1990-2016年UNFCCC附件一国家二氧化碳排放因子数据集

张莉，王茂华，常征，吕正，黄永健

1.中国科学院上海高等研究院；上海大学，特种光纤与光接入网重点实验室，特种光纤与先进通信国际合作联合实验室，上海先进通信与数据科学研究院，上海 201210

2.上海碳数据与碳评估研究中心，中国科学院低碳转化科学与工程重点实验室/中国科学院上海高等研究院，上海 201210

3.中国科学院洁净能源创新研究院，大连 116023

引 言

气候变化问题是当今国际社会关注的热点和焦点。联合国政府间气候变化委员会（IPCC）在其发布的第五次评估报告[1]中指出，气候变暖的事实毋庸置疑，且变暖速度仍在加快，只有加大温室气体减排力度，才有可能抑制变暖趋势。面对气候变化减缓的严峻性与紧迫性，为实现全球气温上升抑制在 2℃以下的目标，各国达成了巴黎协定。我国已明确提出二氧化碳排放的自主贡献（NDCs）目标，即争取到2030年之前，单位国内生产总值二氧化碳排放量比2005年下降 60%-65%。除了NDCs目标，根据巴黎协定要求，所有缔约方须以IPCC制定的方法学为依据编制并提交温室气体排放源和吸收汇的国家清单报告，作为执行和实现NDCs所必需的信息[2]。近年来，我国政府高度重视温室气体排放的统计核算工作，在《国家应对气候变化规划（2014-2020年）》《强化应对气候变化行动——中国国家自主贡献》《国民经济和社会发展第十三个五年规划纲要》等中均明确提出，要加强我国气候变化相关的统计、核算工作。

二氧化碳（CO2）是人为温室气体（GHG）排放的最主要成分，1970-2010年累计排放占GHG排放总量的78%[1]。其中，化石能源燃烧约占人为CO2排放总量的74.5%[3]，即燃料燃烧CO2排放对人为GHG排放总量的贡献达58%以上。这表明，燃料燃烧CO2排放是温室气体减排的重点领域，其排放量核算的准确性是减排政策制定和执行的基础。根据IPCC方法学，温室气体排放量等于活动水平数据与其所对应的排放因子的乘积[4]。对于燃料燃烧，CO2排放量核算的各种方法均基于燃料燃烧量计算，即排放量等于燃烧的燃料量乘以燃料的排放因子。不同方法之间的区别主要在于排放因子的选择，即采用IPCC缺省排放因子或是特定国家排放因子。IPCC的推荐做法是使用可获得的最细分的、特定技术和特定国家排放因子。

CO2排放因子的选择和核定对燃料燃烧CO2排放量计算结果具有重要影响。在对我国燃料燃烧CO2排放核算中，不同研究机构和学者采用的排放因子有所不同[5]。我国国家发改委应对气候变化司以公开出版物的形式公布了我国2005年分部门、分燃料品种的碳排放因子（含潜在碳排放因子和碳氧化率）。国际组织如全球大气排放数据研究中心（Emissions Database for Global Atmospheric Research，EDGAR）、国际能源署（International Energy Agency，IEA）和美国能源信息署（U.S.Energy Information Administration，EIA）在不同时期先后采用了《1996年IPCC国家温室气体清单指南》和《2006年IPCC国家温室气体清单指南》中的燃料缺省排放因子[6-8]。美国劳伦斯伯克利国家实验室CO2信息分析中心（Carbon Dioxide Information Analysis Centre，CDIAC）则采用了独自估算的燃料排放因子[9]。而Liu等[10]基于中国科学院战略性先导专项“应对气候及变化的碳收支认证及相关问题”的实测数据所得出的中国煤炭排放因子比IPCC缺省因子低40%左右。

