2019, Vol. 39文章信息
- 唐守娟, 张力小, 郝岩, 刘仟策, 刘宇鹏, 韩骥
- TANG Shoujuan, ZHANG Lixiao, HAO Yan, LIU Qiance, LIU Yupeng, HAN Ji
- 城市住宅建筑系统流量-存量动态模拟——以北京市为例
- Dynamic modeling of stock and flow in an urban residential building system: A case study of Beijing
- 生态学报. 2019, 39(4): 1240-1247
- Acta Ecologica Sinica. 2019, 39(4): 1240-1247
- http://dx.doi.org/10.5846/stxb201809131977
-
文章历史
- 收稿日期: 2018-09-13
- 修订日期: 2018-12-19
2. 中国科学院大学中丹学院, 北京 100049;
3. 中国科学院城市环境研究所, 城市环境与健康重点实验室, 厦门 361021;
4. 华东师范大学, 上海市城市化生态过程与生态恢复重点实验室, 上海 200241
2. Sino-Danish College, University of Chinese Academy of Sciences, Beijing 100049, China;
3. Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China;
4. Shanghai Key Laboratory for Urban Ecological Processes and Eco-Restoration, East China Normal University, Shanghai 200241, China
地面建筑物累积与更新是城市化过程显性特征与结果之一。城市扩张直接导致了建筑面积和密度的增加, 而建筑物从其建筑材料的生产到最终建筑物拆除整个周期中都同周围环境进行着物质能量的流动。建筑材料已经成为继水资源之后第二大输入城市系统的物料[1], 对环境有着直接或间接的影响[2-3]。如, 混凝土所用砂、砾石的开采会破坏城市周边的景观和生态系统完整性；水泥、钢铁、平板玻璃等建材的生产部门均是区域污染排放的重点行业；建筑建设和拆除所产生的建筑垃圾量已占到城市垃圾总量的30%—40%, 而绝大部分建筑垃圾又都是以露天堆放或填埋方式处理, 占用了大量土地且造成了大量资源的浪费[4]。因此, 研究城市建筑物流量与存量的动态变化, 掌握其来源、分布和去向情况, 对于揭示城市建筑系统代谢机理, 提高城市总体规划精准性、强化资源系统韧性管理、提升废弃物处置效率等宏观战略具有重要意义[5-8]。国内外研究进展也表明, 建筑物代谢已成为城市代谢研究领域中的热点问题。
早期城市代谢研究清单已包含了建材/废物的流动项, 如在中国香港[9]和维也纳[10]等案例城市的研究中均考虑了建筑流量部分, 但是并没有涉及城市建筑存量部分。由于存量与流量之间有着密不可分的耦合关系, 特别是建筑物存量很大程度上表征着城市发展的状态和“空间”服务能力, 是流量变化的主要驱动力。对城市建筑流量-存量的同步关注, 使建筑代谢逐渐作为研究主体从城市代谢分离出来, 研究重点包括建筑系统的流量/存量精准核算、动态变化、生命周期环境影响等。目前城市建筑代谢的流量/存量核算方法主要是物质流分析方法, 基于质量守恒定律, 着重关注城市道路、桥梁与管道等基础设施以及住宅等地面建筑所引发的特定材料或元素在社会经济系统中流量和存量的静态结构和动态变化[11]。相关案例研究主要有曼彻斯特及和歌山[12]、巴黎及其巴黎地区[13]等城市尺度, 当然也有国家尺度全部城市的研究, 如美国[14]、日本[15]以及中国[6]等。除了静态截面估算外, 城市建筑物流量-存量的趋势分析与动态模拟也逐渐成为研究的重点。例如, Condeixa等[3]利用物质流分析方法研究了里约热内卢住宅建筑材料使用效率和废弃物管理的动态变化；Müller[5]基于需求驱动, 构建了城市建筑物动态模拟模型, 并对荷兰1900—2100年住宅流量与存量进行模拟。该动态物质流分析模型经Bergsdal等[16]修改并应用于挪威住宅存量研究分析；Hu等[17]同样应用动态物质流分析方法, 模拟了1900年至2100年中国城乡住宅建筑系统中建筑面积存量的演变, 估算了中国对住宅建设的钢铁需求以及房屋拆迁中的废钢供应情况[18], 并开展了北京市1949—2050年住宅系统的建设和拆除废弃物管理研究[19]；需要说明的是, Sartori等[20]在开展挪威住宅建筑动态存量研究时指出寿命和更新率这两个技术参数对模型具有重要影响。因此, 在建模过程中需根据研究目的和数据情况不断提高参数的精确程度, 充分考虑建筑物结构、建筑服役时间等, 利用新获得数据强化模型验证, 并根据城市发展的新态势细化模拟情景。
