当前FFCO₂排放清单数据间存在着显著的差异性和变异性特点，以大湾区为例，在最佳表征空间分辨率3km×3km下，区域内网格单元的平均差异性达到140%，变异系数达到16.3%。
经卡尔曼滤波融合重构的2000—2018年长时间序列的新数据显示：卡尔曼滤波融合结果的不确定性由±15%~20%减少至±10%。
2000—2018年，大湾区FFCO₂排放的总体布局是广深港澳中心高排放，向外围区域逐渐降低为低排放区，并形成深圳、香港→广州→佛山、东莞→中山的排放转移路径。
本研究选取3种高分辨率全球尺度的FFCO₂排放清单：ODIAC2020b、EDGAR v6.0和PKU-CO₂-v2。数据预处理步骤包括：
使用"亚洲南部阿尔伯斯等积圆锥投影"进行重投影
使用"最邻近法"算法进行重采样，统一到3km×3km的像元大小
使用ArcGIS的栅格计算器和分区统计工具估算大湾区FFCO₂排放量
卡尔曼滤波是基于闭环反馈信息估计理论的一种重要且应用广泛的信息融合算法，实质上是一种最优估计方法（包括预测和修正），是一种最小化均方误差的线性滤波方法。
图1 区域尺度多源FFCO₂排放清单融合方法流程
3组数据的差异性和变异性统计结果显示，数据间均存在显著的差异性。在3km分辨率下，区域内网格单元的平均差异性达到140%，半数网格的差异性大于130%，超过四分之三的网格差异性大于80%。
在0.5~5km的空间分辨率间，区域内排放网格的变异系数（CV）达6%~94%不等。在大湾区最佳尺度确定过程中发现，ODIAC2020b数据表现出极大的不稳定性。
图2 2000—2019年大湾区FFCO₂排放时间序列变化
图3 不同时期大湾区FFCO₂排放量Kalman滤波特征融合空间分布(3km)
2000—2018年，大湾区FFCO₂排放总体格局都是广深港澳为中心为高排放区，向外围区域逐渐降低为低排放区。此结果与李晓江等的研究结果中单位面积碳排放量高的区域集中于广州、深圳、香港等经济高度发达的核心城市类似。
可以清晰地识别出大湾区形成了中心城市引领、建设重要节点城市的区域发展格局。高FFCO₂排放城市均集中在中心城市，即广州市、深圳市、香港特别行政区和澳门特别行政区。
图4不同时期大湾区各城市FFCO₂排放量变化
从城市尺度看，大湾区11个城市的FFCO₂排放量总体上均呈现增加趋势，FFCO₂排放重心形成深圳、香港特别行政区→广州→佛山、东莞→中山的转移路径。
2000年，中心城市广州市、深圳市、香港特别行政区均为大湾区FFCO₂排放量最高的城市；2010年，FFCO₂排放重心转移到广州市，深圳市和香港特别行政区的排放量增长变缓；2010—2015年，FFCO₂排放的重心转移到佛山市和东莞市；2015年之后，FFCO₂排放的重心向中山市转移。
| 数据名称 | 时间分辨率 | 空间分辨率 | 时间覆盖/年 | 不确定性 |
|---|---|---|---|---|
| ODIAC2020b | 月 | 1km×1km | 2000—2019 | 17.5%(95%置信区间) |
| EDGAR v6.0 | 年 | 0.1°×0.1° | 2000—2018 | ±15% |
| PKU-CO₂-v2 | 月 | 0.1°×0.1° | 2000—2014 | ±19%(95%置信区间) |
| Kalman融合结果 | 年 | 3km×3km | 2000—2018 | ±10%(2000—2014年) ±11%(2014—2018年) |
本研究侧重点是针对化石燃料CO₂的排放，而不是全部的碳排放，因此可以从更加微观的角度，对大湾区FFCO₂的减排策略提供建议。
虽然本研究采用的数据版本只到2018年，但ODIAC和EDGAR近月来新发布了新版本的数据，团队正在开展后续新旧数据间的差异性和变异性研究和融合方法的改进工作，从而进一步提高结果的准确性。