城市级全范围碳排放数据集实操指南：字段口径、清洗方法与避坑要点

先说一个我自己的经历。去年帮某地市做碳强度中期评估，翻遍了省市两级公开资料，能拿到的细颗粒度数据最多到省，市里这一层几乎等于空白。省级数据拿市级GDP做摊派？不行，两市产业结构差太远，摊出来的结果放在结论里非常危险。也就是在那个时候，我开始认真注意《中国城市级全范围碳排放数据集(2023)》这类资源，它解决的问题恰好在点子上：把城市单元、全部门、可直接做横向对比的碳排放底账一次性拉齐，而不是让研究者自己从几十份统计年鉴里拼拼凑凑。

这份数据适合谁？范围其实比想象中宽。做区域绿色发展规划的人可以用它当基线，做ESG和供应链低碳分析的咨询机构可以用它给客户做区域画像，高校做城市面板回归和碳达峰情景研究的人也能靠它节省大量清洗时间。不是说拿回来就能直接出结论，而是它把最脏最累的物理量归集工作做掉了，你拿到的是城市、部门、排放源三个层级都清晰的“可分析底座”。

这里我不会只吹它哪里好用，更想把它背后容易踩坑的地方讲明白。怎么看字段、怎么处理边界、怎么避免被口径误导，这些才是真正决定分析质量的部分。

1. 城市级全范围碳排放数据集到底是什么口径

拿到这类名称之前，先别急着导入数据库。标题里每个定语都有含义，拆清楚才能避开后续误会。

1.1 城市级数据为什么这么难做

城市层面碳排放数据的稀缺程度，做过的人都知道。国家和省级温室气体清单有相对成熟的编制指南，能源平衡表、分行业能耗数据也还有迹可循。一到城市这一级，统计基础立刻断层，很多地级市根本没有自己的能源平衡表，更别说分部门的温室气体排放清单。

这种情况下，要得到一个覆盖全国、口径统一的城市清单，只能两条路径选一条：要么用省级数据向下拆分，要么把更底层的能源活动数据向上汇总。不同编制团队会选择不同策略，这直接决定了数据质量。如果某份数据集是用GDP、人口、产业结构这类代理变量去摊，那它能反映大体格局，但做不了精细的单城判断。如果它以企业报送、能源销售量、电力消费量等偏“自下而上”的信息重建活动水平，才更经得起追问。

我建议你拿到手先做一个动作：随机抽几个相对熟悉的城市，和当地统计公报里的规模以上工业能耗互相印证。如果数量级都差太多，后面所有运算都建立在流沙上。

1.2 “全范围”到底覆盖到哪儿

全范围在不同语境下含义不同，这也是最容易读岔的地方。从核算对象讲，它可以指“所有城市”的全覆盖，也可以指“某城市内部所有排放部门”的全部门覆盖，还可以指企业温室气体核算里范围1、范围2、范围3都被纳入。

按行业内通行理解，全范围式城市数据至少要包含两大块。

第一类是直接排放，即城市地理边界内由燃料燃烧、工业过程、农业和废弃物处理直接产生的温室气体，对应GHG Protocol里的范围1，也对应IPCC国家清单指南里的跨部门直接排放。

第二类是间接排放，核心是外购电力和热力在生产和输送环节产生的排放，典型就是范围2。这块对城市极其重要。城市通常不是电力生产主体，却是电力的主要消费地，如果城市清单只算本地直接排放而不算调入电力、热力背后的排放，那这个城市的碳责任会明显失真。

还有更高要求的数据集把范围3也做进去，例如城市间交通、跨区域废弃物处理、水耗隐含能和消费端供应链排放。但我要提醒一句，范围3的完整核算在单一企业层面都是难题，放城市层面更难做，很多声称覆盖范围3的数据集往往只抓了航空、铁路、公路货运等大类。所以拿到标题带全范围字样的数据，先看它的文档里如何定义“全”，再决定每个指标怎么用。

1.3 2023这个年份到底代表什么

《中国城市级全范围碳排放数据集(2023)》里的2023，不能默认就是“2023年全年排放数据”。

能源环境统计数据天然滞后，全国能源平衡表通常要过一到两年才公开发布完整版本，城市级数据收集链路更长。所以很多数据集标题里的年份，指的是发布版本、修订周期，或者对应第几版产品，而不是排放发生的自然年份。

