4. 生命周期清单分析（LCI）：数据收集方法、初级数据与次级数据、排放因子数据库
生命周期清单分析（Life Cycle Inventory, LCI）是LCA研究中工作量最大、对结果质量影响最关键的阶段。其核心任务是对系统边界内每一单元过程的输入（资源、能源）与输出（产品、共生产品、排放物、废弃物）进行量化。本章将系统讲解LCI的数据收集方法、数据分类体系以及主流排放因子数据库的使用要点。
4.1 数据收集方法
LCI数据收集遵循“从主到次、从实到推”的原则。根据数据来源与获取方式，主要分为以下三类方法：
| 方法类别 | 适用场景 | 优点 | 局限性 |
|---|---|---|---|
| 现场测量法 | 核心工艺、关键排放节点 | 数据最准确，代表实际工况 | 成本高、周期长、受工况波动影响 |
| 物料衡算法 | 化学反应过程、连续生产流程 | 基于质量守恒，逻辑自洽 | 需准确掌握反应机理与转化率 |
| 排放因子法 | 通用工艺、非核心环节、预研阶段 | 快速、低成本、可标准化 | 精度依赖因子库的适用性 |
实务建议：在工程案例中，建议采用“混合法”——对占碳排放总量80%以上的关键工序使用现场测量或物料衡算，其余环节使用排放因子法，在精度与成本之间取得平衡。
4.2 初级数据与次级数据
根据数据与具体研究系统的关联程度，LCI数据可分为初级数据与次级数据。两者的区分直接影响数据质量评价（Data Quality Assessment, DQA）的评分。
| 维度 | 初级数据（Primary Data） | 次级数据（Secondary Data） |
|---|---|---|
| 来源 | 直接从研究对象的生产现场、供应链实测获得 | 来自数据库、文献、行业报告、统计年鉴 |
| 代表性 | 高，反映特定工艺/时间/地点的实际水平 | 中等，反映行业平均或特定技术组合 |
| 收集成本 | 高，需现场调研、监测、企业配合 | 低，可直接调用或引用 |
| 典型用途 | 基准年排放核算、减排方案验证 | 背景系统建模、敏感性分析、预评估 |
| 数据质量要求 | 需满足时间、地理、技术覆盖度要求 | 需评估与目标系统的匹配度 |
数据质量阶梯原则：在LCI建模中，应优先使用初级数据覆盖“热点”单元过程（如原材料开采、核心制造、废弃物处理），次级数据用于辅助性过程（如运输、包装、办公能耗）。若次级数据占比超过30%，需在报告中明确说明并评估不确定性。
4.3 排放因子数据库
排放因子数据库是LCI次级数据的核心来源。选择合适的数据库直接决定了LCA结果的可信度与可比性。目前全球最主流的两大数据库为Ecoinvent与CLCD。
4.3.1 Ecoinvent 数据库
Ecoinvent是全球应用最广泛的LCA背景数据库，由瑞士Ecoinvent中心维护。其核心特征如下：
- 覆盖范围：包含能源、运输、建筑材料、化学品、金属、农业、废弃物处理等20多个行业领域，超过20,000个单元过程数据集。
- 数据版本：当前主流版本为v3.x系列，采用“按系统模型切分”的架构，提供三种系统模型（Allocation, cut-off by classification, Consequential）。
- 地理覆盖：以欧洲数据为主，同时包含全球（GLO）、欧洲（RER）、瑞士（CH）及部分国家（如中国CN、美国US）的区域数据集。
- 数据质量：每个数据集附带Pedigree矩阵（时间、地理、技术、可靠性等指标），支持数据质量评估。
使用注意：Ecoinvent中的中国本土数据集（CN）数量有限，且部分数据基于欧洲工艺调整而来。在核算中国本土产品碳足迹时，建议优先使用CLCD数据库或中国本土实测数据对Ecoinvent数据进行本地化修正。
4.3.2 CLCD 数据库
CLCD（Chinese Life Cycle Database）是由四川大学与亿科环境联合开发的中国本土生命周期数据库，是目前国内最权威的LCA背景数据库。
| 特征 | 说明 |
|---|---|
| 数据来源 | 基于中国国家统计年鉴、行业统计报告、重点企业实测数据 |
| 覆盖行业 | 能源（煤、电、油、气）、钢铁、水泥、化工、造纸、农业、运输等 |
| 时间代表性 | 数据基准年多为2015-2020年，定期更新 |
| 技术代表性 | 反映中国当前主流技术水平（如全国电网平均、水泥新型干法工艺） |
| 集成工具 | 内置于eFootprint、Gabi等LCA软件，支持一键调用 |
4.3.3 数据库选择策略
在实际工程案例中，数据库的选择应遵循以下决策树：
- 研究目标是否涉及中国市场？是 → 优先使用CLCD；否 → 使用Ecoinvent。
- CLCD中是否包含所需过程？是 → 直接使用；否 → 使用Ecoinvent中GLO或RER数据，并标注“非中国本土数据”。
- 是否需要与国际基准对比？是 → 同时使用Ecoinvent与CLCD进行双轨计算，分析差异来源。
- 数据版本是否一致？同一研究中，背景数据应尽量使用同一数据库的同一版本，避免因版本差异导致结果不可比。
工程案例提示：在“某钢铁企业碳足迹核算”案例中，我们采用CLCD数据库获取中国电网排放因子（0.5706 kg CO₂/kWh，2020年基准），同时使用Ecoinvent v3.8获取进口铁矿石的采矿与运输数据，实现了“本土化+全球化”的混合建模。
4.4 LCI 数据收集流程
下图展示了从数据需求识别到清单生成的标准化流程：
4.5 数据收集清单模板
为规范数据收集过程，建议使用标准化清单模板。以下是一个针对制造企业的LCI数据收集表示例：
| 单元过程 | 输入/输出类型 | 物质名称 | 单位 | 数值 | 数据来源 | 数据质量 |
|---|---|---|---|---|---|---|
| 原材料预处理 | 输入 | 铁矿石 | kg | 1,200 | 企业ERP系统 | 高 |
| 输入 | 电力 | kWh | 85 | 电表读数 | 高 | |
| 输出 | 粉尘排放 | kg | 0.5 | CLCD数据库 | 中 | |
| 熔炼工序 | 输入 | 焦炭 | kg | 350 | 供应商报告 | 高 |
| 输出 | CO₂ | kg | 1,280 | 物料衡算 | 高 |
数据收集技巧：在工程现场收集数据时，建议同时记录“数据获取日期”、“测量方法”、“数据负责人”等元信息，便于后续数据质量追溯与不确定性分析。
4.6 本章小结
LCI数据收集是LCA工程应用中最具挑战性的环节。初级数据与次级数据的合理搭配、排放因子数据库的科学选择，直接决定了碳足迹核算结果的准确性与可信度。在实际工程案例中，建议遵循“先主后次、先实后推、本土优先”的数据策略，并始终记录数据来源与质量信息，为后续的LCIA（生命周期影响评价）与结果解释奠定坚实基础。