From cce52c369ba2f4f47eeb620eea8c44d1849ffba2 Mon Sep 17 00:00:00 2001 From: mfonsecaOEF Date: Wed, 8 May 2024 08:52:35 -0300 Subject: [PATCH 1/7] feat:allowing_other_languagues --- .../datasource_seeder/datasource_seeder.yaml | 1855 +++++++++++++++++ .../import_datasource_seeder.sql | 2 +- .../77d1cb7b24df_allowing_other_languages.py | 44 + 3 files changed, 1900 insertions(+), 1 deletion(-) create mode 100644 global-api/importer/datasource_seeder/datasource_seeder.yaml create mode 100644 global-api/migrations/versions/77d1cb7b24df_allowing_other_languages.py diff --git a/global-api/importer/datasource_seeder/datasource_seeder.yaml b/global-api/importer/datasource_seeder/datasource_seeder.yaml new file mode 100644 index 000000000..b2f893d97 --- /dev/null +++ b/global-api/importer/datasource_seeder/datasource_seeder.yaml @@ -0,0 +1,1855 @@ +- + datasource_id: 143F3378-17E7-4732-BF17-4253160A7CFE + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Manufacturing Industries and Construction Direct Emitters reported in the Greenhouse Gas Reporting Program (GHGRP) + es: Industrias Manufactureras y de Construcción consideradas como Emisores Directos reportados en el Programa de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que compila información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.3.1 + scope: 1 +- + datasource_id: 06BB5C1D-E554-40D7-B619-DA768A5FD607 + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Power Plant Auxiliary Operations as Direct Emitters reported in the Greenhouse Gas Reporting Program (GHGRP) + es: Operaciones Auxiliares de Centrales Eléctricas como Emisores Directos reportados en el Programa de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.4.1 + scope: 1 +- + datasource_id: C309DE81-6D75-4782-98B0-A9229D43F042 + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Solid Waste emissions by landfills as Direct Emitters reported in the Greenhouse Gas Reporting Program (GHGRP) + es: Emissiones provenientes de basura sólida dispuesta en rellenos sanitarios reportados como Emisores Directos en el Programa de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: III.1.1 + scope: 1 +- + datasource_id: 8F3E7542-3C50-4E33-B2F7-57F326CBF9A6 + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Energy generation emissions by Power Plants reported as Direct Emitters in the Greenhouse Gas Reporting Program (GHGRP) + es: Emisiones provenientes de la generación de energía en plantas eléctricas reportadas como Emisores Directos en el Programa de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.4.4 + scope: 1 +- + datasource_id: C57F697D-2659-450E-BAF6-6F142D18A9AF + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Emissions from large-scale industry processes in facilities reported as Direct Emitters in the Greenhouse Gas Reporting Program (GHGRP) + es: Emisiones provenientes de procesos industriales a gran escala en fábricas reportadas como Emisores Derectos en el Programa de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: IV.1 + scope: 1 +- + datasource_id: 930F05CF-1796-4E25-B391-686BEA746A88 + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Emissions from incineration and open burning of solid waste in treatment plants reported as Direct Emitters in the Greenhouse Gas Reporting Program (GHGRP) + es: Emisiones provenientes la incineración y quema al aire libre de residuos sólidos en plantas de tratamiento reportadas como Emisores Directos en el Program de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: III.3.1 + scope: 1 +- + datasource_id: 0D7F6F31-D483-4170-B36C-C9CFC0434A09 + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Fugitive emissions from natural gas systems reported as Direct Emitters in the Greenhouse Gas Reporting Program (GHGRP) + ES: Emisiones fugitivas de los sistemas de gas natural reportadas como Emisores Directos en el Programa de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.8.1 + scope: 1 +- + datasource_id: 4E235B19-E4FD-4E64-A674-9ED9D9CBA9AA + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Fugitive emissions from mining, processing, storage, and transportation of coal reported as Direct Emitters in the Greenhouse Gas Reporting Program (GHGRP) + es: Emisiones fugitivas provenientes de la minería, procesamiento, almacenamiento y transporte de carbón reportadas como Emisores Directos en el Programa de Reporte de Gases de Efecto Invernadero (GHGRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.7.1 + scope: 1 +- + datasource_id: B7BCFC69-3E7F-4B5B-A7BE-B8C945BE073F + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Emissions from Wastewater Treatment Plants reported as Direct Emitters in the Greenhouse Gas Reporting Program (GHGRP) + es: Emisiones provenientes de plantas de tratamiento de aguas residuales reportadas como Emisores Directos en el Programa de Reporte de Gases de Efecto Invernadero (GHRP) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: III.4.1 + scope: 1 +- + datasource_id: D213BD2F-0164-4411-84BC-1339A9D7EB94 + publisher_id: EPA + datasource_name: Environmental Protection Agency + dataset_name: + en: Non-specifed sources reported as Direct Emitters in the Greenhouse Gas Reporting Program (GHGPR) + es: Fuentes no específicas reportadas como Emisores Directos reportados en el Programa de Informes de Gases de Efecto Invernadero (GHGPR) + dataset_description: + en: The GHGRP, administered by the EPA, is a vital resource that compiles detailed information on GHG emissions from large-scale facilities across the U.S. This program mandates that major emitters report comprehensive annual data concerning their GHG emissions derived from various industrial activities. + es: El GHGRP, administrado por la EPA, es un recurso vital que complia información detallada de las emisiones de GEI provenientes de fábricas de gran escala en Estados Unidos. Este programa exige que los principales emisores informen datos anuales completos sobre sus emisiones de GEI derivadas de diversas actividades industriales. + source_type: third_party + access_type: public + dataset_url: https://www.epa.gov/ + geographical_location: US + start_year: 2019 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: high + notes: Initial import + units: kg + methodology_description: + en: Direct-emitting facilities report emissions from combustion or process sources, such as fuel combustion and chemical transformations, using methods like continuous emission monitoring systems (CEMS) or default emission factors. + es: Las fábricas con emisiones directas informan sus emisiones provenientes de fuentes de combustión o de procesos, como la quema de combustibles y las transformaciones químicas, utilizando métodos como sistemas de monitoreo continuo de emisiones (CEMS) y/o aplicando factores de emisión predeterminados. + methodology_url: https://www.epa.gov/ghgreporting/learn-about-greenhouse-gas-reporting-program-ghgrp + transformation_description: + en: We follow the EPA categorization. EPA categorizes facilities into nine industry groups, and they report direct emissions from 23 facility-level processes. Facilities often engage in multiple emission-generating processes. If a facility reports emissions from a single activity, those emissions are placed in that industry group. If reporting includes stationary combustion, the stationary combustion emissions are added to the process emissions, and the emissions are reported into that process. In cases of multiple activities with stationary combustion, the highest-emission activity determines the industry group, the stationary combustion emissions are added to the highest-emission activity and the other emissions are classified separately in their corresponding process. Than, facility emissions were adjusted to fit the GPC format. + es: Seguimos la categorización de la EPA. La EPA clasifica las instalaciones en nueve grupos industriales y reporta emisiones directas de 23 procesos a nivel de fábrica. Las fábricas a menudo realizan múltiples procesos generadores de emisiones. Si una instalación informa emisiones de una sola actividad, esas emisiones se reportan en ese grupo industrial. Si los informes incluyen la combustión estacionaria, las emisiones de la combustión estacionaria se agregan a las emisiones del proceso y las emisiones se reportan en ese grupo industrial. En los casos de múltiples actividades con combustión estacionaria, la actividad con mayor emisión determina el principal proceso industrial, además las emisiones de combustión estacionaria se suman a la actividad con mayor emisión y las demás emisiones se clasifican por separado en su correspondiente proceso. Por último, las emisiones de las fábricas se ajustaron para adaptarse al formato GPC. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/ghgrp_epa/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.6.1 + scope: 1 +- + datasource_id: 124A1F4B-13FD-439B-9175-A8C40CC36E79 + publisher_id: IEA + datasource_name: International Energy Agency + dataset_name: + en: Electricity and heat production emissions reported by the International Energy Agency + es: Emisiones provenientes de producción de electricidad y calor reportadas por la Agencia Internacional de Energía + dataset_description: + en: Electricity and heat production data contains the sum of emissions from electricity production, combined heat and power plants and heat plants. Emissions from own on-site use of fuel are included. + es: Los datos de producción de electricidad y calor contienen la suma de las emisiones de la producción de electricidad, las centrales eléctricas y de calor combinadas y las centrales térmicas. Se incluyen las emisiones derivadas del uso propio de combustible en el sitio. + source_type: third_party + access_type: public + dataset_url: https://www.iea.org/statistics/co2emissions/ + geographical_location: EARTH + start_year: 2020 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: country + language: en + accessibility: + data_quality: high + notes: Initial import + units: tonnes + methodology_description: + en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. + es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. + methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf + transformation_description: + en: A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Electricity and heat production" as "I.4.4" + es: Se realizó una reasignación de las categorías propuestas por la IEA para considerar algunos de los subsectores del GPC. Para este caso, la reasignación fue "Producción de electricidad y calor" como "I.4.4" + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.4.4 + scope: 1 +- + datasource_id: 1087D232-BC25-498B-BE38-92DC330F0B15 + publisher_id: IEA + datasource_name: International Energy Agency + dataset_name: + en: Emissions from fuel consumption by Off-Road transportation reported by the International Energy Agency + es: Emisiones provenientes del consumo de combustible por transporte fuera de carreteras reportado por la Agencia Internacional de Energía + dataset_description: + en: Includes all transport emissions not specified in another sector. In the calculations, non-CO2 greenhouse gases are excluded. + es: Incluye todas las emisiones del transporte no especificadas en otro sector. En los cálculos se excluyen los gases de efecto invernadero distintos del CO2. + source_type: third_party + access_type: public + dataset_url: https://www.iea.org/statistics/co2emissions/ + geographical_location: EARTH + start_year: 2020 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: country + language: en + accessibility: + data_quality: high + notes: Initial import + units: tonnes + methodology_description: + en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. + es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. + methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf + transformation_description: + en: A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Other Transport" as "I.5.1" + es: Se realizó una reasignación de las categorías propuestas por la IEA para considerar algunos de los subsectores del GPC. Para este caso la reasignación fue "Otro Transporte" como "I.5.1" + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: II.5.1 + scope: 1 +- + datasource_id: D00A84CE-858E-462C-90D3-61D7BC728E30 + publisher_id: IEA + datasource_name: International Energy Agency + dataset_name: + en: Emissions from fuel consumption by On-Road transportation reported by the International Energy Agency + es: Emisiones provenientes del consumo de combustible por transporte en carreteras reportado por la Agencia Internacional de Energía + dataset_description: + en: It contains the emissions arising from fuel use in road vehicles, including the use of agricultural vehicles on highways. This corresponds to the IPCC Source/Sink Category 1 A 3 b. Excludes emissions from military consumption as well as motor gasoline used in stationary engines and diesel oil for use in tractors that are not for highway use. + es: Contiene las emisiones derivadas del uso de combustibles en vehículos de carretera, incluido el uso de vehículos agrícolas en autopistas. Esto corresponde a la categoría de fuente/sumidero del IPCC 1 A 3 b. Excluye las emisiones provenientes del consumo militar, así como la gasolina de motor utilizada en motores estacionarios y el gasóleo para uso en tractores que no son para uso en carreteras. + source_type: third_party + access_type: public + dataset_url: https://www.iea.org/statistics/co2emissions/ + geographical_location: EARTH + start_year: 2020 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: country + language: en + accessibility: + data_quality: high + notes: Initial import + units: tonnes + methodology_description: + en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. + es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. + methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf + transformation_description: + en: A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Road Transport" as "II.1.1" + es: Se realizó una reasignación de las categorías propuestas por la IEA para considerar algunos de los subsectores del GPC. Para este caso la reasignación fue "Transporte por Carretera" como "II.1.1" + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: II.1.1 + scope: 1 +- + datasource_id: AD25F669-FC74-46D3-9E6E-EF92CD0079A5 + publisher_id: IEA + datasource_name: International Energy Agency + dataset_name: + en: Other energy industry own use emissions from fuel consumption reported by the International Energy Agency + es: Otras emisiones de uso propio de la industria energética provenientes del consumo de combustible reportadas por la Agencia Internacional de Energía + dataset_description: + en: Emissions from own on-site use of fuel in energy facilities or power plants + es: Emisiones por uso propio in situ de combustible en instalaciones energéticas o centrales eléctricas + source_type: third_party + access_type: public + dataset_url: https://www.iea.org/statistics/co2emissions/ + geographical_location: EARTH + start_year: 2020 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: country + language: en + accessibility: + data_quality: high + notes: Initial import + units: tonnes + methodology_description: + en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. + es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. + methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf + transformation_description: + en: A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Other Energy Industry Own Use" as "I.4.1" + es: Se realizó una reasignación de las categorías propuestas por la IEA para considerar algunos de los subsectores del GPC. Para este caso, la reasignación fue "Otro uso propio de la industria energética" como "I.4.1" + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.4.1 + scope: 1 +- + datasource_id: A284E16D-F04E-46C9-A977-8BDDD396F1FB + publisher_id: IEA + datasource_name: International Energy Agency + dataset_name: Residential grid energy consumption reported by the International Energy