动态可解释预测与中国建筑行业碳排放的时空减排路径分析

《BUILDING AND ENVIRONMENT》：Dynamic Interpretable Prediction and Spatio-Temporal Reduction Pathways Analyses of Embodied Carbon Emission in China's Building Sector

中国建筑行业碳排放预测与减排路径研究，采用混合机器学习模型与蒙特卡洛模拟，揭示2030年ECE峰值达1.6亿吨，空间异质性显著，东南沿海和中央平原为主要贡献区，并识别2031-2041年为关键减排期。

　　

郑志科|双晴

XXXXX

摘要

随着快速的城镇化和建设，中国正面临建筑行业过度碳排放带来的严峻环境挑战，其中隐含碳排放（ECE）占了很大比例。在国家脱碳战略和可持续发展的紧迫性背景下，本研究重点关注中国建筑行业ECE的预测与减排路径。通过一个可解释的混合机器学习模型，本研究提出了准确的全国ECE预测，并将空间异质性分析扩展到31个省份。此外，结合碳强度预测和Tapio脱钩分析，本研究提供了明确的时间碳减排路径。这些发现提供了独特的见解：首先，预计中国建筑行业的ECE将在2030年达到峰值，为16亿吨，其中生产和拆除阶段占主导地位。其次，空间异质性分析显示，东南沿海和中部平原地区贡献最大，这主要受到经济发展和行业转型的影响。第三，时间碳减排路径揭示了2031年至2041年这一关键时期，展示了该时期脱碳的有效性和效率。这些结果为碳监管和可持续转型提供了重要方向，为全球碳减排和可持续发展提供了有针对性的建议。

引言

自21世纪以来，由于人口扩张、经济繁荣和技术进步的推动，全球发展加速，加剧了气候变化的挑战。全球碳排放持续上升，预计到2030年将达到560亿吨（联合国人居署，2019年；联合国，2024年），这加剧了极端天气事件的发生，迫切需要根据联合国可持续发展目标采取集体行动（联合国，2015年）。在这种背景下，建筑行业成为脱碳的关键焦点，占能源需求的34%和相关碳排放的37%[28]。通常，建筑碳排放分为运营碳排放（OCE），与建筑运营和设备使用期间的能源消耗相关[66,92]，以及隐含碳排放（ECE），来源于建筑产品制造（详见附录B）、现场施工、日常维护和最终拆除[31,76]。虽然OCE历来是能源效率关注的重点，但随着运营效率的提高，ECE的相对重要性正在上升，这带来了需要重点研究的独特挑战[33,101]。

中国的情况使这项研究更加紧迫。作为世界上最大的碳排放国，中国贡献了近30%的全球排放量，其建筑行业约占全国总量的二分之一[91,103]。为此，中国承诺实施“双碳”战略，目标是在2030年前实现二氧化碳排放峰值，并在2060年前实现碳中和[82]。

然而，中国的城市化进程带来了独特的挑战：快速的建设规模、对能源密集型材料制造和运输的依赖以及高比例的过早拆除。尽管如此，仍存在关键的研究空白。首先，与逐渐减少的OCE相比，ECE的研究仍然不足，缺乏对其长期减排潜力的系统解释[19,103]。其次，中国各地的社会经济条件存在巨大差异，迫切需要空间明确的模型，但现有研究往往依赖于汇总的全国数据，掩盖了地方差异[78,91]。第三，传统的静态或横截面分析方法难以捕捉ECE的动态演变、长期预测中的不确定性以及其与经济增长之间不断变化的脱钩关系[33,42]。

为了填补这些空白，本研究开发了一个可解释的混合机器学习框架，用于预测中国建筑行业的ECE。该框架通过Shapley加性解释（SHAP）来量化因素影响，并通过蒙特卡洛模拟来管理不确定性。分析扩展到省级层面，以揭示空间异质性，并提出针对地区的具体措施。此外，通过双重分析方法全面评估碳减排路径：静态碳强度预测，用于测量特定时间点的排放效率；动态Tapio脱钩分析，用于量化经济驱动因素与碳排放之间的弹性和演变关系。这种综合方法提供了即时的效率基准和转型趋势洞察，旨在提供有针对性的脱碳建议，同时为该领域贡献了一个新的、填补差距的框架。

