本研究提出了一種基于近實(shí)時碳排放量化方法和參數(shù)模型的碳排放空間表征模式,基于衛(wèi)星遙感數(shù)據(jù)、地面監(jiān)測數(shù)據(jù)與統(tǒng)計數(shù)據(jù)等多源數(shù)據(jù)耦合的云計算平臺,以高時空精度(天尺度,0.1度柵格)和高時效(近實(shí)時更新:僅滯后約一個月)方式進(jìn)行全球碳排放空間量化展示,構(gòu)建以天為單位的(自2019年1月1日起)全球首個近實(shí)時天尺度碳排放地圖—Global gRidded dAily CO2 Emissions Dataset(GRACED),為全球碳排放動態(tài)監(jiān)測及政策評估提供了重要的數(shù)據(jù)支撐。
2019年1月至2021年6月全球日碳排放動態(tài)變化
近實(shí)時全球碳地圖反映出人類活動變化導(dǎo)致的碳排放時空動態(tài)變化特征,包括氣候、季節(jié)、節(jié)假日甚至是新冠疫情對碳排放的實(shí)時動態(tài)變化。
本研究提出了一種基于近實(shí)時碳排放量化方法和參數(shù)模型的碳排放空間表征模式,基于衛(wèi)星遙感數(shù)據(jù)、地面監(jiān)測數(shù)據(jù)與統(tǒng)計數(shù)據(jù)等多源數(shù)據(jù)耦合的云計算平臺,以高時空精度(天尺度,0.1度柵格)和高時效(近實(shí)時更新:僅滯后約一個月)方式進(jìn)行全球碳排放空間量化展示,構(gòu)建以天為單位的(自2019年1月1日起)全球首個近實(shí)時天尺度碳排放地圖—Global gRidded dAily CO2 Emissions Dataset(GRACED),為全球碳排放動態(tài)監(jiān)測及政策評估提供了重要的數(shù)據(jù)支撐。相關(guān)工作以“近實(shí)時全球網(wǎng)格級天尺度碳排放”(Near-real-time global gridded daily CO2 emissions)為題,在Cell Press 合作期刊《The Innovation》上在線發(fā)表。
全球氣候變化是當(dāng)前人類可持續(xù)發(fā)展面臨的嚴(yán)峻挑戰(zhàn)。碳數(shù)據(jù)是應(yīng)對氣候變化研究和制定相關(guān)政策的基礎(chǔ),同時作為碳中和進(jìn)程可視化的重要工具以及評判國家達(dá)峰水平的重要依據(jù),受到國際社會的廣泛關(guān)注。除了關(guān)注碳排放量大小,我們更需要知道碳排放來源、碳排放變化以及未來發(fā)展趨勢。碳排放地圖可以提供碳排放的關(guān)鍵地理位置信息,是應(yīng)對氣候變化研究中的核心數(shù)據(jù)。
然而,當(dāng)前的碳排放地圖受到技術(shù)限制,僅能將以年為單位的歷史排放數(shù)據(jù)進(jìn)行空間展示,難以反映碳排放的時空動態(tài)演化。全球碳減排與碳中和目標(biāo)依賴于及時、準(zhǔn)確、可靠的碳排放動態(tài)監(jiān)測及政策評估,因此迫切需要建立一種新的碳排放時空定量表征范式。
實(shí)現(xiàn)近實(shí)時高分辨率的碳排放時空表征需要實(shí)現(xiàn)碳排放源的精細(xì)量化及其碳排放變化過程的動態(tài)捕捉。近年來,得益于衛(wèi)星遙感、傳感器等技術(shù)帶來的多源多維度數(shù)據(jù),以及云計算平臺等提供的海量數(shù)據(jù)處理能力,攻克以上難題獲得了足夠的契機(jī)。
在此背景下,CEADs團(tuán)隊清華大學(xué)地學(xué)系劉竹副教授研究組領(lǐng)銜國內(nèi)外多家研究機(jī)構(gòu),提出一種基于近實(shí)時碳排放量化方法和參數(shù)模型的碳排放空間表征模式。
