从政策相关代理指标到情景空间优化：中国陕西省建筑行业面向碳中和的减排路径

《Journal of Cleaner Production》：From policy-related proxy indicators to scenario space optimization: Carbon-neutrality-oriented emission reduction pathways for the building sector in Shaanxi Province, China

　　

摘要

随着中国碳达峰目标的逐步推进，识别建筑领域的关键排放驱动因素和可行的减排路径对于支持向碳中和的转型至关重要。为应对传统驱动因素分析的局限性以及有限预定义情景的不足，本研究开发了一个整合框架，将面向实施的政策相关代理指标、岭回归—STIRPAT估算、可行情景空间构建、敏感性分析以及分阶段区间约束优化相结合。以陕西省为案例研究，结果表明，建筑领域碳排放量从2001年的25.83 MtCO?增长至2022年的318.09 MtCO?，年均增长率为13.73%。建材生产和运输是主要排放来源，占总排放量的76.19%。尽管碳排放强度从9.23 tCO?/万元下降至2.39 tCO?/万元，但未能实现与经济增长的稳定脱钩。钢铁消耗是最主要的敏感性因素，对Shapley效应的贡献率为60.23%，其次是GDP（8.08%）、建筑用电量（5.58%）、清洁供暖比例（5.02%）和电力排放因子（3.02%）。在受约束的未来情景下，2030年中位排放量上升至338.74 MtCO?，随后下降至2060年的164.54 MtCO?，较2022年减少约48%–51%。材料效率、电力脱碳、建筑运行效率以及建筑存量转型路径在长期内实现了类似的结果。在扩展压力测试情景下，2060年中位值降至85.59 MtCO?，而筛选出的高实施潜力路径达到102.03 MtCO?，减排幅度为67.92%，保留了原始压力测试减排量的92.93%。这些发现凸显了协调控制材料需求、电力系统脱碳、建筑节能提升以及建筑存量转型作为差异化低碳路径核心的重要性。

引言

在全球气候治理不断深化和低碳转型加速推进的背景下，温室气体减排已成为各国在经济社会发展过程中必须应对的关键问题。随着工业化和城市化进程的持续加速，能源消费总量持续上升，碳排放问题日益凸显。由此引发的海平面上升、极端天气事件频发以及生态环境风险加剧，对人类社会的可持续发展构成了严峻挑战（Mora et al., 2018）。作为世界上最大的发展中国家，中国在实现经济快速增长、城镇化显著进步和居民生活质量持续改善的同时，也面临着能源刚性需求增长与碳排放控制的双重压力（Hu et al., 2022）。为积极应对气候变化，中国秉持构建人类命运共同体的理念，参与了《巴黎协定》等国际气候治理框架，并提出了2030年前实现碳达峰、2060年前实现碳中和的"双碳"目标（SCIO, 2014）。目前，随着中国碳达峰目标的逐步推进和阶段性成果逐渐显现，减排工作的重点已从控制碳排放增长进一步转向探索通往长期碳中和的可行路径。在此背景下，识别主要部门的关键排放驱动因素，并明确符合中国国情和区域实际的、有科学依据的减排路径，对于支撑从碳达峰向碳中和的转型具有重要意义。

在众多排放源中，建筑领域因其高能耗和高碳排放强度，成为实现中国碳中和目标的关键领域。根据《中国建筑领域碳核算研究》（2024）（PCBEE, 2024），2022年中国建筑业相关碳排放达到51.3亿吨CO?，占全国能源相关碳排放总量的48.3%。这表明建筑领域不仅是碳排放的主要来源，也是碳达峰阶段性推进后必须进一步挖掘减排潜力的重点领域。为应对建筑领域艰巨的减排任务，国家和地方政府近年来陆续出台了一系列政策措施。这些措施涵盖多个方面，包括转变经济发展方式、人口和城镇化调控、能源结构优化、引导技术进步、绿色建筑发展、提高建筑节能标准、推广装配式建筑、应用可再生能源以及既有建筑节能改造（Nie et al., 2023）。在持续的政策支持下，部分省市的建筑领域排放增长得到了有效遏制，部分地区已开始呈现从碳达峰向碳中和过渡的趋势。这些发展表明，政策干预不仅仅是建筑领域低碳转型的外部背景，而是通过塑造影响因素，逐渐成为排放变化的重要驱动因素（Dai et al., 2025）。