我国快速城市化过程发轫于改革开放后, 加速于20世纪90年代中期后。作为我国首都的北京, 是这个过程的典型缩影, 2016年北京城镇化率已达到86.5%。城镇建筑物主要包括住宅、商业、工业、公共和其他目的的用房, 其中住宅建筑年竣工面积占50%以上。在北京市快速城镇化过程中, 住宅建筑结构比例发生了显著变化(图 1), 砖木、砖混以及钢混等呈现演替变化的特征。本文以北京市居民住宅建筑为例, 基于Stella建模平台, 构建了城市居民住宅建筑系统流量-存量的动态变化模型, 并将建筑结构因素嵌入模型之中, 精细化考虑不同建筑结构对建筑寿命以及物料强度产生的影响, 系统模拟分析城市化过程中居民住宅建筑系统流量-存量的动态变化, 综合考虑居住需求、建筑寿命等不同资源管理情景下资源与环境影响的变化规律。
|
| 图 1 1949—2012年北京市城镇居民住宅建筑结构比例变化图 Fig. 1 Percentage of residential buildings with different architectural structures from 1949 to 2100 in Beijing |
城市住宅建筑存量的动态变化取决于新建和拆除两个流量过程[21]。Stella正是基于存量-流量建模范式的动态模拟软件平台, 它通过诸如累积质量、能量、原料等库来描述存量, 不同的库间用各种流进行连接, 这些流可以使不同的库之间进行互相转移和变化。这种建模范式, 使Stella在进行建筑物流量-存量动态模拟方面独具优势, 由于不需要编写复杂的程序代码, 大大提高了建模的交互性与通用性。本文以北京市城市居民住宅建筑为系统边界, 构建城市住宅建筑系统的系统动力学模型(图 2), 模拟时段为1949—2100年, 模型初始值设定于1949年。模型包括4个子模块：
|
| 图 2 城市住宅建筑流量-存量Stella模型结构图 Fig. 2 The stock-flow diagram of Beijing-STELLA Model |
模块Ⅰ是居民住宅建筑需求模块。住宅建筑物存量与流量变化主要受城市人口以及住宅需求驱动, 该模块中包括两个重要参数, 人均住宅建筑面积以及人口数。当年城市居民居住需求面积(S)由城镇常住人口(P)和人均建筑面积(A)的乘积决定(公式1)。基于北京市未来50年户籍人口变动趋势预测研究[22]、《北京城市总体规划(2016—2035)》对北京市常住人口的规划以及设立雄安新区集中疏解“非首都功能”的目标, 城市人口动态变化可用逻辑斯蒂增长函数来表征(图 3)。
|
| 图 3 北京市城镇常住人口历史数据与趋势预测 Fig. 3 Historical figures and projection of urban population in Beijing |
模块Ⅱ为流量-存量模块, 用来模拟新建流量面积-存量面积-拆除流量面积的动态变化。模型中每年新建面积等于新增城市住宅需求面积与拆除面积之和(公式2)。相关研究发现住宅建筑的寿命曲线符合正态分布[5, 23], 可据此建立住宅建筑的拆除曲线(公式3), 从而获得拆除流量(公式4)。为提高模型的精细化程度, 考虑北京市城镇住宅的建筑结构主要分为砖混、钢混和砖木三种, 模块Ⅱ构建了三种建筑结构的流量-存量子系统。其1949—2012年3种建筑结构比例参考已有的成果[24]和实地调研, 由于2012年以后, 砖木结构的住宅占比很小, 此后主要考虑砖混和钢混两种建筑结构。
模块Ⅲ为资源模块(公式5所示), 通过各类建筑材料需求强度, 可模拟混凝土、钢铁、水泥、玻璃等建筑材料的需求量。本文以钢铁资源的需求量为例进行模拟分析, 其他相关指标可采取类似的建模方式加入到模型中。模块Ⅳ为环境模块(公式6所示), 本模型主要考虑住宅建筑拆除垃圾产生量。
|
(1) |
|
(2) |
|
(3) |
|
(4) |
|
(5) |
|
(6) |
S(t)：当年城市居民居住需求面积(m2)；P(t)：当年城镇常住人口(万人)；A(t)：当年城镇居民人均住宅建筑面积(m2)；fin：新建面积流量(m2)；fout：拆除面积流量(m2)；L(t, t′)：居民住宅建筑寿命分布；t：时间序列1949—2100；t′：新建流量输入系统中的具体年份；τ：平均住宅建筑寿命；σ：正态分布标准差, 本文取值0.2τ；S1：钢混住宅存量面积(m2)；S2：砖混住宅存量面积(m2)；S3：砖木住宅存量面积(m2)；M1：钢混建筑钢铁使用强度(t/100 m2)；M2：砖混住宅钢铁使用强度(t/100 m2)；M3：砖木住宅钢铁使用强度(t/100 m2)；MS：钢铁总需求(t)；W1：钢混住宅单位面积拆除垃圾量(t/100 m2)；W2：砖混住宅单位面积拆除垃圾量(t/100 m2)；W3：砖木住宅单位面积拆除垃圾量(t/100 m2)；WS：垃圾总产生量(t)。
1.2 数据支持本研究数据源主要包括《北京市统计年鉴》、《北京六十年》、《北京志》、《北京市1%人口抽样调查资料》等统计数据以及其他文献调研数据。其中, 1949—2007年城市居民住宅竣工面积即新建流量数据统计口径一致且相对较为准确, 作为本模型前期新建流量数据；2008至今的数据, 统计口径发生变化, 竣工面积包含了农村住宅新竣工面积, 无法准确分离。利用统计数据1949—2016年人均住宅建筑面积与当年城镇常住人口的乘积可估算城市住宅面积存量, 用于模型验证。
