共享社会经济路径在土地利用、能源与碳排放研究的应用

景丞 姜彤 苏布达 王艳君 王国杰 黄金龙 高妙妮 林齐根 刘述慈 翟建青

摘要 情景是气候变化研究的重要工具。为了科学支撑气候变化科学评估和研究，2010年政府间气候变化专门委员会（IPCC）提出了共享社会经济路径（Shared Socioeconomic Pathways，SSPs）。作为从社会经济变化视角构建的气候情景，SSPs促进了气候变化科学基础、影响、脆弱性、风险、适应和减缓等学科的综合研究。本文介绍了SSPs情景研发与应用过程;阐述了全球和中国的人口经济、土地利用、能源和碳排放的模拟和预估主要成果;探讨了全球和中国碳排放路径及其与“双碳”目标的关系;并展望了SSPs应用前景。

关键词共享社会经济路径;土地利用;能源;碳排放路径

情景描述未来世界的不同发展可能，是气候变化研究和评估中最为重要部分（ONeill et al.，2016;秦大河，2018;姜彤等，2020a）。通过将社会经济、技术进步与潜在的排放轨迹相结合，情景有助于理解短期决策的长期后果，使研究人员在充分考虑未来不确定性的基础上，评估气候系统中可能发生的变化，以及气候系统对人类社会和生态系统的可能影响（Riahi et al.，2017;Gidden et al.，2019）。

气候情景的研发与应用经历了30余年发展过程。政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）第一次（FAR）和第二次评估报告（SAR）中开发了SA90与IS92情景，以未来二氧化碳浓度倍增假定的基础上，进行了气候模式模拟和预估。2000年发布的排放情景特别报告（SRES）中，IPCC开始设计以社会经济发展为基础的全球发展框架（A1，A2，B1，B2情景族），将社会经济发展纳入气候变化情景，SRES情景成为第三次（TAR）和第四次评估报告（AR4）中的重要内容，用于评估气候变化科学和影响（Nakicénovic et al.，2000;IPCC，2001，2007）。2007年之后，情景的研发采用并行方向，一个是从温室气体辐射强迫方向，构建了典型浓度路径（Representative Concentration Pathways，RCPs），另一个是从社会经济发展视角，提出共享社会经济路径（Shared Socioeconomic Pathways，SSPs）。IPCC通过土地利用变化和温室气体排放的设定，建立了2300年以前辐射强迫下典型浓度路径（RCPs：RCP2.6、RCP4.5、RCP6.0、RCP8.5）（Moss et al.，2008，2010;van Vuuren et al.，2011）。RCPs广泛应用于气候系统的模拟和预估研究并成为耦合模式国际比较计划第五阶段（Coupled Model Intercomparison Project 5，CMIP5）的通用情景（Taylor et al.，2012）。2010年，在准备IPCC AR5报告期间，本文作者参与了SSPs情景的研发过程，与第二、第三工作组的部分作者组成了情景工作组，从关联气候变化科学基础、影响、脆弱性、风险、适应和减缓等角度，构建了与RCPs情景并行的共享社会经济路径（SSPs），将原有社会经济变化的简单设定提升到路径情景（van Vuuren et al.，2012，2014;Kriegler et al.，2014;ONeill et al.，2014）。

近年来，作为CMIP6最重要的子计划，情景模式比较计划（Scenario Model Intercomparison Project，ScenarioMIP）设计了结合共享社会经济路径与典型浓度路径的新情景，用于模拟和预估试验（Eyring et al.，2016）。ScenarioMIP第一阶段试验是将共享社会经济路径（SSP1，SSP2，SSP3，SSP4，SSP5）与4种典型浓度路径（RCP2.6，RCP4.5，RCP6.0，RCP8.5）组合，随着ScenarioMIP研究的深入，研究人员对社会经济与辐射强迫情景进行了更为科学与完善的组合，考虑社会经济和气候变化的综合影响，研发了多种辐射强迫路径，建立5种共享社会经济路径（SSP1-5）与7种典型浓度路径（RCP1.9，RCP2.6，RCP4.5，RCP6.0，RCP7.0和RCP8.5）组合矩阵，遴选了7個SSPs（SSP1-1.9，SSP1-2.6，SSP2-4.5，SSP3-7.0，SSP4-3.4，SSP4-6.0，SSP5-8.5）情景，以及两个对比试验情景SSP3-LowNTCF和SSP5-3.4-OS（Gidden et al.，2019;Hurtt et al.，2020）。SSPs情景下，全球和区域模拟和预估结果，广泛应用于气候变化科学、影响、脆弱性、风险、适应和减缓研究。

