2023年全球逐日二氧化碳排放报告

《全球实时碳数据》与《中国碳核算数据库》工作组著主编 刘竹 关大博 朱碧青 ⽓候变化已成为⼈类可持续发展的严峻挑战。在应对⽓候变化的迫切需求之下，世界各国展现⽓候治理雄⼼与决⼼，提出了本国⽓候变化减排⽅案以及碳中和时间表，助⼒《巴黎协定》温控⽬标的实现。⽓候减排措施的提出与实施的评估和预期亟待更加科学、及时、精确的⾼时空分辨率的基础数据予以⽀撑。然⽽，当前各国的碳排放数据依赖于以年为时间单位的国家统计数据，存在⼀年以上的时间滞后期。全球碳减排与碳中和⽬标的实现，迫切需要及时、准确、可靠的碳排放动态监测及政策评 估 。 此 外 ， 由 于 应 对 ⽓ 候 变 化 依 赖 于 全 球 实 现 碳 中 和 ， 在 中 国 稳 步 推 进 碳 达 峰 与 碳 中 和 ⽬ 标 的 同时，实现对世界其他国家的碳排放动态的监测及报告亦⼗分必要。 年初爆发的新冠疫情在促成不同学科开展对⼈类社会经济活动近实时变化的动态追踪和数据融合的基础上，也进⼀步激发了⽓候变化科学领域的专家学者们探索碳排放动态变化的科研热情。其中 ， 由 清 华 ⼤ 学 领 衔 构 建 、 多 个 国 家 的 研 究 机 构 及 科 学 家 共 同 参 与 的 全 球 实 时 碳 数 据 （& D U E R Q0RQLWRU）团队在此背景下应运⽽⽣。&DUERQ0RQLWRU团队旨在基于卫星观测、排放核算、统计、模拟等多维度数据融合构建碳排放近实时量化的⽅法学，建⽴能反映碳排放动态变化的透明、科学的全球各国动态碳排放核算监测体系，为全球各国实现碳达峰和碳中和⽬标以及未来减排政策的制定提供科学依据和数据⽀持。&DUERQ0RQLWRU发布的全球近实时碳数据库初步实现对世界主要国家每⽇碳排放量的动态监测，得到国际社会的⼴泛关注。截⽌⽬前，&DUERQ0RQLWRU已经被政府间⽓候变化专⻔委员会（,3&&）、国际⽓象组织（:02）、联合国环境署（81(3）、国际能源署（,($）、美国国家航空航天局（1$6$）等官⽅机构多次引⽤。 此次撰写的《全球逐⽇⼆氧化碳排放报告》依托全球近实时碳数据库，以年疫情前⽔平为基准，详细讨论-年的美国、欧盟、英国、印度等全球主要经济体的碳排放动态变化情况。从全球维度逐渐降尺度到国家层⾯，展示⼀次能源消费结构和部⻔排放分布，详实地剖析⽇度碳排放特征，以此揭示在新冠疫情⼤流⾏背景之下，世界各国在疫情控制、经济活动恢复以及碳排放总量控制等多政策⽬标下的碳排放变化情况，为公众、媒体、科研单位、智库等相关⽅提供更为科学及时的碳排放情况概览。⾼分辨率的碳排放数据解析有助于世界各国有针对性地采取更为有效的低碳⾏动，实现从⾃上⽽下到⾃下⽽上碳减排的过渡，充分体现各国低碳发展的异质性，从⽽为优化各国碳减排政策提供坚实的数据⽀持。 本报告，&DUERQ0RQLWRU团队聚集了来⾃中国、英国、美国、法国及⽇本等国家和地区的近百名学者，在全球范围内开展逐⽇碳排放的核算及应⽤⼯作，历时两年共同合作编制完成，特别感谢科学指导委员会和评审专家对报告的⽀持和宝贵建议。本报告中若有不当之处，敬请批评指正。 目录 作者列表 全球逐⽇碳排放报告 第⼆章 全球⼆氧化碳排放特点及趋势 2.1 قቖԫ࿔۸᏶ഭන༷ᬿ2.2 Ԇᥝ国ਹԫ࿔۸᏶ഭනᨯሠఘ٭1415 2.3.1 ኪێ᮱ᳪ2.3.2 ૡӱ᮱ᳪ2.3.3 ࣈᶎᬩᬌ᮱ᳪ2.3.4 ੷࿆ၾᩇ᮱ᳪ2.3.5 ᛯᑮ᮱ᳪ2.3.6 ࢵᴬᛯᬩ᮱ᳪ171819202123 第三章 主要排放体2019-2021排放特点及趋势 3.1.1 ࢵਹ༷٭3.1.2 Ӟེᚆრၾᩇᕮ຅3.1.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.1.4 ړ᮱ᳪ᏶ഭනᨯሠ3.1.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.1.6 හഝ๶რ272828293030 3.2 ཾፑ27国݊英国32 3.2.1 ࢵਹ༷٭3.2.2 Ӟེᚆრၾᩇᕮ຅3.2.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.2.4 ړ᮱ᳪ᏶ഭනᨯሠ3.2.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.2.6 හഝ๶რ323333343536 目录 3.7 ⻄班⽛57 3.3 英国37 3.7.1 ࢵਹ༷٭3.7.2 Ӟེᚆრၾᩇᕮ຅3.7.