收益：
- 能够将活动置于正确的范围 (1/2/3) 中，并按照“活动数据 × 排放因子”的逻辑以吨二氧化碳当量计算
- 能够按国家和年份确认官方来源的排放因子，并使用正确的甲烷/N2O GWP 设置转换为二氧化碳当量
- 通过让人工智能使用可执行代码而不是手动执行多行库存总计，能够生成具有确定性准确性的结果
建立组织的碳足迹是环境管理的基石。如果没有足迹，您就无法设定目标、进行减少或报告。温室气体清单是将一个机构在一定时期内排放的所有温室气体换算成通用单位（吨二氧化碳当量）的账户。在本单元中，您将了解库存的设置方式、范围的含义以及如何安全地使用人工智能来加速此核算。
一、全球通用语言：GHG Protocol（温室气体协议）是全球使用最广泛的标准，定义了库存的计算方式。 ISO 14064 是同等工作的国际标准。他们都将排放分为三个范围——这种区别是一切的基础。
什么是三个范围？
范围 1 — 直接排放。来自组织拥有或控制的来源的排放。例如：工厂锅炉中燃烧的天然气、公司车辆中燃烧的柴油、生产过程中的化学反应。
范围 2 — 购买能源的间接排放。组织购买的电力、蒸汽、供暖和制冷生产过程中在其他地方释放的排放物。你不燃烧电力，但你的消耗会导致发电厂排放。
范围 3 — 所有其他间接排放（价值链）。最广泛且往往是最大的范围。购买的商品和服务、商务旅行、员工交通、销售产品的使用、废物、供应链。 GHG协议范围将3分为15类。
提示：在大多数公用事业和零售公司中，70-90% 的排放量属于范围 3。仅报告范围 1 和 2 仅显示了冰山一角，越来越多的立法强制要求范围 3。
排放量是如何计算的？基本公式
库存的核心是一个简单的乘法：
排放量=活动数据×排放因子
- 活动数据：您做了多少——多少立方米天然气、多少千瓦时电力、多少公里道路、多少吨钢材。
- 排放因子：每单位活动释放的温室气体量，例如每千瓦时电力的千克二氧化碳当量。
例如，480,000 立方米天然气 × 2.02 千克二氧化碳当量/立方米 = 969,600 千克 = 约 970 吨二氧化碳当量。
排放因子从何而来？ IPCC（政府间气候变化专门委员会）、各国官方国家清单表、DEFRA（英国）和 EPA（美国）因子集或国家电力电网排放因子（该国电力的平均碳含量）。这个因素在每个国家和每年都不同。
一步一步：设置库存
1. 划定组织边界。涉及哪些设施、哪些公司？确定控制方法（运营/财务控制）。
2. 列出活动。写下每个范围的排放源：燃料、电力、旅行、供应。
3. 收集活动数据。发票、仪表、航次记录、采购数据。这是工作中最耗时的部分，并且数据的可追溯性至关重要。
4. 匹配正确的因素。为每项活动分配正确的国家、年份和燃料的官方因素。
5. 乘法、旋转、加法。转换为 CO2e（对于甲烷和 N2O，GWP — 全球变暖潜势，使用全球变暖潜势系数），按范围求和。
6. 记录并验证。记录每个数字的来源；准备独立验证（保证）。
这里是人工智能；强大的功能包括提取活动列表、编写帐户代码、扫描数据不一致以及生成草稿报告。但因子选择、覆盖范围分类和最终批准都是您的。
三个迷你箱子
情况 1 — 网格因子错误。一位分析师要求 AI 计算一家工厂的电力排放量（范围 2）。工厂位于土耳其，但 YZ 默认采用美国平均电网系数（约 0.37 kg CO2e/kWh）。当分析师应用正确的当地因素（大约 0.44 千克二氧化碳当量/千瓦时，因年份而异）时，结果增加了约 560 吨二氧化碳当量，消耗 800 万千瓦时。明确说明国家因素至关重要。