新的SSPs情景综合了不同气候变化研究领域，如综合评估模型（IAM）、气候模型（CM）、影响、适应与脆弱性（IAV）、减缓措施等，涉及社会经济变化、气候变化、土地利用和能源结构变化、行业减排能力等方面的定量评估，使得气候变化科学、影响、风险、适应和减缓研究形成了闭环（ONeill et al.，2016）。SSPs情景的设计经过了多个国家的情景研发团队的多轮讨论与评估，适用于开展人口、经济、城市化、教育水平、技术发展等多种社会经济要素的定量化模拟和预估研究，一方面广泛应用于全球和区域尺度的气候变化影响和适应研究（Su et al.，2018;Wang et al.，2019a;Yuan et al.，2019;Jiang et al.，2020），另一方面，作为IAMs的主要驱动因子，模拟和预估了与SSPs相关的土地利用、能源和碳排放变化过程和趋势（Bauer et al.，2017;Popp et al.，2017;Gidden et al.，2019;Hurtt et al.，2020）

依据SSPs气候情景开展未来人口、经济、土地利用、能源和碳排放等关键要素变化研究，为适应和减缓气候变化提供了最重要的科学支撑。随着《巴黎协定》的签署，各国政府相继公布了碳达峰和碳中和目标。本文通过对情景发展应用的梳理，在全球和中国两个尺度，依据SSPs驱动的模拟和预估数据集，重点介绍人口和经济变化、土地利用变化，特别是碳排放路径的研究进展，并讨论和展望了应用前景。

1 SSP情景描述与应用

共享社会经济路径（SSP1-5）设定在没有额外的政策和措施对气候强迫和适应能力的影响下未来社会经济发展道路，描述未来世界所采用的应对适应和减緩挑战。根据初始设定，再对各个路径的含义适当扩展使之覆盖世界范围内的适应和减缓的社会状况，SSP1-5路径可以定性地描述未来世界在人口增长、经济发展、技术进步、环境条件、公平原则、政府管理、全球化等方面主要特征假设（ONeill et al.，2017;Riahi et al.，2017）。SSP1-5的描述可以总结为以下几点。

SSP1为可持续路径。这一路径下世界逐渐向更包容和更可持续的道路发展。各国、区域间和各部门间将保持有效和持续的协作，并推动全球范围治理能力的改善。教育与卫生方面的投资加速了人口结构的转变，全球人口相对较少。各国对于经济增长的需求逐步转变为对人类福祉的追求，长期的经济增长趋势将有所放缓。技术水平的发展提高了资源利用效率，使得对于能源和资源的需求量减少，可再生能源使用率逐步提高。相对较低的能源需求使得这一路径下面临较低的气候变化减缓挑战，人类福祉的改善和全球治理能力的提高也使得所面临的适应挑战相对较低。

SSP2是中间路径。这一路径下世界将保持与历史时期相似的道路继续发展。发展和收入存在一定的不均衡，有些国家能够取得较好的发展，但一些国家没有能够达成预期，总体来说全球各国努力在教育、水安全、卫生医疗、人类福祉等方面实现可持续发展，但进展缓慢。在人口方面，由于人口结构转型的完成，全球人口缓慢增长，并逐渐趋于平稳，但低收入国家教育水平相对较低，使得人口增长的压力依旧存在。技术发展迅速，但没有根本性的突破，总体上资源和能源使用强度降低，对化石燃料的依赖缓慢减少。这些适度的发展趋势使世界面临中等减缓和适应挑战，但各国之间和各国内部存在显著的差异。

SSP3是区域竞争路径，描述一个缺乏协调区域分化明显的世界。这一情景下地区间冲突加剧，各国更多的关注能源和粮食安全问题而忽视了发展。去全球化趋势严重，国家和地区之间缺乏沟通与协作，对教育和 饮用水、改善的卫生条件和医疗设施。日益增长的资源密集度和对化石燃料的依赖，加上难以实现国际合作和缓慢的技术变革，意味着对减缓的高度挑战。低的发展程度和经济水平意味着所有地区的大部分群体都面临着巨大的适应挑战。