然而，现有建筑领域碳排放研究主要从经济发展、能源消费、技术进步、城镇化和建设规模等传统视角来考察影响因素（Li et al., 2021; Wang et al., 2013）。尽管这些研究为理解排放动态提供了重要依据，但其政策含义往往局限于宏观建议，如优化能源结构、提高能源效率和调整产业结构。相比之下，对于与政策实施和行业转型相关的可观测指标的定量表征，以及这些指标与建筑领域碳排放的差异化关联，关注尚显不足。现有的路径研究也往往依赖有限数量的预定义情景或一般性方向建议（Li et al., 2020），对不同因素的相对重要性、联合变化以及多种可行低碳组合的对比考虑不足。这一局限性尤为相关，因为发展基础、资源禀赋、能源结构和建筑领域条件方面的区域差异可能导致不同的转型约束和排放路径。如果未能综合考虑传统驱动因素、能源转型指标、技术创新和面向实施的政策相关代理指标，减排建议可能过于笼统，无法支撑具有区域适应性和可操作性的路径。因此，一项重要的研究任务是将政策实施进展和行业转型的可观测指标纳入建筑领域排放分析，考察其差异化的统计关联和情景响应特征，并在明确的发展假设和约束下探索多种可行的低碳路径。

在此背景下，作为中国西部主要内陆省份和黄河中上游地区，陕西为考察建筑领域低碳转型提供了重要且具有代表性的案例。该省人口较多，资源和能源密集型产业基础雄厚，经济发展水平处于中上游。其地域横跨多个气候和地理区域，陕北、关中和陕南在气候条件、资源禀赋、经济发展和建筑能耗需求方面差异显著。这种内部多样性使得该省能够在单一区域案例中反映多种发展和转型条件。近年来，持续的基础设施投资、城市更新和建设扩张增加了建材和运行能源需求，形成了建设领域发展与碳排放减排之间协调平衡的日益增长压力。同时，能源消费总量的持续增长和相对碳密集型的能源结构进一步增加了建筑领域脱碳的难度。陕西还正处于从传统资源依赖型发展向更绿色、更高质量的城乡建设转型的过程中，一系列与绿色建筑、建筑节能、清洁供暖、低碳建材、电力系统脱碳和技术创新相关的措施已逐步实施。快速的建设发展、资源和能源依赖、区域气候异质性、能源转型压力以及多项低碳转型措施的并存，使陕西成为考察经济社会发展、建设活动、能源和材料消耗、技术进步以及面向实施的政策相关指标如何与建筑领域碳排放相关联的合适案例。更广泛地说，该案例也反映了许多内陆、资源依赖型和快速城镇化地区面临的转型挑战——这些地区需要在继续满足经济和建设需求的同时，减少建材、建筑活动和运行能源使用产生的排放。因此，研究结果可以为具有类似发展基础和能源转型条件的地区提供有益的参考。

建筑领域是能源消耗和碳排放的主要来源之一，对其碳排放的核算和影响因素的识别长期以来受到学界的广泛关注。现有研究表明，建筑领域的碳排放具有产业链长、环节多以及与相关部门广泛关联的特征。因此，这些排放不仅来源于建设阶段的直接能源消耗，还来自建材生产、运输、建筑运行维护以及拆除处置等多个环节（Chen et al., 2023; Fenner et al., 2018）。研究指出，核算结果高度受研究边界、数据范围和核算方法的影响；因此，明确定义核算范围是建筑领域碳排放研究的基础。在建筑领域碳排放核算方面，现有研究主要发展了三种核算方法：排放因子法、物质平衡法和直接测量法（Gao et al., 2023）。其中，排放因子法是最广泛使用的方法，其基于能源消费统计和排放因子，数据可得性较强，计算程序清晰，因此适用于省级或部门尺度的碳排放总量核算（Yona et al., 2020）。物质平衡法基于物质守恒原理，通过分析建材、能源投入和碳转化之间的关系来进行核算（Lai et al., 2023）。直接测量法通过监测排放浓度、流速和持续时间等参数来获取相对精确的排放数据（Zhao et al., 2023b）。总体而言，不同的核算方法在数据要求、适用尺度和计算精度方面存在差异。由于排放因子法的数据获取相对便捷，其更适合建筑领域的区域尺度碳排放核算以及后续的影响因素分析。