研究打破了該領(lǐng)域當(dāng)前的數(shù)據(jù)和技術(shù)壁壘。通過將碳排放定量評估中的活動因子進(jìn)行參數(shù)化處理和分解,運(yùn)用地面觀測數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)及電網(wǎng)監(jiān)測數(shù)據(jù)等多源數(shù)據(jù)來反演碳排放參數(shù)數(shù)據(jù)的時空變化,構(gòu)建了基于算法的天尺度全球近實(shí)時碳排放核算理論和方法模型。隨后,依托云計算平臺等實(shí)現(xiàn)多維度數(shù)據(jù)源和多種觀測手段數(shù)據(jù)的自動化處理和同化;基于全球電廠、主要工廠、各級路網(wǎng)、居民消費(fèi)、飛行航線、航運(yùn)線路的空間分布數(shù)據(jù),搭建了在多部門維度和全球范圍上實(shí)現(xiàn)網(wǎng)格級碳排放近實(shí)時快速計算的模型框架,進(jìn)一步提高全球碳排放數(shù)據(jù)時空分辨率,首次構(gòu)建了全球近實(shí)時、日度的碳排放地圖GRACED。
GRACED實(shí)現(xiàn)了碳排放地圖的近實(shí)時更新,將全球碳排放的時空動態(tài)研究從 “過去時” 推進(jìn)到 “現(xiàn)在時”。GRACED記錄了自2019年1月1日以來的全球碳排放的天變化,是目前唯一具有天尺度分辨率的分部門近實(shí)時全球碳排放地圖。數(shù)據(jù)集涵蓋超過 70% 的全球電力和工業(yè)排放、85% 的地面運(yùn)輸排放以及近 100% 的住宅和航空業(yè)燃料排放的高分辨率活動數(shù)據(jù),覆蓋了全球 90% 以上的二氧化碳排放量,包括全球7個主要二氧化碳排放部門(圖2):電力、工業(yè)、居民消費(fèi)、地面交通、國內(nèi)航空、國際航空、國際航運(yùn)。GRACED展示了不同排放源的種類、來源和時空分布特征,決策者和研究人員可以根據(jù)區(qū)域資源配置與行業(yè)發(fā)展的實(shí)際情況,因地制宜對碳排放源情況進(jìn)行全過程追蹤和量化,為區(qū)域環(huán)境治理協(xié)同機(jī)制分析與政策建議提供基礎(chǔ)數(shù)據(jù)支撐。
▲圖2顯示了GRACED數(shù)據(jù)集摘要圖
GRACED反映出人類活動變化導(dǎo)致的碳排放的時空動態(tài)變化特征,包括氣候、季節(jié)、節(jié)假日甚至是新冠疫情對碳排放的實(shí)時動態(tài)變化(圖3,顏色越紅表示碳排放越高,顏色越藍(lán)表示碳排放越低)。
▲圖3展示了全球四大重點(diǎn)排放區(qū)域的碳排放實(shí)時動態(tài)變化(A.東亞地區(qū),B.美國主體,C.歐洲,D.南亞)
GRACED反映了周末及工作日對碳排放產(chǎn)生的實(shí)時動態(tài)變化(圖4,紅色越深表示周末排放越高于工作日,藍(lán)色越深表示周末排放越低于工作日)。數(shù)據(jù)顯示,全球絕大多數(shù)區(qū)域周末的排放量低于工作日。發(fā)達(dá)地區(qū)的工作日和周末之間排放差異比欠發(fā)達(dá)地區(qū)更為明顯(在圖4中顯示為深藍(lán)色區(qū)域)。差異排放的分布特征與地面交通部門排放的線狀特征高度吻合,這表明周末人類交通出行活動的減少對周末碳排放的減少有重要影響。相比2019年,2020年的周末與工作日排放差異較小,這主要是由于2020年受新冠疫情的影響,居家辦公政策的實(shí)施大幅削減了工作日的通勤量,使得2020年周末和工作日的碳排放差異并不顯著。
▲圖4展示了2020年全球網(wǎng)格級周末排放與工作日排放日度差異(周末減工作日)
GRACED反映了新冠疫情對碳排放的實(shí)時動態(tài)影響。與2019年相比,2020年全球總排放量普遍下降(圖5中藍(lán)色區(qū)域)。然而,也有少數(shù)地區(qū)的排放量增加(圖5中紅色區(qū)域),包括美國東部、英國、印度東南部、日本的一些省份,以及中國中部和西部。其主要原因在于各個地區(qū)的防疫力度不同,以及疫后的恢復(fù)情況和時間差異。以中國為例,雖然2020年前期受疫情影響導(dǎo)致工業(yè)活動減少,使碳排放出現(xiàn)短暫的下降;但由于中國嚴(yán)格有效的管控措施,后期工業(yè)活動逐漸恢復(fù),因此后期經(jīng)濟(jì)復(fù)蘇導(dǎo)致的碳排放反彈部分抵消了前期受疫情影響的減排量。
