气候变化政策环境影响评估

最后，根据历史扩散数据校准FTT，以使其输出与历史一致。这是通过在代理最小化的成本中添加一个因素来实现的，这使得模拟开始时的扩散轨迹与模拟开始日期附近的历史数据中观察到的技术轨迹相同（等于模拟/历史采用率）。有关FTT模型的更多详细信息，请参见[55、59、60]（理论）和[4、57]（计算模型）。我们注意到，FTT中创新的扩散假设部署了部署技术所需的任何基础设施，我们认为这是扩散过程的一部分（例如，参见[63]）。3.4. A&动态&化石&燃料&资源&消耗&模型&图3：不可再生资源消耗算法的示意图。a） 开始年份的资源成本分布（黑色）和开采可能性函数（红色），定义储量数量。b） 随着需求的稳定，随着储量的逐步开采和消耗，开采率的降低迫使边际成本上升。转载自【64】。本研究中使用的化石燃料消耗模型源自Mercure&Salas[64]的模型，4这里的多样性/异质性指的是不同主体之间决策差异的所有来源，导致模型中的分布量。基于Mercure&Salas【65】中给出的化石燃料资源数据集。该模型代表了同质化石燃料商品的全球市场，这些商品在世界各地以不同的方法生产，产生不同的生产成本。该模型的主要假设是边际成本（即。

最昂贵的生产燃料单位的成本）决定了商品的价格。这得到了生产者拒绝亏损生产的假设的支持（严格来说，这并不总是正确的；然而，亏损生产不能无限期持续）：如果价格不包括生产者成本，我们假设生产者拒绝供应燃料。因此，边际成本的销售者在其生产中享受低利润或零利润，而低成本范围的生产者享受更大的利润。该模型不包括出于安全和价格投机目的的存储，也不包括供应处理瓶颈，因此不再现某些类型的循环行为。该模型生成了一个基价，在该基价下，低成本类型的生产是有利可图的，而高成本类型的生产是无利可图的，其平衡供应全球需求。该模型的结果用于按比例衡量E3ME中燃料价格随需求变化的变化；E3ME价格包括税收和可能的利润率，不包括在此处讨论的损耗算法中。耗尽算法的工作原理如下（图3）。化石燃料资源数据库以模拟开始时不同生产成本的化石燃料数量为特征，这些数量被插入到资源的成本分布中。资源以经验确定的速度开采【64】，代表技术约束（如油井技术耗竭率）和人类决策（如战略选择）的组合。根据现有信息，我们假设所有成本范围内的消耗率相同。

我们假设在每个可能的开采成本范围内，资源i的开采率！！到！！+！“！与这些成本范围内剩余的数量成比例，具有相同的比例系数！！。因此，如果！！！，！是时间t时剩余资源的成本分布，而！！是提取率（储量与产量之比），则消耗算法为：Δ！！！，！！=！！- !!!“！！！，（4）其中！！- !! 是一个累积概率分布函数，表示在给定商品价格P的情况下，决定开采成本范围C内资源的可能性（当价格远低于开采成本时，平滑阶跃函数等于零；如果开采有利可图，则等于一）。我们将总供应量表示为，并总结目前运营的所有类型的开采场地的供应：！！！=Δ!!!, ! !!!!!= !!!!!, ! ! !!- !!!“！！！！！（5）E3ME-FTT提供了化石燃料的总需求，这取决于化石燃料的价格，这是由于整个模型的弹性组合，以及研发投资带来的效率变化，以及FTT模型中的技术变化（如可再生能源和电动汽车的扩散）. 因此，使用迭代过程来确定符合此模型和整个E3ME-FTT的燃料供应和价格。在每次迭代中，价格！！是通过一个简单的试错算法来搜索的，比如！！等同于E3ME-FTT需求，此时价格将反馈给E3ME-FTT，E3ME-FTT提供新的需求值，然后该过程再次开始，直到两者都发生变化！！和保持在某些标准以下。3.5. 《限制与限制与可再生能源》（Limits&to&Renewable）和E3ME-FTT提供了一个可再生能源资源潜力数据库【65】。