国家温室气体清单报告是各国（按照《联合国气候变化框架公约》（United Nations Framework Convention on Climate Change，UNFCCC）分为附件一国家（Annex I countries）和非附件一国家）向联合国提交的官方文件。其中，附件一国家应公约要求向联合国秘书处提交详细的国家温室气体清单报告；非附件一国家考虑到其发展必要性，根据自身情况向联合国提交报告。国家温室气体清单报告具有较强的权威性，其所提供的包含燃料CO2排放因子在内的系列数据表，具有格式统一、时间序列长、分特定国家、燃料品种全、部门分类详细的特点，为国家之间的化石燃料CO2排放因子数据提供了良好的可比性。由于巴黎协定之前没有强制要求非附件一国家提交温室气体清单报告，因此仅可获得部分非附件一国家部分年份的CO2排放因子值，而附件一国家的数据比较完整。因此，本研究选择附件一国家作为研究对象。为便于对各国CO2排放因子进行比较、分析及支撑后续研究，本研究将44个附件一国家所提交的温室气体清单报告进行整理，筛选出1990-2016年各国按照部门方法（Sectoral-approach）核算的燃料CO2排放因子数据，获得了分类统一、便于比较的长时间序列附件一国家按部门方法核算的燃料CO2排放因子数据。本数据集中模板建立、数据筛选、处理以及合并的所有步骤全部用JAVA和Matlab编程实现。

1 数据采集和处理方法

1.1 数据采集

国家温室气体清单报告是联合国气候变化框架公约缔约方向联合国提交的官方文件，具有较强的权威性。课题组获取了2018年UNFCCC网站最新公布的44个附件一国家1990-2016年的温室气体排放清单报告（https://unfccc.int/process/transparency-and-reporting/reporting-and-review-under-theconvention/greenhouse-gas-inventories-annex-i-parties/national-inventory-submissions-2018）。其中，共同报告（CRF）中的文件格式为xlsx，包含各国各个年度的所有温室气体的排放量（Emissions）、排放因子（Implied Emission Factors）、活动量（Consumption）等系列数据。

1.2 数据处理

获得的原始数据为1990-2016年44个附件一国家的温室气体排放清单，27年间44个国家最新提交的温室气体排放清单CRF格式，共包含1188个xlsx文件。本数据集需要获得的是各国按照部门方法（Sectoral-approach）核算的燃料CO2排放因子数据。数据集制作过程为：（1）表格模板的建立；（2）数据处理；（3）数据汇总。其处理流程如图1所示。

图1 1990-2016年附件一国家CO2排放因子数据集生成主要流程示意图

1.2.1 表格模板的建立

各国的清单编制格式大体一致，按照部门方法核算的 CO2排放因子，存在于清单 xlsx文件的Table1.A(a)s1，Table1.A(a)s2，Table1.A(a)s3，Table1.A(a)s4工作表中。以上4个工作表格式一致，记录了各国各部门核算的三类温室气体（CO2、CH4和N2O）的活动量、排放因子和排放量数据。如图2所示为1990年澳大利亚温室气体排放清单中Table1.A(a)s1工作表的部分数据。其中，A列的分部门能源种类和D列的CO2排放因子数据是本研究所需要的。

图2 1990年澳大利亚温室气体排放清单Table1.A(a)s1工作表部分数据

整理各国工作表中以燃料燃烧为中心的部门分类（即图2中A列）。发现各国将燃料燃烧（1.A Fuel combustion）的部门分为5个大类：1.A.1 Energy industries（能源），1.A.2 Manufacturing industries and construction（建筑和制造），1.A.3 Transport（交通），1.A.4 Other sectors（其他）和1.A.5 Other(Not specified elsewhere)（其他未包含部门）。5个分类之后，各国均有垃圾焚烧（Waste incineration with energy recovery），包含生物质（Biomass）和燃料（Fossil fuels）的数据。

5个大类之下存在子部门分类。各国之间存在细微的差异：

（1）某些国家的部门分类在另一国家中没有。例如，在美国中存在部门分类1.A.1.a.i Electricity Generation，而在澳大利亚中没有该分类。

（2）某些国家的部门分类在相同分类之下还存在与其余国家都不相同的子部门，不便于统一比较。例如，美国在1.A.5 Other (Not specified elsewhere)——a.Stationary (please specify) 部门之下，还存在Incineration of Waste,U.S.Territories和Non Energy Use三个与其余国家均不同的子部门。

为便于比较，我们整理了各国的部门分类，建立了能涵盖各国数据的统一表格格式。此格式作为数据集中各国数据的编制模板。将各国的部门分类进行了比对，建立了统一的较为完整的分类。

最大类为1.A Fuel combustion，为各部门的总和。

第一级分类为1.A.x.（x为数字序号），对应各国工作表中的能源、建筑和制造、交通，其他和其他未包含5个部门。

第二级分类为a、b、c、d、…、g，对应5个一级部门的第二级部门，如一级部门1.A.1 Energy industries部门下有a.Public electricity and heat production,b.Petroleum refining和c.Manufacture of solid fuels and other energy industries三个第二级部门。

