城市在低碳发展中起着至关重要的作用，因为城市容纳了全球一半的人口，消耗了全球四分之三的能源，排出了全球四分之三的温室气体。了解人为活动产生的二氧化碳的时空分布对于减缓碳排放非常重要。从多个传感器源获取的地理空间数据集（如，遥感卫星，众包数据，基于位置服务的的数据与传感器数据）数量正在大幅增加，这使得精确定量化二氧化碳排放的时空动态成为可能。然而，城市尺度的二氧化碳排放估算具有巨大的不确定性，从而影响减排政策的执行效率。
目前科学家们对城市尺度二氧化碳排放制图数据输入导致的不确定性估算有较多研究，并且将数据输入的不确定性划分为两个主要的来源：由于总排放估计造成的不确定性和由于时空代理变量造成的不确定性。但是较少研究关注网格化模型造成的不确定性。同时这些不同来源的不确定性通过格网化过程传播到最终的制图结果后的变化仍然是未知的。由于大部分城市缺乏详细的城市二氧化碳排放清单，通用的不确定性评估方法——清单比较法往往无法实现，因此亟需提出更为有效定量化二氧化碳排放网格制图的不确定性的方法。
11月30日，戴劭勍、任引、左舒翟（通讯）等在《遥感》（Remote Sensing）杂志发表题为“城市尺度二氧化碳排放网格制图的不确定性传播分析研究——以中国晋江市为例(Investigating the Uncertainties Propagation Analysis of CO2 Emissions Gridded Maps at the Urban Scale: A Case Study of Jinjiang City, China)”的研究论文。论文基于Monte Carlo模拟与Bootstraping抽样方法构建了一个包含四个子模块的分析工作流，系统地量化了二氧化碳排放网格制图过程中的不确定性。包括由网格化模型，模型输入，以及网格化过程传递导致的不确定性。研究结果揭示了二氧化碳排放网格制图过程中不同部门排放的不确定性，不确定性的空间分布图以及网格化过程传播的不确定性，一种可重复的分析工作流分析由网格化模型和模型输入引起并传播到制图结果的不确定性且无需其他任何详细的公开排放清单。为决策者建立碳减排目标实现碳中和，设计低碳城市与社区规划政策提供科学依据。该研究得到了国家自然科学青年基金和国家重点研发计划项目的资助。
城市尺度二氧化碳排放网格制图的不确定性传播分析工作流程图
