欢迎点击上方“Carbon Footprints 碳足迹”关注我们，为您推送更多最新资讯。编辑荐语: 本研究通过整合多源开放数据，构建了成都市2020年1公里分辨率的二氧化碳排放清单，弥补了现有全球清单在城市尺度上分辨不足的问题。该清单准确定位了城市内的排放热点，为碳监测和政策制定提供了更精确的科学依据。文章题目: Open-data-based city-scale gridded carbon dioxide emission inventory: supporting urban carbon monitoring in Chengdu, China
作者(通讯*): 王锐，张羽中*，赵爽，王馨陆
通讯机构: 西湖大学
引用信息: Wang, R.; Zhang Y.; Zhao S.; Wang X. Open-data-based city-scale gridded carbon dioxide emission inventory: supporting urban carbon monitoring in Chengdu, China. Carbon. Footprints. 2024, 3, 14. http://dx.doi.org/10.20517/cf.2024.19全文链接:
https://www.oaepublish.com/articles/cf.2024.19
扫码阅读全文:
![]()
文章摘要
为了支持成都市的碳排放监测，本研究开发了基于开放数据的城市尺度网格化二氧化碳（CO2）排放清单。现有全球或国家级排放清单由于分辨率低，难以准确反映城市尺度上的点源排放。为解决这一问题，研究整合了多种开放数据，如遥感影像和城市大数据，针对城市中的部门排放进行高分辨率空间分配。作为示范，研究构建了成都市2020年的1公里分辨率网格化CO2排放清单。该清单详细展示了城市各区域的排放分布，识别了高排放区，并为城市碳管理提供了科学支持。与现有全球清单相比，本研究提供的清单通过整合5万多个工业点源数据，显著提高了城市排放源的定位准确性，为碳监测网络的建设奠定了坚实基础。
图片摘要
全球二氧化碳排放的持续上升，主要由化石燃料消耗、工业活动和森林砍伐驱动，已对全球气候系统产生了显著的负面影响。尽管国际社会通过《巴黎协定》等努力试图减缓这一趋势，全球碳排放依然在增长。中国作为世界最大的碳排放国，尤其是在快速城市化和工业化进程中，面临着严峻的碳减排压力。为应对这些挑战，中国政府启动了碳监测和评估试点项目，其中成都市被选为16个试点城市之一。作为碳排放的重要源头城市，成都的碳减排政策制定迫切需要精确的城市尺度排放清单。然而，现有的全球和国家级排放清单，如EDGAR，由于其较低的空间分辨率和对城市点源排放的偏差，无法满足城市碳监测的需要。因此，本研究开发了一个高分辨率的城市级二氧化碳排放清单，旨在提高成都城市内部排放的空间精度，为碳监测网络提供数据支持。本研究选取了中国四川省成都市作为案例研究对象。数据收集分为表格化的CO2排放清单数据和空间代理数据两部分。CO2排放清单主要来源于中国城市二氧化碳排放数据集(China City Carbon Dioxide Emission Dataset, CCCED)，涵盖农业、工业、居民、交通等多个部门的排放数据。为了将这些排放量分配到具体的空间位置，研究选择了与各部门排放特征相匹配的空间代理数据，如企业的经纬度、人口分布、道路网络、夜间灯光数据和土地覆盖信息等。这些数据来源公开，以确保未来的研究可以推广和应用。空间分配基于ArcGIS平台，首先在研究区域内生成1公里分辨率的网格，网格划分用于平衡空间细节的表达与计算效率。在点源排放方面，使用企业的经纬度信息直接将排放分配到目标网格中。然而，对于一些占地面积较大的大型工业设施，简单使用单点分配难以准确反映排放情况，因此本文针对这些企业进行了手动筛选，确保其排放均匀分配至多个网格中。在非点源排放方面，采用了人口分布、交通密度、农业土地利用等代理数据作为权重因子进行分配。例如，人口密集区域或交通繁忙的路段会分配到更高的排放量，以反映其对CO2排放的贡献。代理数据的选择和处理是空间分配的关键步骤。本文在空间分配过程中使用了道路网络、企业POI、人口分布等多种数据源，特别是在高排放区域进行精细化处理，以确保排放清单的准确性。1. 成都2020年网格化CO2排放清单及其空间分布
