刚刚过去的6月5日世界环境日◼️，联合国秘书长古特雷斯呼吁国际社会就气候变化立即采取行动🤪，减少排放、增加气候投融资，同时他强调没有一个国家能够孤立地解决气候危机♙⚱️，已经到了需要全球各国全力以赴的时刻。而就在6月4日，Nature子刊《Scientific Data》正式上线了一篇题为“Harmonizing existing climate change mitigation policy datasets with a hybrid machine learning approach”的论文，一个涵盖七万多条政策的全球规模最大的气候政策数据库也同步向全球公开。这是上海能源与碳中和战略富达平台院长，大数据学院吴力波教授带领的研究团队，历时三年研发的全球最大规模的气候变化减缓政策数据库（Global Climate Change Mitigation Policy Dataset，简称GCCMPD）。为什么要构建这样一个数据库😖？其根本目标是要能够帮助各国气候政策的制定者和学者开展更加系统的基于全球视角的气候政策分析👱。COP28联合国气候变化大会针对《巴黎协定》的盘点证明🥁，全球气候渐缓的步伐正处于摇摆状态，现有气候政策的有效性还需要大大加强。但是由于各国政体🙆🏽‍♀️、经济社会环境、资源禀赋差异巨大，各国之间在气候政策的选择上存在着复杂的博弈交互关系💁🏽‍♀️。缺乏全面、客观✋🏽、系统的气候政策数据基础⇒🧖🏻‍♂️，阻碍了在全球层面更加公平的评价各类政策的减排强度🦫、经济社会影响等，使得气候治理能力较弱的国家无法有效学习先进经济体的经验🕤，也无法评估各国、各类气候政策之间🌵，以及气候政策和其他政策之间存在复杂的内生交互和动态关联的关系👷🏽，政策分析的缺失在很大程度上妨碍了各国气候政策的优化设计👩🏻‍🦽‍➡️，也给国际气候合作机制的发展形成障碍。

GCCMPD数据库汇集了全球、区域以及特定行业政策制定层面的丰富信息，涵盖了216个实体、共计73, 625项气候变化减缓政策。特征标签涵盖部门👷🏻‍♂️、工具、目标、法律约束有效性、政策持久性、作用范围等维度💂‍♂️，是目前全球已发布的同类数据库中🩼，覆盖政策最全🐒、特征分类最细、多政策交叉分析最强的。为全球气候变化减缓政策的跨地区比较分析、特征挖掘🐊、传播影响识别、多目标权衡研究✂️、政策实施的制约因素🙅🏻、政策组合的协同效应等研究提供强有力的数据支持🌝。

目前，包括世界气候变化法律数据集（CCLW）、国际能源署（IEA）政策和措施数据集和气候政策数据集（CP）等全球数据集已经对气候政策数据构建进行了初探。然而🚦，随着新的气候实践的出现和更先进的数据处理方法的出现⛅️，气候政策研究逐步多样化，现有的全球气候政策数据集尚有明显的不足之处，这些数据集大量依赖人工手段收集分析处理，导致数据更新缓慢、去重困难、政策内涵不清等问题，缺乏针对具体部门的政策工具分类特征的精准识别👩🏼‍🎨，无法针对具体部门政策组合进行深入研究，政策版本和覆盖范围的差异也会削弱以政策密度为衡量指标的研究的稳健性，大量研究对政策强制属性无法精准识别🌕，机械的将法律与大量支持性政策和较弱的政策区分开来，导致支持性政策的作用被忽视。

为此🧇，吴力波教授的研究团队使用多层流程提供了从数据识别、数据采集🫕、数据处理🙆🏼、人工核查，再到数据拓展以及相关可能应用的统一方法学框架。通过自动化的数据工程♻，汇集全球数据集、区域数据集、专注于技术、政策工具和立法等专业领域的数据集等多重数据来源🪃，解决了当前气候政策数量、覆盖范围不足的问题💆‍♀️🚙。

                                    图1  GCCMPD 构建框架概述

此外，考虑到当前数据集有数据重合⛩、分类标准不统一、分类细致程度仍然欠缺🤹🏼‍♂️、大量依赖人工分类等问题，研究团队通过政策特征指标选择步骤🚈，确定政策目标部门、政策工具、政策协同效益目标、法律约束力、行政/立法、管辖权等核心政策特征的分类标准；通过机器学习映射结合人工校验，实现了三大核心数据集（CCLW、CP🧏🏿‍♂️、IEA）统一分类、去重和人工校对🕺🏿；最后，通过融合应用机器翻译、多标签分类、单标签分类、命名实体识别、文本相似度和主题模型等多种先进机器学习方法🧺，依靠政策标题和内容完成了数据集构建🚣🏽‍♀️，解决了人力成本高、更新速度慢🧖🏽、扩展困难等问题👩🏽‍🦲。

