(一) 研究框架
本研究部分採取R 做程式撰寫、部分採取 Excel 做計算，依照圖 3-1 可以見 到整體概念內部具有三個項變項，分別為木構造房屋(N1)、製材廠產生木材 (N2)、以及林地上樹木的碳匯(N3)三項。由於木構造房屋在台灣占比仍不達所有 各類建築使用執照的1%，如果以木構造取代鋼筋混凝土建築，應有可取代的比 例最大值，便是N1 的極限。而森林土地利用面積有最大值，所以 N3 的森林可 固定碳匯，也會因土地的面積有極限。
圖 3- 1 整體研究框架圖 本研究繪製
圖 3- 2 產品生命週期評估與木材碳儲藏合併示意圖 本研究繪製
doi:10.6342/NTU201900179
- 18 -
本研究分別以BICF 法(林憲德，2018) ，計算 N1 中的木構造建築與鋼筋混 凝土建築的二氧化碳排放量差異。並再將木材的碳儲藏效益納入傳統LCA 的原 料開採與廢棄物處理中計算，如圖3-2 所見，並於廢棄物處理階段設定兩類情 境，估量廢棄後的木材碳儲存會有什麼變化。分別為:Ⅰ.棄置原地銷毀(完全未再 利用)；Ⅱ.部分回收再利用(碳儲藏並不計入下個產品的生命週期評估)。以完整 的生命週期搖籃至搖籃範疇，避免高估木構造的二氧化碳減量效益。
doi:10.6342/NTU201900179
Acb(RC 鄰接外氣的柱梁面積)=0.25×Bh×SL Acb(S 鄰接外氣的柱梁面積)=0.15×Bh×SL Acb(S 與帷幕外牆構造)=0
doi:10.6342/NTU201900179 Cb=330*AFb+45.5*AF
Cw= ΣCowj×Aowj
CFow= ΣFowj×(Aowj+Acbj)+ ΣFwcj×acj CFw= Σ(Fwgj+Fwfj)×Awj
Fowj(外牆外裝碳排) 查表
doi:10.6342/NTU201900179
CFt= ΣFevi×Nevi+ΣFeci×Neci
fac(AFIi) (功能空間空調工程資材碳足跡) 查表 Fevi(電梯資材碳排放基準值) 查表
Nevi(電梯數量)
Feci(電扶梯資材碳排基準值) 查表 Neci(電扶梯數量)
II. CFrm(修繕更新工程資材生命週期碳足跡)=CFns＊+CFe＊
CFns＊: 修繕更新階段非結構工程資材碳足跡 (kgCO2e)
III. CFc(施工碳足跡)=(0.286+0.589×S+1.327×Sb)×AF×(1.0+CFrm/CFm)×LCr
S(地上樓層數) Sb(地下樓層數) AF(建築總樓地板面積)
LCr(生命週期減碳係數)=1.0-Ai(不良環境修正係數)-Bj(建築結構耐久化修正係數)
IV. CFdw(拆除及廢棄物處理碳足跡)=(CFd+CFwa)×(1.0+CFrm/CFm)×LCr CFd: 拆除工程碳足跡 (kgCO2e) = (0.06×S+0.135×Sb+2.01)×AF
CFwa: 廢棄物處理工程碳足跡 (kgCO2e) = 0.055×Wd×AF
Wd: 新建與拆除廢棄物量密度 (kg/m2) 查表
V. CFeu(建築使用耗能碳足跡)=CFa+CFl+CFe+CFv+CFwt+CFtr+CFg CFa: 建築使用空調耗能碳足跡 (kgCO2e)= ΣEUIai×AFIi×ERai×B×LC CFl: 建築使用照明耗能碳足跡 (kgCO2e)= ΣEUIli×AFIi×ERli×B×LC
doi:10.6342/NTU201900179
qrw(平均每日雨中水利用量)=w1*rt*sum(npi)+w2*Aig,且 qrw=<0.001*R*Ar*P w1(雨中水沖廁之用水量，有雨水沖廁系統時為 0.06，無時為 0)
doi:10.6342/NTU201900179
- 23 - nsj(j 類電扶梯台數)
Eeli(i 類電梯全年標準耗電量) 查表 Eesj(j 類電扶梯全年標準耗電量) 查表
CFg(建築使用加熱耗能碳足跡)=(sum(Glj)+sum(G2j))*LC
G1j(加熱設備碳排量) 查表 G2j(廚房設備碳排量) 查表
doi:10.6342/NTU201900179
- 24 -
(三) Individual-based model
Individual-based model 是生態學上，常用來估計族群中有個體差異的情況，
生物體隨時序變化下，個體樹木的變化，以及本身性狀的表現。模式通常會設定 超級個體super individual (SI)作為分類，每種 SI 類別中會設定初始的生物數量，
並分別在模式中寫出各SI 的性狀。利用程式碼寫出性狀與環境的關係，會造成個 體成長的表現以及數量變化。
以本研究的研究方法為例，模式依照Nature 507 的結論設計(N. L. Stephenson et al., 2014)，假設單株樹木個體隨直徑越大，生產速率越大，但林分尺度的生長
doi:10.6342/NTU201900179
- 25 -
透過10 種 SI 分別為 0.08(m)-0.12 (cm) 直徑的林木隨機分布，每種 SI 分別 有300 棵。模擬的一百年中，每年的樹木生產力會分配 0.426 次方回饋到直徑，
並影響下個年度的生產力。透過三類數值(直徑 DBH、年生產率 V growth、樹種數 目)的監測一百年，再做出生長的曲線圖，驗證成長模式與一般觀測的情況相符合 後，可以在此情境下取得總體的木材量，並換算為二氧化碳當量。
另外在模式模擬的一百年內，樹木尚未達到個體衰老的生長遲緩變化，但仍 會受到森林密度的影響，在森林層級會受到壓迫，無法成長或死亡。此處引用同 篇論文中(邱祈榮 et.,2008)的，二葉松樣區株樹密度與林木大小之關係回歸式(圖 3-3)，以樣區內樹木的平均胸徑為條件，設定株樹須符合對應的平均胸徑大小，