研究生成的2020年成都高分辨率排放清单（HEI-CD）显示了不同网格的CO2排放强度，单位为吨每平方公里每年（t·km²·yr⁻¹）。如图2所示，排放强度最高的区域用红色表示，而排放强度最低的区域则用蓝色表示。
![]()
具体来看，成都市的高排放区域主要集中在三个地方，如图3所示：市中心、西北部工业区，以及东部电厂区。这三个区域的总排放量达到了20,228kt，占成都市总排放量的52.9%。其中，市中心的排放量为8,238kt，排放主要来源于交通和居民生活。西北部区域的工业排放尤为突出，尤其是水泥制造行业。该区域排放量高达8,164kt。东部的金堂县因火力发电厂的存在，排放量也非常显著，达到了3,827kt，大型发电厂的燃烧过程是该区域CO2排放的主要来源。研究进一步分析了成都市各行政单位的CO2排放特征，如图4所示，结果显示，市中心五个区（青羊区、武侯区、金牛区、成华区和锦江区）的排放强度最高，排放强度均超过5 kt·km²·yr⁻¹。其中，青羊区的排放强度最高，达到了10.82 kt·km²·yr⁻¹。相反，蒲江县、邛崃市和简阳市的排放强度最低，均低于1 kt·km²·yr⁻¹。排放强度呈现出从市中心向外围递减的趋势，北部的排放强度显著高于南部。图4 成都市各下辖行政区域的CO2排放量及排放强度
3. 各部门CO2排放的空间分布
不同部门的CO2排放表现出各自的空间分布特征，如图5所示：
A. 工业能源排放；B. 工业生产过程排放；C. 服务业排放；D. 居民生活排放；E. 农业排放；F. 交通运输排放在编制网格化CO2排放清单时，代理数据的不确定性是一个关键问题。该研究对主要排放部门的代理数据不确定性进行了详细分析，尤其是工业能源、工业加工、交通运输和居民排放等四大部门。通过分别计算点源和非点源排放的代理数据不确定性。对于交通和居民排放，结果显示高排放区域的不确定性较高，而排放较低的区域不确定性较低。整个研究区域的不确定性在可接受的范围内，绝对不确定性最高为712吨。相对不确定性则显示市中心地区的值较低，而郊区的不确定性相对较高。这表明，人口稠密区域由于代理数据的精确性较高，因此不确定性较低，而数据较少的郊区，由于代理数据的代表性不足，不确定性则较大。讨论
1. 研究结果解释
本研究成功开发了一个高分辨率的城市尺度CO2排放清单，展示了成都市不同区域和部门的排放强度和空间分布。特别是在市中心、工业密集的西北部和东部，排放水平较高。这些区域的排放特征表明，交通运输、工业加工和能源生产是主要的排放来源。相比于全球尺度的EDGAR清单，HEI-CD模型以更高的分辨率提供了更详细的城市排放信息，更适合用于城市碳监测和政策制定。EDGAR清单由于分辨率较低，无法准确捕捉城市内部的排放异质性，而HEI-CD模型的高分辨率则显著提高了排放通量反演的精度，尤其在识别高排放热点区域时更加准确。3. 与现有研究的改进
与现有的高分辨率排放清单研究相比，本研究通过整合多种开放数据源（如人口分布、道路网络和工业点源数据），实现了更高精度的网格化排放分配。相比于依赖单一代理数据的研究（如夜间灯光数据），本研究在多部门的排放空间分配上具有显著优势。尽管本研究在高分辨率排放清单编制方面取得了进展，但也存在一些局限性。首先，非点源排放依赖代理数据，这引入了不确定性，未来研究应探索更高分辨率和更具代表性的数据源。此外，低排放源如航空业和部分工业未能充分纳入清单中，可能导致总排放量的低估。未来研究可以通过引入新数据收集方法或与行业合作获取专有数据来改进清单。同时，未来应开发验证系统和自动化更新方法，使得排放清单能够实时反映城市的动态变化。这将为成都等城市实现碳中和目标提供更为有力的支持。结论