在碳排放核算的基础上，驱动因素的识别已成为建筑领域碳排放研究的重要方向。现有方法主要包括指数分解分析、计量回归、空间计量模型和可解释机器学习方法。以LMDI、IDA和SDA为代表的指数分解分析，可以将碳排放变化分解为经济规模、能源强度、能源结构、产业结构、最终需求和碳排放系数等因素的贡献（Shi et al., 2023）。该方法提供了直观的结果和量化的贡献率（Xu et al., 2024a）。例如，Li et al.（2022）将扩展的Kaya恒等式与LMDI方法相结合，分析了各省商业建筑碳排放，发现人均GDP、建筑建筑面积需求和人口密度是影响碳强度的重要因素（Shi et al., 2023）。研究构建了GDIM模型并结合IDA方法分析了中国建筑领域分阶段碳达峰情景，显示碳强度、投资和产出是排放增长的关键驱动因素。以STIRPAT模型及其扩展为代表的计量回归方法，可以识别人口、经济发展、城镇化、技术进步和能效对碳排放的弹性效应（Lei et al., 2023）。研究构建了D-STIRPAT模型分析了华中三市的建筑领域碳排放，发现建筑领域活动规模是主要驱动因素，同时建材消耗也是重要的排放来源（Su and Lee, 2020）。研究使用STIRPAT模型分析了中国建筑领域碳达峰的时间，强调碳定价、能源结构优化和清洁能源利用是重要的减排路径。近期研究越来越多地将政策相关变量和实施条件纳入建筑领域碳排放的定量分析（Zhang et al., 2025a）。研究通过整合政策量化、动态预测、不确定性模拟和路径分析，为江苏省开发了一个渐进式脱碳框架。一项相关的全国性研究从政策文本中构建了法律和政策激励强度指数，识别出政策强度是影响中国建筑领域碳达峰时间和幅度的重要因素（Dai et al., 2025）。从区域角度来看，政策实施的差异性也被认为是建筑能源强度和人均排放差异的重要来源。

近期关于气候晋升锦标赛的研究进一步表明，将国家碳中和目标转化为地方行动受制于中央与地方的实施动态，尤其是地方经济实力、晋升激励、资源配置和制度协调（Zhou and Richardson-Barlow, 2026）。此外，关于建筑隐含碳排放的研究强调了建筑需求、材料效率、技术进步和区域协调的作用，这些与低碳政策的实施效果密切相关（Xu et al., 2024b）。然而，现有研究主要关注正式政策供给或激励强度（Hao and Qiao, 2025），而反映政策实施、技术发展和能源转型成果的可观察指标，如绿色建筑面积、节能建筑面积、清洁取暖比例、绿色专利和电力排放因子，则受到的关注相对有限。近期研究进一步表明，绿色技术创新不应仅从技术产出来理解。AI及其他数字工具在环境治理中的实际应用还取决于制度准备、技术基础设施、专业能力和利益相关者协作（Zhou, 2026）。因此，本研究中的绿色专利申请被视为区域绿色创新活动的代理变量，而非AI采用或实际减排绩效的直接衡量指标。空间计量模型进一步考虑了空间集聚和区域溢出效应，从而揭示了驱动机制的异质性（Ma et al., 2025），采用空间自回归模型、空间误差模型和空间杜宾模型来解释不同类型城市碳排放强度的差异，结果显示地理位置、政府干预、城镇化率、产业结构和可再生能源比例是重要的影响因素。近年来，敏感性分析和可解释机器学习也被应用于刻画变量之间的非线性关系和交互作用（Huang et al., 2024），对34个中国城市的建筑运行碳排放比较了五种机器学习模型，发现气候区、人口、城镇化率和建筑电气化率是重要特征（Chen et al., 2022），并应用多区域结构路径分析和敏感性分析评估建筑碳排放路径，指出生产部门，特别是石油、化工和非金属矿物制品业，是高度敏感的贡献因素。土地利用也是影响碳排放的重要结构性因素。工业、商业、住宅及其他与建筑相关的土地利用变化可能通过城市扩张、基础设施建设、产业集聚和能源需求变化影响碳排放（Luo et al., 2025），并研究了土地利用、碳排放和经济发展之间的关系，发现不同功能土地利用类型对经济活动和碳排放的影响存在异质性。这些发现为理解碳排放变化提供了重要的空间视角。总体而言，现有研究已系统识别了建筑部门碳排放的传统驱动因素，并发展了以经济发展、人口、能源消耗、技术进步、建筑活动和空间发展为中心的分析框架。近期研究也开始纳入政策相关变量和土地利用因素。然而，政策强度的直接衡量指标与政策实施进展、技术发展和能源转型的可观察指标之间并不总能被清晰区分。此外，在时间序列样本有限且多重共线性较强的情况下，传统驱动因素与多个政策相关代理指标之间的差异化关联仍缺乏充分考察。

