运行影响评估与导出结果

产品系统构建完成后，你就可以计算和分析环境影响。本课介绍 openLCA 的计算功能，从快速结果到详细的贡献分析以及蒙特卡洛模拟。

openLCA 的计算类型

openLCA 提供多种计算模式，适用于不同需求：

模式	用途	计算时间
快速结果	快速预览总影响	秒级
分析	详细的贡献分解	分钟级
区域化	特定位置的影响因子	分钟级
蒙特卡洛	不确定性量化	小时级

运行快速结果

如需快速了解影响概况：

1. 打开你的产品系统
2. 点击工具栏中的 Calculate
3. 选择 快速结果
4. 选择你的 LCIA 方法（例如 ReCiPe 2016 Midpoint (H)）
5. 点击 完成

结果窗口按类别显示总影响。这对于快速验证很有用，但不显示影响的具体来源。

运行完整分析

如需贡献分解和热点识别：

1. 打开你的产品系统
2. 点击 Calculate → Analysis
3. 选择你的 LCIA 方法
4. 点击 完成

此计算会追踪整个供应链中的影响，实现详细分析。

影响分析标签页

主结果表显示：

• 影响类别（例如全球变暖潜值）
• 总值
• 单位（例如 kg CO₂ eq）

点击任意类别可查看过程贡献。

过程贡献视图

点击某个类别后：

1. 柱状图显示主要贡献过程
2. 可按贡献百分比排序
3. 展开过程可查看其输入的贡献

示例发现：“煤炭发电贡献了 GWP 的 45%，其次是陶瓷烧制（28%）。“

上游和下游分析

openLCA 可以双向追踪影响：

上游分析：供应链中的哪些过程对该过程的影响有贡献？

下游分析：该过程的输出最终去向何处？

在结果中右键单击任意过程即可访问这些功能。

理解贡献树

贡献树提供层次化的影响分解：

1. 在结果中，进入 Contribution tree 标签页
2. 根节点显示总影响
3. 展开节点可查看来自链接过程的贡献
4. 继续展开以将影响追溯到其来源

这揭示了供应链结构，以及哪些环节的干预最为有效。

建议先关注前 5-10 个主要贡献者。这些通常占总影响的 70-90%。改进这些过程能带来最大的环境效益。

创建 Sankey 图

Sankey 图将物料和影响流可视化：

1. 在结果中，进入 Sankey diagram 标签页
2. 选择一个影响类别
3. 设置截断百分比（例如仅显示贡献 >1% 的流）
4. 图表显示按贡献大小排列的流

解读 Sankey 图

• 较宽的带表示较大的贡献
• 颜色通常表示流向或类型
• 节点大小反映过程的重要性

将这些图表导出用于报告：

1. 右键单击图表
2. 选择 导出为图片
3. 选择格式（PNG、SVG）

比较多个系统

要比较替代方案（例如陶瓷杯与纸杯）：

方法一：项目比较

1. 创建一个项目（右键单击 → 新建项目）
2. 将你的产品系统添加为变体
3. 为每个变体设置等效的功能单位
4. 计算项目
5. 查看并排结果

方法二：手动比较

1. 分别计算每个系统
2. 将结果导出到 Excel
3. 在外部创建比较图表

项目比较更为便捷，但可视化选项较少。

运行蒙特卡洛模拟

蒙特卡洛模拟量化输入不确定性对结果的影响：

设置要求

在运行蒙特卡洛之前：

1. 为关键输入添加不确定性分布
2. 为参数定义分布
3. 确保模型具有不确定性数据

运行模拟

1. 打开你的产品系统
2. 点击 Calculate → Monte Carlo simulation
3. 选择 LCIA 方法
4. 设置迭代次数（通常 1,000-10,000 次）
5. 点击 完成

