2. 产品碳足迹核算基础回顾

数据质量评价不是凭空进行的,它必须依附于一个已经建立的核算模型。换句话说,我们评价的是“某个产品碳足迹核算结果所依据的数据有多可靠”,因此必须先弄清楚这个结果是怎么算出来的、算到了哪里、以什么为基准。本节回顾产品碳足迹(Product Carbon Footprint,PCF)核算的三块基石:生命周期评价方法、碳足迹计算基本公式、系统边界与功能单位,并说明它们如何决定后续数据质量评价的对象与范围。

一、生命周期评价方法:从清单到结果

产品碳足迹核算是生命周期评价(LCA)的一个专门化分支,只关注温室气体排放这一单一环境影响类别。按照 ISO 14040/14044 的框架,LCA 分为四个相互关联的阶段:目标与范围定义、清单分析(LCI)、影响评价(LCIA)和结果解释。对碳足迹而言,影响评价阶段被简化为“温室气体排放量×全球变暖潜势(GWP)”的加权求和,因此工作量主要落在范围定义和清单分析上。

清单分析的核心是建立“过程—流量”关系:每一个单元过程消耗多少原材料、能源,排放多少温室气体,都要以活动数据乘以排放因子的形式记录下来。这些记录构成了后续数据质量评价的原始对象——数据质量评价本质上是在逐条审视这些活动数据和排放因子的来源、代表性、完整性与不确定性。如果清单阶段没有把数据来源、时间、地域、技术对应关系记录清楚,后面的质量评价就无从下手。因此在实际项目中,清单表应当至少包含:过程名称、流量名称、数量、单位、数据来源类型(实测/文献/数据库/估算)、参考年份、地理范围、技术代表性备注。

二、碳足迹计算基本公式

产品碳足迹的基本计算逻辑可以概括为“活动数据×排放因子,再按功能单位归一化”:

PCF = Σᵢ ( ADᵢ × EFᵢ ) / FU

其中:
  ADᵢ  第 i 种活动的活动数据(如 kWh 电量、kg 原料、t·km 运输量)
  EFᵢ  第 i 种活动的温室气体排放因子(kgCO₂e/单位活动)
  FU   功能单位
  Σᵢ   覆盖系统边界内所有单元过程的排放与清除

若涉及多种温室气体,排放因子本身已按 GWP 折算为 CO₂ 当量;若企业自行汇总,则需先对每种气体分别计算再按 GWP 加权。需要强调的是,公式中的求和范围由系统边界决定,分母由功能单位决定——这两个定义一旦变化,PCF 数值就不可直接比较。这也是数据质量评价中“一致性”维度要重点检查的内容。

示例说明:假设某款 1 kg 装洗衣液,功能单位为“洗涤 100 次所需洗衣液量”,系统边界为 cradle-to-gate。若清单显示每功能单位耗电 0.8 kWh(EF=0.55 kgCO₂e/kWh)、表面活性剂 0.35 kg(EF=2.1 kgCO₂e/kg)、运输 12 t·km(EF=0.11 kgCO₂e/t·km),则 PCF≈0.8×0.55+0.35×2.1+12×0.11=0.44+0.735+1.32≈2.50 kgCO₂e/功能单位。以上数值为教学假设,非实测结果。

三、系统边界:算到哪里

系统边界规定了哪些单元过程纳入核算。常见类型包括:cradle-to-gate(摇篮到大门,覆盖原料获取至工厂出厂)、cradle-to-grave(摇篮到坟墓,含使用与废弃)、gate-to-gate(大门到大门,仅厂内过程)。边界选择直接影响清单的完整性和数据质量评价的覆盖面:边界越宽,需要的外部数据越多,数据可得性和代表性风险也越高。

边界设定还需明确 cutoff 规则(如质量或能量占比低于 1% 的输入可豁免)、资本品是否纳入、以及分配方法(按质量、经济价值或能量分配)。这些规则必须在报告中写明,因为它们是数据质量评价中“完整性”和“一致性”判断的依据。下图展示了从功能单位出发,经系统边界划定、清单数据收集、公式计算到结果输出的关系结构,并标出数据质量评价介入的位置。

产品碳足迹核算流程与数据质量评价的介入点 功能单位 FU 基准与可比性锚点 系统边界 cradle-to-gate / grave 清单分析 LCI 活动数据 × 排放因子 PCF 计算 ΣAD×EF/FU 数据质量与不确定度评价 来源可靠性 · 时间/地域/技术代表性 · 完整性 · 一致性 · 不确定性 系统边界类型与数据质量关注点 cradle-to-gate 原料获取 → 工厂出厂 gate-to-gate 仅厂内过程 cradle-to-grave 含使用与废弃阶段 边界越宽 → 外部数据依赖越多 → 数据可得性与代表性风险越高 cutoff 规则、分配方法、资本品处理须在报告中明确,作为完整性/一致性判断依据

四、功能单位与数据质量评价的衔接

功能单位是产品系统性能的量化基准,例如“洗涤 100 次”“运输 1 t 货物 1 km”“使用 1 年”。它决定了活动数据的归一化方式,也决定了不同产品之间能否比较。数据质量评价中,功能单位定义不清会直接导致“可比性”失效:如果两个产品一个按质量、一个按使用次数归一化,即使数据本身可靠,结果也不可比较。

把上述三块基础串起来,可以得到数据质量评价的实操切入点:第一,核对功能单位与系统边界是否在报告中明确且与计算一致;第二,逐条检查清单数据的来源类型与代表性,对高贡献过程优先评价;第三,用公式反推各过程对总 PCF 的贡献占比,把评价资源集中在敏感环节。例如上例中运输贡献约 1.32 kgCO₂e,占比超过一半,那么运输数据的来源与地域代表性就应作为质量评价的重点,而不是平均用力。

常见误区:把“数据质量评价”等同于“给数据库打个分”。实际上,质量评价必须结合具体产品的功能单位、系统边界和贡献结构来判断——同一个排放因子,用在不同边界、不同功能单位下,其质量影响并不相同。

综上,生命周期评价提供了方法论框架,基本公式给出了计算路径,系统边界与功能单位划定了评价对象与基准。只有这三者清晰、一致、可追溯,后续的数据质量评分与不确定度分析才有意义。