基于數智化生產線的木質建材生產碳排放評估

李佩嫻,宋廣翰,楊曉露,宋向南,盧昱杰*

基于數智化生產線的木質建材生產碳排放評估

李佩嫻1,2,宋廣翰1,楊曉露1,宋向南3,盧昱杰1,2*

(1.同濟大學土木工程學院,上海 200092；2.同濟大學工程結構性能演化與控制教育部重點實驗室,上海 200092；3.廣州大學管理學院,廣東 廣州 510006)

為研究數智化生產線的木質建材碳排放特征,為減碳策略提供底層數據支撐,對某數智化工廠生產的地板、木門和門套進行了基于生命周期評價的碳排放核算,其單位質量碳足跡分別為1.21,1.26和0.47kgCO2e/kg,地板和木門的碳排放強度均高于同類產品.材料和制造過程是木質建材產品的主要碳排放來源,分別占產品總碳排的54.74%～77.47%和18.57%～38.94%;運輸階段和廢氣處理階段碳排放之和均低于碳排放總量的9%.基于蒙特卡洛模擬的不確定性分析表明本研究結果具有較高精準度.數智化工廠未來可考慮從甄選低碳原材料、優化產品設計、提升設備能源效率、擴大清潔能源比例等方面進一步提升.

木質建材；生命周期評價；碳排放；低碳策略；智能制造

建材是產生碳排放的重點領域之一.數據顯示,2018年全國建材碳排放比重達到了全國碳排放總量的28.3%[1].推動建材生產過程“減碳、控碳”是實現國家尺度“雙碳”目標的主要途徑之一.木質建材加工需求旺盛,生產模式也逐漸從手工、半手工模式轉向數智化,即數字化與智能化相結合.本文所選的案例企業是全國率先推出木質家具產品智能制造的企業之一,在行業內部具有很強的代表性,該類數字化智能制造工廠模式可能革新整個行業的發展.但不可忽視的是,智能制造帶來標準化和高效性等利好的同時,也將消耗更多的動力能源,特別是人類追求高質量生活水平所需的高奢產品定位導致生產工藝流程復雜化和生產材料多樣化,有可能導致產品生產階段碳排放過高.在上述背景下,前瞻性的評估產品智能制造過程的碳足跡并針對性的提出減排建議,不僅對案例企業本身具有積極意義,也將為智能化變革下的木質建材加工行業低碳發展提供一定程度的信息支撐.

生命周期評價(LCA)廣泛應用于包括木質建材的碳排放特征分析.前人已重點關注木質建材生產對生態環境的影響,并提出了針對性的減碳策略.例如,研究發現原材料供應及產品分銷階段對產品溫室氣體排放有較大影響,可通過改變運輸模式、減少閑置運輸能力等提高綠色供應鏈管理[2-4].此外,木質建材碳排放與生產成本等因素相關.文獻通過LCA法對不同經濟、環境影響因素建模,分析了木質產品的價值鏈[5],且將其生命周期各階段的碳足跡分開估算,提出了相應減排措施[6].

前人多從國家尺度或者產品尺度研究木質建材碳排放.王珊珊等[7]通過國家間行業對比分析了中國造板行業的節能減排現狀,評估木材替代同類型建材達到的溫室氣體減排效果[8].國家尺度的數據主要來源于國家、地方政府公布的公共數據庫資源及相關文獻,且多存在均衡性與同質性假設,計算結果具有較高的不確定性.產品尺度的木質建材碳排放研究的方法主要包括碳排因子法和實測法.相關研究使用實測法分析多功能木質家具的碳足跡[9],核算木質床頭柜在主要生產階段的碳足跡[10],并對強化木地板的碳足跡核算方法和步驟進行了探討[11].不過上述方法受制于測量設備和收集技術等外界因素,無法保證測量數據的精度且成本相對較高.碳排放因子法是IPCC提出的一種自下而上的碳排放估算方法,也是目前廣泛應用的方法.其基本思路是從產品或服務的具體生產過程出發,針對每一種排放源收集其活動數據與排放因子,以活動數據和排放因子的乘積作為該項目碳排放量的估算值.相比之下,碳排放因子法研究產品尺度的碳排放基于大量詳細的過程物料清單數據,具有收集成本低廉、數據類型清晰等優勢.

