为了避免气候变化和其他环境破坏的灾难性后果，有必要进行重大技术转型(IPCC 2021)。然而，到2050年实现温室气体净零排放所需的许多技术仍处于发展的早期阶段(IEA 2021a)。一旦这些技术成熟到足以进入市场，预计就会付诸实施。有些技术需要大量的资金和时间来开发。因此，在进行此类投资之前，充分了解这些技术的潜在环境影响，并指导将这些影响降至最低，对于实现环境目标至关重要。
前瞻性LCA (pLCA，类似术语为事前LCA和预期LCA)评估未来技术产品和服务的潜在环境影响，并指导其发展(van der Giesen et al. 2020)。评估未来技术对环境的影响通常需要将分析的时间范围放在中长期的未来，届时全球经济、社会和环境将与今天不同(Moss et al. 2010;Riahi et al. 2017;van Vuuren et al. 2011)。人们普遍认为，为了支持可持续的技术设计和政策制定，避免前景系统(即所研究的技术)和背景系统(即技术运行的经济系统)之间的时间不匹配至关重要(Arvidsson等人，2018;Buyle等人，2019;Joyce和Bj?rklund 2021;Knobloch et al. 2020;Thonemann et al. 2020;van der Giesen et al. 2020;Vandepaer et al. 2020)。
尽管LCA从业者通常可以从技术开发人员那里获得有关前景系统开发的信息，但在后台捕获系统变化则更为复杂。因此，开发了前瞻性生命周期清单(pLCI)数据库:例如，在NEEDS项目(NEEDS 2009)中，THEMIS模型(Gibon et al. 2015;Hertwich et al. 2015)，最近，在导致前提框架的工作中(Cox et al. 2020;Mendoza Beltran et al. 2018;Sacchi et al. 2022)。这些pLCI数据库来源于ecoinvent数据库(Wernet et al. 2016)和外生情景数据的组合，以代表特定行业的未来技术和供应链。情景数据源包括能源系统模型、投入产出模型、宏观经济模型、综合评估模型(IAMs)、科学文献和专家判断，这取决于不同技术、经济部门和世界地区的数据可用性。
尽管在面向未来的LCAs中考虑关键经济部门的未来情景很重要，尽管最近在学术文献中使用pLCI数据库的情况有所增加(见附录)，但在面向未来的LCAs中，使用pLCI数据库仍然是例外，而不是规则。这种情况涉及到与如何生成、共享和使用pLCI数据库有关的几个问题。例如，pLCI数据库仍然难以在标准的LCA软件中获得和使用。此外，从业人员关于pLCI数据库的内容和适当使用的指导很少。此外，技术、部门、区域和环境覆盖范围仍然有限。最后，就pLCI数据库应该基于的模型和数据源达成共识的更广泛的讨论尚未发生。最近的文献讨论了其中的一些问题。例如，Adrianto等人(2021)强调需要简化在pLCA中包含未来背景场景的过程。Bisinella等人(2021)也强调在使用未来情景时需要改进指导。因此，需要解决这些问题，以促进pLCI数据库的更广泛使用。
为了支持这些工作，我们在本文中概述了pLCI数据库的生成、共享和使用。然后，我们讨论了广泛应用pLCI数据库的条件，最终目的是改善未来技术的环境指导。最后，我们优先考虑要解决的挑战，以便在pLCA中广泛使用pLCI数据库。
为了了解实现pLCI数据库的广泛使用需要什么，我们将导致pLCI数据库在pLCAs中使用的信息链构建为三个不同的阶段:pLCI数据库的生成、共享和使用(图1)。
图1
pLCI数据库的生成、共享和使用，pLCI数据库广泛应用的条件(绿色斜体)，以及涉及的利益相关者(蓝色)
在生成阶段，描述关键技术和供应链潜在未来发展的情景数据被集成到现有的LCI数据库中，从而产生一组反映不同情景和参考年份的pLCI数据库。此阶段的相关涉众是场景生成器，他们开发场景并在模型(例如iam)、LCI数据提供者和pLCI数据库生成器中实现它们。pLCI数据库生成器使用专用集成软件生成pLCI数据库，例如预置(Sacchi et al. 2022)，这是一个Python包，将IAM数据集成到ecoinvent数据库中以生成pLCI数据库。
在共享阶段，pLCI数据库向LCA从业者开放。改善pLCI数据库共享的解决方案仍在不断发展，但未来可能会包括利益相关者，如场景生成器、LCI数据库提供商和软件提供商。
在使用阶段，LCA从业者使用pLCI数据库作为plca的后台数据。这种使用需要LCA软件解决方案来促进pLCI数据库的处理，以及指导和文档，以确保从业者能够理解pLCI数据库代表什么以及应该如何使用它们。
虽然图1所示的信息链已经存在，但要使pLCI数据库得到广泛应用，还需要进一步发展。我们确定了六个条件，在我们看来，这些条件将决定LCA从业者将在多大程度上采用pLCI数据库(另见图1):
1.
