混合型物質流分析量化多空間尺度都市礦

(1)

國立臺灣大學工學院環境工程學研究所博士論文

Graduate Institute of Environmental Engineering College of Engineering

National Taiwan University Doctoral Dissertation

混合型物質流分析量化多空間尺度都市礦 A Hybrid Material Flow Analysis for Quantifying

Multilevel Urban Ore

鄭光利

Kuang-Ly Cheng

指導教授：馬鴻文博士 Advisor: Hwong-wen Ma, Ph.D.

中華民國 109 年 7 月

July 2020

(2)

口試委員會審定書

(3)

(4)

謝辭

好的研究通常來自好的問題，感謝恩師馬鴻文博士在2015 年秋問了我一個好問題，讓我得以在都市礦評估領域生根，成長，茁壯至完成博士學位，希望未來能繼續在循環經濟領域開枝散葉。

論文進度審查、期刊審查和學位考試期間，承蒙本校土木系呂良正博士，地理系朱子豪博士，本所李公哲博士、張慶源博士和闕蓓德博士，成大環工系陳必晟博士，以及未曾謀面的reviewers 給予諸多寶貴建議，使本論文更臻完善，由衷感謝。

今敝人學業得以完成，必須特別感謝神之推手ー必晟學長。感謝您從國際學術前線帶回都市採礦的研究，讓小輩發現這一片都市礦山，至今仍挖掘不盡。感謝您在香港擔任博後研究員時，引介小輩和Dr. Mark 認識，自此打開我博士生涯的新篇章。感謝PURE Lab 的成員給我機會和你們一同研究和成長。

感謝在我內心宇宙地表最強的香港理工大學Dr. Mark 團隊。在 Dr. Mark 的訓練及鞭策之下，獲得了鑑賞的眼光，感激涕零。感謝團隊成員Emily、Cathy、Kathy、

Charmane、Valeria、賽那、王然和銘誠。特別感謝 Cathy 和 Kathy。

感謝王怡心博士楊府一家，感謝廉璞帶來的緣分讓我在2015 年 ISIE 倫敦研討會和怡心學姊熟識。怡心學姊不論在學術研究、人生課題或是實際的生活支援都提供了我莫大的幫助，當然背後還有強大又帥氣的老爺。對於貴府給予我們的恩情，

沒齒難忘，今生有力定加倍奉還。

感謝大頭、紅豆和暖暖一家，特別感謝大哥撥冗出席我的畢業典禮。感謝立命館大學橋本先生和橋本研，感謝劍桑、中川さん和サキさん，是您們豐富了我在日本的生活。感謝馬家班成員，族繁不及備載。感謝大阿姨郭小美和表哥游裕祺，感謝您們當我們的開心果和垃圾筒，分擔我們的憂愁。感謝岐岐感謝宏宏，沒想到上了博士班之後，家裡的情況變得更加嚴竣，感謝有你們撐著。感謝爸媽。

感謝堅強的博論撰寫團隊佳君、桓瑜和Anny，最後這一哩路真的很難熬，感謝有妳們陪跑。雖然我先了幾步，但請放心，我會繼續在背後支持妳們！！加油！

幸福就在不遠了！

最後最後最後，

感謝一直陪伴的妳，和一路走來的我自己。

感謝在我生命中交集的每個人。

如切如磋，如琢如磨。

鄭光利謹識於哲學之道 2020 葉月

(5)

(6)

摘要

本研究建立一個混合型物質流分析(hybrid material flow analysis, HMFA)方法，

以評估微尺度至大尺度的毛存貨增加量(gross additions to stocks, GAS)。HMFA 運

用產業關聯表中固定資本形成和總供給計算存量比例，以評估大尺度之總 GAS。

之後根據量體特性將總GAS 分配至單一量體，得到微尺度的 GAS。HMFA 將物質存量由總體物質流系統中的平衡指標轉變為具有實際存量意義的都市礦指標。為驗證HMFA 的有效性，本研究分別應用由上而下和由下而上物質流分析評估臺北市和德國的建材GAS，並和 HMFA 的結果比較。HMFA 的毛存貨增加量可視為較由上而下方法保守的上限。而由下而上方法通常會因為無法取得實地物質強度資料，或是物質強度資料分類不夠明確造成GAS 低估。HMFA 克服由上而下方法無法評估微尺度GAS 的限制，和解決由下而上方法高數據依賴的問題，提供一個有效率且合理的評估方法。研究結果顯示臺灣2001 年、2004 年、2006 年和 2011 年四年平均建材GAS 為 87 Mton。四年縣市平均建材 GAS 最高者為桃園市 13 Mton，

占臺灣平均建材GAS 15%。臺灣北部目前累積眾多建材存量尚未釋出，建議可以桃園市為中心建立建材循環圈。另一方面為發掘場址尺度的都市礦熱區，本研究收集臺北市1965 年至 2014 年的建築統計和 GIS 資料，評估累積物質存量。並引用熱區分析發掘大安區和中山區的老建築聚集群，分別為Zone I 和 Zone II。研究結果顯示至2014 年臺北市已累積 183 Mton 的建材存量。Zone I 和 Zone II 兩者累積建材存量分別為181 和 119 kton，面積分別為 0.1 和 0.6 km²。Zone I 物質存量密度較Zone II 高，具較高的開採效益，不過兩者都市礦組成存在差異，可視物質需求選擇開發場址。本研究量化高空間解析度的都市礦資訊，有助於物質循環規劃與

管理，包括資源供需分析、回收路徑和廠址選擇等。未來研究可考量運用 HMFA

和量體生存曲線，建立多空間尺度動態物質供需模型，再配合市場價值進行可行性評估，嘗試對於都市礦循環規劃提出建議。

關鍵字：混合型物質流分析、多空間尺度、熱區分析、都市礦、循環經濟

(7)

(8)

Abstract

This study develops a hybrid material flow analysis (HMFA) method to evaluate the gross additions to stock (GAS) at both micro- and macro-level through analyzing the fixed capital formation and total supply in input-output tables. HMFA turns GAS from a balance indicator in the top-down approach to an indicator with meaningful value in terms of urban ore evaluation. To verify the validity of HMFA, this study compares the developed HMFA with a top-down approach and a bottom-up approach through assessing the GAS of Taiwan and Germany. The quantity of GAS estimated by HMFA is considered as a more conservative upper bound than that by the top-down approach, while underestimation often occurs with a bottom-up approach. HMFA has been proven as an efficient and rational evaluation method which overcomes a key limitation in assessing micro-level GAS by a top-down approach, and solves the data demanding problem of the bottom-up approach for quantifying material stock. HMFA is used to estimate the building GAS in Taiwan from the macro to individual levels in the year 2001, 2004, 2006, and 2011. The average amount of GAS in the above years was 87 Mton, with concrete accounting for 91%. Taoyuan has the highest average amount of GAS among other counties, reaching 13 Mton, and accounting for 15%. Northern Taiwan with abundant material stock could form a building material circle and be centralized in Tasoyuan. On the other hand, to evaluate the existence of old building clusters at site-level. material

(9)

stock in Taipei City between 1965 and 2014 is assessed through statistics and geographical information systems. Hot spot analysis is introduced to assess the location of resources. The results indicate 183 Mton of construction materials were accumulated in Taipei till 2014. The regions with massive potentail urban ore are Da’an (Zone I) and Zhongshan (Zone II) Districts. Zone I (0.1 km²) stored 180 kton of materials; while Zone II (0.6 km²) stored 119 kton of materials. The extraction efficiency of Zone I was found to be higher than that for Zone II owing to the higher material stock density of Zone I. As the composition of the materials are different in Zone I and Zone II, the desired types of resources should also be considered in the evaluation. HMFA provides quantitative data on urban ore with high spatial resolution for enhancing material recycling planning and management, such as material supply and demand analysis, material recycling path planning, and site selection. In the coming future, HMFA and survival curve of objects can be used in building a dynamic material supply and demand model in multilevel, and assessing the feasibility of exploitation with market value in the future to support urban mining planning.

