3. 数据质量与不确定度的核心概念
在产品碳足迹（PCF）评价中，“数据质量”和“不确定度”经常被混用，但它们回答的是两个不同的问题：数据质量回答“这份数据好不好、适不适合用”，不确定度回答“基于这份数据算出的结果，可能偏离真值多远”。理解二者的区别与联系，是后续开展数据质量评分、不确定度量化与结果判读的前提。
一、数据质量维度：从五个角度判断“数据好不好”
数据质量不是单一指标，而是一组可分别评价、再加权综合的维度。在碳足迹核算实践中，最常用的是以下五个维度：
- 时间相关性：数据年份与评价期是否匹配。例如评价2024年产品，使用2010年的电力排放因子，时间相关性就差；通常要求数据年份与评价年份相差不超过3～5年。
- 地理相关性：数据所在区域与实际生产/消费区域是否一致。用中国华北电网因子核算华南工厂用电，地理相关性不足。
- 技术相关性：数据对应的工艺、设备、原料路线是否与被评价产品一致。用湿法水泥数据核算干法水泥熟料，技术相关性差。
- 完整性：是否覆盖了所有重要的单元过程和输入输出流。遗漏了上游运输或包装材料，完整性即受损。
- 可靠性：数据来源的可信程度，如实测数据优于行业统计，行业统计优于文献估算，估算优于专家判断。
实践中常用DQI（数据质量指标）评分法：对每个维度打1～5分（1分最优、5分最差），再按权重加权得到综合DQI。例如某原料数据时间2分、地理1分、技术3分、完整性2分、可靠性2分，若五维等权，则综合DQI=(2+1+3+2+2)/5=2.0，属于“较好”区间。需要强调：DQI是相对评分，不是误差大小，它描述的是数据“离理想状态有多远”，而非“结果偏了多少”。
二、不确定度的定义与三类来源
不确定度是表征被测量值分散程度的非负参数，通俗地说，是对“结果可能偏离真值”的定量刻画。在碳足迹评价中，不确定度通常以相对标准不确定度（%）或置信区间形式表达。按来源可分为三类：
- 参数不确定度：来自输入数据本身的波动与误差，如活动数据计量误差、排放因子实测偏差、缺省因子的分散性。它是最主要、也最容易被量化的来源。
- 模型不确定度：来自核算模型的结构性简化，如分配方法选择（质量分配 vs 经济分配）、系统边界划定、截断准则、温室气体特征化因子的版本差异。模型不确定度往往难以用统计方法量化，多采用情景分析或专家判断。
- 情景不确定度：来自评价所依赖的外部假设与未来情景，如电力结构变化、产品使用寿命、废弃处置方式、运输距离假设等。它反映“在不同合理情景下结果会怎样变化”。
三类不确定度的性质不同：参数不确定度可通过数据分布传播计算；模型不确定度多靠敏感性分析与方法对比识别；情景不确定度则依赖情景设定与范围分析。因此，不能把三者简单相加成一个“总不确定度”，而应分别识别、分别表达，再在结果解释中综合说明。
三、两者在碳足迹评价中的关系
数据质量与不确定度既相关又不等价。第一，数据质量是“因”，参数不确定度是“果”之一：时间、地理、技术相关性差的数据，其参数不确定度往往更大。例如用全国平均电网因子替代区域因子，地理相关性下降，同时引入额外的参数分散。第二，二者不能互相替代：一份DQI评分很好的数据，若活动数据计量误差大，参数不确定度仍可能很高；反之，一份DQI较差但经过保守取值的数据，其不确定度区间可能被有意收窄。第三，模型与情景不确定度不由DQI直接反映，它们更多取决于方法选择与假设设定，需要通过敏感性分析和情景对比单独评估。
因此，在评价报告中应形成“质量—不确定度”双线表达：用DQI说明数据选择的合理性与改进方向，用不确定度区间说明结果的可靠程度，并在结果解释中说明哪些关键参数主导了不确定度。
四、一个可操作的示例
假设评价某款塑料外壳产品（功能单位：1 kg 成品），关键输入为电力消耗与ABS树脂用量。示例参数如下（属教学假设，非实测）：电力活动数据 2.5 kWh/kg，电网因子 0.58 kgCO₂e/kWh，因子相对标准不确定度 8%；ABS用量 1.05 kg/kg，因子 3.2 kgCO₂e/kg，相对标准不确定度 12%。按一阶传播近似，合成相对标准不确定度约为：
U_total ≈ sqrt( (0.08×1.45)² + (0.12×3.36)² ) / (1.45+3.36)
≈ sqrt(0.0135 + 0.1626) / 4.81
≈ 0.419 / 4.81 ≈ 8.7%其中电力贡献 1.45 kgCO₂e、ABS贡献 3.36 kgCO₂e。可见ABS因因子的不确定度更大且贡献更高，是主导项。若进一步把分配方法从质量分配改为经济分配，结果可能变化5%～15%，这部分属于模型不确定度，不能计入上述8.7%的参数传播结果，而应作为情景/模型敏感性单独报告。判读时应说明：参数不确定度约±8.7%（近似1σ），模型方法差异另计，从而避免把不同性质的不确定度混为一谈。