彻底搞懂各种“排放因子”

很多新手刚接触碳核算，第一反应就是：“我要找个排放因子！”。然后跟随一些指南去各种数据库查找因子。实际上，因子的适用性取决于它背后的数据逻辑，而不仅是数据库的“权威程度”。不同来源的“因子”可能根本不是一种东西，用错了会导致合规问题。

在“排放因子”这个概念下，至少有以下三类常见数据：

LCI 数据集——最全面、最透明

形式：一份完整的“输入输出清单”。它记录某一个生产或消费过程的全部输入（如消耗的能源、原材料）和输出（包括排入空气、水体的各种具体物质，例如 CO₂、SO₂、颗粒物 等）。

典型来源： Ecoinvent 数据库。
核心特点：数据最透明，是所有评估的底层基础。它类似一个菜谱，本身不是最终结果，但可以利用它来计算多种环境影响（比如酸化、富营养化）。将LCI数据转化为环境影响需要一个叫做特征化系数（CF）的东西，GWP100就是一组特征化系数，用于将排放物转化为全球变暖影响（kgCO2e）。
主要用途：专业的LCA分析（PEF、EPD等），需要全面、精细地评估多种 impacts。

温室气体清单因子——部分透明

形式：给出一个活动对应的几种主要温室气体的单独排放量（例如 CO₂、CH₄、N₂O 各多少千克）。

典型来源：IPCC 国家温室气体清单指南、英国 DEFRA 系数表等。
核心特点：像是“一部分的菜谱”——列出了几种关键的温室气体成分，但不包含其他污染物。你需要自己把 CH₄、N₂O 等乘以它们的 GWP 值，加总得到 CO₂当量。这个过程就是你亲手把“清单”转化成“足迹”。

主要用途：组织碳范围一（燃烧、工业过程、逸散等关键直接排放），需要明确区分温室气体种类的场景。

CO₂当量因子（碳足迹因子）——最常见、最“黑箱”

形式：一个数字，单位是 kg CO₂e（二氧化碳当量）。
典型来源：“电力碳足迹因子”、一些产品碳足迹数据库（如CPCD）
核心特点：一个已经折算成二氧化碳当量的最终结果，但计算过程不可见。你无法看到具体包含了哪些排放，就像一个已经做好的菜，看不到菜谱。
主要用途：非核心的、间接的排放，数据不易得到的场景；如组织碳范围3、非关键的产品上游原料。

LCI数据集是透明度最高的因子，除了可以计算碳足迹，还可以计算各种方面的环境影响，这也是ecoinvent因子虽然代表性不足（毕竟是国外的因子库），但还是被普遍接受的原因；温室气体清单因子次之，在温室气体的层面上相对透明，所以用来计算燃烧、逸散等直接控制的、较为关键的排放源；碳足迹因子最不透明，市面上也有很多来路不明的这种因子，所以一般只接受用它来核算上下游的排放，且要遵守保守性原则。
希望这个梳理能帮助你建立起一个清晰的框架，碳核算不仅仅是寻找一个数字，更是理解这个数字从何而来、代表了什么，以及如何在合适的场景下使用它。