我的处理习惯是三步：第一步，看版本字段，确认这是发布日期还是数据期；第二步，看表内是否有基准年字段，把里面的数据期找出来；第三步，如果标题年份和数据期不一致，在引用时一定同时标注“数据集版本2023、排放期某年”，避免给别人留下错误印象。如果数据集中确实包含2023年排放数据，那通常意味着编制方拿到了相当细的实时统计源，这种数据时效性会非常好，值得优先用。

2. 数据集结构与核心指标，先看懂字段不会摔

城市级碳排放数据和普通统计表不一样，它不是一张宽表就能讲清楚的。不同的编制方会输出不同结构，但用得顺的版本通常按“城市—部门—排放范围—气体类型—活动数据—排放因子—排放量”这种长表组织。

2.1 拆解一张规范的长表字段

下面是这类数据集中常见字段。按通行的组织结构来看，核心字段大致会有这些：

我在实际使用中会额外做两件小事。一是把所有字段名小写、去空格，提前建立到统一字段表的映射，省得换一个版本来还要重写SQL。二是把co2_eq字段的类型从字符串强制转成float后立刻查异常值，这类数据经常出现把科学计数法读成字符串、把空值填成“NULL”的情况。

2.2 五个部门板块背后的排放源

如果按国家清单惯例组织，城市碳排放大体分布在五个板块。

第一板块是能源活动，包含燃料固定燃烧、交通移动源燃烧和逸散排放。这是多数城市的排放大头，火力发电、工业锅炉、供暖、道路运输、民航和船舶几乎都在这里。城市跟城市的结构差异，从这个部门就能看出来。一个以煤电和重工业为主的城市，能源板块占比可能超过85%；一个以服务业为主的城市，交通和建筑供暖的比重会显著上升。

第二板块是工业过程和产品使用，也就是通常说的工业过程排放。它指的不是烧燃料，而是原料在化学或物理反应中自身释放的二氧化碳，比如水泥熟料煅烧、钢铁冶炼中的溶剂分解、合成氨和硝酸生产、电解铝阳极消耗。这些过程排放几乎无法通过节能降耗完成削减，只能改变工艺或产品结构，是城市达峰行动里最难啃的硬骨头。

第三板块是农业活动，主要包括稻田甲烷、农用地氧化亚氮、动物肠道发酵反刍产生的甲烷，还有粪便管理过程中释放的甲烷和氧化亚氮。以工业城市为主的分析常常忽略它，但对一些农牧业占比高的地市，农业排放可能接近甚至超过工业过程排放。

第四板块是废弃物处理，典型源包括垃圾填埋场厌氧分解产生的甲烷、生活垃圾焚烧过程中由化石碳形成的二氧化碳、废水处理释放的甲烷和氧化亚氮。随着城市垃圾分类收运体系越来越完善，这一板块在某些大城市的排放占比会缓慢上升。

第五板块是土地利用、土地利用变化与林业。这个板块在多数城市版数据里不是作为排放项，而是作为碳汇项出现，通常体现为负的二氧化碳当量。如果表里出现负值的co2_eq，不要当脏数据处理，它很可能就是这个部门。

2.3 部门还是范围，两套坐标怎么配合

部门维度和范围维度不是重复关系，而是“从哪个角度切排放责任”。

同一个火电厂，在能源活动部门出现，表现为范围1的直接燃烧排放；同一城市的居民用电，如果放在生产端统计会归入电厂所在地区，如果放在消费端统计会作为范围2计入用电城市。

我见过不少刚用这类数据的人，拿“范围2较高”就直接判断城市低碳绩效差，其实这混淆了问题。范围2高说明城市对外部电力依赖度高，但如果外购电力来自水电、风电和大规模光伏基地，实际环境表现并不差。某些西部城市范围2数字不一定低，但电力结构里绿电比例远高于东部地区，只看数值会得出完全反向的结论。

所以用这套数据时，建议先决定自己的分析问题属于生产侧还是消费侧。做达峰路径和能源结构调整，重点看范围1；做城市碳责任和消费侧驱动，把范围1和范围2结合着看；做供应链转移和隐含碳，再考虑范围3。把部门、范围两个维度交叉起来，能直接从一张表里提炼出“高耗能行业直接排放、电力间接排放、交通排放、农业源甲烷”等细腻画像。

3. 实操：如何拿这套数据做自己的分析

拿到数据后最忌讳直接画图。先做几轮清洗和口径确认，再进入分析。

3.1 上手前必做的四步清洗

我每次处理城市碳排放数据前，基本固定四步。

第一步，统一行政代码。中国城市行政区划会调整，有的县改区、有的市改名字。我会把city_code统一映射到最新行政区划代码，同时保留一个“历史名称”字段，避免和多期数据拼一起时匹配失败。涉及省直辖县级市、地区、自治州时，特别注意它是否真的属于目标分析范围。

