综述：解决生命周期评估中的时空变异性：聚焦农业相关应用的综述

本综述系统回顾了农业生命周期评估（LCA）中时空变异性问题的研究进展，重点探讨了区域化（Spatial）和动态（Dynamic）LCA方法的应用。文章指出，使用国家尺度聚合数据会带来不确定性，而整合地理信息系统（GIS）和区域化数据库（如Ecoinvent）可显著提升评估精度。推荐Brightway2、Temporalis和OpenLCA等工具支持动态与区域化分析，为农业环境政策制定和精准农业实践提供了重要方法论支持。

　　

引言

农业生命周期评估（LCA）作为一种标准化的可持续性量化工具，在评估农产品系统环境 impacts 时面临重大挑战：广泛使用的国家级聚合数据难以准确反映区域或地方尺度的实际情况。土壤特性、气候条件和管理实践的时空变异性进一步加剧了这一问题，尤其在田间或农场尺度的评估中更为显著。尽管采用区域化清单数据（LCI）和更新方法学可提高LCA准确性，但实际应用仍受限于标准化框架缺乏、时空相关数据不足以及软件功能局限。

方法

本研究采用系统评价与Meta分析优先报告条目（PRISMA）方法，筛选并分析了2000–2024年间发表的46篇相关文献。文献来源于Web of Science和Google Scholar，关键词包括“LCA”、“农业”、“区域化”、“动态”、“模型”和“软件”。纳入标准聚焦于农业系统、区域化或动态LCA方法的应用及方法学开发。

结果与讨论

时空变异性研究概况

检索到的研究中，35篇聚焦空间变异性（区域化LCA），9篇关注时间变异性（动态LCA），2篇同时涉及两者。研究主题涵盖作物生产、畜牧系统、土地利用、土壤有机碳（SOC）变化和水资源管理等多个方向。

空间变异性：区域化LCA的应用与挑战

区域化LCA主要在生命周期清单（LCI）和生命周期影响评价（LCIA）两个层面实施。在LCI层面，研究多通过地理信息系统（GIS）整合土壤属性、施肥量、灌溉数据和产量等空间差异信息，例如使用ArcGIS或QGIS处理栅格数据并与LCA软件（如Brightway2）对接。在LCIA层面，区域化重点体现在影响特征因子（CFs）的空间差异化，尤其是土地利用、富营养化、酸化和生态毒性等影响类别。例如，LANCA?模型被用于评估不同生态区土壤质量变化，而研究显示基于国家平均值的CFs可能低估或高估实际影响达数倍。

研究普遍指出，GIS在整合空间数据、可视化环境影响及支持区域化方法开发中发挥关键作用。然而，区域化LCA仍面临挑战：LCI与LCIA数据分辨率不匹配、缺乏统一方法框架以及软件支持不足。例如，SimaPro仅支持流基区域化，而Brightway2和OpenLCA兼容地理空间数据格式，支持更灵活的区域化分析。

时间变异性：动态LCA的进展

动态LCA（DLCA）关注时间变化对评估结果的影响，例如温室气体排放的时间分布、技术进步或季节性变化。研究中，系统动力学（SD）模型和基于图的遍历算法（如Temporalis和DyPLCA中应用的）被用于构建时间分辨的LCI和动态CFs。例如，一项研究通过每月时间步长模拟水资源压力变化，另一项研究则按年度动态核算SOC变化对气候变化 impacts 的贡献。

结果显示，动态方法能够更准确地捕捉长期环境影响，尤其是在碳循环和毒性影响评估中。然而，动态LCA的应用仍较少，主要受限于数据获取难度和计算复杂性。

软件与工具比较

在工具层面，Brightway2（结合Temporalis扩展）表现出强大的时空分析能力，支持Python编程、多种数据格式（如CSV、JSON和Shapefile）和动态计算。OpenLCA也提供良好的区域化支持，兼容Ecoinvent等主流数据库。相比之下，SimaPro在区域化和跨平台兼容性方面较弱。Ecoinvent数据库因其广泛覆盖和一致性被视为区域化LCA的核心数据源。

结论

农业LCA中的时空变异性问题正得到日益广泛的关注，区域化和动态方法显著提升了评估的准确性和实用性。当前，基于GIS的区域化LCI和LCIA方法在土地、水体和特定排放影响类别中应用最为成熟；动态方法则主要用于碳、水和时间敏感型影响评估。工具上，Brightway2、OpenLCA和Ecoinvent的组合为未来研究提供了可靠技术支持。然而，仍需解决数据粒度、方法标准化和软件整合等问题，以推动区域化与动态LCA在农业决策中的广泛应用。