自1999年起，《麻省理工科技评论》每年在全球范围内从生物医药技术、能源材料、人工智能等多个前沿学科和科技领域中遴选出35岁以下对未来科技发展产生深远影响的青年科技人才-“35岁以下科技创新35人”。2017年《麻省理工科技评论》将这份最权威的榜单落地中国，旨在以全球视野挖掘最有创新能力的科技青年领军人，并为这些青年科学家搭建一个高度国际化的舞台。

为聚集全球创新人才和资源，打造创新人才高地，中关村科学城与北京清华工业开发研究院联合《麻省理工科技评论》中国，于2023年3月30日-31日在北京·海淀中关村自主创新示范区展示中心会议中心举办全球青年科技领袖峰会暨《麻省理工科技评论》“35岁以下科技创新35人”中国发布仪式。

以下为清华大学地球系统科学系副教授、博士生导师，国际科学计划Carbon Monitor负责人刘竹在全球青年科技领袖峰会的精彩演讲，由云现场整理。

大家好，又一次来非常酷炫的TR35的讲台，每一次站在这个非常大的屏幕前面，我就非常羡慕，如果有一天我们的课堂也有这么大的屏幕就非常好了，我是清华大学的刘竹，来自地球系统科学系，跟大家分享一下我们的研究进展，可能大家都知道现在双碳是非常热门的话题，应对气候变化是全人类非常大的挑战。

人类活动的二氧化碳的排放，我们所说的碳排放是不是我们现在说的整个大气中二氧化碳升高的最主要的原因，这个里面的科学基础在于我们需要非常准确的碳的数据，基础数据是整个应对气候变化，整个碳中和学科非常重要的关键部分，这个数据我们所说的碳的数据有不同的方法获得它，这个在大气当中的二氧化碳浓度是用直接测量的方式，直接去测大气中的二氧化碳的浓度，但是大气中的二氧化碳浓度一部分来自于人类活动，人类的化石燃料使用，一部分来自于自然系统的反馈，人类活动这部分没有办法直接测量的，所以人类活动这部分的排放量化，现在气候变化谈判，我们现在碳中和很多时候讲到减排多少，作为一个基础数据，这个数据其实不是直接测量出来的，是一个估计值。

这样一个值的话就有一些非常重要的特点了，因为是估计出来的，就会有人为造成的误差，而且很重要的一方面，相对来说中国在相关的研究是属于比较新兴的，比较早期的，现在有的数据库，现在发布排放数据的权威机构都是在西方国家的机构，这些机构发布的数据，大家能用到作为碳中和参考的数据有一个非常重要的特点，这个数据有明显的时间滞后性，普遍来讲时间分辨率对时间滞后性非常大。

比如说现在想要知道2022年的数据，或者今天的数据，这个是很难获得的，我们查相应的机构报告，只能看到2018年、2019年的数据，这个相当于我们现在大家都在讨论碳中和的问题，但是我们依赖的数据是历史数据，这样就变成实际上就像你开车，你往后看，不往前看，现在发生的危险是不知道的。

所以我们现在排放量增值的问题变成一个非常核心的科学问题，在以前的方法里面怎么核算二氧化碳，怎么量化它，我们是用化石燃料燃烧的量和其中碳的排放因子直接估算，相应的公式可能已经用了70年以上了甚至更长的时间，在我们的研究里面发现可以把这个东西作为改进，这个改进当然有一些复杂的模型，我在这里用一个简单的方式给大家解释一下。

一个普通的方法是用能源消费量和排放因子，好像你去加油，不知道这个汽车排放了多少，你去加油，通过你的加油的次数和每次加油的量来计算你的开车的排放，假如现在知道开车的状态和排放的对应，比如说每小时100公里速度下的排放是多少，我就可以用一种新的方式，就是追踪开车的状态，现在这个车它的行驶距离和行驶速度就可以用这种方式推算它的排放，后面一种方法，用到一种新的数据，这种数据把它叫做实时数据或者更精准一点叫净实时数据，这样一套数据体系，是建立在我们很多的信息系统、数据系统全面的发展，这里面涉及到GPS、信任数据这样一些数据的发展。

但是现在确实我们来到一个大数据时代，这样一些数据，很多数据可以获得，很多的传感器可以给我们这个契机，用一种新的方式来描述人类的活动变化，所以我们在前面的一些研究里面，就会发现其实很多重要的信息，比如说以前想要知道我们跟中东的石油贸易是怎么样的，以前必须得入库以后才知道，现在假如有这些数据了，可以追踪这个船的位置在哪儿，吨位是多少，可以非常实时的知道这些能量和能源的变化。

其中有很多的数据实际上是可以供我们开展这种研究的，这样就把以前变化的方式，以前只能从能源的消费量来推算排放的方式变成现在用一种净实时的方法，用一种净实时的动态来进行追踪，所以我们就建立了一套所谓的净实时的碳排放的定量模型，这个模型非常静电，我们没有花很多的时间开发，但是它有很大的潜力，因为所有人对自然界的影响，其实可以大致用这个模型表示，不仅仅是二氧化碳，也有可能是其它很多东西，比如说空气、水，这个模型非常简单，把人的活动对自然界的影响分成几个部门，火力发电、工业、交通、居民消费，交通又分成路面运输还有空运和海运，这样一个分解其实很有意思，当它分解以后，我们可以发现每一个部门可以用一些数据，用一些非常高精度测量的数据把它进行模拟和监测。

