Reconstructing Global Daily CO2 Emissions via Machine Learning

要約

高時間分解能の CO2 排出量データは、排出量変化の要因を理解するために重要ですが、現在の排出量データセットは年単位でしか入手できません。
ここでは、機械学習アルゴリズムを使用して、世界の日次 CO2 排出量データセットを 1970 年まで遡って拡張しました。このアルゴリズムは、日次排出量の変動と 2019 年以降の期間に確立された予測変数との関係に基づいて、国家規模で過去の日次排出量を予測するようにトレーニングされました。
CO2排出量は平滑化した季節変動をはるかに上回っていた。
たとえば、1 日あたりの CO2 排出量の範囲は、2022 年の中国の年間平均 1 日あたりの排出量の 31% とインドの 46% にそれぞれ相当します。
私たちは、臨界排出気候温度 (Tc) が世界平均で摂氏 16.5 度 (中国では摂氏 18.7 度、米国で摂氏 14.9 度、日本では摂氏 18.4 度) であることを特定しました。この中で、毎日の CO2 排出量と大気環境の間には負の相関が観察されます。
Tc より低い温度とそれより高い温度では正の相関があり、周囲温度の上昇に伴う排出量の増加を示しています。
世界の毎日の CO2 排出量を 50 年以上にわたる長期時系列で分析すると、極端な気温現象の発生頻度の増加により、排出量が増加傾向にあることが明らかになりました。
この研究は、気候変動により、CO2排出量を削減するためにさらなる努力が必要になる可能性があることを示唆しています。

要約(オリジナル)

High temporal resolution CO2 emission data are crucial for understanding the drivers of emission changes, however, current emission dataset is only available on a yearly basis. Here, we extended a global daily CO2 emissions dataset backwards in time to 1970 using machine learning algorithm, which was trained to predict historical daily emissions on national scales based on relationships between daily emission variations and predictors established for the period since 2019. Variation in daily CO2 emissions far exceeded the smoothed seasonal variations. For example, the range of daily CO2 emissions equivalent to 31% of the year average daily emissions in China and 46% of that in India in 2022, respectively. We identified the critical emission-climate temperature (Tc) is 16.5 degree celsius for global average (18.7 degree celsius for China, 14.9 degree celsius for U.S., and 18.4 degree celsius for Japan), in which negative correlation observed between daily CO2 emission and ambient temperature below Tc and a positive correlation above it, demonstrating increased emissions associated with higher ambient temperature. The long-term time series spanning over fifty years of global daily CO2 emissions reveals an increasing trend in emissions due to extreme temperature events, driven by the rising frequency of these occurrences. This work suggests that, due to climate change, greater efforts may be needed to reduce CO2 emissions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google