将气候场景调整到排放库中，改变了全球基准测试

　　作为其第六次评估报告的一部分 ，IPCC工作组III作者分析了2200多个方案
，以纳入其缓解途径评估40。其中，有1,202人最终被审查：被认为提供了足够的细节 ，可以使用IPCC41的气候评估体系结构进行气候分析 。然后，这些方案根据其峰值和本世纪末温度概率将这些情况分为不同的方案类别34
。 　　在这项研究中
，我们关注三种情况：IPCC AR6中定义的C1，C2和C3（参考文献40）。C1场景可能不会将变暖限制为1.5°C ，并且被解释为与第2条（参考文献42）所述的1.5°C长期温度目标一致
，尽管已经提出了将进一步的特征提出的论点，这些论点应在场景中进行进一步的差异 ，并不能实现净二氧化碳的排放量
，以更好地反映其净二氧化碳的排放量，以更好地反映其本文43（参考43（43）43（43） 。43（43）。我们评估了2.0°C C3场景的结果 ，鉴于其历史性政策相关性
，它们显示出向1.5°C的进展的能力以及它们在检查气候影响超出巴黎协议所设想的气候影响之外的能力
。我们还强调了C2方案的缓解结果，也称为高度冲浪场景 ，这很可能不会在2100年将变暖限制为1.5°C
，但在此期间可能会超过1.5°C。这种途径名义上相似，在C3场景中至少在本世纪中期为止43 。 　　对于此分析 ，我们要求情景已被IPCC气候分析框架审查，并提供最少的土地覆盖变量
，例如土地覆盖|农田，土地覆盖|林业和土地覆盖|牧场
。我们分析了每个变量中的每个变量的存在及其在扩展数据中的组合表3 ，在全局
，IPCC 5区（R5）和IPCC 10区（R10）水平上。平衡更大的区域细节和更大场景覆盖的关注点，我们基于R5区域（扩展数据表4）进行分析 ，因为几乎所有具有完整全球可变覆盖的模型还为C1 – C3方案的R5区域级别提供了细节 。 　　要了解我们的场景子集包含R5土地覆盖变量与C1 – C3场景的完整数据库样本相对应累积的净二氧化碳直至净净净和累积净负CO2之后（扩展数据图7）
。对于所有变量
，kolmogorov – smirnov测试无法确定R5子集是否来自与完整数据库样本不同的分布，而虽然它能够确定非R5子集的峰值变暖和累积的净CO2的峰值和累积的净CO2排放量有所不同 ，并且这两种排放均显示了大约75-85-85-85-85-85-85-85-为了进行我们的分析
，将导致足够相似的宏观减轻结果，以表示场景原始分布的结果。 　　我们使用Oscar v.3.2：在结构上与2021全球碳预算（GCB）44的版本相似 ，尽管此处使用的是与R5 IPCC区域相匹配的区域聚合 。我们首先使用与2021 GCB5,44相同的实验设置进行了历史模拟（从1750年开始
，于2020年结束），并在参考文献中使用了更新的输入数据
。36.该历史模拟不仅用于在2014年初始化该场景模拟的模型初始化该模型 ，还可以使用两个值（而不是GCB中的一个值）来限制蒙特卡洛合奏（n = 1,200）：在1960 - 2020年没有土地上没有土地上的累积土地碳下沉且nghgi complible-complible Complible Complible Compypations a Emsissions avercompy 2000000000000-20。前者的约束为135±25 GT CO2 YR -1（参考文献44） 。后者是使用参考文献
。2作为中心估计，并结合了GCB的Eluc和污泥中的不确定性。本节中的所有物理不确定性都是1个标准偏差（1σ） 。使用蒙特卡洛集团的加权平均值和标准偏差获得了主文本中报告的所有值
