CO₂排出量の時空間予測モデリング手法：包括的文献レビュー
Spatiotemporal CO₂ emission prediction modeling methods: a comprehensive literature review (原題)
zara omar, Liwan Liyanage
🤖 gxceed AI 要約
日本語
本論文は2000〜2025年の45件の査読論文をPRISMA枠組みで系統的にレビューし、CO₂排出量の時空間予測手法を整理した初の包括的レビューである。データ駆動型・ハイブリッド・リモートセンシング統合モデルの急速な進展を示す一方、細粒度予測、時間的一般化、スケール間統合に大きなギャップがあることを明らかにした。炭素管理と気候政策の科学的基盤強化には統一的な時空間フレームワークの必要性を強調している。
English
This first comprehensive PRISMA-based systematic review analyzes 45 peer-reviewed studies (2000–2025) on spatiotemporal CO₂ emission prediction. It documents rapid advances in data-driven, hybrid, and remote-sensing-integrated models while revealing major gaps in fine-scale prediction, temporal generalization, and cross-scale integration. The authors call for unified spatiotemporal frameworks to strengthen carbon management and climate policy.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本では自治体・企業の排出量可視化やScope 3推計の精緻化に関わる。SSBJ開示やカーボンニュートラル政策の地域別モニタリング基盤として参考になる。
In the global GX context
Globally, this review supports the development of more accurate emissions inventories and monitoring frameworks that underpin TCFD/ISSB disclosure and climate risk assessment. It highlights the need for integrated spatiotemporal models to improve the scientific basis for carbon accounting and policy.
👥 読者別の含意
🔬研究者:時空間CO₂予測の研究動向と未解決課題を俯瞰でき、新規モデル開発の出発点となる。
🏢実務担当者:地域別・時間別の排出量予測手法の選択肢を理解し、Scope 3やサプライチェーン排出推計の高度化に活用できる。
🏛政策担当者:排出量モニタリングの精度向上と政策立案の科学的根拠強化に向けた研究ギャップを把握できる。
📄 Abstract（原文）
Abstract Spatiotemporal prediction of carbon dioxide ( $$\:{CO}_{2}$$ ) emissions plays a crucial role in understanding the dynamic distribution of carbon dioxide emission sources and supporting targeted mitigation and enhancing climate modelling accuracy. Despite its growing significance, research in this area remains fragmented. This study presents the first comprehensive systematic literature review on spatiotemporal $$\:{CO}_{2}$$ emission prediction, conducted using the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) framework. A total of 45 peer-reviewed studies published between 2000 and 2025 were identified and analysed to evaluate data types, modelling approaches, influencing factors, and performance metrics. The review reveals rapid advances in data-driven, hybrid, and remote-sensing-integrated models, yet highlights substantial gaps in fine-scale prediction, temporal generalization, and cross-scale model integration. The findings underscore the urgent need for unified spatiotemporal frameworks that can enhance predictive accuracy, address data scarcity, and strengthen the scientific basis for carbon management and climate policy formulation.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1007/s40808-026-02899-1first seen 2026-10-17 04:39:06
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。