一种混合的白盒能量网络模型，用于推导城市水、能源和社会经济系统中内生单元的能量价值

《Sustainable Cities and Society》：A hybrid white-box emergy nexus model for endogenous unit emergy value derivation in urban water, energy, and socioeconomic systems

　　## 摘要
快速的都市发展对可持续资源管理构成挑战。传统的能量核算方法通常通过黑箱模型来评估城市系统，而这些模型并未明确解决各个子系统之间的相互依赖性。为了克服这一局限性，本研究开发了一种混合式的白箱能量框架模型，用于推导城市水、能源和社会经济系统中的内生单元能量值（UEV）。该框架将选定的城市内部流动内生化，同时将城市边界外的外部供应链视为外部参数化的黑箱输入。本研究评估了台北市三种不同关联整合程度的情景。结果表明，逐步解决内部相互依赖性通常可以降低系统特定的能量强度。进一步的分解分析表明，这些减少主要是由上游UEV效应驱动的，而非局部子系统内物理强度的直接变化所致。此外，结构评估显示，外部电力供应和本地废物转化为能源的过程在整体城市资源需求中占据主导地位。敏感性分析表明，所建模的框架在测试的参数扰动下结构上是稳定的，间接联系逐渐减弱了直接影响。对负面副产品分配规则的评估表明，当前的方法可能高估了实际的环境负担。总体而言，结果表明，当内部关联关系未解决时，传统的黑箱方法可能会高估能量强度。本研究将方法从回顾性评估扩展到前瞻性政策模拟，为评估未来的城市管理策略提供了可靠的基准。

## 引言
全球城市化预计将从2021年的56%上升到2050年的68%（联合国，2022年）。这种扩张带动了大量物质、能源和资本的流入与流出（Fan等人，2019年），这一过程被称为城市新陈代谢（Elliot等人，2019年；Wolman，1965年）。然而，这种增长以及随之而来的巨大资源消耗对城市可持续性构成了挑战（Adebayo等人，2023年；Guo等人，2024年）。为了实现可持续发展目标11（可持续城市和社区），解决资源流动与环境影响之间的相互作用至关重要。最初，城市新陈代谢被概念化为一个线性系统，其中资源流入和流出，内部联系较少（Zhang，2013年）。随后，Zhang等人（2009年）提出了一种网络方法来模拟系统内的复杂互动和转化。这种过程的耦合与关联概念相一致（Chen和Chen，2015年）。构成城市关联的关键组成部分包括水、能源、食物和营养物质（Elkamel等人，2023年；Hu等人，2019年；Sadri-Shojaei等人，2025年）。这些要素代表了来自城市内外生产过程的关键资源消耗（Djehdian等人，2019年）。因此，建立一个系统模型来评估这些城市组成部分之间的复杂联系并解决它们的关联关系至关重要。存在多种方法来分析城市新陈代谢和关联（Sadri-Shojaei等人，2025年；Verma等人，2025年）。根据Zhang（2013年）的观点，这些工具可以根据其功能进行分类。第一阶段是核算和评估，旨在量化并统计系统输入、存储和输出，而不是详细说明内部系统联系。此类别中的常见方法包括物质流分析、生态足迹分析和基本能量核算。例如，Wang等人（2020b）将城市社会经济系统划分为八个部分，并计算了每个部分之间的所有物质流动；Chhipi-Shrestha等人（2017年）通过量化每个项的生态足迹来评估邻里密集化的水-能源-碳关联；Lv等人（2022年）应用能量框架来统计和标准化一个城市水系统项目的生态经济效应。

