大气14CO2观测:碳排放评估的新方法
牛振川 , 王鹏 , 吴书刚 , 周卫健     
1. 中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室 西安 710061;
2. 西安加速器质谱中心 西安 710061
摘要:我国作为碳排放大国,面临着碳达峰、碳中和(以下简称“双碳”)目标任务和国际碳减排压力。因此,准确的碳排放数据对于评估“双碳”目标和国际履约非常重要。联合国政府间气候变化专门委员会(IPCC)报告推荐将二氧化碳(CO2)观测与大气反演结合来“自上而下”地校验“自下而上”的碳排放清单,并指出加入大气14CO2观测可以更准确地校验碳排放清单。放射性碳同位素(14C)是化石源CO2最准确的示踪剂,已被国际社会广泛推荐用于碳排放评估。文章基于大气14CO2观测的国际发展趋势和国内的紧迫状况,建议加大支持力度,建立大气14CO2观测网络;开展培训,统一相关标准,积极参与国际交流;尽快开展14CO2观测与大气反演相结合的研究。以此使我国的碳排放研究水平与国际接轨,并提高碳排放数据的可靠性,进而服务国家的“双碳”目标和气候外交谈判。
关键词放射性碳同位素    化石源二氧化碳    碳排放    碳达峰    碳中和    新方法    
Atmospheric 14CO2 observation: A novel method to evaluate carbon emissions
NIU Zhenchuan, WANG Peng, WU Shugang, ZHOU Weijian     
1. State Key Laboratory of Loess and Quaternary Geology, Institute of Earth Environment, Chinese Academy of Sciences, Xi'an 710061, China;
2. Xi'an Accelerator Mass Spectrometry Center, Xi'an 710061, China
Abstract: As an important carbon emitter, China faces the stress of carbon peaking and carbon neutrality goals and international carbon reduction duty. The accurate data of carbon emissions are important to evaluate the carbon peaking and carbon neutrality goals and fulfill the international duty of carbon reduction. The Intergovernmental Panel on Climate Change (IPCC) report recommends the combination of top-down atmospheric CO2 observation with atmospheric inversion to verify the bottom-up inventory of carbon emissions, and the atmospheric 14CO2 observation can make the verification more accurate. Radiocarbon (14C) is the most precise tracer of fossil fuel CO2 and is widely recommended by the international community to evaluate the carbon emissions. Based on the international developing trends and the situation in China for atmospheric 14CO2 observation, this study suggests to establish the atmospheric 14CO2 observation network as soon as possible, with more supporting; to conduct training to unify the standard, and to participate in international exchanges; and to combine the 14CO2 observation with atmospheric inversion to obtain the carbon emissions. The purpose of the 14CO2 observation is to make the research level of Chinese carbon emissions in line with the international standards, to improve the reliability of carbon emission data in China, and then to serve the carbon peaking and carbon neutrality goals and climate diplomacy negotiations.
Keywords: radiocarbon    fossil fuel CO2    carbon emissions    carbon peaking    carbon neutrality    new method    

南极冰芯的记录显示,过去80万年以来大气二氧化碳(CO2)浓度与温度同步变化[1]。近代工业革命以来,大气CO2浓度由之前的280 ppm增长到2022年的约417 ppm[2],同期地表平均温度增长了约1.1℃[3]。由此,国际社会普遍认为全球变暖是由于CO2等温室气体的排放造成的,并达成了减少温室气体排放以控制全球升温的共识。《巴黎协定》达成如下协议:全球温度增长不超过2℃并尽可能保持在1.5℃,到2050年大气CO2浓度控制在450 ppm以内;各国以“自主贡献”的方式参与全球应对气候变化行动。碳排放权即生存权和发展权,我国作为碳排放大国,面临碳达峰、碳中和(以下简称“双碳”)目标任务和国际碳减排压力。因此,准确及时的碳排放数据对于评估和保障“双碳”目标和国际履约的实现非常重要。