注意：对于具有大量迭代的复杂系统，这可能需要数小时。

解读蒙特卡洛结果

结果显示的是分布而非单一值：

• 均值：所有模拟结果的平均值
• 标准差：结果的离散程度
• 置信区间：例如 95% 的结果落在 X 和 Y 之间
• 直方图：分布的视觉形态

在比较两个产品时，应关注产品 A 优于产品 B 的概率，而不仅仅看均值是否有差异。蒙特卡洛能够揭示差异是否具有统计意义。

敏感性分析

测试结果在你改变假设时的变化：

参数变化

1. 为关键输入创建参数（例如 electricity_use、transport_distance）
2. 计算基准值
3. 修改参数并重新计算
4. 比较结果

情景分析

创建多个情景：

1. 在你的过程中，使用 Parameters 设置关键值
2. 定义具有不同参数集的情景：
   • 情景 A：平均运输距离
   • 情景 B：最大运输距离
   • 情景 C：最小运输距离
3. 分别计算并比较

记录敏感性

创建一个表格展示：

参数	基准值	替代值	影响变化（%）
用电量（kWh）	2.5	3.5（+40%）	GWP +12%
运输（km）	500	1,000（+100%）	GWP +5%

这有助于识别哪些输入对结果影响最大。

导出结果

Excel 导出

最常用的进一步分析导出方式：

1. 在结果打开状态下，进入 文件 → 导出
2. 选择 Excel
3. 选择要包含的内容：
   • 影响结果
   • 清单结果
   • 贡献分析
4. 点击 导出

Excel 文件包含多个工作表，带有结构化数据。

HTML 报告

用于独立报告：

1. 进入 文件 → 导出 → HTML 报告
2. 选择报告选项
3. 导出将生成一个自包含的 HTML 文件

这可以分享给没有安装 openLCA 的相关方。

JSON-LD 导出

用于与其他系统交换数据：

1. 右键单击你的产品系统
2. 选择 导出 → JSON-LD
3. 选择要包含的元素

JSON-LD 文件可以导入到其他 openLCA 实例或兼容工具中。

图片导出

导出可视化图表用于演示：

1. 右键单击图表（Sankey 图、模型图）
2. 选择 导出为图片
3. 选择格式和分辨率

创建专业报告

报告必备要素

一份完整的 LCA 报告包括：

1. 执行摘要，包含关键发现
2. 目标和范围文档
3. 系统描述，包含模型图
4. 按类别的影响结果
5. 热点分析，包含贡献图
6. 敏感性分析结果
7. 解释与建议
8. 局限性和假设

使用 openLCA 报告功能

openLCA 具有内置报告功能：

1. 创建一个报告（右键单击 → 新建报告）
2. 链接你的项目/产品系统
3. 选择报告章节
4. 添加评论和解释
5. 导出为 HTML 或 PDF

外部报告

如需更多控制，可将数据导出并在以下工具中创建报告：

• Microsoft Word/PowerPoint
• LaTeX（用于学术论文）
• 商业智能工具
• 自定义可视化库

计算问题排查

无结果

• 确认 LCIA 方法已正确导入
• 检查基本流是否映射到特征化因子
• 确保产品系统已完全链接

异常值

• 检查单位一致性（kg 与 ton，kWh 与 MJ）
• 验证分配设置
• 查找循环引用

计算缓慢

• 减少蒙特卡洛迭代次数进行测试
• 使用截断简化复杂系统
• 确保分配了足够的内存

要点总结

1. 快速结果验证模型；完整分析揭示热点
2. 蒙特卡洛量化不确定性——不要仅依赖点估计
3. 敏感性分析识别哪些输入最为关键
4. 导出到 Excel 以便灵活的后处理
5. 记录你的方法和假设以确保可重复性

练习

使用你的咖啡杯模型：

1. 运行完整分析，找出 GWP 的前三大贡献者
2. 为三个关键输入添加不确定性分布
3. 运行蒙特卡洛（500 次迭代），比较均值与中位数
4. 导出结果，创建一页摘要，展示：
   • 总 GWP 及置信区间
   • 饼图形式的主要贡献者
   • 一项减少影响的关键建议

下一步

你现在已掌握使用 openLCA 构建和分析 LCA 模型的核心技能。本系列的最后一课提供了 LCA 软件提供商和数据库来源的综合资源列表，助你扩展工具集。

---

资源

• openLCA 结果解读指南
• LCA 中的蒙特卡洛方法