Plant-level carbon accounting of China's pulp and paper industry via multimodal fusion

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel methodology integrating remote sensing and textual data for plant-level carbon accounting, applicable to other industries.

🏢実務担当者:Offers a data-driven approach for corporates to enhance accuracy of Scope 1 and 2 emissions reporting and identify mitigation levers.

🏛政策担当者:Highlights the need for differentiated regulation based on plant-level data and shows rooftop solar potential for industrial decarbonization.

工場規模での産業炭素会計は、的を絞った排出削減政策を策定する上で極めて重要である。しかし、炭素集約型セクターの評価の大半は集計統計に依存しており、個々の工場間の顕著な不均一性が覆い隠されている。世界最大の中国のパルプ・紙産業（PPI）は、多様な生産プロセス、原料投入、排出源を包含する。既存の会計フレームワークは、境界設定が不十分なシステム内での統計データと平均排出係数に依存しており、個別工場レベルでの識別が不可能である。ここで我々は、高解像度リモートセンシング画像と工場のテキストデータを統合し、単一のデータモダリティでは検出不可能な構造的・運用的特性を捕捉するマルチモーダルデータ融合フレームワークを提案する。中国全土の720の製紙・パルプ工場に適用したところ、本フレームワークは5つの工場タイプにわたり最大0.96のR2値を達成し、2022年のセクター全体の炭素排出量を1億6,360万トンのCO2と推定した。地域間格差は顕著で、東部沿岸部の省に集中している。機能ゾーン別の寄与分析により、廃水処理エリアが全カテゴリーにわたる一貫した排出要因であること、さらに高排出工場のわずか5%がセクター排出量の約43%を占めるという偏った構造が明らかになり、差別化された規制介入が求められる。地域の日射量データを組み込むことで、屋上太陽光発電の導入によりPPIの年間排出量を最大10.3%削減できると予測され、一次繊維パルプ工場が最大の削減効果をもたらす。中国のPPIを超えて、このスケーラブルでデータ駆動型のアプローチは、他の不均一な重工業における詳細な工場レベル炭素会計のための移転可能な青写真を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Plant-scale industrial carbon accounting is critical for developing targeted emission-reduction policies. However, most assessments of carbon-intensive sectors rely on aggregate statistics, which obscure significant heterogeneity among individual plants. China's pulp and paper industry (PPI), the largest globally, encompasses diverse production processes, raw material inputs, and emission sources. Existing accounting frameworks rely on statistical data and average emission factors within poorly defined system boundaries, which prevents differentiation at the individual plant level. Here, we propose a multimodal data fusion framework that integrates high-resolution remote-sensing imagery with plant textual data to capture structural and operational characteristics undetectable by any single data modality. Applied to 720 pulping and papermaking plants across China, the framework achieves R2 values of up to 0.96 across five plant types and estimates total sectoral carbon emissions at 163.6 million tonnes of CO2 in 2022, with pronounced regional disparities concentrated in eastern coastal provinces. Analysis of functional-zone contributions further reveals that wastewater treatment areas are a consistent cross-category emission driver, and that just 5% of high-emission plants account for approximately 43% of sectoral emissions—a skewed structure that demands differentiated regulatory intervention. Incorporating regional solar radiation data, rooftop photovoltaic deployment is projected to reduce annual PPI emissions by up to 10.3%, with primary-fiber pulp plants offering the greatest mitigation leverage. Beyond China's PPI, this scalable, data-driven approach provides a transferable blueprint for granular, plant-level carbon accounting in other heterogeneous heavy industries.

• semanticscholar https://doi.org/10.1016/j.ese.2026.100682first seen 2026-05-05 23:50:22 · last seen 2026-08-14 05:34:54