UNCASExt：绝对环境可持续性评估(AESA)中不确定性传播与范围一致性的系统计算框架

《Sustainable Production and Consumption》：UNCASExt – A systematic computational framework for uncertainty propagation and scope consistency in absolute environmental sustainability assessments (AESA)

　　

绝对环境可持续性评估（absolute environmental sustainability assessment, AESA）在环境研究和政策制定中日益受到关注。然而，其可靠性受到若干未得到充分核算的不确定性来源，以及绝对可持续性比率（absolute sustainability ratio, ASR）内部范围不一致的挑战，ASR将估计的环境负担与分配给某一人类活动的承载力进行比较。本研究引入了UNCASExt，这是UNCASE框架的扩展，用于系统地传播不确定性并确保AESA中的范围一致性，同时提供一个支持性开源Python包pyaesa。在国家与部门层面，该计算框架形式化了分配程序，使分配承载力的范围与估计环境负担的范围在三个维度上匹配：影响路径建模；基于生产核算与基于消费核算；企业对消费者（business-to-consumer, B2C）与企业对企业（business-to-business, B2B）活动。该框架还纳入时间动态，支持回顾性和前瞻性评估，采用静态稳态或动态承载力，包括政府间气候变化专门委员会第六次评估报告（IPCC AR6）在共享社会经济路径（shared socioeconomic pathway, SSP）转型情景下的温室气体预算。该框架被应用于法国2019–2060年电力消费的案例研究。结果表明，估计环境负担与分配承载力的功能单位不匹配可能导致显著的分配不足，在EXIOBASE 3.10.2多区域投入产出表中所有可用的部门-区域对中位因子为4.6倍。总体而言，UNCASExt和pyaesa为支持AESA协调化提供了一种可扩展的解决方案，并架起了方法论指南与实际应用之间桥梁的多功能途径。

绝对环境可持续性评估（absolute environmental sustainability assessment, AESA）旨在超越相对评估，将人类活动与地球系统的“承载力”（carrying capacity, CC）阈值进行比较，以判断活动是否处于绝对可持续范围内。尽管AESA在环境研究和政策制定中日益受到重视，但已有方法存在若干关键缺口：不确定性来源覆盖不全，结果变异性难以归因到具体来源；绝对可持续性比率（absolute sustainability ratio, ASR）中估计环境负担与分配承载力之间常存在范围不一致，包括影响路径建模、基于生产核算（production-based accounting, PBA）与基于消费核算（consumption-based accounting, CBA）、企业对消费者（B2C）与企业对企业（B2B）活动等维度；同时缺乏可复现的系统化软件工具。这些问题导致AESA结果难以解释和比较，可能误导决策。为此，研究人员在UNCASE框架基础上提出UNCASExt扩展框架，用于系统传播不确定性并确保AESA中的范围一致性，同时开发了开源Python包pyaesa。该框架将分配承载力与估计环境负担在功能单位、系统边界和核算维度上形式化匹配，支持静态与动态承载力，并可应用于回顾性和前瞻性评估。通过在法国2019–2060年电力消费案例中的实施，研究定量证明了功能单位不匹配会导致承载力的显著分配不足，中位因子达4.6倍，凸显了范围一致性是AESA可靠性的前提。

研究人员为开展研究主要采用了以下关键技术方法：（1）基于多区域投入产出（multi-regional input–output, MRIO）数据库（EXIOBASE 3.10.2、OECD-ICIO v2025）计算经济和环境实施度量，以World Bank和IIASA数据库提供GDP、人口和SSP情景数据；（2）运用蒙特卡洛模拟在AESA各阶段中共同传播不确定性；（3）采用方差基全局敏感性分析（Sobol指数）将结果变异性归因于各不确定性来源；（4）利用premise 2.3.5将法国输电网运营商（RTE）情景转化为前瞻性生命周期清单（life cycle inventory, LCI）数据库；（5）通过pyaesa实现所有分配方程、动态承载力计算和自动化数据处理。

研究结果部分如下。4.1 功能单位不匹配对分配承载力份额的影响：研究人员使用pyaesa对EXIOBASE 3.10.2全部门-区域对（n=7350）在2022年的分配承载力份额（allocated share of carrying capacity, aSoCC）进行了系统比较。发现以最终需求代替总需求会导致aSoCC系统性低估，且越上游的部门低估越严重，极端情况超过100倍；以PBA代替CBA也会导致大多数情况下低估，但部分高出口部门可能出现高估。综合两类范围不匹配，aSoCC低估因子介于2.7倍至4.6倍之间。这证明ASR内部的分子分母范围不一致会机械地高估ASR，从而扭曲对绝对不可持续性的判断。4.2 案例研究结果：对法国电力消费（功能单位L2.c.b，即总需求）在2019–2060年进行前瞻性AESA。结果显示，2019年仅土地系统变化、磷生物地球化学流动和臭氧消耗三个行星边界被满足；到2060年，大多数边界仍未达到绝对可持续，但各边界的越境频率（frequency of transgression, f_T）随时间下降，例如生物圈完整性功能多样性（biosphere integrity functional diversity, BI-FD）的f_T从100%降至54%。对于气候变化（GWP₁₀₀），动态承载力下的表现优于静态承载力，但到2060年仍不可持续。Sobol分析显示，分配方法选择是结果变异性的主要来源（2019年占95%–99%，2060年占64%–97%），且其相对贡献随时间下降，而背景系统情景和分配投影不确定性上升。

讨论部分指出UNCASExt的主要局限包括：依赖MRIO部门分类、最终需求处理中的固定资本形成和住户直接排放问题、前瞻性分配依赖历史趋势和回归投影、全球承载力未反映区域差异、不确定性覆盖仍有扩展空间。展望包括发展充分主义情景MRIO、本地承载力分配以及整合时间显式LCA等。结论部分要点如下：本工作引入的UNCASExt框架直接解决了以下缺口：扩展了从阶段A到阶段C覆盖的不确定性来源，首次实现AESA中结果变异性对单个不确定性来源的统计归因；通过提供21种功能单位/系统边界组合、28个实施度量、36个分配方程和84条分配路径，加强了范围一致性；并提供开源Python包pyaesa，支持可复现、系统的实施。案例研究表明虽然评估情景随时间改善，但不足以确保法国电力消费到2060年保持在所有分配承载力范围内。UNCASExt和pyaesa为生命周期评价（life cycle assessment, LCA）和AESA从业者提供了一个可扩展、可复现、透明的计算框架，旨在加速稳健可持续性评估的应用，弥合方法指南与实际实施之间的差距。