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.7.4 ړ᮱ᳪ᏶ഭනᨯሠ3.7.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.7.6 හഝ๶რ575858596061 3.3.1 ࢵਹ༷٭3.3.2 Ӟེᚆრၾᩇᕮ຅3.3.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.3.4 ړ᮱ᳪ᏶ഭනᨯሠ3.3.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.3.6 හഝ๶რ373838394041 3.8ཾፑٌ՜国ਹ62 3.4 德国42 3.8.1 ॿࣈڥ3.8.2 ᆽਫ਼ه3.8.3 ᆽဉੰԵԵڥےכ 3.8.43.8.5 ྲ෸ڥ3.8.6 ူه3.8.7 ԄἈ3.8.8 ᜫه3.8.9 រه3.8.10 ഠ޾وظࢵ3.8.11 ظᗔࣈԵ3.8.12 ೉ᚙᖌԵ3.8.13 ᒈᵄਨ3.8.14 ܝ༏ध3.8.15 ᗔḘੰԵ3.8.16 Ḙᘦ՜3.8.17 ៯។ᇌ3.8.18 ታَ3.8.19 लၳ᪠ේ3.8.20 ේ၎պظ3.8.21 ේ၎෈ੰԵ3.8.22 ૶ᚠ3.8.23 ۳ᇌڥ62646668707274767880828486889092949698100102104106 3.4.1 ࢵਹ༷٭3.4.2 Ӟེᚆრၾᩇᕮ຅3.4.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.4.4 ړ᮱ᳪ᏶ഭනᨯሠ3.4.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.4.6 හഝ๶რ424343444546 3.5. 法国47 3.5.2 Ӟེᚆრၾᩇᕮ຅3.5.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.5.4 ړ᮱ᳪ᏶ഭනᨯሠ3.5.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.5.6 හഝ๶რ4848495051 3.6 意⼤利52 3.6.1 ࢵਹ༷٭3.6.2 Ӟེᚆრၾᩇᕮ຅3.6.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.6.4 ړ᮱ᳪ᏶ഭනᨯሠ3.6.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.6.6 හഝ๶რ525353545556 目录 3.9 ⽇本108 3.13 Ӯኴٌ܄ࣈ޾՜国ਹ128 3.9.1 ࢵਹ༷٭3.9.2 Ӟེᚆრၾᩇᕮ຅3.9.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.9.4 ړ᮱ᳪ᏶ഭනᨯሠ3.9.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.9.6 හഝ๶რ108109109110111112 3.13.1 ࢵਹ༷٭3.13.2 Ӟེᚆრၾᩇᕮ຅3.13.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.13.4 ړ᮱ᳪ᏶ഭනᨯሠ3.13.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄128128129129131 第四章 数据应⽤与展望 4.1 قቖਫ෸᏶හഝҁCarbonMonitor）ݍฉقቖഭනࣁෛ٢ዖఘ୽ߥӥጱள᭛ӥᴳӨᬥ᭛ݍ୨134 3.10 俄罗斯113 3.10.1 ࢵਹ༷٭3.10.2 Ӟེᚆრၾᩇᕮ຅3.10.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.10.4 ړ᮱ᳪ᏶ഭනᨯሠ3.10.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.10.6 හഝ๶რ113114114115116117 附录1⼆氧化碳排放核算 附录2数据来源 参考⽂献 3.11 印度118 3.11.1 ࢵਹ༷٭3.11.2 Ӟེᚆრၾᩇᕮ຅3.11.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.11.4 ړ᮱ᳪ᏶ഭනᨯሠ3.11.