① ppm指干空气中每百万(106)个气体分子所含的该种气体分子数。

1 碳排放评估的主要方法 1.1 “自下而上”的源清单法

目前,各国碳排放的评估主要依赖于“自下而上”的源清单法,即通过各种化石能源的消耗量乘以相应的排放因子得到碳排放总量,这也是目前比较普遍和简单的方法。然而,由此方法得到的碳排放量有不确定性(3%—15%)[4, 5],这跟各种燃料的排放因子和能源消耗量的不确定性有关,尤其是燃煤的排放因子,因煤种的不同而变化较大。例如,联合国政府间气候变化专门委员会(IPCC)推荐不同煤种的碳排放因子为0.322—0.711,有研究实测我国燃煤新的碳排放因子平均为0.499,使用此新排放因子计算则表明我国2000—2012年累积的碳排放量会被高估约29亿吨碳[6],这比我国陆地的碳汇总量还要高,这种较大的不确定性非常不利于我国碳排放数据的准确评估和国际履约。化石燃料消耗量的不确定性主要跟统计时有意和无意的误差有关,并且在城市尺度上的碳排放数据不确定性更大(50%—200%)[7],这跟城市统计资料的不全面和统计边界难以界定有关。

② 文中煤的碳排放因子指的是每吨煤燃烧产生的碳排放量(吨碳/吨煤)。

1.2 “自上而下”的观测与反演法

《巴黎协定》还建议利用可监测、可报告、可核查的“三可”(MRV)方法体系,来监测能源和化石燃料密集型国家的碳排放变化。IPCC在最新修订的温室气体清单指南中,专门增加了校验碳排放清单的方法,即基于大气CO2浓度观测来“自上而下”地反演碳排放量;并指出大气中含放射性碳同位素的二氧化碳(14CO2)观测的加入可进一步提高仅基于大气CO2浓度反演结果的准确性,进而更准确地校验碳排放清单[8]。这种基于大气CO2浓度观测的反演是对“自下而上”源清单法的重要补充,可以独立地校验碳排放清单,提高国家碳排放数据的可靠性。

大气反演方法首先需要高精度的大气CO2浓度信息。通常,大气CO2浓度由地面站点观测得到,其观测的数据精度高(0.1 ppm)、时间连续,可定点长期观测;但站点有限且仅代表地面的观测结果。近年来,随着卫星遥感技术的发展,碳卫星可以提供大范围的CO2柱浓度信息,但观测易受到轨道、云层和气溶胶等因素的干扰,且精度低于地基观测[9, 10]。无论是地面站点还是卫星遥感,其观测值都是不同排放源混合的结果,并未识别来自化石源的贡献量,这会使反演的碳排放量难以验证。

为什么大气 14CO2观测可以提高反演碳排放数据的准确性呢?这是因为常规的大气反演使用的是大气CO2总浓度,并未使用来自化石源(占人为源的主要部分)贡献量的CO2(CO2ff),由此反演的碳排放量无法与清单中的碳排放量(主要来自人为源)准确匹配。放射性碳同位素(14C)是CO2ff最准确的示踪剂,其准确性大幅优于CO和NO2等间接示踪剂。14C的半衰期为5 730年,远小于化石燃料的形成时间,因而化石燃料中的 14C早已衰变耗竭,即化石燃料燃烧形成的CO2中不含 14C;而生物源CO2(CO2bio)中的 14C水平与现代大气 14C水平相接近;CO2ff和CO2bio的Δ14C值差异约可达100%。碳同位素值在不同源之间的巨大差异使 14C成为分辨CO2ff最准确的工具。通过观测大气 14CO2值,可以定量获得大气CO2ff浓度,进而用于直接验证由人为源清单反演得到CO2ff浓度,并降低反演碳排放量的不确定性。当然,大气 14CO2作为一种新的观测指标,也存在技术门槛高、精度要求高(≤0.2%)和不能在线测量的问题。14C在自然界中的含量极低,约占碳元素的1.2×10–12,需要专门的、昂贵的加速器质谱仪才能进行高精度(0.2%)的测量。

总体而言,不同的碳排放评估方法各有优势和不足(表 1)。目前,应在已有的CO2浓度观测的基础上,尽快加入大气 14CO2这个新的观测指标,“自上而下”地反演碳排放量,从而验证碳排放清单,以此提高国家碳排放数据的可靠性。

表 1 不同碳排放评估方法的优势与不足 Table 1 Advantage and disadvantage of different methods of evaluating carbon emissions
2 大气 14CO2观测的国际趋势与动态 2.1 大气 14CO2观测的起源和发展