例如，这涉及适合安装风力涡轮机的土地数量、可用于水力发电装置的潜在场地数量或地热活跃区。这些数据以成本-供应曲线的形式进行了转换。该数据库的使用比不可再生资源的使用更简单，因为所需的只是确定资源的边际成本，这是其使用水平的函数。如果使用水平增加，成本就会增加，而如果使用水平下降（例如，风电场退役），成本就会随着场地重新可用而下降。事实上，这个过程比这更复杂。风能或太阳能资源的耗竭表现为风能/太阳能开发商在低容量因素地区建设风电场或太阳能公园，而对于水电或地热，如果条件不太合适，则涉及更高的资本成本。因此，我们在计算发电平准化成本时调整了适当的参数。可再生资源的耗竭导致生产成本升高，在二元logit成对比较中，这种成本变得比其他类型的系统更不受欢迎，从而减缓了发展。例如，当良好的风力发电场地全部开发完毕后，投资者面临使用低风电/低容量因数场地的问题，对于相同的风力涡轮机系统，这会导致单位发电成本较高，而选择其他可再生能源类型。该数据库是作者利用广泛的文献综述和收集的数据开发的。3.6. 气候&模型&GENIE&气候碳循环是用GENIE-1在[66，67]的配置下模拟的，正如在中等复杂度地球系统模型（EMIC）相互比较项目[68]中所应用的那样。

GENIE-1根据CO2排放量、土地利用变化和非CO2气候强迫因子的输入计算大气CO2浓度和气候变化。GENIE-1每CPU小时模拟大约250年。这种计算速度使我们能够提供概率预测，通过每个排放情景的86个成员的模拟集合实现，改变28个关键模型参数，以便对这些参数的不确定性产生的全部不确定性范围进行估计【69】。GENIE-1的计算效率主要是通过高度简化的大气模型实现的，该模型被视为具有主要扩散的水平传输的单层。低空间分辨率也有助于提高计算效率(≈ 平均10°×5°，海洋中有16个深度层），并且相对于高度复杂的地球系统模型，简化了其他模型组件中的假设。例如，其中包括忽视海洋中的动量传输，以及将所有植被表示为单一植物功能类型。GENIE-1的组件在下面的参考文献中有完整的记录。物理模型[70]包括三维摩擦地转海洋模型GOLDSTEIN，该模型与基于Fanning and Weaver[71]和Weaver等人[72]的二维能量-水分平衡大气耦合，以及基于Semtner[73]和Hibler[74]工作的热力学-动力学海冰模型。海洋生物地球化学用BIOGEM[75]建模，这里用磷酸盐和铁限制[76，77]对海洋生产力进行建模。BIOGEM与沉积物模型SEDGEM耦合，描述了深海沉积物中碳酸钙的保存及其在调节大气CO2中的作用。

植被和土壤用ENTSML（67）模拟，ENTSML是一种基于有效的数值陆地方案的陆地碳和土地利用变化（LUC）动态模型（79）。ENTSML将LUC的时变字段作为输入。图4：（A）大气CO2浓度（ppm）的全部86人GENIE系综的时间演变；（B） 工业化前开始升温（℃）；（C） 全球海平面上升（cm）（热膨胀分量）；（D） 大西洋经向倾覆强度峰值（初始值的%）。黑色是基线组，绿色是脱碳组。红线显示中间轨迹。从公元850年到2005年，每个精灵-1集合成员在瞬态历史模拟集合中继续进行相关模拟，并在【80】中描述了强迫。E3ME提供了2005年的排放量。目前，E3ME的CO2排放量被低估了约1.2GtC，这是由于水泥生产和其他小型GHG源等被忽视的过程造成的短缺。我们增加1.2GtC排放量来代表所有这些缺失的来源，并每年按E3ME总排放量进行调整。5我们推测这些排放轨迹，直到2050年后达到零（见图5，第一部分）。非CO2痕量气体、硫排放和土地利用变化的其他气候强迫因素来自于选择适当的代表性浓度途径。例如，RCP2.6【81】适用于强缓解情景中的非CO2强迫，而RCP8.5【82】则假设适用于正常业务情景。第4.2节给出了不同的可能推断。通过将GENIE-1输出的CO2浓度应用于气候模型PLASIM-ENTS或其模拟器，可以提供更详细的气候影响（见图4）[83]。

