为什么真正的生命周期数据库,不只是一个Excel?

很多人看到数据库中的一条数据，例如：

中国平均电力：0.xx kg CO₂e/kWh

会认为，这只是一个数字。

实际上，这个数字背后，往往对应着成百上千条原始数据和复杂的生命周期模型。

以电力为例，要得到一条具有代表性的产品碳足迹数据，首先需要明确功能单位、系统边界以及时间范围；随后，需要收集不同发电方式的数据，包括火电、水电、风电、光伏、核电等发电结构信息，同时结合能源统计、机组效率、燃料消耗、输配电损耗等大量基础数据。

随后，还需要建立生命周期模型。

例如，火力发电并不仅仅包含发电过程，还需要进一步关联煤炭开采、煤炭运输、燃料加工、废弃物处理等上游过程；输配电环节则需要考虑线路损耗、变电设施等影响因素。

最终，所有这些过程共同组成完整的生命周期模型，经过计算后，才形成最终呈现在数据库中的那个产品碳足迹结果。

换句话说，人们看到的是0.xx kg CO₂e/kWh，而数据库真正保存的，却是这个数字背后的整个计算过程。

再来看另一个例子。

假设数据库中有这样一条数据：

热轧钢板：1.xx kg CO₂e/kg

很多人会认为，它和柴油排放因子没有区别。

实际上，它们完全不是同一种数据。

一公斤热轧钢板的产品碳足迹，并不是某个工厂直接排放出来的，而是整个生命周期共同作用的结果。

为了得到这个数字，需要关联铁矿石开采、原料运输、焦化、烧结、炼铁、炼钢、轧制、电力供应、燃料消耗等多个生产过程。

而这些过程，又分别引用了电力、煤炭、天然气、运输等大量背景数据。

最终，整个生命周期模型计算完成之后，才得到热轧钢板的产品碳足迹结果。

因此，产品碳足迹因子本身就是生命周期评价的计算成果，而不是某一个独立的排放系数。

可以用一个简单的比喻来理解。

如果把产品碳足迹计算比作一次考试，那么静态因子库更像是一张成绩单，上面只有最终分数；而生命周期数据库保存的，则是整张试卷、每一道题的解答过程以及所有演算依据。

成绩当然重要，但真正决定成绩是否可信的，是解题过程能否经得起检查。

生命周期数据库也是如此。

对于每一个数据集，它都会完整记录生命周期过程中涉及的原材料投入、能源消耗、运输方式、生产工艺、排放情况以及各环节之间的关联关系，同时记录系统边界、功能单位、数据来源、时间代表性、地域代表性、技术代表性等关键信息。

最终展示给用户的那个产品碳足迹因子，只是整个生命周期模型计算后的结果，而不是数据库本身。

因此，静态因子库保存的是结果；生命周期数据库保存的，则是过程。

今天，我们越来越多地讨论产品碳足迹，也越来越多地讨论数据。

但真正重要的，不只是数据库里有多少条数据，而是这些数据是否能够准确表达一个产品完整的生命周期环境表现。

静态因子库有其应用价值，能够满足快速查询和初步估算等场景；而生命周期数据库，则构成了产品碳足迹、环境产品声明（EPD）、绿色供应链以及国际互认等工作的基础。

未来，中国需要建设的，也不仅仅是越来越多的产品碳足迹因子，更是更加专业、更具代表性、更能够持续更新的生命周期数据库体系。

而数据库，才是产品碳足迹真正的基础设施。