随着碳排放核算和驱动因素识别的不断进步，碳排放预测和情景模拟已逐渐成为评估建筑部门未来排放趋势和减排潜力的重要方法。现有研究通常以情景分析作为总体框架，定义人口、经济发展、能源结构、建筑部门规模、技术进步和政策强度等变量的未来轨迹。随后，STIRPAT、Kaya、扩展LMDI、LEAP、系统动力学和机器学习等模型被用作预测工具，以刻画不同情景下建筑部门碳排放的演变。具体而言，STIRPAT、Kaya和LMDI等计量模型常用于省级或部门尺度的长期预测，因为它们能解释各驱动因素的弹性效应（Bai et al., 2026; Xian et al., 2025; Zhao et al., 2023a）。例如（Sun and Song, 2024），构建了LMDI模型，分析了中国在常规路径、低碳和强化低碳情景下的建筑运行碳排放，发现只有强化低碳情景才能实现2030年碳达峰目标（Zhao et al., 2023a）；通过将情景分析与STIRPAT模型相结合，预测了辽宁省基础设施建设的碳排放峰值，表明低碳情景是最优路径。LEAP和系统动力学等能源系统模型更强调能源消费结构、终端能源需求和系统反馈机制，使其适合分析建筑运行排放和碳达峰路径（Li et al., 2023）。例如（Huo et al., 2021b），运用情景分析、蒙特卡洛模拟和SD-LEAP模型预测了重庆市住宅碳排放，显示排放峰值可能晚于中国2030年目标（Huo et al., 2022）；并构建了IDEAM模型，比较了六种情景下的商业建筑排放，发现在低碳情景下排放可能在2029年达峰。机器学习模型能提升对非线性关系的拟合能力，但其预测结果通常需要使用情景约束、变量边界或碳达峰和碳中和目标进行调整（Fang et al., 2021; Zhao and Yang, 2025）。例如（Zhang et al., 2025b），开发了CNN-BiLSTM-AM模型，建立了五种发展路径来预测中国建筑部门的省级碳排放，表明部门排放将在2030年左右达峰（Shi et al., 2026）；将XGBoost–SHAP框架应用于江苏省电网尺度的能源相关碳排放，识别出GDP、夜间灯光强度和建成区土地扩张为主导因素。其研究结果展示了在……中解释碳排放驱动因素的重要性。总体而言，现有研究已为基于情景的建筑部门碳排放预测和模拟发展了较为丰富的方法体系。然而，大多数情景设计仍以碳达峰为中心，侧重于建筑部门是否、何时以及在什么条件下可能达到排放峰值。相比之下，较少有研究在更广泛的可行情景空间内考察更长期的低碳转型路径。特别是，面向实施的政策相关代理指标并不总能清晰地与传统驱动因素一并纳入，而变量边界、发展目标、变量间关系和区域可行性条件的共同影响仍需进一步考察。因此，从单一趋势预测或有限的固定情景转向可行域探索是有意义的，从而能够在多种因素组合下更系统地比较模型生成的排放响应和减排潜力。