，并使用这两个加权5的约束。 　　为了运行2014 - 2100年的最终方案模拟，奥斯卡需要两种输入数据：（1）CO2和本地气候预测以及（2）土地使用和土地覆盖变化预测
。前者主要影响陆碳汇（即间接效应） ，而后者主要影响簿记排放（即直接效应）。奥斯卡遵循理论框架45
，该框架可以清楚地分离直接和间接影响 。GCB每年仅报告直接效应
。请注意，我们不会重新评估土地覆盖变化反照率效应 ，因为这已经包含在原始的AR6数据库气候预测中。 　　大气二氧化碳时间序列直接从数据库中获取
，因为该模型评估了温室气体诱导的气候变化（MagicC）的中位结果 。但是，局部气候温度和降水变化并不直接可用
。因此 ，这些是使用Oscar46的内部方程式计算的
，以及来自数据库的全球温度变化和基于物种的有效辐射强迫（ERF）的时间序列（同一来源）。全球ERF的缺失组成部分如下 。雪和平流层H2O的黑碳从2014年的历史层面开始（参考文献47），并分别遵循与黑碳和CH4相同的年度变化
。假定在2014年以后恒定。假定太阳能强迫遵循所有共享社会经济途径（SSP）共有的相同途径 。假定火山气溶胶是恒定的 ，并且等于历史时期的平均值（即ERF为零）
。最后
，我们在2014 - 2020年间在观察到的二氧化碳和气候之间采用线性过渡，以便这些变量在2014年100％观察到 ，在2020年预计，这些变量在2014年被观察到100％。我们注意到
，观察到的二氧化碳实际上是无法区分的，但是在此期间 ，观察到的区域气候变化是无法区别的
，并且有区别的气候变化确实有所不同 。我们进一步指出，由于仅将大气二氧化碳 ，ERF和全球温度用作输入
，因此我们不采样并报告地球系统的全部物理不确定性，而仅对陆地碳循环的生物地球化学不确定性响应这些中位数。 　　奥斯卡的土地使用和土地覆盖变化的输入数据具有三个变量：土地覆盖本身的变化 ，木材收获数据（以碳数量从木本区域中取出而不改变土地覆盖率）和耕种（一种传统的活动（由砍伐森林的周期组成的农业循环
，放弃农业，放弃以恢复土壤的生育能力 ，然后返回）
。数据库中未提供木材收获和转移培养信息；因此
，我们使用代理变量来推断2014年历史值。使用林木|圆木变量对木材收获进行缩放，并使用原始能量|生物量|传统作为区域发展水平的代理来缩放培养 。如果场景没有报告这些代理变量 ，我们将来会承担持续的木材收获或耕种，因为这些是对全球簿记排放的二阶影响
。 　　使用数据库的以下土地覆盖变量
，土地覆盖的变化在收益和损失之间直接推导为年度差异（如果为正，损失）：土地覆盖|森林 ，土地覆盖
，土地覆盖|耕地，土地覆盖|牧场和土地覆盖|建筑区域（假定不可用的是恒定的区域 ，则是恒定的）。随后推出了奥斯卡剩余生物群落（非遗产的自然土地）的土地覆盖变化
，以维持恒定的土地面积 。为了构建奥斯卡所需的输入所需的过渡矩阵，然后假定给定生物群体的面积增加是以所有看到面积减少的生物群落（在同一区域和同一时间步骤中）的代价 ，与生物群落总面积减少的比例成比例
。通过施工
，这种方法仅提供净土地覆盖过渡，因为在给定地区的同年不可能获得收益和损失。因此 ，由于我们的历史数据说明了总体过渡但场景没有
，因此我们添加了净过渡矩阵的恒定数量的相互过渡，等于其在2008 - 2020年以上的平均历史值 ，以获得总过渡矩阵 。最后，在2014 - 2020年间
，三个土地使用和土地覆盖变化输入变量遵循与二氧化碳和气候强迫的线性过渡
。 　　我们从这些场景模拟中提取两个关键变量（及其子组件）：簿记排放（GCB中的Eluc）和陆地碳汇（GCB中的斜率）。遵循参考文献的方法 。4，调整通量（即NGHGIS中包含的间接通量 ，但不包括IAMS中的间接通量