SSP4为不均衡路径。这个路径下全球各国发展差异巨大，权力和财富主要集中于小部分政治和商业精英手中，导致国家之间和国家内部的不平等和阶级差距日益加剧。高收入和中等收入国家的经济增长不高，而低收入国家则更加落后，在许多情况下难以为穷人提供充足的水、卫生和医疗服务。少数的高技术水平群体通过一定的研发投资来应对潜在的资源短缺或气候问题，既关注化石燃料，也重视低碳能源的发展，因此能够有效应对气候变化，带来较低减缓挑战，但由于大部分人受到的教育程度有限，政府管理效率较低，面临很高的适应挑战。

SSP5是以传统化石燃料为主的发展路径。这是一个高度全球化和一体化的世界，强调以经济发展为导向，通过快速的技术进步和密集的人力资本实现发展目标。在推动经济和社会发展的同时，全球对于化石燃料的需求加剧，经济发展依赖资源和能源密集型产业，使全球经济快速增长。在卫生和教育方面投资巨大，以增强人力和社会资本。发展中国家生育率迅速下降，发达国家生育率则会略高于当前水平。由于过度重视经济发展，对环境问题和能源结构调整没有有效措施，使得温室气体排放快速增加，面临高的减缓挑战，但人类发展目标的实现、快速的经济增长和完善的基础设施使得大部分人在适应气候变化方面面临较低的挑战。

依据SSP1-5设计，全球研究团队通过人口-发展-环境（PDE）模型、柯布-道格拉斯（Cobb-Douglas）模型等定量化模型，开展人口、经济、城市化等社会经济要素变化趋势模拟和预估，驱动综合评估模型（IAM），开展SSPs情景下的土地利用、能源结构和碳排放路径等变化趋势研究。目前，国际上常用的IAM模型包括AIM、GCAM、IMAGE、MESSAGE、REMIND、WATCH等。由于计算时间和成本所限，通常每个SSP路径，只选择一个国际团队的IAM模型进行定量化评估（Calvin et al.，2017;Fricko et al.，2017;Fujimori et al.，2017;Kriegler et al.，2017;van Vuuren et al.，2017）。实际研究中，为了降低预估过程的不确定性，往往采用多个IAM模型集合平均的结果。SSPs情景的开发过程见图1。

2 SSPs人口和经济

根据全球和区域社会经济特征和政策措施，不同研究团队在统一框架下对SSPs情景的社会经济发展要素进行描述，开展人口、经济和城市化等关键要素的模拟和预估研究。依据SSP1-5全球框架，人口和经济模拟和预估的参数化方案见表1和表2（Dellink et al.，2017;Kc and Lutz，2017）。国际应用系统分析研究所（IIASA）、经济合作与发展组织（OECD）、德国波茨坦气候影响研究所（PIK）和美国国家大气研究中心（NCAR）等机构对近200个国家和地区进行了人口、经济和城市化的预估研究，构建了国别尺度每五年间隔的数据集（Kc and Lutz，2014，2017;Jiang，2014;Cuaresma，2017;Dellink et al.，2017;Jiang and ONeill，2017;Leimbach et al.，2017）。国内学者考虑了近十年的人口政策变化，以2010年为初始年，采用PDE人口预估模型，对全球、“一带一路”沿线国家和中国开展了格点化的人口预估研究（王艳君等，2017;姜彤等，2017，2018a;Huang et al.，2019;Chen et al.，2020a;Jing et al.，2020）;依据模拟和预估的城乡人口变化，研究了SSPs情景下中国城市化演变特征（景丞等，2019;王艳君等，2020）;采用Cobb-Douglas模型开展了格点化的GDP变化趋势研究（姜彤等，2018b，2020b;潘金玉等，2019;2020），构建了逐年高分辨率格点化的全球和区域的格点数据集（http：//www.scidb.cn/cstr/31253.11.sciencedb.01683;https：//doi.org/10.4121/14113706.v2），促进了全球和区域尺度的人口和经济变化趋势研究。中国区域的研究弥补了全球研究中数据、分辨率等方面的不足并更新了全球人口和经济预估数据，促进了全球和区域尺度的人口和经济变化趋势研究。

