从7月10日起，在广州垃圾收费将以袋计量，这意味着居民将为多扔垃圾买单。一边是大城市面临的“垃圾围城”，一边是可能加大的生活成本，垃圾计量收费是变相涨价还是合理必然，此政策引发了网友的热议。专家们指出，垃圾收费是“垃圾围城”的严峻形势之下的必然的城市管理之路，但应科学细化诸如“垃圾袋实名制如何防范居民信息泄露”等相关政策细则，避免粗糙给实际运行带来的困扰。
垃圾实名制让网民“压力很大”
广州市将从7月10日开始实行垃圾按袋计量收费的试点工作。广州市城管委表示，将挑选小区试点垃圾费按袋计量收费，垃圾费随专用垃圾袋征收，垃圾袋用少了的居民会获得减免垃圾费奖励，居民扔多少垃圾就付多少钱，垃圾越少，缴费就越少。
专用垃圾袋也将贴有具有防伪标志的标签，同时还将在袋上标明区、街道、社区以及房子编号，以编号对应每户家庭。如果发现有居民没有做好分类的，执法人员可根据这一编号追查到扔放垃圾源头的居民个人。
垃圾实名制收费的消息引发了网友们的热议，大多数网友表示“压力很大”，直呼“垃圾都丢不起了”，并认为此举实为变相加价，不仅增加了垃圾处理费的费用，而且有“花大钱办小事”之嫌。
网友“品牌民工”说，目前广州市每月生活垃圾处理费为15元，而新政之下，每个专用垃圾袋为0 .5元，每月标配的60个垃圾袋成本就是30元，还不计算额外超出的部分，为巧立名目过度收费。为了节省15元，政府要花150元成本1500人力来维护。
此外，“实名制”追踪溯源的办法也让许多网友心存畏惧，认为实名制会带来个人信息泄露、他人恶意栽赃等侵犯隐私权所造成的一系列问题，并且，不排除为了节省垃圾处理费，部分市民将自家垃圾扔到公共场所的可能性。
但是，批评声浪中，“谁产生垃圾谁付费”的支持者也不少。支持者认为，实行“垃圾实名制收费”制度后，市民维护城市环境的意识将会明显增强。日本、韩国、台湾都是在使用这种方式减少垃圾的排放量，实践证明这是一种成熟的垃圾处理模式，值得我们学习借鉴。每年缴纳的垃圾处理费虽然不算多，但却能让人们产生“自己污染，自己负责”的意识，从而起到一定的警示作用，“倒逼”市民对城市的环境保护负起责任。
垃圾围城困境之下的破冰之举
据广州市城管委总工程师鲍伦军介绍，7月10日将向社会公布几个封闭式试点小区，试点全新的生活垃圾“垃圾费按袋计量收费”模式。在新模式下，试点小区的居民每月获得政府免费派发的专用垃圾袋(每天2个，1个装厨余垃圾，1个装其他垃圾)，垃圾袋的容量在10升至14升之间。居民扔垃圾只能用这两种专用垃圾袋。如果垃圾较多、免费派发的垃圾袋不够用，市民须自己掏钱另行购买专用垃圾袋，单价约为1元。
面对“专用垃圾袋剥夺市民自由选择权利，强买强卖”的质疑，鲍伦军说“这是由于垃圾袋价格中包含了垃圾运输、处理等费用。台北的标准是14升垃圾袋收费相当于1元人民币，广州的起步价也将和这个接近。”
出台实名制按量计价的垃圾处理方式，目的是希望以经济手段约束居民减少垃圾制造量。鲍伦军说，垃圾袋用少了的居民会获得减免垃圾费奖励，居民用多少垃圾就付多少钱，垃圾越少，缴费就越少。
如果居民偷偷随便乱扔垃圾，如何处罚？对此，鲍伦军说，如果居民不使用专用袋子装，分类投放专管员或者环卫工人则可以不收其垃圾；如果屡教不改的，就要依法给予相应的处罚。广州还将试点实施定点收运，居民只能在固定地点投放。街头垃圾集中堆放点将设监控系统，对乱扔垃圾的行为实现实时监管。
周密设计政策细则防范粗糙决策
广东省社科院产业经济研究所所长黎友焕认为，出台垃圾按袋计量收费的办法，是目前广州正在面临的垃圾围城严峻形势之下的倒逼之举。这是形势所逼，也是建立环境友好型社会所必须走过的城市管理之路，更是一个城市产业如垃圾再生利用等得到可持续发展的重要举措。
与诸多大城市一样，广州也正在面临着“垃圾围城”的挑战与压力。广州市每天大约会产生1 .4万吨生活垃圾，但这些生活垃圾目前绝大部分以填埋的方式处理，还有一部分进行焚烧。随着广州城市的扩张，每天的生活垃圾产生量还在不断增加，现有的垃圾处理终端即便超负荷运转也很难完全满足对这些生活垃圾的处理。
据介绍，伴随生活水平提高，人均垃圾产生量会呈现增长态势，纽约目前每人日均产生3公斤垃圾，台北每人日均产生1 .6公斤垃圾，广州每人日均产生1.2公斤。
黎友焕指出：“广州市10年前就已开始在全国率先探索建立垃圾分类，可是因为没有建立收费等经济手段以及可追溯到个人责任的细则制度，让垃圾分类长期停留在一纸空文上，无法破解‘垃圾围城’的难题。目前这种通过收费的方式必然会促使市民主动减少垃圾，是符合目前我国国情的行之有效的做法。”
广东合邦律师事务所黄志威则认为，对于按袋计量收费的做法，方向是正确的，只有源头减量才是解决垃圾问题的根本性关键问题。但他同时建议，“政府在正式实施这项事关家家户户的措施前，应周密策划相关细则，特别是关于垃圾袋实名制的问题应充分考虑如何保护居民隐私等，从而防范粗糙决策，避免给实际运行造成不必要的负面效果。
