搜索到
185
篇与
的结果
-
Nginx || 反代任意网站 反代配置：server { listen 80; server_name aa.com; #改成自己的域名 root /www/sites/aa.com; #改自己的服务器目录 access_log /www/sites/aa.com/log/access.log main; #改自己的服务器目录 error_log /www/sites/aa.com/log/error.log; #改自己的服务器目录 set $custom_host "https://www.baidu.com"; set $custom_host3 "/"; set $custom_host5 "/"; if ($request_uri ~* ^\/((http|https)://(www.)?(\w+(\.)?)+)(.*?)$) { set $custom_host $1; set $custom_host3 $6; } if ($custom_host3 = ""){ set $custom_host3 "/"; } if ($custom_host3 = " "){ set $custom_host3 "/"; } if ($request_uri ~* ^\/((http|https)://(www.)?(\w+(\.)?)+)(.+)\?(.+)$) { set $custom_host3 $6; } set $custom_host2 "www.baidu.com"; if ($request_uri ~* ^\/((http|https)://)((www.)?(\w+(\.)?)+)(.*?)$) { set $custom_host2 $3; set $custom_host5 $1; } if ($request_uri ~* ^\/((http|https)://)((www.)?(\w+(\.)?)+)$) { set $custom_host2 $3; set $custom_host5 $1; } set $current "https://"; if ($scheme = https) { set $current "https://"; } location / { rewrite /(.*)$ $custom_host3 break; proxy_connect_timeout 100s; # proxy_set_header x-forwarded-for $remote_addr; # proxy_set_header X-Real-IP $remote_addr; # proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; set $ishttp "http"; if ($custom_host5 = https://) { set $ishttp "https"; } proxy_ssl_server_name on; proxy_set_header X-Forwarded-Proto $ishttp; proxy_set_header Host $custom_host2; proxy_cache_key $host$uri$is_args$args; proxy_headers_hash_max_size 512; proxy_headers_hash_bucket_size 128; proxy_buffer_size 64k; proxy_buffers 32 64k; proxy_busy_buffers_size 128k; proxy_set_header Cookie $http_cookie; proxy_cache_methods GET; proxy_cache_methods POST; proxy_cache_methods HEAD; proxy_redirect off; proxy_set_header Referer https://$custom_host2$custom_host3; proxy_set_header User-Agent $http_user_agent; # 防止谷歌返回压缩的内容，因为压缩的内容无法替换字符串 proxy_set_header Accept-Encoding ""; #proxy_connect_timeout 15000; proxy_send_timeout 15000; proxy_read_timeout 15000; sub_filter_types *; proxy_cache_valid 200 304 301 1s; add_header MJJCDN-Cache "$upstream_cache_status"; # proxy_temp_file_write_size 512000k; resolver 8.8.8.8; #改为自己想要的DNS proxy_set_header Accept-Encoding ""; sub_filter_types *; sub_filter_once off; proxy_temp_file_write_size 512000k; sub_filter "<head" '<base href="$current$host/$custom_host/" />\n<head'; sub_filter 'https://' '$current$host/https://'; sub_filter 'http://' '$current$host/https://'; sub_filter "\"//" '"$current$host/https://'; sub_filter '"/' '"$current$host/$custom_host/'; sub_filter "'//" "'$current$host/https://"; sub_filter "'/" "'$current$host/$custom_host/"; sub_filter '"/search' '"search'; sub_filter '"/images' '"images'; sub_filter ', /images' ', images'; sub_filter "http://$custom_host2" "$current$host/$custom_host"; sub_filter "https://$custom_host2" "$current$host/$custom_host"; proxy_pass $custom_host; # # set $request_uri "qqqq"; # add_header Content-Type "text/plain;charset=utf-8"; # return 200 "Your IP Address:$custom_host2</br>$request_uri"; } }用法：aa.com #默认是百度 aa.com/https://www.google.com #则打开的是Google -
