水木清碳CEO郭睿：落实双碳政策，首先要盘清碳排和碳汇 | 36氪To B下午茶第二期( 三 ) _信息快讯

当然负碳或碳汇的不确定性比碳排放要高很多，但是我们迈出了第一步，可以说这个现在不管是在学术界或者说是市场上并没有类似的这种体系或者产品。那给大家简单的展示一下这个成果。
下图是中国0.5*0.5 度的陆地自然碳汇地图，另一个是美国的水泥碳汇网格化地图。中国的目前也正在做水泥碳汇的一个分布，最后拟合出来一个中国整个陆地的碳汇情况。我刚提到了这个空间分布分辨率只有 0.5*0.5度，如果可以和地方合作，获得颗粒度更高的数据，分辨率是可以再提高的，那可能会有更大的应用价值。然后在时间分辨率上，我们也在从月尺度向天尺度迈进，最后希望可以达到和排放一样的天尺度的时间分辨率。那么碳汇和碳排放的这个天数据结合起来，其实就反映了一个碳中和进展的实时监控。

文章插图

碳排放数据可视化
那从公司的角度出发，我们是可以做大概四个方面的事，主要集中在区域级和园区级的碳数据体系，包括盘加底、识重点、展动态和定路径。最底层的都是刚才上面讲的基础数据。
盘家底，也就是说怎么样搞清楚整个碳排放结构，从而进一步在这个结构上建立实时变化的数据体系，包括碳汇。
识重点，是指我们通过数据可以确定重点的减排方向，包括通过专家评审方式来确定技术可行的方案。
展动态，是从企业和政府角度都比较关心的角度，表达这个地区内或者企业范围内的实时碳排放变化。
定路径，最后通过我们的数据和算法，可以帮助地区和企业来规划它的碳中和解决方案，并在碳市场背景下，寻求一些绿色收益。

文章插图

四大方向
在盘家底时，我们可以结合当地的这个特色数据和我们已掌握的数据，为这个地区和企业搞清楚它们的碳排放历史和来源，通过实时碳数据的这一套系统，展示从今天开始往后的碳变化，然后结合当地碳汇和吸收的数据库（地方），就可以达成一个因地制宜的碳中和监测的目的。
对于展动态，实际上是我们通过自己建立的一套模型，从多源数据平台上获取数据，然后通过自研的机器学习算法，自动产生一个动态实时碳排放的数据库或平台，这里前期也可以和做数字化的公司的业务相结合。该成果是可以应用在不同场景下，包括企业，目前主要是地区级别的碳数字化展示平台。时间原因，其他方面不详细展开了。
这里简单和大家展示两个案例。
第一个是雄安新区的一个近零排放示范工程，体现了识重点和展动态两点。一方面结合雄安新区的规划，为它们从能源、交通、社区、工业等几个领域识别了已有减排方案的适用性；另一方面，我们推演出雄安新区碳指标的变化曲线，包括了碳排放的不断减少和碳汇的稳步增加这两点，最终可以判断出它们大概在2032年就可以达到净零排放的水平，在2040年实现完全的近零排放。
第二个案例展示的是重庆的 AI park 园区，体现了盘加底和定路径两点。我们需要来计算园区全生命周期的碳排放，关键是搞清楚园区里面碳排放源和碳汇。具体可以通过我们手里掌握的数据和它们自己的规划来做到全盘摸清楚目标，在摸清楚之后，就可以对根据碳中和路径产生一个动态定制的产品。
所以基于前面的这些技术、数据和算法能力，我实际上是想说两个点，一个是可以做区域/园区级别的碳中和核算模型；另外一个就是从碳汇方面可以实现实时监测，从而对区域地方提供一个碳中和实时监测的平台和工具。

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。