第二步，统一单位。不同来源的co2_eq单位差异极大，有的用吨，有的用万吨，有的甚至用千吨。先把原始单位和目标单位放在同一张映射表里，操作时保留记录、不直接覆盖原始列。这样即使后面对数轴画图时发现数量级不对，还能回去查物理量。

第三步，确认口径中包含哪些气体。如果co2_eq只统计CO2，那对甲烷占比较高的农业城市会系统性低估温室气体总量。像垃圾填埋场、水稻田和畜禽养殖集中的城市，CO2单一气体的核算结果和全温室气体核算结果差距不小。你需要在数据字典里找气体类型字段是否有CH4、N2O，如果没有，文档里应该会写明“仅含二氧化碳”。

第四步，检查是否有重复行。城市级、部门级和范围级三个层级如果同时存在于一张表里，极易出现汇总后翻倍。你应把汇总字段限定在“最细颗粒度”，再按自己需要重新透视。

python复制import pandas as pd

df = pd.read_csv("city_full_scope.csv")

# 1. 只看最细物理行
id_cols = ["city_code", "sector_l1", "sector_l2", "scope_type", "gas_type", "data_year"]
duplicated = df[id_cols].duplicated()
print("重复行数:", duplicated.sum())

# 2. 统一同一字段大小写与空格
for col in ["city_name", "sector_l1", "sector_l2"]:
    df[col] = df[col].astype(str).str.strip().str.upper()

# 3. 汇总到口径1：城市+部门
city_sector = df.groupby(["city_code", "city_name", "sector_l1"])["co2_eq"].sum().reset_index()

这套流程不复杂，但能避开大多数脏数据和重复汇总问题。尤其是第四步，我见过有人把不同范围直接加总去跟省级总量比，结果差了近一倍，怎么排查都找不到原因，最后发现原始表里每个城市有“总量行”和“部门明细行”，加总时重复计入了总量行。

3.2 横向分析：先分清总量、人均、强度、结构四个指标

城市碳排放横向比较时，只看总量几乎没意义。重庆和三亚总量差距当然巨大，但两者没有可比性。合理做法是同时看四类指标。

总量适合识别排放热区和承担减碳责任的规模基础，也适合做全国层面的空间梯度分析。我经常用city_sector表做一个总排放排名，然后按照省域给每个城市标色，一眼能看到城市群所在位置。

人均碳排放能把城市人口规模的影响剔除。做这个指标时，要注意分母用的是常住人口还是户籍人口，不同城市人口流动差异非常大，用错分母对排名影响严重。使用《中国城市级全范围碳排放数据集》时，里面一般不直接给人口，需要你再并联一份统计年鉴常住人口，跨年份对比时还要做人口行政区间调整。

碳强度指的是单位GDP的二氧化碳排放，是衡量经济低碳转型的核心指标。如果在数据集中没有直接给出城市GDP，你需要按同年价和可比价分别做一次，避免通胀因素干扰。省级和市级GDP数据存在下算一级的问题，同一省份各市GDP之和不等于省GDP，这在比较强度时属于正常现象，不需要强行加总对齐。

结构指标则是把工业、交通、建筑、农业等部门占比拆出来。我习惯以散点图的方式把城市人均GDP和人均碳排放放在二维平面，再把各城市部门结构作为气泡大小展示，能比较直观发现“还处在增长阶段的城市”和“已经越过平台期的城市”有什么不同空间形态。

3.3 纵向分析：面板数据拼接的隐藏难度

如果把多期城市碳排放数据拼接成面板，操作难度会比普通经济面板更高。

第一要处理口径变化。编制方可能在某一年切换了电网因子算法，或调整了废弃物部门边界，导致同一个城市相邻两年间出现非物理突变。面板回归前，先画出每个城市的时间曲线，遇到明显跳点再回到版本说明里找对应改动。

第二要处理区划调整。近年不少城市经历撤县设区、新区成立，如果旧年份数据按旧行政区划、新年份按新区划，代码匹配后会凭空产生“新区”序列。最简单的办法是把所有年份统一到现行行政区划，并将已撤销的区县代码重新聚类到新归属地。

第三要处理物价指数口径。做碳强度面板时，名义GDP必须先用GDP平减指数调整为不变价。这个平减指数省级和市级不一样，最好用城市统计年鉴里的可比价格，不要图方便直接用国家统一缩减指数。城市经济结构差异大，不同产业的价格变动幅度不同，统一的缩减系数会引入系统误差。

