建筑行业作为全球碳排放的重要来源,正面临日益紧迫的脱碳压力。传统的建筑环境影响评估多聚焦于建筑运行阶段的能耗,而将建筑从“摇篮”到“大门”的碳排放,特别是建造施工阶段(包括A4材料运输和A5现场施工活动)的排放,往往被视为次要因素或被简化处理。然而,随着建筑运行能效的提升和电网的脱碳,蕴含碳排放(包括施工排放)在建筑全生命周期碳足迹中的占比变得愈发突出。它们发生在建筑入住之前,无法通过未来的能源效率提升来抵消,因此是建筑生命早期阶段可采取行动的关键减排目标。为此,欧盟及多个国家正加强建筑环境性能法规,将生命周期评估(LCA)纳入新建建筑的碳排放计算,甚至设定排放限值。例如,丹麦已走在前列,从2025年7月起对模块A4和A5的排放设定了75 kg CO2e/m2的监管限值。在此快速演变的监管背景下,不仅需要能够回顾性评估排放的工具,更需要能够支持前瞻性规划、估算未来资源需求及其相关排放的预测方法。
针对这一问题,Lea Hasselsteen及其同事在《Developments in the Built Environment》上发表了一项开创性研究。他们开发了一种创新的模块化建模方法,将机器学习预测模型与生命周期评估框架无缝整合,旨在精确预测和管理施工阶段的碳排放。该研究的核心目标是为建筑项目的早期规划阶段提供一种工具,使其能够基于项目参数预测施工过程中的资源消耗和温室气体排放,从而为可持续设计和施工决策提供数据支持,并助力遵守日益严格的碳法规。
在预测模型应用于碳限额管理的案例分析中,研究利用开发的模型评估了七个建筑项目是否满足丹麦75 kg CO2e/m2的A4-A5排放限值。结果显示,除了废弃物排放外,其余所有资源类别的平均温室气体排放均超出了基于文献平均值设定的预算份额。废弃物排放尽管未超预算,但其贡献了最大的排放份额(占总限额的51.7%,平均31.69 kg CO2e/m2),是主要的现场排放源。运输排放平均为24.23 kg CO2e/m2,也集中在前半期。电力(超出预算14.5%)和供暖(超出预算45.7%)排放预计将随着能源供应脱碳而减少。燃料排放(超出预算65.4%)严重超标,尤其是在使用柴油作为主要燃料时,凸显了施工初期重型机械电气化或使用生物柴油等清洁替代燃料的必要性。