後疫情時代︱新冠疫情對全球氣候變化的影響

除地面交通以外，用出行數據容易高估排放變化，這就是為什麼CO2排放量比前面兩組評估高的原因。但是，美國國家層面、州層面的出行排放估值均與Le Quere等的排放變化研究結果高度一致。在工業領域，數據差異可能源於工業活動排放量與出行趨勢關聯較小，因為谷歌出行數據僅顯示手機位置的變化，無法反映由於機器自動化、關閉操作或其他非工作模式的慣性、重工業無生產時的基本排放水平數據。在居民領域，中值為排放量增加20%，這與Octopus Energy在疫情期間的英國智能電錶分析相吻合，在限制令開始後，以往的空置房屋都住進了人。但其實許多房子裡本來就有居民，所以當入住率上升時，能源消耗僅增加4%。這些因素大概可以認為，我們以谷歌數據來估算的趨勢，可能會高估了這些領域的排放變化，導致基於谷歌數據計算的排放趨勢估值和Le Quere等估算的排放高值數據更吻合。我們的分析估值也比Liu 等的研究高出很多。在更加廣泛的國家層面，蘋果和谷歌的數據代表性仍然是個問題，在不同的地區，蘋果和谷歌手機作業系統的使用情況和滲透率也是個問題。比如，蘋果的駕駛出行數據在印度銳減超過80%，這可能只代表了那些能在家辦公的人。因此，我們主要從谷歌出行數據得出的排放趨勢應該被認為是對新冠疫情期間排放引起的變化的高估值。

以下，我們主要以谷歌出行數據來得出2020年排放變化，用於估算因應對新冠疫情實施的出行限制措施造成的排放變化量。我們同時使用Le Quere等的數據來補充航空和船運領域趨勢估值。

我們自下而上分析法使用了123個國家的數據，這些國家的化石燃料產生的二氧化碳排放量佔全球99%以上，在Le Quere it al的基礎上，我們增加了對69個國家的分析。我們對6個領域（地面交通、居民、動力、工業、公共、航空）在2020年4月至6月期間的每日全國排放趨勢進行分析。這些數據將以國家和7種排放物作為權重，排放種類包含了主要的溫室氣體和短期汙染物。非二氧化碳的變化估值包含了人為排放總量，但農業和廢棄物排放假設是不變的。國家和分類數據來源於2015年《全球大氣研究排放資料庫》（EDGAR）。這些數據融合後生成2020年按種類和部門劃分的國家層面和全球層面的日均排放變化量。

為了評估因新冠疫情大流行引起的變化值，我們建立了一個基準情景。我們假設各國將在2030年實現他們公布的國家自主貢獻（NDC），且2030年後沒有進一步加強的氣候行動。我們以此預測排放路徑，以及由此造成的溫室氣體和空氣汙染物排放的變化。通過以下三個階段過程獲得該場景下產生的變化值：首先，以2020年1月3日至2月6日期間5周的數據作為參考，得出谷歌出行數據的分數。然後，通過乘以Le Quere 等的2019年CO2排放量或2015年《全球大氣研究排放資料庫》的其他種類汙染物排放量，計算出排放趨勢的絕對值。最後，這些絕對值應用於基於疫情前國家承諾的穩定提升的排放路徑。這篇論文僅使用了全球排放變化均值，如對國家層面和網格數據歐興趣，可以在此網址獲取（https://doi.org/10.5281/zenodo.3957826）。