科学完整性:pLCI数据库需要基于最先进的科学模型和数据，依赖于一致的场景、叙述和假设。pLCI数据库的生成需要透明和可复制。
2.
有用性:pLCI数据库需要在充分的技术、区域、时间和环境细节方面涵盖社会经济发展的相关情景。
3.
可访问性:pLCI数据库需要易于获得LCA从业者。
4.
可用性:pLCI数据库需要易于在LCA软件中使用。
5.
可解释性:LCA从业者需要有足够的指导和文档来理解场景及其在pLCI数据库中的实施，并解释相应的LCA结果。
6.
持续改善:所有条件的持续改善都需要协调和稳定的制度。
我们现在描述了每种情况的基本方面，包括目前的发展状况、挑战和改进途径。
pLCI数据库和周围信息链的科学完整性对于环境决策支持的可信度和质量至关重要。这种情况的相关方面如下。
3.1.1 最先进的模型和数据
在开发pLCI数据库时涉及到重要的工艺，并且确保pLCI数据库的生成依赖于最先进的场景和LCI数据是科学完整性的一部分。然而，应该承认，场景和LCI数据的完美数据源并不存在。例如，在最近生成pLCI数据库的努力中，iam作为场景数据源发挥了重要作用，但iam也存在一定的局限性，例如，对行业和生命周期阶段的覆盖不完整(Pauliuk et al. 2017)。就像LCI数据库一样，iam也有自己的发布周期，可能并不总是包含最新的数据。因此，更多的协调将是必要的，以确保一个良好的同步和不断改进的信息链，在动态发展的模型、数据和场景中提供基于最佳数据源的pLCI数据库。
3.1.2 一致性
pLCI数据库应提供内部一致的数据。然而，对于复杂的建模练习(如生成pLCI数据库)，这种一致性在实践中可能难以实现。
目前，场景模型和LCI数据库都不能以高技术、区域和时间分辨率提供100%内部一致的数据源。例如，iam详细描述了与气候变化相关的部门，如电力生产。尽管如此，它们在其他行业(例如农业、化工生产和材料循环)中仍存在不足(Pauliuk et al. 2017)。LCI数据库对未来可能变得相关的新兴技术的覆盖范围有限，因为它们的重点是为当前技术提供背景数据(Wernet et al. 2016)。为了弥补这样的数据缺口，基于iam的pLCI数据库已经补充了来自其他来源的LCI和场景数据(Sacchi et al. 2022)。尽管这种方法增加了特定部门、技术或地区的代表性，但它可能会引入不一致性(Mendoza Beltran等人，2018;Sacchi et al. 2022)。最终，必须确定数据一致性、一致性和覆盖范围之间的最佳折衷方案。我们认为，在短期内，使用额外的数据源来改进pLCI数据库是一个实际的解决方案。从长远来看，应该确定解决方案来增加pLCI数据的覆盖范围和一致性，例如，通过扩展iam来包含更多与lca相关的数据。
在一致性上下文中要考虑的另一个重要方面是技术成熟度。旨在代表未来某个时间点的平均技术的pLCI数据库应考虑新兴技术(例如，在实验室或示范规模)在市场引入后如何在商业规模上运行(参见，例如，Arvidsson等人。2018;Thonemann et al. 2020;van der Giesen et al. 2020)。
3.1.3 透明度和可重复性
为了确保科学的完整性，应记录pLCI数据库，以便基础数据和生成过程透明(参见第3.5.2节的详细建议)。pLCI数据库的生成也应该是可重复的。为了确保再现性，FAIR原则(可查找、可访问、可互操作、可重用;(Wilkinson et al. 2016))应该遵循。进一步的透明度和可重复性可以通过开源软件来实现。原则上，最近生成pLCI数据库的努力满足了这些条件(例如，Mendoza Beltran等人，2018;Sacchi et al. 2022)。此外，底层软件是开源的(即，前提;(Sacchi et al. 2022)，它建立在wurst (Mutel 2020)的基础上，对建立在brightway LCA框架(Mutel 2017)上的LCI数据库进行系统转换。通过引入一个明确的版本控制系统，以确保特定的pLCI数据库可以从底层数据源和集成软件的特定版本中复制，还可以进一步提高透明度和可重复性。
