亚利桑那州凤凰城建筑相关二氧化碳排放的空间与季节数值分析

《Sustainable Cities and Society》：Numerical Analysis of Spatial and Seasonal Building-Related CO? Emissions in Phoenix, Arizona

　　

**研究框架将建筑物理特性、类型、建成年代和本地气候区（LCZ）在100米空间尺度上与凤凰城的数据进行关联。** **排放量在夏季午后达到峰值，源于722,237栋建筑的冷却需求。** **住宅类建筑排放量最大；餐厅的单栋排放强度最高。** **LCZ分析将紧凑的城市形态与较高的CO?排放联系起来。** **与EDGAR数据的对比显示较强的空间一致性（r = 0.898）。**

**引言**

二氧化碳（CO?）排放是全球气候变化的主要驱动力，减少城市中的这些排放对于实现地方和全球气候目标至关重要。城市地区承担了不成比例的能源相关CO?排放份额，约占全球总排放量的70%，这主要源于人口、建筑和交通在城市中的高度集中（Luqman等人，2023）。在北美，城市地区的排放量高达全国CO?排放量的80%（Luqman等人，2023）。随着城市化进程加速（预计未来几十年将有超过20亿新增城市居民）（Luqman等人，2023），管理城市温室气体排放已成为气候政策的核心议题。有效的城市CO?减排不仅有助于实现全球气候目标，还能带来改善空气质量和城市环境条件等地方性效益。由于与建筑相关的排放受到规划者、公用事业公司和政策制定者决策的影响，本文所开发的具有时空分辨率的排放诊断方法可以直接支持可持续城市发展、气候适应规划，以及在城市建筑存量中对减排资源进行公平优先分配。

在城市内部，建筑特征——尤其是其类型和建成年代（年龄）——强烈影响CO?排放水平。不同类型的建筑（如住宅与商业建筑）具有不同的能源使用特征。在全球范围内，住宅建筑占建筑能源消耗的绝大多数，约占总建筑相关CO?排放量的一半，其余部分则归因于商业/公共建筑和建筑材料（政府间气候变化专门委员会（IPCC），2023）。例如，在美国，仅住宅建筑在2008年就贡献了约21%的全国CO?排放量（Chong，2012），凸显了建筑运营的巨大碳足迹。建成年代是另一个关键因素：老旧建筑往往由于设计过时、隔热性能差和设备效率低而具有较低的能源效率。新建建筑通常按照更高的能源标准建造；然而，建筑规模和配套设施的增加（如中央空调）可能抵消这些效率提升（Chong，2012）。实证研究表明，建筑年龄对排放的影响十分复杂，例如，南加州的一项研究发现，1970年后建造的房屋在炎热天气中的空调电力需求高于1970年前建造的房屋，尽管现代能源法规更为严格（Chong，2012）。这一悖论归因于新建房屋更大的建筑面积和更多的电器使用，表明在评估建筑排放时必须同时考虑技术进步和生活方式因素。

城市形态和空间结构进一步调节CO?排放。紧凑、高密度的城市布局通常能实现更低的人均能源使用和排放，而低密度蔓延式开发则与更高的家庭碳足迹相关。一项关于美国家庭碳足迹的全国性分析发现，密集的城市核心区家庭年CO?排放量显著低于外围郊区（核心区约40 tCO?/户，外围郊区约50 tCO?/户）（Jones和Kammen，2014）。在大型大都市区，广泛的郊区化甚至可以抵消高密度内城区在温室气体方面的优势——在该研究中，郊区约占美国总家庭碳排放量的50%（Jones和Kammen，2014）。蔓延区域较高的排放源于更大的独栋房屋（供暖/制冷需求更大）、更多的汽车出行以及较少的共享基础设施。相比之下，紧凑的市中心区域中，较小的居住单元（通常是公寓）、共享墙体、公共交通可达性以及步行可达的服务设施有助于减少能源使用和相关CO?排放（Jones和Kammen，2014）。这些发现表明，城市形态和发展模式是排放的关键决定因素，意味着城市规划与建筑设计在气候减排中的作用不亚于建筑具体措施。

