XZ
Xiaoling Zhang
Author with expertise in Sustainable Construction and Green Building
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
37
(30% Open Access)
Cited by:
7,020
h-index:
91
/
i10-index:
418
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

The application of urban sustainability indicators – A comparison between various practices

Liyin Shen et al.Apr 12, 2010
Urban population has been increasing and it is estimated to reach 70% of the total population in the world by 2050. Governments are facing greater challenges every time in providing inhabitants with a good quality of life in their cities. Many cities around the world have developed sustainable urban development plans for leading their urbanization process towards a desired status of urban sustainability. Urban sustainability indicators have been selected as main elements for communicating the status of the practice, which help to determine how successful strategies and policies enforced have been in the attainment of sustainability goals. Different practices use different indicators according to their particular needs, and these have been selected under different methods. However, whilst there are cases where urban sustainability indicators are effectively in use, the experiences gained from each practice have not been shared and used for the development of new urban development plans and for improving the decision-making process in the selection of indicators. This paper examines 9 different practices and proposes a comparative basis, namely, International Urban Sustainability Indicators List (IUSIL), for allowing the better understanding of drivers and goals of each practice and identifying under what circumstances various practices selected their indicators. Discussions made on the comparative analysis are categorized in four different dimensions: environmental, economic, social and governance. Research results show how comparative basis can lead to knowledge sharing between different practices, which can be used to guide the selection of indicators of sustainable urbanization plans and improve the effective communication of the status of practices. The study not only reveals how different indicators are selected but also suggests the need for consistent processes of choosing indicators based on the benchmarks obtained from best practices.
0
Paper
Citation673
0
Save
0

Carbon emission of global construction sector

Lizhen Huang et al.Jun 8, 2017
The construction sector delivers the infrastructure and buildings to the society by consumption large amount of unrenewable energy. Consequently, this consumption causes the large emission of CO2. This paper explores and compares the level of CO2 emission caused by the construction activities globally by using the world environmental input-output table 2009. It analyses CO2 emission of construction sector in 40 countries, considering 26 kinds of energy use and non-energy use. Results indicate: 1) the total CO2 emission of the global construction sector was 5.7 billion tons in 2009, contributing 23% of the total CO2 emissions produced by the global economics activities. 94% of the total CO2 from the global construction sector are indirect emission. 2) Gasoline, diesel, other petroleum products and light fuel oil are four main energy sources for direct CO2 emission of global construction sector. The indirect CO2 emission mainly stems from hard coal, nature gas, and non-energy use. 3) The emerging economies cause nearly 60% of the global construction sector total CO2 emission. China is the largest contributor. Moreover, the intensities of construction sector’s direct and indirect CO2 emission in the developing countries are larger than the value in the developed countries. Therefore, promoting the development and use of the low embodied carbon building material and services, the energy efficiency of construction machines, as well as the renewable energy use are identified as three main pivotal opportunities to reduce the carbon emissions of the construction sector.
0
Paper
Citation536
0
Save
0

Seasonal and diurnal variations of ambient PM2.5 concentration in urban and rural environments in Beijing

Xiujuan Zhao et al.Mar 15, 2009
Three years of measurement of PM2.5 with 5-min time resolution was conducted from 2005 to 2007 in urban and rural environments in Beijing to study the seasonal and diurnal variations in PM2.5 concentration. Pronounced seasonal variation was observed in the urban area, with the highest concentrations typically observed in the winter and the lowest concentrations generally found in the summer. In the rural area, the maximum in PM2.5 concentration usually appeared during the spring, followed by a second maximum in the summer, while the minimum generally occurred in the winter. Significant diurnal variations in PM2.5 concentration were observed in both urban and rural areas. In the urban area, the PM2.5 concentration displays a bimodal pattern, with peaks between 7:00 and 8:00 a.m. and between 7:00 and 11:00 p.m. The minimum generally appears around noon. The morning peak is attributed to enhanced anthropogenic activity during rush hours. The decreases of boundary layer height and wind speed in the afternoon companying with increased source activity during the afternoon rush hour result in the highest PM2.5 concentration during evening hours. In the rural area, the PM2.5 concentration shows a unimodal pattern with a significant peak between 5:00 and 11:00 p.m. The seasonal and diurnal variations in PM2.5 concentration in the urban area are mostly dominated by the seasonal and diurnal variability of boundary layer and source emissions. The year-to-year variability of rainfall also has an important influence on the seasonal variation of PM2.5 in the urban area. The seasonal and diurnal wind patterns are more important factors for PM2.5 variation in the rural area. Southerly winds carry pollutants emitted in southern urban areas northward and significantly enhance the PM2.5 concentration level in the rural area.
0
Paper
Citation355
0
Save
0

Green strategy for gaining competitive advantage in housing development: a China study