西方国家早在20世纪50年代就开始了大气 14CO2观测,观测的最初目的是研究大气层核武器试验的影响。最早的大气 14CO2长期观测于1954年在新西兰惠灵顿地区开始[11],随后世界上的许多站点都开始了大气 14CO2的长期观测。观测结果表明,由于大气层核试验的影响使得大气 14CO2水平急剧增加,到1964年达到峰值;由于1963年《部分禁止核试验条约》的签订,大气 14CO2在与海洋和陆地植被等碳库的交换过程中,开始急剧下降。到20世纪80年代末和90年代初,核爆的影响已经较小;欧洲开始利用大气 14CO2观测来示踪城市大气CO2ff的变化状况。随后,大气 14CO2观测被广泛应用于欧美等国家的CO2ff示踪研究[12-15]

2.2 大气 14CO2评估碳排放清单的国际案例

国际科学界的研究案例表明,大气 14CO2观测结合模式可以用于评估碳排放清单,并降低清单的不确定性。点源碳排放量的不确定性通常较大(约20%),而结合了 14C的大气模拟可以将美国火电厂碳排放量的不确定性降低到10%左右[15]。对于国家尺度,14C示踪获得的大气CO2ff数据越多,越能准确地反演碳排放量。由1 000多个大气CO2ff数据结合反演模型得到的美国月度碳排放量的不确定性为5%;当大气 14C数据增加到5 000个时,不确定性会降低到约3%。由大气 14CO2和CO2数据结合反演模型得到的美国2010年的碳排放量为1 653 ± 30 Tg C·yr–1,其不确定性低于2%[16, 17]

2.3 国际组织对大气 14CO2观测的认可和推荐

由于 14C能够准确定量大气CO2中来自化石源的贡献量,14C示踪被国际社会认为是目前能独立、客观地评价碳排放的方法,获得了广泛的认可和推荐。美国国家科学院(NAS)在2010年和2022年发表的报告中建议,扩展大气 14CO2的观测站点以获取足够多的数据来提高对碳排放清单的核验能力[18, 19]。世界气象组织(WMO)在2019年发布的全球温室气体公报中,将 14C示踪大气CO2ff列为目前评估碳排放的主要手段,建议参与全球大气观测计划(GAW)的实验室应同时开展大气CO214CO2的观测[20]。IPCC将大气 14CO2观测写入最新修订的温室气体清单指南中[8],指出大气 14CO2观测会提高基于CO2浓度的大气反演结果的准确性,进而更准确地评估碳排放清单。

3 大气 14CO2观测的国内现状与不足 3.1 我国碳监测的紧迫性与现状

我国的碳排放约占世界的1/3,亟须大力开展碳监测示踪与反演研究。自1989年开始,我国陆续在青海省的瓦里关、北京市的上甸子村、浙江省的临安区和黑龙江省的龙凤山等地开展了大气CO2浓度的长期观测[21, 22],一些研究也对东亚地区的大气CO2柱浓度进行了反演[23]。但我国当前的CO2监测与反演以总浓度为主,大多数未区分来自化石源和生物源的贡献量,这不利于我国碳排放量的准确评估和气候外交谈判。目前,大气 14CO2观测的重要性已引起我国相关部门的关注。生态环境部在2021年9月颁布的《碳监测评估试点工作方案》中,要求一些试点城市开展大气 14CO2监测。

3.2 我国大气 14CO2观测的进展

与国外相比,我国对大气 14CO2的观测研究起步较晚。直到2010年,国内才开始利用 14CO2观测来示踪大气CO2ff[24]。国内团队对我国大气 14CO2的本底值及其与碳排放量的关系,城市大气CO2ff的浓度水平、变化特征、来源和传输及与细颗粒物(PM2.5)的关系等进行了系统研究(表 2),取得了3项主要进展[25-31]

