今北産業で・・・
・「CO2と気温は相関が高い」は半分ウソ（年次では無関係）
・温暖化の正体は“短期ノイズ＋長期蓄積”の分離問題
・対策の急所は1つだけ → 電力を潰せば全部効く
エグゼクティブサマリー
「CO2と気温は強く相関している」
——これは半分正しく、半分ミスリーディングです。
実際にデータを見ると、
・年ごとの変化ではほぼ無関係
・しかし長期では明確に連動
この“矛盾”を解く鍵が、
トレンドとノイズの分離です。
さらにKaya分解を使うと、
「どの国が何をやるべきか」まで分解できます。
本記事では、統計データを使って
温暖化の構造を分解していきます。
主要な結論：
- データの信頼性は高い — NASA GISSはIPCC公式採用データ、OWIDはIEA等一次統計に基づく
- CO2と気温の単純相関（r=0.937）は疑似相関 — 共通トレンドによるものであり、年次変化量では相関が消える（r=−0.10、p=0.394）
- 気温上昇の科学的主因は温室効果ガスの蓄積 — CO2が最大（放射強制力 +2.16 W/m²）で、メタン（+0.54）、対流圏オゾン（+0.47）、フロン類（+0.41）が続く
- 排出源は発電が最大 — 日本では発電42% → 製造業24% → 運輸18%の順。対策の急所は電力の脱炭素化
- 国別Kaya分解 — 中国・インドはGDP成長が主因で排出増加。ドイツは脱炭素化で累積37%削減を達成
1. データソースについて
1.1 使用データの一覧
| データ種別 | 提供機関 | 対象期間 | 主要変数 |
|---|---|---|---|
| 気温偏差 | NASA GISS（米国航空宇宙局ゴダード宇宙科学研究所） | 1950〜2023年 | 世界平均気温偏差（1951〜1980年基準） |
| CO2排出量・エネルギー・GDP・人口 | Our World in Data (OWID) / IEA・世界銀行・BPをもとに集計 | 1950〜2023年 | CO2排出量、一人当たりCO2、GDP、エネルギー消費量 等 |
対象国・地域：日本、中国、米国、インド、豪州、ドイツ、世界
1.2 NASA GISS 気温データ
NASA GISSの地球表面温度解析（GISTEMP v4）は、世界中の気象観測所および海洋ブイ・船舶データを統合した気温偏差データセットである。基準期間を1951〜1980年に設定し、そこからの偏差（℃）として表現される。IPCCの評価報告書をはじめ、主要な気候科学論文で広く採用されている。
本分析での取得値と公式値の比較：
- 2023年の気温偏差：本分析値 +1.17℃ / NASA公式値 +1.17℃ → 完全一致
- 昇温速度（線形回帰）：本分析値 +0.154℃/10年（1950〜2023年）
- 参考：IPCC AR6における1970〜2023年の昇温速度は +0.18℃/10年。1950年からの集計は初期の変化が小さいため若干低めになるが、傾向として整合的
1.3 Our World in Data (OWID) CO2データ
OWIDが公開するCO2データセットは、IEA（国際エネルギー機関）、世界銀行、BPエネルギー統計、国連人口局など複数の一次統計を統合したものである。研究・教育目的で無償公開されており、Nature等の学術誌での引用実績も多い。
データの限界（留意点）：
- OWIDの世界集計（World）のエネルギーデータは断続的（1970、1980…と10年刻み）であり、2015年以降のみ年次連続データが取得可能。このためKaya要因分解（Fig.3）は個別国データを使用した
- OWIDのCO2は「領域内生産ベース（生産排出量）」であり、消費ベース排出量（輸出入を考慮）とは一致しない場合がある
2. データの信頼性評価
2.1 総合評価
| 評価項目 | NASA GISS 気温 | OWID CO2 | コメント |
|---|---|---|---|
| 一次統計との整合性 | ◎ 高 | ◎ 高 | IPCC・IEA公式値と誤差1〜3%以内 |
| 公的機関による検証 | ◎ 高 | ○ 中〜高 | NASA・NOAAが独立検証済み。OWIDは集計のため若干の誤差あり |
| データの連続性 | ◎ 高 | △ 中 | OWIDのエネルギー変数は1965年以降のみ安定 |