Agency + en: + es: + dataset_description: Residential contains all emissions from fuel combustion in households. This corresponds to IPCC Source/Sink Category 1 A 4 b. + en: + es: + source_type: third_party + access_type: public + dataset_url: https://www.iea.org/statistics/co2emissions/ + geographical_location: EARTH + start_year: 2020 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: country + language: en + accessibility: + data_quality: high + notes: Initial import + units: tonnes + methodology_description: + en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. + es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. + methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf + transformation_description: 'A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Residential" as ''I.1.1''' + en: + es: + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.1.1 + scope: 1 +- + datasource_id: CAD04116-1B60-4290-A158-85F4B2BCED28 + publisher_id: IEA + datasource_name: International Energy Agency + dataset_name: Manufacturing industries and construction grid energy consumption reported by the International Energy Agency + en: + es: + dataset_description: Manufacturing and construction industries contribute to emissions through fuel combustion, classified under IPCC Source/Sink Category 1 A 2. The 2006 GLs include emissions from industry autoproducers generating electricity and/or heat in this category. IEA data lacks the specific end-use breakdown, resulting in unallocated autoproducers. + en: + es: + source_type: third_party + access_type: public + dataset_url: https://www.iea.org/statistics/co2emissions/ + geographical_location: EARTH + start_year: 2020 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: country + language: en + accessibility: + data_quality: high + notes: Initial import + units: tonnes + methodology_description: + en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. + es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. + methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf + transformation_description: 'A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Manufactoring Industries and Construction" as ''I.3.1''' + en: + es: + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.3.1 + scope: 1 +- + datasource_id: F70577EF-3E87-4750-BB48-DF48899B040E + publisher_id: IEA + datasource_name: International Energy Agency + dataset_name: + en: Emission from commercial buildings for fuel consumprion reported by the International Energy Agency + es: Emisiones de edificios comerciales por consumo de combustible reportadas por la Agencia Internacional de Energía + dataset_description: + en: It encompasses emissions from all applicable activities as categorized by the International Standard Industrial Classification of All Economic Activities, Revision 4 (ISIC Rev. 4). This classification system, maintained by the United Nations, enables precise monitoring and analysis of GHG emissions and energy consumption across various sectors. + es: Abarca las emisiones de todas las actividades aplicables según las clasificadas por la Clasificación Industrial Internacional Uniforme de Todas las Actividades Económicas, Revisión 4 (CIIU Rev. 4). Este sistema de clasificación, mantenido por las Naciones Unidas, permite un seguimiento y análisis preciso de las emisiones de GEI y el consumo de energía en varios sectores. + source_type: third_party + access_type: public + dataset_url: https://www.iea.org/statistics/co2emissions/ + geographical_location: EARTH + start_year: 2020 + end_year: 2022 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: country + language: en + accessibility: + data_quality: high + notes: Initial import + units: tonnes + methodology_description: + en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. + es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. + methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf + transformation_description: + en: A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Commercial and Public Services" as "I.2.1" + es: Se realizó una reasignación de las categorías propuestas por la IEA para considerar algunos de los subsectores del GPC. Para este caso la reasignación fue “Servicios Públicos y Comerciales” según "I.2.1" + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.2.1 + scope: 1 +- + datasource_id: 497e10f2-c3f3-3b1a-ba35-707edff58858 + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Road transportation estimated emissions + es: Emisiones estimadas de transporte en carretera + dataset_description: + en: It includes GHG emission estimation from on-road transportation, integrating data on road segments, vehicle distribution, and fuel types for environmental impact assessments + es: Incluye la estimación de emisiones de GEI del transporte por carretera, integrando datos sobre segmentos de carreteras, distribución de vehículos y tipos de combustible para evaluaciones de impacto ambiental + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2021 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The on-road transportation emissions methodology involves classifying road segments, considering factors like road type from OpenStreetMap data. Vehicle distribution by type and fuel efficiency is determined using registration data, kilometers traveled, and US FHWA estimates. Fuel types and efficiencies are analyzed based on gasoline, diesel, and alternative fuels, using U.S. EPA emissions factors. Machine learning models assist in estimating traffic volume per road segment, contributing to emissions calculations. + es: La metodología de emisiones del transporte en carretera implica clasificar los segmentos de carreteras, considerando factores como el tipo de carretera a partir de los datos de OpenStreetMap. La distribución de vehículos por tipo y eficiencia de combustible se determina utilizando datos de registro, kilómetros recorridos y estimaciones de la FHWA de U.S. Los tipos de combustible y las eficiencias se analizan en función de la gasolina, el diésel y los combustibles alternativos, utilizando factores de emisiones de la EPA de U.S. Los modelos de aprendizaje automático ayudan a estimar el volumen de tráfico por segmento de carretera, lo que contribuye a los cálculos de emisiones. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Transportation/Transportation%20Sector-%20Road%20transportation%20(asset)%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.1.1 + scope: 1 +- + datasource_id: c7c660e4-56ca-3c42-96d4-6525d2a8f6cc + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Oil and gas refining estimated Emissions + es: Emisiones estimadas de refinación de petróleo y gas + dataset_description: + en: It contains point source GHG estimates using the OCI+ tool, incorporating models like OPGEE for upstream activities and PRELIM for refining. + es: Contiene estimaciones de GEI de fuentes puntuales utilizando la herramienta OCI+, incorporando modelos como OPGEE para actividades upstream y PRELIM para refinación. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2015 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: Point source GHG estimates are calculated using the OCI+ tool, which incorporates specialized models such as the Oil Production Greenhouse Gas Emissions Estimator (OPGEE) for upstream oil and gas activities, and PRELIM for refining processes. Key inputs like crude assays and refinery configurations are used to estimate emissions intensities, with throughput and capacity factored in to derive emissions estimates. For US refineries, increased data availability allows for more detailed categorization. + es: Las estimaciones de GEI de fuentes puntuales se calculan utilizando la herramienta OCI+, que incorpora modelos especializados como el Estimador de emisiones de gases de efecto invernadero de producción de petróleo (OPGEE) para actividades upstream de petróleo y gas, y PRELIM para procesos de refinación. Se utilizan insumos clave, como ensayos de crudo y configuraciones de refinería, para estimar la intensidad de las emisiones, y se tienen en cuenta el rendimiento y la capacidad para derivar estimaciones de emisiones. Para las refinerías estadounidenses, la mayor disponibilidad de datos permite una categorización más detallada. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Fossil%20fuel%20operations/Fossil%20Fuel%20Operations%20sector-%20Oil%20and%20Gas%20Production%20and%20Transport%20Oil%2C%20and%20Gas%20Refining%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.4.1 + scope: 1 +- + datasource_id: 7feeb3b0-a896-3481-8c05-8d31464dcede + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Oil and gas production and transport estimated emissions + es: Emisiones estimadas de producción y transporte de petróleo y gas + dataset_description: + en: Oil and Gas Production and Transport Estimated Emissions - Point source GHG estimates using OCI+ tool, covering upstream to downstream operations, incorporating over 100 emission sources and integrating ground truthing and VIIRS remote sensing data for precision. + es: Estimaciones de GEI de fuentes puntuales utilizando la herramienta OCI+, que cubre operaciones upstream a downstream, incorporando más de 100 fuentes de emisión e integrando información sobre el terreno y datos de teledetección VIIRS para mayor precisión. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2015 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The methodology involves using the OCI+ tool, which consists of three models, OPGEE for upstream operations, PRELIM for midstream refining, and OPEM for downstream consumption. OPGEE focuses on all stages of producing and transporting crude hydrocarbons and gas to end-use points. It accounts for over 100 emission sources, including flaring, venting, fugitive losses, and more. Key inputs such as field characteristics, production volumes, and transport methods are considered, integrating ground truthing and remote sensing data like VIIRS for accurate estimations. + es: La metodología implica el uso de la herramienta OCI+, que consta de tres modelos; OPGEE para operaciones upstream, PRELIM para refinación midstream y OPEM para consumo downstream. OPGEE se centra en todas las etapas de producción y transporte de hidrocarburos crudos y gas a los puntos de uso final. Representa más de 100 fuentes de emisión, incluidas la quema, la ventilación, las pérdidas fugitivas y más. Se consideran insumos clave como las características del campo, los volúmenes de producción y los métodos de transporte, integrando datos de verificación en el terreno y de sensores remotos como VIIRS para obtener estimaciones precisas. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Fossil%20fuel%20operations/Fossil%20Fuel%20Operations%20sector-%20Oil%20and%20Gas%20Production%20and%20Transport%20Oil%2C%20and%20Gas%20Refining%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.8.1 + scope: 1 +- + datasource_id: d58b08f3-efdb-3f2d-9320-cea8c763d05a + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Coal mining estimated emissions + es: Emisiones estimadas de la minería del carbón + dataset_description: + en: Emissions from mining and quarrying are estimated on a statistical basis by taking national and facility level production figures and applying specific emission factors. + es: Se estiman las emisiones de la extracción de minas y canteras sobre una base estadística tomando las cifras de producción a nivel nacional y de instalación y aplicando factores de emisión específicos. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2021 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The methodology involves utilizing data from the Global Coal Mine Tracker, which includes production and capacity data for coal mines globally. Methane emissions are estimated based on methane gas content and capacity factors obtained from literature. The methane gas content is converted to emissions using a conversion factor provided by the EPA. The emissions factor is calculated based on the methane gas content and an average emission factor coefficient. The emissions are then estimated for each mine using the emissions factor and activity data. + es: La metodología implica la utilización de datos del Global Coal Mine Tracker, que incluye datos de producción y capacidad de las minas de carbón a nivel mundial. Las emisiones de metano se estiman con base en el contenido de gas metano y los factores de capacidad obtenidos de la literatura. El contenido de gas metano se convierte en emisiones utilizando un factor de conversión proporcionado por la EPA. El factor de emisión se calcula en base al contenido de gas metano y un coeficiente promedio del factor de emisión. Luego se estiman las emisiones para cada mina utilizando el factor de emisiones y los datos de actividad. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Fossil%20fuel%20operations/Fossil%20Fuel%20Operations%20sector-%20Coal%20mining%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.7.1 + scope: 1 +- + datasource_id: 4fa3124f-cb69-300d-964f-57d63b04d46e + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: International aviation estimated emissions + es: Emisiones estimadas de la aviación internacional + dataset_description: + en: Point source estimates of GHG emissions from international aviation, employing the ICAO Tier 3a methodology, Version 11 of the ICAO Carbon Emissions Calculator, and OAG Historical Flight Status Data to calculate emissions based on fuel consumption, including CO2, CH4, and N2O, and attributing them to countries and airports. + es: Estimaciones de fuentes puntuales de emisiones de GEI de la aviación internacional, empleando la metodología Tier 3a de la OACI, la versión 11 de la Calculadora de emisiones de carbono de la OACI y los datos históricos del estado de los vuelos de la OAG para calcular las emisiones en función del consumo de combustible, incluidos CO2, CH4 y N2O, y atribuirlas. a países y aeropuertos. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2015 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The ICAO methodology is applied, employing a Tier 3a approach defined by the IPCC. They use Version 11 of the ICAO Carbon Emissions Calculator Methodology along with OAG Historical Flight Status Data. The methodology estimates emissions based on fuel consumption, including CO2, CH4, and N2O. Flight data, aircraft types, and fuel consumption factors are used to estimate fuel burned for each trip. Emissions are attributed either fully to a country for domestic flights or divided equally between countries for international flights. Finally, emissions data is aggregated by country and airport for reporting. + es: Se aplica la metodología de la OACI, empleando un enfoque Tier 3a definido por el IPCC. Utilizan la versión 11 de la metodología de calculadora de emisiones de carbono de la OACI junto con los datos históricos del estado de los vuelos de la OAG. La metodología estima las emisiones en función del consumo de combustible, incluidos CO2, CH4 y N2O. Los datos de vuelo, los tipos de aeronaves y los factores de consumo de combustible se utilizan para estimar el combustible quemado en cada viaje. Las emisiones se atribuyen íntegramente a un país para vuelos nacionales o se dividen en partes iguales entre países para vuelos internacionales. Finalmente, los datos de emisiones se agregan por país y aeropuerto para su presentación en informes. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Transportation/Transportation%20sector-%20Domestic%20and%20International%20Aviation%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.4.3 + scope: 3 +- + datasource_id: d8bf703a-0b3f-305d-b2a0-6d1c9419044e + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Domestic aviation estimated emissions + es: Emisiones estimadas de la aviación nacional + dataset_description: + en: Point source estimates of GHG emissions from domestic aviation, utilizing ICAO's Tier 3a approach, Carbon Emissions Calculator Methodology, and OAG Historical Flight Status Data from January 2015 to June 2023, attributing emissions fully to the country of origin based on detailed aircraft movement data and fuel consumption factors for accurate estimations. + es: Estimaciones de fuentes puntuales de emisiones de GEI de la aviación nacional, utilizando el enfoque de Nivel 3a de la OACI, la metodología de calculadora de emisiones de carbono y los datos históricos del estado de los vuelos de la OAG desde enero de 2015 hasta junio de 2023, atribuyendo las emisiones completamente al país de origen con base en datos detallados de movimiento de aeronaves y combustible. factores de consumo para estimaciones precisas. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2015 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: To calculate domestic aviation emissions, Climate TRACE uses ICAO''s Tier 3a approach, considering detailed aircraft movement data. They employ ICAO's Carbon Emissions Calculator Methodology and OAG Historical Flight Status Data from January 2015 to June 2023. This methodology estimates emissions based on fuel consumption, including CO2, CH4, and N2O. They calculate emissions for each flight between origin and destination pairs, excluding specific aircraft types, adjusting for factors like stacking and weather. Fuel consumption is estimated using ICAO's data, and emissions are attributed fully to the country of origin. + es: Para calcular las emisiones de la aviación nacional, Climate TRACE utiliza el enfoque Tier 3a de la OACI, considerando datos detallados del movimiento de las aeronaves. Emplean la metodología de calculadora de emisiones de carbono de la OACI y los datos históricos del estado de los vuelos de la OAG desde enero de 2015 hasta junio de 2023. Esta metodología estima las emisiones en función del consumo de combustible, incluidos CO2, CH4 y N2O. Calculan las emisiones para cada vuelo entre pares de origen y destino, excluyendo tipos de aeronaves específicos, ajustando factores como el apilamiento y el clima. El consumo de combustible se estima utilizando los datos de la OACI y las emisiones se atribuyen totalmente al país de origen. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Transportation/Transportation%20sector-%20Domestic%20and%20International%20Aviation%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.4.3 + scope: 3 +- + datasource_id: 3b4cf72b-3bf0-32e3-af14-9dc0a05874d5 + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Solid waste disposal estimated emissions + es: Emisiones estimadas de eliminación de residuos sólidos + dataset_description: + en: Point source estimates of GHG emissions from solid waste disposal, employing a Bayesian statistical approach, considering waste site capacities, income groups, and regions for robust methane emission predictions. + es: Estimaciones de fuentes puntuales de emisiones de GEI provenientes de la eliminación de desechos sólidos, empleando un enfoque estadístico bayesiano, considerando las capacidades de los sitios de desechos, los grupos de ingresos y las regiones para obtener predicciones sólidas de emisiones de metano. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2021 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: This methodology adopts a Bayesian statistical approach using PyMC3 in Python, starting with hierarchical regression structures to predict methane emissions based on waste site capacities. Parameters are initialized using priors from prior predictive simulations and validated through model cross-validation. The model regresses mean site emissions against observed capacities, with coefficients adjusted for different income groups or regions. Posterior predictions are generated by sampling from parameter distributions, with a "saturation effect" implemented to cap emissions at realistic levels. This two-stage process first predicts waste capacities and then emissions, enabling robust and variable-sensitive modeling of methane emissions from solid waste sites. + es: Esta metodología adopta un enfoque estadístico bayesiano utilizando PyMC3 en Python, comenzando con estructuras de regresión jerárquica para predecir las emisiones de metano en función de las capacidades de los sitios de desechos. Los parámetros se inicializan utilizando datos previos de simulaciones predictivas anteriores y se validan mediante validación cruzada del modelo. El modelo compara las emisiones medias del sitio con las capacidades observadas, con coeficientes ajustados para diferentes grupos de ingresos o regiones. Las predicciones posteriores se generan mediante muestreo de distribuciones de parámetros, con un "efecto de saturación" implementado para limitar las emisiones a niveles realistas. Este proceso de dos etapas predice primero las capacidades de los desechos y luego las emisiones, lo que permite un modelado sólido y sensible a las variables de las emisiones de metano de los sitios de desechos sólidos. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Waste/Waste%20Sector-%20Solid%20Waste%20Disposal%20(asset)%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: III.1.1 + scope: 1 +- + datasource_id: e6d533a4-0020-30bc-bbac-90627e499663 + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Manure management estimated emissions + es: Emisiones estimadas de gestión de estiércol + dataset_description: + en: Point source estimates of GHG emissions from beef and dairy feedlots, employing IPCC equations, default regional emission factors, and Climate Trace's approach incorporating temperature data, facility-level population counts, and regional manure management variations. + es: Estimaciones de fuentes puntuales de emisiones de GEI de corrales de engorde de carne y lácteos, empleando ecuaciones del IPCC, factores de emisión regionales predeterminados y el enfoque de Climate Trace que incorpora datos de temperatura, recuentos de población a nivel de instalaciones y variaciones regionales en el manejo del estiércol. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2020 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The manure management calculation process involves the estimation of methane and nitrous oxide emissions from beef and dairy feedlots using IPCC equations and default regional emission factors. Climate Trace's approach incorporates temperature data, ground-truthed facility-level population counts, and regional variations in manure management practices to develop emission estimates. These estimates are presented for different regions, highlighting the significant contributions of beef and dairy feedlots to greenhouse gas emissions. + es: El proceso de cálculo del manejo del estiércol implica la estimación de las emisiones de metano y óxido nitroso de los corrales de engorde de carne y lácteos utilizando ecuaciones del IPCC y factores de emisión regionales predeterminados. El enfoque de Climate Trace incorpora datos de temperatura, recuentos de población a nivel de instalaciones verificados en el terreno y variaciones regionales en las prácticas de gestión del estiércol para desarrollar estimaciones de emisiones. Estas estimaciones se presentan para diferentes regiones, destacando las importantes contribuciones de los corrales de engorde de carne y lácteos a las emisiones de gases de efecto invernadero. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Agriculture/Agriculture%20sector-%20Enteric%20fermentation%20and%20Manure%20management%20(asset)%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: V.1 + scope: 1 +- + datasource_id: 3b18e434-cd0e-3686-9537-6ae38ccb5c0c + publisher_id: ClimateTRACE + datasource_name: ClimateTRACE + dataset_name: + en: Enteric fermentation estimated emissions + es: Emisiones estimadas de fermentación entérica + dataset_description: + en: Point source estimates of GHG emissions from beef and dairy feedlots, utilizing advanced spatial data processing techniques and machine learning algorithms to predict methane and nitrous oxide emissions, considering factors such as cattle populations, feedlot area size, and regional variations in manure management practices, with accuracy validated through statistical measures. + es: Estimaciones de fuentes puntuales de emisiones de GEI de corrales de engorda para carne y lácteos, utilizando técnicas avanzadas de procesamiento de datos espaciales y algoritmos de aprendizaje automático para predecir las emisiones de metano y óxido nitroso, considerando factores como las poblaciones de ganado, el tamaño del área de los corrales de engorda y las variaciones regionales en las prácticas de manejo del estiércol, con Precisión validada mediante medidas estadísticas. + source_type: third_party + access_type: globalapi + dataset_url: https://climatetrace.org/ + geographical_location: EARTH + start_year: 2020 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: point source + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The enteric fermentation calculation process involves the utilization of advanced spatial data processing techniques and machine learning algorithms to estimate methane and nitrous oxide emissions from beef and dairy feedlots. This method, developed by Climate Trace, involves spatially joining data, adding ancillary information, and performing data cleaning to create training datasets for model development. The models developed utilize linear regression to predict cattle populations at individual facilities, with separate models for beef and dairy feedlots, while also considering factors such as feedlot area size and regional variations in manure management practices. The accuracy of the models is evaluated through various statistical measures, and emission estimates are provided for different regions. + es: El proceso de cálculo de la fermentación entérica implica la utilización de técnicas avanzadas de procesamiento de datos espaciales y algoritmos de aprendizaje automático para estimar las emisiones de metano y óxido nitroso de los corrales de engorda de carne y lácteos. Este método, desarrollado por Climate Trace, implica unir datos espacialmente, agregar información auxiliar y realizar una limpieza de datos para crear conjuntos de datos de entrenamiento para el desarrollo de modelos. Los modelos desarrollados utilizan regresión lineal para predecir las poblaciones de ganado en instalaciones individuales, con modelos separados para lotes de engorde de carne y lácteos, al mismo tiempo que consideran factores como el tamaño del área del lote de engorde y las variaciones regionales en las prácticas de manejo del estiércol. La precisión de los modelos se evalúa mediante varias medidas estadísticas y se proporcionan estimaciones de emisiones para diferentes regiones. + methodology_url: https://github.com/climatetracecoalition/methodology-documents/blob/main/Agriculture/Agriculture%20sector-%20Enteric%20fermentation%20and%20Manure%20management%20(asset)%20Methodology.pdf + transformation_description: + en: Latitude and longitude information are utilized to apply a reverse geocode methodology, assigning the corresponding city locode to each emission point. Once identified, all data points within the city boundary are aggregated to calculate the total emissions for the sector. + es: La información de latitud y longitud se utiliza para aplicar una metodología de geocodificación inversa, asignando el código de ciudad correspondiente a cada punto de emisión. Una vez identificados, todos los puntos de datos dentro de los límites de la ciudad se agregan para calcular las emisiones totales del sector. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/climatetrace/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: V.1 + scope: 1 +- + datasource_id: 3bfaac71-953d-354b-8e0c-dc3bb8ec34c3 + publisher_id: EDGAR + datasource_name: Emissions Database for Global Atmospheric Research + dataset_name: + en: Estimated emissions from manufacturing industries and construction + es: Emisiones estimadas de las industrias manufactureras y de la construcción + dataset_description: + en: Grid cell estimates of GHG emissions (CO2, CH4, N2O) from manufacturing combustion, derived from EDGARv7.0 annual gridmaps (1970-2022) expressed in ton substance per 0.1-degree x 0.1-degree per year and sector specification using IPCC 1996 and 2006 codes + es: Estimaciones de celdas de cuadrícula de emisiones de GEI (CO2, CH4, N2O) provenientes de la combustión industrial, derivadas de mapas de cuadrícula anuales EDGARv7.0 (1970-2022) expresados en toneladas de sustancia por 0,1 grados x 0,1 grados por año y especificaciones del sector utilizando IPCC 1996 y código 2006 + source_type: third_party + access_type: globalapi + dataset_url: https://joint-research-centre.ec.europa.eu/index_en + geographical_location: EARTH + start_year: 2021 + end_year: 2021 + latest_accounting_year: 2021 + frequency_of_update: annual + spatial_resolution: 0.1 degree + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The emission calculation method utilizes a standardized approach across all countries, employing technology-based emission factors to estimate annual emissions for each compound and sector. This involves multiplying country-specific activity data with the mix of technologies and their associated abatement measures, considering both emission factors and reductions due to installed abatement measures. Spatial allocation of emissions is achieved through a grid system, utilizing geographical databases and spatial proxy datasets to distribute emissions across a country's area based on relevant spatial factors such as population density and land use. + es: El método de cálculo de emisiones utiliza un enfoque estandarizado en todos los países, empleando factores de emisión basados en tecnología para estimar las emisiones anuales de cada compuesto y sector. Esto implica multiplicar los datos de actividad específicos de cada país con la combinación de tecnologías y sus medidas de mitigación asociadas, considerando tanto los factores de emisión como las reducciones debidas a las medidas de mitigación instaladas. La asignación espacial de las emisiones se logra a través de un sistema de cuadrícula, que utiliza bases de datos geográficas y conjuntos de datos proxy espaciales para distribuir las emisiones en el área de un país en función de factores espaciales relevantes, como la densidad de población y el uso de la tierra. + methodology_url: https://edgar.jrc.ec.europa.eu/dataset_ghg70#intro + transformation_description: + en: Utilizing the central latitude and longitude coordinates of the grid, the assignment of the corresponding city locode is performed. Following identification, the aggregation of all the grid cells within the city boundary ensues to derive the total sector emissions. In instances where the grid extends beyond the city limits, the proportional fraction is calculated, and that specific emission fraction is assigned to the respective city. + es: Utilizando las coordenadas centrales de latitud y longitud de la cuadrícula, se realiza la asignación del código local de la ciudad correspondiente. Después de la identificación, se agregan todas las celdas de la cuadrícula dentro de los límites de la ciudad para derivar las emisiones totales del sector. En los casos en que la red se extiende más allá de los límites de la ciudad, se calcula la fracción proporcional y esa fracción de emisión específica se asigna a la ciudad respectiva. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/edgar/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.3.1 + scope: 1 +- + datasource_id: 9e7138c0-510a-3f17-9464-c245842d9862 + publisher_id: EDGAR + datasource_name: Emissions Database for Global Atmospheric Research + dataset_name: + en: Estimated emissions from on-road transportation (No Resuspension) + es: Emisiones estimadas del transporte por carretera (sin resuspensión) + dataset_description: + en: Grid cell estimates of GHG emissions from road transportation, employing a standardized method utilizing technology-based emission factors and spatial allocation through a grid system, considering country-specific activity data and relevant spatial factors. + es: Estimaciones de celdas de cuadrícula de las emisiones de GEI del transporte por carretera, empleando un método estandarizado que utiliza factores de emisión basados en tecnología y asignación espacial a través de un sistema de cuadrícula, considerando datos de actividad específicos de cada país y factores espaciales relevantes. + source_type: third_party + access_type: globalapi + dataset_url: https://joint-research-centre.ec.europa.eu/index_en + geographical_location: EARTH + start_year: 2021 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: 0.1 degree + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The emission calculation method utilizes a standardized approach across all countries, employing technology-based emission factors to estimate annual emissions for each compound and sector. This involves multiplying country-specific activity data with the mix of technologies and their associated abatement measures, considering both emission factors and reductions due to installed abatement measures. Spatial allocation of emissions is achieved through a grid system, utilizing geographical databases and spatial proxy datasets to distribute emissions across a country's area based on relevant spatial factors such as population density and land use. + es: El método de cálculo de emisiones utiliza un enfoque estandarizado en todos los países, empleando factores de emisión basados en tecnología para estimar las emisiones anuales de cada compuesto y sector. Esto implica multiplicar los datos de actividad específicos de cada país con la combinación de tecnologías y sus medidas de mitigación asociadas, considerando tanto los factores de emisión como las reducciones debidas a las medidas de mitigación instaladas. La asignación espacial de las emisiones se logra a través de un sistema de cuadrícula, que utiliza bases de datos geográficas y conjuntos de datos proxy espaciales para distribuir las emisiones en el área de un país en función de factores espaciales relevantes, como la densidad de población y el uso de la tierra. + methodology_url: https://edgar.jrc.ec.europa.eu/dataset_ghg70#intro + transformation_description: + en: Utilizing the central latitude and longitude coordinates of the grid, the assignment of the corresponding city locode is performed. Following identification, the aggregation of all the grid cells within the city boundary ensues to derive the total sector emissions. In instances where the grid extends beyond the city limits, the proportional fraction is calculated, and that specific emission fraction is assigned to the respective city. + es: Utilizando las coordenadas centrales de latitud y longitud de la cuadrícula, se realiza la asignación del código local de la ciudad correspondiente. Después de la identificación, se agregan todas las celdas de la cuadrícula dentro de los límites de la ciudad para derivar las emisiones totales del sector. En los casos en que la red se extiende más allá de los límites de la ciudad, se calcula la fracción proporcional y esa fracción de emisión específica se asigna a la ciudad respectiva. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/edgar/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.1.1 + scope: 1 +- + datasource_id: 66403f84-41cf-4c24-8dd8-ae980e8ad687 + publisher_id: DEIE Mendoza + datasource_name: Dirección de Estadísticas e Investigaciones Económicas Gobierno Mendoza + dataset_name: + en: Residential buildings electricity consumption in Mendoza cities + es: Consumo de energía eléctrica por edificios residenciales en ciudades de Mendoza + dataset_description: + en: Electric energy users by tariff category, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) + es: Usuarios de energía eléctrica por categoría tarifaria, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por el EPRE (Ente Regulador Eléctrico Provincial) + source_type: third_party + access_type: public + dataset_url: https://deie.mendoza.gov.ar/#!/ + geographical_location: AR + start_year: 2013 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The Directorate of Statistics and Economic Research is a public technical organization that coordinates the statistical activities carried out in the territory of the province of Mendoza. One of its objectives is to collect and systematize relevant economic data of the territory. + es: La Dirección de Estadística e Investigaciones Económicas es un organismo técnico público que coordina las actividades estadísticas que se realizan en el territorio de la provincia de Mendoza. Uno de sus objetivos es recopilar y sistematizar datos económicos relevantes del territorio. + methodology_url: https://deie.mendoza.gov.ar/#!/ + transformation_description: + en: Emissions data calculated using the grid energy consumption methodology according to the type of user, manual assignment of the corresponding GPC subsector was carried out and IPCC 2006 emission factors for Argentina were applied. + es: Datos de emisiones calculados mediante la metodología de consumo de energía de red según el tipo de usuario, se realizó la asignación manual del subsector del GPC correspondiente y se aplicaron factores de emisión del IPCC 2006 para Argentina. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/deie_mendoza/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.1.2 + scope: 2 +- + datasource_id: ef052fea-4b6c-4421-8911-c31e01f0cc89 + publisher_id: DEIE Mendoza + datasource_name: Direccion de Estadisticas e Investigaciones Economicas Gobierno Mendoza + dataset_name: + en: Commercial buildings electricity consumption in Mendoza cities + es: Consumo de energía eléctrica por edificios comerciales en ciudades de Mendoza +dataset_description: + en: Electric energy users by tariff category, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) + es: Usuarios de energía eléctrica por categoría tarifaria, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por el EPRE (Ente Regulador Eléctrico Provincial) + source_type: third_party + access_type: public + dataset_url: https://deie.mendoza.gov.ar/#!/ + geographical_location: AR + start_year: 2013 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The Directorate of Statistics and Economic Research is a public technical organization that coordinates the statistical activities carried out in the territory of the province of Mendoza. One of its objectives is to collect and systematize relevant economic data of the territory. + es: La Dirección de Estadística e Investigaciones Económicas es un organismo técnico público que coordina las actividades estadísticas que se realizan en el territorio de la provincia de Mendoza. Uno de sus objetivos es recopilar y sistematizar datos económicos relevantes del territorio. + methodology_url: https://deie.mendoza.gov.ar/#!/ + transformation_description: + en: Emissions data calculated using the grid energy consumption methodology according to the type of user, manual assignment of the corresponding GPC subsector was carried out and IPCC 2006 emission factors for Argentina were applied. + es: Datos de emisiones calculados mediante la metodología de consumo de energía de red según el tipo de usuario, se realizó la asignación manual del subsector del GPC correspondiente y se aplicaron factores de emisión del IPCC 2006 para Argentina. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/deie_mendoza/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.2.2 + scope: 2 +- + datasource_id: 56eab4cc-b26e-44a6-b9ac-65815736b6f0 + publisher_id: DEIE Mendoza + datasource_name: Direccion de Estadisticas e Investigaciones Economicas Gobierno Mendoza + dataset_name: + en: Agriculture activities electricity consumption in Mendoza cities + es: Consumo de energía eléctrica por actividades agrícolas en ciudades de Mendoza + dataset_description: + en: Electric energy users by tariff category, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) + es: Usuarios de energía eléctrica por categoría tarifaria, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por el EPRE (Ente Regulador Eléctrico Provincial) + source_type: third_party + access_type: public + dataset_url: https://deie.mendoza.gov.ar/#!/ + geographical_location: AR + start_year: 2013 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The Directorate of Statistics and Economic Research is a public technical organization that coordinates the statistical activities carried out in the territory of the province of Mendoza. One of its objectives is to collect and systematize relevant economic data of the territory. + es: La Dirección de Estadística e Investigaciones Económicas es un organismo técnico público que coordina las actividades estadísticas que se realizan en el territorio de la provincia de Mendoza. Uno de sus objetivos es recopilar y sistematizar datos económicos relevantes del territorio. + methodology_url: https://deie.mendoza.gov.ar/#!/ + transformation_description: + en: Emissions data calculated using the grid energy consumption methodology according to the type of user, manual assignment of the corresponding GPC subsector was carried out and IPCC 2006 emission factors for Argentina were applied. + es: Datos de emisiones calculados mediante la metodología de consumo de energía de red según el tipo de usuario, se realizó la asignación manual del subsector del GPC correspondiente y se aplicaron factores de emisión del IPCC 2006 para Argentina. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/deie_mendoza/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.5.2 + scope: 2 +- + datasource_id: ba4e85e8-8292-4a5d-93a7-2cec57e7dee7 + publisher_id: DEIE Mendoza + datasource_name: Direccion de Estadisticas e Investigaciones Economicas Gobierno Mendoza + dataset_name: + en: Manufactoring industries and construction electricity consumption in Mendoza cities + es: Consumo de energía eléctrica por industrias manufactureras y de construcción en ciudades de Mendoza + dataset_description: + en: Electric energy users by tariff category, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) + es: Usuarios de energía eléctrica por categoría tarifaria, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por el EPRE (Ente Regulador Eléctrico Provincial) + source_type: third_party + access_type: public + dataset_url: https://deie.mendoza.gov.ar/#!/ + geographical_location: AR + start_year: 2013 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The Directorate of Statistics and Economic Research is a public technical organization that coordinates the statistical activities carried out in the territory of the province of Mendoza. One of its objectives is to collect and systematize relevant economic data of the territory. + es: La Dirección de Estadística e Investigaciones Económicas es un organismo técnico público que coordina las actividades estadísticas que se realizan en el territorio de la provincia de Mendoza. Uno de sus objetivos es recopilar y sistematizar datos económicos relevantes del territorio. + methodology_url: https://deie.mendoza.gov.ar/#!/ + transformation_description: + en: Emissions data calculated using the grid energy consumption methodology according to the type of user, manual assignment of the corresponding GPC subsector was carried out and IPCC 2006 emission factors for Argentina were applied. + es: Datos de emisiones calculados mediante la metodología de consumo de energía de red según el tipo de usuario, se realizó la asignación manual del subsector del GPC correspondiente y se aplicaron factores de emisión del IPCC 2006 para Argentina. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/deie_mendoza/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.3.2 + scope: 2 +- + datasource_id: ff4c21b4-574b-4f4d-bd19-7d3f9dda9093 + publisher_id: DEIE Mendoza + datasource_name: Direccion de Estadisticas e Investigaciones Economicas Gobierno Mendoza + dataset_name: + en: Natural gas consumption by residential buildings in Mendoza cities + es: Consumo de gas natural por edificios comerciales en las ciudades en Mendoza + dataset_description: + en: Gas distributed by type of user, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) + es: Gas distribuido por tipo de usuario, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por EPRE (Ente Regulador Eléctrico Provincial) + source_type: third_party + access_type: public + dataset_url: https://deie.mendoza.gov.ar/#!/ + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The Directorate of Statistics and Economic Research is a public technical organization that coordinates the statistical activities carried out in the territory of the province of Mendoza. One of its objectives is to collect and systematize relevant economic data of the territory. + es: La Dirección de Estadística e Investigaciones Económicas es un organismo técnico público que coordina las actividades estadísticas que se realizan en el territorio de la provincia de Mendoza. Uno de sus objetivos es recopilar y sistematizar datos económicos relevantes del territorio. + methodology_url: https://deie.mendoza.gov.ar/#!/ + transformation_description: + en: Emissions data calculated for natural gas consumption using the fuel sales methodology for residential buildings proposed by GPC. Besides, GPC subsector was assign and emission factors by IPCC 2006 for Argentina were applied. + es: Datos de emisiones calculados para el consumo de gas natural utilizando la metodología de venta de combustible para edificios residenciales propuesta por GPC. Además, se asignó el subsector GPC y se aplicaron los factores de emisión del IPCC 2006 para Argentina. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/deie_mendoza/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.1.1 + scope: 1 +- + datasource_id: ae849774-309e-4091-8461-1be91db5a958 + publisher_id: DEIE Mendoza + datasource_name: Direccion de Estadisticas e Investigaciones Economicas Gobierno Mendoza + dataset_name: + en: Natural Gas consumption by Commercial Buildings in Mendoza cities + es: Consumo de gas natural por edificios comerciales en ciudades de Mendoza + dataset_description: + en: Gas distributed by type of user, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) + es: Gas distribuido por tipo de usuario, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por EPRE (Ente Regulador Eléctrico Provincial) + source_type: third_party + access_type: public + dataset_url: https://deie.mendoza.gov.ar/#!/ + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The Directorate of Statistics and Economic Research is a public technical organization that coordinates the statistical activities carried out in the territory of the province of Mendoza. One of its objectives is to collect and systematize relevant economic data of the territory. + es: La Dirección de Estadística e Investigaciones Económicas es un organismo técnico público que coordina las actividades estadísticas que se realizan en el territorio de la provincia de Mendoza. Uno de sus objetivos es recopilar y sistematizar datos económicos relevantes del territorio. + methodology_url: https://deie.mendoza.gov.ar/#!/ + transformation_description: + en: Emissions data calculated for natural gas consumption using the fuel sales methodology for residential buildings proposed by GPC. Besides, GPC subsector was assign and emission factors by IPCC 2006 for Argentina were applied. + es: Datos de emisiones calculados para el consumo de gas natural utilizando la metodología de venta de combustible para edificios residenciales propuesta por GPC. Además, se asignó el subsector GPC y se aplicaron los factores de emisión del IPCC 2006 para Argentina. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/deie_mendoza/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.2.1 + scope: 1 +- + datasource_id: 70f80ab9-622a-4665-8176-e4e21bf9a634 + publisher_id: DEIE Mendoza + datasource_name: Direccion de Estadisticas e Investigaciones Economicas Gobierno Mendoza + dataset_name: + en: Natural Gas consumption by Manufactoring Industries and Construction in Mendoza cities + es: Consumo de gas natural por industrias manufactureras y de construcción en ciudades de Mendoza + dataset_description: + en: Gas distributed by type of user, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) + es: Gas distribuido por tipo de usuario, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por EPRE (Ente Regulador Eléctrico Provincial) + source_type: third_party + access_type: public + dataset_url: https://deie.mendoza.gov.ar/#!/ + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The Directorate of Statistics and Economic Research is a public technical organization that coordinates the statistical activities carried out in the territory of the province of Mendoza. One of its objectives is to collect and systematize relevant economic data of the territory. + es: La Dirección de Estadística e Investigaciones Económicas es un organismo técnico público que coordina las actividades estadísticas que se realizan en el territorio de la provincia de Mendoza. Uno de sus objetivos es recopilar y sistematizar datos económicos relevantes del territorio. + methodology_url: https://deie.mendoza.gov.ar/#!/ + transformation_description: + en: Emissions data calculated for natural gas consumption using the fuel sales methodology for residential buildings proposed by GPC. Besides, GPC subsector was assign and emission factors by IPCC 2006 for Argentina were applied. + es: Datos de emisiones calculados para el consumo de gas natural utilizando la metodología de venta de combustible para edificios residenciales propuesta por GPC. Además, se asignó el subsector GPC y se aplicaron los factores de emisión del IPCC 2006 para Argentina. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/deie_mendoza/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.3.1 + scope: 1 +- + datasource_id: de8dc6b3-6c78-4fc7-9b4a-df24a2326634 + publisher_id: Google EIE + datasource_name: Google Environmental Insights Explorer + dataset_name: + en: On-road transportation estimated emissions + es: Estimación de emisiones por transporte en carretera + dataset_description: + en: Estimation of On-road transportation emissions per kilometer traveled and number of trips reported by Google EIE + es: Estimación de emisiones del transporte en carretera por kilómetro recorrido y número de viajes reportados por Google EIE + source_type: third_party + access_type: private + dataset_url: https://insights.sustainability.google/ + geographical_location: EARTH + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: Google Maps utilizes user trip data to deduce city traffic, travel modes, and distances traveled. This is then paired with vehicle types and average fuel consumption estimates for each mode + es: Google Maps utiliza datos de viajes de los usuarios para deducir el tráfico de la ciudad, los modos de viaje y las distancias recorridas. Luego, esto se combina con los tipos de vehículos y las estimaciones de consumo promedio de combustible para cada modo. + methodology_url: https://insights.sustainability.google/ + transformation_description: + en: Adaptation of the raw format to the scheme required by the GPC, renaming of variables and assignment of the GPC reference number + es: Adaptación del crudo formato al esquema requerido por el GPC, renombramiento de variables y asignación del número de referencia del GPC + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/Google EIE/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.1.1 + scope: 1 +- + datasource_id: fdf77b4a-5fb8-4b33-92b5-07b92f839c9b + publisher_id: Carbon Monitor + datasource_name: Carbon Monitor Cities + dataset_name: + en: Estimation of residential energy emissions + es: + dataset_description: Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. + en: + es: + source_type: third_party + access_type: public + dataset_url: https://carbonmonitor.org/ + geographical_location: EARTH + start_year: 2019 + end_year: 2021 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. + en: + es: + methodology_url: https://carbonmonitor.org/ + transformation_description: + en: Emissions data are matched to cities by name and ISO code for the region + es: Los datos de emisiones fueron relacionados con las ciudades por nombre y código ISO de la región + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/Carbon Monitor Cities/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: I.1.1 + scope: 1 +- + datasource_id: e2143a90-0e5f-48fa-9a1d-85505f90b95f + publisher_id: Carbon Monitor + datasource_name: Carbon Monitor Cities + dataset_name: Carbon Monitor Cities On-Road Transportation + en: + es: + dataset_description: Estimation of on-road transportation emissions from Carbon Monitor. Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. + en: + es: + source_type: third_party + access_type: public + dataset_url: https://carbonmonitor.org/ + geographical_location: EARTH + start_year: 2019 + end_year: 2021 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. + en: + es: + methodology_url: https://carbonmonitor.org/ + transformation_description: + en: Emissions data are matched to cities by name and ISO code for the region + es: Los datos de emisiones fueron relacionados con las ciudades por nombre y código ISO de la región + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/Carbon Monitor Cities/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.1.1 + scope: 1 +- + datasource_id: 1007a979-3c3c-4115-b61a-c85e3e39b165 + publisher_id: Carbon Monitor + datasource_name: Carbon Monitor Cities + dataset_name: Carbon Monitor Cities Aviation + en: + es: + dataset_description: Estimation of aviation emissions from Carbon Monitor. Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. + en: + es: + source_type: third_party + access_type: public + dataset_url: https://carbonmonitor.org/ + geographical_location: EARTH + start_year: 2019 + end_year: 2021 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: city + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. + en: + es: + methodology_url: https://carbonmonitor.org/ + transformation_description: + en: Emissions data are matched to cities by name and ISO code for the region + es: Los datos de emisiones fueron relacionados con las ciudades por nombre y código ISO de la región + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/Carbon Monitor Cities/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.4.3 + scope: 3 +- + datasource_id: c0ef94f0-5ecf-45bc-9e3e-f273396b101d + publisher_id: EDGAR + datasource_name: Emissions Database for Global Atmospheric Research + dataset_name: Aviation Estimated Emissions + en: Estimated emissions for aviation + es: Emisiones estimadas para aviación + dataset_description: + en: Grid cell estimates of GHG emissions for aviation, employing a standardized method utilizing technology-based emission factors and spatial allocation through a grid system, considering country-specific activity data and relevant spatial factors. + es: Estimaciones de celdas de cuadrícula de las emisiones de GEI provenientes de aviación, empleando un método estandarizado que utiliza factores de emisión basados en tecnología y asignación espacial a través de un sistema de cuadrícula, considerando datos de actividad específicos de cada país y factores espaciales relevantes. + source_type: Third-party + access_type: globalapi + dataset_url: https://joint-research-centre.ec.europa.eu/index_en + geographical_location: EARTH + start_year: 2021 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: 0.1 degree + language: en + accessibility: + data_quality: medium + notes: + units: kg + methodology_description: + en: The emission calculation method utilizes a standardized approach across all countries, employing technology-based emission factors to estimate annual emissions for each compound and sector. This involves multiplying country-specific activity data with the mix of technologies and their associated abatement measures, considering both emission factors and reductions due to installed abatement measures. Spatial allocation of emissions is achieved through a grid system, utilizing geographical databases and spatial proxy datasets to distribute emissions across a country's area based on relevant spatial factors such as population density and land use. + es: El método de cálculo de emisiones utiliza un enfoque estandarizado en todos los países, empleando factores de emisión basados en tecnología para estimar las emisiones anuales de cada compuesto y sector. Esto implica multiplicar los datos de actividad específicos de cada país con la combinación de tecnologías y sus medidas de mitigación asociadas, considerando tanto los factores de emisión como las reducciones debidas a las medidas de mitigación instaladas. La asignación espacial de las emisiones se logra a través de un sistema de cuadrícula, que utiliza bases de datos geográficas y conjuntos de datos proxy espaciales para distribuir las emisiones en el área de un país en función de factores espaciales relevantes, como la densidad de población y el uso de la tierra. + methodology_url: https://edgar.jrc.ec.europa.eu/dataset_ghg70#intro + transformation_description: + en: Utilizing the central latitude and longitude coordinates of the grid, the assignment of the corresponding city locode is performed. Following identification, the aggregation of all the grid cells within the city boundary ensues to derive the total sector emissions. In instances where the grid extends beyond the city limits, the proportional fraction is calculated, and that specific emission fraction is assigned to the respective city. + es: Utilizando las coordenadas centrales de latitud y longitud de la cuadrícula, se realiza la asignación del código local de la ciudad correspondiente. Después de la identificación, se agregan todas las celdas de la cuadrícula dentro de los límites de la ciudad para derivar las emisiones totales del sector. En los casos en que la red se extiende más allá de los límites de la ciudad, se calcula la fracción proporcional y esa fracción de emisión específica se asigna a la ciudad respectiva. + retrieval_method: global_api + api_endpoint: https://ccglobal.openearth.dev/api/v0/edgar/city/:locode/:year/:gpcReferenceNumber + gpc_reference_number: II.4.3 + scope: 3 +- + datasource_id: 492537be-6eca-4508-ba27-ea6c7c42b019 + publisher_id: BEN + datasource_name: Balances Energéticos Nacionales + dataset_name: + en: National energy balances for residential buildings for Argentina + es: Balances energéticos nacionales para edificios residenciales en Argentina + dataset_description: + en: The BEN summarizes the information related to the production, import, export, transformation and consumption of energy in Argentina, being the main statistical instrument for national energy planning. The fuels included are LPG, kerosene, firewood charcoal. + es: Ben resume la información reacionada con la producción, importación, exportación, transformación y consumo de energía en Argentina, siendo el principal instrumento estadístico nacional para la planificación energética. Los combustibles incluídos son LGP, keroseno, carbón de leña. + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar/dataset/balances-energeticos + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: country + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The BEN is a methodology that analyzes and records energy flows throughout different events, from its production to its final consumption, in a national territory during a specific year. The physical flows of energy are converted into caloric flows in order to compare different sources, using the calorific values of the different fuel sources and expressing them in Tons of Oil Equivalent (TEP). + es: Ben es una metodolodía que analiza y registra los flujos energéticos a través de diferentes eventos, desde su producción hasta el consumo final, en el territorio nacional durante un año específico. El flujo físico energético es convertido en flujos caloricos con el fin de comparar diferentes fuentes, usando el valor calorico de las diferentes fuentes de combustible y expresarlos en toneladas de petróleo equivalente (TEP). + methodology_url: https://www.energia.gob.ar/contenidos/archivos/Reorganizacion/informacion_del_mercado/publicaciones/energia_en_gral/balances_2021/sintesisbalancesenergeticos2021v1.pdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/BEN/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.1.1 + scope: 1 +- + datasource_id: 38918e8a-bb0a-466a-91c7-d085c8e26992 + publisher_id: BEN + datasource_name: Balances Energéticos Nacionales + dataset_name: + en: National energy balances for commercial buildings for Argentina + es: Balances energéticos nacionales para edificios comerciales en Argentina + dataset_description: + en: The BEN summarizes the information related to the production, import, export, transformation and consumption of energy in Argentina, being the main statistical instrument for national energy planning. The fuels included are LPG, kerosene, firewood charcoal. + es: Ben resume la información reacionada con la producción, importación, exportación, transformación y consumo de energía en Argentina, siendo el principal instrumento estadístico nacional para la planificación energética. Los combustibles incluídos son LGP, keroseno, carbón de leña. + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar/dataset/balances-energeticos + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: country + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The BEN is a methodology that analyzes and records energy flows throughout different events, from its production to its final consumption, in a national territory during a specific year. The physical flows of energy are converted into caloric flows in order to compare different sources, using the calorific values of the different fuel sources and expressing them in Tons of Oil Equivalent (TEP). + es: Ben es una metodolodía que analiza y registra los flujos energéticos a través de diferentes eventos, desde su producción hasta el consumo final, en el territorio nacional durante un año específico. El flujo físico energético es convertido en flujos caloricos con el fin de comparar diferentes fuentes, usando el valor calorico de las diferentes fuentes de combustible y expresarlos en toneladas de petróleo equivalente (TEP). + methodology_url: https://www.energia.gob.ar/contenidos/archivos/Reorganizacion/informacion_del_mercado/publicaciones/energia_en_gral/balances_2021/sintesisbalancesenergeticos2021v1.pdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/BEN/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.2.1 + scope: 1 +- + datasource_id: 8bff6600-e3b3-4d1c-85b7-f1aa2edbc1f3 + publisher_id: BEN + datasource_name: Balances Energéticos Nacionales + dataset_name: + en: National energy balances for agriculture activities for Argentina + es: Balances energéticos nacionales para actividades agrícolas en Argentina + dataset_description: + en: The BEN summarizes the information related to the production, import, export, transformation and consumption of energy in Argentina, being the main statistical instrument for national energy planning. The fuels included are LPG, kerosene, firewood charcoal. + es: Ben resume la información reacionada con la producción, importación, exportación, transformación y consumo de energía en Argentina, siendo el principal instrumento estadístico nacional para la planificación energética. Los combustibles incluídos son LGP, keroseno, carbón de leña. + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar/dataset/balances-energeticos + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: country + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The BEN is a methodology that analyzes and records energy flows throughout different events, from its production to its final consumption, in a national territory during a specific year. The physical flows of energy are converted into caloric flows in order to compare different sources, using the calorific values of the different fuel sources and expressing them in Tons of Oil Equivalent (TEP). + es: Ben es una metodolodía que analiza y registra los flujos energéticos a través de diferentes eventos, desde su producción hasta el consumo final, en el territorio nacional durante un año específico. El flujo físico energético es convertido en flujos caloricos con el fin de comparar diferentes fuentes, usando el valor calorico de las diferentes fuentes de combustible y expresarlos en toneladas de petróleo equivalente (TEP). + methodology_url: https://www.energia.gob.ar/contenidos/archivos/Reorganizacion/informacion_del_mercado/publicaciones/energia_en_gral/balances_2021/sintesisbalancesenergeticos2021v1.pdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/BEN/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.5.1 + scope: 1 +- + datasource_id: 059c5cb5-98d4-4b7f-a1c2-9e94756365a4 + publisher_id: BEN + datasource_name: Balances Energéticos Nacionales + dataset_name: + en: National energy balances for manufacturing industries and construction for Argentina + es: Balances energéticos nacionales para industrias manufactureras y de construcción en Argentina + dataset_description: + en: The BEN summarizes the information related to the production, import, export, transformation and consumption of energy in Argentina, being the main statistical instrument for national energy planning. The fuels included are LPG, kerosene, firewood charcoal. + es: Ben resume la información reacionada con la producción, importación, exportación, transformación y consumo de energía en Argentina, siendo el principal instrumento estadístico nacional para la planificación energética. Los combustibles incluídos son LGP, keroseno, carbón de leña. + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar/dataset/balances-energeticos + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: country + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The BEN is a methodology that analyzes and records energy flows throughout different events, from its production to its final consumption, in a national territory during a specific year. The physical flows of energy are converted into caloric flows in order to compare different sources, using the calorific values of the different fuel sources and expressing them in Tons of Oil Equivalent (TEP). + es: Ben es una metodolodía que analiza y registra los flujos energéticos a través de diferentes eventos, desde su producción hasta el consumo final, en el territorio nacional durante un año específico. El flujo físico energético es convertido en flujos caloricos con el fin de comparar diferentes fuentes, usando el valor calorico de las diferentes fuentes de combustible y expresarlos en toneladas de petróleo equivalente (TEP). + methodology_url: https://www.energia.gob.ar/contenidos/archivos/Reorganizacion/informacion_del_mercado/publicaciones/energia_en_gral/balances_2021/sintesisbalancesenergeticos2021v1.pdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/BEN/country/:country/:year/:gpcReferenceNumber + gpc_reference_number: I.3.1 + scope: 1 +- + datasource_id: 96bd45c8-259b-4e41-89f1-cd4e2dbff959 + publisher_id: ENARGAS + datasource_name: Entidad Nacional Regulatoria de Gas + dataset_name: + en: Province gas consumption data of natural gas by residential buildings in Argentina + es: Datos provinciales de consumo de gas natural por edificios residenciales en Argentina + dataset_description: + en: Volume of gas delivered by the Distributors in each province per end user + es: Volumne de gas entregado por los distribuidores en cada provincia por usuario final + source_type: Third-party + access_type: Public + dataset_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/datos-operativos-subsec.php?sec=1&subsec=10&subsecord=10 + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The source recorded the data utilized in the table I-7 of the Operational Data, it contains information on the distribution service licensees. This table includes the so-called "commercial by pass", or gas delivered on behalf of third parties. + es: La fuente registra los datos utilizados en la tabla I-7 de Datos Operativos, contiene información de las licencias de servicio de distribución. Esta tabla incluye el llamado "pase comercial", o gas entregado + methodology_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/glosario.pdfdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/ENARGAS/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: I.1.1 + scope: 1 +- + datasource_id: 775c21ad-d203-4fd6-bdbd-a778a7cac07e + publisher_id: ENARGAS + datasource_name: Entidad Nacional Regulatoria de Gas + dataset_name: + en: Province gas consumption data of natural gas by commercial buildings in Argentina + es: Datos provinciales de consumo de gas natural por edificios comerciales en Argentina + dataset_description: + en: Volume of gas delivered by the Distributors in each province per end user + es: Volumne de gas entregado por los distribuidores en cada provincia por usuario final + source_type: Third-party + access_type: Public + dataset_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/datos-operativos-subsec.php?sec=1&subsec=10&subsecord=10 + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The source recorded the data utilized in the table I-7 of the Operational Data, it contains information on the distribution service licensees. This table includes the so-called "commercial by pass", or gas delivered on behalf of third parties. + es: La fuente registra los datos utilizados en la tabla I-7 de Datos Operativos, contiene información de las licencias de servicio de distribución. Esta tabla incluye el llamado "pase comercial", o gas entregado + methodology_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/glosario.pdfdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/ENARGAS/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: I.2.1 + scope: 1 +- + datasource_id: 04ee4655-5d9a-4778-a6e4-4ed15052a8a5 + publisher_id: ENARGAS + datasource_name: Entidad Nacional Regulatoria de Gas + dataset_name: + en: Province gas consumption data of natural gas by manufacturing industries and construction in Argentina + es: Datos provinciales de consumo de gas natural por industrias manufactureras y de construcción en Argentina + dataset_description: + en: Volume of gas delivered by the Distributors in each province per end user + es: Volumne de gas entregado por los distribuidores en cada provincia por usuario final + source_type: Third-party + access_type: Public + dataset_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/datos-operativos-subsec.php?sec=1&subsec=10&subsecord=10 + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The source recorded the data utilized in the table I-7 of the Operational Data, it contains information on the distribution service licensees. This table includes the so-called "commercial by pass", or gas delivered on behalf of third parties. + es: La fuente registra los datos utilizados en la tabla I-7 de Datos Operativos, contiene información de las licencias de servicio de distribución. Esta tabla incluye el llamado "pase comercial", o gas entregado + methodology_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/glosario.pdfdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/ENARGAS/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: I.3.1 + scope: 1 +- + datasource_id: 75ac9523-3079-4fd7-8d2e-9547f2eda010 + publisher_id: ENARGAS + datasource_name: Entidad Nacional Regulatoria de Gas + dataset_name: + en: Province gas consumption data of natural gas by on-road transportation in Argentina + es: Datos provinciales de consumo de gas natural por transporte en carretera en Argentina + dataset_description: + en: Volume of gas delivered by the Distributors in each province per end user + es: Volumne de gas entregado por los distribuidores en cada provincia por usuario final + source_type: Third-party + access_type: Public + dataset_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/datos-operativos-subsec.php?sec=1&subsec=10&subsecord=10 + geographical_location: AR + start_year: 2018 + end_year: 2022 + latest_accounting_year: 2022 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The source recorded the data utilized in the table I-7 of the Operational Data, it contains information on the distribution service licensees. This table includes the so-called "commercial by pass", or gas delivered on behalf of third parties. + es: La fuente registra los datos utilizados en la tabla I-7 de Datos Operativos, contiene información de las licencias de servicio de distribución. Esta tabla incluye el llamado "pase comercial", o gas entregado + methodology_url: https://www.enargas.gob.ar/secciones/transporte-y-distribucion/glosario.pdfdf + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/ENARGAS/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: II.1.1 + scope: 1 +- + datasource_id: cfb06d16-381a-4dfe-bf6c-53900950845a + publisher_id: SESCO + datasource_name: SESCO + dataset_name: + en: Fuel sales to manufacturing industries and construction in Argentina + es: Ventas de combustibles a industrias manufactureras y de construcción en Argentina + dataset_description: + en: Refining and Marketing of oil, gas and derivatives. Market Sales by sector and province reported by the Secretary of Energy, National Government + es: Refinación y Comercialización de petróleo, gas y derivados. Ventas del Mercado por sector y provincia reportadas por la Secretaría de Energía del Gobierno Nacional + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar + geographical_location: AR + start_year: 2010 + end_year: 2023 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: Accounting of market sales by the Undersecretary of Hydrocarbons + es: Contabilidad de ventas de mercado por parte de la Subsecretaria de Hidrocarburos + methodology_url: https://www.argentina.gob.ar/economia/energia/hidrocarburos/produccion-de-petroleo-y-gas + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/SESCO/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: I.3.1 + scope: 1 +- + datasource_id: 9bdb03c4-1fbb-40a7-becf-61262d1f488c + publisher_id: SESCO + datasource_name: SESCO + dataset_name: + en: Fuel sales to on-road transportation in Argentina + es: Ventas de combustibles a transporte en carretera en Argentina + dataset_description: + en: Refining and Marketing of oil, gas and derivatives. Market Sales by sector and province reported by the Secretary of Energy, National Government + es: Refinación y Comercialización de petróleo, gas y derivados. Ventas del Mercado por sector y provincia reportadas por la Secretaría de Energía del Gobierno Nacional + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar + geographical_location: AR + start_year: 2010 + end_year: 2023 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: Accounting of market sales by the Undersecretary of Hydrocarbons + es: Contabilidad de ventas de mercado por parte de la Subsecretaria de Hidrocarburos + methodology_url: https://www.argentina.gob.ar/economia/energia/hidrocarburos/produccion-de-petroleo-y-gas + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/SESCO/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: II.1.1 + scope: 1 +- + datasource_id: cf301691-f6db-4c69-90c6-5be062cf2454 + publisher_id: SESCO + datasource_name: SESCO + dataset_name: + en: Fuel sales to off-road transportation in Argentina + es: Ventas de combustibles a transporte fuera de carreteras en Argentina + dataset_description: + en: Refining and Marketing of oil, gas and derivatives. Market Sales by sector and province reported by the Secretary of Energy, National Government + es: Refinación y Comercialización de petróleo, gas y derivados. Ventas del Mercado por sector y provincia reportadas por la Secretaría de Energía del Gobierno Nacional + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar + geographical_location: AR + start_year: 2010 + end_year: 2023 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: Accounting of market sales by the Undersecretary of Hydrocarbons + es: Contabilidad de ventas de mercado por parte de la Subsecretaria de Hidrocarburos + methodology_url: https://www.argentina.gob.ar/economia/energia/hidrocarburos/produccion-de-petroleo-y-gas + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/SESCO/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: II.5.1 + scope: 1 +- + datasource_id: ef6d15ea-66a3-43c0-9a9a-fe8596ab6447 + publisher_id: SESCO + datasource_name: SESCO + dataset_name: + en: Fuel sales to railway transportation in Argentina + es: Ventas de combustibles a transporte ferroviario en Argentina + dataset_description: + en: Refining and Marketing of oil, gas and derivatives. Market Sales by sector and province reported by the Secretary of Energy, National Government + es: Refinación y Comercialización de petróleo, gas y derivados. Ventas del Mercado por sector y provincia reportadas por la Secretaría de Energía del Gobierno Nacional + source_type: Third-party + access_type: Public + dataset_url: http://datos.energia.gob.ar + geographical_location: AR + start_year: 2010 + end_year: 2023 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: Accounting of market sales by the Undersecretary of Hydrocarbons + es: Contabilidad de ventas de mercado por parte de la Subsecretaria de Hidrocarburos + methodology_url: https://www.argentina.gob.ar/economia/energia/hidrocarburos/produccion-de-petroleo-y-gas + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/SESCO/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: II.2.1 + scope: 1 +- + datasource_id: e81bb333-d0a0-4621-b15f-f6f0012c2a5e + publisher_id: cammesa + datasource_name: CAMMESA + dataset_name: + en: Annual electricity generation in power plants + es: Generación anual de electricidad en centrales eléctricas + dataset_description: + en: Local data of energy generation by power plants in Argentine provinces + es: Datos locales de generación de energía por centrales eléctricas en provincias argentinas + source_type: Third-party + access_type: Public + dataset_url: https://cammesaweb.cammesa.com/download/factor-de-emision/ + geographical_location: AR + start_year: 2020 + end_year: 2023 + latest_accounting_year: 2023 + frequency_of_update: annual + spatial_resolution: region + language: es + accessibility: + data_quality: high + notes: + units: kg + methodology_description: + en: The report contains the behavior of the main physical and economic variables of the MEM throughout the month of analysis and its comparison with previous months. Among the variables, electricity demand, energy supply, installed power, generation, fuel consumption, energy costs and prices stand out. + es: El informe contiene el comportamiento de las principales variables físicas y económicas del MEM a lo largo del mes de análisis y su comparación con meses anteriores; Entre las variables destacan la demanda eléctrica, la oferta de energía, la potencia instalada, la generación, el consumo de combustible, los costos y precios de la energía. + methodology_url: https://cammesaweb.cammesa.com/informes-y-estadisticas/ + transformation_description: + en: The nacional information is scaled-down at the city level using population as scaling factor, then the corresponding emission factor is applied according to the type of fuel. + es: La información nacional es escalada al nivel de la ciudad usando población como factor de escalamiento, luego los factores de emisión correspondientes son aplicados de acuerdo al tipo de combustible. + retrieval_method: global_api_downscaled_by_population + api_endpoint: https://ccglobal.openearth.dev/api/v0/source/CAMMESA/region/:region/:year/:gpcReferenceNumber + gpc_reference_number: I.4.4 + scope: 1 \ No newline at end of file diff --git a/global-api/importer/datasource_seeder/import_datasource_seeder.sql b/global-api/importer/datasource_seeder/import_datasource_seeder.sql index 27c66a554..b313432cc 100644 --- a/global-api/importer/datasource_seeder/import_datasource_seeder.sql +++ b/global-api/importer/datasource_seeder/import_datasource_seeder.sql @@ -9,7 +9,7 @@ TRUNCATE datasource_staging; /* Load the staging table from the transformed file */ -\copy datasource_staging (datasource_id,publisher_id,datasource_name,dataset_name,dataset_description,source_type,access_type,dataset_url,geographical_location,start_year,end_year,latest_accounting_year,frequency_of_update,spatial_resolution,language,accessibility,data_quality,notes,units,methodology_description,methodology_url,transformation_description,retrieval_method,api_endpoint,gpc_reference_number,scope) from 'datasource_seeder.csv' with CSV HEADER; +\copy datasource_staging (datasource_id,publisher_id,datasource_name,dataset_name,dataset_description,source_type,access_type,dataset_url,geographical_location,start_year,end_year,latest_accounting_year,frequency_of_update,spatial_resolution,language,accessibility,data_quality,notes,units,methodology_description,methodology_url,transformation_description,retrieval_method,api_endpoint,gpc_reference_number,scope) from 'datasource_seeder.yaml' with CSV HEADER; /* Update the main table with the staging table */ diff --git a/global-api/migrations/versions/77d1cb7b24df_allowing_other_languages.py b/global-api/migrations/versions/77d1cb7b24df_allowing_other_languages.py new file mode 100644 index 000000000..584bba995 --- /dev/null +++ b/global-api/migrations/versions/77d1cb7b24df_allowing_other_languages.py @@ -0,0 +1,44 @@ +"""allowing_other_languages + +Revision ID: 77d1cb7b24df +Revises: 949c5b9cc18d +Create Date: 2024-05-01 13:06:46.227806 + +""" +from typing import Sequence, Union + +from alembic import op +import sqlalchemy as sa +from sqlalchemy.dialects.postgresql import JSONB + +# revision identifiers, used by Alembic. +revision: str = '77d1cb7b24df' +down_revision: Union[str, None] = '949c5b9cc18d' +branch_labels: Union[str, Sequence[str], None] = None +depends_on: Union[str, Sequence[str], None] = None + +def upgrade(): + # Drop the old TEXT columns + op.drop_column('datasource', 'dataset_name') + op.drop_column('datasource', 'dataset_description') + op.drop_column('datasource', 'methodology_description') + op.drop_column('datasource', 'transformation_description') + + # Add the new jsonb columns with the original column names + op.add_column('datasource', sa.Column('dataset_name', JSONB, nullable=True)) + op.add_column('datasource', sa.Column('dataset_description', JSONB, nullable=True)) + op.add_column('datasource', sa.Column('methodology_description', JSONB, nullable=True)) + op.add_column('datasource', sa.Column('transformation_description', JSONB, nullable=True)) + +def downgrade(): + # Drop the new jsonb columns + op.drop_column('datasource', 'dataset_name') + op.drop_column('datasource', 'dataset_description') + op.drop_column('datasource', 'methodology_description') + op.drop_column('datasource', 'transformation_description') + + # Add back the old TEXT columns + op.add_column('datasource', sa.Column('dataset_name', sa.TEXT(), nullable=True)) + op.add_column('datasource', sa.Column('dataset_description', sa.Text(), nullable=True)) + op.add_column('datasource', sa.Column('methodology_description', sa.TEXT(), nullable=True)) + op.add_column('datasource', sa.Column('transformation_description', sa.TEXT(), nullable=True)) From d4821ddb24690c8f94ee4c897eb0380a2d8f56ce Mon Sep 17 00:00:00 2001 From: mfonsecaOEF Date: Thu, 23 May 2024 08:17:57 -0300 Subject: [PATCH 2/7] feat:jsonb_column_added --- ...c6541b9_change_text_to_jsonb_datasource.py | 42 +++++++++++++++++++ 1 file changed, 42 insertions(+) create mode 100644 global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py diff --git a/global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py b/global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py new file mode 100644 index 000000000..e00163ec0 --- /dev/null +++ b/global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py @@ -0,0 +1,42 @@ +"""change_text_to_jsonb_datasource + +Revision ID: fbc6cc6541b9 +Revises: 77d1cb7b24df +Create Date: 2024-05-22 08:44:41.670233 + +""" +from typing import Sequence, Union + +from alembic import op +import sqlalchemy as sa +from sqlalchemy.dialects import postgresql + +# revision identifiers, used by Alembic. +revision: str = 'fbc6cc6541b9' +down_revision: Union[str, None] = '77d1cb7b24df' +branch_labels: Union[str, Sequence[str], None] = None +depends_on: Union[str, Sequence[str], None] = None + + +def upgrade() -> None: + op.drop_column('datasource', 'dataset_name') + op.drop_column('datasource', 'dataset_description') + op.drop_column('datasource', 'methodology_description') + op.drop_column('datasource', 'transformation_description') + + op.add_column('datasource', sa.Column('dataset_name', postgresql.JSONB)) + op.add_column('datasource', sa.Column('dataset_description', postgresql.JSONB)) + op.add_column('datasource', sa.Column('methodology_description', postgresql.JSONB)) + op.add_column('datasource', sa.Column('transformation_description', postgresql.JSONB)) + + +def downgrade() -> None: + op.drop_column('datasource', 'dataset_name') + op.drop_column('datasource', 'dataset_description') + op.drop_column('datasource', 'methodology_description') + op.drop_column('datasource', 'transformation_description') + + op.add_column('datasource', sa.Column('dataset_name', sa.TEXT)) + op.add_column('datasource', sa.Column('dataset_description', sa.TEXT)) + op.add_column('datasource', sa.Column('methodology_description', sa.TEXT)) + op.add_column('datasource', sa.Column('transformation_description', sa.TEXT)) From 9f924e277c7540f5a88c7f1a765bcd2e57a2357e Mon Sep 17 00:00:00 2001 From: mfonsecaOEF Date: Thu, 23 May 2024 08:21:25 -0300 Subject: [PATCH 3/7] duplicate_file --- ...c6541b9_change_text_to_jsonb_datasource.py | 42 ------------------- 1 file changed, 42 deletions(-) delete mode 100644 global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py diff --git a/global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py b/global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py deleted file mode 100644 index e00163ec0..000000000 --- a/global-api/migrations/versions/fbc6cc6541b9_change_text_to_jsonb_datasource.py +++ /dev/null @@ -1,42 +0,0 @@ -"""change_text_to_jsonb_datasource - -Revision ID: fbc6cc6541b9 -Revises: 77d1cb7b24df -Create Date: 2024-05-22 08:44:41.670233 - -""" -from typing import Sequence, Union - -from alembic import op -import sqlalchemy as sa -from sqlalchemy.dialects import postgresql - -# revision identifiers, used by Alembic. -revision: str = 'fbc6cc6541b9' -down_revision: Union[str, None] = '77d1cb7b24df' -branch_labels: Union[str, Sequence[str], None] = None -depends_on: Union[str, Sequence[str], None] = None - - -def upgrade() -> None: - op.drop_column('datasource', 'dataset_name') - op.drop_column('datasource', 'dataset_description') - op.drop_column('datasource', 'methodology_description') - op.drop_column('datasource', 'transformation_description') - - op.add_column('datasource', sa.Column('dataset_name', postgresql.JSONB)) - op.add_column('datasource', sa.Column('dataset_description', postgresql.JSONB)) - op.add_column('datasource', sa.Column('methodology_description', postgresql.JSONB)) - op.add_column('datasource', sa.Column('transformation_description', postgresql.JSONB)) - - -def downgrade() -> None: - op.drop_column('datasource', 'dataset_name') - op.drop_column('datasource', 'dataset_description') - op.drop_column('datasource', 'methodology_description') - op.drop_column('datasource', 'transformation_description') - - op.add_column('datasource', sa.Column('dataset_name', sa.TEXT)) - op.add_column('datasource', sa.Column('dataset_description', sa.TEXT)) - op.add_column('datasource', sa.Column('methodology_description', sa.TEXT)) - op.add_column('datasource', sa.Column('transformation_description', sa.TEXT)) From 87d2912c837a2a5562b4ea8884e21029877a59cb Mon Sep 17 00:00:00 2001 From: Amanda Eames Date: Fri, 24 May 2024 08:33:14 -0300 Subject: [PATCH 4/7] updated import steps for yaml file --- global-api/import_argentiniandatasets.sh | 7 +- global-api/import_everything.sh | 7 +- .../importer/datasource_seeder/README.md | 3 +- .../datasource_seeder/datasource_seeder.yaml | 62 ++++----- .../datasource_seeder/import_dataseeder.py | 131 ++++++++++++++++++ 5 files changed, 170 insertions(+), 40 deletions(-) create mode 100644 global-api/importer/datasource_seeder/import_dataseeder.py diff --git a/global-api/import_argentiniandatasets.sh b/global-api/import_argentiniandatasets.sh index 9180d286c..5224ccea5 100755 --- a/global-api/import_argentiniandatasets.sh +++ b/global-api/import_argentiniandatasets.sh @@ -60,8 +60,7 @@ popd # Import datasources pushd importer/datasource_seeder -psql -h $CC_GLOBAL_API_DB_HOST \ - -U $CC_GLOBAL_API_DB_USER \ - -d $CC_GLOBAL_API_DB_NAME \ - -f ./import_datasource_seeder.sql + +$python_cmd ./import_dataseeder.py --database_uri $DB_URI + popd \ No newline at end of file diff --git a/global-api/import_everything.sh b/global-api/import_everything.sh index 8303e3a52..4c0648664 100755 --- a/global-api/import_everything.sh +++ b/global-api/import_everything.sh @@ -126,10 +126,9 @@ popd # Import datasources pushd importer/datasource_seeder -psql -h $CC_GLOBAL_API_DB_HOST \ - -U $CC_GLOBAL_API_DB_USER \ - -d $CC_GLOBAL_API_DB_NAME \ - -f ./import_datasource_seeder.sql + +$python_cmd ./import_dataseeder.py --database_uri $DB_URI + popd diff --git a/global-api/importer/datasource_seeder/README.md b/global-api/importer/datasource_seeder/README.md index 1631f30cd..49bb701fb 100644 --- a/global-api/importer/datasource_seeder/README.md +++ b/global-api/importer/datasource_seeder/README.md @@ -6,8 +6,9 @@ This is a catalogue of datasources that are available for use by CityCatalyst. - `import_datasource_seeder.sql` imports the `datasource_seeder.csv` file into the database. It will update existing records and add new ones. You can run it like this: ```bash -psql -U ccglobal -d ccglobal -f import_datasource_seeder.sql +python3 import_dataseeder.py --database_uri postgresql://ccglobal:@localhost/ccglobal ``` + ## Datasource catalogue structure - `datasource_id`: unique UUID for the datasource diff --git a/global-api/importer/datasource_seeder/datasource_seeder.yaml b/global-api/importer/datasource_seeder/datasource_seeder.yaml index b2f893d97..c94398718 100644 --- a/global-api/importer/datasource_seeder/datasource_seeder.yaml +++ b/global-api/importer/datasource_seeder/datasource_seeder.yaml @@ -492,11 +492,11 @@ datasource_id: A284E16D-F04E-46C9-A977-8BDDD396F1FB publisher_id: IEA datasource_name: International Energy Agency - dataset_name: Residential grid energy consumption reported by the International Energy Agency - en: + dataset_name: + en: Residential grid energy consumption reported by the International Energy Agency es: - dataset_description: Residential contains all emissions from fuel combustion in households. This corresponds to IPCC Source/Sink Category 1 A 4 b. - en: + dataset_description: + en: Residential contains all emissions from fuel combustion in households. This corresponds to IPCC Source/Sink Category 1 A 4 b. es: source_type: third_party access_type: public @@ -516,8 +516,8 @@ en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf - transformation_description: 'A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Residential" as ''I.1.1''' - en: + transformation_description: + en: A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Residential" as ''I.1.1'' es: retrieval_method: global_api_downscaled_by_population api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber @@ -527,11 +527,11 @@ datasource_id: CAD04116-1B60-4290-A158-85F4B2BCED28 publisher_id: IEA datasource_name: International Energy Agency - dataset_name: Manufacturing industries and construction grid energy consumption reported by the International Energy Agency - en: + dataset_name: + en: Manufacturing industries and construction grid energy consumption reported by the International Energy Agency es: - dataset_description: Manufacturing and construction industries contribute to emissions through fuel combustion, classified under IPCC Source/Sink Category 1 A 2. The 2006 GLs include emissions from industry autoproducers generating electricity and/or heat in this category. IEA data lacks the specific end-use breakdown, resulting in unallocated autoproducers. - en: + dataset_description: + en: Manufacturing and construction industries contribute to emissions through fuel combustion, classified under IPCC Source/Sink Category 1 A 2. The 2006 GLs include emissions from industry autoproducers generating electricity and/or heat in this category. IEA data lacks the specific end-use breakdown, resulting in unallocated autoproducers. es: source_type: third_party access_type: public @@ -551,8 +551,8 @@ en: IEA calculates CO2 emissions from fuel combustion using a Tier 1 methodology. This approach is the simplest level of the IPCC's emission estimation methods, utilizing globally sourced default values and energy data without requiring country-specific details. To estimate emissions, average net calorific values are applied, which differ based on the type of oil or coal. es: La IEA calcula las emisiones de CO2 procedentes de la quema de combustible utilizando una metodología de Nivel 1. Este enfoque es el nivel más simple de los métodos de estimación de emisiones del IPCC, y utiliza valores predeterminados y datos energéticos de origen global sin requerir detalles específicos de cada país. Para estimar las emisiones se aplican valores caloríficos netos medios, que difieren según el tipo de petróleo o carbón. methodology_url: https://iea.blob.core.windows.net/assets/e6e332ed-24ab-4977-9ef9-cf3865934d63/Databasedocumentation2023Worldedition.pdf - transformation_description: 'A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Manufactoring Industries and Construction" as ''I.3.1''' - en: + transformation_description: + en: A reassignment of the categories proposed by IEA was carried out to consider some of the subsectors of the GPC. For this case, the reassignment was "Manufactoring Industries and Construction" as ''I.3.1'' es: retrieval_method: global_api_downscaled_by_population api_endpoint: https://ccglobal.openearth.dev/api/v0/source/IEA_energy/country/:country/:year/:gpcReferenceNumber @@ -1020,7 +1020,7 @@ dataset_name: en: Commercial buildings electricity consumption in Mendoza cities es: Consumo de energía eléctrica por edificios comerciales en ciudades de Mendoza -dataset_description: + dataset_description: en: Electric energy users by tariff category, according to year reported in the Directorate of Statistics and Economic Research based on data provided by EPRE (Provincial Electrical Regulatory Entity) es: Usuarios de energía eléctrica por categoría tarifaria, según año reportado en la Dirección de Estadística e Investigaciones Económicas con base en datos proporcionados por el EPRE (Ente Regulador Eléctrico Provincial) source_type: third_party @@ -1265,8 +1265,8 @@ dataset_description: dataset_name: en: Estimation of residential energy emissions es: - dataset_description: Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. - en: + dataset_description: + en: Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. es: source_type: third_party access_type: public @@ -1282,8 +1282,8 @@ dataset_description: data_quality: medium notes: units: kg - methodology_description: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. - en: + methodology_description: + en: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. es: methodology_url: https://carbonmonitor.org/ transformation_description: @@ -1297,11 +1297,11 @@ dataset_description: datasource_id: e2143a90-0e5f-48fa-9a1d-85505f90b95f publisher_id: Carbon Monitor datasource_name: Carbon Monitor Cities - dataset_name: Carbon Monitor Cities On-Road Transportation - en: + dataset_name: + en: Carbon Monitor Cities On-Road Transportation es: - dataset_description: Estimation of on-road transportation emissions from Carbon Monitor. Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. - en: + dataset_description: + en: Estimation of on-road transportation emissions from Carbon Monitor. Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. es: source_type: third_party access_type: public @@ -1317,8 +1317,8 @@ dataset_description: data_quality: medium notes: units: kg - methodology_description: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. - en: + methodology_description: + en: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. es: methodology_url: https://carbonmonitor.org/ transformation_description: @@ -1332,11 +1332,11 @@ dataset_description: datasource_id: 1007a979-3c3c-4115-b61a-c85e3e39b165 publisher_id: Carbon Monitor datasource_name: Carbon Monitor Cities - dataset_name: Carbon Monitor Cities Aviation - en: + dataset_name: + en: Carbon Monitor Cities Aviation es: - dataset_description: Estimation of aviation emissions from Carbon Monitor. Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. - en: + dataset_description: + en: Estimation of aviation emissions from Carbon Monitor. Carbon Monitor Cities is a global initiative to provide real-time and historical data on CO2 emissions from cities around the world. es: source_type: third_party access_type: public @@ -1352,8 +1352,8 @@ dataset_description: data_quality: medium notes: units: kg - methodology_description: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. - en: + methodology_description: + en: The data is based on satellite observations of CO2 concentrations and a data-driven model to estimate emissions. es: methodology_url: https://carbonmonitor.org/ transformation_description: @@ -1367,7 +1367,7 @@ dataset_description: datasource_id: c0ef94f0-5ecf-45bc-9e3e-f273396b101d publisher_id: EDGAR datasource_name: Emissions Database for Global Atmospheric Research - dataset_name: Aviation Estimated Emissions + dataset_name: en: Estimated emissions for aviation es: Emisiones estimadas para aviación dataset_description: @@ -1387,7 +1387,7 @@ dataset_description: data_quality: medium notes: units: kg - methodology_description: + methodology_description: en: The emission calculation method utilizes a standardized approach across all countries, employing technology-based emission factors to estimate annual emissions for each compound and sector. This involves multiplying country-specific activity data with the mix of technologies and their associated abatement measures, considering both emission factors and reductions due to installed abatement measures. Spatial allocation of emissions is achieved through a grid system, utilizing geographical databases and spatial proxy datasets to distribute emissions across a country's area based on relevant spatial factors such as population density and land use. es: El método de cálculo de emisiones utiliza un enfoque estandarizado en todos los países, empleando factores de emisión basados en tecnología para estimar las emisiones anuales de cada compuesto y sector. Esto implica multiplicar los datos de actividad específicos de cada país con la combinación de tecnologías y sus medidas de mitigación asociadas, considerando tanto los factores de emisión como las reducciones debidas a las medidas de mitigación instaladas. La asignación espacial de las emisiones se logra a través de un sistema de cuadrícula, que utiliza bases de datos geográficas y conjuntos de datos proxy espaciales para distribuir las emisiones en el área de un país en función de factores espaciales relevantes, como la densidad de población y el uso de la tierra. methodology_url: https://edgar.jrc.ec.europa.eu/dataset_ghg70#intro diff --git a/global-api/importer/datasource_seeder/import_dataseeder.py b/global-api/importer/datasource_seeder/import_dataseeder.py new file mode 100644 index 000000000..8170bcc0f --- /dev/null +++ b/global-api/importer/datasource_seeder/import_dataseeder.py @@ -0,0 +1,131 @@ +import yaml +import pandas as pd +from sqlalchemy import create_engine +import json +import argparse +import os +from sqlalchemy.sql import text + +if __name__ == "__main__": + parser = argparse.ArgumentParser() + parser.add_argument( + "--database_uri", + help="database URI (e.g. postgresql://ccglobal:@localhost/ccglobal)", + default=os.environ.get("DB_URI"), + ) + args = parser.parse_args() + + # Load YAML file into Python dictionary + with open('datasource_seeder.yaml', 'r') as file: + data_dict = yaml.safe_load(file) + + # Convert dictionary to DataFrame + df = pd.DataFrame.from_dict(data_dict) + + # Check if column contains dictionaries convert to json + for column in df.columns: + if df[column].apply(lambda x: isinstance(x, dict)).all(): + df[column] = df[column].apply(json.dumps) + + # Connect to PostgreSQL + engine = create_engine(args.database_uri) + + # Insert DataFrame into PostgreSQL table + df.to_sql('datasource_staging', engine, if_exists='replace', index=False) + + #update sql script + + sql_query = """ + INSERT INTO datasource ( + datasource_id, + publisher_id, + datasource_name, + dataset_name, + dataset_description, + source_type, + access_type, + dataset_url, + geographical_location, + start_year, + end_year, + latest_accounting_year, + frequency_of_update, + spatial_resolution, + language, + accessibility, + data_quality, + notes, + units, + methodology_description, + methodology_url, + transformation_description, + retrieval_method, + api_endpoint, + gpc_reference_number, + scope + ) + SELECT + datasource_id::uuid, + publisher_id, + datasource_name, + dataset_name::jsonb as dataset_name, + dataset_description::jsonb as dataset_description, + source_type, + access_type, + dataset_url, + geographical_location, + start_year, + end_year, + latest_accounting_year, + frequency_of_update, + spatial_resolution, + language, + accessibility, + data_quality, + notes, + units, + methodology_description::jsonb as methodology_description, + methodology_url, + transformation_description::jsonb as transformation_description, + retrieval_method, + api_endpoint, + gpc_reference_number, + scope + FROM datasource_staging + ON CONFLICT ON CONSTRAINT datasource_pkey + DO UPDATE SET + publisher_id = EXCLUDED.publisher_id, + datasource_name = EXCLUDED.datasource_name, + dataset_name = EXCLUDED.dataset_name, + dataset_description = EXCLUDED.dataset_description, + source_type = EXCLUDED.source_type, + access_type = EXCLUDED.access_type, + dataset_url = EXCLUDED.dataset_url, + geographical_location = EXCLUDED.geographical_location, + start_year = EXCLUDED.start_year, + end_year = EXCLUDED.end_year, + latest_accounting_year = EXCLUDED.latest_accounting_year, + frequency_of_update = EXCLUDED.frequency_of_update, + spatial_resolution = EXCLUDED.spatial_resolution, + language = EXCLUDED.language, + accessibility = EXCLUDED.accessibility, + data_quality = EXCLUDED.data_quality, + notes = EXCLUDED.notes, + units = EXCLUDED.units, + methodology_description = EXCLUDED.methodology_description, + methodology_url = EXCLUDED.methodology_url, + transformation_description = EXCLUDED.transformation_description, + retrieval_method = EXCLUDED.retrieval_method, + api_endpoint = EXCLUDED.api_endpoint, + gpc_reference_number = EXCLUDED.gpc_reference_number, + scope = EXCLUDED.scope, + modified_date = now(); + """ + + with engine.connect() as connection: + try: + result = connection.execute(text(sql_query)) + connection.commit() + print("Query completed successfully.") + except Exception as e: + print("Error updating osm table:", e) \ No newline at end of file From 9f8a637b4b0397f02e03585e9c4c190f6730814c Mon Sep 17 00:00:00 2001 From: Amanda Eames Date: Tue, 28 May 2024 08:31:58 -0300 Subject: [PATCH 5/7] merged migration file heads --- ...7f44_fix_column_type_activity_emissions.py | 39 +++++++++++++++++++ ..._merge_heads_from_develop_and_languages.py | 26 +++++++++++++ 2 files changed, 65 insertions(+) create mode 100644 global-api/migrations/versions/c360f7e67f44_fix_column_type_activity_emissions.py create mode 100644 global-api/migrations/versions/f8f5b2a87fff_merge_heads_from_develop_and_languages.py diff --git a/global-api/migrations/versions/c360f7e67f44_fix_column_type_activity_emissions.py b/global-api/migrations/versions/c360f7e67f44_fix_column_type_activity_emissions.py new file mode 100644 index 000000000..78c0d84d9 --- /dev/null +++ b/global-api/migrations/versions/c360f7e67f44_fix_column_type_activity_emissions.py @@ -0,0 +1,39 @@ +"""fix_column_type_activity_emissions + +Revision ID: c360f7e67f44 +Revises: 949c5b9cc18d +Create Date: 2024-05-22 08:21:13.727742 + +""" +from typing import Sequence, Union + +from alembic import op +import sqlalchemy as sa + + +# revision identifiers, used by Alembic. +revision: str = 'c360f7e67f44' +down_revision: Union[str, None] = '949c5b9cc18d' +branch_labels: Union[str, Sequence[str], None] = None +depends_on: Union[str, Sequence[str], None] = None + + +def upgrade() -> None: + op.alter_column('country_code', 'activity_value', + existing_type=sa.String(), + type_=sa.Float(), + postgresql_using='activity_value::double precision') + op.alter_column('country_code', 'emissions_value', + existing_type=sa.String(), + type_=sa.Float(), + postgresql_using='emissions_value::double precision') + +def downgrade() -> None: + op.alter_column('country_code', 'activity_value', + existing_type=sa.Float(), + type_=sa.String(), + postgresql_using='activity_value::text') + op.alter_column('country_code', 'emissions_value', + existing_type=sa.Float(), + type_=sa.String(), + postgresql_using='emissions_value::text') diff --git a/global-api/migrations/versions/f8f5b2a87fff_merge_heads_from_develop_and_languages.py b/global-api/migrations/versions/f8f5b2a87fff_merge_heads_from_develop_and_languages.py new file mode 100644 index 000000000..4e5f918fc --- /dev/null +++ b/global-api/migrations/versions/f8f5b2a87fff_merge_heads_from_develop_and_languages.py @@ -0,0 +1,26 @@ +"""Merge heads from develop and languages + +Revision ID: f8f5b2a87fff +Revises: c360f7e67f44, 77d1cb7b24df +Create Date: 2024-05-28 08:30:14.654581 + +""" +from typing import Sequence, Union + +from alembic import op +import sqlalchemy as sa + + +# revision identifiers, used by Alembic. +revision: str = 'f8f5b2a87fff' +down_revision: Union[str, None] = ('c360f7e67f44', '77d1cb7b24df') +branch_labels: Union[str, Sequence[str], None] = None +depends_on: Union[str, Sequence[str], None] = None + + +def upgrade() -> None: + pass + + +def downgrade() -> None: + pass From 4226e65eca213fac2955d3ea38c0cbb961d12d45 Mon Sep 17 00:00:00 2001 From: Amanda Eames Date: Fri, 26 Jul 2024 11:15:46 -0400 Subject: [PATCH 6/7] fix: added new route for i18n languages existing route returns en --- global-api/alembic.ini | 1 + .../{ => archive}/datasource_seeder.csv | 0 .../import_datasource_seeder.sql | 0 .../datasource_seeder/import_dataseeder.py | 2 +- global-api/routes/catalogue_endpoint.py | 61 ++++++++++++++++++- 5 files changed, 62 insertions(+), 2 deletions(-) rename global-api/importer/datasource_seeder/{ => archive}/datasource_seeder.csv (100%) rename global-api/importer/datasource_seeder/{ => archive}/import_datasource_seeder.sql (100%) diff --git a/global-api/alembic.ini b/global-api/alembic.ini index e17ccd085..628a133e6 100644 --- a/global-api/alembic.ini +++ b/global-api/alembic.ini @@ -61,6 +61,7 @@ version_path_separator = os # Use os.pathsep. Default configuration used for ne # output_encoding = utf-8 sqlalchemy.url = postgresql://ccglobal:@cc-global-api-db/ccglobal +#sqlalchemy.url = postgresql://ccglobal:@localhost/ccglobal [post_write_hooks] # post_write_hooks defines scripts or Python functions that are run diff --git a/global-api/importer/datasource_seeder/datasource_seeder.csv b/global-api/importer/datasource_seeder/archive/datasource_seeder.csv similarity index 100% rename from global-api/importer/datasource_seeder/datasource_seeder.csv rename to global-api/importer/datasource_seeder/archive/datasource_seeder.csv diff --git a/global-api/importer/datasource_seeder/import_datasource_seeder.sql b/global-api/importer/datasource_seeder/archive/import_datasource_seeder.sql similarity index 100% rename from global-api/importer/datasource_seeder/import_datasource_seeder.sql rename to global-api/importer/datasource_seeder/archive/import_datasource_seeder.sql diff --git a/global-api/importer/datasource_seeder/import_dataseeder.py b/global-api/importer/datasource_seeder/import_dataseeder.py index 8170bcc0f..bff4ed394 100644 --- a/global-api/importer/datasource_seeder/import_dataseeder.py +++ b/global-api/importer/datasource_seeder/import_dataseeder.py @@ -128,4 +128,4 @@ connection.commit() print("Query completed successfully.") except Exception as e: - print("Error updating osm table:", e) \ No newline at end of file + print("Error updating datasource table:", e) \ No newline at end of file diff --git a/global-api/routes/catalogue_endpoint.py b/global-api/routes/catalogue_endpoint.py index 48fc1bf65..d01391a4a 100644 --- a/global-api/routes/catalogue_endpoint.py +++ b/global-api/routes/catalogue_endpoint.py @@ -3,17 +3,76 @@ from db.database import SessionLocal from models.datasource import Datasource from typing import Optional +from sqlalchemy import text import csv import io api_router = APIRouter(prefix="/api/v0") - +## to be deprecated ## @api_router.get("/catalogue") def get_datasources(format: Optional[str] = None): records = None + with SessionLocal() as session: + query = text(""" + SELECT datasource_id, + publisher_id, + source_type, + dataset_url, + access_type, + geographical_location, + start_year, + end_year, + latest_accounting_year, + frequency_of_update, + spatial_resolution, + "language", + accessibility, + data_quality, + notes, + units, + methodology_url, + retrieval_method, + api_endpoint, + gpc_reference_number, + created_date, + modified_date, + datasource_name, + "scope", + dataset_name->>'en'::varchar as dataset_name, + dataset_description->>'en'::varchar as dataset_description, + methodology_description->>'en'::varchar as methodology_description, + transformation_description->>'en'::varchar as transformation_description + FROM public.datasource + ORDER BY gpc_reference_number DESC; + """) + result = session.execute(query) + records = result.mappings().all() + + if not records: + raise HTTPException(status_code=404, detail="No data available") + + if format == "csv": + output = io.StringIO() + csvwriter = csv.writer(output) + names = [column.name for column in Datasource.__table__.columns] + csvwriter.writerow(names) + for datasource in records: + csvwriter.writerow([getattr(datasource, name) for name in names]) + response = PlainTextResponse(content=output.getvalue(), media_type="text/csv") + else: + response = {"datasources": records} + + return response + + +@api_router.get("/catalogue/i18n") +def get_datasources(format: Optional[str] = None): + + records = None + with SessionLocal() as session: query = session.query(Datasource).order_by(Datasource.gpc_reference_number.desc()) records = query.all() From f9bfb404bc15ba83fa61c10cd4d80af4079dbc78 Mon Sep 17 00:00:00 2001 From: Amanda Eames Date: Mon, 5 Aug 2024 09:40:31 -0400 Subject: [PATCH 7/7] merge conflict --- .../datasource_seeder/{archive => }/datasource_seeder.csv | 0 .../datasource_seeder/{archive => }/import_datasource_seeder.sql | 0 2 files changed, 0 insertions(+), 0 deletions(-) rename global-api/importer/datasource_seeder/{archive => }/datasource_seeder.csv (100%) rename global-api/importer/datasource_seeder/{archive => }/import_datasource_seeder.sql (100%) diff --git a/global-api/importer/datasource_seeder/archive/datasource_seeder.csv b/global-api/importer/datasource_seeder/datasource_seeder.csv similarity index 100% rename from global-api/importer/datasource_seeder/archive/datasource_seeder.csv rename to global-api/importer/datasource_seeder/datasource_seeder.csv diff --git a/global-api/importer/datasource_seeder/archive/import_datasource_seeder.sql b/global-api/importer/datasource_seeder/import_datasource_seeder.sql similarity index 100% rename from global-api/importer/datasource_seeder/archive/import_datasource_seeder.sql rename to global-api/importer/datasource_seeder/import_datasource_seeder.sql