结果性LCA与归因性LCA

LCA中最重要的方法论选择之一，是采用归因性方法还是结果性方法。这不仅仅是技术变体——它们回答的是根本不同的问题，并且可能产生截然不同的结果。

两个不同的问题

归因性LCA（ALCA）

问题：“该产品占全球环境影响的多少份额？”

ALCA描述进出产品系统的环境相关物理流。这是当前状况的快照，将现有影响分配给某个产品。

类比：根据室友使用电器的比例来分摊家庭电费。

结果性LCA（CLCA）

问题：“关于该产品的决策会导致哪些环境影响发生变化？”

CLCA模拟物质和能量流（及相关影响）如何因决策而改变。它考虑了市场效应和替代效应。

类比：计算如果一位室友增加一台新电器，家庭电费将增加多少。

ALCA告诉你产品的”环境背包”。CLCA告诉你，如果你增加或减少该产品的产量，全球总影响会发生什么变化。

关键区别

方面	归因性	结果性
问题	产品的份额是多少？	随决策变化的是什么？
系统模型	平均/现有系统	边际/受影响系统
多输出处理	分配	系统扩展/替代
数据类型	平均市场数据	边际供应商数据
市场效应	不考虑	明确建模
时间框架	当前快照	前瞻性
典型用途	报告、EPD、碳足迹	政策分析、战略决策

理解系统扩展与分配

多输出过程的处理方式最能体现两者的区别。

示例：大豆加工

大豆压榨同时生产豆油和豆粕。如果我们研究豆油：

归因性方法（分配）：

• 将压榨影响在豆油和豆粕之间分配
• 常用方法：按质量、按经济价值、按能量含量
• 结果：豆油根据分配比例承担X%的压榨影响

结果性方法（系统扩展）：

• 问：如果我们生产更多豆油，市场上会发生什么？
• 更多压榨 → 更多豆粕作为副产品产生
• 更多豆粕 → 减少对替代蛋白（如鱼粉）的需求
• 豆油获得避免鱼粉生产的抵扣
• 结果：豆油影响 = 压榨 + 下游 - 避免的鱼粉生产