图像识别模型训练 | 苹果花识别(unet 像素级识别)Apple/Strawflower 分割训练全流程（Windows 版） Apple/Strawflower 分割训练全流程（Windows 版）一、项目概述数据集使用：https://agdatacommons.nal.usda.gov/articles/dataset/Data_from_Multi-species_fruit_flower_detection_using_a_refined_semantic_segmentation_network/24852636上框资源中的 AppleA目标：利用 USDA 公开数据集，训练一个像素级「花/背景」二分类分割模型数据：174 张 2K 分辨率图像 + 130 张单通道掩码（255=花，0=背景） 2k 分辨率原图单通道掩码方案：U-Net + ResNet34 预训练，Windows 本地 GPU/CPU 均可跑通语言：Python ≥3.8，PyTorch ≥1.12二、目录结构flower_seg/ ├─ data/ │ ├─ images/ IMG_0248.JPG … │ └─ masks/ 248.png … ├─ checkpoints/ best.pth ├─ train.py # 一站式训练脚本 └─ README.md # 本文档三、快速开始下载数据集并放到对应文件夹数据集下载地址：https://agdatacommons.nal.usda.gov/articles/dataset/Data_from_Multi-species_fruit_flower_detection_using_a_refined_semantic_segmentation_network/24852636上框资源中的 AppleA创建环境conda create -n unet conda activate unet pip install torch torchvision segmentation-models-pytorch albumentations tqdm训练cd flower_seg python train.py推理见「六、推理示例」四、核心踩坑与解决问题报错提示解决Win 多进程RuntimeError: ...spawn...把训练代码包进 main() + if __name__ == '__main__':；num_workers=0通道检查失败...shape consistency...is_check_shapes=FalseRandomCrop 越界Values for crop should be non negative...改用 A.Resize(512,512) 或先 PadIfNeededIoU 指标移除no attribute 'utils'手动计算：(inter+1e-7)/(union+1e-7)五、训练脚本（train.py）# -*- coding: utf-8 -*- import os, glob, random, cv2, torch import segmentation_models_pytorch as smp from torch.utils.data import Dataset, DataLoader import albumentations as A from albumentations.pytorch import ToTensorV2 from tqdm import tqdm # ---------- 参数 ---------- DATA_DIR = r'data' IMAGE_DIR = os.path.join(DATA_DIR, 'images') MASK_DIR = os.path.join(DATA_DIR, 'masks') CHECK_DIR = r'checkpoints' os.makedirs(CHECK_DIR, exist_ok=True) DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu') BATCH_SIZE = 2 EPOCHS = 60 LR = 1e-3 IMG_SIZE = 512 # ---------- 数据集 ---------- class FlowerDS(Dataset): def __init__(self, img_paths, mask_paths, transform=None): self.imgs, self.masks, self.tf = img_paths, mask_paths, transform def __len__(self): return len(self.imgs) def __getitem__(self, idx): img = cv2.cvtColor(cv2.imread(self.imgs[idx]), cv2.COLOR_BGR2RGB) mask = cv2.imread(self.masks[idx], cv2.IMREAD_GRAYSCALE) if self.tf: res = self.tf(image=img, mask=mask) img, mask = res['image'], res['mask'] return img, (mask > 127).long() def get_paths(): img_ext = ('*.jpg', '*.png', '*.JPG', '*.PNG') imgs_ok, masks_ok = [], [] for ext in img_ext: for img_p in glob.glob(os.path.join(IMAGE_DIR, ext)): name = os.path.basename(img_p) number = name.split('.')[0].split('_')[-1] mask_cand = glob.glob(os.path.join(MASK_DIR, f'{int(number)}.*')) if mask_cand: imgs_ok.append(img_p) masks_ok.append(mask_cand[0]) else: print(f'[Skip] missing mask -> {name}') return sorted(imgs_ok), sorted(masks_ok) # ---------- 增强 ---------- tf_train = A.Compose([ A.Resize(IMG_SIZE, IMG_SIZE), A.HorizontalFlip(p=0.5), A.RandomRotate90(), A.ColorJitter(0.1, 0.1, 0.1, 0.05), A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)), ToTensorV2() ], is_check_shapes=False) tf_val = A.Compose([ A.Resize(IMG_SIZE, IMG_SIZE), A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)), ToTensorV2() ], is_check_shapes=False) # ---------- 