图 多元菜系的排放清单以及餐饮消费转型对气候政策的影响

　　在国家自然科学基金项目（批准号：71988101、72325008）等资助下，中国科学院大学汪寿阳教授等基于800,488家餐厅的1.7亿多条的餐饮消费大数据，建立了覆盖36类菜系、540个菜品的温室气体排放清单，同时通过综合评估模型（IAM）与人工智能（AI）方法的创新性融合，系统评估了中国的餐饮消费绿色转型对实现气候目标的影响。研究成果以“中国菜品消费的低碳转型对巴黎协定气候目标的重要影响（GHG mitigation strategies on China’s diverse dish consumption are key to meet the Paris Agreement targets）”为题，于2024年5月21日发表于《自然•食品》（Nature Food）期刊。论文链接：https://www.nature.com/articles/s43016-024-00978-z。

　　研究团队通过自主构建一个大数据驱动的贯穿微观-中观-宏观的全尺度评估框架。一方面，通过机器学习等AI技术挖掘了大规模消费群体的区域异质性偏好，并结合全生命周期分析（LCA）方法建立了跨菜系和菜品的GHG排放清单；另一方面，基于IAMs开展多模型优化研究，通过耦合机器学习预测方法从模型稳健的视角给出了不同气候目标下食物和非食物系统的脱碳路径。因此，该成果通过微观层面AI技术与宏观层面IAM的巧妙融合，打通了从微观消费大数据的规律涌现到宏观气候目标的综合评估之间的阻隔，为消费侧排放定量和绿色低碳转型研究提供可行思路。

　　该研究解析了区域消费偏好的显著差异，这也带来了餐饮排放强度的不同。结果表明，2020年中国食物系统GHG排放约为4.64 GtCO2eq, 占全国排放总量的37%，与全球食物消费排放的占比相当，这意味着当前的消费模式或将给中长期碳中和目标的实现带来挑战。该研究还通过评估低碳菜系和菜品的饮食习惯调整、城市低碳消费转型、减少食物浪费和可持续肉类转型等多种差异化策略的减排潜力，给出了碳中和愿景下食物消费低碳转型的可行路径，为我国餐饮消费的排放管理和绿色可持续发展提供重要参考。