北亚利桑那大学（NAU）的一项新研究表明，一个全球温室气体排放数据库可能在城市机动车二氧化碳排放量上显著低估。据研究人员称，由前副总统阿尔·戈尔共同创办的气候 TRACE 联盟开发的情报，城市机动车的 CO2排放量平均低估了70%。这些研究结果今天在《环境研究快报》中发布，作者是 NAU 信息学、计算机与网络系统学院（SICCS）的教授凯文·冈尼。研究专注于在最近发布的气候 TRACE 数据库中报告的汽车和卡车的二氧化碳（CO2）排放量。冈尼表示，这些结果以及之前一项关于气候 TRACE 电厂估算的相似问题的研究，引发了对用于指导气候政策和决策的数据可靠性的问题。冈尼说：“考虑到城市中机动车 CO2 排放量的重要性，我们仔细审查了依赖于新兴人工智能方法的气候 TRACE 数据。”他补充道：“结合我们先前研究的气候 TRACE 电厂 CO2 排放结果，表明气候 TRACE 数据显著低估了美国城市超过一半的基于化石燃料的 CO2 排放量。” 在对气候 TRACE 进行评估时，冈尼和他的同事将其与他们实验室开发的“在路”排放数据库 Vulcan 的数据进行了比较。Vulcan 系统使用官方交通记录和能量消耗数据进行校准，为测量机动车排放提供了独立基准。研究人员比较了两个数据库中来自260个美国城市的机动车 CO2 排放数据。SICCS 的博士后研究员和本研究的共同调查员比拉尔·阿斯拉姆表示：“虽然 Vulcan 在路数据并不完美，存在约14%的不确定性，但这与我们比较的260个城市机动车 CO2 排放和气候 TRACE 数据库之间的差异远低于14%。”他说：“气候 TRACE 的 CO2 排放量平均比 Vulcan 在路 CO2 排放数据库中的排放量低70%。”研究人员指出，在某些地方，差异甚至更大。“像印第安纳波利斯和纳什维尔这样的个别城市的排放量低于90%。” SICCS 的研究助理和本研究的贡献者帕夫洛克·达斯补充道。研究作者认为，低估可能超出了美国的范围，并可能对气候 TRACE 全球数据产生影响。他们还表达了对数据库其他方面的关注，可能需要进一步审查。 对基于 AI 的排放追踪的担忧 研究人员强调，人工智能在监测环境条件和生成排放估算方面具有巨大潜力。然而，他们认为保持严格的科学标准仍然至关重要。在他们看来，透明度、专家审核和严格的科学方法是确保排放数据准确和可信的必要条件。可靠的温室气体测量是制定有效气候政策和评估减排进展的基本要素。文章还概述了几项建议，旨在加强并改善气候 TRACE 的工作，帮助决策者和预算规划人员做出更明智的减排决策。冈尼表示：“我们永远无法以完美的准确性估算排放量，但我们必须确保与决策者和公众共享的数据是公正的，并符合最佳实践和最严格的科学标准。”他警告道：“如果没有这一点，我们就在误导决策者，并可能失去公众对我们应对气候变化能力的信任。” 凯文·冈尼在温室气体排放方面的工作 冈尼在大气科学、生态学和公共政策领域拥有20多年的经验，致力于制定在美国范围内测量温室气体排放的标准化方法。他的 Vulcan 和 Hestia 项目得到了多个联邦机构的支持，量化和可视化了美国各地的温室气体排放，从单个发电厂和道路到社区。这些系统有助于识别排放“热点”，并支持更有针对性的减排策略。冈尼的排放估算结果与直接大气监测测量显示出很强的一致性。在他的职业生涯中，冈尼发表了180多篇科学论文，获得超过20,000次引用。他的工作包括对最近的美国国家科学院报告“决策的温室气体排放”的贡献。他还参与了联合国气候变化框架公约和京都议定书的过程超过25年，并担任政府间气候变化专门委员会的主要作者。