碳足跡_python.pdf

Transcript

1. 碳足跡 了解碳足跡的定義及其對環境的影響。介紹碳足跡計算方法 黃俊滋
2. 碳足跡的定義 碳足跡是指一個產品、組織或個人在生產、運輸和使用過程中所排放的溫室氣體，通常以二氧化碳 的等效排放量來衡量。
3. 碳足跡計算方法簡介 1 資料收集 收集能源使用、交通運輸、產品生產等相關數據。 2 排放因子 使用碳排放因子將數據轉換為二氧化碳排放量。 3 計算與報告 根據碳足跡計算公式進行計算，並生成報告以展示結果。
4. 碳足跡計算的重要性 碳足跡計算可以幫助我們了解自身對氣候變化的貢獻，有助於制定減碳策 略，推動永續發展並減少對環境的影響。
5. 減少碳足跡的方法和措施 • 節能減排：降低能源消耗，例如使用節能設備和改善能源效率。 • 選擇低碳產品：選擇綠色和可持續產品，減少對環境的負擔。 • 碳補償：購買碳補償項目以抵消自身產生的碳排放。
6. 碳足跡排放係數 • 政府資料開放平台:1千筆資料 • name(係數名稱)、coe(碳足跡數值（kgco2e）)、unit(宣告單位) • departmentname(政府部門/公司名稱（選擇性揭露）)、announcementyear(公告年份)
7. 資料科學流程 原始資料 資料清洗 刪除多餘特徵 機器學習 70%訓練集 30%測試集 評估模型性能
8. no 資料清洗特徵選擇 • 不能有中文字，所以要把name變成代號
9. 資料清洗特徵選擇 • unit(宣告單位):先選出”公斤”
10. 資料清洗特徵選擇 • 刪除多餘特徵 • coe(碳足跡數值（kgco2e）) • no
11. 機器學習:步驟1數據分割1
12. 機器學習:步驟2數據分割2
13. 機器學習:步驟3模型進行訓練
14. 機器學習:步驟4產生圖表
15. 機器學習:步驟5顯示圖表
16. 預測出來都很接近線 • 表示碳含量都很低
17. 預測出來不接近線 • 碳含量都很高
18. 機器學習:步驟6模型預測
19. 機器學習:步驟7模型預測圖形
20. 機器學習:步驟8預測誤差 評估模型性能
21. 碳足跡計算的挑戰和限制 • 數據收集困難：收集準確和全面的數據可能面臨挑戰。 • 排放因子不準確：碳排放因子的準確性可能受到限制。 • 界定邊界：碳足跡計算需要明確界定計算範圍，但界定的準確性可能存在爭議。
22. 資料科學流程 原始資料 資料清洗 刪除多餘特徵 資料統計 資料視覺化
23. 資料清洗特徵選擇2 • unit(宣告單位):先選出”公升”
24. 資料清洗特徵選擇 • 刪除多餘特徵 • coe(碳足跡數值（kgco2e）) • no
25. 步驟1資料統計
26. 步驟2資料視覺化
27. 步驟3畫出箱型圖
28. 結論和建議 碳足跡計算是一個重要的工具，幫助我們瞭解和管理對氣候變化的貢獻。 通過減少碳足跡，我們可以為綠色和可持續的未來做出貢獻。