| 学術的引用実績 | ◎ 高 | ◎ 高 | どちらもNature, Science等に引用多数 |
2.2 数値検証結果（2022年・一人当たりCO2排出量）
| 国 | 分析値（tCO2/人） | 外部参考値 | 誤差 |
|---|---|---|---|
| 日本 | 8.24 | 8.3 | −0.7% |
| 中国 | 8.22 | 8.2 | +0.2% |
| 米国 | 14.80 | 14.9 | −0.7% |
| インド | 1.99 | 2.0 | −0.5% |
| 豪州 | 14.66 | 15.1 | −2.9% |
| ドイツ | 7.94 | 7.9 | +0.5% |
全6カ国で誤差は3%以内に収まり、分析数値の精度は十分である。豪州の−2.9%はOWIDの排出量定義（生産ベース）の違いによるものと考えられる。
3. 分析結果の概要
3.1 CO2排出量と気温偏差の関係（Fig.1）
[Fig.1 世界のCO2排出量と気温偏差]
Fig.1 左：世界CO2排出量と気温偏差の時系列（1950〜2023年） 右：一階差分の散布図
一見すると「CO2が増えるほど気温が上がっている」ように見える。
相関係数も r=0.937 と非常に高い。
しかしこれは“罠”です。
両者とも時間とともに増加するため、
見かけ上の相関が生まれているだけです。
実際に年ごとの変化に分解すると、
相関はほぼ消えます（r = -0.10）。
解釈上の注意： CO2と気温の長期的な関係は気候科学的に実証されているが、単純な年次相関でそれを示すことはできない。年ごとの気温変動にはエルニーニョ・火山噴火・太陽活動など複数の自然要因が関わるため、CO2の年次増加と1:1で対応するわけではない。長期の「気温上昇トレンド自体」は温室効果ガスの累積量と強く対応している。
3.2 国別CO2排出構造（Fig.2）
[Fig.2 人口 vs 一人当たりCO2排出量]
Fig.2 人口 vs 一人当たりCO2排出量（2022年） バブルサイズ = 世界シェア
人口と一人当たり排出量は必ずしも連動しない。世界最大の人口を持つ中国（31.2%）とインド（7.5%）の一人当たり排出量は大きく異なり、豪州・米国は少ない人口で高い一人当たり排出量を示す。これはKaya恒等式の「GDP/人口」「CO2/エネルギー」の違いを反映している。
3.3 国別Kaya要因分解 時系列（Fig.3）
[Fig.3 6カ国のKaya要因分解 時系列]
Fig.3 6カ国のKaya要因分解 年次時系列（1966〜2022年）
各国のCO2排出量変化を人口増加・一人当たりGDP成長・エネルギー強度変化・炭素強度変化の4要素に分解した。日本とドイツはエネルギー強度（省エネ）の改善が継続的に排出削減に寄与している。中国は旺盛なGDP成長が他の要素を上回り、排出量を増加させてきた。
Kaya恒等式の数学的整合性： 全6カ国でKaya4要素の合計と実績CO2変化率の残差はゼロ（計算誤差なし）であることを確認済み。
3.4 国別累積Kaya変化（Fig.4）
[Fig.4 国別累積CO2変化のKaya要因分解]
Fig.4 国別累積CO2変化のKaya要因分解（1990〜2022年）
1990〜2022年の累積変化における各国の特徴：
| 国 | CO2変化 | 主因 | 特記事項 |
|---|---|---|---|
| 日本 | −0.11（微減） | エネルギー強度改善 | GDP成長をほぼ相殺。削減ペースは緩やか |
| 中国 | +1.55（大幅増） | GDP成長 | 省エネ・炭素強度改善があっても成長が圧倒 |
| 米国 | −0.02（横ばい） | GDP成長をエネルギー・炭素強度改善が相殺 | デカップリング達成 |
| インド | +1.59（大幅増） | 人口増加＋GDP成長 | 炭素強度が逆に上昇（石炭依存の増加） |
| 豪州 | +0.32（増加） | GDP成長＋人口増加 | エネルギー強度改善で一部相殺 |
| ドイツ | −0.46（大幅減） | エネルギー強度＋炭素強度の両面改善 | Energiewende（エネルギー転換）の成果 |
4. CO2排出量の内訳：セクター別分析
4.1 日本のセクター別CO2排出量（2022年度）
| セクター | 排出割合 | 主な排出源 |