數據清單的不確定性嚴重影響LCA研究結果的可信度.為保證LCA結果的準確度,定量評估并控制原始數據質量顯得尤為重要[12].已有學者[13]提出建立數據質量指標法與蒙特卡羅模擬相結合的數據不確定度分析方法,但其并沒有通過相應的原始數據對該方法進行對比驗證.不確定性分析方法包括泰勒級數展開、Zadeh模糊集與邏輯理論和貝葉斯模型平均、蒙特卡羅模擬法等[14].泰勒級數展開多用于條件復雜的不確定性分析;模糊算法的模型相對簡單、單調,計算次數較少,但結果準確度不夠;而蒙特卡羅模擬法通過對每一項不確定性來源進行分布假設,利用計算機進行多次計算,從而獲得整體碳排放不確定性的統計特征,更適合產品碳足跡評價.使用蒙特卡羅模擬計算不確定性廣泛應用于多個領域的碳足跡分析,如某塑料軟包裝印刷企業的印刷前階段碳足跡評價[11]、乳制品“從搖籃到零售”的生命周期評價[15]以及生物質燃料乙醇的經濟、能源和環境生命周期評估[16]等.

本研究通過核算數智化生產線的木質建材從搖籃到大門的碳排放量,分析3種典型木質產品的分階段碳排放特征,挖掘各個階段碳減排潛力,使數智化企業鑒定并優先處理最具溫室氣體減量潛力的環節,也同時為家具生產行業數智化變革發展提供低碳信息支撐.

1 研究方法

圖1 基于數智化生產線的木質建材生命周期評價框架

本研究應用LCA法評估了基于數智化生產線的地板、木門和門套3種典型木質產品從搖籃到大門的碳排放.產品生產過程的資源、能源消耗量和廢棄物產生量都來源于案例企業統計的物料投入清單.對于油漆等物料揮發導致的有機廢氣,本研究基于廢氣產量和廢氣特征統計數據,提出了基于碳元素平衡邏輯的碳排放計算方法:假設有機廢氣中的碳元素全部通過天然氣高溫熱解為二氧化碳.考慮到產品各階段不同數據的來源特征及處理方式,研究通過蒙特卡洛模擬法對清單數據及計算結果的不確定性進行分析,保證結果的可靠性和準確性.研究框架如圖1所示.

1.1 范圍與目標

以3類單件產品作為功能單元,即1片地板、1扇木門及1套門套,相關產品的規格見表1.

表1 功能單位——單件產品規格

本研究的系統邊界為搖籃到大門(C2G),包括材料、運輸、制造和廢氣處理過程(表2).具體而言,材料主要包括膠合板、桉木板等主材,油漆、膠黏劑等輔材以及紙皮、珍珠棉、封箱塑料膠帶等包裝材料.運輸碳排放指原材料從上游商家運輸到工廠的過程中燃油產生的碳排放(不包含上游商家原料采購和廠內運輸).制造環節是指地板、木門和門套3種典型產品通過機械生產加工過程,主要生產程序包括材料切割、定厚砂光和噴涂等.制造過程碳排放主要來源于機械用電,不包括人工活動產生的碳排放.廢氣處理指噴涂過程中油漆產生的揮發性有機物經專業裝置采集后,在天然氣焚燒產生的高溫下,熱解轉化為二氧化碳和水蒸氣排放的過程.根據工廠提供信息,揮發性有機物熱解效率為90%.基于保護企業知識產權的考慮,圖2系統邊界圖中的生產程序為不完全過程.

表2 本研究系統邊界

注:√表示本研究包含該階段,×表示本研究不包含該階段.

圖2 系統邊界內過程

1.2 數據清單收集

系統邊界內的數據取舍原則如下:1)普通物料重量<1%產品重量時,以及含稀貴或高純成分的物料重量<0.1%產品重量時,可忽略該物料的上游生產數據;總共忽略的物料重量不超過5%;2)廠房、生活設施用能可以忽略.