表 2 中国大气 14CO2的研究状况 Table 2 Research status of atmospheric 14CO2 in China

(1)建立了不同时间尺度的大气 14CO2样品采集方法,实现样品 14C的高精度测量;获得我国大气 14CO2的本底值,改变依赖国外本底值的状况。开展碳排放的 14C示踪研究,首先需要建立可靠的样品采集和分析方法,国内目前已经建立了从年到小时不同时间尺度的大气 14C样品采集方法,且样品石墨化后,经加速器质谱仪测定,精度优于0.2%。大气 14CO2的本底值是示踪CO2ff的基础,我国由于起步较晚,还缺乏大气 14CO2本底值的观测,需要依赖国外本底值。国内团队通过在青海省瓦里关、海南省七仙岭和陕西省太白山等地的观测,并与国外本底值进行比较,确立了我国大气 14CO2的本底值,并揭示了其变化规律,改变了依赖国外本底值的状况,进而可以及时准确地示踪我国的CO2ff

(2)定量了我国主要城市大气CO2ff浓度水平、揭示其时空变化特征和影响因素。通过在我国主要城市的大气 14CO2观测,发现城市新增大气CO2主要来自化石源排放。时间上,城市大气CO2ff具有冬季高于夏季、日变化呈双峰的特征,且工作日和非工作日的CO2ff差异不显著,这与欧美城市不同。空间上,城市大气CO2ff具有城区高于郊区、CO2ff由关中盆地中心向盆地周边递减和我国西北部城市冬季大气CO2ff较高的特征。此外,对西安市大气 14CO2的多年观测表明,西安市大气CO2ff浓度由2011—2013年的40.1 ± 3.8 ppm下降到2014—2016年的25.7 ±1.1 ppm,而同期PM2.5浓度由123.5 ± 9.5 µg·m–3下降到69.6 ± 8.4 µg·m–3,说明自2013年9月以来实施的“大气十条”,促使了大气污染物与CO2ff浓度的双下降。

(3)解析了典型城市CO2ff的来源和传输的影响,发现与PM2.5的同步变化关系。国内团队结合13C同位素,解析出西安市冬季CO2ff主要来自燃煤(54%—70%),而北京市冬季CO2ff主要来自天然气燃烧(55% ± 9%)。区域气象-大气化学在线耦合模式(WRF-Chem)模拟结果表明,西安市CO2ff主要来自关中盆地内排放,而北京市CO2ff会受到东南风输入的较大影响(约30%)。研究发现我国城市的CO2ff浓度与PM2.5浓度普遍相关,灰霾期间CO2ff浓度显著升高,CO2ff与PM2.5两者的浓度同时变化,这可服务于我国当前减污降碳协同增效方案的实施。

3.3 我国大气 14CO2观测的不足

我国在大气 14CO2观测方面已取得了一些进展,通过 14C示踪法得到了大气CO2ff浓度水平,但由于与源清单法得到的碳排放量(单位为吨)量纲不同,故还不能直接对比。国内有团队结合CO2观测和大气反演,研究了太原—晋中地区的碳排放量[32],但其反演中的先验清单还未经 14C示踪校验。总体而言,我国在 14CO2观测结合大气反演来定量碳排放量方面的研究还是空白。此外,碳汇量的反演首先需要准确的化石碳排放量。因此,有必要构建一种“14CO2—CO2”双示踪剂反演系统,相较于仅考虑CO2的传统反演系统,双示踪剂反演系统能有效降低同化过程中因区分CO2ff与CO2bio不准确所产生的误差,从而进行我国更为精准的碳排放量反演。

4 建议

基于当前碳减排的国际形势和国际的研究前沿,大气 14CO2观测是我国“双碳”领域一项非常重要且迫在眉睫的工作,对此提出如下4点建议。

(1)我国幅员辽阔而大气 14CO2的观测数据又比较缺乏。建议尽快结合大气反演的需求,最大限度地在我国建立涵盖不同类型地点的大气 14CO2观测网络,全面揭示我国大气CO2中来自化石排放源和生物排放源的贡献量,展现我国CO2ff和CO2bio的分布图景,为大气反演等研究提供关键基础数据。

(2)大气 14CO2观测专业性强,精度要求较高(≤0.2%),因此,应统一开展相关培训,并统一大气 14CO2观测标准和测量方法。定期组织国内比对,积极参与国际比对;定期与国外本底大气 14CO2的观测数据对比;积极与国际同行交流最新经验和成果,扩大我国在此领域的影响力。

