《Modelling》：Towards the Lowest-Carbon Home: Exploring the Effects of Building Shape, Size and Material Selection on CO2e Embodied Emission
建筑隐含排放（embodied emissions）在欧盟（EU）国家预计将受到限制；随着建筑能耗不断下降，其材料足迹正变得愈发显著。本文呈现了单体住宅（single-family houses）隐含排放的分析结果，该排放取决于住宅的形体特征与所用建筑材料类型。方差分析（ANOVA）、Shapiro–Wilk检验、Kruskal–Wallis检验以及分类与回归树（C&RT）被用于分析一个确定性设计空间数据库，该数据库包含逾3.5万个计算情景，并对住宅各特征的重要性进行排序。研究人员分析了住宅的单位排放（每平方米、每年）与全生命周期排放，并结合住宅面积、形体及建造材料进行讨论。在规划限制CO2e隐含排放时，研究人员提出了在建筑评估中采用全生命周期排放（以实现更优可持续性）的建议并予以证明。
欧盟建筑是原材料消耗水平最高的部门。根据欧盟气候法（EU Climate Law），欧盟成员国力争于2050年实现气候中和，这一目标在未来数年可能对建筑业产生最高程度的影响。欧盟建筑还约占能源消费总量的40%以及能源相关温室气体排放的36%，其中约26%为运行阶段排放（operational emissions），其余为隐含排放（embodied emissions），即与建筑材料相关的排放——从提取、制造、施工、维护直至处置阶段。过去数年，欧盟立法侧重于提升建筑能效，得益于此，新建建筑能耗降低。2025年欧盟可再生能源在最终能源消费总量中的占比达26.2%（Eurostat临时数据）。这导致对于现代化建筑而言，隐含排放与运行排放往往已经相当。随着新EPBD指令出台，欧盟委员会旨在降低建筑能耗、提高可再生能源占比并改善既有建筑的能效标准；该指令还要求自2028年起对有用楼面面积超过1000 m
2的新建建筑、自2030年起对所有新建建筑计算并披露生命周期全球变暖潜势（GWP）。这些举措将提升隐含排放的重要性，使其预计成为可持续建造更为关键的方面。隐含排放已成为众多科学论文的研究主题，近期研究还将机器学习应用于两类排放。部分国家（丹麦、芬兰、法国、荷兰和瑞典）已实施全生命周期碳（WLC）排放核算承诺。随着新CPR法规出台，建材制造商将被要求在性能声明中申报材料的CO
2e足迹，为未来可能对建筑实施强制性生命周期评估（LCA）做准备。丹麦、荷兰和法国已设定CO
2e阈值，这些要求以建筑每1平方米为基准，类似于其他欧盟国家对最大一次能源消耗的要求。既有研究涉及能效与有前景的低碳材料，近期研究还考察了材料用量与低碳材料选择各自的作用，并有研究考察了住宅隐含碳基准及建筑几何形态的影响。仍需进一步分析以评估建筑规模、紧凑度及不同建材组合在全生命周期内的同时影响；此外，绝对总排放与按楼面面积归一化排放之间的关键对比仍探讨不足。尽管近期产品阶段研究识别了这一关系，但其在更长生命周期内的含义仍探讨不足：较大住宅可能产生更高的全生命周期总排放（LL50），同时实现更低的单位排放（U50）。由于这一研究空白，政策制定者与设计者并不清楚哪些因素对总CO
2e足迹影响最大。若不解释这些因素，未来仅关注按楼面面积归一化单位排放的法规可能导致不良结果。由于在较大住宅中从数学上更易满足每平方米限值，此类法规可能产生设计更大建筑的非预期激励，最终增加绝对温室气体排放。然而，本文未对开发商行为建模，故此为潜在的监管后果，需进一步研究。同时，通过分析大量单体住宅变体数据库填补关于总CO
2e足迹因素的研究空白，使研究人员能够呈现支持本研究贡献的数据驱动证据，即建议应优先限制绝对全生命周期总排放而非单位排放，以实现真正的可持续性。本文旨在分析不同类型建筑结合不同建材组合的CO
