助力碳中和的碳排放数据监测技术与应用深度解读（一）

2021 年 4 月 22 日，《巴黎协定》签署 5 周年之际，世界领导人气候峰会云端召开，中国提出构建“人与自然生命共同体”。7 个月前，2020 年 9 月，中国宣布力争 2030 年前实现碳达峰（二氧化碳排放达到历史峰值）、2060 年前实现碳中和（二氧化碳净零排放），这是迄今为止世界各国中作出的最大减少全球变暖预期的气候承诺。

作为全世界最大的发展中国家与碳排放大国，中国在全球气候治理方面肩负起史无前例的责任，也展现出大国担当的勇气。中国需要用仅 30 年的时间从碳达峰到实现碳中和，碳减排的斜率远远陡峭于欧美国家，未来 40 年里中国预期一场变革性的能源结构与经济增长绿色转型。

背负起碳中和历史重任的，是今天和明天的青年一代，他们的思想和行动关系着未来。日前，络绎学术 Online 邀请了多位从事碳中和相关领域研究的青年科学家进行对话，他们从各自研究的角度出发分享了对于碳中和的深入见解（排名不分先后，文末有视频链接）：

以下内容是本系列第一篇：助力碳中和的碳排放数据监测技术与应用深度解读。

国家提出碳达峰和碳中和的全国整体目标后，接下来各省市和各部门将对目标进行逐层拆解。基于多元维度的行业数据，利用科学测算方法得到的具备超高时空分辨率的碳排放数据价值潜力巨大，它将帮助政策制定者从行业、空间、时间等多个维度构建起对碳源、排放路径、排放量等关键因素的系统认知，这是制定科学合理的减排方案的前提和基础。

同丹：全球能源基础设施气候锁定效应严重威胁 1.5 摄氏度温控目标，大数据为基础设施低碳转型路径提供精确指引

中国和一些国家承诺 2050-2060 年前后实现碳中和的背后，是力图将温度上升目标控制在 1.5°C 上下。2018 年 10 月，联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）发布了《全球升温 1.5°C 特别 告》（Global warming of 1.5°C）， 告主要评估了将升温控制在 1.5°C 的重要性、与升温 2°C 相比带来的不同影响、以及具体实现路径。这是国际社会在 2015 年《巴黎协定》通过 2°C 温控目标的基础上，近一步提高了各国应对全球气候变暖的要求。

在 1.5°C 的温控目标下，我们还有多少碳排放空间呢？根据 IPCC 告，自 19 世纪下半叶至 2017 年底，人类已经向大气层累计排放二氧化碳 2,220 Gt（gigatonnes，十亿吨），那么如果为了把温度上升目标控制在 2°C 以内，自 2018 年初算起，我们的碳排放空间有 1,170-1500 Gt，而如果将温控目标设定为 1.5°C，这一空间迅速下降至 420-580 Gt。

由此可以看出，如果不对采用化石能源的基础设施采取碳减排应对措施，锁定碳排量将大大超过 1.5°C 温控目标下的碳排放预算，对 1.5°C 温控目标造成严重威胁。这项研究成果于 2019 年发表在 Nature 期刊上，还入选了 2019 Almetric Top 100（全球最受关注的 100 项研究）第 16 名。

基础设施投资巨大，且为了满足经济增长的需求，近十年来全球新增基础设施数量远高于历史水平，而基础设施建成后往往服役周期长达 30-40 年甚至更长，因此其建成后低碳转型成本高昂、长路漫漫、挑战极大。

制定碳减排规划，首先要依据碳排放量和经济价值及成本等因素确定优先级。电力和工业（如钢铁、水泥等）基础设施是碳排放量最大的两大产业，占比超过锁定碳排放量的 75%，但其经济价值仅占全部排碳基础设施的 25%，因此它们应该是首当其冲面临低碳转型的两大板块。基于 GID 数据库，政策制定者可以制定更精准的碳减排规划方案，比如对低能效的电力和工业产能进行有策略的淘汰退役、缩短服役时长，禁止新建高能耗基础设施或者用低碳方案进行等量替代，将碳减排目标细化到单体设备上。

图5｜全球能源基础设施排放数据库 GID 首页（http://gidmodel.org）

刘竹：基于全球实时碳数据监测技术，揭示新冠疫情造成的全球碳排放的历史性下降，为碳中和路径提供关键数据支撑

1958 年 3 月，Charles David Keeling 在夏威夷岛的莫纳罗亚山上利用红外气体分析仪测量了大气中的二氧化碳浓度，313 ppm（parts per million，百万分之一），这便是着名的“基林曲线”（Keeling Curve）的起点。此后几十年间该观测站持续更新数据，最新的数据显示大气中二氧化碳的浓度已经达到 417.56ppm，相比于 1958 年已上升超过 100ppm。

图6｜基林曲线，最新数据显示大气中二氧化碳浓度达到 417.56ppm，相比于 1958 年已上升超过 100ppm（
https://keelingcurve.ucsd.edu）

虽然大气中的二氧化碳浓度数据容易测得，但有多少二氧化碳的排放是与人类活动直接相关？传统的人为因素碳排放测算模型仅依赖化石能源的燃烧量以及含碳比例等较少的数据维度，这种测算虽然简单易操作但不够精确，颗粒度非常粗糙，碳排放量数据往往以年为尺度，数据价值也较为局限。

首先，他们采集了多维度近实时的数据，主要来自电力、工业、住宅、交通等行业板块，具体分为以下几个大类：1）全球 29 个国家的电力生产情况，2）57 个国家 416 个主要城市的交通拥堵指数、航班飞行数据，3）62 个国家每月包括水泥和钢铁在内的工业生产数据，4）基于 206 个国家或地区每月能源消耗得到的商业及住宅楼宇数据等。

在数据处理层与融合层，采集来的原始行业数据经过清洗和标准化，通过机器学习生成具有极高时空分辨率的碳排放近实时数据，经过跟传统方式采集的地区碳排放数据对比融合，最终生成可以显性地反映全球不同地区、不同时间段的碳排放数据。

近实时的碳排放数据应用价值极高。前文中提到的对比 2020 年和 2019 年全球和各个国家地区碳排放曲线可以直观反映疫情对碳排放的影响，就是一个很好的案例。如果将视线进一步聚焦，因为 Carbon Monitor 数据是根据不同板块构建的，因此也能实时反映疫情对于不同行业造成的影响，例如航空等交通行业在疫情期间的碳排放降低十分明显。

二氧化碳排放量与经济活动高度相关，如果接下来能够将 Carbon Monitor 数据进一步把时间分辨率从天发展到小时、分钟，也许有望衍生出某种碳指数，作为传统经济或金融指数的补充与延伸，可以直观反映出经济活动的变化。

图10｜Carbon Monitor可直观表征一段时间内全球及不同国家或地区的碳排放对比情况（https://carbonmonitor.org）

特别致谢

关于络绎知图

络绎知图是集科技数据、智能分析、学术服务于一体的科技大数据平台，以透视未来的科技本质为使命，面向学者、高校、科研机构以及从事科研成果转化的相关群体，提供研究型数据库、分析工具、学术会议、学术社区等功能，并通过媒体传播 研究有效放大学术研究的影响力。