3. 核算方法学框架

工业过程排放的核算不是简单套用一个公式，而是要先建立一套方法学框架。这套框架决定了“算什么、怎么算、算到什么精度、结果能不能被采信”。本节围绕四个相互咬合的要素展开：核算基本原则、方法层级（Tier 1/2/3）、核算边界设定，以及数据质量要求与不确定性概念。理解它们之间的关系，比记住定义更重要——原则约束方法选择，层级决定数据需求，边界决定排放归属，而数据质量与不确定性则共同决定结果的可信度。

一、核算基本原则：结果可信的底层约束

工业过程排放核算通常遵循几条核心原则。相关性要求核算结果真实反映企业或设施的排放特征，所选取的排放源、气体种类与核算期间要与报告目的匹配；完整性要求在既定边界内不遗漏重要排放源，也不重复计算；一致性要求不同时期、不同设施之间采用可比的方法与口径，方法变更必须留痕并说明影响；准确性要求尽量减少偏差与不确定性，在合理成本下选择更高质量的数据；透明性要求方法、参数、数据来源和假设可被第三方追溯和复核。

这五条原则并非并列的口号，而是存在张力。例如提高准确性往往需要更高层级的方法和更细的实测数据，成本随之上升；而追求完整性又可能引入大量低质量估算。实际工作中需要根据报告用途（内部管理、履约报告、碳交易核查）在原则之间做权衡，并把权衡过程记录在核算方案中。

二、方法层级：Tier 1/2/3 的递进逻辑

方法层级是核算方法学框架中最具操作性的部分。Tier 1 通常采用缺省排放因子与活动数据相乘的简化方法，适用于数据基础薄弱、排放占比小的源；Tier 2 采用国家或区域特定的排放因子，或对活动数据做更细的分类，精度高于 Tier 1；Tier 3 则采用设施实测数据、物料平衡或连续监测（CEMS）等直接测量手段，精度最高但投入也最大。

层级选择不是越高越好，而是“重要性 + 数据可得性 + 成本”的综合判断。常见做法是先做排放源重要性排序：对占总排放量比例高、变化趋势影响大的关键源优先采用高层级方法，对占比很小的源保留低层级方法。下面这张图展示了三个层级在数据输入、计算方式和适用对象上的递进关系，以及它们共同汇入核算结果与不确定性评估的路径。

需要强调的是，层级是“方法层级”而非“质量等级”。一个采用 Tier 1 的小排放源，只要数据来源可靠、口径一致，其核算结果同样可以满足透明性要求；反之，即使采用 Tier 3，如果监测设备未校准、数据缺失处理不当，结果也未必可信。因此层级选择必须与数据质量控制和不确定性评估配套使用。

三、核算边界设定：把排放“圈”进来

边界设定回答两个问题：哪些设施和排放源纳入核算，以及哪些气体和时段纳入核算。常见边界维度包括组织边界（如股权比例法或运营控制法）、设施边界（厂区、装置、排放源清单）和时间边界（核算期、基准年）。对于工业过程排放，尤其要区分过程排放与燃烧排放：水泥窑中碳酸盐分解产生的 CO₂ 属于过程排放，而窑炉燃料燃烧产生的 CO₂ 属于燃烧排放，两者在边界划分和核算方法上应分别处理，避免重复或遗漏。

边界设定还要处理“移动源”和“间接排放”的归属问题。例如厂内叉车、运输车辆的燃料消耗是否纳入，外购电力对应的间接排放是否计入，都应在核算方案中明确写出并保持跨期一致。边界一旦确定，就应形成排放源清单，逐项标注排放源名称、所属工序、气体种类、拟采用层级和数据来源，作为后续核算与核查的基础。

四、数据质量要求与不确定性

数据质量通常从来源可靠性、代表性、时效性、完整性和可核查性几个方面评价。实测数据优于计算数据，计算数据优于估算数据；同一排放源的数据应覆盖完整核算期，缺失时段需说明处理方法。不确定性则是对核算结果可能偏离真值的程度的量化表达，可分为参数不确定性（如排放因子、活动数据的误差）和方法不确定性（如模型假设、边界划分带来的偏差）。

实际评估时，可先对关键参数给出不确定区间，再通过误差传递估算综合不确定性。例如某工序活动数据相对不确定度为 ±5%，排放因子相对不确定度为 ±10%，在两者相互独立且近似相乘的简化假设下，结果相对不确定度约为 √(5²+10²) ≈ 11.2%。这只是一个示例性估算，用于说明“参数误差如何汇入结果误差”，实际评估应结合数据分布和相关性采用更严谨的方法。对于关键源，应优先通过提高层级、增加实测频次、加强计量器具校准来收窄不确定性；对于非关键源，可在透明披露的前提下接受较宽区间。

综上，核算方法学框架不是四个孤立概念的堆叠，而是一条从原则约束到方法选择、再到边界划定和质量控制的完整链条。掌握这条链条，才能在面对具体工业过程时，既算得出来，也算得清楚、算得可信。