carbon dioxide
PulseAugur coverage of carbon dioxide — every cluster mentioning carbon dioxide across labs, papers, and developer communities, ranked by signal.
11 天有情绪数据
-
香港制造的温室气体追踪器在天宫空间站成功运行
一款在香港开发的温室气体监测仪器在中国天宫空间站上成功运行。该多光谱成像碳观测仪（MUSICO）由香港科技大学研制，旨在探测二氧化碳、甲烷、氧气和气溶胶。该设备预计在未来两年或更长时间内提供准确的排放数据，为全球气候变化减缓做出贡献。
-
新型模糊逻辑模型提升变压器故障诊断准确性
研究人员开发了一种结合模糊逻辑和IEEE关键气体法（FL-KGM）的增强模型，以提高通过溶解气体分析诊断电力变压器故障的准确性。这种新方法改进了隶属函数，优化了模糊规则集，并分离了CO和CO2，以解决传统IEEE关键气体法中发现的不一致之处。实际数据验证显示，FL-KGM的准确率高达98.6%，显著优于现有方法，并为先进的变压器监测和预测性维护提供了潜力。
-
深度学习分析：欧盟2030年气候目标将落后35%
一项对欧盟27国排放数据的最新深度学习分析表明，欧盟预计将大幅错过其2030年气候目标。该研究在不假设政策变化的情况下推断当前趋势，预测将超出目标35%，相当于短缺6.2亿吨二氧化碳。虽然由于可再生能源的采用，电力部门显示出进展，但交通运输部门却远远落后，到2030年将贡献预测排放量的三分之一以上。研究结果表明，需要采取实质性的额外干预措施来弥合欧洲气候雄心与其执行之间的差距。
-
神经网络加速用于气候研究的二氧化碳排放监测
研究人员开发了一种新颖的基于神经网络的方法，以加速二氧化碳和甲烷排放监测的辐射传输模拟。该方法利用前馈多层感知器（MLP）代理模型，高效预测大气层顶的辐射亮度，解决了传统逐线辐射传输模型的计算成本问题。所提出的代理模型与 NanoCarb 成像干涉仪的仪器响应相结合，在准确反演二氧化碳浓度方面显示出有希望的结果，旨在减少气候变化研究中的不确定性。
-
人工智能在石油和天然气生产中的作用可能增加二氧化碳排放
一项最新研究表明，旨在提高石油和天然气生产效率的人工智能工具可能会显著增加二氧化碳排放量。该研究表明，这些人工智能应用每年可能额外产生 0.47 至 1.8 吉吨二氧化碳，凸显了人工智能一个被忽视的环境后果。
-
AI数据中心的が气候影响引发英国禁令呼吁 · 追踪4个来源
Mastodon上的多个消息源正在强调AI数据中心的が环境影响，特别是它们对气候变化的贡献。用户质疑AI在通过资源密集型基础设施加剧气候变化的同时，是否有能力解决全球变暖问题。有人呼吁英国等政府禁止新建数据中心，因为它们对が环境有负面影响。
-
研究：人工智能促进化石燃料生产超过绿色能源，增加排放
一项新研究表明，人工智能比减少全球碳排放更有可能增加碳排放。研究人员发现，人工智能提高化石燃料行业生产能力的能力导致比其对可再生能源发电的贡献更大的污染。研究结果表明，要使人工智能实现净减排，其在清洁能源方面的生产力增长需要显著超过在化石燃料方面的增长。
-
亚马逊收购得州场地，将由高排放天然气厂供电
亚马逊已购买了得克萨斯州的一个场地，该场地将从一个每年可排放3300万吨二氧化碳的天然气发电厂获取电力。这一排放量超过了美国环保局记录的任何一个单独发电厂的排放量。此次收购似乎与亚马逊到2040年实现净零排放的承诺相悖。
-
亚马逊德州AI数据中心将由美国可能最大的污染工厂供电 · 已追踪10个来源
亚马逊正在德克萨斯州佩科斯县建设一个新的7.65GW天然气发电厂，以支持其不断扩展的AI数据中心业务。该设施每年可排放3300万吨二氧化碳，可能使其成为美国最大的温室气体污染单一来源。尽管如此，亚马逊仍致力于实现其2040年净零碳排放目标，尽管近年来由于AI基础设施的需求，排放量有所上升。
-
新兴水解决方案助力碳减排和生态系统恢复
新兴的水解决方案因其在气候减缓和生态系统恢复方面的双重作用而获得认可。这些方法，从湿地和红树林到基于海洋的方法，如藻类培养和碱度增强，可以减少传统水系统中的温室气体排放，同时还能捕获和储存碳。然而，它们的整体有效性和环境影响取决于成本、可扩展性、碳储存的持久性以及潜在的生态后果等因素。
