3.1 廢棄物處理之生命週期評估 3.1.1 系統邊界及功能單位
1. 系統邊界
一般廢棄物處理之系統邊界，係指消費者將生活用品丟棄變 成廢棄物開始，至廢棄物掩埋、焚化、或轉為其他有用資源，區 分廢棄物之生命週期為收集、運輸、處理及掩埋等階段。
由於我國垃圾資源之回收收集，是隨垃圾收集系統進行，可 假設垃圾掩埋、焚化、資源回收等之收集、運輸能源消耗相同，
因此，本研究之生命週期評估將系統邊界限定以廢棄物處理單 元，如圖4.1。
System Boundary Household
waste generated Collection &
Transport
Incineration
Landfill
Material
Emissions CO2,N20
Landfill gases CH4, CO2
Figure 4-1. The system boundaries of alternative waste treatment.
2. 功能單位
廢棄物處理單元，以垃圾掩埋及焚化處理單元之溫室氣體排 放，即CH4、CO2、N2O 等三種氣體。廢棄物生命週期評估之功能 單位，以每噸廢棄物之溫室氣體排放量(kg CO2 equivalents/tonne waste)為衡量基準。 量總值不受影響。IPCC 法以一階反應法(First order decay)或 IPCC 預設法，推估CH4 排放：
Lo(x): 甲烷產生潛勢[MCF(x)•DOC(x) •DOCF•F•16/12]
DOCF：可分解有機碳實際分解成沼氣因子(%)，IPCC 值設定為0.77。
F：沼氣中 CH4含量(%)，一般假設 CH4及CO2含量各 佔50﹪，
16/12：CH4-C 之轉換率
R：CH4回收量(%)，台灣之掩埋場大部份無 CH4回收。
OX：氧化因子(%)，取 0。
甲 烷 產 生 潛 勢(L0)中之可分解有機碳（ Degradable organic carbon, DOC）百分比，IPCC 法根據廢棄物物理組成分析求得，計 算式如下：
D C
B A
DOC=0.4× +0.17× +0.15× +0.30×
% (3-4)
其中，A: 紙類、纖維布類，B:落葉類或其他非廚餘有機可腐敗類，
C: 廚餘類，D:木材、稻草類（台灣無此數據）。
至於廢棄物掩埋處理之 CO2排放量，IPCC 並不估算可分解有 機碳產生CO2排放量，本研究由式 3-3 及 CO2-C 轉換率 44/12，估 算可分解有機碳產生之CO2排放量。
2.焚化處理之 CO2及N2O 排放量估算
廢棄物焚化後所產生的CO2，係因廢棄物組成分中的碳與氧燃 燒反應產生，其中碳成分包括可分解有機碳及石化碳，可分解有 機碳如紙類、纖維布類、廚餘類、木材、稻草類等，石化碳如塑 膠類。
廢棄物焚化 CO2排放量，IPCC 法僅計算石化碳產生之 CO2， 推估式如下，但本研究不區分可分解有機及石化碳。：
[ ]
∑
× × × ×= (44/12)
2emissions IW CCW FCF EF
CO (3-5)
其中，IW：廢棄物焚化處理量（tonne/year），
CCW：廢棄物組成分碳含量百分比（﹪）。
FCF:石化碳百分比（﹪）， 本研究將可分解有機及石化 碳一併計算，取 1。
EF：燃燒效率，0.95-0.99 44/12： CO2-C 轉換率。
至於廢棄物焚化產生N2O 排放量，IPCC 之推估式如下：
∑
× × −= 6
2O (IW EFi) 10
N (3-6)
其中，IW：廢棄物焚化處理量（tonne），
EFi：綜合 N2O 排放因子。
3.1.3 生命週期衝擊評估 1. 評估模式
生命週期衝擊評估模式，本研究以等價評估模式計算各單元 之環境負荷， 若衝擊類別指標 i 有數種影響因子 j 共同造成，假 設衝擊類別指標與影響因子間為線性關係，則生命週期衝擊評估 之等價評估模式，衝擊類別指標i 之環境衝擊量之計算，可以方 程式(3-7)表示如下：
ij i j
j j i j
