產品碳足跡評價中不確定度與敏感度相結合的數據質量分析

陳 莎,李燚佩,曹 磊,劉尊文,陳迎新 (.北京工業大學區域大氣復合污染防治北京市重點實驗室,北京 004；.環境保護部環境認證中心,北京 0009；.中國印刷技術協會,北京 00085)

為減緩氣候變化,將全球溫室氣體濃度控制在安全范圍之內,有關溫室氣體減排、碳足跡評價等問題已經引起國際社會的廣泛關注.碳足跡評價中涉及的數據量大且不易獲取[1],需對數據有選擇性地分析,這將直接影響到評價結果的不確定性[2].同時,碳足跡評價過程中不可避免地會出現監測誤差、關鍵數據缺乏、數據代表性不足、核算模型和分配方法的選取等不確定因素[3-4].收集到的數據是否可靠,對數據的種類、來源、獲取途徑及客觀量化處理方法如何選擇,已成為制約碳足跡評價方法應用的最大因素[5-6].因此,判斷和量化輸入數據對結果所產生的不確定性是碳足跡評價結果分析的重要組成部分,它可為研究者選擇更為可靠的數據來源[7-8],并有效地優化數據收集方案,從而促進產品碳足跡評價方法的應用和發展.

目前,有關碳足跡評價中數據不確定度對評價結果所產生影響的研究較少,且側重不一,缺少相對簡單、易行的數據質量分析方法.本文建立了結合敏感度與 DQI-Monte Carlo的數據不確定度定量分析方法.首先通過敏感度分析識別出產品碳足跡評價中的主要數據,再結合DQI-Monte Carlo不確定度分析方法對主要數據進行數據質量判定,甄選出碳足跡評價中的關鍵數據,并據此有針對性地提出數據質量改進意見,從而有效地優化數據收集,減少評價結果的不確定度.建立的方法應用于我國某塑料軟包裝印刷企業的印刷前階段碳足跡評價,驗證了方法的可行性.

1 數據質量分析模型

產品碳足跡評價收集的數據主要包括:企業年度統計/報表、現場監測或實驗模擬等初級活動水平數據;現有碳排放數據庫、正式出版的文獻/論文、各類統計年鑒、行業協會提供的分析資料等次級數據[9].

本文建立的基于敏感度和不確定度方法的數據質量分析模型,流程如圖1所示.

圖1 產品碳足跡評價中數據質量分析模型流程Fig.1 Data quality analysis model of the carbon footprint assessment for products

1.1 敏感度分析

敏感度分析是通過測定一個或多個不確定因素的變化,了解各因素變化對實現預期目標的影響程度[11].本文采用單因素敏感體法,在僅有一個參數變動 1%的情況下,采用敏感度參數來定量描述輸入變量的重要性程度,計算公式如(1)所示[12].

式中,Ei是輸入變量 Fi的敏感度系數;ΔFi表示輸入變量 Fi的變化率%,為 1%;ΔAi表示輸入變量Fi發生 ΔFi變化率時,評價結果 A的相應變化率(%).

|E|越大,表明評價結果A對輸入變量F越敏感,即這一數據在相應的單元過程中對結果的影響最大.

1.2 DQI-Monte Carlo不確定度分析法

不確定度分析(UA)是指因數據的估計誤差或無法預期的變動對評價結果所產生影響進行分析.

本文建立了數據質量指標(DQI)法與蒙特卡模擬(Monte Carlo Simulation)相結合的數據不確定度分析方法.

1.2.1 數據質量指標法 數據質量指標法是采用譜系矩陣,從統計代表性、時間代表性、數據來源、地理代表性、技術代表性等屬性對數據進行評分分級以辨別數據質量問題的方法.雖然對各指標的賦值并非數據質量的具體量化值,不同研究中的指標賦值大小各異[13-16],也不能直接轉化為數據的概率分布函數,但并不影響對碳足跡評價各單元過程內數據質量的分析結果.DQI方法的優點在于無論選取指標值的異同,都能方便地發現特定研究項目下存在的典型數據質量問題.但該方法有一定的主觀性,常常需要結合其他方法進行不確定度分析.

本文基于國內外的研究成果,建立了我國碳足跡評價的數據質量指標表,如表1所示.