2e足迹。研究纳入单体住宅，因为据作者基于波兰市场估计，该市场细 ?????供应了所有砌体单元产量的45–50%。文章呈现了哪些建筑构件影响隐含CO
2e排放，并阐述为何总排放（而非单位排放）对可持续建筑同样至关重要。文章聚焦于以下中间问题：比较不同面积住宅的全生命周期与单位隐含CO
2e排放；评估建筑形体与规模的影响相对于建筑材料对单位排放与全生命周期排放的影响；通过所呈现的计算予以解释，并结合客户取向进行讨论，从而推理应限制哪些因素（通过法规）以更好地保护环境。
2. 材料与方法
2.1. 材料
本文数据库由两个数据库合并而成。第一个数据库包含各类建筑各分隔构件的表面积，最初用于成本估算，于2018年作为网络服务实施。原始数据库包含总面积为40至400 m
2的单体住宅数据。本文分析面积为40、70、100、120、150、180、200、240和300 m
2的住宅。本研究中楼面面积指总楼面面积。为确保所比较住宅的功能等效性，所有分析变体均提供相同的基本单体住宅居住功能；此外，所有结构与材料配置均确定为覆盖完全相同的热工要求，确保建筑在能效标准方面功能等效。对每个面积分析12种建筑类型，因为分隔构件表面积（因而隐含CO
2e排放）强烈依赖于层数、屋顶类型和形体复杂度。简单结构为矩形平面，宽长比恒为0.8；中等结构为L形建筑，车库从主体突出，几何建模为从矩形平面减去恒定5.5 m
2并应用调整后的周长乘数。为确保计算可复现，建筑模型纳入严格几何假设：标准层高每整层设为2.8 m；窗墙比（WWR）对所有平房和两层建筑定义为20%，对带阁楼和双坡屋顶住宅为15%，对带阁楼和围护屋顶住宅为10%；屋顶坡度对带双坡屋顶的平房固定为25°，对带阁楼住宅为40°。基于9个总楼面面积类别和12种不同建筑几何，定义了108种基础建筑类型。第二个数据库由建筑材料组成。计算所用材料为波兰单体住宅最常用材料；所有变体均确定为满足国家法规规定的热工要求；仅组合常见变体。各层使用寿命依据指南假定，特定更换间隔汇总于附录A。分析采用以下模块：A1原材料供应；A2原材料运输；A3建筑产品制造；B1使用；B4更换；C3废物处理；C4废物处置。需要指出，此模块选择严格聚焦于隐含排放；本研究所用“全生命周期排放”等术语仅指特定时间范围内这些特定模块之和，不构成完整的全生命周期碳（WLC）评估，因为运行碳（如模块B6——能源使用）被明确排除。维持此边界以清晰区分材料隐含排放与建筑运行能耗。还需指出，数据未包含市场上所有产品，故所得计算应仅视为估算。例如，黏土仅有两条EPD可用——一条为带空腔保温的单一构件，另一条为密度575 kg/m
3的标准砌块，而市场上大多数构件密度更高。结果表明模块B1影响显著，其中含石灰或水泥的构件计算了再碳酸化（recarbonation）。模块B4的计算也可能有相当影响，因为必须了解特定材料的更换频率。所有材料按3个使用寿命期计算：50、70和100年。50年使用寿命源于新EPBD指令，可能反映欧洲标准，即住宅建筑使用寿命为50年；这并不意味着建筑仅存在假定时期，而是此后可能需要翻新。分析另外两个时期是因为2021年波兰38%的住宅建筑年龄超过50年；就可持续性而言，建筑应设计更长时期。需要指出，本研究为确定性设计空间分析，真实分析单元是计算情景，而非对既有建筑的独立统计观测。本文中设计“变体”指建筑形体与建筑材料的可行组合；计算“情景”指针对特定生命周期（50、70或100年）计算的变体。组合依据严格的构件存在性与结构兼容性规则生成：首先，9个总楼面面积与12种建筑几何组合，提供108种基础建筑类型；其次，与所示材料配置组合。过滤设计空间数据库的算法排除结构或建筑上不兼容的组合以确保现实模型。例如，特定屋顶饰面严格绑定其几何类型；平屋顶层（如EPDM膜）仅分配给平屋顶几何，而带陶瓷瓦的坡屋顶仅分配给双坡或围护几何。此外，应用结构安全排除，如防止将重型钢筋混凝土屋顶或楼板置于轻木框架墙上。此算法过滤程序为9个住宅面积组各产生恰好1323个可允许且结构可行的材料-几何组合；因此，有效设计变体总数恰好为11,907（9个面积组×1323个变体）。