训练 / 验证 ---------- def train_one_epoch(model, loader, loss_fn, optimizer, device, epoch): model.train() running_loss = 0. pbar = tqdm(loader, desc=f'Epoch {epoch}') for x, y in pbar: x, y = x.to(device), y.to(device).unsqueeze(1).float() pred = model(x) loss = loss_fn(pred, y) optimizer.zero_grad(); loss.backward(); optimizer.step() running_loss += loss.item() pbar.set_postfix(loss=loss.item()) return running_loss / len(loader) @torch.no_grad() def validate(model, loader, loss_fn, device): model.eval() iou_sum = 0. for x, y in loader: x, y = x.to(device), y.to(device).unsqueeze(1).float() pred = torch.sigmoid(model(x)) > 0.5 inter = (pred & y.bool()).sum() union = (pred | y.bool()).sum() iou_sum += (inter / (union + 1e-7)).item() return iou_sum / len(loader) # ---------- main ---------- def main(): all_imgs, all_masks = get_paths() if len(all_imgs) == 0: print('No valid pairs!'); return paired = list(zip(all_imgs, all_masks)) random.seed(42); random.shuffle(paired) split = int(0.8 * len(paired)) train_img, train_msk = zip(*paired[:split]) val_img, val_msk = zip(*paired[split:]) train_ds = FlowerDS(train_img, train_msk, tf_train) val_ds = FlowerDS(val_img, val_msk, tf_val) train_dl = DataLoader(train_ds, batch_size=BATCH_SIZE, shuffle=True, num_workers=0, pin_memory=False) val_dl = DataLoader(val_ds, batch_size=BATCH_SIZE, shuffle=False, num_workers=0, pin_memory=False) model = smp.Unet('resnet34', encoder_weights='imagenet', classes=1, activation=None).to(device) loss_fn = smp.losses.DiceLoss('binary') optimizer = torch.optim.Adam(model.parameters(), lr=LR) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=EPOCHS) best_iou = 0.0 for epoch in range(1, EPOCHS + 1): train_loss = train_one_epoch(model, train_dl, loss_fn, optimizer, DEVICE, epoch) val_iou = validate(model, val_dl, loss_fn, DEVICE) scheduler.step() print(f'Epoch {epoch:02d} | train loss {train_loss:.4f} | val mIoU {val_iou:.4f}') if val_iou > best_iou: best_iou = val_iou torch.save(model.state_dict(), os.path.join(CHECK_DIR, 'best.pth')) print(' * best model saved') print('Training finished!') if __name__ == '__main__': main()六、推理示例import cv2, torch, albumentations as A from albumentations.pytorch import ToTensorV2 import segmentation_models_pytorch as smp device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = smp.Unet('resnet34', classes=1, activation=None).to(device) model.load_state_dict(torch.load(r'checkpoints\best.pth', map_location=device)) model.eval() tf = A.Compose([ A.Resize(512, 512), A.Normalize(mean=(0.485,0.456,0.406), std=(0.229,0.224,0.225)), ToTensorV2() ]) img = cv2.cvtColor(cv2.imread('test.jpg'), cv2.COLOR_BGR2RGB) x = tf(image=img)['image'].unsqueeze(0).to(device) with torch.no_grad(): mask = (torch.sigmoid(model(x)) > 0.5).cpu().numpy().squeeze(0).transpose(1, 2, 0) cv2.imwrite('mask.png', mask * 255)七、性能参考（RTX-3060 12 G）阶段数值训练 60 epoch≈ 3.5 min最高验证 mIoU0.87512×512 推理35 fps八、后续优化数据：CutMix / Mosaic / 外采更多图模型：Mask2Former、SegFormer、EfficientNet-B3 backbone部署：TensorRT 量化、ONNXRuntime、OpenVINOHappy Training! 🌼未完待续...