同時也以平均胸徑大小作為生產力減量的依據。
圖 3- 3 台灣二葉松林樣區株數密度與林木大小之關係, 引用自林世宗等人，2008
doi:10.6342/NTU201900179
- 26 -
(四) 統計軟體 R
R 是以 S 語言的架構，發展出來的統計軟體，由 Ross Ihaka 及 Robert
Gentleman 兩人於 1993 年設計，以統計分析及繪圖為主要目的，且善於做矩陣操 作與運算。至今已發展25 年以上，為市面上最通用的免費統計軟體，同時因為 使用者多，所以有許多的R Packages，以下將簡列本研究會用到的 R Packages 與 相關語法及程式碼，提供檢視與討論。
####### Tree_model
####### Initiation: create an initial population diameter <- sort(runif(10, min = 0.08, max = 0.12)) leaves_productivity <- (diameter^2.90)*8.91 id <- seq(from=1, to=10, by=1)
number <- rep(300, times=10)
POP <- cbind(id,diameter,leaves_productivity,number) POP
####### define function of tree number(x) & diameter(y) by y=-0.0045x+26.063 number_to_diameter <- function(x){
y <- (-0.0045*x+26.063)/100 return(y)
}
diameter_to_number <- function(x){
y <- (x*100-26.063)/-0.0045 monitor.d[,1] <- POP[,2]
monitor.l[,1] <- POP[,3]
monitor.n[,1] <- POP[,4]
設定空白矩陣[10×20]紀錄第一年情況，共分為三類: 樹徑、生產率、棵。
doi:10.6342/NTU201900179
- 27 -
####### 2~100 years (five years/each loop) for (t in 2:20){
if(sum(POP[,4]*POP[,2])/sum(POP[,4])>number_to_diameter(sum(POP[,4]))){ ####### oppress POP[i,2] <- POP[i,2]+(POP[i,2]^2.0025/sum(POP[,2]^2.0025))*(POP[i,3]/175.3)^0.426
######## distribute by D^2.0025 } else{
POP[i,2] <- POP[i,2]+(POP[i,3]/175.3)^0.426 }
if(sum(POP[,4]*POP[,2])/sum(POP[,4])>number_to_diameter(sum(POP[,4]))){ ####### oppress N <- (model_3.1) POP[i,2] <- POP[i,2]+0.1*(POP[i,3]/175.3)^0.426 ######## average distribute
doi:10.6342/NTU201900179
- 28 -
Ⅱ.其次，一樣當平均胸徑大於棵數回歸時，樹木總數會減少，以符合棵數密度 與平均胸徑的關係(邱祈榮 et.,2018): Y diameter = -0.0045 X number +26.063 此處的減少方式，各個Super Individual 的胸徑都做棵數回歸，再按照各個的 棵數比例分配總棵數回歸值(model_3)。另外也有設計按照大小等比例縮放的 簡化方式(model_2) POP[i,4] <- POP[i,4]-(14-i) ####### dead
Ⅲ.最後，按照新的尺寸大小，重新設定 SI 樹木的生產力。
Mass_above <- matrix(,11,20) for (j in 1:20){
for (i in 1:10){
Mass_above[i,j] <- monitor.n[i,j]*0.029*monitor.d[i,j]^2.67 }
Mass_above[11,j] <- sum( Mass_above[1:10,j] ) }
timber <- matrix(,11,20) for (j in 1:20){
plot(monitor.d[4,],xlab="time",ylab="diameter_4",type = "b") plot(monitor.n[1,],xlab="time",ylab="number_1",type = "b") plot(Mass_above[11,],xlab="time",ylab="Mass_above",type = "b") plot(timber[11,],xlab="time",ylab="sum timber",type = "b")
分別做出地上部總生物量(孫正華, 2011)，以及樹幹材積總量(邱祈榮 et., 2008) 的一百年的變化資料矩陣。材積總量以同於試驗樣區的回歸式，地上部總量採 用WEB 通用相對關係式。
畫出部分的直徑、棵數、總材積、總地上部生物量，確認資料正確完成模擬。
doi:10.6342/NTU201900179
- 29 -