国家温室气体清单估算中的不确定性分析.ppt

国家温室气体清单估算中的不 确定性分析中国科学院预测科学研究中心 中国科学院数学与系统科学研究院刘秀丽 2009-06-251提纲• 不确定性理论的产生和发展 • 清单中的不确定性来源 • 不确定性的主要处理方法：•分级法、外推法、代理变量法、专家经验法等 • 描述不确定性的两种方法 • 误差传播公式 • 举例 • 蒙特卡罗方法 • 举例 • 承担科研项目简介2不确定性理论的提出• 关于“不确定性”一词, 早在 1836 年詹姆斯·穆 勒临终前发表的《政治经济学是否有用》一文中就 已明确提出不确定理论是概率论、可信性理论、 信赖性理论的统称 • 作为不确定性的第一种——随机性,荷兰著名天文 、物理兼数学家惠更斯早在他1657年出版的著作《 论机会游戏的计算》中就已提出并进行了研究 • 但随机性问题真正为人类所重视,还要归功于前苏 联数学家柯尔莫哥洛夫,他于1933年在其专著《概 率论的基本概念》中首次提出并建立了在测度论基 础上的概率论与公理化方法3不确定性理论的发展• 1965年,才由美国学者扎德(L.A.Zaden)创建了模糊集合论 ,给出了模糊信息的概念,发展了不确定性的研究领域。

• 1982年,由我国邓聚龙教授创立了灰色系统理论,在此基础 上建立了灰色集合,产生了灰色数学 • 1990年,由我国工程院院士王光远教授提出了未确知信息, 产生了未确知数学 • 1991年,王清印建立了泛灰集,使之包含了以上所有类型的 不确定性信息• (不能本源地反映事物本质特性的信息,称为不确定性信息 )温室气体清单估算中的 不确定性来源• 来自定义的不确定性(例如意义不完整、不清楚或者错误 定义了一种排放或吸收)；• 来自产生排放或吸收过程的自然变率的不确定性；• 来自对过程或量的评估结果的不确定性，依据所使用的方 法，包括： • 来自测量的不确定性； • 来自取样的不确定性； • 来自未被完整描述的参考数据的不确定性； • 来自专家判断的不确定性5不确定性的一些处理方法• 由不良定义引起的不确定性与源类别的完 整性及其归属有关，应该在进行不确定性 分析之前尽早地消除• 由自然变率引起的不确定性是排放过程所 固有的, 可以通过对代表性数据进行统计分 析来处理不确定性的主要影响因素• 国际标准组织(ISO, 1993)强调,对于自然物质,由 取样及获得代表性样本的需求引起的不确定性可 能超过由测量技术引起的不确定性。

• 取样问题涉及到对清单不确定性的评估,获得代表 性取样的成功或失败则直接影响清单的不确定性 • 确定清单不确定性的问题混合了误差分析中的统 计问题以及把统计学和清单概念与真实世界发生 事件相匹配的问题7优良作法的几个基本原则• 理想的情形是: 输入量有几百个测量数据,可以通过经典统 计方法估算置信区间 • 然而, 在大多数情况下, 只能获得少量数据或完全没有数据 四种类型的信息能以不同程度处理特定的情况, 它们是:• 可以获得的输入量的测量数据；• 有关输入量极值的信息；• 有关控制输入量及其方差的基本过程的信息；• 专家判断8专家判断法•当不太可能获得可靠数据或者现有的清单数据缺乏足够的统计信息时， 必须引出专家关于输入数据本质和特性的判断通常，只有少量的观测数 据被用来确定清单的输入数据，因此在很大程度上必须依赖于专家判断•专家可能不愿意提供关于数据质量和不确定性的定量信息，相反更愿意提 供不确定性或其它定性输入的相对水平•如果必要的话，应该让专家知道，在缺乏专家判断时，可以应用 IPCC 缺 省的不确定性范围•如果专家判断考虑了所有可以获得的数据，包括对被检测输入量具有专门 知识或经验的人的合理意见，并且如果专家判断已形成文件，这些文件可 以清楚地解释专家判断以满足外界的详细审查，那么利用专家判断进行不 确定性的定量估算是可以接受的(Cullen 和 Frey 1999) 。

