基于多源碳卫星融合产品的中国地区XCO2与人为CO2排放时空变化

准确评估大气CO₂浓度和人为CO₂排放时空变化对于减缓温室气体排放导致的气候变化至关重要,因此,本文基于GOSAT和OCO-2卫星数据融合生成的全球长时间序列、时空连续的Mapping-XCO₂产品,研究2010～2020年中国大气CO₂柱浓度(XCO₂)时空变化特征以及卫星监测人为CO₂排放能力.结果表明:Mapping-XCO₂与中国大气本底站观测存在较高的一致性,具有良好的适用性;2010～2020年中国XCO₂呈现东高西低的空间分布,年均XCO₂为400.4×10^-6,年增长速率为2.47×10^-6;非生长季XCO₂异常可刻画人为CO₂排放时空变化,各省级行政区非生长季XCO₂异常与人为排放清单EDGAR和ODIAC的相关系数分别为0.71、0.67;2010～2020年京津...     

多源碳卫星近地面XCO2及人为CO2排放量特征分析

为定量分析近地面XCO₂与人为碳排放的时空特征,文章首先使用GOSAT、OCO-2卫星长时间序列近地面XCO₂数据集分析成渝地区XCO₂时空特征;再对XCO₂浓度及人为CO₂排放量进行EMD时间维分解,分析四川、重庆、北京不同时间尺度的变化特征。并用北京地面观测站点数据与卫星数据对比验证数据可靠性。结果表明：(1)201001-202112成渝地区近地面年均XCO₂浓度集中在389×10-6～410×10-6内,总体呈条带状分布,总年均增幅达19.6×10-6;XCO₂低值区位于西部、高值区位于中部及东部。(2)EMD及EEMD分解201001-202112成渝地区XCO₂后各IMF具有年际变化和季节变化的时间周期特性,RSE仍呈上升趋势。IMF1～IMF4为人为源碳排放,IMF5～IMF7为自然源碳排放。结果存在一定滞后性。(3)EMD分解201901-202012四川省、重庆、北京日尺度人为CO_2<...     

基于不同排放清单的长三角人为CO2排放模拟

目前基于排放清单估算的区域和城市尺度上的人为CO₂排放不确定性较大.为了我国实现碳达峰和碳中和的目标,亟需对我国的区域尺度,特别是大城市群的人为CO₂排放进行准确估算.分别利用两种先验人为CO₂排放数据(EDGAR v6.0清单和EDGAR v6.0联合GCG v1.0的改进清单)作为输入数据,采用WRF-STILT大气传输模型模拟长三角地区2017年12月至2018年2月大气CO₂摩尔分数,再以安徽全椒高塔观测的大气CO₂摩尔分数作为参考值,通过贝叶斯反演方法得到的比例因子改进了模拟结果,并实现了长三角人为CO₂排放通量的估算.结果表明：(1)在冬季,相对于基于EDGAR v6.0模拟的大气CO₂摩尔分数值而言,基于改进清单模拟的大气CO₂摩尔分数与观测值更为一致;(2)模拟的大气CO₂摩尔分数在夜间高于观测值,白天则相反,主要因为排放清单的CO₂排放数据不能表征人为...     

中国XCO2时空分布与影响因素分析

结合OCO-2卫星观测的CO₂柱浓度混合比数据（XCO₂）,研究2014~2018年间中国CO₂的时空分布及季节波动,并对影响XCO₂分布的因素进行相关分析.结果表明,XCO₂在研究时段内以2.56×10^-6/a的速度增长;年均季节波动为3.26×10^-6.在2014~2018年间观测到中国植被呈显著的上升趋势,尤其是在西北和东南沿海地区.植被活动是影响XCO₂季节变化的重要因素,在东北地区观测到XCO₂与归一化植被指数（NDVI）呈显著负相关（r=-0.58）.人为排放是影响XCO₂空间分布的重要因素,二者具有空间分布一致性（r=0.397,P<0.05）,尤其是在人为排放较强（>10³t）的区域,人为排放量与XCO₂的相关性更强（r=0.714）.最后分区域统计人口、电力消耗和路网密度等社会经济因素对XCO₂的影响,相关性分析的结果分别为0.78,0.69和0.34,证明中国XCO₂分布与社会经济因素的相关性.     