-
-
考试样题及答案 | 2025年河南省工业和信息化技术技能大赛——碳排放管理员职业技能竞赛实操试卷（二）（含答案） 2025年河南省工业和信息化技术技能大赛——碳排放管理员职业技能竞赛实操试卷（二）（含答案）一、试卷基本信息满分：100分考试时间：90分钟项目背景：已知某工业生产厂A，需根据参考资料中的信息和数据，在“AIOT能碳数智管理平台”创建碳排放计算项目，完成碳排放计算及分析并作答。2024年1月、2月、3月生产总值分别为3150万元、4200万元、3300万元，其中，净碳排放量=碳排放总量-碳减排总量。二、基础数据信息（一）碳排放源数据计算周期计算内容名称单位消耗量2024年1月固定燃烧型煤t712562024年1月固定燃烧煤油t1872024年2月固定燃烧型煤t762502024年2月固定燃烧煤油t2112024年3月固定燃烧型煤t711502024年3月固定燃烧煤油t184.52024年1月生产排放CaCO₃脱硫过程碳排放t239552024年1月生产排放草酸分解碳排放t316202024年2月生产排放CaCO₃脱硫过程碳排放t284502024年2月生产排放草酸分解碳排放t389002024年3月生产排放CaCO₃脱硫过程碳排放t213602024年3月生产排放草酸分解碳排放t451602024年1月电厂总电量10⁴kWh11882024年1月水厂总水量t1050002024年2月电厂总电量10⁴kWh13262024年2月水厂总水量t1116002024年3月电厂总电量10⁴kWh13642024年3月水厂总水量t117400（二）碳汇土地利用（耕地）数据计算周期计算内容名称单位面积2024年1月碳汇土地利用小麦hm²514002024年2月碳汇土地利用小麦hm²514002024年3月碳汇土地利用小麦hm²51400（三）企业B生产线数据型煤消耗量（吨）生产线消耗量1#生产线262412#生产线26185生产过程消耗（吨）生产线类型数值1#生产线纯碱分解129532#生产线纯碱分解141691#生产线菱镁石MgCO₃消耗11322#生产线菱镁石MgCO₃消耗2108电力消耗（10⁴kWh）生产线数值1#生产线141822#生产线16499（四）碳排放因子表类型排放因子（数值）单位原煤1.9003tCO₂e/t洗精煤2.4044tCO₂e/t型煤2.3183tCO₂e/t焦炭2.8604tCO₂e/t原油3.0202tCO₂e/t汽油2.9251tCO₂e/t柴油3.0959tCO₂e/t纯碱分解0.4110tCO₂e/t石灰石分解0.4050tCO₂e/t白云石分解0.4680tCO₂e/t草酸分解0.3480tCO₂e/t菱镁石MgCO₃消耗0.5120tCO₂e/t电力（河南省郑州市）6.3690tCO₂e/10⁴kWh三、题目及答案（一）项目建立（共5分，每空1分）题目企业概况：某工业生产厂A，位于河南省郑州市，属于制造行业，现需完成“2024年碳排放计算及分析”项目（主项目）。请在“AIOT能碳数智管理平台”创建对应项目并完成计算，根据创建信息完成作答。项目名称：________地理位置：________行业信息：________统计时间：________电网选择：________答案项目名称：2024年碳排放计算及分析地理位置：河南省行业信息：制造业统计时间：2024年电网选择：华中区域（二）碳排放核算（10分，每题5分）题目请根据企业B生产线相关资料自行进行下列碳排放核算，数值保留小数点后1位：计算出1#生产线与2#生产线本年在消耗型煤方面累计产生的碳排放。计算出2#生产线本年在各方面（型煤消耗、纯碱分解、菱镁石MgCO₃消耗、电力消耗）累计产生的碳排放。答案型煤消耗累计碳排放： ((26241 + 26185)×2.3183 = 121539.2)（tCO₂e）2#生产线各方面累计碳排放： (26185×2.3183 + 14169×0.4110 + 2108×0.5120 + 16499×6.3690 = 172689.6)（tCO₂e）（三）碳排放源全面梳理及核算（共60分，每空4分）题目根据IPCC《国家温室气体清单指南》及中国《企业温室气体排放核算与报告指南(发电设施)》，结合工业生产厂A碳排放源数据，完成以下表格填写，数值保留小数点后1位。