环境质量分析与评价

X82 200402494 生命周期清单分析的数据质量评价/莫华…(清华大学环境科学与工程系)∥环境科学研究/中国环科院.-2003,16(5).-55-58 环图X-6 生命周期清单分析(LCI)数据质量的分析方法可概括为两类:采用诸如地理代表性、数据年代或数据获取方式等一系列指标来表示;根据不确定性来综合反映LCI质量。笔者在分析了这两类     

环境管理工具:生命周期清单分析方法

本文首次论述了生命周期清单(LCI)分析方法。生命周期清单(LCI)分析方法可概括为两种基本方法：过程分析(process analysis)和输入-输出分析(Input-Output Analysjs,IOA)。将两种基本方法不同程度地结合,就产生了LCI混合分析方法。其中,混合方法中还包含另外三种方法：层次混合方法、基于IO的混合方法和整合的混合方法。本文举例介绍了各种LCI分析方法,并进行了多方面的比较,例如数据的不确定性、应用的简单性等方面。最后对LCI清单分析方法现存的一些问题提出了一些建议。     

以晶体硅太阳能电池产业为例的产业生命周期评价初探

面对日益复杂的环境问题和精细化环境管理需求,为了将生命周期评价在产业结构调整、发展方式转变中更好地发挥作用,对在产业层面开展生命周期评价的方法进行了探索研究.产业生命周期评价是在产品生命周期评价的基础上增加了:①基于“可拆解可组合”生态设计理念的功能单位和系统边界确定;②质量评估和数据整合的数据收集过程;③以不确定性分析来验证数据的合理性.选择晶体硅太阳能电池产业进行了产业生命周期评价的案例应用.结果表明:晶体硅太阳能电池产业可分为4个产品单元和11个工艺单元.基于上述产品单元和工艺单元的资源能源投入和污染物排放数据进行收集,在数据质量评估之后通过数据整合形成了产业生命周期数据清单.产业生命周期环境影响主要集中在呼吸系统影响（41.94%）、化石燃料（25.20%）、致癌（14.89%）和气候变化（8.80%）4个环境影响类别;减少环境影响的精准化途径是减少高纯多晶硅、硅片、电池片产品的电耗,组件产品中焊带消耗,硅片产品中的砂浆消耗和组件产品的铝合金边框消耗.蒙特卡洛分析结果显示,高纯多晶硅生命周期评价结果不确定性较高,与数据质量评估的结果较为一致.案例应用结果说明,产品生命周期评价可将生命周期评价从产品层面提升到产业层面,可为国家产业发展提供科学支撑.      

动态生命周期评价的研究与应用现状

生命周期评价（LCA）在理论和实际应用中存在一些局限性,包括清单和评价方法缺乏时间维度和空间维度,主要表现为缺乏对产品能源系统随时间变化的考虑,使用静态的过时的清单数据而非基于时间的动态生命周期清单数据,以及影响评价方面缺乏动态特征因子的选择和计算方法.动态生命周期评价（DLCA）是针对工业和环境系统的时间和空间变化的动态建模过程的评价方法,可大大提高传统生命周期评价的科学性和准确性.本文从3个方面对动态生命周期评价方法进行总结和评述,即将时间信息作为不确定因素的动态建模分析;生产过程或污染物排放的实时数据的获取;基于时间分化的动态特征因子的影响评价方法.通过目前的动态生命周期评价的研究现状来看,其方法框架并不统一,另外缺乏科学的时间分化的LCI计算的数学模型和软件以及生命周期影响评价的建模解决方案.因此,本文对DLCA未来的发展进行展望,以期为LCA方法的研究、应用、发展和完善提供更多的支持.     

基于不确定度和敏感度分析的LCA数据质量评估与控制方法

通过提出定量评估并控制LCA数据质量的系统化方法(称为CLCD-Q方法),从LCA案例的原始数据和清单数据算法开始评估不确定度;然后通过两次蒙特卡罗模拟,先后得出单元过程清单数据及LCA结果的不确定度;最后结合敏感度分析,辨识出LCA模型中具有高不确定度和高敏感度的关键数据,从而指出控制和改进数据质量的关键点.结果发现,上述方法可在eBalance软件和CLCD数据库中实现.同时,对中国电网电力生命周期的示例研究表明,上述方法将传统的LCA数据质量评估延伸到了原始数据层面,从而为数据收集过程中的原始数据与算法选择提供了直接的支持,同时也可以针对数据质量不达标的LCA结果,指出最有效的改进方向.     