|---|---|---|
| 発電・エネルギー転換 | 42% | 石炭・LNG火力発電（再エネ比率は約22%） |
| 製造業・建設業 | 24% | 鉄鋼・化学・セメント |
| 運輸 | 18% | 自動車が9割超（乗用車・トラック） |
| 業務・家庭（建物） | 9% | 冷暖房・給湯・照明 |
| 農業・廃棄物・その他 | 7% | 農地・埋立地・下水処理 |
出典：環境省「温室効果ガス排出・吸収量算定報告書」2022年度
4.2 世界のセクター別CO2排出量（IPCC AR6）
| セクター | 排出割合 | 日本との差異 |
|---|---|---|
| 発電・熱供給 | 34% | 日本より低い（途上国の電化率が低いため） |
| 産業 | 24% | 同水準 |
| 農業・土地利用（AFOLU） | 18% | 森林破壊が主因。日本では低い |
| 運輸 | 16% | 日本より低い（途上国の自動車普及率） |
| 建物 | 6% | 同水準 |
出典：IPCC AR6 WGI（2021）、IEA 2023
排出削減の議論は複雑に見えますが、
実は構造はシンプルです。
最大の排出源は発電（日本で42%）。
つまり、
「電力を脱炭素化する」だけで
産業・運輸・家庭すべてに波及します。
言い換えると、
電力を外すと、ほぼ何も進みません。
5. 気温上昇の要因：CO2以外の影響因子
5.1 気候強制因子の一覧（産業革命前比）
気候変動に影響する要因を「放射強制力（W/m²）」で比較する。正の値は温暖化方向、負の値は冷却方向に働く。
| 要因 | 放射強制力 | 主な排出源・発生源 | 大気中滞留時間 |
|---|---|---|---|
| CO2（二酸化炭素） | +2.16 | 化石燃料燃焼・森林破壊 | 数百〜数千年 |
| CH4（メタン） | +0.54 | 畜産・水田・ゴミ埋立・天然ガス漏洩 | 約12年 |
| 対流圏オゾン | +0.47 | NOx・VOCの光化学反応 | 数週間〜数ヶ月 |
| フロン類（HFC・PFC・SF6） | +0.41 | 冷媒・半導体製造・変電設備 | 数十〜数万年 |
| N2O（亜酸化窒素） | +0.21 | 農業（化学肥料）・廃水処理 | 約114年 |
| 太陽活動変動 | +0.05 | 太陽放射の周期変動 | — |
| 土地利用変化 | −0.20 | 農地への転換（アルベド増加） | — |
| エアロゾル（硫酸塩等）合計 | −1.06 | 化石燃料燃焼・火山噴火（直接効果−0.22＋雲への間接効果−0.84） | 数週間〜1年 |
出典：IPCC AR6 WGI Table 7.SM.2（2021）
5.2 各要因の解説と注意点
CO2が最大の主因（+2.16 W/m²）
産業革命前の280ppmから現在の420ppm超（2023年）へと大気中濃度が50%上昇した。大気中での滞留時間が非常に長いため、排出を止めても効果が現れるまでに数十年を要する。
メタン（CH4）は短期的に最も費用対効果が高い対策対象
CO2の約80倍の温暖化能力（20年スパン）を持つが、大気中滞留時間は約12年と短い。削減すれば比較的速やかに効果が現れる。畜産（牛のげっぷ）・水田・天然ガス採掘・ゴミ埋立地からの排出が主因。
対流圏オゾンは見落とされやすい第3位の温暖化因子
NOxやVOCの光化学反応により生成され、放射強制力は+0.47 W/m²とフロン類（+0.41）を上回る。大気中滞留時間が短いため、前駆物質（NOx・VOC）の排出削減により比較的速やかに低減できる。
エアロゾルの「冷却効果」に要注意
エアロゾル合計の冷却効果は−1.06 W/m²（直接効果−0.22 W/m²＋雲への間接効果−0.84 W/m²）に達し、温暖化ガスの一部を相殺している。逆説的だが、脱炭素化が進んで石炭火力が減るとこの冷却効果も失われ、短期的に気温が一時的に上昇するリスクがある（「脱石炭の反動」問題）。
太陽活動は主因ではない
+0.05 W/m²と非常に小さく、過去50年の温暖化の主要因にはならないことがIPCC AR6で明確に否定されている。
5.3 年次変動 vs 長期トレンドの整理
| 時間スケール | 主な気温変動要因 | 本分析の知見 |
|---|---|---|