第三级分类为i、ii、iii、…、viii，对应二级部门下的第三级部门，如1.A.1 Energy industries 的a.Public electricity and heat production二级部门下有 i.Electricity Generation,ii.Combined heat and power generation,iii.Heat plants和iv.Other(please specify) 4个三级部门。也有一些二级部门下没有三级部门，例如交通部门1.A.3 Transport下的二级部门a.Domestic aviation。

第四级分类是每个三级部门或没有三级部门的部分二级部门下的燃料种类分类，也是最小分类。大部分部门的四级分类都是Liquid fuels，Solid fuels，Gaseous fuels，Other fossil fuels，Peat和Biomass几类，也有不一样的，如交通部门1.A.3 Transport下的二级部门a.Domestic aviation，其四级分类为Aviation gasoline，Jet Kerosene和Biomass三类。分别核算了每个分类下的CO2排放因子。

另外，在计算CO2排放量（图2中B列）时会引入能源燃烧的发热值，各国的计算标准有所不同（图2中C列），这会影响各国的CO2排放因子的计算。在表格模板中应添加一列（GCV/NCV）对此进行说明。当GCV/NCV为GCV时，表示该国家能源燃烧的发热值为总发热值（GCV），如澳大利亚。当GCV/NCV为NCV时，表示该国家能源燃烧的发热值为净发热值（NCV），如奥地利。

完整的部门分类如图3所示。此分类表能完整涵盖各国清单中的所有部门分类。

图3 表格模板中部门分类图

1.2.2 数据处理

模板编制完成之后，对各国1990-2016年清单文件下Table1.A(a)s1- Table1.A(a)s4表中数据进行处理，以上工作表包含不同部门下CO2的活动量（Consumption，图2中B列）、排放量（Emissions，图2中G列）及排放因子（Implied Emission Factors，图2中D列）数据，本数据集整理的是CO2排放因子数据（图2中D列）。

数据处理包含以下步骤：

（1）CO2排放因子数据单位统一为t/TJ。提取工作表中的能源燃烧发热值计算方法GCV/NCV（即图2中C列），填入模板表格。

（2）模板中的各类部门在原始清单中有对应数据时，将该数据依年份填入模板表格。

（3）原始清单中没有排放因子数据的，若有CO2排放量（即图2中G列）和活动量（即燃料消费量，图2中B列）数据，排放因子通过合计排放量除以合计活动量获得。例如，图2中欠缺的1.A Fuel combustion的排放因子即可以通过此法计算获得。

（4）若原始清单中存在模板中不包含的子部门，按模板第三级分类将子部门的排放总量与活动量数据相加，通过（3）法获得排放因子。

（5）若原始清单中没有该部门，保留空白。

1.2.3 数据汇总

审计工作的主要目的就是发现信息披露存在的问题，及时纠正问题与不足。但是在实践中审计工作流于形式，没有凸显自身的监督管理作用，导致信息披露工作缺乏实用性。

依模板将各国数据分别处理、录入之后，将各国数据进行汇总，建立汇总表格。其数据描述包含国家、部门分类、燃料种类和年份。

2 数据样本描述

经过数据处理和录入，得到了44个附件一国家1990-2016年的部门方法CO2排放因子数据集。该数据集由各国数据表和汇总数据表两个部分组成。

2.1 各国数据表

共44张数据表，分别为44个附件一国家的数据。澳大利亚数据表中部分数据如图4所示。图中每个数据皆有5个属性。

图4 澳大利亚数据表中部分数据图

一级分类、二级分类、三级分类和四级分类分别存储于表中的A、B、C和D列，用字段“TYPE1”“TYPE2”“TYPE3”和“TYPE4”表示。

E列为“GCV/NCV”字段，表示清单中能源燃烧的发热值的计算方法，GCV代表总发热值，NCV代表净发热值。

F列到AF列分别存储1990、1991、…、2016年的CO2排放因子数据。

通过对数据属性进行检索，可以较为方便地获得某国家某部门下的各类燃料的CO2排放因子。

2.2 汇总数据表

共1张数据表，对各国数据表进行汇总获得，数据属性增加为7个，图5所示为汇总数据表中的部分数据。新增字段“Nation”表示数据来源国家，新增字段“Annex-I”有“YES”和“NO”两个值，值为“YES”表示该国家为附件一国家。保留了各国数据表字段“TYPE1”“TYPE2”“TYPE3”“TYPE4”和“GCV/NCV”字段。各国数据表中数据的年份属性依然用“1990”至“2016”字段记录。在A1与D1单元格描述了核算方法和数据单位。单元格的颜色表示含义与各国数据表中相同。通过数据属性，可以方便地检索、筛选数据。

