气候变化政策环境影响评估

Salas，关于不可再生资源的全球经济潜力和边际成本以及能源商品的价格。能源政策，2013年。63：第469-483页。Mercure，J.-F.和P.Salas，《全球能源经济潜力评估》。能源，2012年。46（1）：第322-336页。Holden，P.等人控制着海洋δ13 C DIC的空间分布。生物地球科学，2013年。10（3）：1815-1833页。Holden，P.B.等人，《基于模型的二氧化碳施肥约束》。生物地球科学，2013年。10（1）：第339-355页。Zickfeld，K.等人，《长期气候变化承诺和可逆性：主位相互比较》。《气候杂志》，2013年。26（16）：第5782-5809页。Foley，A.等人，《综合评估框架中的气候模型模拟：电力部门缓解政策的案例研究》。地球系统动力学，2016年。7（1）：第119页。Edwards，N.R.和R.Marsh，《高效三维海洋气候模型中运输参数敏感性引起的不确定性》。气候动力学，2005年。24（4）：第415-433页。Fanning，A.F.和A.J.Weaver，《大气能量-水分平衡模型：气候学、跨世纪气候变化以及与海洋环流模型的耦合》。地球物理研究杂志：大气，1996年。101（D10）：第15111-15128页。Weaver，A.J.等人，《UVic地球系统气候模型：模型描述、气候学以及对过去、现在和未来气候的应用》。大气海洋，2001年。39（4）：第361-428页。Semtner Jr，A.J.，气候数值研究中海冰热力学增长的模型。《物理海洋学杂志》，1976年。6（3）：第379-389页。Hibler III，W.，一个动态热力学海冰模型。《物理海洋学杂志》，1979年。9（4）：第815-846页。75

Ridgwell，A.等人，《全球生物地球化学循环有效地球系统模型中的海洋地球化学数据同化》。生物地球科学，2007年。4（1）：第87-104页。安南，J.和J.哈格里夫斯，《采用迭代重要性抽样法在物理/生物地球化学海洋模型中有效识别海洋热力学》。海洋建模，2010年。32（3）：第205-215页。Doney，S.C.等人，《稳定的1000年全球耦合气候-碳循环模拟中的自然变异性》。《气候杂志》，2006年。19（13）：第3033-3054页。Ridgwell，A.和J.Hargreaves，《地球系统模型中深海沉积物对大气CO2的调节》。全球生物地球化学循环，2007年。21(2). Williamson，M.等人，《地球系统建模的有效地面数值方案（ENTS）》。生态建模，2006年。198（3）：第362-374页。Eby，M.等人，《历史和理想化气候模型实验：中等复杂度地球系统模型的相互比较》。《过去的气候》，2013年。9（3）：第1111-1140页。Vuuren，D.P.等人，RCP2。6： 探索将全球平均气温升高保持在2℃以下的可能性。气候变化，2011年。109（1-2）：第95-116页。Riahi，K.等人，RCP 8.5——相对较高温室气体排放的情景。气候变化，2011年。109（1-2）：第33页。Holden，P.等人，PLASIM ENTSem v1。0：用于影响评估的未来气候变化时空模拟器。地球科学模型开发，2014年。7（1）：第433-451页。Holden，P.B.等人，PLASIM–GENIE v1。0：一种新的中间复杂度AOGCM。地球科学模型开发，2016年。9： 第3347-3361页。国际能源署，《世界能源展望》。2016年：经合组织/国际能源署。Kriegler，E.等人，《技术在实现气候政策目标中的作用：EMF 27全球技术和气候政策战略研究概述》。气候变化，2014年。

