第三章 研究內容
第二節 研究採用方法之原因
如上述，既然碳足跡資料庫生成的方法論與軟體尚未標準化，甚至其地理性、
工業技術、計算邊界也有很大差異，可能被質疑其信賴度。事實上，制定 EBC Annex 57 標準的 IEA 自己均明確指出: 現行蘊含碳排計算法有(1)不同量化方法論、(2) 不明確或不同系統邊界、(3)欠缺正確或高品質的數等三大問題(IEA, EBC Annex 57, 2016, Subtask3 Report)。
首先，讓我們來一窺碳足跡資料庫方法論所產生的誤差。有 IEA 之研究列舉 在澳洲的 PB 法、IO 法、複合法三種方法所產出建材碳排資料即有表 3-4 所示之差 異，另外在日本國內不同統計方法也出現如表 3-5 之差異。
表 3-4 澳洲三種不同方法 EC 數據之差異(取自 IEA, EBC Annex 57, ST3 report) PB 法 複合法 IO 法
1.蒸壓加氣混凝土 3.5 4 6.8
2.鋁 154.3 252 378
3.家電設備 301.1 250 301
4.磚 8.2 3.3 5.4
5.地毯 74.4 288 212
6.磁磚 9 22 32
7.陶土屋瓦 6.5 20 17
8.混凝土 1.1 1.8 2.4
9.混凝土鋪面 2 32 32
10.混凝土磚 2 4.8 4.5
11.實心門 23 74 74
12.空心門 23 48 48
13.玻璃 13.5 168 83
14.玻璃纖維隔熱材 28 172 107
15.發泡隔熱材 154.3 370 303
16.水泥砂漿 1.3 1.8 2.6
17.油漆 80 284 194
18.灰泥 1.8 27.2 8.9
19.石膏板 2.7 7.4 27.2
20.塑膠 87 64 163.4
(資料來源: IEA, EBC Annex 57, ST3 report)
第三章 研究內容
砂礫採石 0.00642 0.00568 0.00103 0.00103 碎石 0.00781 0.00693 0.00117 0.00117
資料來源：取自空氣調和衛生工學會，1995，p.56，經本文換算成碳排量 註：
＊1：安岡，1993，p.109，＊2：酒井，1992 ，＊3：酒井，1993 ，
＊4：外岡豐，1994，＊5：日本建築學會，1992
(資料來源: 取自空気調和・衛生工学会，1995，p.56，經本文換算成碳排量)
第三章 研究內容
17
另外，Dixit 曾分析約 100 篇有關住宅 EE 研的究論文發現，即使排除了不同 國家地理之差異，在相同澳洲境內因採用不同的資料庫統計法所得出的 EE 密度之 差異如圖 3-1 所示，其結果顯示採用複合 PB 法與複合 IO 法之資料庫所計算的住 宅 EE 密度約為採 PB 法與 IO 法之計算結果的兩倍，另外採複合 IO 法資料庫所計 算的住宅 EE 密度略高於採複合 PB 法的計算結果(Dixit M. K., 2017)。這些調查 研究均顯示採用不同方法所製作之數據差異參差不齊，有時差異甚至高達數倍。
圖 3-1 澳洲境內不同方法數據庫所計算之住宅蘊含能源 EE 密度之差距 (資料來源: 改繪自 Manish K. Dixit, 2017)
由上可知碳足跡資料庫只要採用不同方法來製作，即使在同一國家中也可能 內涵巨大差異，這更不用說是不同國家資料庫之差異了。例如，有一 IEA 的報告 (IEA, EBC Annex 57, ST3 report)曾調查不同國家資料庫關於相同鋁材的 EC 數 據如圖 3-2 所示，此圖以澳洲數據為準，各國資料庫誤差可達 59%~113%之多。
又例如 Pomponi 曾針對 2012~2017 五年期間有明確揭露碳排係數、計算邊界、
數據來源的 EC 相關研究論文，以 EN15978 各階段定義檢討之後，發現這些論文所 採用的結構材在 A1~A3 階段的碳排數據差異如圖 3-3 所示，其最大值與最低值之 比值甚至高達 284%~1044%(Pomponi, F. et al. 2018)。
上述為原材料之 EC 數據差異，應用這些數據來執行建築產業 LCA 之結果當然 隨之產生差異，甚至誤差更形擴大，例如在澳洲針對一棟商業建築與一住宅建築 採用三種資料庫所產生的 EC 密度之差異如圖 3-4 所示，該誤差最高可達 2~3 倍之 多。
圖 3-2 不同國家數據庫的鋁材 EC 數據差異 (資料來源:IEA, EBC Annex 57, ST3 report)
圖 3-3 不同論文所引用的結構材之 EC 係數差距甚大
(資料來源: 改繪自 Pomponi, Francesco and Moncaster, Alice, 2018.)
圖 3-4 不同方法資料庫所計算的建築物蘊含耗能之差異 (資料來源:Oka, 2013)
第三章 研究內容
19
由上碳足跡資料庫相關之差異分析可知: 當前全世界關於 EC 的研究，由於不 同方法論、不同國家、不同計算邊界之差異，其定量分析結果常隱藏非常驚人的 誤差，因此不同研究之間的定量比較是不可靠且危險的(但定性研究與策略分析尚 可)，此乃執行建築產業 LCA 研究者應引以為戒之處。有鑑於此，ISO14040 定義這 些誤差為不確定因素，且強調 LCA 必須設法排除之。Dixit 認為 EC 的不確定因素 起因於: 系統邊界、地理性、數據新舊、數據完整性、內涵能源(如橡膠與塑膠產 品內含的石油能源)、分析法、能源類別、數據來源、生產技術、數據時間性等因 素(Dixit et al. 2010)。
然而，這些不確定因素不勝枚舉且防不勝防。例如數據的地理代表性，關係 到營建材料、營建與預鑄工法、運輸方式與距離、燃料品質、能源碳排係數、經 濟系統之差異而有極大差異。況且碳足跡資料庫均必須由能源碳排係數換算而成，
但如表 3-6 所示，由於各國的能源碳排係數差異甚大，其差異有時高達數倍，因 此不同國家的碳排數據根本難以對等比較。Menzies 等甚至指出錯用能源數據可招 致三倍的差異，光是能源關稅差異即可招致 2.5%的能源計算誤差(Menzies, et al.
2007)。另外生產技術也隱藏一些盲點，像中國、印度採用較高人力密集的生產技 術，由於人力依 PAS2050 之規定不必被計入資料庫，但 Dixit 的研究指出像石材 製造的人力耗能可能佔有 9%，因此不計入人力的碳排數據可能會失真。在生產技 術代表性上，後進國家的資材製造碳排通常比先進國家大，因為建材生產技術可 能改善能源效率而降低碳排，例如 Shunsuke 曾發現日本辦公建築的 EE 由 1965~2000 年間降低了 50%，如圖 3-5 所示(Dixit MK, 2017)。
表 3-6 2010 年各國電力碳排係數（KgCO2/kWh)
國別 台灣 中國 新加坡 日本 加拿大 美國 德國 挪威 碳排係數 0.532 0.766 0.499 0.416 0.186 0.522 0.461 0.017 (資料來源:取自 International Energy Agency,"CO2 emissions from fuel combustion" ,2012）
圖 3-5 日本因製造技術提升使辦公建築的 EE 由 1965~2000 年間降低了 50%
(資料來源:Dixit, 2017)