Page 71 - 科技创新肩负应对气候变化新使命
P. 71
第二章 气候变化科技政策
发布报告指出，从大气中去除和封存二氧化碳的负排放技术应在减缓气候变化方
面发挥重要作用，以实现气候和经济增长的目标，并针对负排放技术的尽快推进
制定了详细的研究议程。尽管部分 CDR 方案在小范围内可能具有协同效益，但
从大气中去除 CO2 的方案还存在局限性。未来需要加大减排力度以减轻对 CDR
的依赖，同时要为快速部署 CDR 技术制定更严格的可持续性标准。
7.CO 转化利用研究取得新进展
2
美国哥伦比亚大学、冰岛大学、冰岛雷克雅未克能源公司和英国南安普敦
大学等机构的研究人员发现 CO2 在被注入地下玄武岩层后，可通过自然化学反
应转化为固态碳酸盐而被封存，这一对环境无害且可以永久封存 CO2 的新方法
避免了泄漏的风险。美国伊利诺伊大学、韩国忠北国立大学、美国阿贡国家实验
室、新墨西哥大学和路易斯维尔大学的研究团队发现了一种纳米结构的过渡金属
硫化物 (Transition Metal Dichalcogenide) 从本质上解决了 CO2 转化为烃类燃料的
催化剂问题。哈佛大学、中国科学技术大学、亚利桑那州立大学等机构的研究人
员通过使用便宜数千倍的炭黑替代石墨烯锚定单个镍原子催化剂，实现了电催化
CO2 制一氧化碳 (CO) 成本的降低，并将 CO2-CO 转化率的选择性提高到了接近
100%，提高了该工艺的可扩展性。澳大利亚新南威尔士大学、皇家墨尔本理工
学院等机构的研究人员利用液态金属将 CO2 从气态转化为固体碳，这是世界首
创的突破，可能会改变碳捕集和封存的方法。
8. 机器学习和人工智能助力地球系统模式研究
地球系统模式是深入了解地球系统各圈层之间相互作用、研究过去气候演变
机理、预测未来的潜在变化趋势的重要工具。然而，诸如云、对流和生态系统等
需要参数化的进程仍然是地球系统模式不确定性的产生根源。美国加州理工学院
的研究人员指出，地球系统模式及其参数化方案可通过数据同化和机器学习得以
改善，源自数据同化、反演问题和机器学习等的新方法使得在地球系统模式中整
合观测数据和有针对性的高分辨率模拟成为可能。牛津大学和北京大学联合开展
的研究显示，人工智能可以基于已发现的气候联系，为即将到来的天气特征 ( 包
括极端事件 ) 提供更可靠的预警，并强调了使用机器学习与人工智能对于地球系
统模式开发的重要性。
63
