了现实系统中存在的空间异质性、社会经济差异和政策反馈机制。实际上，不同收入群体、社区特征和信息环境下的参与率可能会有很大差异。因此，该模型可能高估了政策干预下行为采纳的均匀性和速度。不过这种简化是有意为之，因为它便于清晰地分析系统层面行为参与、污染动态和技术性能之间的相互作用。

未来的研究可以进一步完善模型，纳入成本效益分析、空间异质性和基于 Agent 的家庭行为表征，以更精确地捕捉系统复杂性。利用曼谷分类设施的运营数据进行实证校准，将进一步提高模型的有效性和适用性。此外，该框架还可以扩展用于评估在不同污染条件下的技术干预的独立贡献。随着更多详细运营数据的可用，未来的研究将有助于模型的实证校准和进一步改进与验证。

尽管存在这些局限性，本研究仍为理解政策-技术耦合在城市塑料废物管理中的运作机制提供了坚实的概念和分析基础。