关于Brightway2 print_recursive_calculation结果的LCA归因疑问

一、Absolute Score的逻辑误区纠正 #

你遇到的二级活动得分高于0级的情况，核心是对层级统计范围的误解：

• print_recursive_calculation里的0级活动得分，通常指前景系统自身的直接排放/影响（不包含上游供应链的贡献）
• 二级活动（如market for polypropylene, granulate）的absolute score，是该单元过程为满足前景系统需求，整个上游供应链产生的总影响（包含聚丙烯生产、原料开采、能源消耗等全链条排放）
• 两者是相加关系：前景系统的总生命周期影响=0级直接影响+所有上游层级的贡献值。所以上游节点得分高于0级是完全合理的——很多制造类场景中，上游原材料生产的排放远高于成品组装的直接排放。

二、30.43kg用量的来源 #

这个数值是工具通过生命周期需求传递自动计算的结果：

• 你在前景活动中定义的聚丙烯使用量是净需求量（比如成品中需要29kg聚丙烯）
• 工具会调用数据库中聚丙烯供应链的损耗系数（比如生产、运输、仓储环节的损耗），反向计算上游市场需要提供的总供应量，也就是你看到的30.43kg。

三、生成目标可视化结果的方法 #

要得到层级化的排放归因图（如桑基图、贡献堆栈图），可以按以下步骤操作：

1. 导出递归计算数据：用print_recursive_calculation导出所有层级的单元过程名称、absolute score、用量数据，整理成树形结构（父节点-子节点关联）
2. 选择可视化工具：
   • 代码实现：用Python的plotly.graph_objects绘制桑基图，将用量作为节点间的流量，absolute score作为节点的影响权重
   • 工具内置功能：如果用OpenLCA或Simapro等专业LCA工具，直接进入「贡献分析」模块，选择「递归贡献视图」，即可自动生成从前景到上游供应链的层级化归因图
3. 调整展示维度：根据需求筛选影响类别（如全球变暖潜势），合并低贡献节点，让核心排放源更清晰。

内容的提问来源于stack exchange，提问作者tropicalbath