报告行业投资评级 未提及 报告的核心观点 - 世界银行在城市气候融资缺口基金支持下试点Carbon Monitor Cities 2.0，可在无需本地数据收集情况下近实时监测城市温室气体排放，结果能以交互方式展示，助力政策制定者识别排放源和评估减排政策影响 [7][8][56] 根据相关目录分别进行总结 引言 - 介绍Carbon Monitor Cities 2.0，它能近实时监测城市各部门温室气体排放，无需本地数据收集，世界银行在埃及、南非和土耳其11个城市进行试点 [7] - 试点旨在展示生成近实时本地温室气体排放数据的能力，为地方气候变化缓解政策和投资提供信息，未来或用于碳融资的监测、报告和验证系统，且该方法易扩展到更多城市 [8] 为何需要更好的城市温室气体排放监测系统 - 城市层面温室气体排放数据对识别、规划和监测城市气候变化缓解行动至关重要，高频近实时数据有助于决策者分析城市活动与排放关系及评估行动影响 [11] - 多数低收入和中等收入国家城市缺乏本地温室气体排放数据，现有数据存在方法不一致、更新不及时、有时间滞后、数据缺口大等问题，无法满足高频、近期城市层面排放数据需求 [12] 基于近期创新 - 法国、中国和美国大学研究人员开发的Carbon Monitor Cities是Carbon Monitor Cities 2.0前身，该模型将国家排放数据按空间和时间分解，得出约46个国家1500个城市的每日二氧化碳估计值，排放按部门细分，但欧洲以外城市缺乏现实分解所需空间数据 [13] Carbon Monitor Cities 2.0的目标 - 世界银行在城市气候融资缺口基金支持下，基于Carbon Monitor Cities创新，在埃及、南非和土耳其11个试点城市应用新方法，展示新系统潜力 [14] - 原团队重新开发方法，试点重要方面是展示大规模建模排放能力，不依赖逐城本地数据收集，并开发在线界面可视化数据 [15] 方法和数据 范围和排放核算协议 - Carbon Monitor Cities 2.0提供监测平台，量化城市二氧化碳排放，时间分辨率为十天，涵盖埃及3个、南非4个和土耳其4个城市，提供能源、交通和工业三个关键排放部门的历史排放时间序列 [16] - 遵循全球社区规模温室气体清单的BASIC+方法，估计的二氧化碳排放可用于城市代表在该协议内的报告，各部门范围和核算如下：能源部门包括发电和直接化石燃料燃烧；交通部门包括道路运输和航空；工业部门仅包括水泥行业 [17][18][19] 各部门方法 - 航空、能源和工业部门排放根据IPCC指南，使用活动指标和排放因子计算，假设排放因子在考虑期间保持不变 [20][21] - 能源：南非主要用煤发电，通过卫星图像和深度学习算法监测，假设石油发电与煤炭发电成比例；埃及电力分为天然气和石油发电，天然气发电有季节性模式，用季节性模型预测；土耳其电力来自油、煤和天然气混合，不同能源使用不同排放因子；水电、可再生能源和核能在二氧化碳排放平衡中权重可忽略不计 [22][25][27] - 能源 - 工业和住宅直接化石燃料燃烧：埃及使用天然气和石油，天然气排放根据历史数据和排放因子计算，假设石油消费与天然气成比例；土耳其使用天然气、石油和煤炭，天然气使用季节性模型预测，假设石油和煤炭消费与天然气成比例；南非住宅使用煤、气和石蜡等，根据家庭数量和排放因子计算排放 [31][34][37] - 能源使用在建筑区块的分解：通过半监督学习从遥感和建筑数据库自动获取建筑高度和类型，将区域人口分解到建筑层面，用于能源和二氧化碳排放估计；在建筑区块层面估计住宅能源消耗和相关二氧化碳排放，结合多种因素和近实时卫星图像评估能源使用和排放强度，分解城市层面排放 [39][40] - 交通：道路运输数据来自Tom Tom的“Traffic Stats”产品，结合车辆数量、平均速度和道路长度得到活动指标，使用抛物线函数计算燃料使用量，每年使用EDGAR v7.0数据集校准排放因子；航空排放根据FlightAware数据库的航班数据计算，假设负载因子恒定为80%，排放归因可根据城市要求修改 [41][43][46] - 水泥行业：通过卫星图像监测，从全球数据库和当地登记册识别水泥厂，手动标记回转窑位置，用机器学习分析卫星图像估计活动时间轮廓，应用IPCC排放因子计算排放，仅监测与工业过程相关的排放 [45][47][48] 不确定性来源 - 航空不确定性主要来自恒定乘客负载因子假设；能源不确定性来自卫星图像受天气影响、排放因子年际变化和能源比例假设；工业不确定性来自卫星图像受天气影响、假设水泥厂满负荷运行和排放因子变化；道路运输不确定性来自EDGAR数据校准和分解 [49][50][52] 近实时显示排放地图的在线界面 - 为11个试点城市开发的交互式可视化界面，允许用户在城市层面浏览各部门二氧化碳排放，能源部门可细化到地区和像素级别，用户可比较不同时期排放、查看排放演变并下载数据 [53][54] 结论和未来方向 - 试点证明可在无需实地数据收集情况下估计城市近实时二氧化碳排放，并以交互方式展示结果，帮助政策制定者识别排放源和评估减排政策影响 [56] - 未来可探索系统扩展到更多城市、纳入更多输入数据集减少不确定性、扩大工业部门监测范围、利用机器学习分类建筑类型、使用卫星直接测量数据改进排放估计、将系统应用于碳信用监测和其他污染物监测以及集成到城市数据管理系统等 [58]