多源数据融合框架揭示了中国人为二氧化碳排放的多尺度时空动态

时间：2026年3月24日

来源：Journal of Cleaner Production

编辑推荐：

本文提出基于多源数据融合的精细排放估计框架（FEMSD），以1km分辨率重构中国2005-2022年人为CO2排放时空格局，揭示国家、省、市、县及网格尺度的阶段性演变规律，发现稳定的东西部梯度格局和东部高-高、西部低-低空间聚类特征，为差异化碳减排政策提供数据支撑。

作者：单旭、周希雅、邹斌、刘宁

中国长沙理工大学航空工程学院，长沙

摘要

中等精度度的排放数据可能会给小规模地区的碳减排计划和策略的制定与实施带来不确定性。为了解决这一问题，本研究提出了一种基于多源数据融合（FEMSD）的精细尺度排放估算框架，该框架能够以1公里的分辨率估算中国2005年至2022年人为二氧化碳（CO₂）排放的空间分布。研究分析了国家、省、市、县和网格尺度上的时空模式。FEMSD生成的排放数据集具有更高的准确性、更精细的空间细节和更强的可靠性，适用于精细尺度分析。中国在国家、省、市和县层面的人为CO₂排放可以分为两个时期：2005–2013年（排放量显著增加）和2014–2022年（排放模式多样化）。从空间上看，存在稳定的东西向梯度。值得注意的是，多尺度聚类显示东部地区持续呈现高排放、低吸收的状态，而西部地区则呈现低排放、高吸收的状态，这种差异在市/县层面表现出动态变化，表明各地区对国家政策的响应存在显著差异。FEMSD数据集为精确核算和热点识别提供了重要依据，支持向多中心、多尺度治理方式的转变。

引言

全球变暖目前是一个广泛关注的环境问题，人为CO₂排放通常被认为是其主要原因之一（Knutti等人，2017年；McKay等人，2022年）。因此，国际社会在节能减排方面达成了共识，例如2015年签署了《巴黎气候变化协定》（Vandyck等人，2016年）。为了与全球努力保持一致，中国承诺应对气候变化，并宣布了在2020年前实现碳排放峰值和碳中和的双重目标。此后，中国发布了一系列系统性的计划、关键行业和地区的总体部署策略以及支持措施来落实这些目标（Liu等人，2022年）。这些措施的成功实施在很大程度上依赖于地方政府、工业部门、企业园区和单个项目的行动。因此，建立能够跨不同空间尺度测量、报告和验证人为碳排放的方法至关重要。

部门方法是一种自下而上的方法，它利用政府间气候变化专门委员会（IPCC）或地方政府提供的排放因子和人类活动数据来量化排放量，这是估算CO₂排放最常用的技术之一（Wang等人，2013年；Oda等人，2018年；IPCC，2019年）。主要的全球CO₂排放数据集，如全球大气研究排放数据库（EDGAR）、开放源人为CO₂数据清单（ODIAC）、中国排放账户和数据集（CEADs）以及中国高分辨率排放网格数据库（CHRED），都是基于这种方法建立的（Cai等人，2018年；Oda等人，2018年；Janssens-Maenhout等人，2019年；Shan等人，2019年）。利用这些数据集，许多研究调查了中国的国内外不同尺度上CO₂排放的空间和时间模式、生态影响、不确定性及其驱动因素（Oreggioni等人，2021年；Solazzo等人，2021年；Zhu等人，2022年；Ahn等人，2023年；Xia等人，2024年；Zhang等人，2024年）。虽然基于排放因子的清单在估算国家、省和城市层面的CO₂排放方面效果显著，但它们受到能源质量、燃烧效率以及统计报告延迟等区域差异的影响（Hutchins等人，2017年；Ahn等人，2023年）。这些不确定性可能会影响估算的准确性、及时性和空间精度，尤其是在小规模地区。

