基于分布式投入产出分析的企业碳足迹按排放来源详细分解

《Journal of Cleaner Production》：Detailed breakdown of companies carbon footprints per origin of emissions using distributed input output analysis

　　

**• 全球规模的分布式迭代系统，用于分析任何公司的碳足迹。**
• 碳足迹汇总了价值链中各公司直接排放的温室气体。
• 价值链在理论上以公司层级进行分析，在实践中则以世界地区/经济部门层级进行分析。
• 公司可以选择参加或不参加分布式迭代系统。
• 提供监测不确定度降低和重复计算比率的方法。

---

**引言**

最终消费者和公司采购人员在做出采购决策时，需要关于产品和服务气候影响的可靠信息。碳足迹的运营方法依赖于温室气体核算协议（世界资源研究所和世界企业可持续发展理事会，2004年、2011年、2015年）和生命周期评价（Guinée，2002；国际标准化组织，2006；欧盟委员会——联合研究中心——环境与可持续发展研究所，2010；Weidema等人，2013）。这些方法在很多方面都有用，但通常缺乏做出采购决策所需的精确度。

新兴方法基于微观经济层级的投入产出（IO）分析，其基本理念是试图估计实际价值链中发生的实际排放，而不是依赖基于生命周期评价的价值链模型。更准确地说，它们提出使用分布式迭代框架，让所有公司相互交互来求解高维IO线性方程组，从而估算公司及其产品的从摇篮到厂门的碳足迹，正如Von Kalckreuth（2021, 2022a, 2022b）、Meunier（2023）和Charpentier及Meunier（2024）所提出的。

我们的论文对该研究领域做出了贡献。虽然先前的论文提出将公司的碳足迹计算为一个单一的复合数值，或将其分解为三个具有不同不确定度等级的组分（源自独立的范围1/2/3数据），但本文表明，分布式框架可以被推广，以便将给定公司的碳足迹分解为其上游价值链中所有其他公司的加性贡献，或分解为它们任意分组的贡献。虽然这种细粒度的微观经济碳足迹分解涉及非常多的组分，看起来似乎过于理论化，难以在各类规模的公司中部署，但该框架也支持粗粒度的分解方式，例如按价值链中的国家和经济部门进行分解。此前提出的单一数值或三值碳足迹实际上是这种通用分解框架的两种特殊情况。

第2节回顾了相关先前工作和文献。特别是，底层的微观经济IO模型在实际中需要整合生命周期评价值以及IO宏观经济值，因此需要与广泛的混合IO/生命周期评价方法进行对比。目前关于企业层级IO建模的研究也有相关综述。

第3节提供了数学框架的总体描述，该框架支持嵌入碳足迹的细粒度和粗粒度分解，并将其与两类混合IO/生命周期评价模型联系起来。框架的更完整描述可参阅补充材料（A节）。该节回顾了从经典IO模型推导出的公司层级IO框架，它依赖于对经济体的简单描述，即将其视为由同时作为供应商和采购者的经济参与者组成的网络。IO模型可以被视为一种真正的线性系统模型。对于宏观经济分析，参与者数量较少（例如，ICIO数据库中有44个经济部门）。在公司/产品层级，IO模型描述了一个非常密集的微观经济网络，参与者数量非常高，在欧洲这样地区超过2000万个。处理公司问题需要求解高维线性方程组，但在实践中，该线性方程组的矩阵非常稀疏，因为任何给定企业的供应商数量相对于公司总数而言非常少。Von Kalckreuth（2021, 2022a, 2022b）已证明，求解线性方程组可以转化为一个迭代方案，计算一系列逼近碳足迹的极限，使其收敛到所需的解。此外，Charpentier和Meunier（2024）证明，当大量公司不参与分布式框架时，该迭代方案可以灵活地使用。同一研究还展示了将碳足迹分解为三个独立组分的价值——分别源自范围1/范围2初级数据和范围3次级数据——从而允许监测相对于温室气体核算协议数值的精确度提升。

本文的贡献在于推广了该迭代方案，以实现对碳足迹的细粒度分解，直至参与给定公司上游价值链的任何公司层级。这等同于以完全分布式的方式计算经典IO分析方法（Leontief，1937, 1970；Suh，2010；Miller和Blair，2022）所提供的按排放来源划分的完整碳足迹分解。列昂惕夫逆矩阵本身的计算在理论上是可行的，并且可以应用于估计和消除重复计算。从实际角度来看，我们展示了即使有大部分公司不参与该框架，如何灵活地实现粗粒度分解。

