类型学与机器学习框架揭示城市脱碳路径的异质性：对《联合国气候变化框架公约》附件一国家城市的全球分析
Heterogeneous urban decarbonization pathways revealed by typological and machine learning frameworks: A global analysis across Annex I cities
发表于 2026年9月28日 · 收录于雷达 2026年11月5日
中文摘要
研究结合城市类型聚类与情境感知深度学习，预测《联合国气候变化框架公约》附件一国家46,833座城市至2050年的二氧化碳排放。研究识别出五类城市，发现其排放轨迹差异显著：一切照旧情景下，蔓延型城市排放增长比例最高；适度垂直型城市则贡献最大的减排量。