这类问题处理完，再进Kaya恒等式分解、LMDI指数分解或者Tapio脱钩模型，数据链路就通了。不然做出来的系数和结论，你都不敢写进汇报材料里。

4. 数据生成背后的方法论，知道算法才能判断可信度

任何一份宏观碳数据集都是“估算结果”，不是直接测量出来的。理解它背后的算法逻辑，才知道哪些城市结果可信、哪些城市当参考就行。

4.1 自下而上清单法与自上而下拆分法

城市级全范围排放最常用、也最受认可的路径是“自下而上清单法”，主要逻辑就是“活动水平 × 排放因子 = 排放量”，再分部门累加。

“自下而上”意味着原始活动数据要尽量细。某城市原煤消费量多少、天然气多少、焦炭多少、交通运输燃油多少，每一项都能找到相对可靠的统计或行业数据，再用对应排放因子换算成排放量，最后逐级汇总。

但绝大多数城市没有完整能源平衡表，所以数据集编制团队实际上会混合一套“自上而下辅助拆分”逻辑，比如先拿到省级工业分行业能耗，再用地级市工业增加值、产品产量、人口、用电量等指标做权重，把它拆到城市。如果城市正好缺少某个数据源，权重比例的分摊误差最后都会累积在结果里，工业结构越复杂，误差可能越大。

使用这类数据时，我建议你留意数据集本身有没有提供不确定性说明。没有哪个诚实的数据集敢说自己绝对精确，能给出源数据或方法的都算业界良心。

4.2 排放因子与全球变暖潜势为什么关键

排放因子是点“活动水平 × 排放因子”这个乘法中的另一个变量。煤炭、石油、天然气的排放因子不是随便一个固定数，它跟燃料低位发热量、含碳量、氧化率以及采用的清单指南有关系。城市和省份之间能源质量不同，火力发电效率也不同，同一单位标煤实际上对应二氧化碳并不完全相同。

外购电力的排放因子更讲究。中国各区域电网结构差异很大，如果某版数据统一使用全国平均电网因子，那么在西北、西南水电和风光占比较高的城市会明显高估范围2排放，在煤电集中区域可能稍低。好的城市数据集至少会按省级电网或区域电网因子计算，有些甚至能区分“化石电力平均排放因子”和“绿电不计入排放”的两种口径。

温室气体折算也需要注意。甲烷和氧化亚氮的全球变暖潜势随IPCC评估报告版本不断变化，甲烷常取值25到30之间，氧化亚氮在265到273左右。不同版本之间数字不同不是错误，但在比较多版数据集时，如果它们采用了不同GWP版本，你的总量结果差异中有一部分纯粹来自折算系数。要把它单独列成一个敏感性变量，而不是把差异全归给排放变化。

4.3 城市核算与省级、国家清单的衔接矛盾

城市碳排放相加不等于省级排放，省级排放相加也不一定等于国家清单总量，这一点一定要提前想通。

产生差异有几个原因。一是电力热力间接排放的处理不同，上文说的范围2在不同城市加总一定产生双计，因为电厂在A市的直接排放和B市购入电力的间接排放，物理上是同一吨二氧化碳。二是飞地与区域间交通归属不同，远洋船舶、航空器、跨市管线这类源，到底是按起降地、注册地、经停地还是燃料销售地统计会影响结果。三是统计调查频率不一致，国家和省级清单有定期编制流程，城市数据集则更多依赖各行业行政记录，不同时间颗粒度导致结果天然有出入。

如果你发现某城市数据明显低于或高于省级清单对应城市份额，不要着急下结论说数据错了，先把它的电力间接排放处理方法读明白。好多分歧就是从这里产生的。

5. 使用避坑：和其他数据打架时不要慌

好数据不会只在真空里好用，它要能跟统计公报、研究机构数据、企业碳核查记录互相印证。现实中一定会遇到数字对不上的情况。

5.1 与统计公报对不上，先别急

最常见的一个坑，是把城市统计公报里“规模以上工业综合能源消费量”或“规上工业碳排放”报告值，直接拿来跟城市全范围数据里的工业排放对比。两者口径完全不同。

统计公报中的规上工业，只统计年主营业务收入达到一定门槛的企业，大量中小企业、园区配套锅炉和散煤不在里面。城市全口径清单则覆盖所有行业、所有规模、所有技术类型的排放源。通常而言，城市清单的工业排放量会大于规上工业报表数，因为多出来的还有中小型工业炉窑和工艺过程排放。