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.11.6 හഝ๶რ118119119120121122 3.12.1 ࢵਹ༷٭3.12.2 Ӟེᚆრၾᩇᕮ຅3.12.3 ᭑෭᏶ഭනᇙ஄Ө᩽۠3.12.4 ړ᮱ᳪ᏶ഭනᨯሠ3.12.5 ෭࣐᏶ഭනᑮᳵړ૲ᇙ஄3.12.6 හഝ๶რ123124124125126127 第一章 报告背景 报告背景 报告分析了全球主要经济体的-年的整体碳排放变化，并聚焦于部⻔和逐⽇的碳排放特征，从⽽揭示在新冠病毒流⾏的背景下，各国在控制疫情，恢复经济⽣产活动，控制碳排放总量等多⽬标情况下的碳排放变化，以期为公众、媒体，科研单位、智库等相关⽅，提供更为及时的碳排放概览，从⽽采取更为有效的低碳⾏动、优化和宣传⽅案等，实现⾃上⽽下到⾃下⽽上减排的过渡，进⽽为优化各国碳减排政策提供数据⽀持。 伴随⽓候变化成为全球共识，各国相继提出本国的碳排放控制⽬标及碳中和时间表。在年达成的《巴黎协定》中，各国政府承诺将全球平均温度控制在⽐前⼯业化⽔平升温摄⽒度以内，并努⼒达到升温.摄⽒度以内的⽬标；年在格拉斯哥举⾏的联合国⽓候变化框架公约第⼆⼗六次⼤会(&23)上，各缔约国纷纷提出更具有雄⼼和决⼼的⽓候减排⽅案。然⽽随着⽓候减排措施的实施和不断深⼊和优化，对减排措施实施效果的评估和预期也愈⼤，⽽这其中需要更⾼时间和空间分辨率的碳排放数据加以⽀持。以往在时间尺度上，反映各国的碳排放数据⼀般以年为时间单位，且存在⼀年甚⾄更⻓的时间滞后期，在及时性和时间分辨率上均有不⾜。主要原因有： 未来的报告中，将进⼀步扩充国家碳核算清单，对更多国家进⾏精细化碳核算，同时更新碳排放清单的时空覆盖范围，以保证数据的即时性，实现对逐⽇排放趋势的核算和报告。此外，利⽤正在开展的⾼空间分辨率碳排放数据库，对碳排放重点城市和地区进⾏重点核算，为精细化减排政策的制定和实施提供参考。 ⼀是传统碳核算体系依托统计核算数据（例如能源消费数据，经济活动数据等）作为基础数据。各国对该类数据的公布存在较⻓的时间滞后性。以全球⼤⽓研究排放数据库（(PLVVLRQV'DWDEDVH[  @IRU *OREDO $WPRVSKHULF 5HVHDUFK, ('*$5）数据为例，其每年发布的最新碳排放数据滞后时间为⼀年以上。 ⼆是统计数据通常以“年”尺度为单位进⾏公布，缺乏⾼时间分辨率的基础数据，导致⾼时间分辨率的碳排放数据核算⼯作存在相应时间分辨率基础数据难以获得的天然困境。虽然不同国家、地区和不同数据库已有尝试提供较⾼时间分辨率的基础数据（⽐如国际能源署,($提供以⽉为单位的能源电⼒⽣产消费数据），但存在覆盖范围和⾏业划分等⽅⾯的不同，各部⻔的基础数据时间分辨率差异也很⼤。如何提⾼基础数据的时间分辨率是⽣成⼀套全球各国实时关键部⻔碳数据核算的主要技术挑战。 三是现有碳排放相关活动数据存在国家间、⾏业间、部⻔间核算⼝径差异⼤，难以统⼀的挑战。具体到部⻔层⾯，作为主要排放部⻔：⼯业与电⼒部⻔，各国各地区核算⼝径不尽相同。例如，国外机构采⽤的联合国政府间⽓候变化专⻔委员会（,3&&）排放因⼦是基于世纪年代左右⻄⽅国家⼯业系统的经验和统计数据设计，其经验因⼦和数值并不适⽤于中国实际情况，使得国际机构对中国排放的估算普遍较⾼。同时，我国能源消费的⾏业划分根据独⽴法⼈企业，⽽国际机构如,($等都基于能源的最终⽤途，核算边界存在较⼤差别，分部⻔具体情况难以直接进⾏国际⽐较。这些基础数据统计⼝径的差异对编制全球实时碳数据库带来诸多挑战。统⼀核算⼝径对客观展示各国、各地区碳排放的总量和变化情况，从天变化、主要贡献部⻔等多维度刻画各国家和地区碳排放现状，助⼒全球减排政策的制定和实施⾄关重要。 针对上述问题，本报告在,3&&的年全球年度基准排放数据的基础上，通过将“⾃上⽽下”的排放监测数据与“⾃下⽽上”的排放核算数据融合的⽅式，将排放数据扩展到⽇尺度的时间分辨率。融合全球个国家的电⼒⽣产数据、全球个城市的道路交通拥堵数据、全球航班⻜⾏数据、主要国家 ⽉ 度 ⼯ 业 ⽣ 产 数 据 以 及 各 国 ⼈ ⼝ 加 权 采 暖 度 与 制 冷 度 ⽇ 数 数 据 的 采 集 ， 构 建 起 ⼀ 套 涵 盖 电 ⼒ 、 交通、⼯业、居⺠消费等主要部⻔的⼈类活动数据集，形成电⼒⽣产与碳排放、交通拥堵指数与⻋流量及碳排放、温度与供暖碳排放等碳排放核算模型，实现⽇尺度碳排放的核算与监测。 第二章 ᪣᪡᪢᪪ᬁ ᪣᪡᪣᪣全球二氧化碳排放特点及趋势 ᪣᪡᪢᪪ᬁ ᪣᪡᪣᪣全球二氧化碳排放特点及趋势 Ԇ