中国科学家领衔构建首个近实时全球碳地图
图1 2019年1月至2021年6月全球日碳排放动态变化
近实时全球碳地图反映出人类活动变化导致的碳排放时空动态变化特征，包括气候、季节、节假日甚至是新冠疫情对碳排放的实时动态变化。
导 读
本研究提出了一种基于近实时碳排放量化方法和参数模型的碳排放空间表征模式，基于卫星遥感数据、地面监测数据与统计数据等多源数据耦合的云计算平台，以高时空精度（天尺度，0.1度栅格）和高时效（近实时更新：仅滞后约一个月）方式进行全球碳排放空间量化展示，构建以天为单位的（自2019年1月1日起）全球首个近实时天尺度碳排放地图—Global gRidded dAily CO2 Emissions Dataset(GRACED)，为全球碳排放动态监测及政策评估提供了重要的数据支撑。
构建“现在时”的碳地图
全球气候变化是当前人类可持续发展面临的严峻挑战。碳数据是应对气候变化研究和制定相关政策的基础，同时作为碳中和进程可视化的重要工具以及评判国家达峰水平的重要依据，受到国际社会的广泛关注。除了关注碳排放量大小，我们更需要知道碳排放来源、碳排放变化以及未来发展趋势。碳排放地图可以提供碳排放的关键地理位置信息，是应对气候变化研究中的核心数据。
然而，当前的碳排放地图受到技术限制，仅能将以年为单位的历史排放数据进行空间展示，难以反映碳排放的时空动态演化。全球碳减排与碳中和目标依赖于及时、准确、可靠的碳排放动态监测及政策评估，因此迫切需要建立一种新的碳排放时空定量表征范式。
实现近实时高分辨率的碳排放时空表征需要实现碳排放源的精细量化及其碳排放变化过程的动态捕捉。近年来，得益于卫星遥感、传感器等技术带来的多源多维度数据，以及云计算平台等提供的海量数据处理能力，攻克以上难题获得了足够的契机。
在本研究中，由清华大学领衔的国际化研究团队基于多年实践基础，打破了该领域当前的数据和技术壁垒。研究通过将碳排放定量评估中的活动因子进行参数化处理和分解，运用地面观测数据、卫星遥感数据及电网监测数据等多源数据来反演碳排放参数数据的时空变化，构建了基于算法的天尺度全球近实时碳排放核算理论和方法模型。随后，依托云计算平台等实现多维度数据源和多种观测手段数据的自动化处理和同化；基于全球电厂、主要工厂、各级路网、居民消费、飞行航线、航运线路的空间分布数据，搭建了在多部门维度和全球范围上实现网格级碳排放近实时快速计算的模型框架，进一步提高全球碳排放数据时空分辨率，首次构建了全球近实时、日度的碳排放地图GRACED。
GRACED实现了碳排放地图的近实时更新，将全球碳排放的时空动态研究从 “过去时” 推进到 “现在时”。GRACED记录了自2019年1月1日以来的全球碳排放的天变化，是目前唯一具有天尺度分辨率的分部门近实时全球碳排放地图。数据集涵盖超过 70% 的全球电力和工业排放、85% 的地面运输排放以及近 100% 的住宅和航空业燃料排放的高分辨率活动数据，覆盖了全球 90% 以上的二氧化碳排放量，包括全球7个主要二氧化碳排放部门（图2）：电力、工业、居民消费、地面交通、国内航空、国际航空、国际航运。GRACED展示了不同排放源的种类、来源和时空分布特征，决策者和研究人员可以根据区域资源配置与行业发展的实际情况，因地制宜对碳排放源情况进行全过程追踪和量化，为区域环境治理协同机制分析与政策建议提供基础数据支撑。
图2 GRACED数据集摘要图
GRACED反映出人类活动变化导致的碳排放的时空动态变化特征，包括气候、季节、节假日甚至是新冠疫情对碳排放的实时动态变化（图3，颜色越红表示碳排放越高，颜色越蓝表示碳排放越低）。
图3 全球四大重点排放区域的碳排放实时动态变化（A.东亚地区，B.美国主体，C.欧洲，D.南亚）
GRACED反映了周末及工作日对碳排放产生的实时动态变化（图4，红色越深表示周末排放越高于工作日，蓝色越深表示周末排放越低于工作日）。数据显示，全球绝大多数区域周末的排放量低于工作日。发达地区的工作日和周末之间排放差异比欠发达地区更为明显（在图4中显示为深蓝色区域）。差异排放的分布特征与地面交通部门排放的线状特征高度吻合，这表明周末人类交通出行活动的减少对周末碳排放的减少有重要影响。相比2019年，2020年的周末与工作日排放差异较小，这主要是由于2020年受新冠疫情的影响，居家办公政策的实施大幅削减了工作日的通勤量，使得2020年周末和工作日的碳排放差异并不显著。