要在高分辨率下量化和绘制建筑部门的CO?排放，需要对多样化的建筑存量的能源使用进行稳健的建模。基于物理的建筑能源建模（BEM）工具（如EnergyPlus模拟）可以在各种条件下估算建筑的能源需求和由此产生的排放，深入了解建筑设计和运营如何影响CO?输出。然而，传统BEM方法通常针对单个建筑应用，难以扩展到整个城市或区域（Salvalai等人，2024）。城市尺度建模面临重大挑战，因为数据需求广泛（每栋建筑的几何形状、构造、占用情况、暖通空调系统等），且详细模拟数千栋建筑所需的计算量巨大（Salvalai等人，2024）。因此，许多城市级研究不得不采用简化方法，例如使用汇总的自上而下能源统计数据，或用少数原型建筑代表整个建筑存量——这以牺牲空间和类型细节为代价换取实用性（Salvalai等人，2024）。此类简化在评估城市形态或改造政策对排放的影响时可能引入较大不确定性。亟需一种建模框架来弥合这一差距：在保持整个城市区域建筑级别分辨率的同时，确保数据和计算量可控。

与本工作相关的先期研究可分为四个主要主题。早期的自下而上建筑存量分析和空间明确的分解模型建立了通过分配汇总的公用事业或清单数据来估算全行业住宅和商业能源需求的统计与工程基础；然而，与针对特定建筑的基于物理的模拟不同，它们无法解析建筑围护结构、暖通空调系统或建成年代的差异，体现了城市尺度下物理准确性与计算可行性的权衡（Kavgic等人，2010；Li等人，2017；Howard等人，2012）。其次，城市建筑能源建模（UBEM）研究在自动化、自下而上的基于物理的模拟方面取得了进展，用于估算能源需求并评估大型建筑存量的改造和脱碳情景；然而，这些应用通常局限于区域或单一城市尺度，很少将建成年代和本地气候区（LCZ）基础的城市形态分层与独立网格排放清单验证相结合（Reinhart和Cerezo Davila，2016；Ferrando等人，2020；Salvalai等人，2024；Suppa和Ballarini，2023）。第三，本地气候区（LCZ）研究建立了表征城市形态并将建成形态与环境绩效联系起来的标准化框架；然而，早期研究主要集中在分类上而未涉及排放分析（Stewart和Oke，2012；Bechtel等人，2015），而近期应用则通过非干旱城市中的能源强度分配方法将LCZ与排放联系起来，并采用二元的建成年代区分（Javadpoor等人，2024），或者使用不包含建筑级模拟或建成年代区分的统计混合效应模型（Qin等人，2025）。第四，EDGAR等网格化排放清单和城市尺度碳数据集提供了广泛的空间基准，但在约0.1°（约10公里）的分辨率下，通常过于粗略，无法捕捉建筑级别的异质性和城市内部变化（Crippa等人，2021；Crippa等人，2020；Huo等人，2022），而即使是精细尺度的建筑解析型碳核算研究——那些分解了能源终端用途的研究——也尚未将LCZ分类、建成年代分层和独立清单基准测试结合起来（Liu等人，2025）。

因此，目前尚无研究将高分辨率建筑级基于物理的模拟与建筑类型、建成年代信息、季节性冷却相关变异性、日变化CO?排放模式、基于LCZ的空间分层以及粗网格清单基准测试结合起来应用于凤凰城等美国热干旱城市，在这些城市中，自上而下的清单无法解析城市内部建筑异质性，而自下而上的模型很少与城市形态类别关联或独立对标网格排放清单。

本研究针对建筑能源建模（BEM）中的关键研究问题进行了探索：

如何利用建筑能源建模生成高分辨率的建筑相关CO?排放图，并评估建筑类型、建成年代、季节性变异性以及与基于LCZ的城市形态在凤凰城（亚利桑那州）的排放模式之间的关联？

近期城市建筑能源建模（UBEM）的进展旨在通过自动化和大数据集应用来克服这些局限性。一个显著的方法是由橡树岭国家实验室开发的自动建筑能源建模（AutoBEM）框架，该框架能够利用高性能计算为整个建筑存量生成和模拟能源模型（New，2025）。AutoBEM处理大量地理空间和建筑数据（例如，涵盖约1.23亿栋建筑、约占美国建筑存量98%的全国"Model America"数据库），为目标区域中的每栋建筑自动生成"数字孪生"能源模型（New，2025）。关键在于，该框架通过纳入结构特定属性（如建筑类型、建成年代、规模、建筑材料等）来捕捉建筑异质性。AutoBEM因此提供了一个灵活、详细的模拟平台，用于探索城市和甚至国家尺度的建筑能源干预措施。采用该方法的研究可以评估能源效率升级、低碳技术转型或未来气候条件对每栋建筑排放的影响——这是传统BEM方法无法实现的。本文利用AutoBEM模型来弥补早期城市能源估算的不足，实现了对建筑CO?排放的逐街区映射。

