中国产品级二氧化碳排放数据集

|------|------------------------------|
| 时间跨度 | 1997-2020年(五年间隔)及2018年、2020年 |
| 区域跨度 | 29-34个产品部门 |
| 数据格式 | Excel形式 |

数据简介

"中国产品级二氧化碳排放数据集"是基于《中国能源统计年鉴》、中国国家投入产出表以及产品供给表构建的产品层面二氧化碳排放数据库,旨在实现能源消费数据与投入产出产品部门的精准匹配,为产业碳排放核算、环境扩展投入产出模型(Environmentally Extended Input--Output Model,EEIO)、生命周期评价(Life Cycle Assessment,LCA)、多区域投入产出模型(MRIO)、产业关联分析及"双碳"政策评估等研究提供高精度、可直接应用的数据基础。

本数据集以《中国能源统计年鉴》公布的行业能源消费数据为基础,首先收集各行业不同化石能源品种的能源消费统计信息,包括煤炭、石油及天然气等多种能源类型,并依据中国投入产出供给表建立行业(Industry)向产品部门(Product)的转换关系,将行业层面的能源消费按照产品生产结构重新分配至各产品部门,实现能源消费统计口径与国家投入产出产品分类的一致性。随后,根据不同能源品种对应的平均低位发热量(Net Calorific Value)将能源消费实物量统一折算为热值(Terajoule,TJ),并结合《中国区域二氧化碳排放核算数据库(CEADs)》、IPCC Guidelines 以及国家发展和改革委员会(NDRC)发布的化石能源二氧化碳排放因子,分别计算各产品部门不同能源燃烧所产生的二氧化碳排放量,最终构建产品层面的二氧化碳排放数据库。

为了满足不同研究场景的数据需求,该数据库同时提供两种不同粒度的产品级二氧化碳排放数据。一是产品级化石燃料二氧化碳排放数据集(China Product-level Emission Inventory by Fossil Fuels) ,保留了煤炭、洗精煤、焦炭、原油、汽油、柴油、燃料油、液化石油气、天然气、焦炉煤气、高炉煤气等各类化石燃料品种,对不同产品部门各类燃料燃烧产生的二氧化碳排放进行分别核算,具有较高的数据分辨率,可用于能源消费结构分析、燃料替代效应分析、产品碳足迹测算及产业链碳排放责任分解等研究。二是产品级能源部门二氧化碳排放数据集(China Product-level Emission Inventory by Energy Sectors),在保留产品部门维度的基础上,将多种化石燃料进一步归并为煤炭(Coal)、石油(Oil)、天然气(Natural Gas)等能源部门,对产品部门不同能源部门产生的二氧化碳排放进行汇总,更适用于环境扩展投入产出分析、结构分解分析(Structural Decomposition Analysis,SDA)、产业碳排放核算及区域低碳发展研究

数据指标

(1)化石燃料二氧化碳排放数据集(China Product-level Emission Inventory by Fossil Fuels)

|-------------------------------|----------------------------------|-----------------|-------------------|
| E mission factors | E mission _inventory | unit | Raw coall |
| Cleaned coal | Briquettes | Coke | Coke oven gas |
| Other gas | Other coking products | Crude oil | Gasoline |
| Kerosene | Diesel oil | Fuel oil | LPG |
| Refinery gas | Other petroleum products | Natural gas | LNG |
| Total | | | |

(2)能源部门二氧化碳排放数据集(China Product-level Emission Inventory by Energy Sectors)

|---------------------------------------------|------------------------------------------------------|----------------------------------|--------------------------------|
| E mission factors | E mission _inventory | unit | Mining and Washing of Coal |
| Extraction of Petroleum and Natural Gas | Processing of Petroleum, Coking and Nuclear Fuel | Production and Supply of Gas | Total |

数据展示

参考文献

1Li X ,Liu Y ,Zhang J , et al.China's product-level CO2 emissions dataset aligned with national input-output tables from 1997 to 2020J.Scientific Data,2025,12(1):30-30.

相关推荐
合合技术团队8 小时前
企业级Agent服务平台选型指南:从需求匹配到场景落地,文档解析工具怎么选?
大数据·人工智能·agent·多模态文本智能技术·企业级agent服务平台
AllData公司负责人8 小时前
AllData 可定义数据中台完成信创适配|银河麒麟 + 海光X86 CPU / 华为鲲鹏ARM CPU+ OceanBase / 人大金仓国产化环境部署落地
大数据·arm开发·数据库·人工智能·oceanbase·kingbase
Raas1008 小时前
AI网关如何接入?MAI Gateway部署实操教程
java·开发语言·人工智能·gateway·ai网关·mai gateway·企业级产品
Elastic 中国社区官方博客8 小时前
AgentHack Shanghai|基于阿里云AI搜索 Elasticsearch x Qoder 构建AI Agent应用
大数据·人工智能·elasticsearch·搜索引擎·阿里云·云计算·全文检索
一只废狗狗狗狗狗狗狗狗狗8 小时前
生成式对抗网络GAN(Generative Adversarial Network)
人工智能·神经网络·生成对抗网络
ZZHow10249 小时前
神经网络与深度学习笔记_Day1
人工智能·pytorch·笔记·python·深度学习·神经网络·机器学习
starzy19909 小时前
Scala Set深度解析:为什么大数据开发离不开它?
大数据·开发语言·scala
天天代码码天天9 小时前
拍了一大堆照片,哪些糊了?我用 C# 做了一个离线筛选助手
人工智能
DolphinDB智臾科技9 小时前
数智筑基·算启未来 ——2026 AI+金融基础设施前沿创新对话 共探金融智能化发展新路径
人工智能·金融
在所不辞兄9 小时前
【人工智能驱动的电催化研究-01】人工智能是什么?AI、机器学习、深度学习和神经网络之间有什么区别?
人工智能·深度学习·神经网络·机器学习·有限元仿真·电化学·电催化