还有一种对不上是统计范围造成的。公报里的能源消费量往往以实物量为主，碳排放数据需要把煤、油、气统一折算成标煤或直接做元素碳计算，换算系数不同，结果差5%到10%都正常。所以当你发现两个数不完全一致，不用急着认定谁错，先站在口径层面看自己是不是把苹果和橘子放一起比较了。

5.2 交通和电力两大边界难题

城市碳排放数据库里最难处理的两个源，一个是移动源，一个是电热源。

移动源又被称为“会跑的烟囱”，一辆货车可能在A市加满油，却把货物运到B市。如果按燃料销售地统计，排放归入A市；如果按起终点和行驶里程统计，排放可能大部分归到B市。城市级数据通常默认按燃料销售地来，因为加注站有明确行政归属且数据可取。但这意味着，靠公路物流集散的区域中心城市会比其他城市承担更多过境交通排放，结构可比性有所削弱。

电力跨区调动的难题更典型。某市用的大部分电来自省外水电站，如果按物理起源地算排放，该市的排放责任会小很多；如果按全国统一电网组合排放算，又会把西电东送的清洁属性打折扣。很多数据集会在范围2中采用“用电量乘以电网平均排放因子”的简洁做法，这个方法公允且透明，但也忽略了绿电交易、绿证和直购电协议带来的清洁电力属性。

如果分析对象涉及高比例绿电采购的企业或园区，最好回到原始用电合同、绿证和电网因子的更细分数据里做二次调整。用城市级宏观数据支撑企业微观碳足迹，本来就是“宏观开地图、微观做精修”的关系。

5.3 与主流城市碳排放数据库混用的建议

市面上能看到的城市碳排放数据库不少，比如CEADs这类学术机构长期维护的城市级数据，还有各智库、咨询机构自己做的时间序列数据。每个数据库的编制起点不同，结论不能直接混拼。

我建议你把不同数据库当成不同“秤”。总量、趋势、部门占比可能互相印证，但不要试图用A数据库的2020年数字去和B数据库的2021年数字做变动率。要先各自做一次数据前后一致性检查，再判断差异主要来自边界调整还是来自因子变化。

下面是一张不同来源混用时常见的对照表：

做正式报告或模型前，找一个跟自己结论最相关的一座城市，用两套数据分别算一遍。如果两个结果体现出的部门结构和排名顺序一致，基本上说明真正的政策判断是稳健的；如果得出相反结论，你就要回到原始定义里找差异出在哪一层。

6. 常见问题速查与我的使用心得

这块更像是临场笔记，把处理过程中大概率碰到的问题和检查思路集中列一下，方便你出问题时快速对照。

6.1 拿到数据后最常卡住的五个问题

下面是几个我在现场经常要到原始文档里翻半天才能回答的问题。将它们筛选成速查表，能节约不少时间：

这类问题大多不是公式算错，而是“统计口径版本”作祟。你在报告中做任何跨机构、跨时间对比前，都应先建立一张“本报告统一口径说明”，把范围定义、气体类型、数据期、排放因子来源四个参数写死。这是避免被各种零散数据带跑的底线操作。

6.2 我处理这套数据时总结的三个小经验

最后只分享一点我自己长期处理城市碳排放数据的沉淀。先说第一个经验，拿到这套数据后不要急着看全国排名，先挑两三座自己知道产业结构、能源结构、甚至听说过当地重点排放企业的城市去“背对背验证”。比如你清楚某城市有大型电解铝厂，那它在工业部门和电力间接排放上应该偏高；如果结果完全平平无奇，得回去怀疑能源活动拆分是否有问题。这一步做好了，后面做全国性模型时才敢下判断。

第二个经验，始终保持“范围1和范围2分开使用”的习惯。做城市责任评价时看范围2，做能源结构调整时看范围1，两种结果不要轻易相加。如果数据集同时提供范围和部门两个字段，优先用“范围 × 部门”交叉维度去做透视。单独把范围或部门拿出来加总，都容易丢失信息。

第三个经验，给结论配一段稳定性说明。无论做多复杂的分解、回归或榜单，最后在报告里明确声明：如果把外购电力因子换成全国平均或区域电网因子，排序受影响最大的是哪几座城市。这样做长期项目时自己回头看也不会不知道哪个决策是建立在特定系数之上的。

城市碳排放数据分析这条路，最不值钱的成果是弄出一个漂亮的总量图，最值钱的成果是你清楚每一个数字在什么口径下成立、什么口径下不成立。这套数据本身是一个很好的起点，但真正决定分析价值的，始终是你对边界和因子的理解有多深。