1.2.2 蒙特卡洛模擬法 蒙特卡洛模擬法是一種不確定性隨機模擬分析法,是將某一原始輸入數據經 n次重復抽樣,所構成的概率分布代表數據質量的不確定度[17].常用的蒙特卡洛模擬分析軟件也較多,包括Simpro,gabi,ECO-KCL等.在應用蒙特卡羅模擬方法前,需對原始數據取值范圍的統計分布狀態進行設置,常見的有4種:正態分布、對數正態分布、均勻分布和三角分布[18].通常假設為正態分布類型.

表1 數據質量指標及不確定度Table 1 Data quality indicators and uncertainties

目前,Monte Carlo模擬法也廣泛應用于碳足跡評價的數據分析中,例如土豆碳足跡、牛奶制品的全球變暖潛力,電力生產中生命周期清單等[19-22].蒙特卡洛模擬法的最大優點是可將輸入數據的不確定性表達得比較清楚,不足是未能考慮碳足跡評價中數據質量的具體特征.

1.3 數據質量分析模型

基于 DQI-Monte Carlo的數據質量分析方法,可簡單易行地分析產品碳足跡評價中的數據質量問題.其中,產品碳足跡評價中輸入數據的不確定度將隨核算方法等不斷累積至最終的評價結果上.本文的不確定度分析分為輸入數據和評價結果2部分.

1.3.1 敏感度分析 對數據敏感度的分析,主要是對敏感度系數的求解,步驟如下:

在產品碳足跡評價的系統邊界內,將研究對象逐項列出,包括某碳排放源的碳排放結果、收集到的活動水平數據、物耗/能耗的碳排放系數、交通運輸距離、交通運輸碳排放系數等;

將研究對象增加 1%,結合由此產生的總碳排放結果增加率,得到此研究對象的敏感度系數;

在同一研究層面上,將各變量敏感度系數的大小進行比對,值越大,表明最終的評價結果對該研究對象越敏感,是產品碳足跡評價中的主要數據.

1.3.2 輸入數據的不確定度分析 輸入數據包括活動水平數據和碳排放系數2種,來源可為初級數據和次級數據.基于研究對象的系統邊界,對所有輸入輸出碳排放項的數據進行整理,步驟如下:

(1)結合DQI表,辨識出收集過程中的數據特點(包括技術覆蓋面、時間跨度、地域范圍、數據來源等),得到這一數據的1×5DQI矩陣.

(2)根據DQI矩陣,計算出數據質量指標基于最高賦值 5的相對標準偏差,經由蒙特卡洛模型模擬,得到活動水平數據和碳排放系數的不確定度分別為Ua和Uf.

以表 3中的電力活動水平數據為例,根據DQI表得到這一 2kWh耗電量的 DQI矩陣為(4,5,5,5,5),經蒙特卡洛模擬后,可知該數據的Ua=4.99%.

1.3.3 評價結果的不確定度 政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change,IPCC)指出,在確定了活動水平數據、碳排放系數的不確定度后,可將其合并,以提供總清單的不確定度估算[23].本文采用誤差傳遞的方法確定評價輸入數據的不確定度在結果中的傳播.不確定度越高,在產品碳足跡評價中對優化評價結果越重要,為重點數據.

(1) 單一碳排放結果的不確定度

產品碳足跡評價中,根據誤差傳遞對某一碳排放源碳排放結果進行不確定度計算的公式如(2)所示.

式中,Ui是碳排放源 i的碳排放結果的不確定度;EMi1、EMi2分別為碳排放源 i的直接碳排放量和因交通運輸所產生的碳排放量;Uti為碳排放源i的運輸距離的不確定度;Uai、Ufi、Ufti分別為碳排放源i的活動水平數據(即物耗/能耗的單位功能單位下的消耗量)、活動水平碳排放系數和運輸方式碳排放系數的不確定度.

(2) 評價結果的不確定度

產品碳足跡評價的結果,是由各碳排放源的碳排放量相疊加得到,根據誤差傳遞的原理得到其不確定度的計算公式如(3)所示:

式中,U是最終碳排放結果的不確定度;EMi是碳排放源 i的總碳排放量,為直接碳排放量與交通運輸產生的碳排放量之和.

2 應用示例

根據我國印刷行業特點以及典型塑料軟包裝企業的實際調研,確定印刷服務的評價邊界如圖 2所示.并將建立的上述數據質量分析方法應用于印刷前階段的碳足跡評價之中.