1.3 情景设置本研究模型构建的4个关键参数, 分别为城镇人口、人均住宅建筑面积、住宅建筑平均寿命以及建筑物料强度, 通过改变人均住宅建筑面积与住宅建筑平均寿命参数设置了3种不同情景。
基准情景设定城镇常住人口人均住宅建筑面积按照目前的发展趋势保持不变, 最高可以达到30 m2(图 4)；目前住宅建筑寿命普遍低于设计寿命[25], 调查显示现有城市建筑平均实际寿命仅为30—40年[26-27], 因此确定基准情景的住宅建筑寿命分别是砖木为30年, 砖混为30年, 钢混为40年。
|
| 图 4 人均建筑面积的历史数据和预测趋势 Fig. 4 Historical figures and projections of per capita floor area |
在基准情景的基础上, 分别根据Huang等[27]的研究, 在经济发展水平很高的情况下中国城镇人口人均住宅建筑面积最高可达45 m2, 设置了“大面积”情景(图 4)和住宅建筑达到设计寿命(砖木建筑设计寿命40年, 砖混建筑设计寿命50年, 钢混建筑设计寿命70年)的“长寿命”情景。需要补充说明的是, 在长寿命情景中, 考虑到技术进步影响, 1949—2010年砖木、砖混和钢混的寿命与基准情景相同, 2011—2100年砖木住宅寿命为40年, 砖混住宅寿命为50年, 钢混住宅寿命为70年。相关情景设计及参数设定见表 1。
| 情景设置Scenarios designed | 基准情景Baseline | 大面积情景Large area | 长寿命情景Long lifespan |
| 人均住宅建筑面积最大值/m2 Maximum of per capita floor area |
30 | 45 | 30 |
| 建筑寿命/a Lifespan |
砖木30；砖混30； 钢混40 |
砖木30；砖混30； 钢混40 |
砖木40；砖混50； 钢混70 |
运行模型后, 可得到北京市城镇居民住宅建筑存量的动态变化结果, 见图 5。将模型模拟值与统计值进行比较, 发现模拟值与统计值存在较好的一致性, 模型具有较高的可靠性。但模拟值略大于统计值, 可能是因为模型输出的存量值只受到每年新建量和拆除量的影响, 其中包含预售住宅面积, 而统计住宅面积存量并不包含预售住宅面积。
|
| 图 5 模型验证分析图 Fig. 5 Model validation analysis diagram |
由模拟结果可见, 建国后北京城市新建流量总体上增长缓慢, 如图 6所示。改革开放后, 特别是20世纪90年后, 随着城市经济的快速发展以及住房制度的改革, 北京市城镇住宅建筑面积实现了快速增加, 主要因为城镇人口的急剧增加, 驱动了住宅建筑需求量的升高。这一轮驱动变化在2005年饱和, 新建流量面积达到峰值3024.1万m2, 此后便呈现下降趋势。尽管流量呈现下降趋势, 但城市建筑存量将持续增加, 于2075年达到饱和, 即7.51亿m2, 与1949年的1354万m2相比较, 增加了55倍, 存量达到饱和后, 标志着北京市城镇居民住宅建筑进入存量更新维护期。模拟结果也显示, 住宅建筑拆除流量将在2057年达到峰值, 当年拆除面积为2073.14万m2, 表明本世纪初建设的大规模住宅建筑将在本世纪中叶进入生命周期末端。
|
| 图 6 基准情景下住宅流量-存量子系统动态变化图 Fig. 6 Simulation results of residential buildings flow-stock for baseline scenario |
需要说明的是, 在大面积情景下, 2005年也是北京市住宅建筑流量的峰值, 但在2061年左右会有第二个小峰值。总体上, 在此情景下新建面积流量维持在较高的水平, 每年的新建面积约在2500—3000万m2之间。其存量累积将在2098年到达饱和, 峰值存量为10.78亿m2；同时, 拆除流量峰值延后至2064年达到一个小高峰, 当年拆除住宅面积2569.90万m2, 在2096年达到大高峰, 当年拆除面积约为2803.78万m2, 如图 7所示。
|
| 图 7 大面积和长寿命情景住宅流量-存量子系统动态变化图 Fig. 7 Simulation results of flow-stock for residential buildings for large area and long lifespan scenarios |
延长建筑物寿命后, 新建面积流量呈倒“U”形, 其拆除流量的峰值出现更晚, 约在2080年达峰, 拆除面积也减少到1412.61万m2。与基准情景相比, 存量饱和后的新建量总体较小但呈现波动性变化(图 7)。
2.2 钢铁需求量模拟显然, 不同情景下, 不同城市建筑流量-存量变化驱动下, 对关键建筑材料如钢铁的需求也会有较大的差异。图 8显示了3种情景下2019—2100年钢材需求量模拟结果, 区间下限是基于长寿命情景估算得到, 该情景下钢铁年需求量的最大值为78.09万t, 最小值为30.40万t；区间上限反应了大面积情景钢铁需求, 该情景下的钢铁需求量最大值为136.27万t, 最小值为114.82万t。图中灰色区域Ⅰ为大面积情景钢铁需求量与基准情景的差值, 表示当人均住宅建筑面积达到45 m2时对钢铁需求量的增加量, 即2019—2100年期间共增加钢铁需求量3251.65万t；灰色区域Ⅱ是基准情景钢铁需求量与长寿命情景的差值, 提供了若2010年以后新建住宅建筑平均寿命达到设计寿命时可减少的钢铁需求量, 即2019—2100年共减少3022.9万t钢材需求量。可见, 延长住宅寿命对于减少建材的消耗具有显著性作用, 因此政府管理部门应提高城市总体规划的精准性, 优化城市建筑存量使用效率, 从而不断延长住宅建筑寿命, 降低建材需求量。