按3个生命周期计算，最终数据库由35,721个确定性情景组成。特定材料的环境产品声明（EPD）取自在线数据库。由于不同来源的EPD可能差异显著，应用基本协调与选择程序以确保数据可比性。首先，仅选择基于EN 15804标准和相关产品类别规则（PCR）的有效声明；为确保地理一致性，优先选择代表德国和波兰生产材料的EPD，从而对电力结构和生产技术作相对一致的假定；其次，将各EPD的声明单位重新计算以匹配本研究分析的分隔构件特定体积或面积，考虑所用材料的典型密度和含水率。尽管有此选择过程，必须注意合并多个数据库始终存在轻微方法学差异的风险，如EN 15804+A1与+A2版本之间或生物碳特定处理的差异。这些因素被视为当前EPD系统的固有局限。
2.2. 方法
2.2.1. 用ANOVA评估样本均值
所创建数据集允许多种分析。最初选择方差分析（ANOVA）比较住宅结构组与总内置排放和单位CO
2e排放。ANOVA已成功应用于许多问题。在其中计算统计量并与（从Fisher分布读取）比较，后者取决于假定置信水平、和。自由度（和）定义如式（1）、（2），其中为所有样本中案例总数；为样本案例所属不同样本数。仅当不能拒绝原假设（关于各样本计算均值相等）。应用ANOVA需满足以下条件：各总体随机变量独立；变量可测；各总体随机变量分布正态；所有总体方差齐性。基于文献可认为所创建数据库中所有案例的独立性和可测性得到保证。样本正态性的强检验是Shapiro–Wilk检验，应用于多种分析。检验以下假设：H0：所考察参数值服从正态分布；H1：这些值分布非正态。基于式（3）计算统计量，其中为样本中非排序值；为样本中递增排序值；为均值；为样本中值数；为除以2的总部分；为依赖于的表格化系数。然后将计算的检验统计量与理论比较，后者取决于和置信水平。若无理由拒绝原假设（关于样本正态分布）。Statistica 13软件（Tibco）不进行比较而返回值。若则亦，故此时确认正态性。此确认在确认ANOVA应用最后条件即所比较样本方差齐性之前是必要的。可用Levene检验完成，其统计量与基于Fisher分布的理论值比较，后者取决于置信水平及依赖于的和自由度；但检验统计量不基于值（如ANOVA中）而基于按式（4）计算的值，其中为样本中值；为样本中均值；为样本中的均值。若接受原假设（关于所分析样本方差齐性）。然而分析中出现，对于大多数比较所准备数据库子集的尝试，子集的正态性无法用Shapiro–Wilk检验确认。子集标签“U”表示考虑单位排放值，“LL”表示考虑全生命周期排放；p值低于假定，故应接受备择假设H1，即未确认所有这些样本的正态性。这排除了ANOVA应用的可能性（以及用Levene检验验证齐性的必要性）。因此，使用非参数Kruskal–Wallis检验比较子集。
2.2.2. Kruskal–Wallis检验
由于样本——住宅类型——是生成的而非观测的，样本分布可能非正态可以理解。此时Kruskal–Wallis检验有助于评估样本子集间差异。Kruskal–Wallis检验为非参数检验，即可应用于非正态分布样本；它基于Mann–Whitney U检验（亦称Wilcoxon秩和检验），后者专用于比较两个样本。Kruskal–Wallis检验最多可应用于10个样本。对每个样本分别对样本值排秩，仅用秩计算统计量，如式（5），其中为所分析样本数；为样本中值数；为样本中第次观测的秩；为所有给定值的平均，如式（6）；为样本中所有观测的平均秩，如式（7）。然后将统计量与相应临界值比较，后者取决于置信水平并可从表中读取。若统计量显著即，则拒绝原假设，意味着两样本间存在随机优势；然后建议进行两样本间两两比较。Statistica软件返回值；若则。考虑Kruskal–Wallis检验的成功应用，决定仅用此检验确认所分析子集间差异的统计重要性。对于同一建筑变体在两个不同使用寿命期（50和100年）计算的比较，观测是配对的而非独立的；因此这些比较使用配对样本的Wilcoxon符号秩检验。研究人员分别对单位排放（U50 vs. U100）和全生命周期总排放（LL50 vs. LL100）应用该检验，统计显著性假定p < 0.05；配对差异的幅度另用效应量r量化，计算为|Z|/√N。相比之下，九个独立住宅面积组间的比较使用Kruskal–Wallis检验，随后进行带Holm调整的Dunn事后比较。
