利用植物放射性碳和贝叶斯反演技术对化石燃料二氧化碳进行高分辨率测绘：迈向城市规模的排放审计

《Environmental Science & Technology》：High-Resolution Mapping of Fossil Fuel CO2 Using Plant Radiocarbon and Bayesian Inversion: Toward a City-Scale Emission Audit

　　本研究通过采集深圳70份草本植物样本，结合14C观测与贝叶斯反演，高分辨率映射了化石燃料CO2ff排放，显示工业源主导并具有显著空间相关性，总排放量59.2±4.0 Mt/年，验证了该方法在数据有限城市的有效性及碳审计应用。

　　

准确量化化石燃料二氧化碳（CO_2ff）的排放量对于评估减排进展和制定气候政策至关重要。然而，城市规模的排放清单往往存在显著的不确定性，这凸显了进行可靠、独立验证的迫切需求。在这里，我们利用放射性碳（¹⁴C）观测数据并结合贝叶斯反演方法，对深圳市的CO_2ff排放进行了高分辨率的绘制。2022年，我们在全市范围内以5 × 5平方公里的网格间距收集了70个草本植物样本，以捕捉CO_2ff的空间分布特征。这些植物中的¹⁴C所指示的CO_2ff信号被纳入贝叶斯模型进行分析，并通过多次敏感性测试来评估其可靠性。分析结果表明，工业源是CO_2ff排放的主要来源，这一结论得到了工业设施密度以及共排放污染物（PM_2.5、PM₁₀和NO₂）与CO_2ff之间强空间相关性的支持。反演结果显示，深圳市的年总CO₂排放量为59.2 ± 4.0百万吨，这一数值介于中国环境监测中心（MEIC）提供的较低估算值和ODIAC提供的较高估算值之间。这些结果表明，草本植物的¹⁴C测量方法能够在精细的空间分辨率下，以经济高效且可扩展的方式对城市CO_2ff排放量进行约束。当这种基于观测的数据分析与贝叶斯反演方法相结合时，能够对自下而上的排放清单进行可靠的独立验证，从而支持城市规模的碳审计和基于科学的治理工作，尤其是在数据有限的城市地区。