图5 汇总数据表中部分数据图

2.3 中英文对照表

本数据集为英文数据集中提取的子集，为方便读者使用，添加了中英文对照表。包含部门分类、国家其他地方的英文的中文对照。如图6所示，表中A、B两列表示部分分类的中英文对照，C、D、E三列为国家名称的中英文对照，其中，D列为国家名称简写。F、G列为其他地方的中英文对照，包括数据中出现的英文，如“NO”“NE”“sectoral approach”。

图6 中英文对照表中部分数据图

3 数据质量控制和评估

本数据集的数据来源为UNFCCC网站下载的各国最新提交的温室气体排放清单原始文件，表格模板的建立、数据筛选、处理以及合并的所有步骤全部用JAVA和Matlab编程实现。

按国家和年份依次读取原始数据表，将对应数据填入模板。进行数据对应时，将数据部门属性表示为“第一级分类_第二级分类_第三级分类_第四级分类”字符串形式，例如“1.A.1 Energy industries_a.Public electricity and heat production_i.Electricity Generation_Liquid fuels”。将表格模板中的TYPE1至TYPE4字段合并为“TYPE1_TYPE2_TYPE3_TYPE4”字符串形式，当原始数据部门属性字符串与模板中合并后字符串相等时，将该数据填入模板对应行。

进行字符串比较时，因每个国家的部门名称存在大小写差异，将所有部门字符串中的大写字母转为小写再进行比较。保证了在数据填入时不会因部门名称比较出现数据丢失。

4 数据使用方法和建议

本数据集是1990-2016年附件一国家部门方法CO2排放因子数据集，数据格式为主流的xlsx文件，可以在主流的表格处理软件中打开。可以有以下用途：

（1）通过本数据集进行数据检索，可以迅速获取某国家某年某类部门某种燃料的 CO2排放因子。例如，2016年美国交通部门液体燃料的CO2排放因子为68.308 t/TJ。

（2）可以用作图表分析，直观展示分析1990-2016年某国某类部门某种燃料的CO2排放因子变化。例如：表1为1990-2016年美国交通部门液体燃料CO2排放因子。图7为其变化曲线。可以看出，美国交通部门液体燃料 CO2排放因子曾在 2000年之后呈上升趋势，在 2007年达到最高值，2007-2009年大幅下降，2009-2016年整体呈稳定趋势。

表1 1990-2016年美国交通部门液体燃料CO2排放因子

图7 1990-2016年美国交通部门液体燃料CO2排放因子

（3）可以将不同国家某类部门某种燃料CO2排放因子作比较研究。例如，图8所示为1990年和2016年各国交通部门液体燃料CO2排放因子。

图8 1990年和2016年各国交通部门液体燃料CO2排放因子

可以看到，相较1990年，大部分国家2016年交通部门液体燃料CO2排放因子有小幅度的上升或下降，白俄罗斯（Belarus）和罗马尼亚（Romania）的交通部门液体燃料CO2排放因子出现大幅度上升。这也间接反映了各国交通部门燃料消费结构的变化。

（4）可以将多国家长时间序列的CO2排放因子变化趋势作比较研究。例如：图9为1990-2016年美国、日本、英国、法国、德国和俄罗斯的交通公路运输部门汽车汽油燃料的CO2排放因子，其“TYPE1”“TYPE2”“TYPE3”和“TYPE4”分别为“1.A.3 Transport”“b.Road transportation(11)”“i.Cars”和Gasoline。可以看到，图中各国交通公路运输部门汽车汽油燃料CO2排放因子在1990-2016年基本稳定，但也不是一成不变，日本在2013年前后、德国在2015年前后有较大变动。

图9 1990-2016年部分国家交通公路运输部门汽车汽油燃料CO2排放因子变化趋势

本数据集为对世界主要国家的温室气体核算提供了参考数据，也为节能减排战略研究提供了数据基础。