Keywords: hybrid material flow analysis, multilevel, hot spot analysis, urban ore, circular economy

(10)

目錄

口試委員會審定書 ... i

謝辭 ... iii

摘要 ... v

Abstract ... vii

目錄 ... ix

圖目錄 ... xi

表目錄 ... xiii

重要名詞縮寫 ... xiv

一、緒論 ... 1

二、文獻回顧 ... 11

2.1 都市礦、循環經濟、工業生態學和物質流分析之關係 ... 11

2.2 物質存量評估方法特性與限制 ... 14

2.3 產業關聯表資料應用於物質流分析之演進 ... 22

三、研究方法 ... 25

3.1 混合型物質流分析(hybrid material analysis)... 27

3.2 由上而下方法(top-down approach) ... 31

3.3 由下而上方法(bottom-up approach) ... 32

3.4 物質存量空間化方法 ... 33

3.5 熱區分析 ... 34

3.6 研究案例與參數說明 ... 35

四、臺灣建築年增物質存量結果 ... 38

4.1 臺灣多空間尺度建築毛存貨增加量 ... 38

4.2 混合型物質流分析驗證 ... 42

4.3 混合型物質流分析限制 ... 44

(11)

五、臺灣建築年增物質存量討論 ... 45

5.1 臺灣多空間尺度建築毛存貨增加量趨勢 ... 45

5.2 混合型、由上而下和由下而上物質流分析計算毛存貨增加量差異 ... 46

六、臺北市累積物質存量結果與討論 ... 48

6.1 臺北市歷年建築屬性 ... 48

6.2 臺北市建築累積物質存量 ... 50

6.3 臺北市建築累積物質存量釋出趨勢 ... 54

6.4 臺北市建材都市礦熱區 ... 55

6.5 臺北市累積建築物質存量不確定性和限制 ... 57

七、結論與建議 ... 59

八、參考文獻 ... 62

附件一、臺灣建築代謝和趨勢 ... 74

附1.1 臺灣建築代謝 ... 74

附1.2 臺灣建築代謝趨勢 ... 77

(12)

圖目錄

圖1-1 物質流系統 ... 3

圖1-2 解構物質流系統之淨存貨增加量 ... 4

圖1-3 研究利基 ... 8

圖1-4 研究架構圖 ... 9

圖2-1 世界 1970 年至 2017 年資源開採量 ... 12

圖2-2 聯合國環境規劃署循環經濟模式 ... 13

圖2-3 由上而下方法(top-down approach) (a)EW-MFA 簡化經濟系統；(b)進出流平衡得到NAS；(c)EW-MFA 經濟系統解構 ... 15

圖2-4 日本 3D-GIS 建築 ... 17

圖2-5 科技公司提供之日本 3D 建築公開資料 ... 18

圖2-6 動態物質流分析示意圖 ... 19

圖2-7 夜間燈光影像(a)南歐和北非；(b)東亞；(c)美國和加拿大部分地區；(d)中東近波斯灣 ... 20

圖2-8 產業關聯表示意圖 ... 23

圖3-1 研究流程圖 ... 26

圖3-2 混合型物質流分析(HMFA)示意圖，以臺灣建築為例 ... 29

圖3-3 物質存量空間化步驟 ... 34

圖4-1 臺灣縣市別四目標年度平均建材存量資訊：(a)建材 GAS；(b)建材 GAS、人均建材GAS 和建材 GAS 密度。 ... 40

圖4-2 臺北市行政區建築毛存貨增加量 ... 41

圖4-3 臺北市 2001 年、2004 年、2006 年和 2011 年應用 TD、HMFA 和 BU 評估建材存量結果比較 ... 42

圖4-4 臺灣和臺北市 2001 年、2004 年、2006 年和 2011 年應用 HMFA 和 BU 評估建材GAS 物質別結果與物質總銷售量之比較 ... 43

(13)

圖4-5 德國 2010 年應用 TD、HMFA 和 BU 評估建材存量結果比較 ... 44

圖6-1 臺北市建築用途、結構、總樓層數和年齡之關係(a)用途和結構；(b)總樓層數和結構；(c)總樓層數和年齡別結構 ... 50

圖6-2 臺北市建築物質存量空間分布 ... 51

圖6-4 臺北市建築都市礦釋出趨勢 ... 54

圖6-5 臺北市建築都市熱礦場 (a) 大安區 Zone I；(b) 中山區 Zone II ... 56

附圖1-1 臺灣六都建築代謝：(a) 建築建造和拆除總樓地板面積；(b) 建築建造和拆除總樓地板面積百分比；(c) 建築拆除總樓地板面積；(d) 建築拆除總樓地板面積百分比 ... 76

附圖1-2 臺灣 22 個縣市位置、人口、土地面積和其它基本資訊 ... 78

附圖1-3 臺灣建造和拆除樓地板面積 ... 79

附圖1-4 臺灣建造和拆除樓地板面積百分比 ... 87

(14)

表目錄

表2-1 全球都市人口百分比統計與預測 ... 13

表2-2 物質存量評估方法特性與限制 ... 21

表3-1 臺灣建築目標物質比例( , ) ... 30

表3-2 臺北市建築物質強度(MI) ... 37

表4-1 臺灣建築毛存貨增加量(GAS) ... 39

表6-1 臺北市都市礦熱區資訊 ... 57

(15)

重要名詞縮寫

BU Bottom-up approach 由下而上方法 EWS End-of-life waste from stocks 最終存貨廢棄量 FCF Fixed capital formation 固定資本形成 GAS Gross additions to stocks 毛存貨增加量 HMFA Hybrid material flow analysis 混合型物質流分析 IE Industrial ecology 工業生態學

IOTs Input-output tables 產業關聯表 MFA Material flow analysis 物質流分析 MI Material intensity 物質強度

MS Material stock 物質存量

NAS Net additions to stock 淨存貨增加量 RC Reinforced concrete 鋼筋混凝土 SEM Socioeconomic metabolism 社會經濟代謝

SR Stock ratio 存量比例

SRC Steel reinforced concrete 鋼骨鋼筋混凝土

SS Steel structure 鋼結構

TD Top-down approach 由上而下方法

TS Total supply 總供給

(16)

一、緒論

近兩世紀以來，受機械化和都市化驅使，不斷有大量物質由環境圈被開採至人類圈(anthroposphere)並聚集在都市形成都市礦(urban ore)。都市礦亦即為工業生態學(industrial ecology, IE)社會經濟代謝(socioeconomic metabolism, SEM)中的物質存量(material stock, MS)。將都市既有物質存量運用各種技術開採出來之行為稱都市採礦(urban mining) (Jacobs 1961; Kennedy et al. 2007; Halada et al. 2009; Graedel 2011;

Johansson et al. 2013; Cossu and Williams 2015; Lederer et al. 2016)。都市採礦可以替代原生資源開採，是幫助社會轉型循環經濟模式的重要策略之一(Brunner 2007;

Pauliuk et al. 2012; Cossu 2013; Cossu and Williams 2015; Simoni et al. 2015; UNEP 2019)。地球自然資源逐漸匱乏，現行線性經濟模式(開採－製造－廢棄)已無法繼續支持人類生活，必須轉型為循環經濟模式才可能永續發展(Frosch and Gallopoulos 1989)。循環經濟概念之一的搖籃到搖籃(cradle to cradle)，與工業生態學旨在建立閉環系統(closed-loop system)以減少不良副產品(by-product)的目標相同(Graedel et al. 1995)。意即整個系統中沒有廢棄物，每個程序的產出物皆為下個程序的投入物 (McDonough and Braungart 2010; Korhonen et al. 2018; UNEP 2019)。都市採礦程序和傳統採礦程序相似，包含探礦(prospecting)、探勘(exploration)、開拓(development) 和開採(exploitation) (Hartman and Mutmansky 2002)。其中探礦為藉由資料考查，找尋富含都市礦的潛在場址。而探勘則為藉由都市礦的量化和空間化定出範圍，再結合市場價格定出都市礦的價值，最後經由可行性評估決定是否開拓。因此，都市採礦可協助人類圈資源(anthropogenic resources)開發，使物質重新於 SEM 循環，以減少原生資源開採。而擁有很多物質存量的都市很有機會可以透過都市採礦轉型為循環經濟。

建築是都市中最豐富的物質存量，內含眾多建築材料(後簡稱建材)，包含混凝土、磚、鋼鐵、木頭和鋁等物質(Hashimoto et al. 2007; Tanikawa and Hashimoto 2009;

(17)

Hashimoto et al. 2009; Huang et al. 2013; Wang et al. 2016; Tanikawa et al. 2015;

Kleemann et al. 2017a)。建築是為滿足人類居住需求而存在，代表都市居民的生存空間，亦象徵著都市的富裕程度(Pauliuk and Müller 2014; Tanikawa et al. 2015)。然而，建築的興造、使用和廢棄過程切實關係著天然資源的投入和環境污染物的排放 (Kennedy et al. 2007)。建築在施工階段需要大量建材，這些建材在生產過程中需投入更多砂石、石灰石、黏土、鐵礦、煤礦、矽礦和鋁礦等自然資源，導致天然礦產蘊藏量消耗，亦造成許多環境問題。以混凝土為例，其基本原料為水泥和砂石。水泥在製造過程中會需要大量熱能並排放大量CO2、NOX、SO2和粉塵等污染物，砂石開採將改變地形地貌並造成難以回復的環境生態危機(Khasreen et al. 2009;

