一项最新研究显示，全球广泛使用的温室气体排放数据库——由前美国副总统阿尔·戈尔参与创立的 Climate TRACE——可能严重低估了城市道路交通的二氧化碳排放，引发了科学界和政策界对相关数据可靠性的担忧。 研究由北亚利桑那大学团队主导，结果表明，在美国城市范围内，Climate TRACE 给出的车辆 CO2 排放量平均比另一套成熟数据库低约 70%，个别城市甚至低估超过 90%。
该研究发表在期刊《Environmental Research Letters》上，由北亚利桑那大学信息学、计算与网络系统学院教授凯文·格尼（Kevin Gurney）领衔完成。 研究团队聚焦于 Climate TRACE 中城市道路车辆排放部分，系统比对其估算方法和结果，并将之与格尼团队长期构建的“Vulcan”公路排放数据库进行交叉验证。 Vulcan 数据库以官方交通统计和燃料使用数据为基础，通过标准化的方法精细刻画城市道路燃烧化石燃料产生的 CO2 排放。
根据论文合著者、该学院博士后研究员比拉尔·阿斯拉姆（Bilal Aslam）的介绍，Vulcan 公路排放数据自身存在大约 14% 的不确定性，但这远小于本次两套数据库之间的巨大差异。 在对美国 260 个城市的车辆 CO2 排放进行逐一对比后，Climate TRACE 的城市道路排放估算值平均比 Vulcan 低 70%。 另一位合著者、研究员帕沃洛克·达斯（Pawlok Dass）补充指出，在印第安纳波利斯和纳什维尔等城市，Climate TRACE 的相关排放数据比 Vulcan 低了 90%以上。
研究团队认为，这种系统性低估很可能并不限于美国城市，有可能同样出现在其他国家和地区的城市排放估算中。 此外，格尼团队此前在对 Climate TRACE 发电厂排放数据的分析中，也发现其 CO2 排放量存在类似的低估问题。 多项结果叠加，使得研究者对这一依托人工智能技术快速发展的全球气候监测系统提出更广泛的质疑。
Climate TRACE 是一个利用卫星遥感、大数据和人工智能技术，对全球温室气体排放进行高分辨率追踪和估算的项目，近年来越来越多的政府和城市将其数据用作制定气候政策、评估减排进展的重要依据。 在本次研究中，格尼团队重点审视了该项目对城市车辆排放的算法路径和数据来源，并指出如果关键部门排放被系统性低估，将直接影响城市制定和评估减排目标的准确性。
格尼表示，城市车辆 CO2 排放在城市整体碳足迹中占比极高，因此有必要对任何新兴的“高技术”排放数据进行严格检验。 他强调，虽然基于人工智能的新方法“前景可观”，但在缺乏透明度、独立验证和充分同行评审的情况下，将此类数据直接用于政策制定，可能会向决策者和公众传递误导性信号。 在他看来，当前结果显示，Climate TRACE 数据可能显著低估了美国城市中超过一半的化石燃料 CO2 排放。
研究作者指出，人工智能未来有潜力成为环境监测的重要工具，但前提是必须在严谨的科学框架下运行。 这意味着算法假设、数据来源和不确定性都需要公开透明，且需与传统、经过较长时间检验的排放清单互相校验。 只有这样，AI 驱动的监测系统才能真正为气候政策提供可信支撑，而不是制造新的盲点。
为此，论文提出了多项针对 Climate TRACE 的改进建议，包括：进一步加强与官方能源与交通统计数据的耦合与比对； 针对不同部门和不同地区建立更细化的校准参数； 以及引入独立研究团队开展定期审计和方法论评估。 研究团队认为，这不仅事关单一数据库的准确性，更关系到各国政府如何安排减排预算、优先治理哪些排放“热点”。
“我们永远不可能做到百分之百精确地量化排放，但我们有责任确保提供给政策制定者和公众的数据在统计意义上是无偏的，并且符合当下最严谨的科学标准。”格尼在谈及研究意义时表示。 他警告，如果排放数据存在系统性偏差，可能会误导决策，削弱公众对气候治理能力的信任。
格尼本人的研究生涯已持续二十余年，长期致力于温室气体排放的精细化量化工作，其主导的 Vulcan 和 Hestia 计划在美国学术界和政策界具有重要影响力。 这两项计划在联邦多家机构资助下，构建了覆盖全美的温室气体排放格网图，将排放精细到单座电厂、城市街区乃至具体道路，为识别高排放“热点”与制定差异化减排方案提供了工具。 相关研究与大气观测数据对比后显示，这些排放估算与实际监测结果具有较好的吻合度。
目前，各国在落实减排承诺过程中，对高分辨率排放数据的需求日益增长，这也推动了类似 Climate TRACE 这样依托 AI 和遥感技术项目的快速兴起。 然而，本次研究所揭示的数据偏差表明，在追求技术“新”和监测“快”的同时，更不能忽视传统统计体系的价值与科学流程的基本要求。 研究团队呼吁，在今后构建全球排放监测体系时，应在创新方法和成熟清单之间建立更紧密的协同和互证机制，以确保气候政策建立在尽可能可靠的事实基础之上。