本研究的數據主要分為現場數據和背景數據.現場數據中,產品生產過程的能源消耗、資源消耗、廢棄物相關數據均來源于企業實測統計.生產過程的數據分配根據以下原則:1)材料、運輸、有機廢氣采集都基于產品質量進行數據分配;2)能源消耗基于實測功率和實測各工序機械運行時間進行分配;3)有機廢氣和天然氣消耗系全廠區公用的廢氣處理系統,本研究根據廢氣質量進行分配,即產生廢氣質量越大的產品,其分配的天然氣消耗量越大.具體而言,原材料消耗量由產品尺寸′損耗系數得出.運輸距離為企業估算,運輸工具類型為實際使用.制造階段機械設備的電力消耗為每道生產工序實測功率′運轉時間.有機廢氣排放量由廢氣采集口實測獲得.用于廢氣處理的天然氣消耗量來自廠區廢氣處理終端設備的實測數據,以同比例法推算單位質量有機廢氣消耗的天然氣量,即處理1g有機廢氣需消耗天然氣量0.033m3.具體數據清單見表3～6.

表3 單件產品生產所需原材料(kg)

注:“-”表示該產品不使用該種原材料.

背景數據主要通過查閱碳智匯、Ecoinvent、USLCI、USA Input Output、GaBi、Ecoinvent等數據庫和文獻資料,并根據地理就近原則、時間就近原則和相似度原則取用碳因子數據,即優先選擇廣東數據、中國國內數據,采集時間最接近2021年的數據,以及因子來源與所分析產品最相像的數據,最終取用的碳排因子清單見表7.

表4 原材料運輸清單

注:“噸位”指汽車能裝載的最大噸數.

表5 單件產品生產能源消耗清單(kW·h)

注:“-”表示該產品生產過程不包含該項生產程序.

表6 單件產品有機廢氣排放量及所需天然氣量

注:“-”表示該產品未使用該種油漆.

表7 能源、原材料、運輸工具碳排放因子

1.3 確定性碳排放計算方法

按照生產過程針對材料、運輸、生產及廢氣處理4個階段進行碳足跡計算,各階段計算公式如下:

(1)材料碳排放計算方法:

(2)運輸碳排放計算方法:

(3)制造碳排放計算方法:產品在制造階段的碳排放主要來自于機械設備所用電力能源,見式3.

(4)廢氣處理碳排放計算方法:由于木質品在生產過程中需要大量噴涂,油漆產生的揮發性有機物廢氣需要經過專業設備進行采集與處理.廢氣處理階段產生的二氧化碳主要來源于兩部分:一是揮發性有機物本身熱解轉變的CO2,二是燃燒天然氣的間接碳排放.第一部分碳排放計算方法如下:根據廢氣采集口實測數據,將揮發性有機物均攤到單件產品,獲取單件產品生產過程揮發的有機物質量m,j;根據實測,90%有機廢氣被熱解,本文假設涉及碳元素的化學物質都將轉化為CO2,可基于碳原子平衡推導有機廢氣轉變為的CO2量.第二部分碳排放計算方法采用碳排放因子法,將天然氣消耗量與天然氣碳排放因子相乘獲得天然氣的間接碳排放.廢氣處理階段的總碳排放計算公式如下:

1.4 不確定性識別與分析

采用蒙特卡羅模擬進行不確定性識別與分析.在蒙特卡羅模擬中,為每個不確定性分析參數設置概率密度函數(正態分布、均勻分布等),根據概率密度函數產生隨機樣本,并通過既定模式計算產品碳足跡,重復多次計算即可生成產品碳足跡的密度分布函數,并計算均值、標準差、95%置信區間等,得出產品的不確定度浮動范圍.蒙特卡羅模擬的精度隨著重復次數增加而提高.

2 結果與分析

2.1 確定性碳排放計算結果

如表8所示,一塊地板的碳足跡為1.54kgCO2e,其中材料和制造過程的碳排放相對較高,分別占碳排放總量的72.17%和18.97%;其他環節占比相對較低,運輸和廢氣處理的碳排放占比分別僅為3.15%和5.72%.一扇木門的C2G碳排放為154.47kgCO2e,其中材料隱含的碳排放占比高達77.47%,制造占比18.57%,運輸和有機廢氣處理階段碳排放占比僅為2.76%和1.21%.一副門套的產品碳足跡為15.81kgCO2e,其中材料與制造過程的碳排放量較高,分別占比54.74%和38.94%,運輸和有機廢氣處理占比僅為5.95%和0.37%.