2020年全球人口约为78亿，SSP1-5全球人口都较当前有所增加（图2a、2b）。其中，SSP3的人口将持续增加，到21世纪末期增加到约126.2亿;其他情景先呈增加趋势，人口在2050—2070年达到峰值后开始下降，到21世纪末期SSP2和SSP4情景下约为90.0～92.7亿;SSP1和SSP5人口较少，约为68.8～73.6亿。中国2020年人口约为14.2亿，为全球人口最多的国家。SSP1、SSP5和SSP4情景下人口在2025年达到峰值后将持续减少，到21世纪末期约为8.6～9.0亿;SSP2情景下人口在2035年左右达到峰值后逐渐减少，到21世纪末期约为12.4亿;SSP3情景下人口先增长后趋于平缓，到2070年以后又开始有所增加，到21世纪末期约为16.1亿。

GDP预估结果以2005年不变价格，以购买力平价（PPP）对各国货币进行折算。结果显示，2020年全球GDP总量约为100万亿美元，中国GDP总量约为22.6万亿美元，约占全球总量的23%。未来不同社会经济发展路径下，全球GDP会持续增长，其中传统化石燃料为主的路径（SSP5），经济发展最为迅速，到21世纪末期全球GDP总量能够达到2020年的10倍以上，约为1 015万亿美元;其次是SSP1和SSP2，也能够达到2020年的5倍以上，约为537万亿和565万亿美元;SSP3和SSP4路径，经济发展较为缓慢，到21世纪末全球GDP达到2020年的2.8和3.5倍，约为277万亿和352万亿美元。不同社会经济发展路径，中国未来GDP均呈现快速增长趋势，SSP5为GDP增长最为迅速的路径，到21世纪末期达到2020年的6倍，约为134万亿美元;其次是SSP1和SSP2，到21世纪末期分别约为82.8和96.6万亿美元，达到2020年的3.6和4.3倍;SSP3和SSP4为经济发展最慢的路径，到21世纪末期分别约为69.6和64.5万亿美元，达到2020年的3.1和2.8倍。

全球和区域的社会经济模拟和预估数据广泛应用于气候变化影响、暴露度、脆弱性、风险、适应和减缓研究。与此同时，全球和区域人口、经济和城市化变化特征也进一步用来验证和丰富了SSP基本设定。

3 SSPs与土地利用

SSP1-5提供了一套统一的社会经济驱动，可以作为全球和区域土地利用模拟和预估的共同框架和输入与输出环境，在气候变化适应和减缓研究中发挥重要的作用（Estoque et al.，2019）。SSP1-5全球框架描述了土地利用变化对农业和工业需求的响应，包括了粮食、木材、生物能源、城市发展等方面。每一个SSPs情景都呈现出独特的土地利用变化特征，并据此设定了全球化、环境、贸易、生产率、土地变化政策、土地需求等多视角全方位的方案（表3）（Popp et al.，2017）。

在SSP1—5下，Popp et al.（2017）、Dong et al.（2018）、Fujimori et al.（2018）、Estoque et al.（2019）以辐射强迫为约束条件，开展了全球、区域和中国的土地利用变化模拟和预估。之后，Hurtt et al.（2020）、Liao et al.（2020）、Chen et al.（2020b）基于CMIP6新的SSPs情景，进一步发展了SSP情景下全球和中国土地利用预估研究。SSPs情景下2010—2100全球和中国土地利用变化趋势（图3）。

2020年全球城市、耕地、草地、林地和未利用土地面积分别约为65×104、1 620×104、3 260×104、3 690×104和5 400×104 km2。未来不同SSPs情景下全球城市面积均有所增加，到2050年左右增速逐渐放缓，21世纪末城市面积约为102×104～125×104 km2。全球耕地面积在SSP4-3.4情景下快速增加，其他情景下平稳增加，到21世纪末期达到约1 780×104～2 150×104 km2。未来林地面积在SSP4-6.0和SSP3-7.0情景下会有缓慢增长，其他情景下有所减少，21世纪末期面积约为3 200×104～3 800×104 km2。全球林地面积在SSP1-1.9、SSP1-2.6和SSP2-4.5情景下基本保持不变或微升，其他情景下则有所降低，到21世纪末期各个情景下面积为2 630×104～3 540×104 km2。未利用土地在可持续的SSP1（SSP1-1.9和SSP1-2.6）情景下可能有所增加，到21世纪末期约为5 700×104～5 730×104 km2，而其他情景，尤其是不均衡的SSP4（SSP4-3.4和SSP4-6.0）和区域竞争的SSP3-7.0情景下，土地利用开发程度加剧，未利用土地到21世纪末期减少为4 720×104～5 000×104 km2。