|
| 图 8 钢铁需求量模拟结果 Fig. 8 Simulation results of steel demand |
建筑拆除垃圾是城市建筑垃圾的主要组成部分。在过去的50多年里, 北京市城市居民住宅拆除建筑垃圾产生量相对较小, 主要是因为1990—2020年期间新建住宅建筑尚未达到平均寿命的生命周期结束阶段。但在未来的几十年里, 北京市将面临住宅建筑垃圾产量迅速增长的压力。在不同情景下, 建筑拆除垃圾产生量的时间和年度产生量会有较大差异(图 9)。基准情景、大面积情景以及长寿命情景的拆除垃圾产量第一个高峰分别在2057年、2064年以及2080年达到峰值2854.33万t、3598.94万t、1984.56万t。对于基准情景与大面积情景而言, 由于住宅建筑寿命较短为30—40年, 住宅建筑更新速率较快, 导致拆除垃圾产量会有第二个高峰且维持在较高水平, 分别在2095年、2097达到峰值2820.32万t、3928.67万t。
|
| 图 9 北京市居民住宅建筑拆除垃圾模拟结果 Fig. 9 Prediction results of demolition waste in residential buildings in Beijing |
模拟结果也说明, 人均住宅建筑面积越小, 那么建筑垃圾峰值越小, 对资源环境的冲击也相对越小；住宅的寿命也是影响城市住宅建筑垃圾变化的重要因素, 延长住宅寿命可以推迟住宅建筑垃圾峰值的到来, 同时能降低峰值垃圾的产生量。从长远来看, 建筑垃圾是一种稳定的二次资源, 建筑垃圾再生利用可生产再生骨料、再生活性微粉、混凝土制品、再生混凝土复合料、再生混凝土、垃圾土陶粒等产品。因此政府应努力提高建筑垃圾的循环利用率, 不仅可减少从自然界输入的建材流量, 节约资源, 还能减轻建筑垃圾占地和污染问题。
3 结论本文基于Stella建模平台, 构建了北京市城镇居民住宅建筑系统流量-存量模型, 动态模拟了其新建量、存量以及拆除量的动态变化趋势, 并进一步估算建材钢铁需求区间与建筑垃圾产生量。主要结论如下：
(1) 基准情景下, 北京住宅建筑新建流量前期增加较快, 在2005年达到峰值3024.1万m2, 这一快速增长反映了该时期北京快速城镇化和经济发展对于基础设施建设的强力拉动作用, 而拆除流量约于2057年达到峰值, 拆除面积为2073.14万m2, 相应地, 城市住宅建筑存量最高值出现在2075年左右, 存量面积为7.51亿m2。
(2) 情景模拟结果显示, 未来北京市住宅建筑钢铁需求区间上限的年需求量最大值为136.27万t, 最小值为114.82万t, 区间下限的年钢铁需求量最大值为78.09万t, 最小值为30.40万t。与基准情景相比, 大面积情景2019—2100年期间共增加钢铁需求量3251.65万t, 而长寿命情景下延长住宅建筑寿命至设计值, 2019—2100年共可节约3022.9万t钢铁。
(3) 住宅寿命和人均住宅建筑面积是影响城市住宅建筑垃圾变化的重要因素, 在过去的60多年里, 北京市住宅建筑拆除垃圾产生量相对较小, 因为大量新建的住宅建筑未达到退役阶段。在未来的几十年里, 北京市将面临住宅建筑拆除垃圾达峰的压力, 基准情景、大面积情景以及长寿命情景下拆除垃圾峰值产生量分别为2854.33万t、3928.67万t、1984.56万t。在拆除垃圾峰值到来前, 应该做好预警措施, 进一步提高建筑垃圾循环利用的比例, 提高二次建材原料的市场消纳量, 从而减轻建筑垃圾处理的压力。同时通过提高住宅建筑的质量延长住宅寿命, 优化城市建筑存量使用效率, 减少物质资源的消耗, 实现住宅建筑系统的可持续发展。
| [1] |
Augiseau V, Barles S. Studying construction materials flows and stock:A review. Resources, Conservation and Recycling, 2016, 123: 153-164. |
| [2] |
崔胜辉, 张雅京, 周健, 等. 城市建筑代谢研究方法及其展望. 生态科学, 2011, 30(3): 359-367. DOI:10.3969/j.issn.1008-8873.2011.03.023 |
| [3] |
Condeixa K, Haddad A, Boer D. Material flow analysis of the residential building stock at the city of Rio de Janeiro. Journal of Cleaner Production, 2017, 149: 1249-1267. DOI:10.1016/j.jclepro.2017.02.080 |