在这些统计结果的基础上，第二阶段是建模和模拟，用于评估系统性能和内部复杂性。常用的方法包括投入产出分析、过程分析、系统动力学和高级能量核算。例如，Nawab等人（2019年）进行了多区域投入产出分析，以评估城市部门的水-能源关联；Maranghi等人（2020年）应用生命周期评估这一重要过程分析方法，并将其与城市新陈代谢结合起来，形成一个多维框架来评估城市可持续性；Lu和Chen（2017年）基于马尔可夫链建立了系统动力学模型，以预测资源消耗模式的城市足迹；Liu等人（2019年）开发了一个用于不同自来水来源的城市水新陈代谢的能量模型，以比较每单位生产的能量使用情况。值得注意的是，能量分析适用于城市评估的两个阶段，显示了其作为系统评估工具的多样性。能量理论由H.T. Odum提出，将能量定义为直接和间接用于生成服务或产品的总可用能量（Odum，1996年）。通过称为单位能量值（UEV）的转换因子，不同形式的能量和材料可以标准化为一个共同的单位——太阳能量焦耳（sej）。与其他评估工具相比，能量核算（EMA）在评估资源流动和环境影响方面具有明显优势。首先，EMA采用供体视角，强调系统所需的总体资源投资（Vassallo等人，2017年），而投入产出分析和过程分析通常采用用户视角，关注下游影响（Arden等人，2019年；Galychyn等人，2024年；Wang等人，2018年）。其次，EMA能够将多种流动标准化为一个单位，便于进行整体评估，从而加强不同资源类别之间关联的分析。因此，EMA是一个全面的多功能框架，用于分析复杂系统。EMA已被证明是评估城市系统的强大工具，能够阐明流动联系、资源效率和环境问题。例如，Huang和Chiu（2020年）分析了城市化和生态交换，发现资源流入城市区域的交换不均衡，对供体系统的回报极少；Li等人（2021年）评估了一个循环经济生态城市，发现尽管资源回收有所改善，但系统仍严重依赖本地不可再生资源，导致环境压力大和系统协调性差；Liu等人（2019年）研究了城市生活用水的新陈代谢，发现地表水源所需的能量输入最少，从而支持可持续路径；Boateng和Lee（2024年）分析了国家层面的城市新陈代谢，观察到2000年至2019年间总能量使用量显著增加，进口依赖度从不到3%上升到近40%，导致能量可持续性指数下降了97%；Bartek等人（2025年）评估了一个住宅区的影响，发现生活方式因素是主要影响因素，并强调了需要制定政策来应对消费模式。总的来说，这些研究表明EMA作为一种全面的评估工具，在分析流动交换、系统性能和城市环境问题方面具有多功能性。

尽管EMA是解决各种城市问题的强大工具，但其应用仍存在一个关键问题。以往的EMA研究主要集中在将所有输入和输出流转换为共同标准以便进行整体评估（Liu等人，2019年；Zhang等人，2025年）。然而，这些研究通常采用黑箱模型，往往无法定量考虑系统的内部联系。虽然能量图通常能够定性描述系统组件之间的详细联系，但很少提供特定能量流的定量说明。此外，传统方法将城市系统视为一个单一的宏观实体，将资源流动简化为直接的输入和输出。因此，重要的子系统被纳入这一宏观视角中，其内部过程未被研究（例如，Tang等人，2025年；Viglietta等人，2018年）。这种依赖于黑箱方法的做法需要使用基于文献的UEV，由于不同研究中的系统条件不同，引入了模型不确定性。因此，打开黑箱以分析系统内部和系统间的过程对于提高分析的完整性至关重要。尽管Li等人（2011年）提出了一种用于评估不同类型节点之间内部能量流动的结构方法，但这一概念在实际应用中很少实施。在为解决这一差距所做的有限努力中，Buller等人（2013年）将生态动态模型的概念纳入能量核算，并进行了一个网络模型来评估水生植物生物量的变化；Campbell和Lu（2024年）将这种方法称为“白箱”模型，应用于开发一个包含环境储存的全球可再生能源流动的宏观框架；Hsu和Shih（2025年）开发了一个白箱模型来评估山区湿地生态系统中的动态氮流动。

