国家温室气体清单估算中的不确定性分析

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。
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。
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。
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考数据的不确定性； • 来自专家判断的不确定性。
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。
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。
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。
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
-0.000966113 7.62736E-05 0.001039278 7.95871E-06 -1.00867E-05 -2.40095E-05 7.14642E-07 7.97294E-06
21
Monte 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 。
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 2009-06-25
1
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
6.118823416 2.236067977 2.236067977 21.1896201 6.118823416 14 2.236067977 5.099019514
1.235290449 0.622440312 0.576525419 0.022281346 0.01359752 0.124465547 0.019536835 0.012322572
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。
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。)
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。
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。
18
19
20
A
B
C
D
E
F
G
H
I
IPCC源类别
温室气体
基年排放 1990
t年排放 1997
活动数据 排放因子 综合不确定性 不确定性 不确定性
作为t年国家总排 放百分比的综合 A型敏感性 不确定性
1A 1A 1A 1A 1B 1B 2A1 2A2
煤 石油 天然气 其他（废弃物） 固体燃料转化 石油和天然气 水泥生产 石灰生产
CO2 CO2 CO2 CO2 CO2 CO2 CO2 CO2
238218 208684 111052 138 2573 8908 6693 1192
142266 196161 181691 741 1566 6265 6157 1703
1.2 1 2 7 1.2 1 1
6 2 1 20 6 14 2 5
• 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。
16
A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。