在碳排放预测和情景模拟的基础上，识别科学合理且切实可行的碳排放减排优化路径已成为建筑部门脱碳研究的关键方向。现有省级研究主要关注情景约束下的达峰路径优化、基于驱动因素分解的针对性优化、差异化区域的阶段性达峰优化以及数据驱动方法与预测相结合的优化方法。情景约束研究通常面向碳达峰或碳中和目标（Qiao et al., 2025），通过整合STIRPAT、Kaya、LEAP或系统动力学模型，比较不同经济发展、能源结构调整、建筑部门扩张和技术进步路径下的碳排放峰值和达峰时间。例如（Du et al., 2024），开发了集成SD-LEAP模型，并结合情景分析考察了中国建筑部门在不同情景下的碳减排效果，显示在最优路径下部门排放将在2024年达峰（Zhan et al., 2024）；通过结合系统动力学模型和Kaya模型分析了河北省的碳达峰问题，发现只有高约束情景才能实现碳中和目标。驱动因素分解研究利用LMDI、GDIM或SDA等方法识别能源强度、产业规模、能源结构、经济产出和技术效率等因素的贡献，然后提出针对性的减排策略。例如（Lin and Li, 2024），使用Kaya-LMDI-SD-MC框架优化了福建省住宅碳排放，识别了调控的关键正负驱动因素（Li et al., 2020）；使用GDIM-Kaya-情景预测框架评估了中国建筑部门碳达峰的可行性，发现GDP是排放增长的主导贡献因素，而劳动生产率和产出碳强度有助于抑制部门排放。区域差异化研究进一步考虑了各省之间资源禀赋、发展阶段和减排基础的差异，从而构建了差异化的阶段性达峰路径（Huo et al., 2020），运用STIRPAT模型和省级面板数据考察了城镇化对城市建筑碳排放的多重影响，而（Liu et al., 2023）则利用空间自相关和空间计量方法分析了中国各区域的碳排放强度。近年来，机器学习等数据驱动方法越来越多地与情景或目标约束相结合，以提高省级路径优化的预测准确性和可行性（Neupane et al., 2025; Zhang et al., 2021），并运用反向传播神经网络分析了城市地块的碳排放，发现优化建成环境因素可以显著降低排放。总体而言，现有建筑部门碳排放优化研究主要关注与经济发展、能源结构、技术进步和建设规模等传统因素相关的减排路径。大多数研究仍以碳达峰为导向，强调峰值时间、峰值水平或最优达峰情景，而在多重可行性约束下的长期低碳路径优化则受到的关注相对较少。特别是，政策相关代理指标及其与传统社会经济、能源、技术和建设相关因素的共同变化在路径优化中尚未得到充分体现。同时，现有研究往往在预设情景下寻求单一最优解或相对狭窄的解范围，较少关注在不同区间和可行性约束下的多种差异化近最优路径。因此，需要进一步研究以比较不同的低碳因素组合和转型配置，而非仅依赖单一优化路径。