Zabalza Bribián et al. 2011; Wang et al. 2016; Heeren 2017)。建築興造完成後，資源以使用中的存量(in-use stocks)形式存在於都市代謝系統中(Kapur and Graedel 2006;

van Beers and Graedel 2007; Pauliuk and Müller 2014)。相較於建造施工階段，建築使用過程中物質消耗量較少，主要為室內人類活動所需之水、電和天然氣(Zabalza Bribián et al. 2011; Ibn-Mohammed et al. 2013; Heeren 2017)。當建築使用週期結束或有重大災害發生時，既有建材存量也將轉變為未來的營建廢棄物量，成為都市的環境負荷(Tanikawa et al. 2014; Miatto et al. 2017; García-Torres et al. 2017)。由此可見物質存量在資源和環境面皆可能產生顯著影響，必須系統化瞭解都市中的物質存量，盡可能將物質存量循環再利用，以減少當代資源的消耗和未來廢棄物的產生。

物質存量為物質流系統(圖 1-1)中淨存貨增加量(net additions to stock, NAS)多年累加的結果。物質流分析(material flow analysis, MFA)為工業生態學中社會經濟代謝的核心方法學。MFA 為基於質量守恆定律，系統性分析目標物質在特定時間和空間範圍內的流向和流量(Baccini and Brunner 1991; Brunner and Rechberger 2016)。

最早MFA 是被開發來關注物質的最終流向(final sink)以降低環境負荷。近年 MFA 常被用來分析人類圈和自然界資源和價值的流布，探尋轉型循環經濟的契機 (Pauliuk et al. 2012; Bocken et al. 2017; Schiller et al. 2017; Stephan and Athanassiadis

(18)

2018; Werner et al. 2018)。MFA 對於系統內各流向的計算方式和指標已發展相當完整，唯獨缺乏對於物質存量的評估方法(Tanikawa and Hashimoto 2009; Tanikawa et al. 2015; Kleemann et al. 2017a)。因為累積的物質存量通常已經超出 MFA 的時間邊界。NAS 在物質流系統中被歸於平衡指標，透過固定時間範圍內(通常為一年)流入量和流出量差值得到。強制平衡的結果，隱含許多不確定性，因為廢棄物排放量的統計數據通常不完整且品質低(Kleemann et al. 2017b; Wiedenhofer et al. 2019)。實際上NAS 應為毛存貨增加量(gross additions to stocks, GAS)和最終存貨廢棄量(end-of- life waste from stocks, EWS)之差值(圖 1-2)。GAS 為新增至存量(stocks)之物質量，

即為在系統時間邊界內，仍在經濟系統中使用的存量(in-used stocks)。經年累積的 in-used stocks 即為物質存量。EWS 則為在系統時間邊界內，從經年累積 in-used stocks 中被移除的物質量，即為可透過都市採礦獲得的物質量。EWS 可藉由分析過去累積GAS 的存活率(survival rate)得到。然而目前的 MFA 皆無法直接估算 GAS 和EWS (Wiedenhofer et al. 2019)。

資料來源：Matthews et al. (2000); Fishman et al. (2014) 圖1-1 物質流系統

(19)

物質流入量、存量和流出量模型(material inputs, stocks and outputs, MISO- model)系統綜覽。灰色項目為 EW-MFA 之指標，綠色項目為透過延伸計算得到輸入動態流入量驅動(input-driven)模型(藍色項目)的資料。標記^*號之項目為來自定期更新的 EW-MFA 資料庫。初級存量建築材料(primary stock-building materials)為外生模型輸入。標記^。號為模型內生變數。

資料來源：Wiedenhofer et al. (2019)

圖1-2 解構物質流系統之淨存貨增加量

都市採礦規劃所需基礎資訊包括GAS 的量、組成、空間屬性和年齡(Chen and Graedel 2015; Tanikawa et al. 2015; Koutamanis et al. 2018)。目前國際間多用由上而下方法(top-down approach, TD)或由下而上方法(bottom-up approach, BU)評估不同尺度和物質種類的物質存量。聯合國環境規劃署(The United Nations Environment Programme, UNEP)、經濟合作暨發展組織(Organization for Economice Cooperation and Development, OECD)、歐盟和日本等國際組織和國家長期運用 TD 觀測全球或國家尺度的物質流，包括NAS，以作為資源永續策略擬定重要依據(Wiedenhofer et al. 2019)。Fishman et al. (2014)運用 TD 和物質壽命機率分布(lifespan probability distribution)評估日本和美國 1930 年至 2005 年累積 4 類物質存量，人均物質存量分別為 375 ton/cap 和 310 ton/cap。Tanikawa and Hashimoto (2009)運用 BU 量化 2004 年 Salford Quays 與和歌山市中心 3 種量體和 7 種物質以上累積的物質存量，

人均物質存量分別為111 ton/cap 和 247 ton/cap。Lederer et al. (2016) 和 Kleemann

(20)

et al. (2017a)運用 BU 量化維也納 2013 年的地鐵網絡(subway network)和建築共 30 種累積的物質存量，人均物質存量分別為7.4 ton/cap 和 210 ton/cap。以上研究皆為運用BU 量化微尺度和多種類的累積物質存量。Nguyen et al. (2018)運用 BU 量化越南道路2003 年至 2012 年累積的 4 種物質存量，人均物質存量為 29 ton/cap。

Schiller et al. (2017)同時運用 TD 和 BU 分別量化德國 2010 年新增和累積的 22 種物質存量，人均年新增物質存量為10 ton/cap，人均物質存量為 347 ton/cap。Nguyen et al. (2018)和 Schiller et al. (2017)為少數將 BU 用在大尺度的研究。彙整上述研究可知，TD 多為評估大尺度(macro-level)單年度的 NAS，近期有學者運用 TD 結合動態資料評估多年度大尺度的 NAS。BU 則多為用於微尺度(micro-level)多年度累積的物質存量評估。

TD 為依循經濟系統物質流會計(economy-wide material flow accounts, EW-MFA) 之架構，由上而下(top-down)分析經濟體內之流向和流量，尺度通常為整個國家。

EW-MFA 為透過計算進出系統的物質量，建立指標以瞭解國家整體物質使用情形。

EW-MFA 指標分為輸入、消費、輸出和平衡四類，NAS 被歸於平衡指標。NAS 可以用來粗估每年新增的物質存量，但是在NAS 內的經濟活動被視為黑盒子，無法提供GAS 和 EWS，以及個別產品尺度物質存量資訊。國際間有部分研究(Hashimoto et al. 2009; Schoer et al. 2013; Chen and Graedel 2015; Schiller et al. 2017; Yokoi et al.

2018)嘗試將產業關聯表(input-output tables, IOTs)中貨幣流(financial flow)結合產品價格，得到個別產品的物質流。然而歷年產品價格蒐集不易，且產品價格易受國際情勢波動，可能使此方法適用性受限。此外相同產品不同販售通路存在商業差距，

可能會增加分析結果的不確定性。

BU 以特定時間和區域內之最終產品(end of life, EoL)作為盤查標的。由下而上 (bottom-up)將區域內所有量體(object)乘以物質強度(material intensity, MI)，即可得該區域的物質存量。BU 被廣泛應用於微尺度的 MS 評估，可提供高空間解析度的個別物質存量資訊(Tanikawa et al. 2015; Kleemann et al. 2017a)。甚至可以透過微尺

(21)

度的MS 聚合得到大尺度的 MS (Schiller et al. 2017; Nguyen et al. 2018)。不過 BU 的資料需求量會隨著尺度上升而增加，導致評估困難。尤其是物質強度，必須經由專家問卷或文獻回顧得到。資料盤查過程耗費高人力和時間成本。盤查結果得到的物質強度多為拼湊而來，不甚完整，造成MS 低估或是無法評估。取得物質強度最好的方式為現地調查，但並非每個國家都有此類一級資料(primary data) (Chen and Graedel 2015; Kleemann et al. 2017a; Schiller et al. 2017; Gontia et al. 2018)。若 MS 為由一年度的累積量體資料透過 BU 推估，則無法得知各年度的 GAS，無法準確估算EWS。Gontia et al.(2018)建議必須建立量體和物質強度資料庫以解決 BU 高數據依賴(data demanding)的問題。然而資料庫建置非短時間可以完成，可能無法解決各國尋求循環經濟轉型的殷切需求。因此需要一個數據需求量小，結果又不失準確的 GAS 評估方法。