(3)14C测试成本较高,且目前大气 14CO2还不能在线观测;但这是一项长期的工作,需要各级政府和相关研究机构加大支持力度。建议将大气 14CO2观测逐步纳入温室气体监测业务中,由相关科研院所牵头制定统一的技术标准,规范大气 14CO2样品采集、测量和质控等,并在研究上给予技术支持,由地方政府在采样点布设、样品采集、人员和经费等方面给予支持。

(4)尽快将 14CO2观测与大气反演相结合,开展全国和区域的碳排放量反演,进而校验清单碳排放量,提高我国碳排放数据的可靠性。

参考文献
[1]
Lüthi D, Le Floch M, Bereiter B, et al. High-resolution carbon dioxide concentration record 650, 000-800, 000 years before present. Nature, 2008, 453(7193): 379-382. DOI:10.1038/nature06949
[2]
Friedlingstein P, O'Sullivan M, Jones M W, et al. Global carbon budget 2022. Earth System Science Data, 2022, 14(11): 4811-4900. DOI:10.5194/essd-14-4811-2022
[3]
IPCC. IPCC. AR6 Synthesis Report: Climate Change 2023. [2023-12-15]. https://www.ipcc.ch/report/sixth-assessmentreport-cycle.
[4]
Marland G, Hamal K, Jonas M. How uncertain are estimates of CO2 emissions?. Journal of Industrial Ecology, 2009, 13(1): 4-7. DOI:10.1111/j.1530-9290.2009.00108.x
[5]
Ballantyne A P, Andres R, Houghton R, et al. Audit of the global carbon budget: Estimate errors and their impact on uptake uncertainty. Biogeosciences, 2015, 12(8): 2565-2584. DOI:10.5194/bg-12-2565-2015
[6]
Liu Z, Guan D, Wei W, et al. Reduced carbon emission estimates from fossil fuel combustion and cement production in China. Nature, 2015, 524: 335-338. DOI:10.1038/nature14677
[7]
Gately C K, Hutyra L R. Large uncertainties in urban-scale carbon emissions. Journal of Geophysical Research: Atmospheres, 2017, 122(11): 242-260.
[8]
IPCC. 2019 Refinement to the 2006 IPCC Guidelines for National Greenhouse Gas Inventories. Geneva: IPCC, 2019.
[9]
刘毅, 王婧, 车轲, 等. 温室气体的卫星遥感——进展与趋势. 遥感学报, 2021, 25(1): 53-64.
Liu Y, Wang J, Che K, et al. Satellite remote sensing of greenhouse gases: Progress and trends. National Remote Sensing Bulletin, 2021, 25(1): 53-64. (in Chinese)
[10]
刘良云, 陈良富, 刘毅, 等. 全球碳盘点卫星遥感监测方法、进展与挑战. 遥感学报, 2022, 26(2): 243-267.
Liu L Y, Chen L F, Liu Y, et al. Satellite remote sensing for global stocktaking: Methods, progress and perspectives. National Remote Sensing Bulletin, 2022, 26(2): 243-267. (in Chinese)
[11]
Currie K I, Brailsford G, Nichol S, et al. Tropospheric 14CO2 at Wellington, New Zealand: The world's longest record. Biogeochemistry, 2011, 104: 5-22. DOI:10.1007/s10533-009-9352-6
[12]
Levin I, Schuchard J, Kromer B, et al. The continental European suess effect. Radiocarbon, 1989, 31(3): 431-440. DOI:10.1017/S0033822200012017
[13]
Levin I, Kromer B, Hammer S. Atmospheric Δ14CO2 trend in Western European background air from 2000 to 2012. Tellus B: Chemical and Physical Meteorology, 2013, 65(1): 20092. DOI:10.3402/tellusb.v65i0.20092
[14]
Turnbull J, Rayner P, Miller J, et al. On the use of 14CO2 as a tracer for fossil fuel CO2: Quantifying uncertainties using an atmospheric transport model. Journal of Geophysical Research, 2009, 114: D22302.
[15]
Turnbull J C, Keller E D, Norris M W, et al. Independent evaluation of point source fossil fuel CO2 emissions to better than 10%. PNAS, 2016, 113(37): 10287-10291. DOI:10.1073/pnas.1602824113
[16]
Basu S, Miller J B, Lehman S. Separation of biospheric and fossil fuel fluxes of CO2 by atmospheric inversion of CO2 and 14CO2 measurements: Observation system simulations. Atmospheric Chemistry and Physics, 2016, 16(9): 5665-5683. DOI:10.5194/acp-16-5665-2016
[17]