案例 2 — 甲烷的力量。一位农场顾问使用人工智能计算牲畜产生的甲烷，“就像二氧化碳一样”。而甲烷的 100 年 GWP 约为 28；因此，1 吨甲烷意味着 28 吨二氧化碳当量。当顾问实施 GWP 时，该清单项目增长了 28 倍。如果忘记了 GWP，计算结果将完全错误。
案例 3 — 代码获得验证。可持续发展团队让 AI 手动收集 40 行燃料表的排放量； AI 小计错误，结果偏差了 6%。当团队让 AI 使用 Python 代码（使用 Pandas）收集相同的数据时，代码返回了确定性的正确总数。教训：不要让LLM学生做算术；编写代码并运行它。
弱提示/强提示
弱提示：
从这些燃料数据中找到您的碳足迹。
弱原因：无范围、国家、要素来源、单位。人工智能手工收集、拟合因素、犯错误。
强力提示：
您的角色：温室气体清单专家。计算下表中燃料的范围 1 排放量。国家：土耳其，年份：2024年。我将给出排放因子（表中有因子栏）；配件。使用pandasi编写Python代码进行计算；给出每行的排放量和总量（以吨二氧化碳当量为单位）。如果存在甲烷/N2O，请应用 GWP 并指出您正在使用的 GWP 集。数据：[表]
四个可复制模板
1）多行库存科目（带代码）：
您的角色：碳盘查专家。使用 pandas 处理以下活动表。列：活动、金额、单位、系数、范围。对于每一行，计算排放量 = 量 × 因子，按范围转换为吨二氧化碳当量并给出总计。如果该因素为空，请标记[不完整]。一起给出代码和结果。表：[此处]
2）范围分类帮助：
根据《温室气体议定书》将下列排放源分为范围 1、2 或 3，如果是范围 3，请写出它属于 15 类中的哪一类。将您不确定的来源标记为“必须经过验证”，使其成为假的。来源：[列表]
3）GWP换算检查：
将下列气体量转换为 CO2e。清楚地说明您使用的 GWP 集（例如 IPCC AR6，100 年）并显示您对每种气体使用的 GWP 值。请勿虚构数值；使用标准IPCC值并指定集合的名称。气体：[列表]
4）数据质量筛选：
查找以下活动数据中的不一致之处：缺失值、单位混淆（千克/吨、千瓦时/兆瓦时）、极端异常值、重复记录。以表格形式列出您发现的内容，并说明其可疑的原因。更改数据；只需标记它即可。数据：[此处]
常见错误
- 使用默认（例如美国）系数计算本地消耗。始终指定国家/地区和年份。
- 绕过全球升温潜能值。甲烷和 N2O 必须转化为 CO2e；写下您正在使用的 GWP 集。
- 完全跳过范围 3。在大多数机构中，最大份额属于范围 3。
- 让LLM做算术。将多行总计写入代码中；请勿用手收集。
- 没有记录来源。审计需要每个问题的来源可追溯。
注意：排放因子已更新。你去年使用的因素今年可能发生了变化；始终记录您正在使用的因子版本，以便每年的库存具有可比性。
综上所述
温室气体清单是“活动数据×排放因子”乘以正确的范围、正确的单位和正确的GWP的集合。人工智能;它是列出活动、编写代码、扫描数据和生成草稿的加速器。但因子的来源、覆盖等级、GWP 选择和最终验证取决于专家。让代码进行算术运算，从表中获取因子。
应用任务
准备五行活动图表（例如天然气、柴油、汽油、购买的电力、商务航班）。在每一行中找到一个因子并写出它的来源。使用第一个模板，让 AI 使用 pandas 代码计算排放量并在一定范围内收集它们。然后将第 2 个模板的 AI 范围分类与您手动制作的范围分类进行比较。如果不同，请调查原因。
清单
- [ ] 我确定了组织边界和范围。
- [ ] 对于每项活动，我都使用适合国家和年份的官方因素。
- [ ] 我使用正确的甲烷/N2O GWP 设置转换为二氧化碳。
- [ ] 我通过执行代码而不是LLM完成了多行求和。
- [ ] 我没有忽略范围 3，至少我扫描了类别。
- [ ] 我记录了每个数字的来源和因子版本。