pLCI数据库的有用性在很大程度上取决于它们对情景、经济部门、时间和地理的表示，以及不同环境问题的数据覆盖范围。
3.2.1之上场景和模型的覆盖范围
为了使pLCI数据库作为pLCA研究的未来背景数据，它们应该基于对未来潜在的社会经济和技术发展的广泛和全面的看法，代表被广泛接受和常用的情景。这种情景的重要例子是共享的社会经济途径(ssp);(O’neill et al. 2014))及其在iam(例如，Stehfest et al. 2014)或国际能源署(IEA 2021b)开发的场景中的实现。
目前，正在努力使用iam(例如，IMAGE和REMIND)来生成pLCI数据库(例如，Mendoza Beltran等人，2018;Sacchi et al. 2022)。未来的工作应侧重于增加pLCI数据库中情景的覆盖范围，例如涵盖政府间气候变化专门委员会(IPCC 2021)或国际能源署(IEA 2021b)使用的核心情景。然而，现有情景和模式的数量众多，导致了不同的结果(IPCC 2021;Monier et al. 2018)。虽然变化反映了未来可能发展的范围，但pLCI数据库的激增使pLCAs的比较复杂化，并且从协调的角度来看并不理想。因此，有必要在pLCI数据库生成器和相关利益相关者之间进行协调(图1)，以讨论应该理想地使用哪些场景、模型和数据源来生成pLCI数据库。在这种情况下，将精力集中在较小的一组开发良好并最终被广泛接受的pLCI数据库上可能是最好的选择。
相反方向的推动力是，LCA社区区分了LCA的几种模式，例如归因式LCA与结果式LCA，可用于回答不同类型的问题(guin
等人，2018)。每种模式在建模选择上都有所不同，例如系统边界或多功能解决方案(例如，分配与替代)，LCI数据库提供商为不同模式提供了LCI数据库，也称为系统模型(Wernet et al. 2016)。同样，pLCI数据库生成器可能必须从不同的底层LCI数据库中为不同的LCA模式生成数据库，以满足不同背景下LCA从业者的需求。这已经发生了，因为pLCI数据库已经基于归因(例如，Mendoza Beltran等人，2018;Sacchi et al. 2022)以及相应的系统模型(Maes et al. 2023)。
3.2.2 技术和部门范围
pLCI数据库对从业者的有用性取决于技术和部门覆盖范围。pLCI数据库应提供预计将来会发生变化的与环境有关的部门(例如能源和原材料供应、运输、替代燃料、水泥、钢铁和化学品)的库存数据。还必须考虑改进现有技术和引进新兴技术。
目前，iam很好地代表了关键经济部门的气候相关技术。然而，并非所有部门都有代表，或者至少没有达到为pLCI数据库的生成提供信息所需的水平。其他模型，如能源系统模型，只涵盖特定的部门，但更详细。pLCI数据库中未来技术的表示取决于所使用的场景数据源。pLCI数据库生成器面临着寻找既全面又详细的数据源的挑战。从历史上看，大多数生成pLCI数据库的努力都集中在电力部门。最近，通过使用来自其他来源的额外LCI和情景数据补充基于iam的pLCI数据库，努力缩小数据差距:例如，燃料(Watanabe等人，2022)、运输(Sacchi等人，2021)、钢铁、氨(Boyce等人制备)、水泥(m
勒等人制备)、钴(van der Meide等人，2022)和其他金属(Harpprecht等人，2021)。主要的挑战将是增加pLCI数据库对pLCA的有用性，同时建立一个可以更新的相对一致的信息链。
3.2.3 区部分覆盖
在产品的生产方式(例如，使用不同的技术、原材料或能源)方面存在重大的区域差异，因此在相关的环境影响方面存在本质差异。
现有的LCI数据库、iam和其他与生成pLCI数据库相关的数据源确实捕捉到了地区差异，尽管存在局限性。例如，ecoinvent数据库对某些产品(如混合电力)具有国家级别的分辨率，但对其他产品具有区域甚至全球级别的分辨率。在iam中，所有产品和行业的区域覆盖范围是相同的，但通常仅限于某些世界区域(例如，IMAGE中的26个(Stehfest等人，2014)和REMIND中的13个(Aboumahboub等人，2020))。因此，在生态发明中，iam可用于进一步分解供应链，且区域分辨率较低。然而，这个过程并不是相互的;ecoinvent中特定国家的供应链也可能必须进行汇总，以匹配IAM世界各地区，例如，产生区域而不是特定国家的电力组合。与技术覆盖一样，能源系统模型提供的地理分辨率比iam高，但通常仅限于特定的世界区域。因此，尽管考虑pLCI数据库的地区差异至关重要，但pLCI数据库的区域化仍然存在重要差距，这些差距应该在未来的工作中得到解决(Hellweg and Canals 2014)。