-
CCUS技术正迈向商业化规模，但产能仍落后于气候目标
碳捕获、利用与封存（CCUS）技术正朝着更大规模的商业网络发展，其中直接空气捕获（DAC）和生物能源与碳捕获和封存（BECCS）等方法旨在从大气中去除二氧化碳。尽管运行能力有所提高，国际能源署（IEA）指出，总捕获能力仍不足以实现气候目标，许多项目面临延误。DAC的高昂成本，每吨二氧化碳约800至1900美元，以及当前CCUS项目的有限规模，都凸显了在其他减排策略之外，还需要快速扩张。
-
植物的二氧化碳吸收对室内空气质量不切实际
虽然植物理论上可以通过光合作用吸收人类产生的二氧化碳，但实际应用于室内空气质量的效率非常低。该过程需要大量的能量输入，而光线反射、植物呼吸和有限的光吸收能力等现实因素意味着需要大量的植物和充足的人工照明。这将产生大量的热量和光线输出，使其成为典型家庭环境的不可行解决方案。
-
AI对代码审查的益处引发了对其环境成本的质疑
训练大型AI模型对环境造成的成本，特别是关于二氧化碳排放和水资源消耗，正因其在代码审查等任务中的效用而受到质疑。这种观点认为，AI开发消耗的大量资源可能并不总是能证明其带来的好处，从而引发了关于技术进步与生态影响之间可接受权衡的争论。
-
New calculator tracks environmental impact of individual LLM use
Andy Masely has developed a calculator to quantify the environmental impact of individual Large Language Model (LLM) usage. The tool specifically measures the carbon dioxide and water consumption associated with using L…
-
欧盟碳市场规则变更，化石燃料排放期延长十年
欧盟委员会提议修改欧盟排放交易体系（ETS），将减排碳配额的速度放缓。这项调整将使年度上限削减率从2031年起从4.3%降至3.7%，随后从2036年起降至1.7%，这实际上将公司排放二氧化碳的时间延长了约十年，并将体系的结束日期从2040年左右推迟到2050年。尽管该提议包括了有条件的配额和用于工业转型的收入分配条款，但批评者认为，这严重削弱了对氢钢生产等绿色产业的商业吸引力，因为这些产业依赖于可预测且不断上涨的碳价。
-
欧盟放松气候政策，尽管有绿色能源计划仍允许更多污染
欧盟委员会已修订其排放交易体系（ETS），放宽了污染上限并延长了免费碳排放额度，此举遭到世界自然基金会（WWF）等环保组织的批评，认为这可能会允许更多排放进入2040年代。此项调整旨在缓解工业界面临的经济和地缘政治挑战的压力，但引发了对欧盟实现气候目标能力的担忧。与这些变化同时，委员会还提出了一项电气化行动计划，以加速向绿色能源的转型。
-
40年前的全球变暖预测如今已成为现实
四十年前，美国宇航局戈达德空间研究所的科学家预测，化石燃料使用量的增加将导致全球变暖和气候变化，并带来热穹和广泛火灾等影响。作者回顾了这些预测如何成为现实，并指出，尽管几十年前就已经理解了科学原理，但亲身体验这些影响是近期且影响深远的发展。当前的极端天气事件被视为未来更严重后果的前兆。
-
亚马逊、微软、谷歌人工智能建设每年排放1.19亿吨二氧化碳
科技巨头亚马逊、微软和谷歌由于其广泛的人工智能和云计算基础设施开发，每年合计排放约1.19亿吨二氧化碳。这一数字约相当于法国年排放量的三分之一，引发了对科技巨头运营对环境影响的担忧，以及它们声称人工智能能解决气候问题的说法。
-
人工智能的能源消耗和数据中心的二氧化碳排放量得到分析
一份新报告强调了人工智能的巨大能源消耗及其对气候的影响。该研究深入分析了数据中心的二氧化碳排放量，并比较了欧洲和亚洲的排放水平。此分析旨在阐明人工智能的确切能源需求及其环境后果。
-
数据中心导致微软、谷歌、亚马逊排放量激增 · 跟踪到1个来源
微软、谷歌和亚马逊的二氧化碳总排放量在过去一年中增加了约五分之一，总排放量几乎相当于整个荷兰的排放量。尽管这些公司努力强调其人工智能系统的可持续性优势，但排放量的激增主要归因于新数据中心的建设。