本报告基于Yanqing Yi等人于2023年发表在《Science of the Total Environment》期刊（903卷，166545页）上的系统性综述文章。该研究由意大利帕多瓦大学（University of Padua）土木、环境和建筑工程系（DICEA）以及同系的CESQA研究中心的多位学者共同完成，通讯作者为Alessandro Manzardo。
论文主题：本文对生命周期评估（Life Cycle Assessment, LCA）与系统动力学（System Dynamics, SD）的集成应用研究进行了系统性文献回顾。论文旨在解决三个核心研究问题：（1）如何定义LCA与SD的集成？（2）如何有效实现两者的集成？（3）这种集成方法的优势与局限何在？通过对2010年至2023年间发表的54篇相关科学论文的分析，本文系统地阐述了SD集成LCA的概念、方法论与价值维度，识别了两种主要的集成类型，并指出了当前研究的知识缺口与未来方向。
论文主要论点及其论据
论点一：LCA与SD是互补的环境影响评估工具，二者的集成具有必要性。 支持该论点的论据主要来自对两种方法各自优缺点的剖析。一方面，LCA作为一种国际标准化的量化工具，能够全面评估产品或服务在其整个生命周期（从原料提取到废弃处理）内的资源消耗、排放及潜在环境影响。然而，其固有的局限性在于：静态线性特征——LCA通常基于特定时间点的静态快照，使用恒定的表征因子（如温室气体的全球变暖潜能值），难以捕捉系统内部变量随时间变化的动态交互作用。例如，建筑物的长生命周期内，材料退化、技术进步、能源结构变化等因素的动态影响无法被LCA单独充分分析。系统边界聚焦——LCA侧重于产品供应链层面，往往忽略社会经济系统与生态环境之间复杂的权衡、反馈和相互作用，例如市场动态、消费行为模式演变等短期动态可能被忽视，从而影响评估的准确性。另一方面，SD作为一种建模方法论，擅长处理复杂系统的动态反馈结构。它通过构建因果回路图（Causal Loop Diagrams, CLDs）和存量流量图（Stock and Flow Diagrams, SFDs），利用反馈循环和时间延迟来模拟系统的长期行为演变，从而理解系统各部分间的相互作用。SD适用于战略分析、政策模拟和市场动态建模，但其主要局限在于缺乏精确的环境影响量化能力——SD模型本身不直接提供国际认可、指标友好的环境影响量化结果。因此，论文认为，LCA提供了精确的环境影响“快照”，但缺乏“动态录像”能力；而SD擅长描绘系统的“动态演变剧本”，但缺少对环境影响“角色”的精确度量。将二者集成，可以形成优势互补：SD的动态模拟能力可以扩展和深化LCA的结论，而LCA的标准化量化框架可以为SD模型提供坚实的环境影响数据基础，从而实现对产品可持续性的更全面理解。
论点二：存在两种明确的SD与LCA集成类型，其选择取决于具体的研究情境。 通过系统分析54篇文献，论文识别并详细阐述了两种主要的集成路径，并提供了具体的应用案例作为支撑。第一种是 “LCA使用SD”（类型I）。这种方法的核心在于利用SD模型的输出作为LCA的清单数据输入。SD模型用于模拟技术系统的组件，其输出的结果（如随时间变化的物料流量、能源消耗等）为LCA模型提供了动态的、可能具有时空属性的清单数据，进而支持情景分析。这种类型特别适用于环境影响表征因子相对稳定，但影响的变化主要由与特定商品相关的关键技术流随时间变化所驱动的情况。论文列举的应用案例包括Peng等人（2019）的研究，他们使用SD预测中国2030年的能源结构演变和单位电力的时变排放，然后将这些动态数据输入LCA模型，评估环境后果。研究发现，考虑动态因素后，多项环境负荷（如全球变暖潜势）的评估结果比传统静态LCA降低了约13-14.5%，表明不考虑动态变化可能导致环境影响被高估。然而，由于需要将复杂的、随时间变化的存量与流量数据整合到LCA模型中，数据管理较为复杂，因此在实际研究中，类型I的应用相对较少（在综述的54篇研究中仅有6篇）。
第二种是 “SD使用LCA”（类型II）。这种方法更为常见，其核心在于将LCA模型的结果作为输入参数整合到SD模型中。论文指出，这是一种更为直接的方法，因为它支持直接利用已发布的LCA研究结果作为SD建模的输入。这种类型特别适用于评估的影响类别较少，且影响的变化主要源于可控范围内的存量或流量调整的情况。SD模型利用LCA提供的单位环境影响数据（例如，每公里行驶的车辆碳排放、每吨产品生产的水耗），在模拟整个系统动态时，计算并累积这些影响。论文提供了多个应用实例，如Onat等人（2016a, 2016b）将LCA结果整合到SD模型中，对替代性车辆技术进行了深入和广泛的可持续性影响评估，模拟了客运交通系统与经济、环境、社会之间的动态相互作用。Yao等人（2018）结合LCA和SD来评估中国废弃手机的回收管理，LCA估算资源、人类健康和环境质量影响，SD模拟中国的回收情境，从而通过情景分析确定最优处理方案。这种集成方式使得研究者能够在更广泛的系统模式中考察环境影响的动态演变，是当前文献中的主流方法（在综述的54篇研究中占30篇）。