3.2.4 时间覆盖和表征
plca通常在未来使用5到30年的时间范围，对于长寿命产品甚至更长(例如，在建筑领域)(Fnais等人，2022;Su et al. 2019))。因此，pLCI数据库应涵盖这些时间范围，以提供时间上一致的背景数据。
IPCC、IEA或iam制定的情景通常延伸至2100年或更久，以考虑长期产品，如建筑材料，以及气候变化对植被和洋流的影响。因此，从时间的角度来看，这些数据源适合生成pLCI数据库。然而，并非所有数据源都能延伸到未来，这限制了其他模型中特定部门的纳入。此外，考虑的时间范围越长，所描述的任何场景发生的可能性就越小，这是LCA从业者在解释结果时应该牢记的一个重要限制。
开发pLCI数据库的一个主要原因是为了减少未来lca中前景和背景数据之间的时间不一致性。虽然pLCI数据库在覆盖未来参考年的数据方面增加了价值，但与传统的LCI数据库一样，它们缺乏价值(Beloin-Saint-Pierre et al. 2014;Levasseur et al. 2010)，时间的真实表示。例如，在现实中，电动汽车的生产，使用和处置都发生在不同的年份。在(p)LCI数据库中，没有这种时间表示，因此，所有生命周期阶段“同时”发生，即在同一经济系统内同时发生。这意味着，坚持这个例子，当使用2030年背景系统的pLCI数据库时，2030年电动汽车的LCA最有可能更准确，然而，它没有考虑到电力在车辆生命周期中不断变化的影响。因此，pLCI数据库不能解决LCI数据的时态表示问题。然而，不同参考年份的pLCI数据库的可用性为这个方向提供了一个垫脚石。例如，LCA从业者可以使用不同参考年份的pLCI数据库手动建模车辆的生产、使用和处置。另一个解决方案是生成时间平均数据集，例如，在前提框架内提出的代表特定十年的电力供应。然而，这些方法并不是灵丹灵药，需要进一步的发展来更好地代表LCA中的时间(参见，例如，Beloin-Saint-Pierre et al. 2017;Cardellini et al. 2018;Pinsonnault et al. 2014)。
3.2.5 Environmental覆盖
pLCA应通过考虑广泛的影响类别，提供一个整体的环境观点。因此，pLCI数据库应包括与这些影响类别相关的清单数据。
在实践中，重点是建立与气候变化有关的pLCI数据库，而其他影响类别的数据则少得多。这种方法主要是由于用于获取pLCI数据库(例如iam)的来源侧重于气候变化，而不包括与其他影响类别相关的部门和环境干预措施-例如，为生产生物燃料而使用杀虫剂。尽管一些IAMs预测生物燃料产量将大幅增加，但没有提供与农药的使用、命运或毒性有关的信息。因此，从这些数据源生成的pLCI数据库忽视了农药的未来发展。因此，毒性相关指标(如人类、陆地或生态系统毒性)的得分应被视为高度不确定的(Sacchi et al. 2022)。
应该填补这些数据空白，以保持LCA的力量，以确定未来从一个环境指标到另一个环境指标的负担转移。这一点也适用于与资源有关的指标。例如，由于可再生能源的大规模发展(Vandepaer etal . 2020)或车辆的电气化(Dirnaichner etal . 2022)，能源转型政策往往会导致金属使用量的增加。增加再循环可以抵消资源枯竭，减轻与采掘活动有关的环境影响。表示可回收的金属和其他资源的存量和流量是iam的理想功能，因为它将有助于将未来的回收含量率纳入pLCI数据库。
pLCI数据库应该易于LCA从业者访问。尽管目前情况并非如此，但可以从现有的LCI数据库共享模型中获得启发。
3.3.1 数据共享
提供从业者访问pLCI数据库的解决方案至少有四种:
1.
