• 全面总结了前瞻性生命周期评价(PLCA)在碳中和中的应用。

• PLCA 框架旨在实现碳中和。

• 提出了一种在 PLCA 中求解有限数据的方法。

• 提出了如何为政策制定者理解 PLCA 的结果。

为实现碳中和目标，低碳、零碳及负碳技术的开发与应用对能源与产业结构转型具有关键作用。前瞻性生命周期评价（PLCA）通过建立面向未来的环境影响评价框架，为这一转型过程提供重要支撑工具。该评估方法不仅关注技术规模化，还关注资源利用效率与能源系统优化。然而现有PLCA框架普遍面临数据局限性及评价模型不一致性带来的挑战，可能导致环境影响评估的不确定性。本研究提出构建科学稳健的PLCA框架，旨在降低模型不确定性并支撑碳中和目标的实现。

本文在系统梳理PLCA研究与应用现状基础上，聚焦其在工业、交通、建筑、农业等重点领域低碳、零碳及负碳技术评估中的核心作用，揭示PLCA支撑未来技术发展必须解决的关键问题。通过优化后的PLCA框架，为技术选择与能源优化决策提供方法论支持，为政策制定者推进碳中和战略提供兼顾环境可持续性与经济可行性的实施路径。

图 1.PLCA 与碳中和之间的关系

图 2.（a） 全国合作地图和 （b） 关键字聚类地图

图 3.传统 LCA 和 PLCA 在技术研究中应用的过程比较

图 4.PLCA 的技术框架

图 5.从废物流中生产多羟基脂肪酸酯的系统边界

（修改自 del Oso 等人（2023 年）的系统边界）)

图 6.葡萄芽产生的化学物质的系统边界。（1） 乳酸等葡萄芽生产的系统边界;（2） 乳酸和糠醛等葡萄芽生产的系统边界（修改自 Pachón 等人（2020 年）的系统边界）)

图 7.基于 IMAGE 模型的 Ecoinvent 数据库优化。

（修改自 Chester 等人（2020 年）提出的 n 数据库优化）)

图 8.基于 LCA 数据库的 LEAP 模型排放因子优化和环境影响评价（修改自 Chen et al. （2021） 提出的排放因子优化）

图 9.PLCA 中的机器学习框架。

（修改自 Davies 等人（2023 年）提出的机器学习框架）)

图 10.所提出的方法概述（来自 Spreafico 等人（2023 年）)

图 11.确定潜在生物多样性的评估指标。

（修改自 Lucas 等人（2023 年）提出的评估指标确定）)