2.2.3. 分类与回归树（C&RT）
Breiman等推广了决策树，亦称分类与回归树（C&RT）或简称决策树（DT）。若若干特征描述所分析现象且记录许多（数百或数千）观测，则可应用此分类（或预测）工具。数据集在节点（所谓叶）中分裂为子集。用户可通过给出最小记录案例数（数据库行数）指定停止分裂准则；若特定节点无分裂，该节点成为末端叶。基于末端叶分析可读取预测类别或预测值。可能的分裂众多——描述所分析现象的自变量可为数值也可为类别，且涉及元启发式以寻找最佳分裂准则，旨在最准确预测（回归问题）或最准确分类（分类问题）。若DT用于分类问题，则产生特征排序，转化为相对重要性列表。此排序基于某特征在树中作为叶准则使用的次数，并基于属于或经过这些叶的案例数。机器学习工具创建自变量对输出（即因变量）影响重要性的排序这一能力被称为“特征重要性”。由于通过C&RT获得的特征重要性结果已获证明，决定基于Statistica软件（Tibco）在本文中加以利用。
3. 结果
3.1. 全生命周期排放与单位排放
为便于阅读结果（尤其图和表），应用以下缩写与标记：U为每平方米每年单位隐含CO
2e排放，单位千克；LL为住宅全生命周期隐含CO
2e总排放，单位千克；50为50年生命周期；100为100年生命周期。例如，标签U50表示基于50年住宅生命周期计算的单位排放分组案例。CO
2e排放的基本统计量见表2；基于50年和100年住宅生命周期的单位排放与全生命周期排放比较见图3。50年与100年生命周期情景的比较涉及配对观测，因为每个50年使用寿命计算值都有同一建筑变体100年使用寿命的直接对应值；因此使用配对样本Wilcoxon符号秩检验而非独立组检验。如预期，全生命周期隐含总排放随假定使用寿命增加；LL排放中位数从LL50的51,764.26 kg CO
2e增至LL100的74,284.48 kg CO
2e，配对增加中位数为22,086.18 kg CO
2e；LL100在所有11,907个分析建筑变体中均高于LL50。Wilcoxon符号秩检验确认差异具统计显著性（W = 0，p < 0.001），效应量大（r = 0.866）。此增加主要源于更长使用寿命期内建筑构件的更换或翻新。单位隐含排放（每平方米每年）呈现不同关系：单位排放中位数从U50的7.192 kg CO
2e/(m
2·year)降至U100的5.144 kg CO
2e/(m
2·year)，配对减少中位数为2.055 kg CO
2e/(m
2·year)；U100在所有11,907个对应建筑变体中均低于U50。Wilcoxon符号秩检验确认此降低具统计显著性（W = 0，p < 0.001），效应量同样大（r = 0.866）。这些结果表明，延长假定建筑使用寿命对两个排放指标产生相反效应：绝对全生命周期隐含排放增加，而年化单位排放降低。因此，评估建筑环境性能可能因考虑绝对全生命周期排放还是按楼面面积与使用寿命归一化排放而得出不同结论。
3.2. 按住宅面积分组的排放
不同面积住宅LL50排放分布见图4。九个住宅面积组（40、70、100、120、150、180、200、240和300 m
2）间差异使用Kruskal–Wallis检验评估；在显著总体结果后，使用Dunn事后检验进行两两比较；为控制36个两两比较的族错误率，p值用Holm程序调整；两两比较的效应幅度用Cliff's delta（δ）量化，95%置信区间用非参数自助重采样（1000次重复）估计；中位数和四分位距（Q1–Q3）作为描述统计报告；统计显著性设为调整后p < 0.05。Kruskal–Wallis检验揭示九个住宅面积组间显著差异，H(8) = 10,175.37，p < 0.001，总体效应大（ε2 = 0.855）。带Holm调整的Dunn事后两两比较确认所有36对住宅面积组间差异具统计显著性（所有调整后p < 0.001）。两两差异幅度差异相当大，如Cliff's δ所示。LL50中位数随住宅面积单调增加，从40 m