123（3-4）：第353-367页。Luderer，G.等人，《可再生能源在气候稳定中的作用：EMF27情景的结果》。气候变化，2014年。123（3-4）：第427-441页。88、Fuss，S.等人，押注于负排放。《自然气候变化》，2014年。4（10）：第850-853页。(（采用基于模拟的综合评估模型E3ME-FTT-GENIE在线补充信息对气候变化政策进行环境影响评估Jean-Francois Mercure1,2,3，Hector Pollitt2,3，Neil R.Edwards4，Philip B.Holden4，Unada Chewpreecha2，Pablo Salas3，Aileen Lam3,5，Florian Knobloch1和Jorge E.Vinuales3 1荷兰拉德堡大学环境系荷兰奈梅根拉德布大学科学院，邮政信箱9010，6500 GL 2剑桥经济计量有限公司，剑桥CB1 HT考文特花园，英国3剑桥大学环境、能源和自然资源治理中心（C-EENRG），剑桥大学，19 Silver Street，Cambridge CB3 1EP，英国4环境、地球和生态系统，开放大学，英国5米尔顿凯恩斯经济系，澳门大学社会科学学院，人文社会科学大楼，E21，Avenuida da Universidade，Taipa，Macao，China电子邮件：J。Mercure@science.ru.nl详细（模型（信息）和（灵敏度（分析）（1.1.Basic）（模型（信息）（E3ME和FTT是时间步长路径相关的仿真。FTT作为离散非线性微分方程（有限差分方程）运行，其中每个步骤都是从前一个时间步长计算出来的。为了避免混沌动力学，FTT中的时间步长必须比建模的变化速度小得多。我们根据经验发现，使用季度时间步长足够短，可以避免混沌动力学，同时保持模拟时间可控，而不会严重损失准确性。

E3ME的功能与FTT略有不同，因为它使用每年的时间步长，并具有错误纠正过程[1，2]。换言之，一旦计算了一年，一个长期方程会估计每个计量经济学方程下一年的值，并使用同一方程的短期版本进行迭代求解（参见E3ME手册[3]）。E3ME和各种FTT模块迭代求解。FTT模块的时间步长通常比E3ME短，因此在向E3ME报告价格和投资价值之前，先运行其微分方程，然后再向E3ME提供需求值。通过E3ME的迭代过程，所有计量经济学方程都用所有FTT模型求解，一旦值的变化保持在一定范围内（需要50-100次迭代），迭代就会停止。因此，FTT和E3ME计量经济学方程是真正动态关联的。GENIE1模型使用软链接与E3ME-FTT链接，因为目前我们的计算能力无法与E3ME-FTT同时动态运行GENIE1。然而，由于气候中的时间尺度比经济中的时间尺度长得多，因此不需要在模型之间每年反馈一次反馈，事实上，软耦合的使用足够精确。即使在我们将一些有限的气候反馈纳入经济的情况下（一个完整的模型周期；例如，通过气候对农业的影响，回归到气候），我们预计模型之间相对较少的迭代次数将足以获得收敛，从而仍然支持使用软耦合。然而，在研究具有强烈反馈的问题时，例如森林砍伐（例如：。

在亚马逊），经济通过水循环的变化与气候直接互动；在这种情况下，E3ME-FTT需要与GENIE1一起动态运行，这需要大量的额外工作。E3ME-FTT-GENIE1目前尚未公开下载；然而，为了读者的兴趣，可以与作者合作使用该模型。原因如下。首先，培训用户需要大量的资源，以及用户的大量投入（成为开发人员通常需要半年以上的经验，剑桥计量经济学为轻度用户提供为期一周的课程）。其次，模型体积庞大，难以传递给用户；GENIE1在大学集群上运行。我们建议感兴趣的读者联系我们hp@camecon.com（H.Pollitt），J。Mercure@science.ru.nl（J.-F.Mercure）和/或Phil Holden（philip。holden@open.ac.uk).  1.2. 灵敏度（分析）和不确定性（传播（E3ME-FTT（我们在此分析了不同FTT技术参数引起的敏感性，以及它们如何在所有反馈中传播到E3ME和反馈到FTT。我们改变了我们认为在这两种情况下改变化石燃料消耗量和排放量的关键参数。结果如下表1-2所示。我们改变了技术成本、消费者（运输）和公司（发电）折扣率、学习率、非金钱成本（运输）和燃烧车辆的燃油效率（运输）。在这两种情况下，结果都表示为特定数量相对于其原始值的百分比变化。