如果避免的生产是影响密集型的，结果性结果甚至可能为负。

可视化区别

归因性（按质量分配）：

大豆 → 压榨 → 豆油（20%质量） → 分配20%的影响
             → 豆粕（80%质量） → 分配80%的影响

结果性（系统扩展）：

大豆 → 压榨 → 豆油 → 承担全部压榨影响
             → 豆粕 → -抵扣替代的鱼粉
                    
净豆油影响 = 压榨 - 豆粕抵扣

边际数据与平均数据

平均数据（ALCA）

代表当前市场结构：

• 平均电网结构（30%煤、25%气、45%可再生能源…）
• 跨供应商的平均生产技术
• 代表当前存在的状况

边际数据（CLCA）

代表边际上的变化：

• 当需求增加时，哪座电厂启动？
• 当需求增长时，哪个供应商扩大生产？
• 新产能会采用什么技术？

示例：可再生能源占比高的电网中的电力

指标	平均	边际
电网结构	30%煤、25%气、45%可再生能源	因时间/需求而异
短期边际	-	燃气调峰电厂（高碳）
长期边际	-	新建太阳能设施（低碳）

边际供应商取决于时间范围和市场条件。

识别边际技术需要经济建模和市场分析——这比使用平均数据更复杂。搞错了可能严重误导决策。

何时使用每种方法

归因性LCA适用于：

环境报告和沟通

• 年度报告的碳足迹
• 环境产品声明（EPD）
• 产品标签和声明

采购产品比较

• 比较供应商的产品
• 绿色采购决策
• 材料选择

法规合规

• 大多数EPD项目要求ALCA
• 产品环境足迹（PEF）使用ALCA
• 企业报告框架

责任归属和分配

• 在供应链参与者之间分配责任
• 设定基准足迹
• 跟踪随时间推移的改进

结果性LCA适用于：

政策分析

• 生物燃料强制令及其影响
• 回收政策影响
• 材料限制或禁令

战略商业决策

• 我们是否应该改变生产工艺？
• 如果我们进入/退出某个市场会怎样？
• 评估技术投资

大规模决策

• 影响市场的决策
• 具有间接影响的决策
• 考虑市场演变的长期规划

系统层面影响研究

• 反弹效应
• 市场中介影响
• 经济范围的影响

常见陷阱

陷阱1：混合方法

在结果性研究中使用归因性背景数据（或反之）会造成不一致。ecoinvent为每种方法提供单独的系统模型——不要混用。

陷阱2：对小决策使用CLCA

如果你的决策不会影响市场，CLCA的复杂性不必要。单个消费者在产品之间选择不会改变边际供应商。

陷阱3：对政策决策使用ALCA

使用平均数据建模政策影响会遗漏市场中介效应。生物燃料强制令改变农产品市场——平均数据无法捕捉这一点。

陷阱4：忽略时间范围

边际技术因时间范围而异：

• 极短期：现有闲置产能
• 短期：可扩展的产能
• 长期：新投资决策

将你的时间范围与决策情境相匹配。

陷阱5：重复计算

在使用系统扩展的CLCA中，确保避免的负担不会被重复计算——既作为抵扣又在另一个产品的影响中计算一次。

混合与集成方法

一些研究结合了不同元素：

归因性 + 敏感性测试

使用ALCA作为基准，但测试对边际情景的敏感性：

• “如果所有新增电力都来自天然气会怎样？”
• “如果回收替代了原生生产会怎样？“

局部均衡模型

对关键流（能源、大宗商品）明确建模市场，同时对次要输入使用归因性数据。

基于情景的结果性方法

当边际技术不确定时，建模多个市场情景并将结果呈现为范围。

数据库支持

ecoinvent系统模型

ecoinvent提供三种系统模型：

模型	类型	描述
Cut-off	归因性	回收输入无负担（截断法）
APOS	归因性	在替代点分配
Consequential	结果性	系统扩展、边际供应商

始终在整个研究中保持使用单一系统模型。

GaBi/Sphera

主要为归因性数据，提供一些结果性情景。

USLCI及其他免费数据库

通常为归因性，代表平均条件。

实践指导

方法选择清单

1. 你在回答什么问题？

   • 产品份额 → ALCA
   • 决策后果 → CLCA

2. 决策规模如何？

   • 个人/小规模 → ALCA通常合适
   • 影响市场 → 考虑CLCA

3. 利益相关方期望什么？

   • EPD、碳足迹 → 要求ALCA
   • 政策分析 → 通常期望CLCA

4. 有什么数据可用？

   • 边际数据需要额外分析
   • 如果只有平均数据，坚持用ALCA

5. 你的专业水平如何？

   • CLCA需要理解市场
   • 不确定时，从ALCA开始

文档要求

无论采用哪种方法，都应记录：

• 采用的方法及其理由
• 使用的系统模型（如基于数据库）
• 多输出过程的处理方式
• 关于市场的关键假设（针对CLCA）
• 时间范围和范围

关键要点

1. ALCA和CLCA回答不同的问题——根据目标选择
2. ALCA使用平均数据和分配；CLCA使用边际数据和系统扩展
3. EPD和大多数报告要求ALCA；政策分析通常需要CLCA
4. 切勿混合归因性和结果性系统模型
5. CLCA更复杂——仅当市场效应对你的决策重要时使用
6. 清楚地记录你的选择及其理由

练习

一家公司正在决定是否要：A）从原生塑料改用再生塑料 B）报告其当前产品的碳足迹

针对每个决策：

1. 哪种LCA方法更合适？
2. 再生内容的处理方法在不同方法之间有何不同？
3. 你需要哪些数据？

下一步

下一篇介绍社会LCA——将生命周期思维扩展到社会和 socioeconomic（社会经济）影响，与环境影响并列。

---

延伸阅读

• Consequential LCA: Ekvall, T., & Weidema, B.P. (2004). System Boundaries and Input Data in Consequential Life Cycle Inventory Analysis. International Journal of Life Cycle Assessment.
• Comparison: Plevin, R.J., et al. (2014). Greenhouse Gas Emissions from Biofuels’ Indirect Land Use Change Are Uncertain but May Be Much Greater than Previously Estimated. Environmental Science & Technology.
• Guidance: JRC (2010). International Reference Life Cycle Data System (ILCD) Handbook - General Guide for Life Cycle Assessment.