RWS认证辅导-在纤维与材料矩阵评估中LCA数据通过两种方式整合

LCA 数据的使用
在 “纤维与材料矩阵” 评估中，LCA 数据通过以下两种方式整合：
定量环境影响
这些指标涵盖在相关影响领域内，如气候、淡水等。
质量与完整性
定量环境影响
如上所述，LCA 影响数据来自 Higg MSI 的四项指标：全球变暖潜势、非生物资源消耗、富营养化潜势和水资源稀缺性。纺织品交易所已将各项目与 Higg MSI 中包含的材料数据集进行了映射。
未来，对于在 MSI 中没有直接材料映射的项目，由于 Higg MSI 中缺乏可比证据，将无法获得定量指标的分数。而在 Higg MSI 中拥有自身 LCA 值或有直接映射关系的项目（例如，有机棉项目映射到有机棉 MSI 值），则有资格在上述定量环境影响指标中得分。
纺织品交易所根据材料和生产工艺，将 “纤维与材料矩阵” 中的项目映射到 Higg MSI 中的对应值。纺织品交易所认识到，并非所有标准体系都有可用的 LCA 数据。若 Higg MSI 中未涵盖特定的原材料项目，欢迎 “纤维与材料矩阵” 中的组织提供输入，以确保映射的准确性。
“纤维与材料矩阵” 中包含的 Higg MSI 定量环境影响数据点如下：

LCA 影响值用于计算气候、淡水以及化学品与毒性等影响领域的得分。为使这些值具有可比性，我们对其进行了标准化处理并取反，以符合工具的评分结构。这意味着，某材料类别中最高的 LCA 值对应的标准化取反后得分为 0，而较低的值（如低非生物资源消耗得分）则会被调整为较高的 “纤维与材料矩阵” 得分。
由 Higg MSI 定量指标得出的分数在各影响领域内进行加权。例如，“全球变暖潜势” 和 “非生物资源消耗” 各占气候领域总分的 10%，共计 20%。
LCA 质量与完整性
“纤维与材料矩阵” 既考量数据本身（如项目的实际绩效或定量环境影响），也关注其质量、完整性和代表性。这使项目能够展示其在测量影响方面的努力，即使这些数据目前未被列入 Higg MSI。这些指标位于 “纤维与材料矩阵” 的治理支柱下，涵盖 LCA 的代表性（时间、地理、技术）、完整性和可靠性（无论 LCA 是否被纳入 Higg MSI）。

时间代表性
指数据集反映研究相关时间维度的程度。评估数据是否准确反映被评估过程或活动发生的时间段，需考虑技术进步、生产方法变化、法规变更和市场动态等因素。LCA 研究必须考虑这些过程的演变速度，以准确捕捉其环境影响。
例如，创新材料的制造对数据收集期间非常敏感，因为制造工艺仍在不断发展。几年前对这类纤维进行的 LCA 可能不再反映当前技术，因此需要重新评估。相比之下，传统棉花种植等过程对时间的敏感度较低，特别是在设备近期未升级的情况下。种植、灌溉和收获等基本做法多年来相对稳定，因此五年前进行的 LCA 可能至今仍具有参考价值。
地理代表性
涵盖所收集数据或使用的数据集反映研究特定地理背景的程度。地理敏感型过程或技术是指其环境影响因地理位置而异的过程或技术。LCA 必须考虑区域差异，以确保评估的准确性。
例如，农业是地理敏感型产业的典型例子。由于气候、水资源可用性、土壤条件和当地种植实践的不同，在印度种植棉花与在美国种植棉花的环境影响会有所不同。另一方面，回收过程的地理敏感性可能较低。例如，回收塑料瓶的能源消耗在印度和美国可能相似，这反映了标准化技术和流程最大限度地减少了区域差异。
技术代表性
考察数据集是否全面反映当前技术和实践的范围，同时考虑二手数据和替代数据对研究地理和特定过程背景的相关性和适应性。这确保了所审查技术数据的准确性以及任何调整的适用性。
LCA 的完整性和可靠性
涵盖 LCA 的类型和数据的准确性。例如，部分原始数据是指 LCA 研究既包含直接从来源收集的原始数据，也包含从文献或数据库获取的二手数据。
例如，一项针对纺织品制造过程的 LCA 研究可能直接从孟加拉国的一家工厂收集能源消耗和废物产出的原始数据，同时使用先前研究的二手数据来补充有关排放或水资源消耗的信息。