2的18,667.98增至300 m
2的91,511.20。带Holm调整的Dunn事后检验显示所有36个两两比较均具统计显著性（所有调整后p < 0.001）。两两效应量差异显著：Cliff's δ绝对值范围从180 vs. 200 m
2比较的0.265到若干相距较远面积组的约1.000，表明统计显著性伴随从中等至近乎完全分布分离的效应。对单位排放准备了类似计算，不同面积住宅U50分布箱线图见图5。单位隐含CO
2e排放分布跨九个住宅面积组（40至300 m
2）分析。描述统计揭示单位排放随住宅面积增加明显单调下降：中位值从最小住宅（40 m
2）的9.334降至最大住宅（300 m
2）的6.101，降幅约34.6%。此模式表明，尽管较大住宅产生更高全生命周期总隐含排放，但单位楼面面积与年份的隐含排放负担随住宅规模增加而降低。Kruskal–Wallis检验确认九个住宅面积组间单位隐含CO
2e排放具统计显著性差异，H(8) = 3489.56，p < 0.001；相关效应量ε2 = 0.293，表明住宅面积占排名单位隐含排放变异的相当比例；然而此效应幅度远小于总隐含CO
2e排放所观察到的。带Holm调整的Dunn事后两两比较显示36个住宅面积比较中有35个单位隐含CO
2e排放差异具统计显著性；唯一未达统计显著性的是180与200 m
2组间比较（调整后p = 0.149），其中位数差异仅0.151，效应量可忽略（Cliff's δ = 0.043）。差异幅度通常随住宅面积组间间隔增大而增加。例如，40与300 m
2比较产生中位差异3.233和非常大效应量（Cliff's δ = 0.848）；相比之下，相邻较大住宅面积组间比较即使差异仍具统计显著性，效应量也小得多。总体而言，结果表明单位隐含CO
2e排放随住宅面积增加而系统性降低；然而相邻较大住宅间效应量递减表明，降低速率随住宅面积增加而逐渐变小。因此，该关系不应仅以统计显著性解释；虽然相距较远住宅规模间差异显著，但某些相邻大面积组间差异在实践意义上小或可忽略。
3.3. 住宅各构件在LL50排放中的占比
如本文第2节所述，计算每栋住宅LL50排放时考虑10个住宅构件。这些构件的描述统计见表9。占比变化的强度见图6和图7。
3.4. 基于对LL50排放影响的住宅特征排序
为评估所选特征对LL50排放值的重要性，使用决策树。研究人员为11,907种住宅结构类型各分配一个类别：若给定案例的LL50值低于中位值，分配类别为Low（L）；否则为High（H）。在运行软件搜索最佳分类决策树之前，设置变量：因变量即类别（H或L）；自变量包括住宅面积（Area）、按层数的住宅类型（Storey）、屋顶形状类型（Roof）、建筑形体复杂度类型（Shape）、外墙建筑材料类型（External walls_m）、内墙建筑材料类型（Internal walls_m）、隔墙建筑材料类型（Partitions_m）、楼板建筑材料类型（Ceiling_m）、基础建筑材料类型（Foundation_m），自变量名称后加的字母m表示选择指建筑材料类型。允许节点分裂超过200个案例，最大节点数定义为1000。由于案例数众多（11,907），案例被随机分为训练子集和测试子集；同样原因，无需应用交叉验证程序；总案例数的15%分配给测试子集。应用DT的目的不是预测类别或数值，而仅寻找自变量的重要性排序。软件找到的自动分类结果即混淆矩阵见表10，总体准确率为94.8%。鉴于此，特征（自变量）排序可评估为有意义。由于标准与大规模住宅建筑的隐含排放驱动因素可能根本不同，数据集被分为两个对比子集：第一子集涵盖面积不超过150 sqm的住宅（6615个案例），代表典型、经济的单体住宅；第二子集包括面积180 sqm及以上的住宅（5292个案例），代表大型或高端住宅。