i C q e
C =
∑
, =∑
, × , (3-7)其中，Ci：衝擊類別指標 i之環境衝擊量，
Ci,j：影響因子 j、之指標 i 環境衝擊量，
qi.j：影響因子 j 之排放量，
ei,j：影響因子之等價因子
2. 衝擊類別指標
本研究選擇溫暖化潛勢（GWP）為衝擊類別指標。造成溫暖 化潛勢之溫室氣體，包括 CO2、CH4、N2O 等。由於 CH4、N2O 為強勢溫室氣體，其直接或間接輻射效果相當於 11、270 倍的 CO2溫室潛能，因此 CO2當量年排放量計算如下(IPCC, 1996)：
∑
+ += ( 2 11 4 270 2 )
2equivalent emissions CO CH N O
CO (3-8)
3.2 機率不確定性分析方法
選擇不確定性之分析方法，大部分視不確定性定義及可得數 據而定。而生命週期評估之最大弱點，主要以數據品質不佳及衝 擊模式結構誤差造成。本研究以機率分布函數描述輸入參數，表 達不確定性之範圍。有關機率概念，可分為頻率觀點之機率 (Frequentist view of probability) 及 主 觀 機 率 (Subjective probability)。其中頻率觀點機率，需經由大量量測樣本資料，求得 相對頻率分布，因此，其機率分布之參數推論，係基於大量數據 樣本求得，若無足夠數據便無法量化機率分布。
然而，生命週期評估之輸入數據經常處於數據缺乏或小樣本 的情況下，不適用頻率觀點機率。因此，本研究嘗試以主觀機率 觀點，先根據專家主觀判斷之分布，進行蒙地卡羅模擬，再透過 貝氏推論(Bayesian inference)結合事前機率(主觀判斷)與概似函數 (統計或場址數據)，更新成事後機率，強化既成模式體系，以降低 不確定性。
3.2.1 蒙地卡羅法
蒙地卡羅模擬(Monte Carlo simulation) 為數值法之一種，其參 數以機率分布函數表示。模式輸入參數若具有不同之機率分布，
如常態分布、均勻分布…等，解析法不易導出模式輸出之機率分 布，但藉由蒙地卡羅模擬可快速計算出模式輸出之機率分布，稱 為混合分布(Mixture distribution)。
1. 模擬程序
本研究以Crystal Ball 2000 軟體模擬，其模擬過程如下：
(1)選擇生命週期盤查數據之機率分布，機率分布參數可根據所收 集之數據(Raw data)繪成機率分布圖後求得。若無法收集到相關 數據，則基於主觀判斷及經驗選擇適用之機率分布。
(2)設定蒙地卡羅模擬抽樣次數。 級相關(Rank correlation)之相關係數進行分析，假設參數隨機變數 變動時，計算隨機變數與蒙地卡羅模式輸出值之相關係數，正值 代表參數變數增加時輸出結果隨之增加，反之則減少。
3.2.2 貝氏蒙地卡羅法
貝氏蒙地卡羅模擬，即結合貝氏推論與蒙地卡羅模擬，以蒙 地卡羅分析初始設定之隨機抽樣，再以概似函數更新現有參數之 不確定性，貝氏蒙地卡羅模擬以Crystal Ball 2000 之套裝軟體進行 隨機抽樣，結合以本研究以Visual Basic 巨集撰寫之貝氏更新副程 式進行不確定性之更新模擬。
1. 貝氏定理
貝氏定理(Bayes theorem)由條件機率(Conditional probability) 與全機率定理推導。若 A, B 為樣本空間(Sample space) S 內之事 以全機率定理(Theorem of total probability)展開，貝氏定理之事後 機率可表示如下：
( ) ( ) ( )
分布 分布函數(Cumulative distribution function)估計如下：
∑
= i i
C c p C
F' ( ) '( ) (3-16)
事後機率分布的統計性質，可以事後機率密度分布計算，每 (Standard Deviation)之關係：
) (X
= V
σ (3-19)
無因次的變異係數CV(Coefficient of variation)表示：
µ
=σ
CV (3-20)