计算周期计算范围单位范围碳排放(减排)总量2024年1月范围一直接碳排放tCO₂e 2024年1月范围二间接碳排放tCO₂e 2024年1月范围三价值链间接碳排放tCO₂e 2024年1月范围四碳抵消tCO₂e 2024年1月范围五碳汇tCO₂e 2024年2月范围一直接碳排放tCO₂e 2024年2月范围二间接碳排放tCO₂e 2024年2月范围三价值链间接碳排放tCO₂e 2024年2月范围四碳抵消tCO₂e 2024年2月范围五碳汇tCO₂e 2024年3月范围一直接碳排放tCO₂e 2024年3月范围二间接碳排放tCO₂e 2024年3月范围三价值链间接碳排放tCO₂e 2024年3月范围四碳抵消tCO₂e 2024年3月范围五碳汇tCO₂e 答案计算周期计算范围单位范围碳排放(减排)总量2024年1月范围一直接碳排放tCO₂e187303.92024年1月范围二间接碳排放tCO₂e7661.92024年1月范围三价值链间接碳排放tCO₂e02024年1月范围四碳抵消tCO₂e02024年1月范围五碳汇tCO₂e14166.72024年2月范围一直接碳排放tCO₂e203465.52024年2月范围二间接碳排放tCO₂e8546.92024年2月范围三价值链间接碳排放tCO₂e02024年2月范围四碳抵消tCO₂e02024年2月范围五碳汇tCO₂e14166.72024年3月范围一直接碳排放tCO₂e190620.72024年3月范围二间接碳排放tCO₂e8794.22024年3月范围三价值链间接碳排放tCO₂e02024年3月范围四碳抵消tCO₂e02024年3月范围五碳汇tCO₂e14166.7（四）碳排放数据汇总（共9分，每空1分）题目根据第三部分工业生产厂A碳排放计算结果，完成以下表格填写，数值保留小数点后1位（单位均为tCO₂e）。计算周期数值类型数值2024年1月碳排放总量 2024年1月碳减排总量 2024年1月净碳排放量 2024年2月碳排放总量 2024年2月碳减排总量 2024年2月净碳排放量 2024年3月碳排放总量 2024年3月碳减排总量 2024年3月净碳排放量 答案计算周期数值类型单位数值2024年1月碳排放总量tCO₂e194965.82024年1月碳减排总量tCO₂e14166.72024年1月净碳排放量tCO₂e180799.12024年2月碳排放总量tCO₂e212012.42024年2月碳减排总量tCO₂e14166.72024年2月净碳排放量tCO₂e197845.72024年3月碳排放总量tCO₂e199414.92024年3月碳减排总量tCO₂e14166.72024年3月净碳排放量tCO₂e185248.2（五）碳排放核查（共12分，每空2分）题目经过核查对工业生产厂A部分碳排放源的消耗量进行调整（未调整的消耗量及碳汇土地利用相关数值保持不变），调整后数据如下：直接排放——燃料燃烧（核心排放源）计算周期计算内容名称单位消耗量2024年1月固定燃烧型煤t718752024年2月固定燃烧煤油t2322024年3月固定燃烧型煤t71669直接排放——生产排放计算周期计算内容名称单位消耗量2024年1月生产排放CaCO₃脱硫过程碳排放t248502024年2月生产排放草酸分解碳排放t395002024年3月生产排放草酸分解碳排放t45734购入电力间接排放计算周期计算内容名称单位消耗量2024年1月电厂总电量10⁴kWh12422024年2月电厂总电量10⁴kWh14282024年3月水厂总水量t118600请根据碳排放核查结果完成以下表格填写（单位：tCO₂e），数值保留小数点后1位。计算周期核查碳排放差值2024年1月 2024年2月 2024年3月 答案计算周期核查碳排放（tCO₂e）差值（tCO₂e）2024年1月182971.92172.82024年2月198767.8922.12024年3月186652.21404.0（六）碳足迹（共4分，每空1分）题目产品名称：产品W，各阶段碳排放数据来源如下：原材料获取阶段：取自工业生产厂A项目“2024年碳排放计算及分析”2024年1月原材料运输阶段：取自工业生产厂A项目“2024年碳排放计算及分析”2024年2月产品制造阶段：取自工业生产厂A项目“2024年碳排放计算及分析”2024年3月请根据提示信息，完成以下表格填写及产品总碳排放量计算，数值保留小数点后1位。阶段碳排放量表格产品阶段单位阶段碳排放量原材料获取阶段tCO₂e 原材料运输阶段tCO₂e 产品制造阶段tCO₂e 产品总碳排放量（kgCO₂e）：________答案阶段碳排放量表格产品阶段单位阶段碳排放量原材料获取阶段tCO₂e180799.1原材料运输阶段tCO₂e197845.7产品制造阶段tCO₂e185248.2产品总碳排放量（kgCO₂e）：563892999.3