中间面积（150至180 sqm之间）在此特定分类步骤中被有意省略，以建立清晰边界并使两组极化；此方法选择强化数据集间对比，确保分类树的特征重要性反映不同的结构与建筑类型而非过渡案例。对这些两个子集重复创建DT分类器和排序特征重要性的程序。较低面积（40至150 sqm）子集混淆矩阵见表12，总体准确率为96.8%；此次节点最小分裂设为50个案例。鉴于此，特征排序可评估为有意义。第三次DT分类尝试基于5292种住宅结构类型，住宅面积为180至300 sqm；此处节点分裂限值设为50个案例，混淆矩阵见表14，总体准确率为97.8%。鉴于此，特征排序可评估为有意义。通过决策树预测LL50值来评估特征重要性的尝试失败：尽管平均绝对百分比误差（平均相对误差）看似有前景即11.7%，但误差分布显示超过50%案例的绝对相对误差高于10%（最高达55.6%）。此外，住宅面积是唯一数值自变量，其余自变量为类别变量，故其自然被发现为最重要预测变量。因此，决定基于分类来推理预测变量的重要性。
4. 讨论
4.1. 建筑材料与几何属性对CO
2e分类的预测重要性
基于影响全生命周期CO
2e排放的属性排序，可比较住宅结构所用建筑材料与住宅形体相关属性的影响。为此，将所呈现的相对重要性转换为各表总和等于1的值。可计算建筑材料（描述末尾带m的属性）的总影响与非材料住宅属性的影响。尽管存在差异，显然非材料属性（即住宅面积、层数、屋顶形状和建筑形体）在C&RT模型中占有相当相对重要性——对较大住宅约占模型预测力的33.6%，对较小住宅约占35.9%。然而必须强调，这些值代表基于模型的特征重要性（即变量对提高分类树算法节点纯度的相对贡献），不应直接解释为物理隐含排放的因果分解；它们表明给定特征类在模型内对LL50排放水平的分类有效性，而非归因于该特征的CO
2e千克绝对百分比。尽管如此，此高预测重要性稳健地证明非材料设计参数是最终碳分类的主导驱动因素。这是一个关键观察，强调客户——通常是非专业人士，更关心住宅的规模、形体和视觉吸引力而非特定建筑材料——无意中做出早期决策，强烈决定建筑的整体可持续性特征。另一重要发现是，基于结果可指出，建筑面积的影响对较大面积住宅比较小面积住宅高10倍。
4.2. 住宅面积对U50和LL50排放的影响
单位（即每平方米）排放是两组参数的函数：建造住宅所用建筑材料类型；住宅结构类型即住宅非建筑材料特征、住宅面积和年数。如所观察，住宅面积越大，U50越低；不同面积住宅组间差异的统计重要性已获证明。然而住宅面积越大，全生命周期LL50排放越大；如所观察，此关系（亦经统计确认）比U50排放的情况强得多。LL50排放取决于单位排放、年数（此处50年）和住宅面积。仅限制单位排放的法规可能产生非预期监管激励。由于在较大住宅中从数学上更易实现较低U50，此类规则可能无意中鼓励设计更大建筑仅为满足阈值；因此，总（全生命周期）排放LL50将高得多，因为住宅面积与LL50之间的关系显著强于住宅面积与单位排放U50之间的关系。然而，由于本研究未对实际投资者或家庭行为建模，此仍为潜在非预期后果，需进一步多学科研究。
4.3. 考虑LL50和U50限值的设计情景可行性
同时限制LL50和U50排放可能严重限制可用设计情景，若排放限值设得过低，则难以甚至不可能找到可行的材料与结构组合。对涉及50年生命周期的数据库多次过滤，以找出LL50排放和U50排放处于同十分位的住宅结构；满足这些标准的住宅结构数量见图14。
5. 结论
当今可用数据不够复杂，无法指出可持续建筑的最佳材料。理论上基于EPD的数据应可靠，因其基于国际标准并受第三方验证；实际上比较同类型材料的EPD往往导致完全不同的结论。这就是许多方面一直等待协调标准适应新通过CPR法规的原因。新CPR完全实施后，CO