本研究的主要贡献如下：

•

建立了一个新颖的混合可解释机器学习框架，以实现更高的预测准确性和实际可行性。通过包括统计性能指标和操作实用性的综合多标准评估系统来确定最佳机器学习模型。通过整合SHAP可解释性模型，克服了传统算法的“黑箱”性质，提供了对关键驱动参数的非线性效应和交互动态的透明洞察。

•

引入了一种先进的蒙特卡洛模拟范式，以解决长期ECE预测中的固有不确定性。虽然中国现有的文献通过敏感性分析等方法讨论了生命周期评估中的不确定性处理（[47]；[99]），但传统的静态情景分析可能难以完全捕捉现实世界参数波动的复杂非线性动态。为了克服这一点，本研究建立了一个动态随机模拟环境，以识别最可能的结果情景和稳健的置信区间。

•

提出了一个结合时空分析的框架，以研究不同地区的碳减排路径。通过将省级基准与动态脱钩评估相结合，本研究阐明了经济增长与排放之间的时间分离，提供了针对中国显著省际差异的有针对性的政策建议。

本研究的其余部分组织如下：第2节回顾相关文献。第3节详细介绍了方法论。第4节从时空角度展示了ECE动态预测和碳减排路径的结果。第5节讨论了研究结果及其意义，第6节提出了结论和研究局限性。

章节摘录

中国建筑行业的隐含碳排放

本研究中的碳排放指的是在整个建筑产品制造、运输、使用以及产品或系统生命周期结束时的回收或处置过程中释放的温室气体（以CO₂e计）[10,106]，其中建筑行业占据了主导地位，包括新建筑、运营、维护、翻新和拆除等各个生命周期阶段[91,103]。来自建筑行业的

方法

为了预测中国建筑行业的ECE，本研究选择了评估其动态趋势和发展的因素。通过应用灰色关联分析（GRA），识别并利用了有影响力的参数来建立基准情景。同时，本研究提出了一个混合机器学习模型，并通过多指标评估来评估，以解决单一模型分析中固有的潜在缺陷和偏差。此外，还使用了蒙特卡洛模拟

模型评估与选择

为了确保预测的准确性，本研究使用MAE、MAPE、RMSE和R²来评估六个模型。模型在2020年之前的数据上进行了训练，并在其余数据上进行了验证，超参数通过网格搜索和时间序列交叉验证进行了优化（详见附录F）[76]；[84]。

如表4所示，集成模型（RF、XGBoost、CatBoost）在所有指标上的表现均优于传统模型（SVM、ANN、BP）。值得注意的是，CatBoost在所有指标上均取得了最佳性能（R²

讨论

为应对快速城市化带来的环境挑战，本研究建立了一个全面的框架，用于分析中国建筑行业的ECE。通过整合GRA和多指标评估与混合机器学习模型，本研究实现了稳健的ECE预测。重要的是，SHAP模型和蒙特卡洛模拟的应用克服了传统算法的“黑箱”限制，考虑了动态不确定性，从而提高了预测的准确性

结论

本研究建立了一个可解释的混合预测框架，用于量化中国建筑行业的脱碳轨迹。结果表明，在动态情景下，预计ECE将在2030年达到约16亿吨的峰值。通过SHAP分析，建筑产品制造和运输以及建筑拆除过程被确定为主要的排放热点，这些过程受到科研支出和房地产投资模式的显著影响。

CRediT作者贡献声明

郑志科：概念化；数据整理；方法论；写作——初稿；软件；正式分析。双晴：概念化；写作——审阅与编辑；调查；监督。

数据可用性

数据可应要求提供。

未引用的参考文献

[11,[13], [14], [15],20,21,40,46,53,58,60,61,64,72,81,100]

CRediT作者贡献声明

郑志科：写作——初稿，软件，方法论，正式分析，数据整理，概念化。双晴：写作——审阅与编辑，监督，调查，概念化。