钢渣处理技术的环境性能比较

随着钢铁工业的快速发展,大量钢渣弃置堆积,不仅成为环境污染源,而且占用大量的土地。目前钢渣处理技术较多,其中主要的处理方法有冷弃法、热闷法、热泼法、浅盘法、水淬法、风淬法等。本研究采用生命周期评价方法,对主要钢渣处理技术进行评估,定义了生命周期评估边界和清单指标,建立了清单计算模型,得到了不同钢渣处理技术的生命周期清单。为了提高结果的可信性,对模型进行了不确定性分析。结果表明滚筒法和风淬法的环境性能较好,是值得推广的钢渣处理技术。     

复杂工业产品制造阶段生命周期清单数据获取方法:以轿车为例

准确可靠的工艺单元数据是开展产品生命周期清单分析和影响评价最重要的基础.目前开展的相关研究,由于数据获得性的问题,大多集中在结构或成分较为简单的工业产品.而利用相关数据库开展的生命周期清单分析,不能很好地满足对外公开的对比性评价或商业性应用需要.本文以国产轿车为例,研究提出了其制造阶段生命周期清单分析数据的获取方法,并通过理论研究和实践完善,设计出了一套系统化的数据收集表格,可用于机动车及类似复杂工业产品制造阶段生命周期清单数据获取.     

基于PCA和M-SVMs的化学物质生态危害预测应用研究

为防止新化学物质投入市场时对生态环境造成危害,需对其生态危害程度进行评价。现有评价方法把各指标对生态危害的贡献看成是等效的,不能客观反映事实,且评价指标较多,指标之间具有较强的相关性,会降低预测精确度,为了解决该问题,文章将主成分分析和支持向量机相结合。首先运用主成分分析进行特征提取,降低数据维数,获取数据的主要信息;然后将二值分类支持向量机扩展到多类支持向量机,利用多类支持向量机建立化学物质生态危害预测模型,采用10折交叉验证法对模型进行检验,得到平均正确率达到89.24%。并与未进行主成分分析的支持向量机分类模型进行了比较,实验结果表明该方法具有更好的预测精度,值得推广。     

考虑报废回收的汽车发动机全生命周期环境影响评价研究

该文构建了考虑报废回收环节的汽车发动机全生命周期环境影响评价模型,并选取某企业生产制造的某款发动机作为实证研究对象,采集清单数据代入模型计算包括报废回收阶段在内的发动机全生命周期环境影响潜值,根据结果可分清全生命周期各阶段的责任,综合各种因素对一些主要贡献指标做到有的放矢。研究结果表明,材料回收再利用省去了原材料开采、冶炼等诸多环节,可有效降低发动机对生态环境的影响;未来轻量化、再制造、材料再循环等绿色技术路径是发动机节能减排的重要手段,通过形成减量化、再制造、再使用、再利用的4R循环体系可更加有效地挖掘出发动机的全生命周期节能减排潜力。     

生命周期分析(LCA)的技术框架

ISO14040标准将LCA的实施步骤分为目的与范围的确定、清单分析、影响评价和结果解释四个阶段。a.目的和范围的确定:为开展LCA研究提供了一个初步计划。它说明开展LCA的目的和意图、研究结果的可能应用领域,确定LCA的研究范围,保证研究的广度、深度与要求的目标一致。b.清单分析:量化和评价所研究的产品、工艺或活动整个生命周期阶段资源和能量使用以及环境释放的过程。c.生命周期影响评价:为可选阶段。将清单数据进一步与环境影响联系起来,让非专业的环境管理决策者更容易理解。一般将影响评价定为一个“三步走”的模型,即分类、特征化和加权。d.解释:根据规定的目的和范围,综合考虑清单分析和影响评价的发现,从而形成结论并提出建议。如果仅仅是生命周期清单研究,则只考虑清单分析的结果。生命周期分析(LCA)的技术框架     

Uncertainty analysis in life cycle inventory. Application to the production of electricity with French coal power plants

Uncertainty assessment in LCAs is an important aspect for decision-makers to judge the significance of differences in product or process options.Stochastic models (e.g., Monte Carlo) are tools used in Life Cycle Inventory (LCI) to compute the uncertainty of cumulative emissions and resource requirements. However, one main problem when applying such models is the large number of unit processes that make up a product system. In this paper a combination of qualitative and quantitative approaches in uncertainty assessment is proposed for an efficient assessment of uncertainty. The qualitative assessment of data quality relies on data quality indicators, whereas the quantitative assessment uses Monte Carlo simulation.The effort to select accurate probability functions concentrates on data with a significant contribution to the cumulative results¹ and/or with a high uncertainty. The probability function of selected data is estimated using different techniques, depending on the amount of information available.Some results are presented by applying the method on selected French coal-based electricity.     

Fuzzy data reconciliation in reacting and non-reacting process data for life cycle inventory analysis

Data uncertainty is a critical issue in life cycle inventory analysis (LCI). Recent work has demonstrated that fuzzy mathematics provides a computationally efficient alternative to probabilistic methods for representing data uncertainty. One specific problem is the utilization of different, and potentially conflicting, LCI data sources such as physical measurements, estimates or databases. A fundamental requirement of a valid LCI is that the data must not violate material and energy balance principles; however, data from diverse sources may result in inconsistencies. Normally such inconsistencies in LCI data can be addressed through the use of data reconciliation methods based on probability theory. This paper presents an alternative data reconciliation method based on fuzzy mathematical programming. Two LCI case studies are included to illustrate the methodology.     