遥感技术具有覆盖范围广、成本低和长期连续观测的能力，已成为大气监测的重要工具，并为估算人为CO₂排放提供了新的视角。一方面，诸如NASA的轨道碳观测卫星（OCO-2）、中国的二氧化碳观测卫星（TanSat）和日本的温室气体观测卫星（GOSAT）等卫星能够实现对全球大气中CO₂浓度的直接、近乎实时的监测（Janardanan等人，2016年；Labzovskii等人，2019年；Taylor等人，2020年；Hong等人，2022年）。然而，这些仪器主要是为监测全球碳源和碳汇而设计的，并非直接用于量化区域人为排放。测量得到的大气浓度是排放、大气传输、混合和化学过程的综合结果，并非排放通量的直接反映。一些研究利用从这些卫星获取的CO₂干空气摩尔分数（XCO₂）结合大气反演模型来定量或半定量地推断人为排放，尽管其准确性仍有待提高（Nassar等人，2017年；Eldering等人，2017年；Wang等人，2018年；Kiel等人，2021年）。

另一方面，人为CO₂排放与基础设施、工业设施和人口的空间分布密切相关。空气污染物如NO₂和CO与人为CO₂具有共同的来源和空间分布模式。因此，卫星衍生的代理指标，如夜间光照数据、不透水面面积和对流层NO₂或CO柱密度，可以反映CO₂排放的时空变化。因此，研究人员利用NO₂和CO作为示踪剂来约束和评估人为CO₂排放（Nathan等人，2018年；Liu等人，2020年；Yang等人，2023a）。其他方法则将统计排放清单与这些遥感代理指标结合使用关系模型或机器学习模型，在更精细的空间分辨率上估算排放量（Reuter等人，2019年；Chen等人，2020年；Yang等人，2023b）。这些研究表明将遥感数据整合到碳核算中的可行性，为改进人为CO₂排放估算提供了有前景的方法。然而，尽管取得了进展，但仍需进一步改进。仍需要一个系统性的框架，有效结合多源数据的优势——统计清单、卫星代理指标和社会经济数据——以持续减少不确定性，尤其是在小规模地区。此外，关于中国高分辨率、长期且可靠的人为CO₂排放估算的数据相对较少。此外，缺乏系统性地探索和量化这些排放在不同尺度（从国家到网格级别）上的时空模式和空间聚集特征的研究。这种多尺度分析对于揭示排放异质性的根本原因、识别一致的热点和冷点以及制定差异化的空间减缓政策至关重要。

为了解决这些不足，本研究首先评估了中国境内两种常用全球CO₂排放数据集的可靠性。然后，我们提出了一种新的估算框架——基于多源数据融合的精细尺度排放估算框架（FEMSD）。该框架整合了区域调整技术、多源数据融合和随机森林机器学习方法。利用CO₂排放清单数据、卫星衍生的NO₂柱密度、夜间光照数据和人口分布数据，FEMSD框架被应用于模拟2005年至2022年中国的人为CO₂排放的空间分布，分辨率为1公里×1公里。我们系统地研究了国家、省、市、县和网格尺度上人为CO₂排放的变化趋势，并进行了空间聚类分析。这项多方面的分析为中国碳排放的精细结构提供了新的数据驱动见解，为制定差异化的自上而下的碳减排政策提供了科学依据。

章节摘录

城市级排放清单

城市级排放清单来源于CEADs数据。这些清单数据是根据IPCC（2019年）的部门方法估算的，并应用了更新后的中国排放因子。该数据集的范围和格式与中国国家和省级清单一致，为进一步分析提供了准确、可比和可验证的数据支持（Shan等人，2019年）。因此，我们采用这些城市级排放清单数据作为参考数据

城市级排放总量的准确性

FEMSD估算的人为CO₂排放的准确性在城市尺度上与CEADs清单进行了定量评估。如图2所示，EDGAR数据与CEADs数据表现出相对较高的相关性（r = 0.81，RMSE = 2410万吨），尽管存在系统性低估（斜率 = 0.67）。相比之下，ODIAC数据的相关性较弱（r = 0.70），且偏差较大（斜率 = 0.16，RMSE = 4486万吨）。我们的FEMSD产品实现了更高的准确性