国际多边公共气候金融数据库（2000-2023）：基于MLCF-BERT模型的全球气候资金流动追踪与政策启示

为解决全球气候金融数据不透明、统计标准不统一的问题，清华大学研究团队构建了首个覆盖2000-2023年的国际多边公共气候金融数据库。通过创新开发的MLCF-BERT机器学习模型，系统识别了14家MDFIs和25个MCFs的76,050个项目，首次实现气候缓解（mitigation）与适应（adaptation）项目的自动化分类，揭示出MDFIs贡献了34%的全球适应资金。该数据库为《巴黎协定》资金机制评估提供标准化数据支持，发表于《Scientific Data》。

　　

全球气候治理正面临严峻的资金缺口挑战。据气候政策倡议组织（CPI）估算，要实现1.5°C温控目标，2030年前每年需投入7.4万亿美元气候资金，相当于当前水平的5倍。然而现有气候金融数据存在三大痛点：多边开发银行（MDFIs）和气候基金（MCFs）的统计口径不一致，年度报告存在1-2年滞后性，且缺乏项目级资金流向追踪。这种"数据黑箱"严重阻碍了《巴黎协定》资金承诺的落实评估。

清华大学环境学院联合碳中和研究院的Shuting Fan、Can Wang等学者在《Scientific Data》发表突破性研究。团队创新性地构建了MLCF-BERT（Multilateral Climate Finance BERT）机器学习模型，对14家主要MDFIs（包括世界银行、亚投行等）和25个MCFs（如绿色气候基金GCF）的76,050个项目进行文本挖掘，建成首个覆盖2000-2023年的国际多边公共气候金融数据库。该数据库显示，MDFIs贡献了全球34%的气候适应资金，其中能源效率项目占比最高（31%），而碳移除技术（Carbon Dioxide Removal Technology）项目仅占2.7%，揭示出现有资金分配与碳中和目标的显著偏差。

关键技术包括：1）基于ClimateBERT预训练模型开发双阶段分类器，先判断项目气候相关性（准确率94%），再细分9类缓解项目和2类适应项目（准确率90%）；2）使用Selenium工具爬取68,892个MDFI项目和7,158个MCFs项目数据；3）建立标准化资金核算框架，统一处理贷款、赠款等6种金融工具。

数据记录
数据库包含三个层级：1）总体气候融资趋势显示2023年MDFIs气候融资达1,870亿美元，较2000年增长12倍；2）国别分析揭示小岛屿国家人均适应资金获赠比大陆国家高3.8倍；3）机构维度显示欧洲投资银行（EIB）和世界银行（WB）贡献了46%的多边气候资金。

技术验证
与CPI报告对比显示数据趋势一致（R²
=0.51），但本研究数据量偏低，因排除了未披露项目细节的小型机构。与MDBs联合报告比较发现，亚投行（AIIB）等机构数据高度吻合，但EIB因统计范围差异存在47亿美元偏差。

该研究首次实现三大突破：时间跨度（24年）超越所有现有数据库，项目级数据粒度支持实时更新，MLCF-BERT模型解决跨机构数据可比性问题。数据库暴露出关键矛盾——尽管MDFIs在2022年提供了86%的跟踪适应资金，但碳移除技术等关键领域投入严重不足。这些发现为G20提出的MDBs资本充足率改革（预计释放3,570亿美元贷款能力）提供了精准的数据锚点，也为COP29气候资金谈判建立了可验证的基准体系。