总之，现有研究为识别建筑部门碳排放驱动因素、开发预测模型和优化减排路径奠定了坚实基础。在上述研究基础上，本文从以下三个方面对现有研究进行了拓展。（1）以往研究主要关注人口、经济发展、能源消耗和建设规模等传统驱动因素，本研究通过纳入电力系统碳强度、绿色技术创新和面向实施的政策相关代理指标，拓展了影响因素框架。具体而言，绿色建筑面积、节能建筑面积和清洁取暖比例被用于反映政策实施和部门转型的可观察进展，而非直接衡量政策强度或因果政策效应。这些指标与传统社会经济、能源、技术、建设和产业因素相结合，为考察陕西省建筑部门碳排放变化提供了更全面的基础。（2）本研究不仅依赖于有限数量的预设情景，而是通过对更广泛可行情景空间的探索来扩展未来排放分析。基于所选因素，使用Ridge–STIRPAT模型估计可解释的排放响应关系，同时构建基于XGBoost的替代模型，以高效评估复杂情景组合，并在可行情景空间内支持敏感性分析和约束优化。为每个因素指定了可行的未来范围，并采用相关采样生成通往2030年、2040年、2050年和2060年的连续路径。进一步施加变量边界、发展方向、阶段间连续性和因素间协调关系等约束，以排除内部不一致的组合。该方法使得能够在多种可行因素组合下更系统地评估模型生成的排放响应和减排潜力。（3）本研究不仅限于在人工指定情景下获得单一最优结果，而是在扩展的可行情景空间内应用分阶段区间约束优化。将每个影响因素的可行变化率范围划分为若干区间，在保持路径连续性和相关可行性约束的同时，依次求解多个优化子问题。通过比较不同区间条件下各因素组合及其对应的排放水平，保留了多条差异化的近最优路径，而非单一集中解。

研究结果表明，不同的转型配置之间存在差异，为陕西省建筑行业长期低碳转型提供了更加灵活的情景参考。

章节片段

研究框架

本研究构建了一个综合分析框架，用于考察省级建筑行业碳排放的历史演变、影响因素、未来情景响应和低排放路径。如图1所示，该框架由四个主要部分组成：研究区域与碳排放核算；影响因素分析与情景建模；敏感性分析；碳排放优化。

步骤1：研究区域与碳排放核算。

陕西省建筑行业碳排放核算结果

基于2001年至2022年陕西省建筑行业碳排放数据，对三个阶段的排放进行了核算：材料生产与运输、施工与拆除以及建筑运营。同时估算了碳排放强度，如图3(a)所示。结果显示，陕西省建筑行业总碳排放量从2001年的2600万吨CO?增加到2022年的3.18亿吨CO?，年均增长率为...

扩展压力测试情景下的低排放潜力

为考察陕西省建筑行业模型估算的排放下界，本研究构建了扩展压力测试情景，通过扩展TP、UR、GDP、CBA、ECBS、SC、GPA、LP和GBA的范围实现。由于PCH、EBA和EF更接近饱和、定义或技术极限，因此对其进行了更为谨慎的调整。这些范围属于探索性数值假设，而非预测或直接可实施的目标。选取的连续性和协调性约束条件被适度放宽...

结论

本研究以陕西省建筑行业为研究对象，计算了其2001-2022年生命周期碳排放。将传统驱动因素与反映电力系统碳强度、绿色技术创新以及政策实施和行业转型可观测进展的指标相结合，构建了扩展的Ridge-STIRPAT模型。基于估算的关系，推导了至2030年、2040年、2050年和2060年的连续路径...

CRediT作者贡献声明

雷伏明：写作——审阅与编辑、写作——初稿、可视化、软件、方法论、正式分析、概念构思。
孟流惠：写作——审阅与编辑、正式分析、数据管理、概念构思。
严曾峰：写作——审阅与编辑、验证、监督、资金获取。
岳英军：写作——审阅与编辑、软件。
姚珊珊：写作——审阅与编辑、资源。
倪平安：写作——审阅与编辑。

利益冲突声明

我们声明在本研究中不存在利益冲突。本研究涉及的数据版权归作者的机构所有，所有软件均为开源。所有作者均对本研究做出了贡献，并已完全知情同意发表。

致谢

作者感谢国家自然科学基金（编号：52278127、51978554、52208037）、陕西省住房和城乡建设厅科技开发项目（编号：2021-R03、ZSZB19-110Z、Z202109）以及西安市住房和城乡建设委员会建筑科技项目（编号：Z2022023）提供的资金支持。作者感谢编辑和匿名审稿人提供的宝贵见解。

雷伏明 | 孟流惠 | 严曾峰 | 岳英军 | 姚珊珊 | 倪平安