2e足迹将在性能与一致性声明中申报，制造商将对申报值承担更多责任；实施将至少持续数年。LCA分析应在全生命周期中包含隐含足迹。目前取决于欧盟成员国计算中采用哪些模块，故建筑评估方式不同。必须采用所有模块计算并比较相同数据，因为这对整体分析有巨大影响。A1至A3模块的初步评估可能误导，因为使用阶段的再碳酸化和非耐久层的必要更换可能显著改变材料评估；材料报废阶段对LCA分析的复杂性也很重要。尽管C&RT分析表明建筑材料选择对总隐含排放具有最高预测权重（约占聚合特征重要性的64–66%），非材料参数——如楼面面积、层数、屋顶类型和建筑形体——仍占预测模型的相当部分（超过34%）。虽然材料选择是主导因素，但建筑几何决定分隔构件总表面积，有效充当材料相关排放的乘数。因此，建筑形体与规模优化仍是关键的早期设计策略；它在具体材料决策最终确定之前为降低绝对排放提供客观基础，这在建筑产品环境数据仍不确定时尤为宝贵。任何国家的法规都不应仅关注每1平方米排放，因为如本研究证明，住宅越大，每m
2 GWP越低。在严格基于单位居住面积的限值情况下，从数学上更易通过建造更大住宅而非更小住宅来满足阈值；这产生潜在非预期监管激励，可能无意中鼓励建造更大建筑，就总绝对排放而言不可持续。屋顶最高排放源于所用膜；选择不同材料可改变其在总排放中的占比。影响最强的因素是楼板材料：一方面，楼板是CO
2e足迹高的建筑构件，预期其在CO
2e足迹中占比最高；另一方面，楼板面积可等于建筑面积（带坡屋顶的平房），或甚至不存在楼板（带平屋顶的平房）。影响第二强的因素是建筑面积，因为比较两个相反面积40和300 m
2，在带平屋顶的矩形平房情况下，一个周长面积比为0.6，另一个为7.50。总隐含排放中许多变量可影响结果；待优化因素取决于建筑类型。优化前必须确保数据一致性，这可能在引入环境参数申报责任后才可能实现。尽管有重要发现，本研究存在若干应承认的局限。第一，建筑材料及其结构组合数据库主要基于波兰市场和国家热工要求；因此结果和隐含排放的确切占比可能因其他气候和具有不同建造实践的地区而异。第二，当前可用EPD未覆盖市场上所有产品，数据一致性仍在发展。第三，应指出数据库涉及特定建筑集，故仅提供分隔构件面积及其CO
2e足迹的近似；每栋建筑均个体化，故这些一般结果不能直接应用于任何特定设计情境。由于这些事实，所得计算应仅视为估算。此外，由于模块B4（更换）强烈促成50、70和100年情景间差异，C&RT分析生成的精确材料重要性排序对假定使用寿命和EPD选择敏感；修改关键构件更换周期或选择不同EPD来源可能改变特定材料的相对重要性。最后，分析严格限于单体住宅；未来研究应扩展数据库以纳入多户住宅和商业建筑，并纳入更广泛欧洲市场以验证所呈现结论的更广泛适用性。
作者贡献：概念化，H.A.和W.R.；方法学，H.A.和W.R.；软件，H.A.和W.R.；验证，S.B.、P.J.和K.L.；形式分析，H.A.；调查，W.R.；资源，A.G.；数据管理，S.B.；初稿撰写，W.R.和H.A.；审阅与编辑，K.L.；可视化，A.G.；监督，S.B.、P.J.和K.L.；项目管理，P.J.；资金获取，P.J.。所有作者已阅读并同意稿件发表版本。
资金：本研究未获外部资助。
数据可用性声明：本文所基于的数据集可在 https://data.mendeley.com/ 获取（访问日期2026年10月27日）（标题：“Embodied emissions for different type of single-family houses”），并作为参考文献使用。
利益冲突：作者声明无利益冲突。
缩写：EU欧洲联盟；CO
2e隐含二氧化碳；ANOVA方差分析；C&RT分类与回归树；DT决策树；EPBD建筑能效指令（EU）；WLC全生命周期碳（排放）；CPR建筑产品法规（EU）；LCA生命周期评估（或分析）；K-W Kruskal–Wallis。
附录A. 分析所用材料