橫向對比3種產品,總碳排放與產品尺寸直接相關,但由于工藝流程不同,各階段所占比例區別較大.廢氣處理在地板碳排放中所占比例5.72%遠大于廢氣處理在其他兩種產品中的比例1.21%和0.37%,這主要是由于該廠在制作地板過程中噴漆多達十余層,相對其他產品而言產生更多揮發性有機廢氣.木門的材料碳排放占比最高,高達77.47%,這主要是由于木門使用的密度板碳排放因子較高、消耗量大,機械流程較少.門套的制造碳排放占比遠高于其他兩種產品,這是由于門套線條組合較為復雜,需要更長的機械時間進行木材組合加工,電力消耗比例較高.

表8 三種典型木質建材的碳排放核算結果(kgCO2e)

如圖3所示,3種木質建材生產過程96%以上的廢氣處理碳排放均來自天然氣的直接燃燒,有機廢氣熱解產生的二氧化碳占比非常小,僅占產品總碳排放的0.2%以下(地板0.2%,木門0.04%和門套0.01%).由此可見,雖然計算過程中對于油漆組分進行了一定程度的估計和假設,但這些假設對于整體碳足跡核算結果并不會造成太大影響.

圖3 廢氣處理產生的碳排放細分

2.2 不確定性識別與分析

鑒于清單數據大部分為現場實測,可靠性較高,假設大部分參數的實際分布為正態分布,其均值()取清單數據,標準差(SD)假設為均值的5%.運輸距離為估計,因此標準差假設為均值的10%.電力碳排放因子在確定性分析中采用0.4948kgCO2e/(kW·h),假設電力因子符合均勻分布,最小值和最大值分別為0.4和0.6kgCO2e/ (kW·h).有機廢氣熱解直接產生的二氧化碳占產品總碳排放的比例極低,因此無需分析其不確定性.

根據表9的參數設置,在R語言中采用蒙特卡洛模擬法對3種產品碳足跡進行了不確定性分析,每種產品模擬10萬次,模擬結果如圖4所示.如表10所示,本研究的不確定度(用相對標準差RSD表示,RSD=標準差/均值)為4.25%～5.26%,相比文獻[12-13,23-24]介于6.26%～30.3%的不確定度,本研究結果可靠度及精準度較高.

表9 不確定性分析參數設置

注:SD表示標準差;表示均值;min表示下限;max表示上限.

圖4 蒙特卡羅模擬結果(以門套為例)

表10 不確定性分析結果和確定性碳排放計算值比較

3 討論

3.1 碳排放強度對比

本研究木地板、木門和門套對應的單位質量碳足跡分別為1.21,1.26和0.47kgCO2e/kg.為便于與相關文獻對比,將單件地板和木門的碳足跡(1.54和154.47kgCO2e)基于地板和木門的尺寸換算成8.83和46.21kgCO2e/m2.

文獻[11]對某家強化木地板制造企業進行了全生命周期碳核算,材料與制造階段碳排放之和為6.095kgCO2e/m2,材料碳排放是制造碳排放的近2倍.若將文獻[11]結果作為國內一般機械化工廠生產木地板的平均水平,數智化工廠生產的木地板碳排放強度將高出行業水平44.87%.值得注意的是,盡管本研究地板的制作過程機械化程度高,但由于工廠的智能化管理和機械設備的能效優化,其制造階段碳排放占比(18.97%)低于國內同類產品的制造碳排放占比(34.2%),體現了數智化工廠的優勢.此外,由表11可知,某挪威木地板[25]的材料與制造過程碳足跡極高,為16.374kgCO2e/m2,且材料占比為99.2%,這可能是由于其所取材料碳排放因子較高,且其制造過程的機械化水平較低.某日本木質地板(東京銷售)碳足跡為52.0kgCO2e/套,一套47kg,約合1.106kgCO2e/ kg.本研究地板的碳足跡高于國內同行和日本水平,低于挪威水平.

由表12可知,本研究木門碳足跡高于加拿大某板式木門,考慮到加拿大林業發達、木材資源豐富,該結果可能主要由于原材料的碳排放因子區別.同時,木門碳足跡遠低于鋼門,印證了木材的綠色屬性,說明了本文計算結果的合理性.值得注意的是,由于本文的系統邊界是“搖籃到大門”,因此并未算入“大門到墳墓”過程中可考慮的木材固碳作用.若考慮木材的生物固碳[26],木門將成為負碳產品,在減少溫室效應方面優于鋼制門等其他材料.

表11 本研究地板與同類產品的碳排放水平比較

注:“-”表示該數據未知.

