1. 课程导论
1.1 碳足迹：从概念到量化需求
碳足迹（Carbon Footprint）衡量人类活动或产品生命周期中直接与间接排放的温室气体（GHG）总量，以二氧化碳当量（CO₂-eq）表示。其核心量化框架建立在生命周期评估（LCA）方法论之上，遵循ISO 14040/14044标准。
关键定义： 产品碳足迹 = 原材料获取 → 生产制造 → 分销使用 → 废弃回收各阶段的 GHG 排放总和。
当前全球碳中和目标驱动下，企业面临三大量化挑战：
- 数据质量：原始活动数据与次级排放因子的匹配精度
- 方法一致性：系统边界、分配规则、时间代表性的统一
- 校验机制：排放因子是否反映真实工艺水平与区域能源结构
1.2 生命周期评估（LCA）四阶段框架
LCA 是碳足迹量化的底层方法论，其四阶段迭代结构如下表所示：
| 阶段 | 核心任务 | 碳足迹关键输出 |
|---|---|---|
| 1. 目标与范围定义 | 确定功能单位、系统边界、基准流 | 功能单位（如 1 kWh 电力、1 kg 钢材） |
| 2. 生命周期清单（LCI） | 收集输入/输出数据，匹配排放因子 | 各单元过程的 GHG 排放量（kg CO₂-eq） |
| 3. 生命周期影响评价（LCIA） | 将排放映射至全球变暖潜势（GWP） | GWP100 特征化因子（IPCC AR6） |
| 4. 结果解释 | 敏感性分析、不确定性评估、数据质量校验 | 排放因子校验结论与改进建议 |
课程聚焦： 本课程将重点放在 LCI 阶段的排放因子校验环节——这是碳足迹结果可信度的核心瓶颈。
1.3 碳足迹量化与排放因子校验的关系
排放因子（Emission Factor, EF）是将活动数据转换为 GHG 排放量的关键系数。其准确性直接决定碳足迹结果的可靠性。校验过程包含三个层次：
- 来源校验：EF 是否来自权威数据库（IPCC、EEA、CLCD、Ecoinvent）
- 技术代表性校验：EF 是否匹配实际工艺、能源结构、区域特征
- 时间代表性校验：EF 是否反映当前技术水平与政策变化
1.4 课程目标与能力体系
完成本课程后，学员将具备以下核心能力：
| 能力维度 | 具体目标 | 对应工程场景 |
|---|---|---|
| LCA 建模 | 独立构建产品碳足迹 LCA 模型 | 产品碳标签、EPD 报告 |
| 排放因子校验 | 识别 EF 偏差来源并执行校验流程 | 供应链 GHG 核算、减排方案评估 |
| 数据科学应用 | 使用 Python/R 进行 EF 统计分析、不确定性量化 | 排放因子数据库清洗、蒙特卡洛模拟 |
| 案例实战 | 完成电力、钢铁、化工三个行业的碳足迹校验案例 | 企业碳中和路径规划 |
1.5 工程案例总览
课程围绕三个典型工业案例展开，覆盖不同数据环境与校验挑战：
重要提示： 课程中所有案例数据均经过脱敏处理，仅用于教学方法演示。实际工程应用中，排放因子的选取必须基于最新版本数据库与区域特定参数。
1.6 课程学习路径与工具链
本课程采用“理论+工具+案例”三位一体的教学结构：
- 理论模块：LCA 方法论、碳足迹标准（ISO 14067、PAS 2050）、排放因子数据库结构
- 工具模块：OpenLCA 建模、Python 数据分析（pandas、numpy）、蒙特卡洛模拟
- 案例模块：三个行业案例的完整 LCA 建模与 EF 校验实操
学员需具备基础的环境工程知识，并熟悉至少一种编程语言（推荐 Python）。课程提供完整的 Jupyter Notebook 模板与 OpenLCA 项目文件。