制定季度温室气体排放核算，英国:2022年12月

• 自5月份发表以来，我们改进了估算英国基于住宅的温室气体(GHG)排放的初始方法，转而采用了一种允许多个预测指标的方法。

• 基于居住的排放量用于与经济数据进行比较，与用于监测英国排放目标的排放量不同。

• 使用我们目前的方法，英国2022年第2季度(4月至6月)的温室气体排放量(经季节性调整)估计比第1季度(1月至3月)低3.1%。

• 我们正在继续改进我们的方法，确定更好的预测指标，完善我们的建模，并对某些行业进行估计。

• 我们计划在2023年4月之前使用我们改进的方法发布实验性估计，涵盖2022年第4季度(10月至12月)。

目前，英国每年都会公布住宅温室气体排放量，临时估算值在年底9个月后发布，最终估算值在18个月后发布。以住宅为基础的排放估计的主要优点之一是，它们可以与经济数据进行比较，而经济数据的范围更及时。

我们已根据用户需要，利用相关的、更经常获得的数据，探讨了更及时和更频繁地估算温室气体排放的可行性。在我们的文章，发展季度温室气体排放核算，英国:2022年5月，我们提出了一个框架，说明我们建议如何做到这一点，使用频率较高的指标(称为预测指标)的变化，将年度排放系列划分为季度估计。这个过程被称为时间分解。由于这些预测指标也更及时，它们可用于推断温室气体排放序列，以提供超出目前可用时间范围的估计。

英国有三种官方的温室气体排放指标。本文使用的温室气体在居住的基础上，从国家统计局(ONS)环境账目．这些不同于领土的排放，用于通报全英国排放目标的进展情况。关于这三种不同措施的文章可以在英国气候变化统计门户:测量英国温室气体排放．

预测指标的选择

大部分温室气体排放与能源使用直接相关，因此英国能源数据可以作为预测指标。英国所有主要能源方面的统计数据都在商业、能源和工业战略部(BEIS)的季度简报《能源趋势》．这些数据在参考期后一个季度发布，使我们能够估计该时期英国温室气体排放的数据。2022年9月发布了2022年第2季度(4月至6月)的临时估计数。

自从我们上一篇文章发表以来，我们已经改进了我们提出的建模方法，改用了一种允许多个预测因子而不是一个预测因子的方法。这使我们能够充分利用英国能源趋势的现有信息，提高模型的性能，并给出更准确的估计。预测指标的最初选择是在概念基础上做出的，我们认为这将捕捉与温室气体排放相关的活动。然后，我们使用反向淘汰回归来确定模型中具有统计意义的预测因子，这意味着我们使用我们选择的预测指标来进行回归。然后，我们一次删除一个在模型中不显著的指标，直到我们得到一个所有预测因素都显著的模型。

为了最大限度地利用现有数据，理想情况下，时间分解应该在尽可能高的细节级别上进行。我们正在确定工业层面和特定气体的最佳预测指标;这将在中进一步讨论第4节，行业级别的估计．为了本文中的估计目的，在顶层(即总排放量)进行了时间分解按燃料类型划分的最终能源消耗(见BEIS电子表格(XLS 1.05MB))用作预测指标。生物能源和废物的能源消耗已被包括在内，因为可再生燃料和废物衍生燃料的排放已被包括在《环境帐户》对温室气体排放的基于住宅的估计中。

我们开发了模型，以住宅为基础，估算截至2022年第2季度(4月至6月)的季度温室气体(GHG)和二氧化碳(CO2)排放总量。图1显示了温室气体排放的估计值，附带的数据集中提供了CO2和GHG的估计值。为了帮助解释随时间的变化，包括经季节调整的数字。这些估计值没有经过温度调整，这是一项在研究温室气体排放时经常使用的技术。我们将考虑如何将其作为未来发展的一部分。

图1显示，2022年第1季度和第2季度的温室气体排放量(经季节性调整)分别下降了3.7%和3.1%。与2021年同期相比，2022年第二季度的温室气体排放量下降了5.0%。这既反映了所使用的预测指标中能源消耗的减少，也反映了可再生能源发电的增加。这些趋势都可以在英国政府发布统计数据，能源趋势:2022年9月．

应该指出的是，这些估计受到不确定性的影响，包括模型使用的基础估计和模型本身引入的不确定性。有关详情，请参阅第7节:数据来源和质量．

如上所述，以居住为基础的排放估算的主要优势之一是我们可以将其与经济数据进行比较。温室气体强度衡量的是单位总增加值(GVA)的排放水平，可用于检验经济增长与温室气体排放之间的关系。例如，英国整体温室气体排放强度的降低表明英国正在走向低碳经济。这可能是通过单个行业在生产过程中提高效率，减少每单位GVA的温室气体排放。与此同时，它也可能反映出经济结构的变化，例如，从制造业向产生较少温室气体排放的服务业的转变。从图2可以看出，自1998年以来，温室气体排放强度一直在稳步下降。

我们计算中使用的模型比温室气体和二氧化碳总排放量的不确定性更高。我们将对此进行研究，以改进模型。

我们还在努力确定可靠的预测指标，用于行业级别的估计，供它们自己使用，并用于整体排放模型。

我们初步考虑过商业、能源和工业战略部(BEIS)在其临时季度估计中使用的指标以地区为单位，在年度报告中公布。除了作为一个合理的起点外，在可能的情况下使用类似的预测因子也将确保估计之间的一致性。由于估计的范围和结构存在这些差异，在某些情况下将需要不同的预测变量。