本研究之目的為建立一個低數據需求且適用於多空間尺度的混合型物質流分析(hybrid material flow analysis, HMFA)方法(圖 1-4)。本研究從 top-down 的角度蒐集臺灣總建材量以及2001，2004，2006 和 2011 年 IOTs 等總體統計資料。經由總建材投入量乘以存貨比例(stock ratio)計算得到總建材存量。再根據由 bottom-up 得到各建築的總樓地板面積(total gross floor area, TGFA)和結構資料，將總建材存量分配至各單一建築，得到微尺度的建材存量資訊。本研究應用HMFA 評估全臺灣、

各縣市和臺北市各建築的建材存量。評估的建築材料包含混凝土、磚、鋼鐵、木頭和鋁。另外為驗證HMFA 的有效性，本研究分別應用 TD、HMFA 和 BU 評估臺北市和德國的物質存量。物質流分析結果通常難以驗證，透過TD 和 BU 的結果互相驗證是唯一方法(Yang and Kohler 2008)。Schiller et al.(2017)亦應用此方法，將 TD 的結果視為上限，驗證德國物質存量分析結果。

另一方面，為發掘場址尺度(site-level)的都市礦熱區(熱礦場)本研究取得臺北市詳細建築統計和地理資訊系統(geographical information systems, GIS)資料，以評估臺北市近50 年累積的建材存量基礎資訊和熱礦場。統計資料包括建築建造起迄

(22)

日期、結構、用途、總樓地板面積、地上樓層數、地下樓層數和地址等。本研究亦將建築結構、總樓層數和年齡進行關係分析。

在瞭解都市礦基礎資訊後，本研究欲更進一步瞭解，近期在哪個區域有較高開採潛力。都市礦必須於使用週期結束時才可能被開採(Brunner 2011; Lederer et al.

2016)，都市礦空間密度愈高愈具開採效益，都市礦量大並非代表開採潛力高。因此若有老建築密集成群，即代表該區具有較高的開採潛力。Lederer et al. (2016)亦曾以地鐵網絡MS 使用狀態和壽命作為開採可能性的判斷依據。為此，本研究引用熱區分析(hot spot analysis, HSA)之 Getis-Ord’s Gi^*(d)統計檢定方法(Getis and Ord 1992)評估研究案例中是否存在有老建築聚集群。

HSA 是一種空間自相關分析方法，其目的是為瞭解某事件的影響程度是否會造成空間群聚的現象，且是否會連帶提高附近區域的影響程度(Odland 1988)，而滿足前述兩條件之區域即為熱區。熱區並非代表此區域有較高數值，而是有較顯著的屬性。Getis-Ord’s Gi^*(d)是一種區域式群聚檢定(local clustering test)，除了可檢定研究對象是否有空間群聚之外，亦可檢定出其空間聚集的區域和強度。此方法常應用於犯罪學和流行病學等社會科學研究。犯罪事件於地理空間並非隨機分布，而是有高度群聚趨勢，亦即犯罪熱區(crime hotspots)。Getis-Ord＇s Gi*(d)此類區域式群聚檢定常應用於探知區域內的犯罪行為是否具有空間聚集之情況以及定位聚集區域，

以使警政單位妥善分配警力資源(Eck et al. 2005)。傳染病或醫療事件於地理空間的分布，亦具有高度群聚趨勢。應用Getis-Ord＇s Gi*(d)檢定此類研究對象之熱區，

可使衛生單位投入重點防疫工作或分配醫療資源(Ahmad et al. 2015; Kao et al. 2017)。

本研究認為建築建設發展亦具有群聚趨勢，透過Getis-Ord＇s Gi*(d)檢定是否存在有老建築聚集群，可使都市採礦更具效益。

(23)

圖1-3 研究利基

(24)

圖1-4 研究架構圖

(25)

(26)

二、文獻回顧

2.1 都市礦、循環經濟、工業生態學和物質流分析之關係

都市礦的形成主要是受到機械化和都市化兩大驅動力影響，機械化使物質得以被大量開採，都市化使物質聚集在都市中。根據國際資源委員會(International Resource Panel, IRP)報告指出，2017 年全球一年開採將近 900 億噸的物質到人類圈 (圖 2-1)。而未來至 2050 年全球年物質開採量可能將超過 1,800 億噸(IRP 2017)。

聯合國評估全球都市化趨勢(表 2-1)，至 2018 年世界 55%的人口居住在都市，並存在33 個千萬人口等級的巨型都市(megacities)，占世界總人口 7%。至 2050 年全世界將會有 68%的人口居住在都市(United Nations 2019)。物質使用的足跡，依循著人類文明社會發展的軌跡。由 IRP 和聯合國的報告推論，全世界至今應累積有一半以上的物質被使用來滿足都市居民的生活需求。其中，使用壽命超過一年的物質，

將在都市中形成都市礦，亦即為SEM 中的物質存量。

都市採礦為將都市既有物質存量運用各種技術開採出來之行為，可以協助將線性經濟重塑(reshaping)為循環經濟。線性經濟重塑的方式(圖 2-2)有循環設計 (reduce by design)、拒買(refuse)、適量購買(reduce)、再使用(reuse)、修復(repair)、

整修(refurbish)、再製造(remanufacture)、重新利用(repurpose)和回收再利用(recycle)。

(UNEP 2019)。都市採礦屬於圖中最外圍的重新利用和回收再利用迴圈，也就是最後的重塑閉環手段。都市採礦程序包含探礦、探勘、開拓和開採(Hartman and Mutmansky 2002)。探礦和探勘即為籍由資料盤查，瞭解都市中最終產品(end of life, EoL)¹可能的所在區域，並評估最終產品的總物質量、明確位址和經濟價值。

1 最終產品(end of life)亦有循環經濟專家稱之為使用終止產品(end of use)，如圖 2-2。這些專家認為從循環經濟角度，當消費者不再使用這些產品時，應該要設法將產品回收再利用，讓物質再次進入循環圈中。因此，專家們認為沒有壽命終止，只有使用終止。本研究所述之最終產品皆等同於前述使用終止產品(UNEP 2019)。

(27)

工業生態學和循環經濟主旨皆在建立如自然生態系統般的閉環系統(Graedel et al. 1995; McDonough and Braungart 2010; Korhonen et al. 2018; UNEP 2019)。因此工業生態學的方法學可適用於循環經濟的研究(Frosch and Gallopoulos 1989; Bocken et al. 2017)。物質流分析為工業生態學中社會經濟代謝的核心方法學，可以系統性地量化特定時間和空間範圍內的流向和流量。MFA 早年用於追蹤物質最終流向以降低環境負荷，近年常用於探尋循環經濟轉型契機。本研究亦以物質流分析作為都市礦評估方法學開發的基礎。都市礦基礎資訊包括GAS 的量、組成、空間屬性和年齡(Chen and Graedel 2015; Tanikawa et al. 2015; Koutamanis et al. 2018)。傳統物質流分析無法解決結果空間解析度低和方法數據依賴性高的問題，僅能提供部分都市礦基礎資訊。下節將回顧現行物質存量評估方法的特性與限制。

資料來源：UNEP (2020)

圖2-1 世界 1970 年至 2017 年資源開採量

(28)

表2-1 全球都市人口百分比統計與預測

1950 1970 1990 2018 2030 2050 世界 29.6 36.6 43.0 55.3 60.4 68.4 高度開發區域 54.8 66.8 72.4 78.7 81.4 86.6 低度開發區域 17.7 25.3 34.9 50.6 56.7 65.6 單位：% 資料來源：United Nations (2019)

資料來源：UNEP (2019)

圖2-2 聯合國環境規劃署循環經濟模式

(29)

2.2 物質存量評估方法特性與限制

為系統性地預防和減輕物質使用對環境造成的負面影響，Baccini 與 Brunner 於1991 年提出物質流分析(material flow analysis, MFA)，運用質量守恆定律，確保系統內物質流向和流量的完整性。透過物質流分析可以瞭解元素(substance)、物質 (material)、能源(energy) 和現金(cash) 流動的路徑(Kennedy et al. 2007; Fischer‐

Kowalski et al. 2011; Lederer et al. 2014)。為增加 MFA 結果跨年度和跨國的可比性 (comparability)，世界資源研究所(World Resources Institute, WRI)建構經濟系統物質流帳(economy-wide material flow accounts, EW-MFA) ，以及數項物質流指標 (Matthews et al. 2000)。此 EW-MFA 架構和物質流指標，可提供世界各國和國際組織永續資源管理的重要資訊依據，權衡物質使用對環境和經濟的影響(Wiedenhofer et al. 2019)。例如第 12 項聯合國永續發展目標²(Economic and Council 2017)，OECD 綠色成長(green growth)和提升資源生產力(material productivity)(OECD 2015, 2019)，

UNEP 和 IRP 年度全球資源使用評估報告(IRP et al. 2011; UNEP et al. 2016)，以及歐盟(European Commission 2018)和日本(Ministry of the Environment Japan 2020)等國家的循環經濟行動方案。

工業生態學研究者們致力於將 EW-MFA 發展成為大尺度的通則方法，EW- MFA 使用之原始資料(raw data)多來自於國家級標準化的統計年報(Matthews et al.