本研究的创新之处不在于AutoBEM本身的发展，而在于将其组合应用于凤凰城的高分辨率城市CO?排放评估。具体而言，本研究：(i) 应用建筑级AutoBEM模拟估算了约722,237栋建筑的运营性建筑相关CO?排放；(ii) 评估了年、季和日时间尺度上的排放；(iii) 比较了不同建筑类型、建成年代类别和基于LCZ的城市形态类别的排放模式；以及(iv) 将汇总的天然气相关排放与EDGAR进行了比较，作为粗尺度空间一致性检验。通过将建筑级模拟输出与时间、类型和基于LCZ的空间分析联系起来，本研究提供了一个用于识别热干旱城市中建模排放异质性的诊断框架。先前的UBEM研究已证明了自下而上基于物理的建模在城市尺度能源分析中的价值（Ferrando等人，2020；Ang等人，2022），而LCZ框架为将城市形态与环境绩效联系起来提供了标准化基础（Stewart和Oke，2012）。近期研究进一步表明，LCZ可以解释城市CO?排放的空间差异（Javadpoor等人，2024）。Javadpoor等人（2024）对三个美国城市——巴尔的摩、印第安纳波利斯和洛杉矶——进行了基于LCZ分层的CO?排放评估，这些城市分别代表湿润亚热带、湿润大陆和地中海或半干旱沿海气候，均不属于炎热沙漠（柯本气候分类BWh）环境。该研究使用了Hestia化石燃料CO?数据产品，其中县级年度燃料消费统计数据通过能源强度基准分配到单个建筑，随后通过模拟的日变化形状因子而非直接从建筑特定能源模拟中得出。该研究的局限性在于Hestia框架中的建成年代区分与二元的1980年前后住宅建筑划分相关，且商业建筑没有建成年代区分。在本研究中，建筑级排放是从每栋建筑（约722,237栋）单独的EnergyPlus/OpenStudio能源平衡模拟中获得的，其中建筑特定的占地面积和楼层面积与根据建筑类型、八类ASHRAE/DOE建成年代分类以及ASHRAE气候区选择的基于原型的围护结构、暖通空调和运营时间表假设相结合，并以每小时2021年气象观测数据为驱动。因此，排放量是直接来自模拟的建筑能源平衡而非汇总燃料消费总量的统计分配，且建成年代效应得到了比基于Hestia的评估更详细层次的解析。

在这些进展的基础上，本研究将AutoBEM衍生的建筑级电力和天然气消耗与LCZ分类相结合，以量化建筑类型、建成年代、季节性、日变化异质性和城市形态与热干旱城市中模拟的建筑相关CO?排放模式之间的关联。本研究还进行了空间基准测试，通过将自下而上的AutoBEM排放与EDGAR清单进行比较，采用常规相关性分析和空间关联指标（包括双变量Moran's I）（Crippa等人，2020；Crippa等人，2021；Lee，2001）。因此，主要贡献是一个高分辨率排放评估框架，将建筑级模拟、基于LCZ的城市形态、时间排放动态和空间基准测试联系起来，用于诊断性城市排放评估。每个分析维度均源自相同的底层建筑级模拟输出，并通过配对交叉表分析而非单一联合分解来检验。

为了评估AutoBEM衍生排放的广泛空间一致性并展示建模工作流程，选择凤凰城（亚利桑那州）作为案例研究，以展示高分辨率建模在城市环境中的优势。凤凰城是美国西南部一个快速发展的炎热干旱大都市区，以其庞大的城市用地和 intensify 的冷却能源需求而著称。

