在气候政策方案中传播

　　基于最大的可用气候政策方案7
，我们提供了IPCC AR6数据库中关键缓解变量中传播驱动因素的全面概述。通过这种方式，我们确定了共识以及模型差异和偏见的领域 ，并赋予场景预测 。本文有三个优点
。 　　第一个优点是场景差异驱动程序的定量概述。它区分了场景预测
，这些预测显示了模型和场景的共识与主要取决于模型选择和方案假设的方案 。这与研究人员有关（通过指出未来缺乏共识和防止情景选择偏见的未来研究领域）以及气候变化缓解情景的非学术用户
。识别强大的气候变化元素降低措施为决策者和利益相关者可以做出明智的决定并解决关键不确定性的基础。我们在这项研究中发现的气候政策的一些强大方面是对已经知道的42或预期的定量确认，例如总体排放的减少以及单个最终使用部门和CH4排放的二氧化碳排放 。尽管最终用途扇区的能源组合在模型之间显示出很大的差异 ，但化石能源使用（主要是在运输和建筑物中）的减少也可以视为稳健
。此外
，发现汇总的技术集合，例如世纪初的总可再生能源使用 ，是可靠的。在某种程度上
，电力混合物中BECC的变化，最终用途扇区中主要能量混合和电力中的风 ，水力和生物量的比例（作为总能源使用的一部分）也主要由气候目标驱动 。在较小的研究中
，发现其中一些变量仍然是高度依赖性的2,43,44，这使这些发现可以阐明它们在缓解策略中的鲁棒性
。 　　但是 ，除上述例外外，一个明显的结论是在大多数（更具体的）策略变量（例如单个技术的部署）中的模型差异的主导地位。尽管这符合以前关于能源技术投影的较小规模多模型鲁棒性的作品16,19
，但这尚未在本研究的规模上进行量化，并且以前显示了许多变量 。对于每个变量 ，这些模型差异的原因可能并不相似。为此
，我们指的是模型比较的早期作品12,45,46，以及对例如Bioenergy40和CCS47的更多重点研究
。事实证明 ，将模型差异与建模模式方面相关联12,40。 　　我们发现2030年后太阳能（主要和功率混合物中的）高模型依赖性
，尽管这通常被认为对缓解非常重要48,49 。发电中的个别CCS技术也是高度依赖性的，尤其是在煤炭和天然气厂
。尽管需求扇区的电力分数与气候目标有关 ，但最终用途水平的非化石能源却高度依赖于模型。除了检测出主要的驱动因素外
，三个驱动因素的不同程度提供了更广泛的背景：模型分歧，尽管对许多变量而言是主导的 ，但对于全部变量差异而言
，绝不是对气候目标的全部变量影响的解释，并且可以始终认识到（例如 ，CCS Technologies and Systys reneologe and renelealsemess） 。尽管模型倾向于同意，生物能源的使用量从缓解情况的当前水平扩展
，但该资源的供应和使用在模型之间有很大差异，尤其是在运输部门36,50中
。如参考文献中突出显示。40 ，技术表征和覆盖范围在模型之间
，尤其是技术部署限制的差异很大 。有人强调，在缓解方案中的生物能源部署在很大程度上是由能源系统环境所驱动的 ，例如
，替代缓解选择的成本
。 　　第二个优点是模型或气候结果之外的方案差异。尽管场景假设的影响在变量之间并不统一（图3和方法），但通常很低 。该维度解释的方差的微不足道本身就是一个结果 ，并提出了有关AR6数据库在涵盖广泛未来的代表性的问题：部分是由大多数场景所引起的
，这是由“共享社会经济中间
”的大多数场景引起的
。尽管我们的方法考虑了诸如不同模型提交给数据库的各种场景量的偏见，但对于特定方案类型（例如SSP2）的过多量并不能纠正。从理论上讲 ，我们期望在缓解情况下的结果越来越多
，这些结果主要不取决于气候目标或模型，尤其是在单个技术 ，CCS和氢气的情况下，彼此相互竞争
，但都有助于缓解 。其他场景假设驱动的有限差异凸显了在代表各种场景假设方面进行系统努力的必要性。这种情况差异化过程需要对规范假设和故事情节进行一致的探索，涉及与各种利益相关者（包括政策制定者和企业）的合作
。要探索的重要要素包括不同的经济增长率（包括增长后场景26） ，全球化水平
，成本超出成本的技术偏好，生活方式的变化以及对气候和环境挑战的以技术为中心和充足性的反应。对不同情况的更全面的表示可以增强对决定能源期货的驱动力的理解 ，而基于模型的可变性（图3
，左下角）主要反映出缺乏共识 。 　　本文的第三个优点是阐明了（感知）不确定性，并通过提供能够应对的工具来带来方法论上的进步
。将这种方法引入缓解气候变化领域将有助于多模型场景研究和未来的IPCC评估 ，以避免对确定性的不正确看法。我们的结果对我们如何看待当前的文献对气候政策情景有影响：我们提供证据表明
，除了化石燃料和排放外，通常都缺乏对能源技术和变量的推出的总体共识 。For non-modellers (such as policymakers), this change specifically addresses small-scale or single-model studies, as it is still relatively common in reports used for national and international policymaking—our results can act as a frame of reference for assessing the certainty of such projections, specifically on policy-relevant aspects that may previously be thought of as robust aspects of mitigation (for example, solar energy use).这些研究在科学中仍然很常见（例如 ，在太阳能49
，能源需求51，能源访问52和总体可再生能源29）中很常见
。但是 ，并非所有模型差异都应被视为内在的不确定性：某些差异仅反映了不同的未来结果，这些结果同样一致
，而不是未知或缺乏理解的结果。换句话说，模型（和场景）差异可能会识别关键缓解变量的自由度（例如 ，对于特定的能量混合）
，并且缺乏它们可能指出了一个相当狭窄的空间，而Policymaker必须通过该空间（例如 ，对于发射变量） 。尽管如此
，理想情况下，除了单个模型之外 ，在严格的场景分化中仍研究了模型差异
，这对于大多数变量都缺乏，如图3所示
。 　　在情景定义中 ，模型偏见的重要性以及在不同策略中的潜在过度群体和盲点
，以减轻可用文献中的气候变化。同时，我们还发现排放 ，化石燃料的使用以及总可再生能源和CCS在缓解措施中显示出强大的值，超过模型差异
，以便它们查明共识的区域 。对于任何缓解情景的用户（包括学术和公众）都至关重要
。除了提高意识之外，我们认为设计替代方案叙事并使用可以检测偏见和模型影响的情景繁殖方法应该成为未来缓解研究的核心一部分。