基于卫星遥感的四川省XCO2高分辨率时空分布

为深入了解四川省碳源、碳汇情况,该研究基于XGBoost机器学习算法,对多源卫星(GOSAT、OCO-2和OCO-3)的CO₂干空气柱平均摩尔分数(XCO₂)数据进行融合填补,重构四川省2015-2021年1 km网格XCO₂逐日浓度时空分布。结果表明,XGBoost模型基于网格和天的留出验证R²分别为0.98和0.96,可实现XCO₂数据的高精度时空分布重构。四川省2015-2021年XCO₂年平均浓度为406.5×10^-6,年平均增长速率为2.50×10^-6,增长速率呈逐年下降趋势。多年XCO₂浓度在春季最高,秋季最低,季节差异为3.4×10^-6。XCO₂浓度在空间上呈现“东部高,西部低”的分布特征,四川盆地内的城市XCO₂浓度普遍较高。各个城市的XCO₂在空间上呈现不同的分布特征,与当地碳源、碳汇密...     

昆明市高速公路机动车温室气体排放清单及时空性分布特征

为研究昆明市高速公路机动车的CO、CO₂、N₂O、CH₄温室气体排放清单,使用2021年昆明市高速公路客车交通流量数据、机动车GPS信息数据获得了高速公路网上的车型构成、车流量等基础数据,应用本土化修正后MOVES模型计算了昆明市高速公路的机动车CO、CO₂、N₂O、CH₄排放因子。基于实际交通流量数据、温室气体排放因子和昆明市高速公路实际道路信息,构建了昆明市高速公路机动车温室气体排放清单,并对其排放特征以及空间分布特征进行分析。结果表明：昆明市2021年高速公路机动车CO、CO₂、N₂O和CH₄的排放量分别为20 337.1、2 575 677.1、33.8和72.9 t,总计CO₂当量为2 626 212.5 t。按排放标准划分,国Ⅳ排放标准的机动车是4种温室气体排放的主要贡献车型;按车辆类型划分,小型客车是CO、CO₂、N₂     

基于卫星遥感等多源数据的发电厂CO2排放分析

应用烟羽分割、背景插值和高斯烟羽模型,使用轨道碳监测传感器(OCO-3)SAM模式在1年内的4次有效观测数据,估算了托克托电厂CO₂排放量,并利用年度核算报告结果、月度发电量与连续排放监测系统(CEMS)监测数据对卫星遥感估算结果进行验证.结果表明,2021年4次卫星过境时CO₂排放速率分别为1900.82、3353.96、2941.07和3701.71tCO₂/h,其不确定性分别为25.10%、20.27%、19.59%和29.52%,不确定性主要来源于气象数据、背景和其它排放源影响.CO₂小时排放速率卫星遥感反演结果和核算分配结果验证具有较好的一致性,相关系数R为0.822.电厂月度发电量及小时级在线监测数据分析结果表明,电厂活动水平具有明显的季节性变化和小时变化特征,其中与CO₂排放密切相关的月度发电量相对标准偏差可达14.55%,NO_x小时排放量相对标准偏差可达12.35%.     

基于BP神经网络的甘肃省二氧化碳排放预测及影响因素研究

基于排放因子法估算2000—2020年甘肃省三大产业及生活能源消费直接CO₂排放量,描述分析其时序演变特征。建立BP神经网络模型并预测2021—2030年甘肃省CO₂排放量。构建甘肃省CO₂排放影响因素的STIRPAT拓展模型,利用多元回归分析定量探究了各因素对CO₂排放量的影响程度和内在作用机理,并结合随机森林进一步识别重要影响因素。结果表明：甘肃省产业及生活能源消耗直接CO₂排放总体呈波动增长趋势,且第二产业占比在70%以上,是主要的CO₂排放源;BP神经网络模型的预测误差为2×10^-4,相关系数>0.99,对于预测甘肃省CO₂排放具有较高精度,并得出2026年的甘肃省能源消耗直接CO₂排放量达到最大;甘肃省CO₂排放的驱动因素作用差异显著,CO₂排放强度、经济发展、城乡消费对CO₂排放的正向作用较大,城镇居民人均消...     