中国土地利用变化基本与全球保持一致，2020年中国城市面积约为7×104 km2，未来不同SSPs情景下将会先增加，到2050年之后有所减少，到21世纪末期约为5×104～7×104 km2。耕地面积在2020年约为121×104 km2，与全球趋势类似，除了SSP4-3.4情景，耕地面积增长较快，能够增长到212×104 km2，其他情景下，耕地变化较小，21世纪末期约为74×104～143×104 km2。未来不同情景下，中国的草地面积都会减少，由2020年的388×104 km2减小到21世纪末期的270×104～362×104 km2。林地则在除了SSP4-3.4外的所有情景下都会有所增加，由2020年的214×104 km2增加到21世纪末期的227×104～252×104 km2。2020年中國未利用土地约为215×104 km2，在可持续的SSP1（SSP1-1.9和SSP1-2.6）和社会经济发展缓慢的SSP3-7.0情景下，中国未利用土地面积会大量增加，达到265×104～280×104 km2，其他情景下，则有小幅度的增加，到21世纪末期约为216×104～235×104 km2。

2020—2100年SSPs情景下全球和中国土地利用转换关系见图4。全球土地的转换主要体现在耕地与林地的相互转换。2020—2100年，各种情景下约有1 240×104～1 540×104 km2的林地转化为了耕地，同时，也有1 090×104～1 210×104 km2的耕地退耕成为林地。其次，耕地与未利用土地之间的转换也是未来土地变化的重要环节，各种情景下有980×104～1 220×104 km2的未利用土地转化为耕地，同时有710×104～1 220×104 km2的耕地退耕为了未利用土地。草地与城市由于面积较小，所以转移量也相对较小。城市主要由其他土地类型转入为主，草地在2020—2100年向耕地、林地和未利用土地分别转入85×104～362×104、55×104～216×104和122×104～336×104 km2，同期由耕地、林地和未利用土地转向林地的分别为0～39×104、14×104～273×104和17×104～459×104 km2。

在不同SSPs情景下，中国的土地转移有较为明显的差异。在可持续的SSP1（SSP1-1.9和SSP1-2.6）情景下，土地转移量列为前三位的是草地向林地转移、草地向未利用土地的转移以及林地向耕地的转移;2020—2100年这三种转移方式的转移量分别为58×104～60×104、57×104～59×104和40×104～43×104 km2。中等发展的SSP2-4.5情景下，转移量最多的主要为草地向林地的转移、草地向未利用土地的转移以及耕地向未利用土地的转移，21世纪这三种转移类型的转移量分别为35×104、23×104和20×104 km2。社会经济发展缓慢的SSP3-7.0情景和SSP4-6.0情景下，大量的耕地和草地向林地和未利用土地轉化，互相之间转移量都在20×104 km2以上。SSP4-3.4情景下则主要会出现草地、林地和未利用土地向耕地的转化以及草地向林地和未利用土地的转化，各个环节的转化量也都在20×104 km2以上。SSP5-8.5情景则主要会发生草地向林地的转化和林地与耕地的互相转化。

4 SSPs与能源

SSP1-5路径的能源系统变化是依据初始设定中能源相关的描述以及所面临的适应和减缓挑战。研究人员通过对能源系统主要驱动因素如能源技术进步、经济增长、新能源的出现、未来化石能源及其替代品的成本和可用性等的假设，开展不同社会经济发展路径下的能源需求和供应的定量化模拟和预估（表4，Bauer et al.，2017）。