在第4节中，我们以宏观经济情况为例说明该框架，展示了2个世界区域/3个宏观部门的碳足迹分解以及全球12个宏观部门的分解。我们考察了分解后多值碳足迹的收敛速率。我们展示了碳足迹组分的收敛表现出不同的行为。收敛速度可以被视为价值链长度的度量。我们还考察了列昂惕夫对角线系数估计的收敛情况，注意到在宏观经济情况下，它们比非对角线系数收敛得更快。

在第5节中，我们提出了实现粗粒度分布式方案的实际实施指南，并强调了确保基本数据（供给数据和直接排放数据）在参考会计期间方面具有时间一致性的必要性。收敛速度必须足够快，因此应在参考期间内涉及足够数量的迭代。一次迭代是碳足迹计算和结果沿价值链传递的完整周期。提出了一种简单的时间戳机制以确保一致性：碳足迹值应仅携带迭代排名和时间戳信息沿价值链传递。此外，我们提出了一种短命期的细粒度实施方案，作为回环探测方案，用于估计任何公司碳足迹中固有的重复计算。这使得可以验证，除了具有高度相互商业往来的特殊情况外（如企业集团内部具有重大集团内经济流量的公司），这种重复计算都是可忽略不计的。此外，这种探测方案提供了估计公司群碳足迹所需的数据，并且不受重复计算的影响。

在第6节中，我们总结了研究结果，并讨论了进一步收集代表性现实世界核算和直接排放数据集的必要性，以便测试和比较分布式框架的各种可能实施方案，并在部署便利性、效率和信息丰富度之间达到令人满意的平衡。这种现实世界的结果对于支持国际标准化努力是必需的，从而实现考虑国际贸易的部署。最后，我们讨论了与基于数字计费的中心化框架相比，分布式框架的优点和局限性。

---

**投入产出分析**

投入产出分析（IOA）的一般模型最初由Leontief（1937）提出。由于其能够描述经济部门和最终需求之间的系统性相互作用，并且由一个将经济驱动因素与经济结果关联的简单线性模型支持，IOA在1970年代催生了一个广泛的研究领域和一个活跃的研究社区。虽然IOA最初应用于经典的经济政策主题，如经济规划，但其应用逐渐扩展到……

---

**计算公司碳足迹详细分解的分布式迭代投入产出框架概述**

在本节中，我们介绍理解基于投入产出的分布式迭代系统的关键原则和关键方程。详细描述见补充材料（A节）。该分布式迭代系统不是可以独立应用于单个公司的独立方法，而是一个连接大量公司的系统，需要每个公司在其自身数据上执行相同的任务，并与公司生态系统同步。

---

**分布式迭代方案的收敛性**

为模拟第3节描述的细粒度分布式模型的行为，我们使用了OECD（2023）发布的跨国投入产出（ICIO）数据库2018年的投入产出表，涵盖44个经济部门，并使用了EXIOBASE（Wood等人，2025）中的排放数据。由于仿真在宏观层级进行，我们需要预判微观层级可能出现的不同行为。我们在第6节中讨论了获得结构化数据的途径……

---

**具有可变数量粗粒度碳足迹组分的通用设计**

这里我们提出在给定公司$i$层级实施分布式框架的指南。为简化起见，假设：
• 粗粒度类别的数量$PEIN$和$PNEIN$已为整个$EIN$和$NEIN$域预定义；
• 每个参与$EIN$或$EIN$以外域的公司$j$都有明确识别的粗粒度类别$pEIN(j)$或$pNEIN(j)$；
• $EIN$数据参考期间（通常为日历年）由起止时间$T1_{data}$、$T2_{data}$给出。$a_{ji}$和$d_i$是……

---

**讨论**

近期研究表明，基于温室气体核算协议的公司碳足迹可被视为环境扩展投入产出（EEIOA）问题精确解的一种近似，该问题最初由Leontief（1970）引入，并在宏观经济尺度上得到充分发展（Suh，2010；Miller和Blair，2022；Wiedmann和Lenzen，2008；Huang等人，2009；Davis和Caldeira，2010；Hertwich和Wood，2018；Dietzenbacher等人，2020）。更准确地说，已经证明精确的……

---

**结论**

本文发展了投入产出框架，以实现按排放来源对公司和产品碳足迹的详细分解。该分解通过涉及大量公司的分布式迭代框架进行，这些公司参与迭代机制。理论上，分解可以细化到价值链中任何公司层级。在实践中，预定义的……

---

**利益冲突声明**

作者声明，他没有已知的可能影响本文所报告工作的竞争性财务利益或个人关系。

---

**致谢**

作者感谢Jér?me Boutang的持续支持，感谢Joris Blain、Arnaud Sors和Fran?ois Meunier就该工作进行的多次讨论，以及感谢匿名审稿人的宝贵意见和建议。

Francis Charpentier