| 年次変動 | エルニーニョ・ラニーニャ、火山噴火、太陽活動 | CO2年次増加との相関 r=−0.10（有意でない） |
| 数十年トレンド | 温室効果ガスの累積蓄積（CO2・CH4・N2O等） | レベル値相関 r=0.937（ただし疑似相関の可能性） |
| 長期（100年〜） | CO2累積濃度が支配的 | IPCC AR6「人間活動が主因（unequivocal）」 |
6. 対策の示唆
6.1 排出削減の優先度マップ
Kaya恒等式（CO2 = 人口 × GDP/人口 × エネルギー/GDP × CO2/エネルギー）から、削減に有効な経路を整理する。
最優先：電力の脱炭素化
発電セクターが最大の排出源（日本42%）であるうえ、産業・運輸・建物の電化が進めば他セクターの削減にも波及する。具体策は再生可能エネルギーの拡大（太陽光・風力）、原子力の活用、グリーン水素の導入。
高優先：産業プロセスの脱炭素化
製造業（特に鉄鋼・セメント・化学）は「難削減分野（Hard-to-Abate）」と呼ばれ、技術的に代替が難しい。CCS（CO2回収・貯留）、電炉化、水素還元製鉄が有望。ドイツのEnergiewendeはここでの炭素強度削減が顕著。
高優先：運輸のEV化
自動車が運輸排出の9割を占める。電動化（BEV・PHEV）の普及と充電インフラ整備、公共交通へのシフトが主軸。電力が脱炭素化されて初めて完全な効果を発揮する点に注意。
見落とされがちだが費用対効果が高い：メタン削減
大気滞留時間が短いため削減効果が速やかに現れる。天然ガスインフラの漏洩防止、畜産由来メタンの管理、ゴミ埋立地のガス回収が主な手段。比較的低コストで実施可能なものが多い。
中優先：建物の省エネ化
断熱強化・高効率ヒートポンプ・LED化など。排出量シェアは小さいが、ストック効果（一度改修すると長期間効果が続く）が大きく、家計・企業の光熱費削減にも直結する。
6.2 国別の対策示唆
| 国 | 現状の課題 | 優先すべき対策 |
|---|---|---|
| 日本 | 省エネは進んでいるが炭素強度が高止まり | 再エネ拡大・原子力再稼働・水素サプライチェーン整備 |
| 中国 | GDP成長が排出を押し上げ続けている | 石炭火力の段階的廃止・電力系統の脱炭素化 |
| 米国 | デカップリング達成済みだが一人当たり排出は世界最高水準 | 建物改修・EV普及の加速（IRA活用） |
| インド | 人口増加＋GDP成長で今後最大の排出増加国 | 再エネ主導の経済成長モデル構築 |
| ドイツ | 最も削減が進んでいる先進事例 | Energiewendeの維持と産業競争力の両立 |
7. 結論
重要なのは、
「CO2が気温を上げるかどうか」ではなく、
“どの時間スケールで見るか”です。
短期ではノイズに埋もれる。
長期では確実に効いてくる。
このズレを理解しないと、
議論は必ず噛み合いません。
8. 今後の分析課題
- 大気中CO2濃度（排出量ではなく）と気温偏差の対応関係を長期データで確認する
- 世界のエネルギーデータが揃う1965年以降で世界全体のKaya分解を再実施する
- 移動平均・デトレンドなど時系列的に適切な手法でCO2と気温の関係を再分析する
- メタン・N2O等のKaya的な要因分解を追加する
- 2024年以降の最新データへの更新
参考資料・データソース
- NASA GISS Surface Temperature Analysis (GISTEMP v4) — https://data.giss.nasa.gov/gistemp/
- Our World in Data - CO2 and Greenhouse Gas Emissions — https://github.com/owid/co2-data
- IPCC Sixth Assessment Report (AR6) Working Group I, 2021
- IEA CO2 Emissions from Fuel Combustion, 2023 Edition
- 環境省「温室効果ガス排出・吸収量算定報告書」2022年度
- Kaya, Y. (1990). Impact of Carbon Dioxide Emission Control on GNP Growth. IPCC Response Strategies Working Group