▲圖5顯示了全球排放在2020年相比2019年日度差異(2020年減2019年)
GRACED反映了全球不同區(qū)域受疫情影響排放大幅下降時間和后期經(jīng)濟(jì)復(fù)蘇排放顯著反彈時間的差異(圖6)。圖6A展示了全球不同區(qū)域最大碳排放降幅日的碳地圖,圖6B展示了最大反彈日的碳地圖。顏色越紅表明出現(xiàn)時間越晚。
最大降幅日地圖顯示,國際航空和國際航運(yùn)最先受到新冠疫情沖擊(圖6A中深藍(lán)色航線),這主要是由于各國家在疫情期間對跨境運(yùn)輸活動的嚴(yán)格限制造成的。從國家角度來看,中國出現(xiàn)最大降幅的時間顯著較早(圖6A中國顯示為深藍(lán)色),這與中國首先受到新冠疫情的沖擊密切相關(guān)。而其他國家的最大降幅日出現(xiàn)得較晚,主要是由于他們受第一波疫情沖擊較晚或受第二波疫情的沖擊更為強(qiáng)烈造成的。而從最大反彈日地圖來看,印度、美國的一些州和西班牙等一些歐洲國家的最大反彈出現(xiàn)較早,這主要是由于不同地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)和受疫情影響程度不同,部分地區(qū)的經(jīng)濟(jì)復(fù)蘇情況必然會優(yōu)于其他地區(qū)。
▲圖6展示了全球網(wǎng)格級最大降幅日(圖6A)和最大反彈日(圖6B)碳地圖
GRACED覆蓋了全球重點(diǎn)城市在內(nèi)的關(guān)鍵排放區(qū)域,并量化表征分部門排放的時空動態(tài)特征。數(shù)據(jù)顯示,2020年中國的北京、上海、武漢城市的碳排放量在1月末首先受疫情沖擊,出現(xiàn)明顯下降,但在疫情得到控制后趨于平穩(wěn)。而洛杉磯、巴黎、約翰內(nèi)斯堡受疫情沖擊相對較晚,在4、5月份才出現(xiàn)排放顯著下降(圖7)。
▲圖7呈現(xiàn)了城市尺度的分部門日排放波動情況(以2020年全年為例)
GRACED可精準(zhǔn)捕捉城市等精細(xì)空間尺度下,碳排放受疫情、節(jié)假日等影響的分部門動態(tài)變化。以北京為例,GRACED精準(zhǔn)捕捉到北京市地面交通部門在2020年1月底受疫情影響的碳排放下降顯著;2020年6月底,因北京新發(fā)地疫情的爆發(fā)碳排放也有所下降;2020年10月初,因十一假期北京市市民外出旅游,市內(nèi)交通碳排放量出現(xiàn)明顯下降(圖8)。
▲圖8展示了2020年北京市地面交通部門日排放波動情況示意圖
本研究提出了一種基于近實(shí)時碳排放量化方法和參數(shù)模型的碳排放空間表征模式,構(gòu)建了近實(shí)時日度碳排放地圖GRACED,為全球碳排放的動態(tài)監(jiān)測及政策評估提供了重要的數(shù)據(jù)支撐。目前,該數(shù)據(jù)集已被國際社會廣泛采用,如國際氣象組織WMO科學(xué)聯(lián)合報告2021,全球碳計劃2021年全球碳收支年度報告,聯(lián)合國環(huán)境署排放差距報告2021等。近實(shí)時全球碳地圖將支撐國家和地區(qū)開展針對性的碳排放評估,有助于各類氣候政策措施及時調(diào)整,從而賦能碳中和目標(biāo)的科學(xué)精確實(shí)現(xiàn)。
CEADs團(tuán)隊清華大學(xué)地球系統(tǒng)科學(xué)系博士生竇新宇為論文第一作者,地學(xué)系劉竹副教授為論文的通訊作者。該研究得到了國家自然科學(xué)基金(No.41921005和No.71874097)、北京市自然科學(xué)基金(No.JQ19032)以及求是科技基金會的支持。
Dou X, Wang Y, Ciais P, et al. Near-real-time global gridded daily CO2 emissions[J]. The Innovation, 2021: 100182.https://www.cell.com/the-innovation/fulltext/S2666-6758(21)00107-7