-
考试样题及答案 | 2025年河南省工业和信息化技术技能大赛——碳排放管理员职业技能竞赛实操试卷（一）（含答案） 2025年河南省工业和信息化技术技能大赛——碳排放管理员职业技能竞赛实操试卷（一）（含答案）一、试卷基本信息满分：100分考试时间：90分钟项目背景：已知某水泥生产厂A，需根据参考资料中的信息和数据，在“AIOT能碳数智管理平台”创建碳排放计算项目，完成碳排放计算及分析并作答。2024年1月、2月、3月生产总值分别为3150万元、4200万元、3300万元，其中，净碳排放量=碳排放总量—碳减排总量。二、基础数据信息（一）碳排放源数据计算周期计算内容名称单位消耗量2024年1月固定燃烧型煤t701582024年1月固定燃烧柴油t177.22024年2月固定燃烧型煤t723602024年2月固定燃烧柴油t2332024年3月固定燃烧型煤t716402024年3月固定燃烧柴油t178.52024年1月生产排放脱硫过程碳排放t248252024年1月生产排放MgCO₃脱硫过程碳排放t426302024年2月生产排放脱硫过程碳排放t262602024年2月生产排放MgCO₃脱硫过程碳排放t438002024年3月生产排放脱硫过程碳排放t214902024年3月生产排放MgCO₃脱硫过程碳排放t436402024年1月电厂总电量10⁴kWh119802024年1月水厂总水量t1241002024年2月电厂总电量10⁴kWh141002024年2月水厂总水量t1815002024年3月电厂总电量10⁴kWh126702024年3月水厂总水量t168500（二）碳汇土地利用（耕地）数据计算周期计算内容名称单位面积2024年1月碳汇土地利用小麦hm²516002024年2月碳汇土地利用小麦hm²516002024年3月碳汇土地利用小麦hm²51600（三）企业B生产线数据焦炭消耗量（吨）生产线消耗量1#生产线254212#生产线26622生产过程消耗（吨）生产线类型数值1#生产线纯碱分解118502#生产线纯碱分解135291#生产线白云石分解11422#生产线白云石分解2318电力消耗（10⁴kWh）：表格仅列出生产线，无具体数值。（四）碳排放因子表类型排放因子单位型煤2.3183tCO₂e/t焦炭2.8604tCO₂e/t原油3.0202tCO₂e/t汽油2.9251tCO₂e/t柴油3.0959tCO₂e/t纯碱分解0.4110tCO₂e/t石灰石分解0.4050tCO₂e/t白云石分解0.4680tCO₂e/t草酸分解0.3480tCO₂e/t菱镁石MgCO₃消耗0.5120tCO₂e/t电力(河南省郑州市)6.3690tCO₂e/10⁴kWh三、题目及答案（一）项目建立（共5分，每空1分）题目企业概况：某水泥生产厂A，位于河南省郑州市，属于制造行业，现需完成“2024年碳排放计算及分析”项目（主项目）。请在“AIOT能碳数智管理平台”创建对应项目并完成计算，根据创建信息完成作答。项目名称：________地理位置：________行业信息：________统计时间：________电网选择：________答案项目名称：2024年碳排放计算及分析地理位置：河南省行业信息：制造业统计时间：2024年电网选择：华中区域（二）碳排放核算（10分，每题5分）题目请根据企业B生产线相关资料自行进行下列碳排放核算，数值保留小数点后1位：计算出1#生产线与2#生产线本年在消耗焦炭方面累计产生的碳排放。计算出2#生产线本年在各方面累计产生的碳排放。答案焦炭消耗累计碳排放：((25421 + 26622)×2.8604 = 148863.8)（tCO₂e）2#生产线各方面累计碳排放：(26622×2.8604 + 13529×0.4110 + 2318×0.4680 + 14527×6.3690 = 175317.3)（tCO₂e）（三）碳排放源全面梳理及核算（共60分，每空4分）题目根据IPCC《国家温室气体清单指南》及中国《企业温室气体排放核算与报告指南(发电设施)》，结合水泥生产厂A碳排放源数据，完成以下表格填写，数值保留小数点后1位。