首先要纠正“计算值对真实值”的二元对立

常见的一种说法是，排放因子法只是估算，而直接测量才是真实值。另一种说法则认为，现场传感器波动较大，只用官方排放因子更稳妥。两种说法都过于简单。排放因子法是把在特定总体和条件下获得的代表性关系应用于活动数据的模型；直接测量同样包含模型，用于把有限地点、有限时间的观测扩展到农场边界和较长时期。

在IPCC的基本框架中，排放量按活动数据与排放因子的乘积计算。畜牧业肠内发酵Tier 1使用动物子类别的数量和默认排放因子。Tier 2利用总能量摄入量、甲烷转化率和更细分的畜群信息，计算更贴近农场或国家条件的因子。Tier 3可以使用国别高级模型或国家特有的因子和数据。但方法层级更高并不自动保证准确性，还必须有高质量的输入数据和方法作为支撑。在现场进行了直接测量，也不会自动使其成为Tier 3。

直接测量也要区分究竟直接观察了什么。呼吸室可以精确捕获单个动物在一定时期内的肠内发酵甲烷，但饲养环境可能因此改变。SF₆示踪法以及头箱或自动饲喂式spot-sampling更贴近现场，但会受到动物到访行为、采样天数和设备假设的影响。利用畜舍浓度和通风量进行质量平衡，可以观察畜群层面的排放，但空间混合和流量估计是关键。没有任何一种方法能无条件提供绝对值。

两种方法得出相近结果的条件

当适用条件高度匹配时，排放因子法与直接测量的结果可能相近。如果畜种、生产阶段、体重、饲料摄入量和质量、生产性能、气候及粪污管理方式接近因子开发数据所代表的条件，同时实际饲养头数和运行天数准确，因子法的期望值就会接近现场的长期平均值。

直接测量方面也必须抽取足够数量的动物和足够长的时期，涵盖季节与运行状态，并妥善管理背景浓度、通风量、缺失数据和校准。测量边界必须与因子边界相同。例如，如果因子只表示肠内发酵，而畜舍传感器还包含粪污坑的甲烷，两者没有理由一致。

两个结果相近可能是良好的交叉核查信号，但并不意味着彼此独立证明。如果Tier 2模型的输入使用直接测量数据进行校正，两个数值就共享了共同数据。相同的饲养头数或摄入量错误也可能同时进入两个结果。因此，不仅要看是否一致，还要核查数据之间的依赖关系。

结果出现差异的第一个原因：农场不同于平均条件

默认排放因子是较大总体的代表值。即使是同类牛只，体重、生长或泌乳阶段、干物质摄入量、饲料消化率及粗蛋白、脂肪和纤维组成、生产量不同，甲烷排放也可能不同。IPCC 2006指南指出，Tier 1因子可能无法准确代表各国的牲畜特性，肠内发酵Tier 1因子的不确定性可能约为±30~50%。Tier 2的不确定性同样取决于畜群分类和因子关系与实际条件的吻合程度。

如果存在低甲烷饲料或添加剂等默认因子尚未反映的管理变化，差异可能更大。但直接测量值低于因子值这一事实本身不能证明添加剂有效，因为因子的平均条件可能原本就不同于该农场的初始条件。减排效果应与同一农场的适当基线或同期对照组比较。

粪污管理也容易偏离平均条件。储存温度、停留时间、固形物含量、覆盖、搅拌、清运频率和厌氧条件都会影响甲烷转化。如果国家或地区默认值与实际系统构成不符，或管理比例已经过时，就会与直接测量产生结构性差异。此时，差异可能不是传感器错误，而是因子的适用性问题。

第二个原因：边界与单位不同

排放因子通常以kg CH₄/head/year等单位表示某一特定来源的年平均值。现场传感器记录ppm，或估算某个特定排放口的kg CH₄/h。要比较这些值，必须统一气体、来源、畜群、时间、基准状态和分母。

如果畜舍测量同时捕获肠内发酵和畜舍内部的粪污排放，而计算时只乘以肠内发酵因子，直接测量值可能更高。相反，如果畜舍传感器没有观测到放牧期间的排放，直接值可能更低。粪污储存池在畜舍外时，用全农场因子与单栋畜舍测量值比较，边界同样不同。

饲养头数也不是简单的月末数字。如果引进、出栏和死亡导致头数变化，可能需要使用animal-days。因子应用于年平均头数，而直接测量只在最大饲养期进行时，时间权重就不同。按活重、产奶量或增重进行归一化的结果，与简单的单位动物结果也回答不同的问题。

第三个原因：直接测量不能代表实际长期平均值

直接测量值很具体，并不意味着它具有代表性。如果只测量饲喂后的几个小时、天气稳定的几天或部分动物，所得数值只代表这些条件。甲烷会随昼夜周期、摄入模式、生产阶段和季节变化。把短期测量值乘以365天，也会同时放大采样期的偏差。