论点三：提出了一个三维分析框架，用以系统地解构和分析SD集成LCA的研究。 为了提供一个清晰的分析结构，论文创新性地提出了一个基于辩证系统理论的三维框架。这个框架从三个维度审视SD集成LCA的研究：概念维度、方法论维度和价值维度。在概念维度，主要回答“这是什么以及如何使用”，包括对SD模型（使用的软件如Vensim、Stella，建模流程如创建CLDs和SFDs，进行模型仿真）和LCA模型（遵循ISO标准，使用软件如SimaPro、openLCA，依赖数据库如ecoinvent，定义生命周期阶段）各自核心概念的界定。在方法论维度，主要探讨“如何集成以及如何实现数据交换”，涵盖了对两种方法输入输出的分析、功能单位的定义、前述两种集成类型的划分，以及SD与LCA工具之间数据交换的具体流程（例如，通过Excel等第三方工具进行数据传递）。在价值维度，主要阐述“集成的应用价值是什么”，分析了两种方法各自的优势与局限，集成的具体改进（如分析时变环境影响、模拟反馈循环和意外后果、进行长期政策评估、反映利益相关者参与等），以及集成模型在情景分析与决策支持中的应用。这个三维框架为系统性地梳理和评估现有文献，以及指导未来的集成研究提供了一个有力的理论工具。
论点四：通过文献计量分析揭示了SD集成LCA领域的研究热点、活跃区域及发展趋势。 论文运用VOSviewer软件对54篇文献进行了科学计量分析，以可视化的方式呈现了该领域的知识网络。关键词共现分析显示，该领域最突出的五个主题词是：生命周期评估（life cycle assessment）、系统动力学（system dynamics）、集成（integration）、可持续性（sustainability）和循环经济（circular economy）。这表明当前研究紧密围绕方法集成，并服务于可持续发展和循环经济的宏观目标。国家/地区合作网络分析表明，美国和中国在该领域的研究成果最多，总链接强度最高，处于全球合作网络的中心位置，欧洲多国也表现出较强的研究活跃度。时间趋势与期刊分布分析显示，相关研究自2010年以来持续增长，尤其是在2018年后发表了16篇新论文，表明该领域近年热度上升。其中，《Journal of Cleaner Production》是发表此类研究最多的平台。学科领域分布显示，超过33%的研究集中在环境科学领域，其次是工程学和能源领域，这表明SD集成LCA方法在解决环境和能源相关挑战方面得到了广泛应用。
论点五：识别了当前SD集成LCA研究在概念、方法论和价值三个维度存在的知识缺口与挑战。 基于内容分析，论文指出了未来研究需要重点突破的几个方向。在概念维度，主要挑战在于系统边界定义的协调。SD分析强调系统内部互动，其边界由动态问题决定；而LCA要求覆盖产品的全生命周期。如何在一个集成模型中确立一致且对齐的系统边界，以实现统一评估，是一个关键问题。在方法论维度，最显著的挑战是SD软件与LCA工具的互操作性。目前尚无能够无缝合并并同时执行两种方法的集成工具，这阻碍了决策者便捷地结合多源信息进行策略分析。数据需要在不同软件间手动转移，增加了工作量和出错风险。在价值维度，挑战在于初期设计阶段数据的有限性和不确定性。由于缺乏对整个过程全面数据，设计师难以精确建模，增加了集成复杂性和结果的不确定性。此外，直接引用其他文献的环境数据可能因地域差异而导致结果不准确。因此，论文建议未来研究应致力于开发统一的集成平台，制定标准化的结果共享与不确定性沟通方法，并探索在何种条件下SD会显著影响LCA结果，以更高效地区分需要动态建模的部分。
论文的意义与价值
本文是一篇高质量的、及时的系统性综述，具有重要的学术价值和实践指导意义。学术价值在于：首次提出了一个系统性的三维框架（概念、方法论、价值）来解构SD集成LCA这一交叉领域，为该领域的理论研究提供了清晰的分析范式；通过严格的文献筛选和深入的计量与内容分析，清晰地梳理和定义了两种主要的集成类型（类型I和类型II），并明确了各自的适用情境，为后续研究的方法论选择提供了依据；全面总结了集成方法的优势（如动态性、系统性）和面临的挑战（如互操作性、数据不确定性），并精准地指出了三个维度的知识缺口，为未来的研究方向绘制了路线图。实践指导价值在于：为技术开发者和政策制定者提供了一个关于如何结合动态系统思维与全生命周期评估来设计更可持续的产品、工艺和政策的综合视角；其结论和建议有助于推动开发更有效的环境情景分析工具，支持在动态变化的世界中制定更具远见和可持续性的战略决策。这篇综述不仅是对过去十余年研究的系统性总结，更是推动SD与LCA深度融合发展、提升环境决策科学性的重要参考文献。