《Resources, Environment and Sustainability》：Investigating the impacts of data sourcing in LCA using uncertainty-sensitivity analysis with a case study of soil remediation
编辑推荐：
本研究针对生命周期评价（LCA）中一手数据获取困难、成本高，而二手数据存在固有不确定性的问题，以土壤淋洗修复技术为案例，系统评估了七类生命周期清单（LCI）数据中二手数据对一手数据的可替代性。研究通过不确定性-敏感性联合分析，发现水数据具有强可替代性，而混凝土数据可替代性有限。该研究为平衡LCA数据收集成本与结果准确性提供了新见解，有助于提升LCA在污染场地修复行业中的应用效率。
随着绿色可持续发展成为各行业转型升级的核心方向，高能耗、高碳排放的污染场地修复行业逐渐引起社会各界的广泛关注。研究表明，修复一立方米土壤的碳排放可高达1300 kg CO2-eq/m3，这不仅对生态环境构成严重威胁，也与全球气候变化密切相关。因此，污染场地的绿色可持续修复已从可选方案转变为必要途径。生命周期评价（Life Cycle Assessment, LCA）方法为量化评估对象各环节的环境足迹提供了有效工具。然而，LCA在实际应用中的不确定性严重阻碍了该方法的进一步推广，其中生命周期清单（Life Cycle Inventory, LCI）数据的不确定性是核心挑战之一。
LCI数据可分为一手数据（Primary data）和二手数据（Secondary data）。一手数据通过直接测量、监测或调查获得，可靠性高但获取成本高昂、过程复杂；二手数据从文献、数据库等间接来源获得，易于获取但固有不确定性较高。在污染场地修复项目中，如何在一手数据和二手数据之间取得平衡，即在控制数据收集成本的同时保证LCA结果的可靠性，是LCA实践者面临的关键难题。
为了回答这个问题，研究人员以中国南方某钢铁冶炼厂污染场地的土壤淋洗修复技术为案例系统，开展了一项旨在量化LCI数据可替代性的研究。该研究聚焦于土壤淋洗技术，该技术通过将污染土壤与能溶解污染物的液体混合，使污染物转移至液相，适用于原油、多氯联苯（PCBs）、多环芳烃（PAHs）、重金属等多种污染物污染的土壤治理。
本研究采用了多维数据收集方法，系统梳理了土壤淋洗技术的关键要素，建立了一手和二手数据的LCI。通过将LCI中的一手数据逐步替换为二手数据，生成了7个新的LCI数据集。研究运用不确定性分析和敏感性分析相结合的方法，综合评估了数据替换对LCA结果的影响。不确定性分析采用蒙特卡洛模拟（1000次迭代），以标准偏差表示结果的不确定性；敏感性分析则量化了数据替换后LCA结果的变化率。评估过程使用了Simapro 9.5软件中的ReCiPe 2016 Endpoint (E) 1.08方法和Ecoinvent 3.9.1背景数据库。数据质量则通过谱系矩阵法从可靠性、完整性、时间相关性、地理相关性和技术相关性五个维度进行评估。
研究结果首先揭示了一手数据和二手数据在质量上的差异。谱系矩阵评估表明，二手数据在各项指标上的得分普遍低于一手数据，尤其是在可靠性、完整性、地理相关性和技术相关性方面。这反映了二手数据因来源间接而固有的局限性。
通过对土壤淋洗技术进行LCA，研究发现其对人类健康的影响显著大于对生态系统和资源消耗的影响，其中石灰的使用对人类健康的影响尤为突出。比较基于一手和二手数据的LCA结果，数值差异较小，但不确定性存在显著差异，二手数据通常引入了更大的不确定性。
数据替换后的不确定性-敏感性分析是本研究的核心。对于人类健康影响类别，依次替换七类数据（混凝土、石灰、电力、活性炭、水、钢材、柴油）后，LCA结果的不确定性（以标准偏差衡量）和敏感性（结果变化率）发生了不同程度的变化。例如，替换柴油和电力数据导致LCA结果显著增加（敏感性分别为1.48%和1.08%），而替换水、钢材等数据引起的变化较小。不确定性方面，替换混凝土和石灰数据会显著增加结果的不确定性。
基于分析结果，研究建立了一个数据可替代性决策框架。该框架综合考虑了数据替换后LCA结果的不确定性增加和敏感性变化。设定不确定性阈值（<5%为可接受，<1%为优先替代）和敏感性阈值（绝对值<1%为可接受）。据此：
- •
对于人类健康影响，水和钢材数据被确定为可替代数据（不确定性增加小，敏感性低）；活性炭数据在可接受的不确定性范围内（1-5%）可替代；而柴油（敏感性高）、混凝土和石灰（不确定性高）数据被归类为不可替代。
- •
对于生态系统影响，柴油数据可替代，水数据需谨慎替代，其他数据不可替代。
- •
对于资源消耗影响，钢材、活性炭、电力和水数据可替代，柴油和混凝土数据不可替代。
研究结论强调，水数据在所有三个影响类别中都表现出较强的可替代性，意味着在实际应用中可避免耗时的现场收集。相反，混凝土数据对LCA结果的准确性影响显著，应优先进行现场测量。该研究提出的不确定性-敏感性分析框架，为LCA实践者提供了一种科学的方法，用于识别哪些数据需要现场收集，哪些可以使用更方便的二手数据替代，从而在数据收集成本和LCA结果可靠性之间找到最佳平衡点。
这项研究的意义在于，它首次系统地将不确定性分析和敏感性分析相结合，应用于土壤修复技术LCA的数据可替代性决策中，为简化LCI数据收集模型、提高LCA应用效率提供了理论支持和实践指导。该方法论框架具有普适性，可鼓励不同行业的LCA实践者根据自身行业特点和数据特征进行应用和拓展，最终推动LCA方法在支持环境决策和可持续发展方面发挥更大作用。论文发表在《Resources, Environment and Sustainability》期刊上。
