【Carbon Neutrality论文荐读】江门双碳实验室冯宇希团队：基于图像识别的CO2排放分析：破解环境影响

# 点击蓝字 关注我们 #

近日，江门双碳实验室冯宇希特聘研究员联合国亚太经社会研究员阚杰元等在Carbon Neutrality上发表了关于基于图像的碳排放分析的研究，通过开发“中国碳先知系统”（China Carbon Seer System），实现了对日常生活和工业场景中碳排放因子的快速识别与分析，并通过结果反馈来积极影响人们的可持续发展意识。

文章亮点

1. 团队开发了“中国碳先知系统”（China Carbon Seer System），一个基于图像识别的碳排放分析软件原型，实现了从图像输入到碳排放数据输出的全流程自动化；

2. 采用先进的机器学习和视觉识别技术,包括卷积神经网络(CNNs)、特征金字塔网络(FPN)和自注意力机制，实现多物体同时识别和碳排放因子分析；

3. 创新性地提出"群体检测"方法，能够在单张图像中同时分析多个物体的碳排放，大大提高了用户便利性和效率；

4. 设计了碳足迹追踪器和碳汇计算器，为系统用户提供个性化的碳排放洞察和具体的减排建议；

5. 通过三阶段用户访谈和迭代开发，确保系统功能与用户需求紧密结合，提高了系统的实用性和用户接受度；

6. 系统的核心数据库基于“中国产品碳足迹因子数据库(2022)”，并通过网络爬虫和用户提交进行了扩展，覆盖范围广泛，从日常用品到工业设备。

内容简介

随着全球气候变化问题日益严峻，精确计算和有效减少碳排放已成为当务之急。然而，对于大多数个人和组织而言，获取准确的碳排放数据仍然是一项挑战。现有的碳计算平台往往专注于工业应用，对非专业用户不够友好，而且缺乏针对中国本土情况的专门设计。为了解决这一问题，广东-香港碳中和联合实验室的冯宇希教授团队、联合国亚太经社会研究员阚杰元开发了一个名为“中国碳先知系统”（China Carbon Seer System）的创新软件原型，旨在帮助用户了解日常生活和生产过程中的碳足迹。

该研究的主要贡献在于将先进的机器学习和视觉识别技术应用于碳排放分析领域。系统采用了卷积神经网络(CNNs)作为基础架构，并创新性地整合了特征金字塔网络(FPN)和自注意力机制。这种组合使系统能够从用户拍摄的图像中自动识别多个物体，并迅速分析其碳排放因子。值得注意的是，研究团队提出的“群体检测”方法将允许模型同时分析一张图像中的多个物体，这大大提高了用户的便利性和效率。

Carbon Seer系统的核心是一个全面的碳排放因子数据库。该数据库基于"中国产品碳足迹因子数据库(2022)"，并通过网络爬虫技术和用户提交进行了扩展。数据库涵盖了从日常用品到工业设备的广泛物品类别，包括工业产品、能源生产者、家庭用品、废弃物和交通工具等。这种广泛的数据覆盖确保了系统在各种情境下的适用性。

此外，研究团队还开发了碳足迹追踪器和碳汇计算器等功能，为用户提供个性化的碳排放洞察和减排建议。碳足迹追踪器能够自动记录和分析用户的日常和月度碳排放数据，并提供可视化的趋势分析。碳汇计算器则帮助用户理解抵消其碳排放所需的具体努力，如植树造林的面积等，这为用户采取实际行动减少碳足迹提供了直观的指导。

研究团队采用了以用户为中心的软件设计方法，通过三阶段的用户访谈来不断完善系统功能。这种方法确保了系统的设计和功能与用户的实际需求和偏好紧密结合，提高了系统的实用性和用户接受度。

图文导读

·结论一·

“中国碳先知系统”（China Carbon Seer System）实现了高精度的多物体碳排放因子识别。

China Carbon Seer System在多物体检测任务中表现出色，这得益于其创新的机器学习算法设计。研究结果显示，系统的平均精确度达到0.923，召回率为0.881，F1得分为0.90。这意味着系统能够准确识别92.3%的物体类别，并成功检测出88.1%的真实物体。

以下提供一些具体细节来展示系统在不同物体类别上的表现：

• 工业产品：精确度0.951，召回率0.922

• 能源生产者：精确度0.923，召回率0.881

• 家庭用品：精确度0.893，召回率0.835

• 废弃物：精确度0.916，召回率0.865

• 交通工具：精确度0.933，召回率0.902

这一高精度的识别能力为用户提供了可靠的碳排放数据基础，使得基于图像的碳排放分析成为可能。系统的表现在各种物体类型中保持稳定，展示了其在不同应用场景中的鲁棒性和通用性。