圖2 塑料軟包裝印刷服務碳足跡評價系統邊界Fig.2 System boundary of the carbon footprint assessment for plastic flexible packaging printing service

評價邊界是以客戶下達訂貨需求為始,至將印刷產品轉交至客戶為終的過程,即從原材料生產、印刷、運至訂貨商指定處,并包含運輸及生產過程中所產生廢棄物的處置,而不涵蓋印刷品的使用和回收處理階段及承印物的消耗.

其中,印刷前階段,包括所有原材料的輸入、廢棄物的產生等在內,功能單位為1支版輥.基于功能單位的初級數據,包括產量、原料消耗量、能源使用量等,由企業報表等處獲取;基于功能單位的次級數據,包括運輸距離、碳排放系數等,由數據庫、文獻、統計年鑒等處獲得.

2.1 敏感度分析

2.1.1 評價結果的敏感度分析 按照 1.1的計算公式對某塑料軟包裝印刷企業的印刷前階段各碳排放源的敏感度進行分析,結果如表2所示.

由表 2的分析結果可知,印刷前階段的主要碳足跡來源為制版加工過程中的版材、電力和洗版水,應重點分析.

2.1.2 各影響因素的敏感度分析 通常,影響碳排放源碳排放結果的因素有 4種,包括活動水平數據、碳排放系數、交通運輸距離和交通運輸碳排放系數.因此,對各影響因素進行逐項的敏感度分析,有利于準確辨識出能提高碳足跡評價結果可靠性的最佳優化點,且可大大節約時間.

表2 某塑料軟包裝印刷公司碳排放結果的敏感度Table 2 Sensitivities of the carbon emissions of the company

基于2.1.1的判定結果,按1.1的計算公式對影響這一階段的主要碳足跡來源的影響因素進行敏感度分析,結果如表3所示.

表3 印刷前階段各評價因素的敏感度系數Table 3 Sensitivity coefficients of the evaluation factors in the pro-printing stage

從表 3可以看出,對碳足跡評價結果較敏感的依次為版材的活動水平數據、版材的碳排放系數、電力的活動水平數據和碳排放系數,它們是印刷前階段碳足跡評價中的主要數據.

2.2 不確定度分析

基于對印刷前階段主要數據的辨識結果,本研究對主要數據分別進行了 DQI矩陣確定、Monte-Carlo模擬,并按照公式(2)核算得出其不確定度,如表4所示.

表4 印刷前階段主要數據的碳排放量及其不確定度Table 4 Carbon emissions and uncertainties of the key data in the pro-printing stage

由表 4可知,不確定度最大的是版材的碳排放系數,這也是影響該塑料軟包裝印刷企業印刷前階段碳足跡評價結果不確定度的關鍵數據,應著重優化.

2.3 數據收集優化方案

結合2.3.2分析步驟和公式(2)、(3)對印刷前階段碳排放數據及其不確定度進行核算、疊加,得出這一階段碳足跡結果及最終不確定度分別為 210.89kgCO2-eq和 18.01%.其中,這一階段研究中的關鍵數據是版材碳排放系數,由Ecoinvent數據庫中獲得,為4.14kg/kg,其DQI矩陣和Ua依次是(3,4,4,1,4)和23.31%.

根據上述分析可知,采用更好的數據來替代版材碳排放系數,將有效地降低評價結果的不確定度.隨著我國碳足跡評價基礎數據庫的不斷完善和發展,相關碳排放系數數據也將具有更趨良好的時間代表性、統計代表性、地理代表性、數據來源和技術代表性.假設此項版材碳排放系數為最優狀態,即DQI矩陣為(5,5,5,5,5),則其Ua為0.此時,該塑料軟包裝印刷企業印刷前階段的碳足跡結果不確定度將從 18.01%減小為 12.52%,由此可見,有效地降低了碳足跡評價結果的不確定度.

3 結論

3.1 為簡化產品碳足跡評價中的數據質量分析過程,對各碳排放源及其影響因素先經敏感度分析識別出主要數據,再結合對主要數據進行的不確定度分析情況,從而甄選出影響碳足跡評價結果可靠性的關鍵數據.

3.2 采用DQI-Monte Carlo方法對產品碳足跡評價中的不確定度進行分析.對數據質量進行半定量分析的DQI的1×5矩陣,經Monte Carlo模擬得出其不確定度.

3.3 針對關鍵數據制定的數據優化方案,將有效降低評價結果的不確定度.本文以某塑料軟包裝在印刷前服務階段碳足跡為例,對版材碳排放系數這一關鍵數據進行優化,單一地減小其不確定度,可使評價結果的不確定度由 18.01%降至12.52%.