我们目前正在通过开发一个完全耦合的碳循环-大气-海洋-全球气候模型来提升我们的能力，将生物地球化学纳入中等复杂度的AOGCM PLASIM-5，将这些排放量与E3ME总排放量成比例，可以解释为制定了一项旨在以与其他燃料燃烧排放量相同的速度逐步淘汰这些排放量的政策。精灵【84】。目前，GENIE与E3ME-FTT的耦合采用软耦合，从经济到气候。通过农业从气候到经济的联系正在发展中。SI中对此进行了讨论。该模型的局限性源于我们目前缺乏土地利用/土地利用变化排放的建模能力，增加了结果的不确定性。这将在即将发布的E3ME-FTT版本中解决，该版本将包括目前正在开发的土地使用建模。3.7. 政策与工具&in&E3ME-FTT-GENIE1&随着时间的推移，E3ME-FTT开发的目标是设计尽可能接近真实政策的政策工具模型表示。该模型的模拟特性非常适合该任务，以及FTT的异构代理库。政策有两种可能更广泛的类型：E3ME中应用于部门范围或经济范围的政策，以及FTT中应用于特定技术或应用的政策。它们有四种可能的子类型：经济激励（税收或补贴）、标准/法规、公共采购和货币工具。这些都列在表1中。

虽然这些子类型所提供的解决程度不如通过定性政策研究或法律评估所能分析的详细，但足以捕捉政策工具的多样性及其相互作用，其方式超越了目前气候政策中使用的IAMs，并为决策者提供信息。进一步完善政策分类法是我们改进建模方法的当前工作领域。在E3ME中，政策被用来影响个人和企业的行为，正如计量经济学方程所模拟的那样。例如，碳税会影响各个行业使用的碳密集型燃料的数量。政策还可以通过逐步淘汰煤炭等方式影响特定部门的投资及其碳强度。表1:E3ME FTT政策类型经济/部门范围技术/流程特定经济激励政策工具碳价格、碳税、所得税技术特定补贴、税收、上网电价（电力、车辆、供暖）标准和法规外生*淘汰和效率假设电力部门：内生*淘汰道路车辆：效率标准、淘汰，生物燃料要求家庭供暖：效率标准、逐步淘汰、报废车辆标准、生物燃料要求公共采购公共投资发电机、车辆、供暖设备的公共采购，启动扩散货币基础利率较慢的利息贷款计划*注：外生/内生淘汰术语指的是是否规定了技术轨迹。在FTT中，用户决定是否实施淘汰，模型决定轨迹。在FTT中，经济激励政策会影响选择模型的行为。

它们以税收、补贴或上网电价的形式出现，用于影响代理商试图最小化的成本。例如，发电中的资本成本补贴会影响特定技术的平准化发电成本，从而提高其在离散选择模型中的吸引力，该模型是复制因子方程的一部分。FTT中的政策也可以是监管形式，在这种情况下，它们限制了投资者或消费者的选择范围。例如，如果目前这一代汽油发动机的车辆被淘汰，代理商将无法选择它们，并将以其生存率的函数的速度经历指数级下降。此外，车辆还可以报废。还可以通过公共当局资助或实施的购买计划，将新型车辆引入市场，以启动新的技术市场（例如，对出租车公司的车辆效率进行监管）。最后，液体燃料的含量可以通过生物燃料指令的监管来改变。3.1. 耦合&模型&相互耦合&宏观经济和技术系统之间的耦合至关重要，只需将E3ME和FTT模型集成到相同的计算机代码中，即可动态完成这一点。允许使用多种反馈机制。例如，在发电方面，反馈包括（1）电价/需求、（2）投资、（3）燃料使用、（4）政府税收和补贴收入和支出。这些模型一起迭代求解。

这包括用于电力、道路运输和家庭供暖的化石燃料消耗模型和FTT模型。6 GENIE1碳循环/气候之间的耦合与E3ME-FTT软链接，以降低计算需求，如SI中所述。7  4.  讨论（和（政策影响）（我们在这里应用该模型作为一个例子，探索复杂的捆绑6 FTT模型对工业（钢铁、其他金属、化学品等）和农业/土地利用的经济影响正在积极发展中。FTT：农业将在气候和经济之间建立联系。7当我们试图研究毁林问题时，这种情况将会改变，因为经济直接影响气候。旨在实现低碳转型的政策，以实现《巴黎协定》设定的目标。在下一节中，我们将列出所选政策的细节，然后探讨其技术和经济影响。4.1. 情景&对于&>70%&机会&2°C，我们在此提供了一个一揽子政策的示例，该政策能够在E3ME-FTT模型中实现减排，且全球变暖不超过2°C的概率大于66%。我们注意到，具有碳捕获和储存功能的生物能源（BECCS）并不是我们方案的主要特征，即使其结果是总体系统成本较高。我们在此强调，所有政策都在更广泛的排放轨迹中发挥作用。我们在其他地方表明，政策是相互作用的，其影响之和可能大于单独应用的政策的影响之和。