呼吸室需要管理回收率试验、动物适应以及不同舱室之间的差异。SF₆法中，渗透管释放速率、背景样本和收集时间很重要。spot-sampling设备要求动物访问设备的时段和次数能够代表全天。FAO汇总的测量技术比较也表明，各种方法的成本、适用环境、个体或畜群层级及局限各不相同。

在畜舍质量平衡中，通风量可能是比浓度更大的不确定性来源，尤其在自然通风环境中，各开口的流量和方向不断变化。如果把名义通风量乘以室内单点浓度，即使结果有精确的小数位，总量也可能错误。必须同时检查传感器校准、空间代表性、背景浓度和时间同步。

第四个原因：因子的时期与直接测量的时期不同

默认因子反映的是过去多项研究的平均值或某一基准年的条件。当品种、生产性能、饲料和粪污管理发生变化时，就会与当前农场产生差异。IPCC 2019 Refinement并不是替代2006指南的一套独立体系，而是以新的科学信息对其补充；国家清单应当一致地采用相关指南和最新勘误。

直接测量也会随设备和算法版本而在时间上发生变化。如果更换传感器、改进通风模型或改变缺失数据处理后不重新计算历史数据，时间序列的断点就可能看起来像减排。因子法持续使用同一因子，可能对实际变化不敏感；直接测量法则可能对方法变化过于敏感。无论采用哪一种，都需要一致的时间序列和重新计算政策。

根据目的区分两种方法的作用

对于国家或地区清单等需要一致覆盖大量农场、而现场测量数据有限的任务，排放因子法构成基本框架。如果是关键排放源并且有详细活动数据，可细化到Tier 2。方法越高级，对数据和QA/QC的要求也越高，因此应根据重要性和资源进行选择。

若要观察单个农场的运行变化、饲料干预的短期响应或特定设施的排放，直接测量可以提供更多信息。但要把结果扩展为农场年度减排量或碳信用，就必须遵循相关方法学对基线、额外性、监测期、泄漏、不确定性和核查规则的要求。安装了传感器这一事实本身不能取代基于因子的基线。

在实务中，混合方法很有用。整体清单通过因子确保完整性，而关键来源、变动较大的畜群和减排活动则通过直接测量进行校正或核查。用直接测量数据开发农场特有因子时，必须确认样本能够代表季节和畜群，并明确适用范围和有效期。未直接测量的时期和来源应透明地建模。

用于调查差异的调节表

当两种方法得出不同结果时，首先把结果换算为相同单位和时期。其次，使肠内发酵、畜舍粪污、储存池等各来源的边界一致。核对animal-days、体重、摄入量和生产量，并查看直接测量的有效数据率与季节适用范围。然后，检查排放因子对地区、畜种和生产体系的适用性及其版本。

不要把差异留作一个总残差，而要拆分成可以解释的项目，包括边界差异、活动数据差异、因子适用差异、测量与通风不确定性、时间外推以及尚未解释的残差。为每一项附上依据和不确定性，就能看出应优先改进哪些数据。

不得为了匹配直接测量值而随意调整因子，也不得为了匹配官方因子而校正传感器数值。建立调节因子需要独立核查、充足样本和预先定义的统计程序。与其掩盖差异，不如报告其原因和适用范围，这样更可信。

执行核对清单

  • 所比较的两个结果是否具有相同的气体、来源、空间边界、时期和单位？

  • 采用的是Tier 1、2、3中的哪种方法，是否记录了因子和输入数据的版本？

  • 该因子是否代表实际畜种、体重、生产阶段、饲料和粪污系统？

  • 是否没有采用简单的月末头数，而是使用了反映引进和出栏情况的活动数据？

  • 直接测量是否涵盖昼夜、季节、通风模式和主要运行事件？

  • 是否核实了将浓度换算为质量排放时使用的通风量和背景浓度？

  • 肠内发酵和粪污排放在测量或计算中是否没有重复或遗漏？

  • 方法改变时，是否对历史时间序列进行一致的重新计算？

  • 是否将差异拆分为边界、活动数据、因子、测量、外推和残差？

  • 减排主张是否并非简单地与因子比较，而是遵循适当的基线、对照和核查规则？

结论：不同的数值不是失败，而是问题的起点

排放因子与直接测量不是相互排斥的替代方案。因子以一致方式填补广泛范围，直接测量则观察实际农场的变化和对干预措施的响应。当平均条件不同于现场条件、边界、时期或活动数据不匹配，或者直接样本不能代表长期平均值时，两者结果就会不同。

重要的不是立即决定采用哪一个数值，而是先使两个数值观察同一对象，再把差异拆分为可解释的原因和不确定性，并确定适合目的的结合方式。经过这一过程，不一致就会成为了解数据质量和农场特性的核查信号。如果省略这一过程，一个看似更精确的数值反而会造成新的误解。

来源