机械与设备的环境影响：EXIOBASE、国家环境扩展投入产出模型与Ecoinvent的比较

《Environmental Science & Technology》：Environmental Impact of Machinery and Equipment: A Comparison between EXIOBASE, National Environmentally Extended Input–Output Models, and Ecoinvent

　　

机械与设备（ME）的环境影响评估受到基于过程的生命周期评价（LCA）系统覆盖范围有限以及自上而下模型代表性不足的限制。对这些方法之间一致性的了解不足，阻碍了对ME影响的理解和政策制定。本研究利用过程LCA（ecoinvent）、国家环境扩展投入产出（EEIO）模型以及多区域EEIO模型（EXIOBASE）的数据，量化了美国、中国、日本和韩国的ME温室气体排放乘数（从摇篮到大门每单位生产的排放），评估了其变化、可靠性和兼容性。虽然EXIOBASE（七个ME部门）和国家EEIO数据（32-102个部门）大致一致，但国家EEIO模型在生产技术方面差异更大，与EXIOBASE结果相比，偏差从低100倍到高3.7倍。Ecoinvent提供了广泛的ME产品级覆盖（约390个部门），特别是通用和电气ME，但代表性不均匀且地理区分有限。其乘数变化很大，通常超过EXIOBASE值，挑战了基于过程LCA因截断而低估影响的假设。总体而言，研究结果揭示了跨模型变化，确认了EEIO数据的相对可靠性，指出了ecoinvent的局限性，并强调了在ME建模中将技术细节与全球贸易表征相结合的必要性。

**论文解读：机械与设备（ME）的环境影响模型比较研究**

**研究背景与问题**
机械与设备（ME）作为现代工业系统的核心资产，涵盖发动机、起重机、电子设备、家用电器、车辆等，是仅次于建筑的第二大温室气体排放源和金属消耗源。然而，其环境影响评估长期面临方法学困境：基于过程的生命周期评价（LCA）能提供产品级细节，但系统边界有限，难以反映经济体系中的宏观效应；自上而下的环境扩展投入产出（EEIO）模型虽能覆盖全经济链条，但部门聚合导致代表性降低，尤其对ME这种高度异质的产品群体。目前，不同数据源（如过程LCA数据库ecoinvent、多区域EEIO模型EXIOBASE及国家EEIO模型）之间的系统性差异及其对政策制定的影响尚不清晰。为此，本研究旨在回答两个核心问题：（1）EEIO和过程LCA数据源如何表征ME生产，哪种数据更适合评估ME环境影响？（2）不同来源中ME部门的温室气体排放乘数差异有多大，哪些特征影响这些差异？研究发表在《Environmental Science》。

**主要技术方法**
研究人员采用三重数据源开展比较分析：多区域EEIO模型EXIOBASE v3.9.5（49个区域，200个产品，2017/2015年数据）、国家EEIO模型（美国USEEIO v2.0、中国CEEIO v3.2、韩国KREEIO、日本3EID，对应最新年份高分辨率数据）及过程LCA数据库ecoinvent v3.8（cutoff）。通过归一化对应表将国家EEIO部门映射至EXIOBASE产品分类，并基于Leontief逆矩阵计算温室气体排放乘数（单位：kg CO₂ eq./百万欧元）。使用对数2倍变化（log2FC）和变异系数（CV）量化差异，区分国内与全球供应链，并统一采用IPCC第六次评估报告的GWP₁₀₀因子（100年全球变暖潜能值）进行气体种类协调。

**研究结果**

**EEIO数据比较：EXIOBASE与国家EEIO模型**
通过比较EXIOBASE国内/全球乘数、EXIO-EE国家IO乘数（以EXIOBASE环境扩展）和原始国家EEIO乘数，发现：
- 各国ME乘数总体趋势一致，但中国乘数普遍最高（>1×10⁶ kg CO₂ eq./M. Eur），反映其煤炭依赖和低单价。
- 国家EEIO模型的分辨率（28-94个部门）显著影响结果：高分辨率（如美国94部门）显示乘数偏差范围从0.29倍到3.7倍，远高于低分辨率（中国28部门，0.65-1.74倍），证明更细分类能捕捉部门异质性。
- EXIOBASE在韩国“办公ME”中存在环境扩展错误（乘数异常高），在中国“办公ME”“电气ME”“车辆ME”中存在供给使用结构不一致，导致与EXIO-EE国家IO结果矛盾。
- 日本和中国的国内生产主导性强，国家EEIO与EXIOBASE全球结果高度一致（log2FC<0.5）；美国与韩国则因进口依赖，单用国家EEIO可能低估全球供应链影响。

**EEIO与过程LCA数据比较：EXIOBASE和国家EEIO模型 vs ecoinvent**
ecoinvent提供约390个ME产品数据，但地理特异性有限（多为“Global”或“Rest of World”），其乘数范围极广（<1×10⁵至>5×10⁷ kg CO₂ eq./M. Eur），且通常高于EXIOBASE值，挑战了“过程LCA因截断而低估”的常见假设。
- 与国家EEIO数据比较，ecoinvent乘数分布呈双峰（~7×10⁵和~2×10⁶ kg CO₂ eq./M. Eur），中国国家EEIO几何均值最接近ecoinvent，暗示ecoinvent可能偏向中国制造商数据。
- 变异系数（CV）分析显示：ecoinvent在“电气ME”和“通信ME”中捕获了更广的技术变异性，但“办公ME”（美国）等类别中国家EEIO CV反而更低，说明分辨率提升并非总能改善代表性。
- 极端乘数（如海上石油平台3873 kg CO₂ eq./M. Eur，氧化钪5.3×10⁷ kg CO₂ eq./M. Eur）提示数据存在价格估算偏差或方法缺陷，ecoinvent v3.11已将后者修正约78%。

**讨论与结论**
讨论部分指出，ME作为生产性资本，其处理方式（最终需求或内生化）会显著改变足迹结果（7-48%变化）。国家EEIO的高分辨率提供了宝贵细节，但需注意进口依赖导致的偏差（如美国、韩国）；ecoinvent的产品级数据虽详实，但价格信息和覆盖范围不足，且部分乘数来源可疑。未来可通过整合国家EEIO的技术细节与EXIOBASE的全球贸易表征，或开展新LCA研究以系统性涵盖全部输入流，来提升ME评估的准确性。

**研究结论翻译**：
总体而言，研究结果揭示了跨模型变异，确认了EEIO数据的相对可靠性，指出了ecoinvent的局限性，并强调了在ME建模中将技术细节与全球贸易表征相结合的必要性。随着ME影响评估的改进，这些产品级见解可更直接地链接至大规模情景分析，为政策与可持续转型提供更坚实的证据基础。