图4 2020年全球网格级周末排放与工作日排放日度差异（周末减工作日）
GRACED反映了新冠疫情对碳排放的实时动态影响。与2019年相比，2020年全球总排放量普遍下降（图5中蓝色区域）。然而，也有少数地区的排放量增加（图5中红色区域），包括美国东部、英国、印度东南部、日本的一些省份，以及中国中部和西部。其主要原因在于各个地区的防疫力度不同，以及疫后的恢复情况和时间差异。以中国为例，虽然2020年前期受疫情影响导致工业活动减少，使碳排放出现短暂的下降；但由于中国严格有效的管控措施，后期工业活动逐渐恢复，因此后期经济复苏导致的碳排放反弹部分抵消了前期受疫情影响的减排量。
图5 全球排放在2020年相比2019年日度差异（2020年减2019年）
GRACED反映了全球不同区域受疫情影响排放大幅下降时间和后期经济复苏排放显著反弹时间的差异（图6）。图6A展示了全球不同区域最大碳排放降幅日的碳地图，图6B展示了最大反弹日的碳地图。颜色越红表明出现时间越晚。
图6 全球网格级最大降幅日（图6A）和最大反弹日（图6B）碳地图
最大降幅日地图显示，国际航空和国际航运最先受到新冠疫情冲击（图6A中深蓝色航线），这主要是由于各国家在疫情期间对跨境运输活动的严格限制造成的。从国家角度来看，中国出现最大降幅的时间显著较早（图6A中国显示为深蓝色），这与中国首先受到新冠疫情的冲击密切相关。而其他国家的最大降幅日出现得较晚，主要是由于他们受第一波疫情冲击较晚或受第二波疫情的冲击更为强烈造成的。而从最大反弹日地图来看，印度、美国的一些州和西班牙等一些欧洲国家的最大反弹出现较早，这主要是由于不同地区的产业结构和受疫情影响程度不同，部分地区的经济复苏情况必然会优于其他地区。
GRACED覆盖了全球重点城市在内的关键排放区域，并量化表征分部门排放的时空动态特征。数据显示， 2020年中国的北京、上海、武汉城市的碳排放量在1月末首先受疫情冲击，出现明显下降，但在疫情得到控制后趋于平稳。而洛杉矶、巴黎、约翰内斯堡受疫情冲击相对较晚，在4、5月份才出现排放显著下降（图7）。
图7 2020年城市尺度的分部门日排放波动情况
GRACED可精准捕捉城市等精细空间尺度下，碳排放受疫情、节假日等影响的分部门动态变化。以北京为例，GRACED精准捕捉到北京市地面交通部门在2020年1月底受疫情影响的碳排放下降显著；2020年6月底，因北京新发地疫情的爆发碳排放也有所下降；2020年10月初，因十一假期北京市市民外出旅游，市内交通碳排放量出现明显下降（图8）。
图8 2020年北京市地面交通部门日排放波动情况示意图
总结和展望
本研究提出了一种基于近实时碳排放量化方法和参数模型的碳排放空间表征模式，构建了近实时日度碳排放地图GRACED，为全球碳排放的动态监测及政策评估提供了重要的数据支撑。目前，该数据集已被国际社会广泛采用，如国际气象组织WMO科学联合报告2021，全球碳计划2021年全球碳收支年度报告，联合国环境署排放差距报告2021等。近实时全球碳地图将支撑国家和地区开展针对性的碳排放评估，有助于各类气候政策措施及时调整，从而赋能碳中和目标的科学精确实现。
本文内容来自Cell Press合作期刊The Innovation第三卷第一期以Report发表的“Near-real-time global gridded daily CO2 emissions” (投稿: 2021-07-19；接收: 2021-10-28；在线刊出: 2021-11-02)
DOI: https://doi.org/10.1016/j.xinn.2021.100182
引用格式：Dou X., Wang Y., Ciais P., et al. (2021). Near-real-time global gridded daily CO2 emissions. The Innovation. 3(1),100182.
作者简介
窦新宇，博士生，就读于清华大学地球系统科学系，导师为刘竹副教授。研究兴趣主要为高分辨率碳排放核算、碳中和及相关研究。目前的研究重点是基于多源数据体系、融合机器学习等方法的高分辨率碳排放数据核算。为本文第一作者。
刘竹，清华大学地球系统科学系副教授、博士生导师，全球实时碳数据Carbon Monitor团队负责人。曾在中国科学院获得博士学位，后赴哈佛大学和加州理工学院从事博士后研究。为本文通讯作者。
个人网页：https://scholar.harvard.edu/zhu