【地方氣候行動】
- 國際相關重要研究 (paper 或報告)
Google Environmental Report 隨著GOOGLE AI 生態系逐步完備,Environmental Insights Explorer (EIE) ,也導入AI訓練,EIE 依託 Google Maps、導航定位與街景影像等專屬資料,透過 AI 建模即時估算建築排放、交通排放,並評估屋頂太陽光電潛力,讓使用者在瀏覽器即可取得完整碳盤查與再生能源。平台更整合 NASA 氣候預測資料,可視化未來氣溫與降雨變化情境,協助城市同時規畫減碳與氣候調適策略。
| 模組 | 資料來源與處理流程 | 主要輸出 | 方法論特色 |
| 交通排放 | 資料來源: 匿名聚合的 Google Maps 定位紀錄與路網資料。處理流程: 1. 偵測每筆行程的起訖點、距離與運具。 2. 依據城市人口結構與道路等級,計算「境內、流入、流出」三類行程的總里程。 3. 結合各運具的能源效率與排放係數(可自訂),計算總排放量。 | • 年度二氧化碳約當量 (CO₂e) 排放
• 各交通模式占比 • 行程分佈地理圖層 |
• 以實際移動軌跡為基礎,能精準捕捉跨市通勤與觀光人流,而非僅依賴車籍數或燃料銷量。
• 輸出結果對應 GPC 國際溫室氣體盤查標準,可直接匯入城市清冊。 |
| 建築排放 | 資料來源: Google Maps 與航空立體影像。處理流程: 1. 推算單棟建築的樓地板面積、用途與高度。 2. 依氣候帶與建築用途套用能耗強度 (EUI),推算年耗能。 3. 匯入當地電網與燃料的排放係數,計算營運階段的碳排。 | • 住宅與非住宅的年度排放量
• 單位面積排放強度 • 排放分區熱點圖 |
• 無需地方政府進行逐棟盤查,即可快速建立城市級的排放基準線。
• 模型經多國機構交叉比對驗證,並每年更新樓宇與電網資料。 |
| 屋頂太陽能潛力 | 資料來源: AI 影像分析、NREL 氣象與太陽輻射資料。處理流程: 1. AI 自動擷取屋頂形狀、坡向與周遭遮蔽物。 2. 結合氣象資料,計算可安裝面積與等效滿載發電時數。 3. 套用光電組件效率與性能遞減假設,估算潛力。 | • 可裝機容量 (MW)
• 年發電量 (MWh) • 可避免的碳排放量 • 潛力分佈網格圖 |
• 解析度精細至 1 平方公尺的屋頂網格,有助於精準鎖定示範區域或規劃招商地圖。 |
| 樹冠覆蓋 & Labs | 資料來源: 高解析度航空影像與深度學習模型。
處理流程: 1. AI 進行像素級分類,辨識樹木、道路、屋頂等,計算樹冠覆蓋率。 2. Labs 功能(僅限部分試點城市)提供街道級空氣品質、屋頂反照率等原型資料。 |
• 樹冠密度圖
• 都市熱島效應緩解優先區 |
• 可與城市熱浪、健康風險評估結合,為綠色基礎設施的投資提供決策依據。 |
【氣候調適】
- 國際重要政策動態
IISD Summary report 16–26 June 2025
SB62調適相關新進展
- 全球調適目標(Global Goal on Adaptation)
| 背景沿革 | 《巴黎協定》第7條:GGA首次提出,目標為增強調適能力、加強韌性、減少脆弱性。
CMA 3:啟動GGA工作計畫。 CMA 5:建立GGA框架與適應指標技術程序。 CMA 6:決定指標上限為「不超過100個」全球適用項目。 |
| 協商資訊 | 日期:2025年6月18、20、23、24、25日召開
主持:斯洛維尼亞與加彭共同主持 |
| 協商重點 |
不同國家主張:
爭議未解包括:
|
| 協商結論 | 重申過去的指導原則
指導專家進一步精煉指標
|
| 未來進度 |
|
- 深化調適知識與資源支援:NWP與LDC行動機制進展
| 內羅畢影響、脆弱性與調適工作方案(Nairobi Work Programme, NWP) | 最不發達國家事項(LDC Matters) | |
| 背景沿革 | 成立於2005年,旨在協助所有締約方,特別是發展中國家,提升對氣候變化影響、脆弱性與調適策略的理解與評估,促進知情決策。 | 自2001年起支持最不發達國家制定與執行「國家調適計畫(NAPs)」。 |
| 協商資訊 | 時間:2025年6月
主持:比利時與烏拉圭共同主持 |
時間:2025年6月 |
| 協商重點 |
|
|
| 會議結論 | 要求祕書處加強與多元知識持有者的合作,包括:
要求NWP涵蓋四種調適方式:
強調NWP在GGA(全球調適目標)下的貢獻:
|
歡迎LEG持續納入性別觀點與在地參與者(如土著社群)進行政策設計。
請LEG與締約方進行更進一步磋商,更新NAPs的技術準則。 表達深切關注:
|
- 國際相關重要研究 (paper 或報告)
0619_Science Climate adaptation finance: From paper commitments to climate risk
在全球氣候融資方面,雖然COP29承諾至2035年每年將提供高達1.3兆美元的資金支持,但這一數字與新興市場及開發中國家(EMDEs)實際所需的每年2,150至3,870億美元仍有明顯落差。多邊開發銀行(MDBs)雖然提升了調適性資金的規模,但多數專案僅為將調適性納入主流計畫中,並非針對氣候調適的專案設計。此外,目前評估成效的方式主要透過「調適比率」來標示專案是否具備調適目的,卻無法準確衡量實際減災效益。調適需求的模型推估與實際資金用途亦存在重大差異,進一步削弱績效評估的準確性與一致性。
在發展中國家的城市擴張與基礎建設推進過程中,氣候風險暴露持續上升,風險降低投資卻相對滯後,導致災害損失不斷累積,並使政府債務惡化,最終陷入債務—風險—投資的惡性循環。加上當前多數氣候調適融資仍以貸款形式提供,對於中低收入國家而言無疑加重其財政壓力,使得長期調適行動無法順利推進。
為突破當前困境,本文提出五項關鍵建議。首先,應建立在地氣候風險資訊平台,結合科學模型與地方資料,以支援本地風險評估與決策,並鼓勵使用如世界銀行的「韌性評分系統(RSS)」等標準化工具。其次,各國應制定具體且跨部門協調的國家調適策略(NAP),如孟加拉的地方調適中心計畫,即為成功案例。第三,建議整合財政策略與創新金融工具,例如保險與災難債券,以分散風險並降低對貸款的依賴。第四,須強化專案設計與排序能力,透過成本效益分析(CBA)並納入碳捕存、社會效益等「三重效益」來審核項目價值。最後,應建構完善的績效追蹤與學習機制,例如「影響觀測站」與高頻問卷、遙測、文本分析等新興技術,以即時掌握專案效益並回饋政策調整。