此类炎热干旱的太阳带城市在建筑排放相关文献中的代表性相对不足，尤其是在与温带及以供暖为主导的城市相比时；它们面临截然不同的、以制冷为主导的季节性和昼夜排放特征，这主要由极端夏季空调需求所驱动，因此针对其他气候校准的研究结论并不一定适用于凤凰城这样的城市。这些特征使其成为分析建筑类型、建筑年代和城市形态如何相互作用以驱动CO?排放的理想试验场，也为检验在其他地区识别出的基于建筑类型、建筑年代和当地气候区（LCZ）的排放模式是否能够推广到炎热干旱条件下提供了条件。通过为凤凰城的建筑存量创建全城市尺度的AutoBEM模拟，我们捕捉到了排放的精细空间变异性，并识别出与不同建筑类别和开发模式相关的模式。值得注意的是，近期建模研究表明，若无干预措施，仅因气候变暖，凤凰城的建筑相关CO?排放到本世纪末可能增加约10%（Li et al., 2025）。这凸显了详细排放映射的重要性，以帮助识别候选建筑区域，如老旧、低效建筑或能源密集型郊区，用于在改造和减缓规划中进一步评估。

以下部分，我们针对凤凰城的建筑建立了高分辨率CO?排放模型，评估了模型中按建筑类型、建筑年代类别、季节和昼夜时序以及基于当地气候区（LCZ）的空间分类所呈现的排放模式与城市排放的关系，并探讨了该诊断方法如何为城市气候行动提供信息参考。凤凰城及其他类似的太阳带城市是美国增长最快的都会区之一，在持续的气候变暖下面临日益增加的制冷相关能源负担，这种建筑级、按年代和LCZ分层的诊断直接关联于可持续城市发展的环境和社会维度。本案例研究的见解旨在推广到其他城市，展示了一条通往更细化和更明智的城市碳管理的路径。

本研究分为四个部分。第二节概述了方法论框架，包括研究区域、建筑数据、AutoBEM模拟设置和空间基准策略。第三节展示并讨论了研究结果，重点阐述了凤凰城建筑相关CO?排放的空间异质性及其与建筑类型、建筑年代和城市形态的关系，通过与EDGAR建筑部门排放清单的对比评估模型性能，并讨论了上文引入的跨维度关联的范围及其局限性。第四节总结全文，概括了主要发现并讨论了其对高分辨率城市碳核算和气候知情的城市规划的意义。

**研究区域**

凤凰城是美国亚利桑那州的首府和最大城市，位于该州中部，处于索诺兰沙漠盐河谷的马里科帕县境内，如图1所示。凤凰城面积约518平方英里（1340平方公里），以其沙漠地理和 sprawling 城市形态为特征。根据最新估算，凤凰城人口超过160万，是美国人口第五多的城市，且增长迅速。

**高分辨率CO?排放模拟**

利用AutoBEM框架，我们对亚利桑那州凤凰城约722,237栋建筑进行了2021年的建筑级能源消耗模拟（图5）。气象驱动数据来自NASA POWER数据集，模拟的电力和天然气使用量使用标准的能源-排放转换因子转化为CO?排放，以提供全城市范围内一致的建筑相关排放估计。

图5揭示了空间模式在季节性上的强烈对比。

**结论**

本研究利用AutoBEM框架，基于2021年气象驱动数据，对亚利桑那州凤凰城约722,237栋建筑进行了建筑相关CO?排放模拟。研究结果提供了按季节、建筑类型、建筑年代类别和基于当地气候区（LCZ）的空间分类对模拟排放的高分辨率诊断评估。从季节性来看，夏季是主导排放期，平均100米网格单元CO?排放约为414,964千克，而……

**生成式AI及AI辅助技术在写作过程中的声明**

在本工作准备过程中，作者使用了ChatGPT以纠正语法错误并提高清晰度和可读性。在使用该工具/服务后，作者对内容进行了审阅和编辑，并对出版物的内容承担全部责任。

**未引用参考文献**

Bechtel et al., 2015a；Bechtel et al., 2015b

**CRediT作者贡献声明**

Vivek Kumar Singh：撰写—审阅与编辑，撰写—原稿撰写，可视化，验证，软件，方法论，调查，形式分析，数据管理，概念构思。Hang Li：撰写—审阅与编辑。Shovan Chowdhury：撰写—审阅与编辑。Joshua New：撰写—审阅与编辑，监督，资源，项目管理。

**利益冲突声明**

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

**致谢**

致谢DOE国家实验室："本材料基于美国能源部科学办公室、生物与环境研究办公室城市综合野外实验室研究活动资助的工作[可选：合同编号XXXXXX]。" 标准论文致谢首页：橡树岭国家实验室由UT-Battelle, LLC代表美国能源部管理，合同编号为DE-AC05-00OR22725。本手稿由UT-Battelle, LLC根据……

Vivek Kumar Singh | Hang Li | Shovan Chowdhury | Joshua New