Allocation in ISO 14041—a critical review

The adequacy and feasibility of methods recommended for allocation by the current international standard on life cycle inventory analysis (LCI) are reviewed. The review is based on the view that an LCI should provide information on the environmental consequences of manipulating technological systems. On this basis, subdivision and allocation based on physical, causal relationships are adequate methods to deal with allocation problems for certain multifunction processes where the production volume of exported functions are unaffected. Further research is needed to develop methods that can deal with a broader range of processes. System expansion is an adequate method when exported functions are affected if data can be obtained for the competing production of the exported function, and if the data uncertainties are not too large. In LCI practice, system expansion is often based on inaccurate data on the effects on the exported functions as well as on the indirect effects of changes in the exported functions. Further research is needed to establish what data should be used at system expansion. Other approaches to the allocation problems are adequate only where the effects on the LCI results are small. The ISO procedure should be revised to take into account the type of information provided by the different methods.     

中国人为源VOC排放清单不确定性研究

针对采用"排放因子法"构建的中国人为源VOC排放清单,开展了不确定性研究工作.基于排放清单输入信息的准确性和可靠性,构建了活动水平和排放因子的不确定度评估系统,获得了清单输入信息概率密度分布函数.利用Monte Carlo模型将输入信息的不确定度传递到清单的输出值,计算了2005年我国人为源VOC排放概率密度分布函数....     

产品碳足迹评价中不确定度与敏感度相结合的数据质量分析

产品碳足迹评价中,数据种类、来源、获取途径和量化方法的选择不同将直接影响到评价结果的可靠与否.本文建立了结合敏感度和DQI-Monte Carlo不确定度分析的产品碳足迹评价数据质量分析模型.首先通过敏感度分析识别出产品碳足迹评价中的主要数据,再采用DQI-Monte Carlo不确定度分析方法对主要数据进行数据质量判定,甄选出影响评价结果可靠性的关键数据,并由此有针对性地提出数据质量改进意见,从而有效地优化数据收集方案,减少碳足迹评价结果的不确定度.建立的方法应用于我国某塑料软包装印刷企业的印刷前阶段碳足迹评价中.     

SPARROW模型及其应用研究进展

SPARROW模型是由美国地质调查局开发的一个基于流域空间属性的估算污染物负荷、浓度等的非线性回归模型。由于模型通过质量守恒来约束污染物的传输,并以统计学的方法实现变量参数的校准,因而SPARROW模型在量化污染物的传输过程中具有足够高的精确度与合理性。总体来看,SPARROW模型在流域污染源及环境因子分析、水质评估与模拟、监测管理优化等方面发挥出了重要作用,并被广泛地应用于国内外的不同流域。针对SPARROW模型在不确定性分析中存在的自相关问题,贝叶斯分析的引入优化了模型在不确定性方面的评估。目前,SPARROW模型在国内流域中以估算总氮、总磷、COD等污染物负荷为主要应用。随着国内相关数据的积累以及共享程度的提高,其应用范围将会愈加广泛。     

基于气象因素和改进支持向量机的空气质量指数预测

空气污染已成为人类社会面临的严峻挑战,为了构建准确的空气质量预测模型,文章首先运用统计分析方法进行相关性分析,探讨气象要素变化对空气质量的影响;针对传统支持向量机预测精确度受输入变量影响较大的弊端,采用基于熵权理论对变精度粗糙集约简进行了改进,以处理支持向量机的输入变量,提高支持向量机的预测精度;最后以沈阳市的历史气象数据和空气质量指数进行验证。与传统方法相比,所提方法能够将预测准确率由71.28%提高到77.83%,空报率和漏报率也有降低,与实际基本吻合。     

测量不确定度评定及实例分析

一切测量结果都不可避免地具有不确定度。合理的分析评定不确定度是实验室内部质量控制和评价检测质量非常重要的程序之一,也是环境监测实验室必须重视的问题。作为环境监测部门,要给予足够的重视,掌握相关测量不确定度评定方法并应用到实际工作中,保证监测结果的准确、可靠、可信。文章通过测量水中的总氮含量为例,通过总氮测定过程,分析了影响总氮测量不确定度的因素,给出了相对标准不确定度分量,并具体阐明了测量不确定度的评定步骤,得出测量扩展不确定度的结果。     

Sensitivity analysis as a tool for systematic reductions in greenhouse gas inventory uncertainties

A greenhouse gas emission inventory consists of a large number of input parameters, many of which have high uncertainties. The Kyoto protocol will require accurate emission data. It is, consequently, important to reduce the inventory uncertainty by improving the input parameters and methodologies in a cost-efficient manner. A key parameter is defined as one that has significant effect on the total emissions or trend and their uncertainty. Key parameters may be ranked according to their contribution to total emissions and trend uncertainty. Quantitative uncertainty estimates of emissions are not available in many countries. In order to evaluate key parameters in such inventories a simplified approach based on thresholds is proposed. Various methods of sensitivity analysis have been applied to Norwegian inventory data. The simplified threshold approach gives insight into the inventory and identifies the key parameters. More sophisticated methods of sensitivity analysis assessments are, however, useful in order to seek specific improvements. The key parameters for determination of total emissions are the large and uncertain sources. Smaller emission sources may be key parameters for the trend determination if their source level is strongly increasing or decreasing.