利用计算语言学分析巴黎气候承诺的内容

2025-04-15 Tue
《巴黎协定》是全球应对气候变化的重要框架，各国通过提交国家自主贡献（Nationally Determined Contributions, NDCs）来明确其气候行动目标和策略。尽管现有研究主要集中在评估NDCs中的减排目标，但NDCs文件中包含的广泛文本内容却鲜有系统分析。这些文本内容不仅涉及减排目标，还包括国家背景、实施计划、公平性和透明度等多方面的信息。然而，NDCs的透明度和可比性不足，尤其是关于具体政策、融资和适应措施的细节，这使得全球气候目标的实现面临挑战。为此，Ivan Savin、Lewis C. King和Jeroen van den Bergh等人利用自然语言处理技术（Natural Language Processing, NLP）对NDCs的全文内容进行了系统性分析，旨在揭示NDCs中的深层话语，并探讨不同国家在气候行动中的关注点和演变趋势。
论文来源该论文由Ivan Savin（ESCP商学院、巴塞罗那自治大学环境科学与技术研究所）、Lewis C. King（巴塞罗那自治大学环境科学与技术研究所）和Jeroen van den Bergh（巴塞罗那自治大学环境科学与技术研究所、阿姆斯特丹自由大学）共同撰写，于2025年3月发表在《Nature Sustainability》期刊上，文章标题为《Analyzing Content of Paris Climate Pledges with Computational Linguistics》。研究得到了欧洲研究委员会（ERC）的资助，并隶属于西班牙科学与创新部的“María de Maeztu”卓越计划。
研究流程1. 数据收集与预处理研究团队从Climate Watch平台和《联合国气候变化框架公约》（UNFCCC）NDC注册表中获取了截至2023年5月31日的所有NDCs文件。共收集了309份NDCs，其中包括167份首次提交的NDCs和142份更新版本。对于非英语文件，研究团队使用DeepL翻译服务将其转换为英语。数据预处理包括分词、去除标点符号和停用词、词形还原（lemmatization）以及生成双词序列（bi-grams）。最终，研究团队构建了一个包含7,599个独特单词和539,902个词频的数据集。
2. 主题建模（Topic Modelling）研究采用结构主题模型（Structural Topic Modelling, STM）对NDCs文本进行分析。STM是一种结合自然语言处理和机器学习的主题建模方法，能够将文本聚类为不同的主题，并根据文档特征（如国家GDP、排放强度等）进行主题分布的统计分析。为了克服文本数量有限的问题，研究团队将每份NDC分割为约1,000字的文本块，共生成1,280个文本块。通过STM模型，研究团队识别出21个主题，并将其归纳为7个主题组。
3. 主题分析与聚类研究团队计算了每份NDC中21个主题的分布比例，并根据主题分布的相似性对167个国家进行了聚类分析。使用欧几里得距离和层次聚类法，研究团队将国家分为9个集群。此外，研究团队还通过回归分析探讨了主题分布与国家特征（如GDP、排放强度、脆弱性等）之间的关系。
主要结果1. 主题识别与分布研究识别出的7个主题组及其占比分别为：发展（25%）、实施与规划（21.5%）、减排目标（20.3%）、政策与技术（11.3%）、气候变化影响（10.7%）、农业与生态系统（7.4%）以及利益相关者（3.8%）。其中，发展主题组涵盖可持续、经济和农村发展，是NDCs中最主要的内容。减排目标主题组则集中在温室气体核算、排放情景和目标报告等方面。
2. 国家聚类分析根据主题分布，研究团队将国家分为9个集群。例如，澳大利亚、加拿大和英国等国家组成的集群（C1）重点关注政策与技术；而欧盟和美国等国家组成的集群（C2）则更侧重于减排目标。发展中国家如巴西、印度和小岛屿国家（SIDS）则更多关注可持续发展和气候变化影响。
3. 主题与国家特征的关系回归分析显示，高GDP国家更关注减排目标，而发展中国家则更多讨论发展和适应问题。例如，石油输出国组织（OPEC）国家更强调经济发展，而小岛屿国家则更多关注气候变化的脆弱性。
4. NDCs更新过程的变化研究发现，更新后的NDCs在透明度和具体性方面有所提高，尤其是在减排目标和政策细节的描述上。然而，国际支持和绿色能源技术等主题的关注度有所下降，这可能是因为更新后的NDCs将重点扩展到了其他领域。
研究结论该研究通过自然语言处理技术系统分析了NDCs的全文内容，揭示了各国在气候行动中的关注点和演变趋势。研究发现，NDCs的内容远不止减排目标，还包括发展、适应和实施等多方面的信息。高收入国家更关注减排目标，而发展中国家则更多将NDCs视为可持续发展的一部分。研究还指出，NDCs的透明度和可比性不足，建议通过标准化格式提高NDCs的可信度和透明度。
研究亮点系统性分析：首次利用自然语言处理技术对NDCs的全文内容进行系统性分析，填补了现有研究的空白。
主题识别与聚类：识别出21个主题并将其归纳为7个主题组，为理解NDCs的内容提供了新的视角。
国家特征与主题关系：通过回归分析揭示了主题分布与国家特征之间的关系，为制定差异化气候政策提供了依据。
NDCs更新过程的演变：研究发现更新后的NDCs在透明度和具体性方面有所提高，为评估气候行动进展提供了重要参考。
研究意义该研究不仅为理解NDCs的内容提供了新的工具和方法，还为全球气候政策的制定和评估提供了重要依据。通过提高NDCs的透明度和可比性，研究有助于缩小《巴黎协定》目标与实施进展之间的差距，推动全球气候行动的落实。