•通过专家判断或其它方式进行不确定性估算的关键要求是考虑所有可能的 不确定性来源 •注：清单不确定性定量分析的结果最多只是提供了对清单不确定性的一种 估算，而且这些置信区间本身也存在很大的不确定性9外推法和代理变量法• 在许多情况下,无法获得某一地区或某一特定过程的活动数据 和排放因子 • 因而，需要利用在不同地区或根据不同类型过程确定的排放 因子来估算排放, 这就是外推过程 • 外推法基于对 IPCC 指南的算法以及对全国清单年份输入量 的了解 • 另外，有可能利用代理变量来计算排放值当利用外推或代 理变量时，必须对所选数值的代表性进行评估，如果使用类 似的条件或过程，那么数据的代表性越强，结果也越准确 • （制度变量是描述制度环境、制度安排和制度变迁的变量， 具有抽象难以量化等特点，但现实中并不存在这样一个独立 的变量，因此必须找到能够近似描述整体制度以及制度变迁 的一系列经济变量和政治变量的集合，这些变量就是所谓制 度的代理变量 10分级法• 如果可用数据来自随机取样，应用统计方法可以估算与外 推相关的不确定性 • 不过，在国家清单的情形下,很少有数据来自随机取样 因此,考虑到温室气体排放和吸收的不均匀特性,关于外推 的关键问题是与非代表性或代表性取样相关的不确定性。

• 例如，把从灌溉水稻得到的排放速率外推到包括雨养水稻 的乡村地区将会带来很大的不确定性，相反,可以把农村 的活动数据划分成灌溉水稻和雨养水稻，从而得到非常可 靠的分析 • 在生物圈中，均一性很少存在，因此分级是一种管理和减 少清单估算不确定性的强有力方法 • 在活动数据和排放因子之间存在协方差的情况下，分级取 样是一种有用的方法可以通过把活动数据和排放因子分 成仔细选择的集合来降低协方差，在 IPCC 清单方法学中 ，这种方法已经得到广泛应用11分级取样的步骤• 第一步需要识别已知对所考虑排放具有重大影响的 变量 (环境变量、技术变量等) ,有关这些变量影响 的知识可能来自实验室研究、理论模拟、田间观测 或其它途径 • 识别出关键变量后，必须估算清单范围内这些变量 的累积分布 • 最后，必须检查核对，根据这些分布，可用的观测 结果是否构成具有代表性的样本，如果没有，可以 对分布进行分级，设计并执行一个取样程序，以获 得代表性数据，这些代表性数据可用来修正排放算 法基于代表性数据集的排放算法是高质量清单的 一个必要的先决条件12分级+外推+专家判断• 如果具备充足的资源 ，就可以进行监测活动， 设 计测量结果的分级样本 ，选择最适合的变量对样 本 (产品、过程、 工厂、领土、人口)进行分级， 完整的数据集可用来估算概率密度函数和简要统 计量，然后利用统计工具来计算平均值的偏差和 方差，置信区间及误差分布。

• 当区域水平上的数据丢失时 ，如果细心选择具有 类似来源特征的数据 ，就有可能根据现有文献来 外推出相关信息， 在此情形下， 需要专家判断1314有关代表性数据问题的例子——旱地作物施肥 中的N2O排放•用来构建当前IPCC清单算法以及全球排放因子缺省值的大部分数据来自北半球温 带耕作制， Bouwman(1996)提出了一种极好的对源自施肥的 N2O 排放数据(当时可 以获得的)进行系统分析的方法， 推导出一种只基于氮肥施用量和一个排放因子的 算法 •然而 正如 Bouwman(1996)所承认的那样 ，土壤科学指出，存在其它对排放变化起 作用的关键因子，包括土壤温度、土壤肥力、降雨频率、降雨量、土壤涝渍以及肥 料成分 •其结果是，主要根据北半球温带耕作制推导出的排放因子可能在热带炎热气候下并 不适合，那里相关的环境变量如土壤温度和降雨频率完全不同于温带地区，当在热 带地区应用IPCC算法和排放因子(基于可以得到的最佳数据)时，得到的排放估算可 能产生无意的偏差，潜在的偏差来源于缺乏适当的热带排放数据 •因此，存在有关源自施肥的 N2O排放基本数据代表性的问题，在缺乏关键排放或吸 收的代表性数据的情况下(例如上述源自施肥的 N2O 排放的例子)， 必须建立适当 的测量，之后对算法和排放因子进行评审，在诸如此类的情况下，全球排放因子缺 省值应该被(更适当的)区域缺省值所取代 。