| [4] |
赵军, 刘秋霞, 林立清, 钱光人, 肖建庄. 大城市建筑垃圾产生特征演变及比较. 中南大学学报:自然科学版, 2013, 44(3): 1297-1304. |
| [5] |
Müller D B. Stock dynamics for forecasting material flows-Case study for housing in The Netherlands. Ecological Economics, 2006, 59(1): 142-156. DOI:10.1016/j.ecolecon.2005.09.025 |
| [6] |
Huang C, Han J, Chen W Q. Changing patterns and determinants of infrastructures' material stocks in Chinese cities. Resources, Conservation and Recycling, 2017, 123: 47-53. DOI:10.1016/j.resconrec.2016.06.014 |
| [7] |
Huang W, Huang Y F, Lin S Z, Chen Z H, Gao B, Cui S H. Changing urban cement metabolism under rapid urbanization-A flow and stock perspective. Journal of Cleaner Production, 2017, 173: 197-206. |
| [8] |
楼俞, 石磊. 城市尺度的金属存量分析——以邯郸市2005年钢铁和铝存量为例. 资源科学, 2008, 30(1): 147-152. DOI:10.3321/j.issn:1007-7588.2008.01.022 |
| [9] |
Newcombe K, Kalma J D, Aston A R. The metabolism of a city:The case of Hong Kong. Ambio, 1978, 7(1): 3-15. |
| [10] |
Hendriks C, Obernosterer R, Müller D, Kytzia S, Baccini P, Brunner P H. Material Flow Analysis:a tool to support environmental policy decision making. Case-studies on the city of Vienna and the Swiss lowlands. Local Environment, 2000, 5(3): 311-328. DOI:10.1080/13549830050134257 |
| [11] |
Müller E, Hilty L M, Widmer R, Schluep M, Faulstich M. Modeling metal stocks and flows:a review of dynamic material flow analysis methods. Environmental Science & Technology, 2014, 48(4): 2102-2113. |
| [12] |
Tanikawa H, Hashimoto S. Urban stock over time:spatial material stock analysis using 4D-GIS. Building Research & Information, 2009, 37(5/6): 483-502. |
| [13] |
Barles S. Urban metabolism of Paris and its region. Journal of Industrial Ecology, 2010, 13(6): 898-913. |
| [14] |
Kapur A, Keoleian G, Kendall A, Kesler S E. Dynamic modeling of in-use cement stocks in the United States. Journal of Industrial Ecology, 2010, 12(4): 539-556. |
| [15] |
Tanikawa H, Fishman T, Okuoka K, Sugimoto K. The weight of society over time and space:a comprehensive account of the construction material stock of Japan, 1945-2010. Journal of Industrial Ecology, 2015, 19(5): 778-791. DOI:10.1111/jiec.12284 |
| [16] |