长三角地区大气NO2和CO2浓度的时空变化及驱动因子分析

以长三角城市群为研究对象,利用卫星遥感观测数据协同分析长三角地区大气NO₂和CO₂浓度的时空变化特征和驱动因子,揭示了长三角地区污染物和CO₂高浓度地区空间格局.结果表明长三角城市群地区大气NO₂和CO₂浓度的时空分布及变化特征呈现了受化石燃料燃烧和机动车排放等人为活动以及区域地形、地表覆盖、气候等自然条件的综合影响结果.大气NO₂和CO₂高浓度值围绕太湖明显呈口对西南向的U字形分布,一致于围绕太湖分布的杭州、上海、苏州、无锡、常州和南京等大型城市区域,以及安徽铜陵地区的工业排放区.大气NO₂浓度值呈现秋冬时期较高,夏季最低的季节分布特征.大气CO₂浓度受植被CO₂吸收和CO₂的积累影响,8~9月最低,4~5月最高.此外,随着人为排放活动的急剧减少,2020年1~3月的大气NO₂浓度比2019年同时期降低了50%以上,其中分布了以钢铁厂、燃煤厂为主的大型工业热源的城市NO₂浓度下降最多,如镇江、南京、马鞍山.     

北京市燃气工业锅炉CO2排放因子及不确定性分析

降低碳排放评估的不确定性对于减排政策选择和成本效益分析十分重要,基于北京市227个天然气锅炉样本检测数据,分析影响CO₂排放因子的关键参数特征,评估北京市天然气锅炉本地化CO₂排放因子,采用蒙特卡洛模型对排放因子的不确定性进行分析,并将其与IPCC、国家清单、城市清单等同类排放因子进行了比较.结果表明:北京市天然气锅炉CO₂排放因子为2.052 kg/m3,90%概率分布范围为1.982~2.086 kg/m3;基于热值的CO₂排放因子推荐值为55.829 kg/GJ,90%概率分布范围为55.788~55.908 kg/GJ,排放因子的不确定范围为-3.59%~1.57%.北京市天然气锅炉CO₂排放因子稍低于IPCC2006国家温室气体清单指南推荐缺省值（0.5%）.天然气低位热值对排放因子的影响最大,其方差贡献率达94%,而单位热值含碳量和氧化率二者的方差贡献率仅占6%.通过北京市本地实测数据和蒙特卡洛模型模拟,给出了天然气锅炉排放因子及概率分布的范围,提高了评估精度,有助于改进北京市温室气体排放清单活动水平的数据收集工作,指导并降低天然气工业锅炉CO₂排放因子不确定性.      

中国服务业CO2排放的时空特征与EKC检验

采用IPCC温室气体排放清单中CO₂排放因子与估算方法,核算了1995—2012年中国30个省区(不含港澳台地区和西藏自治区数据,全文同)服务业的CO₂排放量,并对30个省区服务业人均CO₂排放量的时空特征进行分析;利用基于面板数据的EKC模型检验中国及其三大经济带服务业增长与CO₂排放之间的关系. 结果表明:在考察期内,中国服务业人均CO₂排放量从0.16 t升至0.77 t,服务业人均增加值从1 621.04元增至9 991.95元;服务业人均CO₂排放量排在前列的省区大都位于东部地区;东部和中部地区人均CO₂排放量与服务业人均增加值之间呈线性正相关,人均服务业增加值每增加1个单位,人均CO₂排放量将分别增加1.02和1.16个单位;西部地区人均CO₂排放量与服务业人均增加值之间呈单调递增关系. 在此基础上,提出差别化的碳减排对策:①东部地区应通过技术改进和优化产业结构、能源消费结构来降低CO₂排放,并成为中国服务业节能减排的“领头羊”;②中、西部地区应在保持服务业经济适当增速的前提下,将提高能源利用效率和降低能源强度作为减排重点.      

基于XGBoost算法的近地面臭氧浓度遥感估算

本文采用XGBoost机器学习算法,融合臭氧浓度地面监测数据、欧洲中期天气预报中心的ERA5数据集、中国多尺度排放清单模型构建的排放清单数据集、高分辨率遥感影像（TROPOMI＿NO₂、OMI＿NO₂）以及人口数据和DEM数据,构建训练估算数据集,开展近地面臭氧浓度估算研究.模型构建采用递归式特征消除法进行特征变量的选择,并对其进行十折交叉和自建模验证,R²分别为0.871和0.955,RMSE分别为12.8μg·m^-3和7.514μg·m^-3.同时进行了高分辨率遥感影像对估算结果的贡献分析,结果表明引入TROPOMI＿NO₂因子参与建模可校正近地面臭氧浓度普遍被低估现象.模型模拟结果显示臭氧浓度回归估算结果层次更加分明、条带现象消失、连续性和平滑性明显改善.     