Xiaoling Zhang et al.Sep 22, 2010
The promotion of green strategy in housing development has significant contribution to the implementation of sustainable development principles. Why do the housing developers go for green? This paper examines the benefits and barriers in applying green strategies in the process of housing development and facilities management. The examination is conducted from the whole process of developing a housing project, including project plan and design, construction, and operation and management stages. It is considered by the housing developers that the application of certain types of green strategies can help contribute to building up developers’ competitive advantages, such as solar system and optimizing building envelope thermal performance technology. The four case studies suggest that housing developers believe that the application of these green technologies can contribute to reputation gaining, reduction in construction and operation cost, receiving favorable land prices, and more channels available for financing. On the other hand, the major barriers affecting the application of the green strategies in housing development process have also been identified, such as higher cost for green appliance and higher cost in relation to customers’ demand. Data used for analysis are collected from a comprehensive questionnaire survey and four constructive case studies within the Chinese housing development market.
0
Paper
Citation339
0
Save
0

Impacts of urbanization and landscape pattern on habitat quality using OLS and GWR models in Hangzhou, China

Congmou Zhu et al.Jul 8, 2020
China has experienced the most serious habitat degradation, especially in fast-growing metropolis cities. Although increasing attentions have been brought to this issue, we still lack the understanding of the quantitative impacts of urbanization and landscape pattern on habitats. In this study, we used the “Integrated Valuation of Environmental Services and Trade-off” (InVEST) model to evaluate the habitat quality in Hangzhou city. We further employed spatial auto-correlation to analyze its spatiotemporal pattern variation characteristics. Finally, the ordinary least squares (OLS) and geographically weighted regression (GWR) models were used to explore the impacts of urbanization and landscape pattern change on habitat quality. The results show that the habitat quality index of Hangzhou decreased from 0.608 to 0.577 during 2004–2015, and these areas mainly located around the suburb decreased significantly. The spatial distribution of habitat quality showed significantly positive spatial auto-correlation, and the overall spatial auto-correlation degree of the habitat quality increased during this time. Rapid urbanization has significant negative effects on habitat quality in various areas, while the magnitude and direction of the impacts of landscape pattern on habitat quality differed in time and space. These results provide decision-making criteria for formulating differential urban development policies and landscape management measures for urban ecological sustainability.
0
Paper
Citation312
0
Save
0

Key Assessment Indicators for the Sustainability of Infrastructure Projects

Liyin Shen et al.Oct 29, 2010
Infrastructure projects have major effects on implementing the principles of sustainable development. Infrastructure projects will continue to be developed in the coming years, particularly in developing countries such as China and India; therefore, it is important to find methods and solutions for improving the sustainability of them. Although existing studies have suggested various methods for practicing sustainable development principles in the process of implementing infrastructure projects, effective assessment indicators are unavailable, which presents a barrier to the effective assessment of infrastructure project sustainability. This study introduces key assessment indicators (KAIs) for assessing the sustainability performance of an infrastructure project. The research data used for analysis were collected from a questionnaire survey given to three groups of experts, including government officials, professionals, and clients in the Chinese construction industry. The fuzzy set theory was used to establish KAIs. A procedure for using the KAIs is demonstrated by a case study. These research findings provide an alternative solution to appraise the sustainability of infrastructure projects.
0
Paper
Citation295
0
Save
0

Analysis of the Relationship between O3, NO and NO2 in Tianjin, China

Suqin Han et al.Jan 1, 2011
The continuous measurement of nitric oxide (NO), nitrogen dioxide (NO2), nitrogen oxides (NOx) and ozone (O3) was conducted in Tianjin from September 8 to October 15, 2006. The data were used to investigate the relationship between the O3 distribution and its association with ambient concentrations of NO, NO2 and NOx (NO and NO2). The measured concentrations of the pollutants in the study area varied as a function of time, while peaks in NO, NO2 and O3 all occurred in succession in the daytime. The diurnal cycle of ground-level ozone concentration showed a mid-day peak and lower nighttime concentrations. Furthermore, an inverse relationship was found between O3 NO, NO2 and NOx. In addition, a linear relationship between NO2 and NOx, as well as NO and NOx, and a polynomial relationship between O3 and NO2/NO was found. The variation in the level of oxidant (O3 and NO2) with NO2 was also obtained. It can be seen that OX concentration at a given location is made up of two parts: one independent and the other dependent on NO2 concentration. The independent part can be considered as a regional contribution and is about 20 ppb in Tianjin. An obvious difference in NO, NOx and O3 concentrations between weekdays and weekends was also found, but this difference did not appear in NO2. Lastly, the diurnal variation of O3 concentration under different meteorological conditions was demonstrated and analyzed.
0
Paper
Citation289
0
Save
Load More