一項最新研究顯示，全球廣泛使用的溫室氣體排放數據庫——由前美國副總統阿爾·戈爾參與創立的 Climate TRACE——可能嚴重低估了城市道路交通的二氧化碳排放，引發了科學界和政策界對相關數據可靠性的擔憂。 研究由北亞利桑那大學團隊主導，結果表明，在美國城市范圍內，Climate TRACE 給出的車輛 CO2 排放量平均比另一套成熟數據庫低約 70%，個別城市甚至低估超過 90%。

該研究發表在期刊《Environmental Research Letters》上，由北亞利桑那大學信息學、計算與網絡系統學院教授凱文·格尼（Kevin Gurney）領銜完成。 研究團隊聚焦于 Climate TRACE 中城市道路車輛排放部分，系統比對其估算方法和結果，并將之與格尼團隊長期構建的“Vulcan”公路排放數據庫進行交叉驗證。 Vulcan 數據庫以官方交通統計和燃料使用數據為基礎，通過標準化的方法精細刻畫城市道路燃燒化石燃料產生的 CO2 排放。

根據論文合著者、該學院博士后研究員比拉爾·阿斯拉姆（Bilal Aslam）的介紹，Vulcan 公路排放數據自身存在大約 14% 的不確定性，但這遠小于本次兩套數據庫之間的巨大差異。 在對美國 260 個城市的車輛 CO2 排放進行逐一對比后，Climate TRACE 的城市道路排放估算值平均比 Vulcan 低 70%。 另一位合著者、研究員帕沃洛克·達斯（Pawlok Dass）補充指出，在印第安納波利斯和納什維爾等城市，Climate TRACE 的相關排放數據比 Vulcan 低了 90%以上。

研究團隊認為，這種系統性低估很可能并不限于美國城市，有可能同樣出現在其他國家和地區的城市排放估算中。 此外，格尼團隊此前在對 Climate TRACE 發電廠排放數據的分析中，也發現其 CO2 排放量存在類似的低估問題。 多項結果疊加，使得研究者對這一依托人工智能技術快速發展的全球氣候監測系統提出更廣泛的質疑。

Climate TRACE 是一個利用衛星遙感、大數據和人工智能技術，對全球溫室氣體排放進行高分辨率追蹤和估算的項目，近年來越來越多的政府和城市將其數據用作制定氣候政策、評估減排進展的重要依據。 在本次研究中，格尼團隊重點審視了該項目對城市車輛排放的算法路徑和數據來源，并指出如果關鍵部門排放被系統性低估，將直接影響城市制定和評估減排目標的準確性。

格尼表示，城市車輛 CO2 排放在城市整體碳足跡中占比極高，因此有必要對任何新興的“高技術”排放數據進行嚴格檢驗。 他強調，雖然基于人工智能的新方法“前景可觀”，但在缺乏透明度、獨立驗證和充分同行評審的情況下，將此類數據直接用于政策制定，可能會向決策者和公眾傳遞誤導性信號。 在他看來，當前結果顯示，Climate TRACE 數據可能顯著低估了美國城市中超過一半的化石燃料 CO2 排放。

研究作者指出，人工智能未來有潛力成為環境監測的重要工具，但前提是必須在嚴謹的科學框架下運行。 這意味著算法假設、數據來源和不確定性都需要公開透明，且需與傳統、經過較長時間檢驗的排放清單互相校驗。 只有這樣，AI 驅動的監測系統才能真正為氣候政策提供可信支撐，而不是制造新的盲點。

為此，論文提出了多項針對 Climate TRACE 的改進建議，包括：進一步加強與官方能源與交通統計數據的耦合與比對； 針對不同部門和不同地區建立更細化的校準參數； 以及引入獨立研究團隊開展定期審計和方法論評估。 研究團隊認為，這不僅事關單一數據庫的準確性，更關系到各國政府如何安排減排預算、優先治理哪些排放“熱點”。

“我們永遠不可能做到百分之百精確地量化排放，但我們有責任確保提供給政策制定者和公眾的數據在統計意義上是無偏的，并且符合當下最嚴謹的科學標準。”格尼在談及研究意義時表示。 他警告，如果排放數據存在系統性偏差，可能會誤導決策，削弱公眾對氣候治理能力的信任。

格尼本人的研究生涯已持續二十余年，長期致力于溫室氣體排放的精細化量化工作，其主導的 Vulcan 和 Hestia 計劃在美國學術界和政策界具有重要影響力。 這兩項計劃在聯邦多家機構資助下，構建了覆蓋全美的溫室氣體排放格網圖，將排放精細到單座電廠、城市街區乃至具體道路，為識別高排放“熱點”與制定差異化減排方案提供了工具。 相關研究與大氣觀測數據對比后顯示，這些排放估算與實際監測結果具有較好的吻合度。

目前，各國在落實減排承諾過程中，對高分辨率排放數據的需求日益增長，這也推動了類似 Climate TRACE 這樣依托 AI 和遙感技術項目的快速興起。 然而，本次研究所揭示的數據偏差表明，在追求技術“新”和監測“快”的同時，更不能忽視傳統統計體系的價值與科學流程的基本要求。 研究團隊呼吁，在今后構建全球排放監測體系時，應在創新方法和成熟清單之間建立更緊密的協同和互證機制，以確保氣候政策建立在盡可能可靠的事實基礎之上。