表12 本研究木門與同類產品的碳排放水平比較

3.2 產品減碳措施

根據C2G的碳排放分析,3種產品碳排放大多來自于材料和制造階段,而運輸階段和廢氣處理階段的碳排放占比較小.與同類產品相比,該數智化工廠生產的木質建材碳排放普遍較高,主要原因可能是由高奢產品定位導致的復雜工藝流程和多種原材料,以及批量化機械使用.一般而言,機械化率和工序復雜程度與碳排放成正比,但從該案例可知,由于工廠已對主要設備進行能效優化,機械能耗產生的碳排放占比較低.基于研究結果,對于同類型數智化工廠產品減碳可從以下方面入手.

(1)甄選低碳原材料:數智化建材加工企業應強化綠色供應鏈管理,從供應鏈的角度,對材料供應商提出環保要求,促進密度板等主材的上游生產企業提升生產過程的綠色化程度,主動購買具有綠色標簽的原材料,降低原材料生產過程中的能源消耗和碳排放.

(2)優化低碳產品設計:數智化建材加工企業可以通過優化設計,盡早與上游原料供應商對接,減少原材料的損耗量.例如,本研究的案例工廠現階段生產地板時,一塊膠合板大板可供裁出7塊地板原料,有0.32m2的膠合板原材料被浪費,企業可與上游供應商協調設計生產出特定尺寸的原材料,以降低材料消耗.另一方面,數智化的產品包裝工藝應考慮簡約、耐用和可回收性,避免出現重復、過度包裝,例如減小采購膠帶的寬度,優化打包算法、降低膠帶使用長度等.

(3)提升設備能源效率:在智能化工廠中,產品生產過程中消耗的電力碳排放貢獻較大.一方面可升級改造生產設備,提升能源效率,降低機械實際運轉功率,有效減少電力消耗與間接碳排放.另一方面可加強工藝過程的清潔化設計,優化生產工藝流程,實現流水線式柔性生產和短流程生產,減少機器空轉時間.

(4)使用清潔能源:智能化工廠可通過在屋頂、空地等場所安裝分布式光伏、風機,提升生產耗電的清潔化程度,降低電力碳排放[29].以本研究案例企業為例,若在全廠屋頂以常規技術鋪設太陽能板,并將自發電均用于廠區生產,則產品生產能耗的碳排放可降低近30%.若改進光伏鋪設方式,推行建筑光伏一體化,結合區域光儲系統,可進一步降低生產能耗碳排放[30-31],適當抵消數智化生產帶來的高碳排放.

4 結論

4.1 數智化工廠生產的木地板、木門和門套對應的單位質量碳足跡分別為1.21,1.26和0.47kgCO2e/kg.

4.2 由于工藝流程不同,3種產品的各階段碳排放占比差異較大,但碳排放的主要來源均為材料和制造過程,分別占產品總碳排放的54.74%～77.47%和18.57%～38.94%.

4.3 基于數智化生產線的木地板的單位質量碳排放高于行業均值44.87%.

4.4 數智化生產帶來的高碳排可通過甄選低碳原材料、優化低碳產品設計、提升設備能源效率、擴大清潔能源應用比例等途徑適當抵消.

[1] 中國建筑節能協會.中國建筑能耗研究報告2020 [J]. 建筑節能,2021,49(2):1–6.

China Association of Building Energy Efficiency. China building energy consumption annual report 2020 [J]. Building Energy Efficiency,2021,49(2):1–6.

[2] Linkosalmi L,Husgafvel R,Fomkin A,et al. Main factors influencing greenhouse gas emissions of wood-based furniture industry in Finland [J]. Journal of Cleaner Production,2016,113:596–605.

[3] Iritani D R,Silva D A L,Saavedra Y M B,et al. Sustainable strategies analysis through Life Cycle Assessment: A case study in a furniture industry [J]. Journal of Cleaner Production,2015,96:308–318.

[4] Medeiros D L,Tavares A O D,Rap?so áLQRES,et al. Life cycle assessment in the furniture industry:the case study of an office cabinet [J]. International Journal of Life Cycle Assessment,2017,22(11):1823–1836.

[5] Suter F,Steubing B,Hellweg S. et al. Life cycle impacts and benefits of wood along the value chain: The case of Switzerland [J]. Journal of Industrial Ecology,2017,21(4):874–886.