，也称为主要文本中的因素），从簿记排放到NGHGI兼容的排放需要计算 ，作为在林中管理的土地碳水槽的一部分计算
。因此
，我们通过将模拟森林模拟的诽谤价值乘以（正式）管理的森林的比例来获得调整通量。我们将此部分设置为由参考文献估计的 。4在2015年，这也使我们能够在我们的基准年推论托管和未管理（即完整）森林的领域。然后 ，我们估计完整森林地区在每种情况下如何发展
，假设森林的增长始终是管理的森林（即，它们不会改变完整的森林地区） ，而一半的森林损失是完整的森林损失
，另一半是托管森林的损失
。该部分是从参考文献中推导的。48估计，在2000年至2013年之间 ，大约92 MHA的完整森林消失了，而FAO全球资源评估2020年的报告约为同一时期的170 MHA总森林砍伐 。但是
，我们承认，为此分数应用全局且恒定的值是一个粗略的近似 ，应该在将来的工作中完善
，可能会使用场景数据库本身中的信息
。该假设还意味着，只要有背景严重的森林砍伐（在这里 ，鉴于附加的相互转变
，国家）将报告越来越多的管理森林地区。这不一定与在COP26上森林的格拉斯哥声明， 因为它在原始森林保护方面的含义不明显36 。根据参考文献中定义的土地类别提取簿记排放的子组件
。2 ，我们认为
，在林地类别中发生的净通量（不包括耕种）是对土地CDR的直接贡献。对土地CDR的间接贡献将完全是上述调整通量 。 　　重新分析的簿记净排放（即直接效应）显示，C1方案的平均偏差为-87 GT CO2 ，而C3方案的平均偏差为-63 GT CO2
，与数据库中报告的排放相比，在本世纪内积累了平均偏差
。使用IPCC估计的累积排放的最佳猜测瞬态气候反应（参考文献49） ，这意味着这些情况的全球温度结果将分别差异约为-0.04°C和-0.0.03°C，如果我们在IPCC报告中报道的内容（如果我们报告的估计估计）相反
，则与这些材料相比，相反的是这些群体的估计。 　　此外 ，在重新分配了托管森林中的间接效应（与NGHGIS保持一致）之后
，我们观察到在2000 - 2020年以来对齐和未对齐的历史Lulucf排放之间的4.4±1.0 GT CO2 YR-1之间的差异 。该数字位于2022 GCB3中提供的最新6.4±1.2 GT CO2 YR -1的下端
。与参考文献中报告的6.7±2.5 GT CO2 YR -1差异相比。2，以及在我们的奥斯卡颁奖典礼（约0.8 GT CO2 yr -1）中没有有机土壤排放的情况下 ，奥斯卡可以解释约75％的观察到的差异 。尽管奥斯卡通常对直接效应产生相当核心的估计3
，但其间接效应的估计值显示出偏见的高二氧化碳受精50。 　　我们使用参考文献中的最新可用估计NDC
。1与NGHGI调整后的全球途径进行比较。我们使用的1.5°C和2.0°C途径与先前讨论的相同：IPCC C1和C3途径在R5区域具有足够的土地覆盖细节 。我们还从IPCC AR6数据库重新分析了电流途径
。这些对应于与IPCC评估的当前策略或根据AR6数据库元数据指示器polition_category_name所评估的当前策略相对应的。 　　我们与奥斯卡颁发了间接效应的内源性估计，该估计会随着时间的流逝而变化 ，而碳循环动力学和碳受精的变化随时间变化 。因此
，我们将2015年全球温室气体排放的核心估计值与参考文献中的大约49.4 GT CO2-Equiv进行了比较
。1，51.2 GT CO2-Equiv ，导致1.8 GT CO2-Equiv。然后
，我们将此偏移值（1.8 GT）应用于参考文献中2030排放水平的所有估计 。1提供与我们的途径相当的水平
。这样可以确保基于国家库存计算的NDC目标与NGHGI调整后的建模途径相当。