Monthly 0.01 Degree Carbon Emission Predictions and Uncertainty Estimates for Beijing and Surrounding Regions from 2019 to 2024
2019年から2024年までの北京および周辺地域における月次0.01度炭素排出予測と不確実性推定 (AI 翻訳)
Zheng Liang, Li Shenshen, Hu Xuefei, Cai Kun, Liu Yang
🤖 gxceed AI 要約
日本語
本データセットは、2019年から2024年までの北京及び周辺地域の月次0.01度分解能の炭素排出予測と不確実性推定を提供する。弱教師ありニューラルネットワーク（CCFI-Net）を用いて、リモートセンシング、気象、人間活動のプロキシ変数を統合し、粗い解像度のMEICインベントリからダウンスケーリングした。これにより、都市排出パターン、ホットスポット、季節変動の分析が可能となる。
English
This dataset provides monthly carbon emission predictions at 0.01 degree resolution for Beijing and surrounding areas from 2019-2024, generated using a weakly supervised neural network (CCFI-Net) that integrates remote sensing, meteorological, and human activity data. It includes uncertainty estimates for each prediction, enabling analysis of emission patterns, hotspots, and seasonal variations.
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
本論文の炭素排出推計のダウンスケーリング手法は、日本のSSBJや有報における排出量検証に応用可能な可能性があるが、北京を対象としているため直接的な適用には課題がある。日本の都市でも同様の高解像度推計が求められており、手法の参照価値は高い。
In the global GX context
This paper's downscaling approach for carbon emission estimates could be relevant for global urban climate monitoring and verification, supporting TCFD-aligned climate risk assessments. However, the focus on Beijing limits direct applicability to other regions.
👥 読者別の含意
🔬研究者:A novel weakly supervised downscaling method for urban carbon emissions with uncertainty quantification.
🏢実務担当者:Could inform approaches for high-resolution emission monitoring in industrial clusters.
🏛政策担当者:Highlights potential for granular emission tracking to support local climate action plans.
📄 Abstract（原文）
This dataset provides monthly 0.01 degree carbon emission predictions and corresponding uncertainty estimates for Beijing and surrounding regions from January 2019 to December 2024. The products were generated using the Cross Covariance Feature Interaction Network (CCFI-Net), a weakly supervised spatial downscaling framework integrating multisource remote sensing, meteorological, and human activity proxy variables under coarse-scale constraints from the 0.1 degree MEIC inventory. The dataset contains 72 monthly emission prediction rasters and their paired uncertainty rasters, supporting analyses of urban emission patterns, hotspot identification, seasonal variation, and uncertainty assessment.
🔗 Provenance — このレコードを発見したソース
- scidb https://doi.org/10.57760/sciencedb.43477first seen 2026-07-29 10:51:17
🔔 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。