基于机器学习的二氧化碳卫星反演方法

基于机器学习模型在分析数据并学习预测方面的优势,提出了一种基于机器学习的短波红外通道CO₂卫星遥感反演方法,以卫星观测辐亮度、气溶胶光学厚度、温度构建训练数据集,采用前馈神经网络与量化共轭梯度算法进行训练学习,构建了短波红外通道卫星CO₂反演模型,并利用GOSAT卫星观测光谱数据反演了CO₂浓度.反演结果与TCCON站点观测数据进行了比对,结果表明:卫星与地面观测的相关性优于0.86,平均误差小于2.5×10^-6,验证了反演方法的有效性.     

京津冀城市群二氧化碳排放达峰研究

基于IPCC排放因子方法建立了2015—2019年京津冀城市群地级城市CO₂排放清单,基于经济增长与CO₂排放关系的脱钩系数法,得到京津冀城市群13个地级以上城市的脱钩情况,结合历史CO₂排放和脱钩情况提出的京津冀城市群达峰判别方法,对京津冀城市群地级以上城市CO₂排放达峰情况进行了判断。结果表明:近5年来,保定、张家口、秦皇岛、邢台、沧州、廊坊、衡水7市碳排放量暂未达到峰值状态;北京、天津、石家庄、承德、邯郸、唐山6个城市已经处于CO₂排放达峰状态。建议已经具备达峰条件的城市抓紧开展达峰行动方案,制定CO₂排放达峰目标。     

中国民用航空机场大气污染物及碳排放清单

基于2017~2020年中国民用航空局飞机起降数据、机队配置数据和国际民航组织（ICAO）飞机发动机排放因子数据库等数据,自下而上编制了2017~2020年中国民用航空机场高分辨率飞机起飞着陆（LTO）循环大气污染物及碳排放清单,在此基础上探究中国民用航空机场大气污染物和碳排放时空分布特征.分析2000~2020年3次疫情（2003年非典、2012年中东呼吸症、2020年新冠疫情）对机场大气污染物及碳排放影响.结果表明,2020年中国民航机场LTO循环NO_x、CO、HC、SO₂、PM和CO₂排放量分别为10.90,8.22,0.96,0.28,0.06,1360.27万t;HC、CO、SO₂、CO₂在滑行阶段排放量最大,分别占总排放量的92.80%、91.56%、41.81%、41.81%.NO_x、PM在爬升阶段排放量最大,分别占总排放量的47.93%、37.39%;2017~2019年我国民航机场飞机LTO循环大气污染物及碳排放总量呈现逐年增长的趋势,受新冠疫情影响2020年排放总量下降22.39%;排放集中在经济较为发达的华东地区.在2000~2020年3次疫情中,新冠疫情对我国民航机场飞机LTO循环排放量影响最显著.     

基于AIS数据的中国沿海集装箱港口碳排放

为了精确有效地测量船舶在港碳排放,提出了一种基于海量船舶AIS (Automatic identification System)航行轨迹数据的港口碳排放计算框架,并结合上市港务公司经营数据,估算港口碳排放承担能力.以中国11个沿海主要集装箱港口为例,采用2018年全球4280艘集装箱船的AIS轨迹全年数据计算碳排放社会成本.结果显示:中国沿海集装箱港口碳排放量与船舶抵港艘次整体呈正相关,上海港是全球第一大集装箱港口,2018年其港口CO₂排放量最高,为69.3万t;船舶靠港作业时,在泊和锚泊状态CO₂的排放比例较高,占碳排放比例的65.8%;从CO₂排放社会成本来看,上海港域内的船舶碳排放社会成本最高,2018年需要支付2459.6万元,从承担碳排放社会成本的能力来看,连云港压力较大,每亿营业收入需要承担碳排放社会成本24.46万元.     

