本研究由中国科学院广州地球化学研究所张干团队主导，开发了一种耦合植物放射性碳（¹⁴C）观测与贝叶斯大气反演的城市化石源CO₂排放核查新方法。
传统“自下而上”的排放清单存在较大不确定性。本研究利用¹⁴C可有效区分化石源与生物源CO₂的特性，以草本植物作为被动采样器，在深圳市进行了高密度网格化采样。植物在整个生长季整合大气信号，实现了低成本、高分辨率的观测。
研究核心是将植物¹⁴C观测数据输入贝叶斯反演模型，对先验排放清单进行优化校准。结果显示，尽管ODIAC和MEIC两套先验清单在排放总量与空间分布上差异巨大，但经过该方法反演后，后验总排放量稳健收敛至约59.2 Mt CO₂/年，证明了该方法对清单偏差的强大校准能力。同时，该方法精准识别出深圳西北部为主要排放热点，并纠正了基于人口/夜光代理的清单存在的空间误分配问题，为精准减排提供了依据。协同分析还发现CO₂ff与PM₂.5、NO₂等污染物空间相关性显著，而与SO₂无关，反映了深圳市污染物管控的成效。
该研究形成了一套独立、可落地、面向治理的碳排放核查技术，能为城市级碳热点定位、清单互证和减排决策提供有力支撑。相关成果发表于《Environmental Science & Technology》。
传统“自下而上”的排放清单存在较大不确定性。本研究利用¹⁴C可有效区分化石源与生物源CO₂的特性，以草本植物作为被动采样器，在深圳市进行了高密度网格化采样。植物在整个生长季整合大气信号，实现了低成本、高分辨率的观测。
研究核心是将植物¹⁴C观测数据输入贝叶斯反演模型，对先验排放清单进行优化校准。结果显示，尽管ODIAC和MEIC两套先验清单在排放总量与空间分布上差异巨大，但经过该方法反演后，后验总排放量稳健收敛至约59.2 Mt CO₂/年，证明了该方法对清单偏差的强大校准能力。同时，该方法精准识别出深圳西北部为主要排放热点，并纠正了基于人口/夜光代理的清单存在的空间误分配问题，为精准减排提供了依据。协同分析还发现CO₂ff与PM₂.5、NO₂等污染物空间相关性显著，而与SO₂无关，反映了深圳市污染物管控的成效。
该研究形成了一套独立、可落地、面向治理的碳排放核查技术，能为城市级碳热点定位、清单互证和减排决策提供有力支撑。相关成果发表于《Environmental Science & Technology》。