2000)。EW-MFA 將進到經濟系統的流向簡化為一個黑盒子，只關注當年度(t)的流入量(material inputs)和流出量(material inputs) (圖 2-3a)。淨存貨增加量(net additions to stocks, NAS)為系統強制平衡的結果(圖 2-3 圖 b)，隱含許多不確定性(Fischer‐

Kowalski et al. 2011; Wiedenhofer et al. 2019)。實際上流入量應該再進一步被分為使用後，直接排放至環境的流出量，以及使用後進入物質存量(material stock)累積的

2 第 12 項聯合國永續發展目標(Sustainable development goal 12, SDG 12)：負責的消費和生產 (responsible consumption and production)

(30)

毛存貨增加量(gross additions to stocks, GAS) (圖 2-3c)。而流出量應該再進一步被分為使用後，直接排放至環境的流出量，以及從過去累積物質存量廢棄的最終存貨廢棄量(end-of-life from stocks, EWS)。GAS 和 EWS 兩者的差值即為 NAS。經濟系統簡化和流出量資訊缺乏的結果，使 EW-MFA 至今仍無法評估 GAS 和 EWS(Moriguchi and Hashimoto 2016; Wiedenhofer et al. 2019)。缺乏 GAS 和 EWS 資訊將使物質流分析對於都市採礦規劃支援受限。

圖2-3 由上而下方法(top-down approach) (a)EW-MFA 簡化經濟系統；(b)進出流平衡得到NAS；(c)EW-MFA 經濟系統解構

(31)

Tanikawa and Hashimoto (2009)和其它學者(Lederer et al. 2016; Kleemann et al.

2017b; Nguyen et al. 2018)為解除 EW-MFA 由上而下(top-down)評估的限制，提出由下而上(bottom-up)物質存量評估方法。Bottom-up 方法為以特定時間和空間內的最終產品(end-of-life, EoL)作為盤查標的。將系統範疇內所有量體 _, (依量體特性設定單位，如建築樓地板面積為m²和鐵軌長度為m 等)，依量體種類乘以物質種類的物質強度 _{, ,} (mass/unit，如建築混凝土物質強度 mass/m²和鐵軌鋼物質強度mass/m)得到物質存量 (mass)，如式 1 所示(Tanikawa and Hashimoto 2009)。

根據量體的時間狀態，運用 bottom-up 方法的計算結果可分為年增物質存量(意同 GAS)，或累積物質存量。

, , , , , --- (1) Bottom-up 方法之量體資料來源多為政府統計年報或是透過 GIS 分析。GIS 分析多應用於建築量體評估，例如將政府建管單位提供之建物相關資料，透過GIS 建立4D-GIS 建物圖層，計算建物體積(Tanikawa, 2009; Tanikawa, 2015)。或是應用 GIS 分析科技公司所提供之3D 建物圖像公開資料(open data)(Taguchi et al. 2012)，皆可獲得空間化的建築量體資料，如圖2-4 和圖 2-5。此外目前市面上已存在將無人機記錄之航攝資料，轉換處理形成點雲資料，提供3D 建物建模之商業化軟體，有助於高數據品質之建築量體資料取得。

Bottom-up 方法之物質強度資料取得相較量體資料困難。物質強度資料取得方式包括現地盤查、專家問卷和文獻回顧，過程耗費高人力和時間成本。大部分國家無現地盤查的一級資料，必須透過專家問卷或是文獻回顧克服此限制。物質強度資料通常為零散或是不足的，數據品質較量體資料差，為bottom-up 方法不確定性的主要來源(Kleemann et al. 2017b; Wiedenhofer et al. 2019)。近期有學者嘗試將 bottom- up 方法結合建築資訊模型(building information modeling, BIM)解決物質強度資料闕

(32)

如的問題(Honic et al. 2019; Gupta et al. 2020; Santos et al. 2020)。然而建物的 BIM 存在隱私權、智慧財產權和安全性等限制，個案資料取得困難，無法大規模地評估。

囿於數據依賴度高的限制，bottom-up 方法多應用於微尺度的案例評估。微尺度物質存量聚合亦可取得城市級或國家級的評估結果，但隨著尺度上升，資料需求亦同步上升，應用bottom-up 方法評估大尺度案例將難以執行。多空間尺度的物質存量資訊，可供不同層級的決策者規劃物質循環策略或都市採礦行動方案。Top- down 方法和 bottom-up 方法皆傾向於提供單一尺度的物質存量分析結果，無法全面支援都市採礦規劃。另外bottom-up 方法不需流入量和流出量即可計算物質存量，

但也因此無法和top-down 方法計算之流入量和流出量整合。

資料來源：Tanikawa and Hashimoto (2009) 圖2-4 日本 3D-GIS 建築

(33)

資料來源：Taguchi et al. (2012)

圖2-5 科技公司提供之日本 3D 建築公開資料

前述top-down 和 bottom-up 方法皆屬於靜態評估方法，Müller (2006)和部分學者(Pauliuk et al. 2012; Huang et al. 2013)提出動態物質流分析(dynamic material flow analysis, DMFA)，解決 EW-MFA 經濟系統內程序不明的問題。DMFA 之理論基礎為假設累積在經濟系統中的物質存量皆為滿足人類的需求，由社會和經濟因子驅動。DMFA 採用系統動力學(system dynamic, SD)方法，建立由人口和富裕程度等社會經濟因子驅動產品需求的動態模型，如圖2-6 所示。獲得產品需求量後，再納入產品壽命曲線(lifetime distribution)評估流出經濟系統的產品量，最後結合物質強度得到物質存量和流出量。此類方法必須明確瞭解各個驅動因子和量體之間的關係，

計算較靜態評估方法複雜(Turner et al. 2011)。DMFA 多應用於大尺度的評估案例，

未來可結合靜態物質流分析結果，推估微尺度物質的供給和需求。

在靜態和動態物質流分析範疇外，Takahashi et al. 於 2009 年提出應用遙測衛星影像推估物質存量的方法(簡稱遙測方法)，可定期大範圍監測國家累積的物質存量。此類方法之理論基礎建立於夜間燈光(圖 2-7)與人口和經濟活動高度相關，而物質存量與人口和經濟活動高度相關(Hattori et al. 2014)。遙測方法籍由歷史夜間

(34)

燈光影像(nighttime light images)和物質存量建立迴歸關係式，之後再由夜間燈光影像推估未知的物質存量達到動態監測物質使用之目的(Taguchi et al. 2012; Liang et al. 2014; Yu et al. 2018)。此方法之評估結果準確度取決於歷史物質存量資料，空間解析度最高為都市層級，且無法明確得知每年新增物質存量。遙測方法適合量體資料缺乏地區，概略評估區域內累積物質存量。或是在國家物質存量歷史資料充足的背景下，常態監測物質使用之情形。

資料來源：Müller (2006)

圖2-6 動態物質流分析示意圖

(35)

資料來源：Yu et al. (2018)

圖2-7 夜間燈光影像(a)南歐和北非；(b)東亞；(c)美國和加拿大部分地區；(d)中東近波斯灣

靜態 top-down 和 bottom-up 的物質存量評估分類方法，顯然不適用於多方向性動態物質流分析。2019 年 Wiedenhofer et al.提出根據方法使用的外生變數，將靜態和動態的MFA 分為流入量(inflow-driven)驅動和存量(stock-driven)驅動。若方法使用之外生變數為流入量，存量為透過內生計算得到即為流入量驅動方法(inflow- driven approach)。若方法使用之外生變數為存量，流入量為透過內生計算得到則為存量驅動方法(stock-driven approach)。

TD、BU 和 HMFA 三種方法的分類為緣自評估起點的不同。TD 為由進到經濟體的總物質流入量開始，透過和流出量的平衡得到淨存貨增加量(NAS)。BU 為由微尺度的物質存量評估結果加總，得到整個研究區域的累積物質存量(MS)或毛存貨增加量(GAS)。HMFA 為同時由進流和量體出發，得到多空間尺度的 GAS。TD、

BU、HMFA 和 DMFA 的方法特性與限制整理於表 2-2。

(36)