我们最初关注的是最高排放行业的预测指标。已考虑的预测指标如下。括号中给出了2021年每个部门在居住基础上占温室气体总量的百分比。

电力、燃气、蒸汽和空调(17.1%)

从我们的测试来看，按燃料类型划分的能源生产数据似乎是该行业合适的预测指标。

消费开支(26.7%)

在环境帐目中，消费者开支分为旅行开支和非旅行开支。在此基础上，2021年消费者支出(非旅行)占温室气体排放总量的14.9%。由于这些排放主要与家庭供暖有关，因此按燃料类型(特别是煤、人造燃料、石油和天然气)估计季度国内能源消耗是很好的预测指标。

2021年，消费者支出(旅行)占总排放量的11.8%。由于这主要与国内道路车辆的排放有关，因此柴油和汽油的季度消费量可能是很好的预测指标。

运输和储存(11.3%)

已经确定了这一类别内较低级别行业的预测指标，例如陆地运输服务、水运服务和航空运输服务。这些数据包括船用燃料和柴油发动机道路燃料的季度消耗量。对于航空运输服务，可以直接估计二氧化碳排放量经济合作与发展组织(OECD)关于航空运输二氧化碳排放的数据尽管这些数据仅从2019年起可用，因此需要为时间序列的早期制定替代估计。

制造业(16.9%)

能源行业燃料总使用量的季度需求并不是该行业的可靠模型。我们正在审查其他潜在的预测指标，包括子部门，如其他非金属矿物的制造和基本金属的制造，它们的作用不同于其他制造部门。

农林渔业(9.5%)

与其他行业不同，该行业的大部分温室气体排放来自甲烷。正在考虑的潜在数据包括牲畜数量，尽管这些数据无法按季度提供。

其他(18.5%)

我们将继续审查这些和其他低排放行业的最佳预测指标。

我们欢迎对这些拟议预测指标的任何反馈，请通过电子邮件:environment.accounts@ons.gov.uk．

温室气体排放

本文中包括在大气排放中的温室气体(GHG)是《京都议定书》所涵盖的温室气体:二氧化碳(CO2)、甲烷(CH4)、一氧化二氮(N2O)、氢氟碳化合物(HFCs)、全氟碳化合物(PFCs)、六氟化硫(SF6)和三氟化氮(NF3)。这些气体直接导致全球变暖和气候变化，因为它们具有积极的辐射强迫效应。每一种温室气体导致全球变暖的可能性都是根据给定的二氧化碳重量进行评估的，因此所有温室气体排放都以二氧化碳当量(CO2e)来衡量。

实习的基础上

以居住地为基础编制的估计数包括与英国居民和在英国注册的企业有关的数据，无论他们是在英国还是在海外。与在英国的外国游客和外国企业有关的数据不包括在内。

时间崩溃

时间分解是从低频数据(例如，年度)推导出高频数据(例如，季度)的过程。

不确定性

建模估算将不可避免地导致不确定性。对本文中包含的所有估计进行了修订分析，以提供修订的可能大小的度量。由于时间序列的长度相对较短，用汇总统计来总结修订是无效的。预测误差也进行了计算，以提供预测值可靠性的估计。计算了预测的平均百分比误差(MPE)和平均绝对百分比误差(MAPE)。MPE提供了对低估或高估趋势(偏差)的估计，MAPE提供了对预测值准确性的估计。

我们对温室气体(GHG)排放总量模型预测精度的分析表明，最近一年的估计往往被高估了0.5%，预测(在这种情况下，对2022年的估计)往往在最终估计的负2.3%至正2.3%之间。

二氧化碳(CO2)排放模型只产生了更可靠的估计值，很可能是因为所使用的预测指标更适合二氧化碳而不是其他温室气体。

温室气体排放

本文中计算的温室气体排放量以居住为基础，是环境核算的一部分。关于用于计算这些，包括相关不确定性的方法的详细信息，可以在我们的空气排放质量和方法信息．最近一年的温室气体和二氧化碳排放数据是临时的，因此可能会进行修订。这将反映在任何模拟估计的修订中。

能源趋势

预测指标中使用的最新季度能源趋势数据是临时的，可能会修订。对这些数据的任何修订都将反映在模拟估计中。关于构建能源趋势数据的方法的更多细节，可以在商业、能源和工业战略部的能源趋势．

理想情况下，时间分解应该在尽可能低的级别进行。我们将继续酌情对低水平工业和个别温室气体进行估算。这些序列可以被认为是更聚合数据的预测指标。我们将继续审查和确定不同行业和温室气体(如甲烷)的最佳预测指标。

我们将在2023年4月发布这些改进的实验估计。

我们使用的方法的一个局限性是，它假设预测指标和温室气体排放量之间存在线性关系，而温室气体排放量随着时间的推移是恒定的。然而，情况不太可能是这样。例如，虽然煤炭可能是一个很好的预测指标，可以暂时分解前几年的温室气体排放，但近年来却不是这样。从长远来看，我们将寻求开发新的方法，使排放和预测指标之间的关系在建模中随着时间的推移而变化。