在这些基础研究的基础上，必须明确两个关键的方法论区别，以便为我们提出的方法提供背景。首先，尽管这些先前的研究通过明确识别内部系统联系改进了传统的EMA，但只有Campbell和Lu（2024年）提出了一个严格纯白箱模型。他们完全从基本物理流动中推导出全球能量流动，没有使用任何外部UEV。相比之下，其他研究实际上采用了混合白箱方法，部分依赖于现有的基于文献的UEV，特别是对于外部自然资源输入，以驱动内部系统过程。其次，虽然这些应用成功推进了EMA方法，但它们的分析范围仅限于自然系统或单一系统边界。在这样的系统中，相互联系主要涉及内部节点之间的简单流动交换，初始系统输入（例如自然资源输入）通常被视为预先确定的已知量。相比之下，城市系统受到人类活动的高度影响。城市系统涉及多个多样化子系统之间的高度复杂、双向的关联。在这种情况下，资源流动创造了复杂的跨系统关联，使系统流动相互依赖。因此，现有的模型框架不能直接应用于城市评估。通过将白箱概念扩展到城市规模并数学上解决这些双向关联关系，本研究为澄清城市新陈代谢网络提供了一个重要的方法论进步。据此，本研究将白箱概念扩展到城市资源关联中，其中内部依赖性跨越多个子系统边界，而不仅仅是单一的孤立过程。

为应对可持续城市发展的挑战和EMA方法论的空白，本研究旨在开发一个跨系统的混合白箱能量框架模型，用于城市系统，其中选定的内部关联关系被内生化，而外部供应链仍作为黑箱过程进行参数化。本研究的具体目标如下：（1）使用能量代数建立整合水、能源、社会经济和环境负担子系统的关联模型；（2）澄清关联模型内的流动联系；（3）评估不同关联整合程度下资源流动逐步内生化对子系统级UEV估计及其解释的影响；（4）解构内生UEV的变化，以隔离和量化其潜在的结构驱动因素。

## 研究区域、模型范围和数据可用性
研究区域是位于台湾北部的台北市。该市面积271.8平方公里，2024年注册人口约为240万。作为台湾主要的政治、经济和文化中心，台北市代表了一个关键的大都市区（Huang和Chiu，2020年）。核心城市活动集中在台北盆地，其特征是资源消耗密集。尽管发展密集，但大约55.2%的行政区域为山坡地带。

## 结果与分析
图3展示了每个子系统的能量特征，详细说明了输入组成。为了全面评估城市关联，这里应用了情景III的推导结果。表3总结了逐步内生化过程中得到的UEV。图5基于时间和跨情景评估展示了分解分析的瀑布图。表4和图6比较了非温室气体（NGHG）和温室气体（GHG）副产品的不同分配框架。

## 关键系统参数的敏感性分析
鉴于能量核算数据和参数存在的固有不确定性，理想情况下需要进行全面的不确定性传播分析。然而，由于这类方法在计算和数据上要求较高，因此采用敏感性分析作为评估模型鲁棒性的实际替代方案（Wang等人，2020a）。在这项评估中，选择情景III作为基准，因为它提供了最全面的资源依赖性表示。

## 结论
本研究建立了一个EMA框架，用于评估城市系统内资源流的关联。与将城市视为黑箱的传统方法不同，所提出的模型使用能量代数明确连接了水、能源和社会经济子系统。关键资源流动的内生化产生了三个主要发现。首先，跨场景比较结果表明，在模型中详细考虑各种交互作用会降低推导出的用户期望价值（UEVs）。参考文献：Liu等人，2017年。作者贡献声明：Yao-Wen Hsu负责撰写、审阅和编辑，以及原始草案的撰写；Shang-Shu Shih负责撰写、审阅和编辑，以及验证、监督、资源管理、项目策划、方法论设计、数据分析与概念化。利益冲突声明：作者声明不存在任何利益冲突。致谢：本研究由台湾国立大学资助，项目名称为“基于自然的解决方案开发，以增强城市水-能源生态系统的连通性和灾害韧性”（NTU-CC-115L890606）。作者单位：台湾国立大学土木工程系，台北市。