我们发现，当参数的变化值为20%（成本）或5%（折扣/学习率）时，2050年的技术份额变化相对较小。2oC情景下的数值变化小于基线，这反映了气候政策提供的相对稳定性（例如，参见太阳能光伏的份额）。这证明了E3ME-FTT模型的可靠稳定性。请注意，这些变化仅在2017年至2050年间逐渐出现。E3ME-FTT是一个非线性模型，它会随着时间的推移“累积”差异，随着模拟时间的延长，差异会变得很大。然而，如表1-2所示，这仍在合理范围内。我们探讨了这些技术参数变化对宏观经济的影响。我们使用2017年至2050年间累计的GDP和就业作为指标。失业的累积变化可以解释为创造就业机会或失业。变化保持在1%或以下。请注意，考虑到电力和道路运输只占GDP的相对较小的一部分，全球GDP变化1%是一个相对较大的生产量。美国GDP受到的影响比中国或欧盟更大，主要是因为化石燃料生产的损失。使用变化平方和的根（假设概率相等），给出了不同情景下的组合不确定性。在气候政策分析中，可能导致不确定性的其他参数是能源价格弹性和技术进步指标。这些参数的不确定性对于计算GDP可能很重要，但对于排放量来说则不太重要。

请注意，随着能源价格的上涨，能源需求的减少部分源于对能源效率的内生投资，而这并不取决于能源价格的弹性。对这些参数进行全面的敏感性分析是一项实质性的工作，超出了当前工作的范围。1考虑到累积排放量的微小变化，气候模式不会改变，E3ME-FTT和GENIE1之间在峰值变暖方面的不确定性传播很容易评估。因此，通过将表1-2中给出的值的分布与正文图4中给出的值的分布进行卷积，可以将表1-2中给出的值的分布转化为峰值变暖变化。1.3。改变（一揽子）政策（我们改变了正文中讨论的一篮子政策，以检查每个项目的作用。这项工作仅涵盖广泛的政策组和国家组；深入分析超出了本文的范围，因为它可以单独发表。在这项分析中，进行了50多个模拟，其中每个政策工具组都是ken在每个区域组都有发言权。政策组包括碳税/价格（表示为“税”）、道路运输（“RT”）、公共资助的能效（“EE”）、家庭供暖（“Heat”）和法规（“Reg”）。图1显示了对峰值变暖的影响，以80%的概率表示。1 E3ME具有数万个计量经济学回归参数，这是由于其高度的分解。我们估计，像我们为GENIE1所做的那样，进行全面的敏感性分析需要几十年的CPU时间，甚至可能长达300年。

为了完成这项任务，需要开发一种有效的统计方法，同时选择要分析的参数子集。当前政策参数var%REN%PV%EV%ADV%FF%GDP GL%EMP GL%GDP US%GDP CN%GDP EU%Power generation REN capital costs+20-7.36-11.30.050.020.030.040.10REN capital costs-208.2515.9-0.03-0.01-0.07-0.01-0.03 REN learning+58.8631.90.030.010.050.040.05REN learning-5-7.87-26.40.030.01-0.020.08贴现率+53.9651.10.10 360.091.080.450.06折扣率-58.29-13.3-0.10-0.04-0.57-0.230.13道路运输感知成本+200.603.08-5.510.611.210.090.010.300.050.02感知成本-20-0.53-2.3815.0-3.33-0.48-0.08-0.26-0.03-0.03学习率+50.321.933.503.55-7.420.010.020.060.03学习率-50.030.07-10.1-2.999.18-0.01-0.03-0.01折扣率+10-0.02-0.046.89-0.89 01-2.78-0.02-0.09-0.010.01贴现率-100.432.21-8.940.203.310.040.110.020.03EV成本+20-0.48-2.77-9.481.740.92-0.010.05-0.01-0.08EV成本-200.050.288.44-1.56-0.800.01ADV燃料效率+20ADV燃料效率-20均方根18.6670.1125.676.2112.690.400.101.290.510.23表1：当前政策情景中关键技术参数的敏感性分析结果，表示为情景中原始值的百分比变化。缩写：REN=可再生能源+核能的份额，PV=太阳能光伏的份额，EV=电动汽车的份额，ADV=新型高效燃烧汽车的份额，FF=常规燃烧汽车的份额，GDP GL=全球GDP，EMP GL=全球就业，GDP US，CN，EU=美国、中国和欧盟成员国的GDP之和。2050年采用技术参数。