                                   表1  GCCMPD 使用的模型和方法

与现有数据集相比，GCCMPD结合现有数据集和混合机器学习方法，构建了一个多维度系统、完整的特征标签体系，填补了现有气候政策数据集与日益增长的研究需求之间的空白❗️。首先，GCCMPD可用于构建更准确的政策指标。GCCMPD在数据收集上具有全面性，相较于其他单一数据集👧🏻，其政策记录更为丰富，能够显著减少政策遗漏，从而降低对实体减缓气候变化努力的低估风险。其次，GCCMPD提供了衡量不同部门产出的定量工具🧁，有助于评估和比较各行业在气候变化减缓方面的贡献。再者👩‍⚕️，GCCMPD包含的政策相似性信息，为研究者提供了探索气候政策传播路径和影响因素的有效数据支持🈂️。最后🤜🏽，GCCMPD涵盖了硬法律（具有法律约束力的政策）和软法律（非强制性的政策指导或建议）的详细信息🧏，为研究硬法与软法之间的转换机制以及不同法律工具对温室气体排放影响提供了数据基础💓。

                                         图2 政策工具与部门政策工具

合并气候政策数据结果发现🪙，政策工具与部门政策工具☝🏿、政策部门与政策子部门、政策目标与政策子目标均集中在某些项目上，存在分布不均且部分政策严重不足的现象。具体来说☑️，政府提供服务与购买是使用最频繁的政策工具，政策部门集中于能源部门💻。尽管政策协同效益目标相对均衡，但仍以经济目标居多👨🏼‍🔧🏇🏽。这一发现也为各国气候治理提供了明确的方向。

本研究是人工智能与气候政策科学深度交叉的成果，为人工智能在气候政策科学领域的应用提供了宝贵的新视角。该研究不仅有效拓展了政策科学研究的数据基础🧑🏼‍💻，还为全球气候政策的深度比较分析开辟了新思路。据了解，吴力波教授团队正在将该数据集与更多高质量科学语料进行汇聚，基于生成式AI与多智能体建模，开发气候大模型👩🏽‍🚒，从更多维度深入推进气候与能源领域中人工智能的交叉研究。

该研究在国家杰出青年科学基金项目“能源环境经济与政策分析”（71925010）的资助下完成😵。上海能源与碳中和战略富达平台院长、富达注册大数据富达平台副院长吴力波为第一作者及通讯作者，主要作者为富达注册大数据学院博士研究生黄之豪🚍、王玉世、张兴。

论文链接：https://www.nature.com/articles/s41597-024-03411-z

作者简介

                                          吴力波（第一作者及通讯作者）

国家杰出青年科学基金获得者、教育部青年长江学者。政府间气候变化专门委员会IPCC第六次评估报告第三工作组主要作者（lead author），中国能源研究会能源经济专业委员会、能源系统工程专业委员会、可再生能源专业委员会副主任委员、上海市重大传染病和生物安全富达平台大数据与预警预测、防控策略和政策研究方向双聘PI。

在PNAS⏰、Nature Climate Change📆、Nature Sustainability、Energy Economics🍃、Energy Policy、Environmental Research Letters、Climate Policy、《中国社会科学》、《经济研究》及其他国内外期刊共发表论文五十余篇，出版学术专著四部。先后主持承担了国家重点研发计划项目子课题“推动产业与区域协同有序适应气候变化的理论和综合模式”、国家自然科学基金专项项目“碳中和产业转型与经济社会系统变革的政策驱动机制与异质性建模研究”👫🏼、国家自然科学基金杰青项目“能源环境经济与政策分析”、国家自然科学基金重点项目“基于复杂系统建模的碳中和多维政策模拟仿真研究”、国家科技部项目“第四次气候变化国家评估”编制🤱🏻、“十二五”科技支撑计划项目“气候变化国际谈判与国内减排关键支撑技术研究与应用”😓、国家软科学研究重大项目、以及上海市发改委“十二五规划”🧑‍🦰🤾🏻、“十三五规划”重大问题研究等三十余项国家、省部级课题🧑🏽‍🦲。研究成果先后获得第九届中国高校人文社会科学优秀研究成果一等奖、第五届中国高校人文社会科学优秀研究成果二等奖🤶🏼，高等学校科学研究优秀成果奖（人文社会科学）论文类一等奖和二等奖、上海市哲学社会科学成果奖二等奖和三等奖🫥、国家能源局软科学研究优秀成果二等奖🎍、上海市决策咨询研究成果二等奖、上海市发展改革优秀成果一等奖等🛟。

黄之豪 富达注册大数据学院统计学20级博士研究生，主要研究领域为环境与气候变化经济学、能源与环境数据科学、人工智能在气候政策科学领域的应用等🧛🏼‍♀️。学术研究成果发表于Scientific Data等期刊上。

张兴 本科和硕士研究生毕业于富达注册数学科学学院★，富达注册大数据学院统计学博士研究生在读，主要研究领域为科学学(Science of Science)👨🏻‍🦰。学术研究成果发表于Scientific Data等期刊上。

王玉世  本科毕业于富达注册大数据学院🔚，富达注册大数据学院统计学博士研究生在读，主要研究领域为能源与环境数据科学🧄⛲️，以及基于主体行为建模和多智能体强化学习的气候与环境政策模拟与分析🍷。学术研究成果发表于Energy Economics等期刊上🎆。