Bergsdal H, Brattebø H, Bohne R A, Müller D B. Dynamic material flow analysis for Norway's dwelling stock. Building Research & Information, 2007, 35(5): 557-570. |
| [17] |
Hu M M, Bergsdal H, Van Der Voet E, Müller D B. Dynamics of urban and rural housing stocks in China. Building Research & Information, 2010, 38(3): 301-317. |
| [18] |
Hu M M, Pauliuk S, Wang T, Huppes G, Van Der Voet E, Müller D B. Iron and steel in Chinese residential buildings:A dynamic analysis. Resources, Conservation and Recycling, 2010, 54(9): 591-600. DOI:10.1016/j.resconrec.2009.10.016 |
| [19] |
Hu M M, Van Der Voet E, Huppes G. Dynamic material flow analysis for strategic construction and demolition waste management in Beijing. Journal of Industrial Ecology, 2010, 14(3): 440-456. DOI:10.1111/jiec.2010.14.issue-3 |
| [20] |
Sartori I, Sandberg N H, Brattebø H. Dynamic Building Stock Modelling:General Algorithm and exemplification for Norway. Energy and Buildings, 2016, 132: 13-25. DOI:10.1016/j.enbuild.2016.05.098 |
| [21] |
杨崴, 杨向群. 建筑存量系统分析与模拟方法. 河北工业大学学报, 2009, 38(3): 90-94. DOI:10.3969/j.issn.1007-2373.2009.03.021 |
| [22] |
马小红. 北京市未来50年户籍人口变动趋势预测. 北京社会科学, 2003(4): 84-90. DOI:10.3969/j.issn.1002-3054.2003.04.014 |
| [23] |
Miatto A, Schandl H, Tanikawa H. How important are realistic building lifespan assumptions for material stock and demolition waste accounts?. Resources Conservation and Recycling, 2017, 122: 143-154. DOI:10.1016/j.resconrec.2017.01.015 |
| [24] |
Hu D, You F, Zhao Y H, Yuan Y, Liu T X, Cao A X, Wang Z M, Zhang J L. Input, stocks and output flows of urban residential building system in Beijing city, China from 1949 to 2008. Resources, Conservation and Recycling, 2010, 54(12): 1177-1188. DOI:10.1016/j.resconrec.2010.03.011 |
| [25] |
Cai W J, Wan L Y, Jiang Y K, Wang C, Lin L S. Short-lived buildings in China:impacts on water, energy, and carbon emissions. Environmental Science & Technology, 2015, 49(24): 13921-13928. |
| [26] |
宋春华. 全寿命高品质-坚持以人为本, 实行住宅性能认定. 住宅科技, 2004(9): 3-7. |
| [27] |
Huang T, Shi F, Tanikawa H, Fei J L, Han J. Materials demand and environmental impact of buildings construction and demolition in China based on dynamic material flow analysis. Resources, Conservation and Recycling, 2013, 72: 91-101. DOI:10.1016/j.resconrec.2012.12.013 |