Spatially Disaggregated Energy Consumption and Emissions in End-use Sectors for Germany and Spain

本数据集由J¨ulich Systems Analysis, Forschungszentrum J¨ulich等机构的研究团队创建，旨在为德国和西班牙的终端使用部门提供高分辨率的能源消耗和排放数据。数据集通过应用空间分解技术，利用公开数据源，并结合XGBoost算法进行缺失数据插补，实现了从国家级别到地方行政级别的能源消耗和排放数据的详细分解。该数据集对于地方政府的气候行动计划制定、资源优化和气候行动规划具有重要价值。

This dataset was developed by research teams from institutions including Jülich Systems Analysis and Forschungszentrum Jülich, aiming to provide high-resolution energy consumption and emission data for end-user departments in Germany and Spain. By applying spatial disaggregation techniques, leveraging open data sources, and employing the XGBoost algorithm for missing data imputation, the dataset realizes detailed disaggregation of energy consumption and emission data from the national level down to local administrative tiers. This dataset holds significant value for local governments in formulating climate action plans, optimizing resource allocation, and planning climate initiatives.

搜集汇总

数据集介绍

构建方式

该数据集采用空间分解技术，结合开放数据源，将德国和西班牙的国家级终端能源消费（FEC）和温室气体排放数据精细化至地方行政单元（LAU）级别。构建过程分为四个关键步骤：数据收集、缺失值填补、逐步空间分解以及数据验证。数据收集阶段整合了来自Eurostat、Corine Land Cover和OpenStreetMap等多源数据；缺失值填补则创新性地应用XGBoost算法；空间分解采用分层代理分配方法，从NUTS3到LAU逐级细化；最终通过城市级清单和EDGAR数据集进行交叉验证，确保数据可靠性。

特点

数据集以高空间分辨率（LAU级别）覆盖德国和西班牙的工业、交通、农业等终端用能部门，包含铁钢、化工、纺织等细分行业数据。其显著特点包括：(1) 采用机器学习填补缺失值，提升数据完整性；(2) 引入五级置信度评级体系（VERY HIGH至VERY LOW），透明标注数据质量；(3) 整合土地利用、人口分布等多维代理变量，增强空间分配合理性；(4) 特别关注非能源密集型行业（如食品饮料制造），填补现有数据空白。数据以CSV格式开放，配套元数据详细说明字段定义和单位。

使用方法

该数据集适用于地方气候政策制定、能源系统优化及跨区域排放比较研究。使用时需注意：(1) 优先选用高置信度（HIGH/VERY HIGH）数据；(2) 结合配套的Python API（LOCALISED-Datasharing-API-Client）实现动态调用；(3) 针对建筑和交通部门，建议对比城市级清单验证能源结构假设；(4) 工业数据需注意德国化学行业排放的缺失限制。研究可扩展至欧盟27国，通过Snakemake工作流定期更新数据，但需注意LAU边界年际变化可能带来的影响。

背景与挑战

背景概述

该数据集名为《德国和西班牙终端使用部门的空间分解能源消耗与排放》，由Shruthi Patil等研究人员于2025年发布，旨在为能源与气候研究社区提供高分辨率的能源消耗和排放数据。研究团队来自德国和西班牙的多家知名研究机构，包括Forschungszentrum Jülich和University of Potsdam等。数据集的核心研究问题是通过空间分解技术，将国家层面的能源消耗和排放数据细化到地方行政单位（LAU）层面，以支持地方政策制定、资源优化和气候行动计划。该数据集的影响力主要体现在为地方政府提供可操作的能源和排放数据，帮助其制定符合国家气候目标的本地化策略。

当前挑战

该数据集面临的挑战主要包括两个方面：1) 领域问题挑战：高分辨率能源消耗和排放数据的缺乏使得地方政策制定和气候行动规划难以精准实施，尤其是在小城市和农村地区，数据不足限制了其制定针对性气候策略的能力。2) 构建过程挑战：数据集的构建过程中，研究人员需要处理大量缺失数据，并应用XGBoost算法进行填补；此外，空间分解过程中需依赖多种开放数据源作为代理变量，但这些代理变量的可用性和质量参差不齐，尤其是在西班牙的加那利群岛等地区，数据缺失严重，导致部分区域无法纳入研究范围。

常用场景

经典使用场景

在气候政策制定和能源系统优化领域，高分辨率的能源消费和排放数据集为地方政府提供了关键支持。该数据集通过空间分解技术，将国家级能源消费和温室气体排放数据细化至地方行政单位（LAU）级别，为德国和西班牙的市政当局提供了精准的能源与排放基线数据。其经典应用场景包括支持地方政府制定可持续能源与气候行动计划（SECAP），优化电动汽车充电基础设施布局，以及评估区域电网负载影响。

衍生相关工作

基于该数据集衍生的经典工作包括：1) Moran等人开发的欧洲城市CO2排放图谱，将其方法论扩展至27个欧盟国家；2) Risch团队构建的德国11,000个市政能源系统优化模型，采用本数据集作为空间约束条件；3) EDGAR全球排放数据库8.0版本将其作为欧洲区域验证基准。这些衍生研究显著提升了多尺度气候政策的协同性。

数据集最近研究

最新研究方向

在能源消费与排放空间解构领域，最新研究聚焦于高分辨率数据驱动的气候行动规划。以德国和西班牙为案例的LAU级终端用能部门排放数据集，通过XGBoost缺失值填补与阶梯式空间降尺度技术，实现了交通、建筑等关键部门的精细化建模。该研究创新性地将机器学习与传统地理统计方法结合，为《欧洲市长公约》框架下的地方气候中性战略（如电动汽车充电网络布局、工业低碳转型）提供了数据支撑。2024年欧盟气候城市合约项目的实施案例表明，该数据集能有效识别区域能源结构差异，辅助修正地方排放清单的统计偏差，推动跨国减排政策协同。

相关研究论文

• Spatially Disaggregated Energy Consumption and Emissions in End-use Sectors for Germany and Spain

  J¨ulich Systems Analysis, Forschungszentrum J¨ulich, Wilhelm-Johnen-Straße, 52425 J¨ulich, NRW, Germany; University of Potsdam, Institute for Environmental Science and Geography, Karl-Liebknecht-Str. 24-25, Potsdam-Golm, 14476 Brandenburg, Germany; Potsdam Institute for Climate Impact Research (PIK), Member of the Leibniz Association, P.O. Box 60 12 03, Potsdam D-14412, Brandenburg, Germany; Chair for Fuel Cells, RWTH Aachen University, c/o J¨ulich Systems Analysis, Forschungszentrum J¨ulich, 52425 J¨ulich, NRW, Germany · 2025年