Basu S, Lehman Scott J, Miller John B, et al. Estimating US fossil fuel CO2 emissions from measurements of 14C in atmospheric CO2. PNAS, 2020, 117(24): 13300-13307. DOI:10.1073/pnas.1919032117
[18]
National Research Council. Verifying Greenhouse Gas Emissions: Methods to Support International Climate Agreements. Washington, DC: The National Academies Press, 2010.
[19]
National Academies of Sciences, Engineering, and Medicine. Greenhouse Gas Emissions Information for Decision Making: A Framework Going Forward. Washington, DC: The National Academies Press, 2022.
[20]
WMO. Greenhouse Gas Bulletin: The State of Greenhouse Gases in the Atmosphere Based on Global Observations through 2018. New York: WMO, 2019.
[21]
Zhou L X, Conway T J, White J W C, et al. Long-term record of atmospheric CO2 and stable isotopic ratios at Waliguan Observatory: Background features and possible drivers, 1991-2002. Global Biogeochemical Cycles, 2005, 19(3): GB3021.
[22]
Fang S X, Zhou L X, Tans P P, et al. In situ measurement of atmospheric CO2 at the four WMO/GAW stations in China. Atmospheric Chemistry and Physics, 2014, 14(5): 2541-2554. DOI:10.5194/acp-14-2541-2014
[23]
Li R, Zhang M G, Chen L F, et al. CMAQ simulation of atmospheric CO2 concentration in East Asia: Comparison with GOSAT observations and ground measurements. Atmospheric Environment, 2017, 160: 176-185. DOI:10.1016/j.atmosenv.2017.03.056
[24]
Zhou W J, Wu S G, Huo W W, et al. Tracing fossil fuel CO2 using Δ14C in Xi'an city, China. Atmospheric Environment, 2014, 94: 538-545. DOI:10.1016/j.atmosenv.2014.05.058
[25]
Niu Z C, Zhou W J, Wu S G, et al. Atmospheric fossil fuel CO2 traced by Δ14C in Beijing and Xiamen, China: Temporal variations, inland/coastal differences and influencing factors. Environmental Science & Technology, 2016, 50(11): 5474-5480.
[26]
Niu Z C, Zhou W J, Cheng P, et al. Observations of atmospheric Δ14CO2 at the global and regional background sites in China: Implication for fossil fuel CO2 inputs. Environmental Science & Technology, 2016, 50(22): 12122-12128.
[27]
Niu Z C, Feng X, Zhou W J, et al. Tree-ring Δ14C time series from 1948 to 2018 at a regional background site, China: Influences of atmospheric nuclear weapons tests and fossil fuel emissions. Atmospheric Environment, 2021, 246: 118156. DOI:10.1016/j.atmosenv.2020.118156
[28]
Zhou W J, Niu Z C, Wu S G, et al. Fossil fuel CO2 traced by radiocarbon in fifteen Chinese cities. Science of the Total Environment, 2020, 729: 138639. DOI:10.1016/j.scitotenv.2020.138639
[29]
Zhou W J, Niu Z C, Wu S G, et al. Recent progress in atmospheric fossil fuel CO2 trends traced by radiocarbon in China. Radiocarbon, 2022, 64(4): 793-803. DOI:10.1017/RDC.2022.32
[30]
Feng T, Zhou W J, Wu S G, et al. High-resolution simulation of wintertime fossil fuel CO2 in Beijing, China: Characteristics, sources, and regional transport. Atmospheric Environment, 2019, 198: 226-235. DOI:10.1016/j.atmosenv.2018.10.054
[31]
Wang P, Zhou W J, Xiong X H, et al. Source attribution of atmospheric CO2 using 14C and 13C as tracers in two Chinese megacities during winter. Journal of Geophysical Research: Atmospheres, 2022, 127(12): e2022JD036504.
[32]
Hu C, Xiao W, Griffis T J, et al. Estimation of anthropogenic CH4 and CO2 emissions in Taiyuan—Jinzhong region: One of the world's largest emission hotspots. Journal of Geophysical Research: Atmospheres, 2023, 128(8): e2022JD037915.