通过LCA软件提供商:大多数LCA从业者通过LCA软件获取LCI数据库。
2.
通过LCI数据库提供程序:LCI数据库也可以从LCI数据库提供程序下载，然后可以导入到LCA软件中。
3.
通过pLCI数据库生成器:类似于(2)，pLCI数据库生成器可以使pLCI数据库在线可用。但是，如果任何底层数据都在限制性许可下，则可能无法实现此解决方案。虽然可以执行许可证检查，但pLCI数据库没有这样的系统。
4.
通过本地生成:在从业者计算机上本地生成pLCI数据库，可以克服数据许可问题。开放许可下的数据和软件(例如，场景数据和集成软件)公开提供给用户。不提供许可下的数据，但如果LCA从业者可以访问这些数据，pLCI数据库可以在本地生成(当前由前提使用的系统)。这个解决方案可能比前三个更复杂，这取决于实现。另一方面，该解决方案也为从业者进一步定制pLCI生成过程提供了可能性(例如，通过为特定部门添加特定的场景数据)。
3.3.2 数据格式
对pLCI数据库的有效访问还需要标准LCA软件可以使用的数据格式。前提可以生成几种数据格式的pLCI数据库(Brightway/Activity Browser, Simapro CSV，稀疏矩阵文本文件)。今后，pLCI数据库应提供其他标准数据格式，以满足其他LCA软件的需求。
pLCI数据库在LCA软件中的易用性对LCA从业者是否会使用它们有很大的影响。可用性的一个主要挑战是，与传统LCA中通常使用单个背景LCI数据库不同，从业者可能希望在pLCA中使用多个pLCI数据库来评估不同场景和参考年份的产品系统。这种方法意味着LCA软件必须为处理备选后台系统提供有效的解决方案。
3.4.1 LCA软件与pLCI数据库一起工作ses
LCA软件可以通过多种方式支持具有备选背景系统的建模。一种解决方案可能是为用户提供为流程输入指定替代供应商的选项，这样产品就可以根据场景和参考年份从不同的pLCI数据库中采购。另一种解决方案是上层建筑方法(Steubing and de Koning 2021)，其中一组pLCI数据库被“压缩”为单个上层建筑LCI数据库和相应的场景差异文件。后一种方法可用于将上层建筑数据库转换为任何原始场景。这种方法使从业者能够在计算不同场景和参考年份的LCA结果时使用单个LCI数据库。上层结构方法目前仅在活动浏览器中实现(Steubing等人，2020)，但可以在其他LCA软件中实现。此外，LCA软件还应促进情景LCA结果的分析(例如，提供显示跨情景或参考年份比较的图表)。
pLCI数据库的“2.16”对于LCA从业者有效使用它们至关重要。这种情况的关键方面包括以下几点。
3.5.1 指导
pLCI数据库通常是综合建模练习的结果。很好地理解pLCI数据库代表什么，它们应该如何使用，以及它们的局限性是对pLCA结果有意义的解释的关键。尽管科学文献已经在这方面提供了见解(例如，Mendoza Beltran et al. 2018;Sacchi et al. 2022)，应该提供更具体的信息来指导LCA从业者使用pLCI数据库。例如，对于一组pLCI数据库，应该有以下明确的描述:
每个pLCI数据库所代表的情景(例如，基于RCP 1.9的SSP 1之后的社会经济和气候预测)
场景数据源(例如，特定版本的iam和其他数据源)
原始的LCI数据库版本(例如ecoinvent 3.9版本，截止系统模型)
用于生成pLCI数据库的集成软件和版本
