解决产品碳足迹评价的数据之困——从建立中国本土数据库开始
根据LCA相关核算标准，对于企业核算产品碳足迹而言，实景数据的数据质量优于背景数据，因为实景数据准确反映了对应产品真实的生产过程，而使用背景数据则是在进行一种近似替代，是在用数据库中某种产品生产的平均水平替代当前核算产品的特定生产情况，这也就带来了潜在的数据质量问题，即背景数据和实际情况的差距，会影响最终核算结果的准确性。因此，在开展特定产品的生命周期评价工作时，为了得到最真实可信的结果，应当尽量扩展实景数据的收集边界，即除了企业实际控制的生产过程外，应尽力向上追溯供应链的实景数据。强势的链主企业（如苹果）通常可以利用他们在供应链中的话语权，强制要求供应商披露零部件的生命周期影响，进而得到相对准确的最终产品环境（碳）足迹。然而这样的供应链调查通常费时费力，其中又涉及诸多例如数据保密这样的问题，最重要的是，供应商提供的计算结果，也是基于大量使用背景数据库计算得到的，不能从根本上解决上述提到的数据质量问题。 碳排放因子数据集合 不透明：碳排放因子来源的产品模型具体采用哪个背景数据库的哪些单元过程数据集、边界是怎样的、做了哪些假设和取舍、怎样构建的模型、采用何种LCIA方法等信息均未不透明，因而数据质量未知； 不一致：由于数据集合的来源较多，而这些来自不同来源的数据采用背景数据库、建模的规则和采用的LCIA方法常常不完全相同，缺乏一致性； 代表性差：数据集合中的数据多为文献中获取，而文献开展碳足迹评价基于的实景数据通常是采用某一个具体公司的某一款具体的产品调研的数据得到的，用这类数据作为代表行业平均的数据并不合理； 不系统：数据集合中各碳排放因子不是基于统一的模型系统、按照统一的规范和流程生成的，无法统一更新迭代； 结果追溯困难：利用该类碳排放因子进行产品进行碳足迹核算，无法做到向上的层层追溯，不利于对结果开展贡献分析，支撑降碳方案的制定。 LCI数据库 LCI数据库是基于一套统一标准要求建立的数据系统； 具有规范的数据库管理流程和规则； 面向用户的数据（包括单元过程数据集、LCI数据集、LCIA因子）具有可追溯性，一般具有清晰的数据说明文档，具有最大限度的透明度； 是经过共同的系统模型将单元过程数据构建模型生成LCI数据集的过程产生的，具有统一性。 GaBi：GaBi是一个整合了LCA软件和数据库的系统，其数据库覆盖多个行业，并且特别在建筑和汽车产业具有强大的数据支持。此外，GaBi的数据集在更新频率上比其他数据库更高，尤其是在针对特定工艺和技术的数据更新方面。 这两个数据库无论在覆盖范围、数据量还是数据质量均处行业领先地位。但是两款数据库开发基于的生产数据大部分源于欧洲企业的实际生产数据或者欧洲的行业统计数据，基于上述的欧洲数据，又通过近似替代生成了全球（GLO）或是欧洲域外（ROW）的数据集，其中关于更是中国（CN）的数据又是寥寥无几。以Ecoinvent为例，18000多条数据中只有714条数据为中国数据，占比不到4%；而在这些标记为中国的数据中很大一部分又直接使用欧洲的数据进行近似替代，并未真正调查中国本土的实际情况，如在“1000MW核电站建造”数据集中，地理范围为中国（CN）的单元过程完全照搬了瑞士（CH）的单元过程活动数据。中国作为制造业大国，拥有全球最全的工业品门类产业链以及最庞大的产业集群，很多产品的制造工艺和能效都达到了全球前列的水准。然而在本土制造的工业产品实际的生命周期建模中，由于本土LCA数据库的缺失，咨询提供方或是企业自身都在大量使用全球平均（GLO）或是除欧洲外的全球平均（ROW）数据进行近似替代，这给生命周期评价（碳足迹）的最终结果引入了极大的不确定性。 技术代表性（Technological representativeness） 国外的LCA数据库的数据可能无法准确反映中国特有的技术和工艺。中国的生产方式、设备和工艺可能与欧美等地区存在较大的差异，这些差异在国外的以欧美企业为主要数据源的LCA数据库中可能无法得到充分的体现。 地理代表性（Geographical representativeness） 中国的能源结构有其独特性。例如，中国的电力供应主要依赖煤炭，而在许多欧洲国家，电力供应则主要来自核能和可再生能源。假设我们在进行例如电子产品这样的离散型组装产品的LCA评价时，这种电力结构差异会导致调用背景数据库进行替代的上游零部件对应的环境负荷，与中国的实际情况差距较大。此外，不同国家对于危废物品的排放浓度和处置标准有着不同的规范，在这样的差异下随意的使用外国商业数据库的全球平均背景数据进行替代，也可能会导致最终的核算结果和真实情况大幅偏离。 时间代表性（Temporal representativeness） 中国的工业环境和技术发展在过去十几年中发生了快速变化，但国外的LCA数据库的更新频率可能无法及时跟上这些变化。例如Ecoinvent中的光伏上下游组件的生产数据大多取自05年左右西欧工厂的实际生产数据，描述的是层压板规格为156cm*156cm的产品。当前中国光伏企业早就不再制造这种规格的产品，并且工艺和生产效率也大大提升，继续使用这样低质量的数据库支撑光伏产品的LCA评价，不但结果准确性堪忧，也会大大打击光伏企业推进绿色制造的积极性。 完整性（Completeness） LCA数据库中任意一个单元过程可能涉及成百上千中间流和基本流的输入输出，对应原辅料、能源的消耗和主副产品的产生，以及整个生产过程和环境的交互（如自然资源消耗和环境排放等）。国外的数据提供方往往只能通过公开行业统计数据以及文献数据获得中国特定产品的生产过程数据，缺乏对于中国企业实际生产过程和实测数据的认知。这样的数据集在开发过程中往往只能“抓大放小”，即尽可能覆盖主要的输入输出流，忽略相对“细微”的消耗和排放，降低在完整性方面的数据质量要求。这样做可能有以下两个问题：第一，大量细微影响的累积之和可能超越标准限制（LCA中的取舍原则）；第二，某种看似细微的输入输出可能在某种环境足迹方面的影响巨大。 实际上，上述的几个数据质量评价维度是部分交叠的，例如对于某一种产品制造过程，不同的国家（地理代表性）对应不同的制造业发展阶段（时间代表性），拥有不同的生产工艺和生产效率（技术代表性），他们组合在一起共同构建了LCA数据质量评价体系，使用者应当重点考虑各个维度重点关注的信息。 下面以国内某铅酸蓄电池代表企业生产的阀控式铅蓄电池为例剖析一下国际数据库中数据代替中国数据带来的结果差异。