[6] Hussain M,Malik RN,Taylor A.et al. Carbon footprint as an environmental sustainability indicator for the particleboard produced in Pakistan [J]. Environmental Research,2017,155:385–393.

[7] 王珊珊,張 寒,楊紅強.中國人造板行業的生命周期碳足跡和能源耗用評估 [J]. 資源科學,2019,41(3):521–531.

Wang S S,Zhang H,Yang H Q. Carbon footprint and energy consumption based on life cycle assessment of wood-based panel industry in China [J]. Resources Science,2019,41(3):521–531.

[8] Geng A X,Zhang H,Yang H Q. Greenhouse gas reduction and cost efficiency of using wood flooring as an alternative to ceramic tile: A case study in China [J]. Journal of Cleaner Production,2017,166:438–448.

[9] 張 南,李 楠,劉 一,等.生態設計家具的碳足跡核算與減排效果分析——以木質家具為例 [J]. 生態學報,2016,36(22):7235–7243.

Zhang N,Li N,Liu Y,et al. Calculation of the carbon footprint of eco-design furniture and measures for its mitigation: a case study of wooden furniture [J]. Acta Ecologica Sinica,2016,36(22):7235–7243.

[10] 林立平,黃圣游.木基材料產品碳足跡的核算與分析 [J]. 中南林業科技大學學報,2016,36(12):135–139.

Lin L P,Huang S Y. Carbon footprint assessment of wood-based product [J]. Journal of Central South University of Forestry & Technology,2016,36(12):135–139.

[11] 陳 碩,胡繼梅,沈乃強,等.強化木地板的”碳足跡”計算分析 [J]. 木材工業,2014,28(2):36–38.

Chen S,Hu J M,Shen N Q,et al. “Carbon footprint” calculation and analysis for laminate flooring [J]. China Wood Industry,2014,28(2):36–38.

[12] 黃 娜,王洪濤,范辭冬,等.基于不確定度和敏感度分析的LCA數據質量評估與控制方法 [J]. 環境科學學報,2012,32(6):1529–1536.

Huang N,Wang H T,Fan C D,et al. LCA data quality assessment and control based on uncertainty and sensitivity analysis [J]. Acta Scientiae Circumstantiae,2012,32(6):1529–1536.

[13] 陳 莎,李燚佩,曹 磊,等.產品碳足跡評價中不確定度與敏感度相結合的數據質量分析 [J]. 中國環境科學,2014,34(4):1067–1072.

Chen S,Li Y P,Cao L,et al. Data quality analysis with combination uncertainty and sensitivity for carbon footprint assessment of products [J]. China Environmental Science,2014,34(4):1067–1072.

[14] Zadeh L A. Outline of a new approach to the analysis of complex systems and decision processes [J]. IEEE Transactions on Systems Man and Cybernetics,1973,SMC-3(1):28–44.

[15] Djekic I,Petrovic J,Bo?i?kovi? A,et al. Main environmental impacts associated with production and consumption of milk and yogurt in Serbia–Monte Carlo approach [J]. Science of the Total Environment,2019,695:133917.

[16] Yu S R,Tao J. Economic,energy and environmental evaluations of biomass-based fuel ethanol projects based on life cycle assessment and simulation [J]. Applied Energy,2009,86:S178–S188.

[17] 碳阻跡.碳智匯碳排放因子數據庫 [DB/OL]. [2022-05-01].

Carbonstop. Carbon Intelligence database [DB/OL]. [2022-05-01].

[18] Geng A X,Ning Z,Zhang H,et al. Quantifying the climate change mitigation potential of China’s furniture sector: Wood substitution benefits on emission reduction [J]. Ecological Indicators,2019,103:363–372.

[19] 白偉榮.木質家具碳排放特征及碳減排策略研究 [D]. 北京:北京林業大學,2013.

Bai W R. Analysis of carbon emission characteristics and carbon reduction strategies of wood furniture products [D]. Beijing: Beijing Forestry University,2013.

[20] thinkstep. GaBi LCA databases [DB/OL]. [2022-05-01]

[21] Simapro. Simapro LCI databases [DB/OL]. [2022-05-01]

[22] Bayus J A. Environmental life cycle comparison of aluminum-based high barrier flexible packaging laminates [D]. Rochester: Rochester Institute of Technology,2015.

[23] Guo M ,Murphy R J. LCA data quality: Sensitivity and uncertainty analysis [J]. Science of the Total Environment,2012,435–436:230–243.