计算周期计算范围单位范围碳排放(减排)总量2024年1月范围一直接碳排放tCO₂e 2024年1月范围二间接碳排放tCO₂e 2024年1月范围三价值链间接碳排放tCO₂e 2024年1月范围四碳抵消tCO₂e 2024年1月范围五碳汇tCO₂e 2024年2月范围一直接碳排放tCO₂e 2024年2月范围二间接碳排放tCO₂e 2024年2月范围三价值链间接碳排放tCO₂e 2024年2月范围四碳抵消tCO₂e 2024年2月范围五碳汇tCO₂e 2024年3月范围一直接碳排放tCO₂e 2024年3月范围二间接碳排放tCO₂e 2024年3月范围三价值链间接碳排放tCO₂e 2024年3月范围四碳抵消tCO₂e 2024年3月范围五碳汇tCO₂e 答案计算周期计算范围单位范围碳排放(减排)总量2024年1月范围一直接碳排放tCO₂e196371.72024年1月范围二间接碳排放tCO₂e76413.62024年1月范围三价值链间接碳排放tCO₂e02024年1月范围四碳抵消tCO₂e02024年1月范围五碳汇tCO₂e14221.82024年2月范围一直接碳排放tCO₂e202891.52024年2月范围二间接碳排放tCO₂e89968.12024年2月范围三价值链间接碳排放tCO₂e02024年2月范围四碳抵消tCO₂e02024年2月范围五碳汇tCO₂e14221.82024年3月范围一直接碳排放tCO₂e198871.32024年3月范围二间接碳排放tCO₂e80848.62024年3月范围三价值链间接碳排放tCO₂e02024年3月范围四碳抵消tCO₂e02024年3月范围五碳汇tCO₂e14221.8（四）碳排放数据汇总（共9分，每空1分）题目根据第三部分水泥生产厂A碳排放计算结果，完成以下表格填写，数值保留小数点后1位。计算周期数值类型单位数值2024年1月碳排放总量tCO₂e 2024年1月碳减排总量tCO₂e 2024年1月净碳排放量tCO₂e 2024年2月碳排放总量tCO₂e 2024年2月碳减排总量tCO₂e 2024年2月净碳排放量tCO₂e 2024年3月碳排放总量tCO₂e 2024年3月碳减排总量tCO₂e 2024年3月净碳排放量tCO₂e 答案计算周期数值类型单位数值2024年1月碳排放总量tCO₂e272785.32024年1月碳减排总量tCO₂e14221.82024年1月净碳排放量tCO₂e258563.52024年2月碳排放总量tCO₂e292859.62024年2月碳减排总量tCO₂e14221.82024年2月净碳排放量tCO₂e278637.82024年3月碳排放总量tCO₂e279719.92024年3月碳减排总量tCO₂e14221.82024年3月净碳排放量tCO₂e265498.1（五）碳排放核查（共12分，每空2分）题目经过核查对水泥生产厂A部分碳排放源的消耗量进行调整（未调整的消耗量及碳汇土地利用相关数值保持不变），调整后数据如下：直接排放——燃料燃烧（核心排放源）计算周期计算内容名称单位消耗量2024年1月固定燃烧型煤t711302024年2月固定燃烧柴油t2642024年3月固定燃烧型煤t72381直接排放——生产排放计算周期计算内容名称单位消耗量2024年1月生产排放CaCO₃脱硫过程碳排放t251302024年2月生产排放MgCO₃脱硫过程碳排放t437442024年3月生产排放MgCO₃脱硫过程碳排放t43410购入电力间接排放计算周期计算内容名称单位消耗量2024年1月电厂总电量10⁴kWh122402024年2月电厂总电量10⁴kWh147402024年3月水厂总水量t164000请根据碳排放核查结果完成以下表格填写（单位：tCO₂e），数值保留小数点后1位。计算周期核查碳排放差值2024年1月 2024年2月 2024年3月 答案计算周期核查碳排放差值2024年1月262607.04043.52024年2月282780.74192.42024年3月267091.81593.7（六）碳足迹（共4分，每空1分）题目产品名称：产品W，各阶段碳排放数据来源如下：原材料获取阶段：取自水泥厂A项目“2024年碳排放计算及分析”2024年1月原材料运输阶段：取自水泥厂A项目“2024年碳排放计算及分析”2024年2月产品制造阶段：取自水泥厂A项目“2024年碳排放计算及分析”2024年3月请根据提示信息，完成以下表格填写及产品总碳排放量计算，数值保留小数点后1位。阶段碳排放量表格产品阶段单位阶段碳排放量原材料获取阶段tCO₂e 原材料运输阶段tCO₂e 产品制造阶段tCO₂e 产品总碳排放量（kgCO₂e）：________答案阶段碳排放量表格产品阶段单位阶段碳排放量原材料获取阶段tCO₂e258563.5原材料运输阶段tCO₂e278637.8产品制造阶段tCO₂e265498.1产品总碳排放量（kgCO₂e）：802699308.7
