：转载时请以超链接形式标明文章原始出处和作者信息及

这门课的评分方法是小组报告加闭卷考试。小组报告我们写得一般。但是考完试之后我觉得我会有个不错的分数。

mespom了这么久，这门课十分与众不同。就跟当年学经济学原理一样，我觉得我懂了的时候，我就真懂了。所以考前{yt}复习完之后，所以考试拿到xx的时候，所以考完试的时候，我知道我考得很好。应该不会有什么大错误。

那么，就趁自己还没全忘光，先小结归纳一下吧=）

【tips】以下内容纯属个人做的小结，不保证达到{zg}最学术的水平。。

生命周期理论分析/life cycle analysis（以下简称LCA），研究的是产品或服务（以下简略统称为“产品”），有着非常广的研究范围。纵向地说，它着眼于产品的整个“生命周期”——从原材料的采掘，到运输、加工、输送到消费者并被使用，再到{zh1}废物/废料/剩余物的收集及处理（或者不处理），都在这个生命周期的范围内。横向（这算横向吗？）地说，它不止关注{zh1}真正进入产品的物质资料，也还关注整个生命周期中的能源、物质的投入，以及生命周期里除了目的产品之外的产出（比如废气、废水等等）。

定下这么广的研究范围，我们不难想见要做好一个LCA需要烧多少钱……好吧，这么广的范围，这么多的钱，LCA究竟有什么不可告人的目的呢？一般来说，LCA的目的有两种。一是比较几种不同的产品及服务，二是研究某一种产品或服务的整个生命周期的不同阶段，找寻环境影响{zd0}的阶段，以改进整个产品的生命周期流程。前一种最为普遍。

一份LCA的出炉有以下几个阶段：Goal and scope definition，定下研究目标和分析范围. Inventory analysis，编纂并处理关于输入及输出产品生命周期的各种数据。Impact assessment，衡量产品生命周期的环境影响，包括classification分类、characterization每类加总，及valuation最终权衡度量。

LCA有几个问题比较有意思。

一是functional unit，这是衡量及比较的基本单位。LCA着眼点在消费者获得的服务，而不是产品或生产过程本身。比如说，同样是提供“洗手之后把手弄干”的服务，一份LCA可以研究比较卫生纸和干手机孰优孰劣。但是怎么比呢？拿一张擦手纸的生命周期产生的环境影响去跟一个干手机比，显然是不靠谱的，所以，我们不能简单地以产品的件数或者是质量作为比较单位。鉴于我们研究的是“干手”服务，因此比较LCA的比较单位就会是“在单位时间里使一个普通正常的典型消费者的手的湿度从某水平降低到另一水平”所用掉的擦手纸（或使用干手机带来的能源消耗等等）。这一类是立足于单次服务的functional unit，另外还有一种比较万用的类型，就是以时间为度量的。比如上面干手纸与干手机的例子，就可以说选取“在一个典型年度里满足普通正常的典型消费者的平均干手需要”所用掉的纸/能源机器等消耗。

我发现如果这样写下去会巨长……简单列一下其他的要点吧~

system boundary：包括lifecycle boundary, time boundary, geographical boundary, 和technosphere/biosphere boundary.{dy}个说的是产品的生命周期的边界，将目标产品与其他的副产品及废水废气废料排放区分开。第二第三个是时间、空间的边界，决定该LCA研究的结果在什么时间范围及空间范围内有效（比如，在欧洲做的关于手机的LCA，如果拿来衡量比较中国的手机就很不靠谱了）。第四个是区分哪些环境影响是自然地，哪些是人为的。最典型的例子是废料进了垃圾填埋场之后会一直产生温室气体，但正常的自然环境中也会产生甲烷等温室气体，所以需要有一个分界点，从而lca只计较‘非自然’地、由于产品本身产生的温室气体的环境效应。

allocation环境影响的分配。产品生命周期有边界没错，但如果在生产过程中的物质流有一部分进入了别的产品的生命周期，或者从别的产品的生命周期中来了一条物质流，那么与这条“穿越边界”的非废弃物形式的物质流相关的环境影响就可能有必要在两个产品之间进行分配了。继续用上文擦手纸的例子，如果这个擦手纸被回收了一部分用于生产纸箱，而{zh1}纸箱用完之后进了填埋场产生了甲烷的排放，那么这部分甲烷排放就不应该视为“干手服务”导致的排放了，就该分到纸箱这个产品的生命周期里面来。具体怎么分有不同的办法，主观成分较重。

marginal data是个很有意思的问题，它的核心观点是，用边际量而非平均量作为比较的依据。有个很欠的例子是，政府比较几种不同的公交政策，看哪个的环境影响小。被比较的政策之一是轮流让大家周一到五有{yt}可以在家上班，不用出门。简单起见，假设这个城市里大家上班坐且仅坐巴士。如果用一般的眼光来分析，我们会认为这种情况下路面上的巴士会减少20%，可是marginal data的观点是，人是少了20%没错，可是公交系统不一定能及时反应，所以边际量的情况是，路面上的巴士数量不会变，只是每一辆巴士都比以前更空了。在一定时间之后，公交系统才会调整过来，这是巴士总数才会减少。这根本就是脑筋急转弯…………另一个相关的结论是，用不用marginal data，也取决于lca研究的时间边界。如果有效时间短，那么marginal data很可能优于average data。如果考虑的是长期中的问题，平均的数据就ok了~

就先这样吧。