GDP和就业值在2017年至2050年期间累计。2°C情景参数Var%REN%PV%EV%ADV%FF%GDP GL%EMP GL%GDP US%GDP CN%GDP EU%Power Generation REN资本成本+200.114.020.030.090.030.01REN资本成本-20-0.19-5.29-0.01REN学习+5-0.20-2.550.010.02REN学习-50.231.740.060.03-0.04贴现率+5-3.097.200.050.410.22贴现率-53.62-8.51-0.02-0.020.15-0.05道路运输感知成本+20-0.01-0.60-3.370.299.60-0.03-0.010.070.01-0.14感知成本-20-0.050.2911.9-8.47-18.30.020.020.07学习率+5-0.170.88-0.08-7.93-0.03-0.01-0.01-0.08学习率-5-0.13-0.252.24-8.934.950.020.05-0.010.04折扣率+10-0.18-0.239.80-0 12.8-5.780.020.010.04-0.010.04贴现率-100.100.27-10.511.74.70-0.02-0.010.030.01-0.04EV成本+200.010.01-2.301.160.07-0.01EV成本-20-0.01-0.012.55-1.260.190.01ADV燃油效率+20-0.020.12-0.560.41-2.48-0.03-0.01-0.01-0.07ADV燃油效率-200.02-0.110.77-0.486.750.040.040.010.07均方根4.7813.3619.4821.3524.930.180.060.470.230.21情景组合19.2671.3732.2322.970.440.121.380.560.31表2：2°C情景下关键技术参数的敏感性分析结果，表示为场景中原始值的百分比变化。相同的缩写。图1：政策篮子要素对实现2oC目标的影响。当以80%的概率计算时，垂直量指的是峰值升温（根据GENIE1模拟，80%时的2.04oC相当于73%时的2.00oC。请注意，我们使用0.0019oC/tC来产生峰值升温的变化）。CN=中国，RW=不包括指定区域的其他发展中国家，IN=印度，US=美国，RA=附件1中不包括指定区域的其他国家，EU=欧盟，RS=俄罗斯联邦。1.4.

计量经济学（E3ME）中（用于指定方程函数形式的计量经济学技术是协整和误差修正方法的概念，尤其是Engle和Granger[1]以及Hendry等人[2]提出的概念.  简而言之，这个过程包括两个阶段。第一阶段是水平关系，在此基础上，试图确定所选变量之间是否存在协整关系，这些变量是根据经济理论和先验推理选择的，例如，对于就业需求，变量列表包含实际产出、实际工资成本、工作时数和技术进步指标。如果存在协整关系，则第二阶段回归为误差修正表示。它涉及第一阶段所有变量的动态第一次差分回归，以及因变量的滞后、外生变量的滞后差分和误差修正项（第一阶段回归的滞后残差）。然而，由于数据大小的限制，第二阶段只包括每个变量的一个滞后。对levels方程的残差进行平稳性检验，以检查是否获得了协整集。由于模型的大小，方程是单独估计的，而不是通过协整VAR。对于这两种回归，使用的估计技术都是工具变量，主要是因为许多关系的同时性，例如工资、就业和价格决定。使用的工具是前一年的数据，这是时间序列计量经济学的标准方法。我们在图2中以绝对值显示了当前轨迹和2C场景的预测，即。