Comparing a global high-resolution downscaled fossil fuel CO2 emission dataset to local inventory-based estimates over 14 global cities
Notice bibliographique
Résumé
Abstract Background Compilation of emission inventories (EIs) for cities is a whole new challenge to assess the subnational climate mitigation effort under the Paris Climate Agreement. Some cities have started compiling EIs, often following a global community protocol. However, EIs are often difficult to systematically examine because of the ways they were compiled (data collection and emission calculation) and reported (sector definition and direct vs consumption). In addition, such EI estimates are not readily applicable to objective evaluation using modeling and observations due to the lack of spatial emission extents. City emission estimates used in the science community are often based on downscaled gridded EIs, while the accuracy of the downscaled emissions at city level is not fully assessed. Results This study attempts to assess the utility of the downscaled emissions at city level. We collected EIs from 14 major global cities and compare them to the estimates from a global high-resolution fossil fuel CO 2 emission data product (ODIAC) commonly used in the science research community. We made necessary adjustments to the estimates to make our comparison as reasonable as possible. We found that the two methods produce very close area-wide emission estimates for Shanghai and Delhi (< 10% difference), and reach good consistency in half of the cities examined (< 30% difference). The ODIAC dataset exhibits a much higher emission compared to inventory estimates in Cape Town (+ 148%), Sao Paulo (+ 43%) and Beijing (+ 40%), possibly related to poor correlation between nightlight intensity with human activity, such as the high-emission and low-lighting industrial parks in developing countries. On the other hand, ODIAC shows lower estimates in Manhattan (− 62%), New York City (− 45%), Washington D.C. (− 42%) and Toronto (− 33%), all located in North America, which may be attributable to an underestimation of residential emissions from heating in ODIAC’s nightlight-based approach, and an overestimation of emission from ground transportation in registered vehicles statistics of inventory estimates. Conclusions The relatively good agreement suggests that the ODIAC data product could potentially be used as a first source for prior estimate of city-level CO 2 emission, which is valuable for atmosphere CO 2 inversion modeling and comparing with satellite CO 2 observations. Our compilation of in-boundary emission estimates for 14 cities contributes towards establishing an accurate inventory in-boundary global city carbon emission dataset, necessary for accountable local climate mitigation policies in the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».