[24] Robati M,Mccarthy T,Kokogiannakis G. A method of uncertainty analysis for life cycle embodied CO2-e of building and structural materials in Australia [C]. Adelaide: 28th Biennial National Conference of the Concrete Institute of Australia 2017,2017:22–25October.

[25] Nesheim S,Malo K A,Labonnote N. Competitiveness of timber floor elements: An assessment of structural properties,production,costs,and carbon emissions [J]. Forest Products Journal,2021,71(2):111–123.

[26] 張春華,王莉媛,宋茜薇,等.1973～2013年黑龍江省森林碳儲量及其動態變化 [J]. 中國環境科學,2018,38(12):4678-4686.

Zhang C H,Wang L Y,Song Q W,et al. Biomass carbon stocks and dynamics of forests in Heilongjiang Province from 1973 to 2013 [J]. China Environmental Science,2018,38(12):4678-4686.

[27] CSA Group. EPD 794H Panel Doors [Z]. 2017.

[28] ift Rosenheim GmbH. EPD Steel/stainless steel doors [Z]. 2013.

[29] 趙若楠,董 莉,白 璐,等.光伏行業生命周期碳排放清單分析 [J]. 中國環境科學,2020,40(6):2751-2757.

Zhao R N,Dong L,Bai L,et al. Inventoryanalysis on carbon emissions of photovoltaicindustry [J]. China Environmental Science,2020,40(6):2751-2757.

[30] 姜 雷,胡憶南.工業廠房光伏屋頂構造形態對發電效益的影響 [J]. 濟南大學學報:自然科學版,2022,36(2):183–188,195.

Jiang L,Hu Y N. Influence of photovoltaic roof structural forms of industrial plants on power generation efficiency [J]. Journal of University of Jinan (Science and Technology),2022,36(2):183–188,195.

[31] 李建林,方知進,譚宇良,等.電化學儲能系統在整縣制屋頂光伏中應用前景分析 [J]. 太陽能學報,2022,43(4):1-12.

Li J L,Fang Z J,Tan Y L,et al. Analysis of application prospect of energy storage technology in county-wide rooftop photovoltaic system [J]. Acta Energiae Solaris Sinica,2022,43(4):1-12.

Carbon emissions assessment of wooden building materials manufactured from a digital and intelligent production line.

LI Pei-xian1,2,SONG Guang-han1,YANG Xiao-lu1,SONG Xiang-nan3,LU Yu-jie1,2*

(1.College of Civil Engineering,Tongji University,Shanghai 200092,China；2.Key Laboratory of Performance Evolution and Control for Engineering Structures of Ministry of Education,Tongji University,Shanghai 200092,China；3.School of Management,Guangzhou University,Guangzhou 510006,China).,2022,42(8)：3922～3930

In order to understand carbon emissions from wooden building materials produced in digital and intelligent factories and to provide ground references and benchmarks for carbon reduction strategies,a life-cycle assessment (LCA) was conducted in this study to quantify the carbon footprints of main wooden building materials. The results show that the carbon footprints (per unit mass: kg CO2e/kg) for a wood floor tile,a wood door,and a wood door frame are 1.21,1.26,and 0.47,respectively. The carbon footprints of the floor tile and the door are greater than their domestic counterparts in the literature. The raw materials and production processes are the main sources of carbon emissions for wooden building materials,accounting for 54.74%～77.47% and 18.57%～38.94% of the total carbon emissions,respectively,while the carbon emissions during transportation and waste gas treatment process account for less than 9% of the total carbon emissions. The Monte Carlo simulations show a relatively low uncertainty of the calculated carbon emissions in this study. Digital and intelligent factories could potentially reduce carbon emissions in the future by procuring low-carbon raw materials,optimizing the product designs,improving the energy efficiency of equipment,and using clean energy like solar and wind.

wooden building materials；life cycle assessment；carbon emissions；low-carbon strategy；intelligent manufacturing

X820.3

A

1000-6923(2022)08-3922-09

2022-02-05

國家自然科學基金資助項目(52108090,52078374,71904032); 上海市浦江人才計劃(2020PJD074)

* 責任作者,教授,lu6@tongji.edu.cn

李佩嫻(1992-),女,湖南長沙人,博士后,博士,主要從事綠色低碳建筑研究.發表論文20篇.