本研究构建的高分辨率网格化二氧化碳排放清单不仅为成都市的碳排放监测提供了详细的空间分布信息，还为碳排放反演和碳减排政策制定提供了重要的科学基础。与现有的全球或国家排放清单相比，该清单在空间分辨率和点源定位上具有明显优势，能够支持更加精确的碳排放监测网络建设和政策实施。未来的工作可以进一步扩展该清单的应用范围，涵盖更多的城市和行业，以支持中国和全球的碳减排目标。基金支持：本研究得到了国家重点研发计划(2022YFE0209100)，国家自然科学基金委员会(42307129)，浙江省自然科学基金委员会(LZJMZ24D050005)支持。引用信息: Wang, R.; Zhang Y.; Zhao S.; Wang X. Open-data-based city-scale gridded carbon dioxide emission inventory: supporting urban carbon monitoring in Chengdu, China. Carbon. Footprints. 2024, 3, 14. http://dx.doi.org/10.20517/cf.2024.19
>>作者介绍
通讯作者
张羽中
张羽中，特聘研究员，博士生导师，于2020年1月全职加入西湖大学。致力于通过对大气中微量成分及其相关物理化学生物过程的研究，为应对大气污染和气候变化等重要环境问题提供科学支持。其研究涉及大气污染和气候变化的耦合反馈、大气污染物的垂直分布和成因、全球大气氧化性的长期变化、甲烷排放源的卫星探测和反演等课题，相关成果发表在Science Advances, Nature Geoscience, PNAS, Atmospheric Chemistry and Physics, Geophysical Research Letters, Journal of Geophysical Research 等国际综合及专业期刊。第一作者
王锐
王锐，博士后研究员，于2022年1月加入西湖大学大气环境研究实验室。致力于城市尺度温室气体排放清单编制研究，主要研究格点式温室气体排放清单的编制方法和产品开发。于2023年入选国家博士后海外引才专项计划，相关研究成果发表在Sustainable Cities and Society 等期刊。直播回顾 | 碳足迹系列学术研讨会04- 区块链在跟踪和减少供应链碳排放中的作用
直播回顾 | 碳足迹系列学术研讨会03- 实现低碳至净零碳城市的机遇和障碍
直播回顾 | 在线学术访谈 - 英国社会科学院院士 格罗宁根大学 Klaus Hubacek教授
直播回顾 | 碳足迹系列报告04- 香港科技大学(广州)周跃宽 - 清洁能源转型: 从建筑至社区
直播回顾 | 碳足迹系列报告02- 上海理工大学黄蓓佳：技术升级加速水泥行业绿色低碳转型
目前 CF 期刊第九期文章正在筹备中。期刊欢迎向上述专刊进行投稿。所有文章均为开放获取出版，一经发布可立即阅读、下载、分享和引用！真诚欢迎您的投稿！
Carbon Footprints，碳足迹（CF, Online ISSN: 2831-932X），是一本开放获取的国际性期刊，致力于出版有关温室气体(CO2、CH4、N2O等)排放相关知识以及特定时期内直接或间接产生的低碳能源转换和空气污染物、气候变化等领域内容。基于广泛的学术背景，该期刊旨在发表促进对与各种人类活动相关的碳、能源和空气污染物足迹的程度、控制它的模式和过程、碳捕获、利用和存储技术、碳、能源和空气污染物足迹之间相互作用的性质以及影响生态系统、城市系统、工业系统，环境和资源经济政策四大板块相关内容。目前，期刊编委会由主编--来自上海交通大学-联合国工发绿色增长联合研究院院长、上海交通大学环境科学与工程学院院长耿涌教授，以及其他46名成员组成。这些成员分别来自15个国家，44所大学和机构，包括阿尔伯塔大学（加拿大）、麦吉尔大学（加拿大）、北京大学、佛罗里达大学（美国）、滑铁卢大学（加拿大）、清华大学、上海交通大学、伦敦大学学院（英国）、瓦赫宁根大学（荷兰） 、伍斯特理工学院（美国）等。期刊主页: https://www.oaepublish.com/cf
投稿地址: https://oaemesas.com/login?JournalId=cf
所有文章: https://www.oaepublish.com/cf/articles作者须知: https://www.oaepublish.com/cf/author_instructions稿件模版: https://www.oaepublish.com/cf/manuscript_templates官方邮箱: carbonfootprints@oaemesas.com*本文由作者提供，CF 编辑部整理，一切以英文原版为准。