彙整上述物質存量評估方法文獻，本研究提出之HMFA 利基於 BU 的高數據依賴以及TD 經濟系統簡化之限制(圖 1-3)。HMFA 結合產業關聯表的固定資本形成和總供給資料解決TD 無法評估 GAS 的問題，並且透過 TD 得來的大尺度 GAS 降低BU 資料需求(圖 1-4)。在產品異質性低時，HMFA 不需物質強度資料即可評估GAS。產品異質性高時，HMFA 需要使用物質強度資料校正，但 HMFA 的物質

強度數據品質要求較 BU 低。關於產業關聯表資料應用於物質流分析之演進將於

下節詳述。

表2-2 物質存量評估方法特性與限制

TD BU HMFA DMFA

評估結果 NAS MS 或 GAS GAS GAS

結果解析度多為大尺度多為微尺度大尺度至

微尺度多為大尺度

結果空間屬性無可可可

評估物質種類多為單一物質多種多種多種

產品種類物質導向多樣多樣物質導向

物質組成無法提供可提供可提供可提供

資料屬性物理量物理量物理量和

貨幣量物理量

量體資料不需要需要需要不需要

物質強度不需要需要不一定需要不需要

壽命資料需要不需要不需要需要

其它資料流入量和

流出量無流入量、流出

量和IOTs 社會經濟因子

運算複雜度簡易簡易中等複雜

評估起點進流量體進流和量體進流或量體

流入量驅動/

存量驅動流入量驅動存量驅動流入量驅動流入量驅動或

存量驅動

相關研究

Hashimoto et al.

(2009); Fischer‐

Kowalski et al.

(2011); Fishman et al. (2014);

Schiller et al.

(2017)

Tanikawa and Hashimoto

(2009);

Tanikawa et al.

(2015); Lederer et al. (2016);

Kleemann et al.

(2017a)

本研究

Chen and Graedel (2012); Pauliuk

et al. (2012);

Krausmann et al. (2017);

Wiedenhofer et al. (2019) TD：由上而下方法；BU：由下而上方法；HMFA：混合型物質流分析；DMFA：

動態物質流分析；MS：物質存量；NAS：淨存貨增加量；GAS：毛存貨增加量；

IOTs：產業關聯表

(37)

2.3 產業關聯表資料應用於物質流分析之演進

MFA 發展沿革是由 Baccini 與 Brunner 於 1991 年運用物質流描述人類圈代謝 (metabolism of anthroposphere)，開啟物質流盤查方法與模型之濫觴(Baccini and Brunner 1991)。之後歐盟統計局發展 EW-MFA 檢視國家經濟系統物質輸入和輸出，

以及分析歷年流量之變化(Matthews et al. 2000; Fischer‐Kowalski et al. 2011; Fishman et al. 2015)。只是經濟系統內部程序之間關係不明，使 EW-MFA 規劃管理策略支援能力受限(Tanikawa et al. 2015; Wiedenhofer et al. 2019)。隨著經濟統計資料愈趨豐富，MFA 開始導入產業關聯分析的概念，探究社會需求對物質流動的影響。至此，

IOTs 仍尚未被運用至物質流盤查模型。直到 Stahmer, Kuhn and Braun (1996, 1997, 1998)提出實體投入產出模型(physical input-output table, PIOTs)，始將 IOTs 資料應用於 MFA 中(Ayres and Ayres 2002)。過去 MFA 研究多著眼於流向流量關係 (Tanikawa et al. 2015; Wiedenhofer et al. 2019)，IOTs 常用於輔助 MFA 中輸入、輸出、進口和出口之流量評估，並未用於評估NAS 或物質存量。例如將產業中間交易貨幣量透過產品價格轉換為物質量，用於MFA 輸入和輸出流量評估(Hashimoto et al. 2009; Schoer et al. 2013; Chen and Graedel 2015; Schiller et al. 2017; Yokoi et al.

2018)。

產業關聯表亦稱投入產出表(input-output tables, IOTs)，由美國經濟學家 Wassily Leontief 於 1936 年首先提出。用以陳示一國在一定期間內(通常為一年)經濟活動的總成果，如圖2-8 所示，嗣後聯合國將之納入國民經濟會計制度內(Executive Yuan 2015)。IOTs 依評價基礎不同分為購買者價格、生產者價格和國產品等交易表。購買者價格為購買者由生產者或商業購入商品，此商品運達其手中或生產場所之價格。生產者價格即為購買者價格去除各商品運銷差距(國內運費、商業差距和加值型營業稅)之價格。國產品則是在生產者價格基礎上，將進口品和國產品分別統計 (Executive Yuan 2015)。生產者價格交易表已弭平各產品之商業差距，較能切實反應產品交易情形，為行政院主計處建議經濟分析研究者使用(Executive Yuan 2015)。

(38)

產業關聯表中固定資本形成(fixed capital formation, FCF)為指各產業(含政府部門)及對家庭服務之民間非營利機構生產者購買或自行生產之各種耐久財(土地除外)，惟須扣除二手貨及廢損物品之銷售額(Executive Yuan 2015)。根據國民經濟會計(System of National Accounts, SNA)規定耐久財為指耐用期間在一年以上之耐久性財貨。耐久財種類繁多，諸如：住宅房屋、非住宅房屋(如廠房、校舍等)、其他營建工程(如道路、機場等之建築工程)、土地改良與耕地及果園之開發、運輸工具、

機器設備、種畜與役畜及乳牛，以及智慧財產(包括研究發展、電腦軟體及礦藏探勘)等。其中各項營建工程所包括之未完工程亦作固定資本形成處理(Executive Yuan 2015)。

Xij為由i 產業投入 j 產業的總額；Yj為所有產業對j 產業之投入總額；O 為所有部門之原始投入總額；Oj為j 部門的原始投入總額；X 為所有部門之國內生產總額；Xi為i 部門的產出總額；Xj為j 部門的總投入總額；Wi

為i 部門的中間需要合計；Hi為i 部門投入之民間消費總額；Gi為i 部門投入之政府消費總額；Si為i 部門固定資本形成總額；Ti為i 部門存貨變動總額；Ei為i 部門出口總額；Ii為i 部門進口總額；Fi為i 部門投入之最終需要總額

圖2-8 產業關聯表示意圖

(39)

經本節文獻探討後瞭解，IOTs 中固定資本形成之統計定義與本研究物質存量之定義相似，皆為表示長時間存在經濟體中的耐久財。且IOTs 統計為依製造或施工進度記錄，可降低跨年度生產的耐久財存量估算誤差。再者，IOTs 之生產者價格交易表包含進口統計資料，與本研究範疇相符。因此，本研究嘗試以生產者價格交易表之總供給和固定資本形成資料構成存量比例參數，解決物質係數取得不易造成都市礦評估受限的問題。

(40)

三、研究方法

本研究之研究流程首先為界定評估區域，其次為蒐集基礎統計數據、生產者價格交易表與文獻進行量體總數、物質總量、存量比例和不同量體種類目標物質比例之計算(圖 3-1)。之後量體總數可透過量體種類分類，若量體種類間物質組成比例差異不大，此過程可省略。而物質總量和存量比例相乘可得區域內之總物質存量，

後續應用目標物質比例計算不同量體種類之總物質存量，並依單一量體特性比例

分配，即可得區域各量體之物質存量。最終建立全量體時空屬性。為驗證 HMFA

方法的有效性，本研究分別應用top-down 和 bottom-up 方法評估案例的 GAS 進行差異分析。另一方面為發掘場址尺度的熱礦場，本研究用運bottom-up 評估案例的累積物質存量，再結合熱區分析找尋案例中之老建築聚集群。

(41)

圖3-1 研究流程圖

(42)

3.1 混合型物質流分析(hybrid material analysis)

本研究運用HMFA 計算年量體物質的物質存量 _{, ,} (ton)，量體可為建築、

公共工程、汽車或機械設備。根據bottom-up 盤查得到的量體資料，可以將 _{, ,} 解析至種類單一量體尺度 _{, , , ,}。單一量體為表示單一棟建築、單一條鐵路、

單一輛汽車或單一台機械設備。當量體異質性較大時，將使用種類標示，例如將建築依不同結構分類為SS(鋼結構)，SRC(鋼骨鋼筋混凝土)和 RC(鋼筋混凝土)。

HMFA 的評估步驟如方程式 2-6 所示。首先由政府總體統計資料或產業統計年報取得年進入目標區域範圍內之量體物質物質投入總量 _{, ,} (ton)。接著將

, , 乘上年量體的存量比例(stock ratio) _, ，得到當年度該量體的總物質存量 _{, ,} (ton) (式 2)。最後將 _{, ,} 乘上 _{, , ,} 得到單一量體物質的物質存量