•这一评审数据代表性和填补关键数据空白的过程将会极大地增加清单估算的信度， 这是一个降低清单不确定性的关键问题，代表了优良作法，这个例子仅是改进关键 数据代表性的许多例子中的一个 15描述不确定性分析的两种方法• 方法1：使用误差传播公式并通过规则A和B 来估算源类别的不确定性，源类别的不确 定性的简单合并就可以估算一年的总体不 确定性以及趋势的不确定性 • 方法2：使用蒙特卡洛分析来估算源类别的 不确定性，然后使用蒙特卡罗技术来估算 一年的总体不确定性以及趋势的不确定性 16A型和B型两种敏感性• A型敏感性：基年和当年之间总排放差异的变化，以百分 比表示，是由于基年和当年的某一特定源类别和气体的排 放增加1%而引起的 • B型敏感性：基年和当年之间总排放差异的变化，以百分 比表示，是由于当年的某一特定源类别和气体的排放增加 1%而引起的 • A型敏感性是由于同等地影响基年和当年排放的不确定性 而引起的，B型敏感性则是由于只影响当年的不确定性而 引起的 • 不同年份之间的完全相关的不确定性将与A型敏感性相联 系，不同年份之间不相关的不确定性将与B型敏感性相联 系 • 排放因子的不确定性倾向于具有A型敏感性。

• 活动水平数据的不确定性倾向于具有B型敏感性17使用误差传播方程的条件• 排放的不确定性可以通过误差传播方程从活动和排放因子 的不确定性中传播 (Mandel984 Bevington和 Robinson 1992)，使用这种方法的条件是：• 不确定性相对较小，标准偏差除以平均值要小于 0.3;• 不确定性具有高斯(正态)分布;• 不确定性没有重大的协方差;• 注:协方差是描述两个随机变量X和Y相关程度的量 ,协方差 为 0 的两个随机变量称为是不相关的 18192021Monte Carlo方法的来源• 蒙特卡罗(Monte Carlo)方法，或称计算机 随机模拟方法，是一种基于“随机数”的计算 方法这一方法源于美国在第一次世界大 战研制原子弹的“曼哈顿计划”该计划的主 持人之一、数学家冯·诺伊曼用驰名世界的 赌城—摩纳哥的Monte Carlo—来命名这种 方法，为它蒙上了一层神秘色彩Monte Carlo方法的发展• Monte Carlo方法的基本思想很早以前就被 人们所发现和利用早在17世纪，人们就 知道用事件发生的“频率”来决定事件的“概 率” • 本世纪40年代电子计算机的出现，特别是 近年来高速电子计算机的出现，使得用数 学方法在计算机上大量、快速地模拟这样 的试验成为可能。

用Monte Carlo方法求“图形”面积• 考虑平面上的一个边长为1的正方形及其内部的一 个形状不规则的“图形”，如何求出这个“图形”的面 积呢？ • Monte Carlo方法是这样一种“随机化”的方法：向 该正方形“随机地”投掷N个点，若有M个点落于“图 形”内，则该“图形”的面积近似为M/N • 该方法是按照实际问题所遵循的概率统计规律， 用电子计算机直接进行抽样实验，然后计算其统 计参数也称直接Monte Carlo方法蒙特卡洛方法的基本思想• 当问题可以抽象为某个确定的数学问题时，应当首先建立 一个恰当的概率模型，即确定某个随机事件A或随机变量X ，使得待求的解等于随机事件出现的概率或随机变量的数 学期望值 • 然后进行模拟实验，即重复多次地模拟随机事件A或随机变 量X最后对随机实验结果进行统计平均，求出A出现的频 数或X的平均值作为问题的近似解该方法也称间接蒙特卡 洛方法25蒙特卡洛方法的理论基础26，均27用蒙特卡洛方法来确定不确定性• 步骤1:确定源类别的不确定性•确定基本数据的不确定性，包括排放因子和活动数据及其相关的平均。