表1. Carbon Seer系统在不同物体类别上的检测性能指标

·结论二·

频繁使用系统的用户实现了显著的碳减排行为改变效果。

研究通过定量分析和定性访谈相结合的方法，深入探讨了China Carbon Seer System在推动低碳行为改变方面的有效性。结果发现，经常使用China Carbon Seer System的用户比偶尔使用的用户减少了22%的碳排放。这一显著的减排效果突显了系统在促进用户持续关注和改善自身碳足迹方面的潜力。

研究还发现，影响系统有效性的关键因素包括:

• 用户与碳足迹追踪器和碳汇计算器的互动频率

• 系统功能的使用频率

• 通过社交媒体分享可持续目标“达成成就”的社会影响

值得一提的是，提供即时反馈的功能设计，如碳足迹追踪器和个性化通知，在维持用户参与度和推动行为改变方面表现突出。通过观察、分析我们与用户的访谈结果，我们发现个性化洞察和社交分享功能对保持用户“减排”动力和对低碳行为的持续起到了重要作用。

表2. 频繁用户与偶尔用户的碳排放减少对比及影响因素分析

·结论三·

系统的数据库具有广泛的覆盖范围，提高了软件应用的普适性。

China Carbon Seer System的核心优势之一是其全面而详细的碳排放因子数据库。该数据库主要基于"中国产品碳足迹因子数据库(2022)"，并通过网络爬虫技术和用户提交机制进行了显著扩展。这种方法确保了数据的全面性和时效性。

数据库的主要特点包括:

• 物品类别多样性：覆盖工业产品、能源生产者、家用物品、废弃物和交通工具等多个领域。

• 数据全面性：包括上游和下游碳排放数据，提供全生命周期的碳足迹分析。

• 本地化：特别关注中国本土产品和情况，提高了数据的相关性和准确性。

• 动态更新：通过用户提交和定期爬取，保持数据的最新状态。

• 不确定性评估：为每个排放因子提供不确定性水平，展现了分析的透明度。

这种广泛的数据覆盖确保了系统在不同情境和用户需求下的适用性，从个人日常生活到工业生产过程都能提供相对准确的碳排放评估。

图1. Carbon Seer系统数据库的物品类别覆盖范围和数据特性

·结论四·

系统的创新功能提升了用户体验和环境意识。

China Carbon Seer System的多项创新功能不仅提高了碳排放分析的效率，还显著提升了用户体验和环境意识。主要的创新功能包括:

1. “群体检测”方法:

• 能够在单张图像中同时识别和分析多个物体的碳排放；

• 大大提高了用户的便利性，减少了重复操作的需求；

• 在复杂场景（如工业环境）中特别有效，可以一次性分析多个设备或产品。

2. 碳足迹追踪器：

• 提供日常和月度碳排放仪表板，直观展示用户的碳排放趋势；

• 自动分析排放模式，识别主要排放来源；

• 根据分析结果，为用户推送个性化通知，建议用户如何减少碳足迹。

3. 碳汇计算器：

• 将用户的碳排放转化为具体的碳汇需求，如植树面积；

• 提供本地化的信息，如在特定省份植树所需的数量；

• 通过直观的可视化，增强用户对其环境影响的理解。

4. 社交分享功能：

• 允许用户分享其可持续成就，创造积极的社群影响；

• 通过“同伴压力”和激励，促进更广泛的行为改变。

这些功能的组合不仅提高了碳排放分析的效率，还为用户提供了直观、具体到个人行为的碳抵消策略，有助于提高环境意识和促进可持续行为的形成。根据用户反馈的显示，这些功能使碳排放概念从抽象变得具体，从而更容易理解和展开个人行动。

图2. China Carbon Seer System的原型展示及其对用户行为的影响

总结展望

China Carbon Seer System的开发代表了个人和组织层面碳足迹评估和减排工具的重大进步。通过结合实时数据可视化、个性化反馈和社会比较等功能，系统有效地推动了持续的低碳行为转变，为全球气候变化减缓努力做出了贡献。研究结果表明，该系统不仅提高了用户对个人碳足迹的认识，还成功促进了实际的行为改变，促使积极用户的碳排放显著减少。

然而，要实现有意义和持久的影响，仍需要一个更为全面的方法，其中不仅包括个人行动，还需要政策支持、社区参与和碳足迹评估方法的持续创新。未来我们的研发方向将包括:

1. 整合额外的数据源和方法，以考虑间接排放和碳嵌入:

• 引入生命周期评估(LCA)数据，从而更全面地估算供应链和间接排放；

• 整合环境产品声明(EPD)和碳标签计划的数据，提供更精确的产品级碳足迹信息；

2. 扩展系统数据库，纳入更多样化的物体和场景：

• 增加对新兴技术和产品的覆盖，如电动车、可再生能源设备等；

• 开发针对特定行业(如建筑、农业)的专门模块；

3. 开发与更广泛的政策框架和社区倡议相集成的功能板块：

• 与碳定价机制(如碳税或排放交易计划)对接，为用户提供经济激励；

• 与社区级可持续发展项目合作，扩大系统的影响范围；

4. 探索利用区块链等新兴技术提高数据可信度和透明度；

• 实施区块链技术来确保碳排放数据的不可篡改性和可追溯性；

• 开发智能合约系统，自动化进行碳信用的分配和交易；

5. 加强系统的可扩展性和适应性，以适应不同地理区域和计算方法：

• 开发模块化架构，便于根据不同地区的需求和标准进行定制；

• 实施高级数据管理解决方案，如分布式数据库和数据复制技术，以支持大规模用户增长。

原文信息

Decoding environmental impact with image-based CO2 emission analytics

作者：

Jie-Yuan Kan, Yu-Xi Feng*, Yi-Na Yao, Ren-Da Sun, Yong Xu & Ming Xu

https://link.springer.com/article/10.1007/s43979-024-00103-w

DOI:

https://doi.org/10.1007/s43979-024-00103-w

Cite this article：

Kan, JY., Feng, YX., Yao, YN. et al. Decoding environmental impact with image-based CO2 emission analytics. Carb Neutrality 3, 27 (2024). https://doi.org/10.1007/s43979-024-00103-w

扫码获取原文

通讯作者介绍

冯宇希，江门双碳实验室，特聘研究员

研究领域

碳足迹与碳管理，全球气候变化与环境态势感知，植物逆境生理与植物修复技术，环境数学模型。

个人简介

冯宇希，九三学社社员，暨南大学生态学博士，桂林理工大学环境科学与工程流动站博士后，副研究员，江门双碳实验室＂拔尖人才＂，江门双碳实验室特聘研究员，粤港碳中和科学与技术联合实验室碳足迹专题负责人，硕士研究生导师，博士后合作导师，香港科技大学(广州)访问学者，广东省碳达峰碳中和标准化技术委员会产业园区绿色低碳分技术委会委员，曾任江门碳询科技发展有限公司法人执行董事。研究领域：碳足迹与碳管理，全球气候变化与环境态势感知，植物逆境生理与植物修复技术，环境数学模型。在国内外期刊发表论文62篇，其中以第一/共一/通讯作者在Sustain. Cities Soc.、Sci. Total Environ.、J. Agricul. Food Chem.、J. Environ. Manag.、Int. J. Biol. Macromol.、Chemosphere、Ecotoxic. Environ. saf.、Front. Plant Sci.、Ecol. Indic.、Chem. biol. interact.、Plant Physiol. Biochem.等国际权威期刊发表论文36篇。申请专利21件，授权发明专利10件。参与9项国家级课题，主持省部级课题3项，主持企业项目10余项。参编团体标准1项。在国内学术会议进行口头报告10多次。担任BMC Plant Biology编委/副主编、Carbon Neutrality和Beverage Plant Research青年编委、Frontiers in Marine Science客座编辑及十多个国内外威期刊审稿人。

联系方式

E-mail: yu-xifeng@foxmail.com

图文来源：原文作者

编辑：Carbon Neutrality编辑部

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

17.

18.

19.

20.

21.

22.

23.

24.

25.

26.

27.

28.

29.

30.

31.

32.

33.

34.

35.

36.

37.

38.

39.

40.

41.

42.

43.

44.

45.

46.

47.

48.

49.

50.

51.

52.

53.

54.

55.

56.

57.

58.

59.

60.

61.

62.

63.

64.

65.

66.

67.

68.

69.

70.

71.

72.

73.

74.

75.

76.

Carbon Neutrality 是由上海交通大学与Springer Nature合作出版的低碳科学与技术、碳金融与碳管理及相关政策领域的国际性跨学科综合期刊。本刊旨在打造碳中和领域旗舰期刊和国际一流期刊，主要刊载低碳相关领域具有高度原创性、能够反映学科水平的高质量研究论文和评论性综述文章，为国内外从事低碳研究的专家学者提供一个专业的国际学术交流平台。目前已被ESCI、EI、Scopus、CAS、DOAJ数据库收录，成功入选2023中国科技期刊卓越行动计划高起点新刊项目。

Carbon Neutrality文章处理费（Article Processing Charge）全免，竭诚欢迎国内外低碳领域专家、学者积极投稿，携手共建碳中和领域全球科学社群！

转载、合作、咨询欢迎后台留言

或联系编辑部邮箱

CN_Editorial@sjtu.edu.cn

期刊网站：

www.springer.com/journal/43979

投稿系统：

www.editorialmanager.com/lowc/default.aspx

微信公众号 | Carbon Neutrality碳中和

LinkedIn | @Carbon Neutrality

Facebook | @CarbonNeutralityCN

Twitter | @CN_Editorial

欢迎“分享”、“点赞”