, , , , (ton) (式 4)。 _{, , ,} 為由量體種類的目標物質比例 _, 和量體特性 _{, ,} (m²

或m³)組成。關於 _{, , ,} 的詳細資訊將於分配因子(allocation factor)章節說明。

式 3 之 _, (dollar)和 _, (dollar)分別為年生產者價格交易表量體所屬部門之固定資本形成(fixed capital formation) (dollar)和總供給(total supply) (dollar)。式 5 之 _, 為量體種類中目標物質比例占全量體種類比例之比值，例如鋼結構(SS) 和鋼骨鋼筋混凝土(SRC)鋼鐵含量比例為 2：1，則 _, 為2/3， _, 為1/3。

, , 為年單一量體種類的量體特性，例如單一鋼結構建築之總樓地板面積(m²) 或汽車排氣量(c.c.)。

若無物質量體物質的物質總量 _{, ,} ，必須藉由物質的物質總量 _, 乘上物質部門的中間需要比例(intermediate demand ratio, _{, ,} )。 _, (ton)為年物質的總投入量，可由政府總體統計資料或產業統計年報得到。 _{, ,} (dollar)計算如式6 所示，將物質投入到量體所屬部門的中間需要 _{, ,} (dollar)除以物質的中間需要合計 _, (dollar)減去物質投入到自身所屬部門的中間需要 _{, ,} (dollar)。扣

(43)

除 _{, ,} 為由於自身部門的貨幣流動通常為來自同一個產品的買賣(Myers et al.

2018)。雖然有貨幣的交易，但質量可能會重覆計算，因此必需扣除以免高估。

以評估臺灣2011 年( )單一 SS( )建築( )的鋼鐵( )存量 _{, , , ,} 為例說明HMFA 評估步驟。建築( )在 IOTs 編製中屬於營建部門。首先透過鋼鐵公會統計年報(Shih 2016)取得 2011 年臺灣營建部門鋼鐵( )使用量( _{, ,} )。接著乘上由 2011 年生產者價格交易表營建部門資料計算得到之建築存量係數( _, )，得到臺灣建築鋼鐵總存量( _{, ,} )。最後將建築鋼鐵總存量( _{, ,} )依據 SS 建築結構( )鋼鐵含量比例( _, ) 和( _{, ,} )樓地板面積(m²)分配至每個建築，得到臺灣 2011 年單一建築( )的鋼鐵存量

( _{, , , ,} )。圖 3-2 為以臺灣建築為例的 HMFA 示意圖。本研究蒐集之資料有限，

僅臺北市可分析至單一建築尺度，其它縣市之評估結果為縣市尺度。

, , , , , --- (2)

, ^,

, --- (3)

, , , , , , , , , --- (4)

, , , ∑ ∑^, _,^{, ,} _{, ,} --- (5)

, , ^{, ,}

, , , ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ 6

(44)

圖3-2 混合型物質流分析(HMFA)示意圖，以臺灣建築為例 1. 分配因子(allocation factor)

, , , 為分配因子，由目標物質比例 _, 和量體特性 _{, ,} 組成。基本上 _{, , , ,}

為直接依量體特性分配，但部分產品異質性較大，物質存量 _{, ,} 的分配受到產品種類影響，必須經由 _, 校正。例如建築的混凝土、磚、鋼鐵和木材用量受建築結構的影響，必須使用 _, 調整物質存量分配。 _{, , ,} 為由物質強度 _, 比例關係式 (式 7)和物質存量 _{, , , ,} 關係式(式 8)整理而來，推導過程如式 7 至式 11 所示。

, 為物質強度(ton/m²)，表示單位樓地板面積 (m²)的物質含量 _{, , , ,} (ton)。SS、SRC 和 RC 分別代表鋼結構(steel structure)、鋼骨鋼筋混凝土(steel reinforced concrete)和鋼筋混凝土(reinforced concrete)三種不同建築結構。

, : _, : _, ^{, ,} ^{, ,} : ^{, ,} ^{, ,} : ^{, ,} ^{, ,} _, : _, : _, ‐‐‐‐‐ 7

, , , , , , , , , , , , , , --- (8)

由式7 可得式 9 和式 10，

, , , , ^,

, ⋅ ^{, ,} ^{, ,} ⋅ --- (9)

(45)

, , , , ^,

, ⋅ ^{, ,} ^{, ,} ⋅ --- (10) 將式9 和式 10 代入式 8 可得 SS 建築之物質存量( _{, , , ,} )，如式 11 所示。

依據相同的程序將式 8 之 _{, ,} _{, ,} 和 _{, ,} _{, ,} 由式 7 代換可得 SRC 和 RC 建築之物質存量，因此推導得分配因子 _{, , ,} 如式 5 所示。式 5 之和分別為種類的個數和單一量體的個數。

, , , , , , ^,

, , , --- (11)

部分產品異質性較小或是物質用量不受產品種類影響，則直接依據量體特性分配，即分配因子中之 _, 值即為的倒數。例如產品異質性較小的汽車，即可依據車輛排氣量分配。建築中鋁的用量受結構影響較小，亦可直接依據總樓地板面積分配物質存量。本研究使用之 _, (表 3-1)為由物質強度(表 3-2)計算而得。

表3-1 臺灣建築目標物質比例( _, )

建築結構混凝土鋼鐵磚木材

RC 34% 19% 10% 3%

SRC 33% 37% - 3%

SS 12% 31% 7% 3%

磚造 9% 2% 50% 23%

木造 - - 7% 70%

其它 13% 11% 26% -

SS：鋼結構；SRC：鋼骨鋼筋混凝土；RC：鋼筋混凝土

(46)

2. 存量比例(stock ration)

存量比例(stock ratio, SR)為混合型物質流分析的關鍵參數。傳統 TD 之瓶頸為無法得知當年度有多少的物質流入量(material inflow)轉變為物質存量。本研究應用 IOTs 固定資本形成和總供給資料計算，瞭解當年度有多少比例的物質流入量轉變為物質存量(如式 3 所示)。將乘上物質總量即可估算目標區域內之總物質存量。Hashimoto et al. (2007)也應用過相似的程序計算物質存量，但該研究視建材代謝為穩態(steady-state)，設定為100%。代表性受 IOTs 部門分類影響，有關的限制可參照4.3 混合型物質流分析限制章節。根據式 3 計算 2001, 2004, 2006 和 2011 年建築之分別為85%, 86%, 84%和 82%。

3.2 由上而下方法(top-down approach)

Top-down 方法為依循世界資源研究所(World Resources Institute, WRI)物質流系統(圖 1-1)淨存貨增加量之計算方程式，如式 12 所示(Matthews et al. 2000)。淨存貨增加量 (ton)為直接物質輸入 (ton)減去國內製程輸出 (ton)和出口 EXP(ton)。和HMFA 方法之參數相同，為由政府總體統計資料或產業統計年報

取得。為廢棄物與排放物產出量，通常為政府環保部門統計。則亦可於政

府總體統計資料或海關進出口統計取得。Top-down 方法為大尺度評估結果，且無法細分物質類別。然而在本建築案例當中，建築新增樓地板面積遠大於拆除樓地面積(附件一)，意即建築 GAS 遠大於 EWS。NAS 可由式 12 計算得到，亦可由 GAS 減去EWS 得到。因此本研究假設建築 NAS 約等於 GAS，以探討應用三種物質存量評估方法分析結果之差異。

--- (12)

(47)

3.3 由下而上方法(bottom-up approach)

在微尺度數據完備的情形下，本研究將區域內所有建築物總樓地板面積(m²)乘以單位樓地板面積物質含量(kg/m²)得總建材存量(kg)，方程式如下所示(Tanikawa and Hashimoto 2009; Tanikawa et al. 2015; Kleemann et al. 2017a)。為建築物質存量(kg)； _{, ,} 為建築結構用途在年的總樓地板面積(m²)； _{, ,} 為建築結構用途單位樓地板面積物質的物質強度(kg/m²)。 , , , 分別為 , , , 之總數。

計算出都市中的MS 後，再結合 GIS 資料即可得到高解析的 MS 空間分布，

物質存量空間化步驟於下節詳述。

∑ ^{, , ,}_{, , ,} _{, ,} _{, ,} --- (13)

(48)

3.4 物質存量空間化方法

為瞭解MS 的空間分布，必須將 MS 的屬性資料結合至 GIS。本研究取得之建築資料為統計資料和建築面圖層資料。建築面圖層未含有任何屬性資料，因此必須將統計資料和計算後之 MS 結合至建築面圖層以瞭解 MS 空間分布，其步驟如圖 3-3 所示。首先將建築地址轉為座標，再將座標轉為點圖層。MS 和建築統計資料