基础：带XPS保温25 cm的混凝土板——XPS 25 cm、箔、混凝土找平层、箔、EPS；混凝土≥50，XPS/EPS 40，箔/找平层≥50。带混凝土基脚的 foundation walls 24 cm——基脚（沥青防水、混凝土基脚、钢筋）、XPS保温、沥青防水、地面混凝土层、混凝土找平层、箔、EPS；基脚/墙≥50，沥青防水40，XPS/EPS 40。外墙：AAC 36.5——蒸压加气混凝土（单一）36.5 cm，石膏灰泥、薄层外灰泥；AAC≥50，外灰泥40，内灰泥≥50。AAC 24——蒸压加气混凝土24 cm，石膏灰泥（附加层中ETICS）；AAC≥50，灰泥≥50。CSU 18——硅酸钙单元18 cm，石膏灰泥（附加层中ETICS）；CSU≥50，灰泥≥50。Clay 36.5 cm——带空腔保温的陶瓷砌块（单一）36.5 cm，石膏灰泥、水泥石灰灰泥；黏土≥50，外水泥石灰灰泥40，石膏灰泥≥50。Clay 25 cm——陶瓷砌块25 cm，石膏灰泥（附加层中ETICS）；黏土≥50，石膏≥50。Wood——带矿棉保温的木外墙20 cm，分散涂料、OSB板、矿棉、轻灰泥；木框架≥50，棉≥50，外灰泥30。内墙：AAC 24——蒸压加气混凝土24 cm，石膏灰泥（两侧）；AAC≥50，灰泥≥50。CSU 18——硅酸钙单元18 cm，石膏灰泥（两侧）；CSU≥50，石膏≥50。Clay 25 cm——陶瓷砌块25 cm，石膏灰泥（两侧）；黏土≥50，灰泥≥50。Wood——带矿棉的木框架20 cm，矿棉、石膏板（两侧）；木框架≥50，棉≥50，石膏板≥50。隔墙：AAC 11.5 cm——蒸压加气混凝土11.5 cm，石膏灰泥（两侧）；AAC≥50，灰泥≥50。CSU 8 cm——硅酸钙单元8 cm，石膏灰泥（两侧）；CSU≥50，灰泥≥50。Clay 25 cm——陶瓷砌块25 cm，石膏灰泥（两侧）；黏土≥50，灰泥≥50。木框架干式衬里——带矿棉的木框架8 cm，矿棉、石膏板（两侧）；木框架≥50，棉≥50，石膏板≥50。保温：EPS——膨胀聚苯乙烯，以覆盖U < 0.2 W/(m
2K)，薄层外灰泥；EPS 40，外灰泥30。矿棉——矿棉，以覆盖U < 0.2 W/(m
2K)，薄层外灰泥；棉40，外灰泥30。楼板：AAC——钢筋混凝土蒸压加气混凝土24 cm，混凝土找平层、矿棉、石膏灰泥；AAC≥50，找平层≥50，棉≥50，灰泥≥50。混凝土板——钢筋混凝土楼板18 cm，混凝土找平层、矿棉、箔、石膏灰泥；板≥50，找平层≥50，棉≥50，灰泥≥50。预制混凝土——预制混凝土板，混凝土找平层、矿棉、箔、石膏灰泥；板≥50，找平层≥50，棉≥50，灰泥≥50。Wood——木梁OSB板、石膏板、矿棉、分散涂料、轻灰泥；木结构≥50，棉/石膏板≥50。屋顶：Flat RAAC——钢筋混凝土蒸压加气混凝土20 cm，石膏灰泥、箔、矿棉、EPDM膜；RAAC≥50，EPDM膜30–40，棉≥50。Flat precast——钢筋混凝土板20 cm，石膏灰泥、箔、矿棉、EPDM膜；板≥50，EPDM膜30–40，棉≥50。Flat concrete slab——钢筋混凝土屋顶20 cm，石膏灰泥、箔、矿棉、EPDM膜；板≥50，EPDM膜30–40，棉≥50。Flat wood——木梁20 cm，轻灰泥、OSB板、矿棉、EPDM膜、分散涂料；木梁≥50，EPDM膜30–40，棉≥50。带陶瓷瓦的坡木屋顶——木椽16 cm，分散涂料、石膏板、矿棉、箔、陶瓷瓦；木椽≥50，陶瓷瓦≥50。窗户：PVC型材、玻璃组、配件——PVC窗40。
附录B. 建筑与几何假定
层高：2.80 m（每整层）。窗墙比：平房和两层建筑20%；带阁楼和双坡屋顶住宅15%；带阁楼和围护屋顶住宅10%。屋顶坡度：平房25°；阁楼住宅40°。平面宽长比：0.8（简单结构）。
参考文献（略）。
免责声明/出版者注：所有出版物中陈述、观点和数据仅代表个人作者，不代表MDPI和/或编辑。MDPI和/或编辑对因内容中提及的任何想法、方法、指示或产品使用而导致的人员或财产伤害不承担责任。
? 2026作者。许可证MDPI，巴塞尔，瑞士。本文为开放获取文章，依据知识共享署名（CC BY）许可证条款分发。