[1]白 璐,孫啟宏,喬 琦.生命周期評價在國內的研究進展評述[J].安徽農業科學, 2010,38(5):2553-2555.

[2]Hung Ming-Lung, Ma Hwong-wen.Quantifying system uncertainty of life cycle assessment based on Monte Carlo simulation [J].The International Journal of Life Cycle Assessment, 2009,14(1):19-27.

[3]Arjan de Koning, Diederik Schowanek, Joost Dewaele, et al.Uncertainties in a carbon footprint model for detergents;quantifying the confidence in a comparative result [J].International Journal of Life Cycle Assessment, 2010,15(1):79-89.

[4]Christopher Frey H, Sachin Bammi.Quantification of variability and uncertainty in lawn and garden equipment NOx and total hydrocarbon emission factors [J].Journal of the Air and Waste Management Association, 2002,52(4):435-448.

[5]夏 添,鄧 超,吳 軍.生命周期評價清單分析的算法研究 [J].計算機工程與設計, 2005,26(7):1681-1683.

[6]莫 華,張天柱.生命周期清單分析的數據質量評價 [J].環境科學研究, 2003,16(5):55-58.

[7]Berners-Lee M, Howard D C, Moss J, et al.Greenhouse gas foottprinting for small business–The use of input-output data [J].Science of the Total Environment, 2011,409(5):883-891.

[8]Lo Shih-Chi, Ma Hwong-wen, Lo Shang-Lien.Quantifying and reducing uncertainty in life cycle assessment using the Bayesian Mote Carlo method [J].Sicence of The Total Environment, 2005,340(1-3):23-33.

[9]任麗娟,陳 莎,張菁菁,等.生命周期評價中清單的不確定性分析 [J].安全與環境學報, 2010,(1):118-121.

[10]向 東,段廣洪,汪勁松.產品全生命周期分析中的數據處理方法 [J].計算機集成制造系統–CIMS, 2002,8(2):150-154.

[11]Fulvio Ardente, Giorgio Beccali, Maurizio Cellura, et al.Life cycle assessment of a solar thermal collector: sensitivity analysis,energy and environmental balances [J].Renewable Energy, 2005,30:109-130.

[12]劉夏璐,王洪濤,陳 建,等.中國生命周期參考數據庫的建立方法與基礎模型 [J].環境科學學報, 2010,30(10):2136-2144.

[13]Weidema B P, Wesnaes M S.Data quality management for life cycle inventories–an example of using data quality indicators [J].Journal of Cleaner Producation, 1996,4(3):167-174.

[14]Frishkentcht R, Jungbluth N, Althaus J, et al.Ovreview and methodology (ecoinvent report No.1) [R].Dubendorf: Swiss Centre Cycle Inventories, 2007.

[15]黃 娜,王洪濤,范辭冬,等.基于不確定度和敏感度分析的 LCA數據質量評估與控制方法 [J].環境科學學報, 2012,32(6):1529-1536.

[16]劉 濤,黃志甲.生命周期清單不確定性分析的主要數據選擇[J].安徽工業大學學報, 2006,23(1):91-95.

[17]鐘流舉,鄭君瑜,雷國強,等.大氣污染物排放源清單不確定性定量分析方法及案例研究 [J].環境科學研究, 2007,20(4):15-20.

[18]PRe Consultants, Mark Goedkoop, An De Schryver, et al.Introduction to LCA with Simpro 7 [Z].The Netherlands: PRé Consultants, 2008.

[19]Roos E, Sundberg C, Hansson P.Uncertainties in the carbon footprint of food products: a case study on table potatoes [J].The International Journal of Life Cycle Assessment, 2010,15(5):478-488.

[20]Basset-Mens C, Kelliher F M, Ledgard S, et al.Uncertainty of global warming potential for milk production on a new zealand farm and implication for decision making [J].The International Journal of Life Cycle Assessment, 2009,14(7):630-638.

[21]鄭 元,張天柱.不確定數據條件下的生命周期評價及其應用[J].重慶環境科學, 2003,25(6):18-20.

[22]Maurice B, Frischknecht R, Coelho-Schwirtz V, et al.Uncertainty analysis in life cycle inventory.Application to the production of electricity with French coal power plants [J].Journal of Cleaner Production, 2000,8(2):95-108.

[23]IPCC2006.2006年 IPCC國家溫室氣體清單指南 [R].日本全球環境戰略研究所, 2006.