Spatiotemporal clustering of GHGs emissions in Europe: exploring the role of spatial component
欧洲温室气体排放的时空聚类：空间成分的作用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以欧洲地区各气体和部门的年度排放时间序列为对象，分析趋势、动态及其时空聚类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
欧洲温室气体排放的时空聚类：空间成分的作用
- 研究问题
- 在欧洲区域温室气体排放的时空聚类中，地理距离对分组究竟贡献多少，如何区分空间信息与排放特征的作用？
- 方法与思路
- 作者对一九九〇至二〇二二年的欧洲区域年度排放序列使用层次时空聚类，提出联合惯量指标，并以模拟考察空间和特征模式。
- 材料陈述的贡献
- 摘要称，联合惯量可量化空间距离融入其他特征时的贡献；应用展示不同气体与部门的排放趋势和动态存在明显群组差异。
- 阅读关注点
- 应核对距离尺度与权重选择、联合惯量的定义、模拟中群组结构的设定，以及聚类稳定性和地域解释对参数选择的敏感性。
- 阅读边界
- 这是预印本，不能据此声称已同行评审或期刊接收。摘要未给出指标公式或稳定性结果，描述性聚类也不足以识别政策因果效果。
原文摘要
In this study, we propose a novel application of spatiotemporal clustering in the environmental sciences, with a particular focus on regionalised time series of greenhouse gases (GHGs) emissions from a range of economic sectors. Utilising a hierarchical spatiotemporal clustering methodology, we analyse yearly time series of emissions by gases and sectors from 1990 to 2022 for European regions at the NUTS-2 level. While the clustering algorithm inherently incorporates spatial information based on geographical distance, the extent to which space contributes to the definition of groups still requires further exploration. To address this gap in the literature, we propose a novel indicator, namely the Joint Inertia, which quantifies the contribution of spatial distances when integrated with other features. Through a simulation experiment, we explore the relationship between the Joint Inertia and the relevance of geography in exploiting the groups structure under several configurations of spatial and features patterns, providing insights into the behaviour and potential of the proposed indicator. The empirical findings demonstrate the relevance of the spatial component in identifying emission patterns and dynamics, and the results reveal significant heterogeneity across clusters in trends and dynamics by gases and sectors. This reflects the heterogeneous economic and industrial characteristics of European regions. The study highlights the importance of the spatial and temporal dimensions in understanding GHGs emissions, offering baseline insights for future spatiotemporal modelling and supporting more targeted and regionally informed environmental policies.