1） 数据质量：LCA描述的对象是复杂的产品生产与消费活动，具有大尺度的时空跨度，而且这种活动不断变动，因而难以反复测量并统计分析。因为这些原因，LCA的数据质量评估与控制是比较困难的问题。目前Ecoinvent和CLCD数据库建立了较为体系化的方法，采用不确定度参数，可以量化评估LCA结果的质量。

2） 多功能系统：LCA总是希望描述单一产品造成的环境影响，但在实际的生产过程中，常常存在副产品或附加功能（例如在处置废弃物的同时，再生回收了材料或能源），这意味着总的环境影响应该由多个产品或多个功能分担。常见的处理方法包括分配法（将总的环境影响分解到各产品/功能上，例如按物理化学性质或经济价值）、避免负担法（如果其中某种产品可以通过其它替代技术生产出来，则从总的环境影响中扣减替代技术造成的环境影响）、扩展系统边界法（放弃计算单一产品/功能的环境影响，而计算一组产品/功能的影响。我觉得这是“跑题法”，连初始的问题都改了）。尽管ISO给出了一些原则建议，但在实际LCA案例中，常常难以判断什么是最好的处理方法，因而使得LCA结果带有主观性。为此ISO建议应该针对分配方法进行敏感性检查。

3） 环境影响的区域化：LCA试图将生命周期各个阶段、发生在不同地点的环境影响累加在一起，从而系统地进行分析。但很多资源消耗或环境排放所造成的环境损害具有显著的区域差别，例如同样的用水量，在干旱地区意味着水资源损耗更大；同样的酸沉降，在土壤敏感的地区造成的生态损失更大。在LCA里试图用特征化因子衡量环境损害的相对大小，因此特征化因子（尤其是end-point因子）必须包含地区环境差异，才能体现环境影响的区域化（但因而这些因子也不再适用于其他地区）；另一方面，资源消耗和环境排放等清单数据也必须包含地区信息，才能真正支持区域化分析（但这在数据库中实现是十分困难的。例如，我们为支持ECER方法而在CLCD数据库中区分了发生在国内和国外的数据，就是最简单的一种区域化形式）。

4） 综合环境评价指标：产品生命周期总是造成多种类型的环境影响。在对比分析两种方案时，不同的环境影响类型指标很可能相互矛盾，使得LCA评价无法得出明确的结论。为此，传统上LCA采用权重因子衡量不同指标所代表环境损害的严重性，以此将“潜在的环境损害”累加在一起，得出综合指标以及明确的对比分析结论。但权重因子不可避免地包含着主观因素，削弱了LCA评价的客观性和科学性。我们的ECER指标不是基于对环境损害严重性的主观判断，而是基于政策目标的大小，避免了人为主观性，提供了另一种得出综合指标的方法。

虽然局限性讲了很多，但只要是评价产品环境影响的方法，这些局限性总是会出现的。所以LCA并不是最完美的工具，但比起其他方法，优点还是主要的，大家继续努力吧。