也有很多的数据，比如说火力发电，同时可以有电网的数据，用电的数据，发电的数据，遥感卫星可以追踪电厂发出来的热量，比如说交通的数据，有行使距离、GPS信号、很多交通路面拥堵的指数这样一些方法。

同时结合现在所谓的数据平台的自动化的处理，数据化的方法，一旦这个数据产生以后，很快的把它变成实时的信号，计算排放，整个框架我在这里就不细说了，大家如果有兴趣的话可以讨论，当然每个细节的东西可能会相应的比较细一些，但是整个框架大概的意思就是我们用一套数据去表达实时的影响。

在这个基础上开发了Carbon Monitor，这个也是很多国际学术单位参与的一个研究计划，这个计划的目的就是说我们有一套新的数据方法来表达人类活动排放，相对于以前的数据，Carbon Monitor这套数据的方法。相对于以前的数据，我们这个数据有什么特点，这个数据首先是净实时的，更新频率非常快，现在更新的最新的数据到2023年的2月份，其它的数据是2020年的，另外一个时间分辨率是完全不一样的，这个数据是到TN的，每一天有一个值，以前的数据是年的数据，其实告诉了我们很多不一样的事情，比如说我们知道大气中的二氧化碳浓度是有季节变化的，夏季的时候高一些，冬季的时候又会低一些，这个跟植被的光合作用有关系，我们不知道人的活动产生的排放其实也是有非常明显的季节变化的甚至是其它的变化，这个是从我们把它反映出来的曲线里面看到的排放变化，把它命名为“奔马曲线”，因为像一匹马。

其实很有意思，为什么像一匹马，很多时候跟中国的排放是有关系的，我们可以看到中国的破放图里面，2月份的排放有一个非常明显的低的值的，这个其实是因为中国新年的关系，因为新年的时候大家放假，所以它的排放会低一些。

全世界的图也很有意思，最后12月份可以看到大致会呈现这样一个曲线，但是12月份的时候马的尾巴到底是朝下还是没有明显的朝下，这个取决于这个国家是不是有圣诞节，所以这样的信息可以反映这个人的活动排放的信号，这个图里面个可以看到十一的假期和五一的假期都可以很明显的反映在里面，比如说我们可以看到日本其实很有意思，8月份的时候有一个很明显的下降，5月1日也有一个很明显的下降，我们可以通过这个数据推测日本第一是过劳动节的，第二个可能在8月份的时候还有一个比较大的节日。

这样的数据可以反映很多的事情，比如说新冠疫情的影响，我们在前面的文章已经分析过了，新冠疫情对于人类的活动产生排放下降，大概5%左右，远远低于我们的估计，另外一个很有意义的结论，因为新的数据产生了，我们可以很快的预估未来的趋势，这个是更新后的结果，有人听过IPCC的报告，IPCC的结论认为我们还有十几年的时间，会把剩下的允许我们排放的碳的配额用完，但是实际上新的数据告诉我们只有不到4-7年的时间，这个是什么意思，从理论上还存在可能，实际上已经不可能把地球的温度控制在1.5度以内了。

这个里面大家可以看到排放更高时空分辨率以后呈锯齿状，为什么呈现这个状态，因为有周末的时候就会低一些，大家都休息了，这个数据也会非常敏感，比如说疫情来了之后这个排放就下降了，疫情结束的时候，或者说慢慢这个排放又会缓慢的恢复，一些很具体的变化会被捕捉到里面，比如说我们可以看到俄乌战争带来的影响，在这些天然气的进口，煤的使用，这个里面可以看到，比如说德国它的俄乌战争爆发以后，它的煤的使用和天然气的使用，能源结构出现了非常明显的变化。

后续一些结果，当我们把这个东西用一些其它的手段把它扩展以后，可以呈现出一个比如说空间化的结果，这个是我们开发的净实时碳地图，也是跟阿里云一块儿合作，基于阿里云技术开发的全球净实时碳地图，这里有一个视频的短片。

所有的数据天尺度删隔的净实时空间分辨率的数据都可以在这个上面下载到，因为我们是清华大学地球系统科学系和清华大学新成立的碳中和研究院一起在发布，这个报告目前已经完成了，现在是在各个部委和专家进行评审的意见，所以还没有真实发布，但是整个报告已经是完成了，这个里面也告诉我们很多非常新的信息，比如说全世界在过去一年或者过去几年里面，在新冠疫情期间和恢复以后他们的排放变化是怎么样的，比如说我们可以非常明显的看到2020年左右造成了非常明显的排放的下降，但是后面很快生产这些就恢复了，全世界的排放又恢复了。

这里面也包括很多的部门，每一个部门的曲线净实时的变化都是不一样的，电力、工厂的变化，交通部门还有刚刚说到居民消费的部门变化是很不一样的，还有航空行业的部门。

这样也就是说也是感谢大家，如果有什么问题，欢迎大家跟我们联系，我们网站上这些数据都可以下载，我们也希望能把这个体系更好的作用于中国碳中和的建设，谢谢。