作为LCA社区的一名相对年轻的成员，在PRé成立的同一年出生，我理所当然地认为在许多技术问题上已经达成了共识。处理数据转换，实施数据库和影响评估方法SimaPro，然而，很快让我回到现实。即使在2016年，获得大量数据的途径也很有限，因为在技术细节上没有达成共识。这确实清楚地说明了为什么互操作性是描述LCA数据库的理想形容词。

过去就数据集格式或实体命名达成一致的努力并没有产生一个被广泛接受的解决方案，而是产生了几个替代方案。多年来缺乏协调导致了相当令人沮丧的情况，来自不同来源的数据很难组合在一个研究中，大量时间花在转换上，这导致了信息的丢失。然而，我们现在正处于LCA数据(如国家数据库和数据库)动态发展的阶段PEF数据)，各结盟计划再度取得进展。不达成共识可能带来的后果——旨在解决同一问题的标准激增，加剧了这种动力。在最坏的情况下，它们是相互矛盾的。在任何情况下，它们都会导致进一步的碎片化，将从业者进一步推开，并使数据访问和数据交换更加复杂。我们已经看到了加入LCA社区的国家创建的新数据格式的例子，这些国家从未选择遵循一种解决方案。

名字意味着什么?

当您在SimaPro等软件中使用数据集时，LCA中物质命名的差异和不一致可能不明显。它们通常出现在较早的阶段。无论如何，这些差异是显著的，并可能导致数据库实现中的错误．如果整个LCA社区都认识到并集成了流的通用列表，那么这个问题将被扼杀在萌芽状态全球LCA数据接入网络(GLAD)是提倡的。GLAD是一项政府间倡议，旨在将国家和商业数据库结合起来。他们的命名法工作组正在努力就流的命名达成共识。

就在几个月前，主持GLAD倡议的联合国环境规划署聘请了一名生命周期评估术语顾问为了支持工作组，将其成果整合到“生命周期清单(LCI)数据集的单一映射文件”中，并对现有的命名系统进行批判性审查。预计将于今年10月交付，绘制和审查将为协调LCA数据库中的命名法奠定坚实的基础。

这是一个积极的发展。但是这将如何影响使用其他命名法的计划呢?例如，JRC的生命周期数据网络欢迎来自任何数据开发人员的数据，只要它满足入门级要求，例如遵循ILCD命名法。

数据质量也存在类似的问题

开发不一致且没有数据集质量指示的数据库可能难以使用且容易受到质疑。我们更希望有另一种方式。人们经常提到高质量的数据对于一个健壮的LCA是多么的重要，但是对于质量标准却没有共识。

根据具体标准评估数据集的目标不是给任何开发人员贴上不称职的标签，而是强调每个数据库的优点，并确保根据研究的目标和范围正确应用数据。与命名法一样，数据质量缺乏一致性导致了几个独立开发的数据质量系统。

正在制定数据质量标准

来自这些系统的经验现在正由环境规划署赛特tac进行汇总，该机构的旗舰活动专门用于数据和数据库管理．目的是利用来自全球指导原则为LCA数据库提供更可操作的方式。根据作者的说法，他们的动机之一是回答那些建立国家数据库的国家在这一领域的请求，并寻求更有经验的LCA玩家的支持。

一套标准草案已经用于第一次评估。经过一轮反馈和改进后，这些标准将应用于澳大利亚、智利和泰国的数据集。通过建立一个数据库管理人员和培训人员网络，以支持今后执行质量标准，将确保这项倡议的长期性。

环境保护署就数据质量提供高级指导

数据质量标准的问题也引起了美国环境保护署(环境保护署)的注意，该机构也参与了环境规划署/SETAC在数据质量领域的活动。2016年6月，美国环保署发布了生命周期库存数据质量评估指南在流和流程级别上使用一组更新的数据质量指标。改进指标的原因之一是质量评估的结果不可重复。EPA要求12名LCA从业人员使用不同的数据质量系统评估同一数据集的质量，结果的一致性被描述为非常差。

的指导该文件还包括关于未来发展的有趣评论——该倡议正在寻求为模型级别创建指标，数据质量分数的汇总，并对清单和影响评估方法中的基本流进行匹配评分。

慢慢达成共识

很明显，在数据命名和质量标准上达成共识是一个反复出现的问题。数据标准化将在效率、互操作性和质量保证方面取得巨大进步。使用标准化的数据将使LCA从业者更容易进行评估、信任和评估使用来自不同来源的数据，不管使用什么软件进行lca。这种急需的共识尚未达成。但这一次，这些倡议有几十年的经验可供利用。