我国省域CO2-PM2.5-O3时空关联效应与协同管控对策

首先分析了2015～2019年我国省域CO₂排放量和大气PM_2.5、O₃污染浓度的时空特征及三者变化量之间的关联效果.而后利用排放因子法编制2011～2019年各省CO₂和PM_2.5、O₃前体物的排放清单,结合STIRPAT模型分情景预测了CO₂和PM_2.5、O₃前体物的协同效应,并建立评级体系识别重点管控区域并对其开展分部门的协同效应解析,最后提出分级协同管控对策.研究结果表明,53%的省份CO₂减排与PM_2.5浓度下降之间不存在关联效果,87%的省份CO₂减排与O₃浓度下降之间不存在关联效果.2012～2014年我国CO₂与PM_2.5具有协同效应,而2015～2019年则不具有该效应,另多数研究年份CO₂与O₃前体...     

基于OMI数据的长三角地区NOx排放清单校验

近年来伴随着我国经济的持续增长,人为源氮氧化物排放居高不下,导致我国区域大气复合污染日趋严重. NO_x排放清单对于大气复合污染研究具有极为重要的意义.为了降低NO_x排放清单的不确定性,基于OMI卫星观测的对流层NO₂柱浓度资料,结合WRF-CMAQ模型系统,对2014年长三角区域NO_x排放清单进行了校验,对于该清单的不确定性进行了初步评估.结果表明,基于长三角地区2014年大气污染物排放清单,利用WRF-CMAQ系统模拟所获得的区域NO₂柱浓度平均值（4.66×1015~10.58×1015 mole/cm2）与OMI卫星数据（3.49×1015~11.47×1015 mole/cm2）较为接近,并且相关性较好（平均R=0.65）,归一化平均偏差（NMB）在-7.71%~33.52%之间,平均偏差（Bias）在0.06~0.28之间,可以在一定程度上说明2014年长三角区域NO_x排放总量基本能够反映区域NO₂污染状况.对比分析了OMI卫星遥感资料与CMAQ模型模拟结果,二者NO₂柱浓度空间分布情况总体一致,然而,苏南、上海和浙北等工业较发达地区OMI卫星NO₂柱浓度低于CMAQ模型模拟值,周边经济欠发达地区OMI卫星数据高于CMAQ模型模拟值,表明空间分布仍有进一步优化的空间.利用近地面卫星观测数据与CMAQ模型模拟结果对比,可得近地层观测ρ（NO₂）高于模拟结果,说明仅仅利用地面观测数据验证模型模拟结果存在一定偏差.研究显示,NO_x排放清单模型模拟结果在总量和时间变化方面与OMI卫星资料一致,在空间分配方面存在一定偏差.      

城市大气污染物排放路径对于碳达峰的借鉴

基于可获取的城市SO₂和CO₂排放清单数据,从数据挖掘的角度去探究两者排放趋势的相似性或差异性,分析这种趋势之间的相互关系对预测CO₂今后趋势的借鉴意义。利用DTW算法实现SO₂和CO₂在时间轴上的匹配关系,将城市按照滞后型、同步型、超前型进行分类,对于各类城市进行碳达峰年预判,最后根据研究结果对碳减排行动提出了建议。     

基于多站对比的南昌地区大气CO2浓度变化特征分析

基于南昌高精度温室气体浓度观测站(南昌站)及南昌城市加密观测站(加密站)2020年8月—2021年8月大气CO₂在线连续观测资料,分析了南昌地区大气CO₂浓度变化特征、区域大气输送的影响及潜在排放源区分布特征,并对加密站数据可用性进行研判.结果表明,研究期内南昌站CO₂的平均浓度为444.2×10-6,大气CO₂浓度日变化呈日间低、早晚高的特征,且夏季大气CO₂浓度日振幅最大;季节变化呈现冬季>春季>秋季>夏季的规律.南昌地区的气团输送主要受盛行风向及大气层结稳定度的影响,即夏季南方、东方气团带来较高CO₂浓度,其它季节则由北方气团造成CO₂浓度升高;长三角地区、武汉地区是南昌大气CO₂持久稳定的潜在贡献源区.加密站与南昌站数据季节变化特征和日变化特征基本一致,可以反映局地CO₂浓度变化特征,在年尺度上构建回归方程能够校正加密站数据;近地面CO₂浓度与...