一份执行摘要，描述情景叙述、情景数据的部门、技术和环境覆盖范围、原始LCI数据库的最重要变化、关键假设、限制和其他相关信息，以便从业者理解和正确解释来自pLCI数据库的LCA结果
有效使用pLCI数据库的实用指南(例如，命名和建模约定以及如何记录和引用pLCI数据库的使用)
链接到其他文档和指南
这些资料可以作为实况介绍、手册或其他媒介提供，包括录象和软件内指导。理想情况下，这些信息应该辅以关于如何在特定的LCA软件中使用pLCI数据库的指导。
虽然这看起来微不足道，但重要的是要向pLCI数据库的用户指出，未来的情景本质上是不确定的，任何情景发生的可能性都随着时间范围的增加而降低(例如，2050年或2100年)。此外，并非所有情景在未来发生的可能性都相同(ward et al. 2022)，例如，某些情景意味着极端情景。当向其他受众解释预期lca的结果时，也应该提到这一点，以避免它们被误解为预测，甚至更糟的是，事实。此外，应该鼓励从业者评估多个场景，并测试他们的结论是否在这些场景中是稳健的。当没有给出这样的稳健性时，听众可能会感兴趣地报告在哪些条件下某些发现是有效的。
3.5.2 docu心理状态
除了这些高层次的指导外，pLCI数据库生成的详细文档是必要的，以便为LCA从业者提供进一步的信息，并确保透明度和可重复性。特别是(i)生成pLCI数据库的输入(例如，数据、假设和模型);(ii)集成过程本身(如集成软件代码);(iii)输出(例如，与原始LCI数据库相比，pLCI的变化)都需要记录。
目前的pLCI数据库已经存在各种级别的文档。例如，前提框架提供了生成过程和数据的技术文档(footnote 1)以及源代码(footnote 2)和相关的日志文件。上层建筑方法中使用的场景差异文件(Steubing and de Koning 2021)有助于记录和理解pLCI与原始LCI数据库之间的差异。此外，Futura软件(Joyce和Bj?rklund 2021)可以将原始LCI数据库的转换记录在称为配方的结构化文本文件中。尽管如此，指导和文件仍然分散，并在不断发展。必须进一步努力改进和巩固这些资料，并将其提供给用户。
之前讨论的与pLCI数据库的生成、共享和使用相关的条件和方面可以得到改进，最终有助于被广泛接受和定期更新的pLCI数据库，具有足够的覆盖率，可以很容易地被LCA从业者获取、使用和解释。实现这一目标将需要一个涉及所有相关利益相关者的持续改进过程。
3.6.1 协调和稳定的机构
pLCI数据库已由个别研究小组作为研究项目的一部分生成。然而，面向未来的背景数据对于LCA的重要性意味着pLCI数据库的生成需要与稳定的资金来源和贡献机构更加协调一致的努力。这种方法将使这些机构能够建立和维护所需的专业知识，以提供高质量的pLCI数据库，就重要选择进行协调，发布定期更新，并获得更广泛的LCA社区的信任。因此，应加强信息链上利益相关者之间的协调(见图1)，特别是pLCI数据库生成器、场景生成器、LCI数据库和LCA软件提供商之间的协调，为pLCI数据库的生成、共享和使用创建一个持续改进的过程。
1 介绍
2 pLCI数据的生成、共享和使用
ses
3.条件
4 优先事项和后续步骤
5 有限公司
结论与展望
笔记
参考文献
致谢
作者信息
道德声明
附录
搜索
导航
#####
下载原文档：https://link.springer.com/content/pdf/10.1007/s11367-023-02192-8.pdf