即成為點圖層之屬性。最後將建築點圖層和面圖層合併，即可得 MS 空間分布情

形。各步驟的詳細設定說明如下。

步驟一：運用臺灣地理資訊圖資雲服務單台(TGOS)內全國門牌地址定位服務將建築地址轉為座標。座標系統為EPSG:3825 (TWD97M121)臺灣地區適用。由於部分地址記錄不甚完整，故選擇模糊比對方式。若完全比對失敗，會進行模糊比對。

模糊比對規則為先進行分單雙號機制比對，若比對失敗再進行不分單雙號機制比對。由於臺灣建築為單雙號分邊排序，故先進行單雙號機制比對可提高準確度。

步驟二：運用GIS 軟體將步驟一的座標、MS 和統計資料轉為點圖層。本研究所使用之GIS 軟體為 ArcGIS 10.4。單個點即代表一筆建築登記，而單點所含屬性資料包括建築原始資料(如結構、用途和年齡等)和計算過後各種建材存量資料。某些建築登記，雖然僅有一筆，但其中可能包含許多棟建築，例如學校和醫院等大型機構。由於使用執照僅有一筆，故多棟建築在地圖上僅呈現為一個點，即為使用執照登記所在地。

步驟三：運用 GIS 軟體地理位置對應功能，將位置最接近的建築點圖層屬性資料結合至面圖層屬性資料中，完成MS 空間化。本研究所取得之面圖層資料為單一建築即為單一面圖徵。承步驟二所述，某些建築登記包含多棟建築，有數個面圖徵，但使用執照僅一筆，形成一個點圖徵，因此面圖徵數量多於點圖徵。本研究對應原則設定為所有面圖徵皆會對應至一個地理位置最接近的點圖徵。因點圖徵之座標由步驟一轉換，部分點圖徵未能和面圖徵精準重疊。為避免重覆計算，地址相

(49)

同之面圖徵僅保留一筆完整屬性數據(MS、結構、用途和年齡等)。其它地址相同之面圖徵將移除年齡以外的屬性數據，完成空間化步驟。點圖徵周圍之面圖徵可能為屬同一機構之建築，或是相近時期建設之建築。因此本研究假設點圖徵和周圍之面圖徵建築年齡相近，而保留點面圖徵對應結果之年齡數據。此空間對應過程存在不確定性，將於6.5 臺北市累積建築物質存量不確定性和限制章節說明。

圖3-3 物質存量空間化步驟 3.5 熱區分析

在賦予MS 空間屬性後，為尋找區域內具較高開採潛力的老建築聚集群，本研究引用熱區分析(hot spot analysis, HSA)之 Getis-Ord’s Gi^*(d)統計檢定方法，其方程式如下所示(Getis and Ord 1992)。

∗ ∑

∑ --- (14)

Getis-Ord’s Gi^*(d)為評估空間單元之變數，在距離為的範圍內，與鄰接空間單元之變數的相關程度。距離的決定原則為每個變數至少有一個鄰接空間單

元的最短距離。則為距離為 (m)的範圍內，鄰接空間單元間的權重矩陣。在

(50)

本研究中空間單元為每個建築的面圖徵，變數為建築的年齡(years)，權重設定為距離之倒數，強化距離的影響，以檢定出建築密集且年齡高的熱區。在HSA 方法中，會將目標建築和周圍距離的建築群設為鄰近區(neighborhood)，經檢定若 ^∗ 高則代表此鄰近區的建築年齡明顯高於整個研究範圍建築，地圖上則標記為紅色的熱區(hot spots)。若 ^∗ 低則代表此鄰近區的建築年齡明顯低於整個研究範圍建築，地圖上則標記為藍色的冷區(cold spots)。若分析結果無相關性則標記為黃色。

而熱區聚集處即為老建築聚集群，代表具有高開採潛力之區域。

3.6 研究案例與參數說明

今日的都市存量，可為明日的都市資源(Brunner 2007)。都市礦對於現今面臨天然資源逐漸耗竭的世界而言極具意義，特別是臺灣。臺灣原生資源缺乏，長期仰賴進口，同時臺灣也是龐大的消費經濟體。2011 年產業關聯表中礦業部門進口占總供給97% (Executive Yuan 2015)。同年 GDP 為 485,653 百萬美元，於全球 199 個經濟體中排名第27 名(National Development Council 2017)。為滿足經濟體內部需求，許多物質由世界各地聚集到臺灣形成都市礦。若政府當局能有系統規劃都市礦山開採，並妥善利用境內都市礦，使其成為可用的二次資源，便可緩解物質進口壓力、增加物質供給安全和提升國家戰略性(Simoni et al. 2015)。因此，都市礦量化對具有高資源供給風險的臺灣而言至關重要。而臺北市為臺灣人口密度最高的都市，

截止2016 年底人口數為 2,695,704 人，土地面積(包含山坡和平原)為 271.8 km²，人口密度為9,918 人/km² (Taipei City Government 2017)。建築需求殷切，且資料可及性高並具有可信度，故本研究選擇臺北市為個體尺度(individual-level)的研究案例。

本研究HMFA 使用之總體統計資料包括 2001, 2004, 2006 和 2011 年的生產者價格交易表(EY 2015)。臺灣混凝土、磚、木材和鋁年生產量和年銷售量為來自工業生產統計年報(MOEA 2011)。鋼鐵用於營建工程的年銷售量為來自臺灣鋼鐵(Shih 2016)。建築統計資料包括 2001 年至 2016 年臺灣 22 個縣市的建築使用和拆除執照

(51)

(MI 2017)。執照記載建築結構、建築用途和總樓地板面積等項目。為探討臺灣各個縣市建築代謝和趨勢，本研究將此執照資料加以彙整分析，如附件一所示。臺北市 top-down 之 DPO 為營建廢棄物(TCG 2018)和營建剩餘土石方(MI 2018)合計。德國 HMFA 為採用 2010 年 IOTs (OECD 2018)，其它物質流量和存量資料為參考 Schiller et al. (2017)。

臺北市個體尺度建築資料有兩種，分別為統計資料和 GIS 圖層資料，皆為行文請臺北市建築管理工程處提供。統計資料共有 70,624 筆，項目包含建築使用執照號碼、建造起迄日期、建築結構、建築用途、總樓地板面積、地上樓層數、地下樓層數和地址等。GIS 圖層為臺北市所有建築的面圖徵，共 74,075 筆，無屬性資料。因此在空間化過程需要將MS 和統計資料合併至面圖徵的屬性資料。

建築年齡為竣工年計算至2014 年為止，若無竣工年記載者則由使用執照號碼前兩碼判斷，若兩者皆無即無法計算年齡。原始統計資料之結構和用途種類眾多，

為便於和國際間相關研究比較，分別將建築結構歸類為鋼筋混凝土建造(reinforced concrete, RC)、鋼骨鋼筋混凝土(steel reinforced concrete, SRC)、鋼結構(steel structure, SS)、磚構造(brick)、加強磚造(reinforced brick)、石造(masonry)、木造(wood)和其它 (others)。建築用途歸類為住宅、商業、工業、政府機關、公共使用、休閒文教和其它(LCE)。雖然本研究建築統計資料項目齊全，但並非每筆資料皆被完整記錄，愈久遠的資料愈易缺漏，形成無效資料。各分析階段所需資料項目和有效資料筆數將在6.5 臺北市累積建築物質存量不確定性和限制章節探討。

建築物質強度為參考Hsiao et al. (2002)和 Chang (2002)之研究，僅 RC 有不同用途之物質強度。Hsiao et al. (2002)和 Chang (2002)物質強度為單位樓地板面積之物質體積(m³/m³)或面積(m²/m³)，經本研究轉換為重量單位如表 3-2 所示。SRC 之物質強度為引用 Chang (2002)，然而其木材原始單位為(m²/m³)無相關重量轉換單

(52)

位，故SRC 木材部分為假設與 Hsiao et al. (2002)之鋼結構相同。Chang (2002)將建材量依樓層分類，因此本研究取各樓層建材量之平均使用。

表3-2 臺北市建築物質強度(MI)

年分建築結構建築用途混凝土鋼鐵磚玻璃木材鋁

資料來源 (kg/m²)

1994 RC

住宅 1,442 92 141 2 18 0.65

Hsiao et al.

(2002) 工廠 1,286 903 117 2.3 18 0.59

商辦 1,526 125 114 1.5 18 0.46 學校 1,601 106 206 2 18 0.65 其它 1,464 104 145 2 18 0.59

2002 SRC 1,416 195 - - 18 0.48 Chang

(2002)