全球能源变化的模拟和预估主要采用PIK的研究成果（Bauer et al.，2017）。国内尽管有一些关于能源变化方面的预估成果，但不同SSP全球框架下的能源结构和变化的研究尚不多见（Chen et al.，2017）。未来不同SSP路径下，能源供应系统的规模和结构是适应和减缓气候变化的决定性因素。 图5是SSP1-5路径下全球和中国的一次能源结构变化趋势。2020年，全球煤炭、石油、天然气和非化石能源在一次能源中的占比分别为27%、34%、24%和15%，与全球相比，中国更加依赖煤炭，而石油和天然气的使用相对较少，四种能源占比分别为46%、26%、12%和16%。在未来可持续绿色发展的SSP1路径，能源转型最为迅速，全球和中国非化石能源占比都在快速增加，而石油和煤炭的占比则将持续减小，到21世纪末期全球和中国非化石能源占比分别将达到45%和41%，而煤炭占比分别下降至16%和27%。与之类似的是不均衡发展的SSP4路径，虽然全球不同区域发展差异巨大，但面临较低减缓挑战，对化石能源的依赖也在逐步降低，到21世纪末期全球非化石能源占比能够增加至30%，中国增加至约28%。在维持历史时期变化态势的SSP2情景下，全球各能源类型所占比例变化不明显，全球范围内到21世纪末期煤炭占比基本保持不变，石油占比减少至23%，天然气和非化石能源占比分别为增加至27%和23%。中国的变化主要体现在煤炭减少和天然气占比增加，到21世纪末期这两种能源占比分别变化为38%和20%。SSP3和SSP5路径下，这两种社会经济发展路径严重依赖化石燃料，煤炭在一次能源结构中的比重持续增加，而石油和天然气所占比重则有所减少，到21世纪末期，SSP3和SSP5路径下全球煤炭在一次能源中的比重分别能达到45%和49%，中国也基本上维持类似的社会经济发展的结构，21世纪末期这两种路径下煤炭占比分别为57%和60%。

总体来看，2020年全球和中国能源需求量分别为443和132 EJ（1 EJ=1018J），除了SSP1社会经济可持续发展路径外，未来多数路径下全球能源需求量都会持续增加（图6）。

其中，传统化石燃料为主的发展路径（SSP5）能源需求量增幅最大，并将保持快速的增长的态势，到21世纪末期，全球能源需求量约为1 167（976～1 192） EJ。中间路径SSP2和区域竞争路径SSP3，能源需求增加速度略低于SSP5，到21世纪末期能源需求量分别约为974（680～974） EJ和779（779～1 184） EJ。值得一提的是，尽管个别模型区域竞争路径（SSP3）能源需求量小于中间路径（SSP2），但多数模型模拟显示，SSP3路径能源需求可能会更高。不均衡路径（SSP4）下，全球能源需求量增长至2060年后开始放缓，到21世纪末期约为707（707～560） EJ。可持续的发展路径（SSP1）能源需求量最小，到2070年左右达到峰值后开始降低，到21世纪末期全球能源需求约为528（387～668） EJ，不到SSP5的一半。不同社会经济发展路径，中国能源需求量基本与全球保持类似的增长趋势，但SSP5路径在2080年达到峰值后可能会有所降低，21世纪末期中国能源需求约为311（164～377） EJ。SSP2和SSP3路径能源需求持续增加，到21世纪末期分别为305（145～305） EJ和224（224～386） EJ;SSP1和SSP4两个低减缓挑战路径下，中国的能源需求量都将在2060年左右达到峰值后降低，到21世纪末期分别为156（72～215） EJ和197（152～197） EJ。

5 SSPs与碳排放

二氧化碳（CO2）排放是世界各国减排政策控制的主要排放物类型，也是中国实现碳达峰和碳中和目标主要控制排放物。全球二氧化碳数据是支撑气候变化应对的基础数据，全球有十余家机构开展了CO2排放的数据库收集与实时排放监控，包括国际能源署（https：//www.iea.org/reports/global-energy-review-2020）、美国橡树岭国家实验室CO2信息分析中心CDIAC（https：//energy.appstate.edu/CDIAC）、美国能源署（https：//www.eia.gov/international/data/world，last access：4 February 2020）、波茨坦氣候影响研究所PIK（Gütschow et al.，2016）、全球大气研究排放数据库EDGAR（Janssens-Maenhout et al.，2019）等。国内的多家机构包括北京大学（Tao et al.，2018）、清华大学（Zheng et al.，2021）、南京大学（Wang et al.，2019b）、碳核算数据库CEADs（Shan et al.，2018）和全球实时碳数据Carbon Monitor（Liu et al.，2020）等也开展了中国的碳排放量的相关研究。

SSPs情景下的碳排放模拟与预估则主要采用社会经济发展驱动IAM模型，揭示土地利用和能源结构变化特征，依据模拟和预估的土地利用和能源结构特征，阐明CO2排放特征。国内外学者模拟和预估能源结构和土地利用变化，同时也计算了相应CO2排放（Bauer et al.，2017;Chen et al.，2017;Popp et al.，2017;Dong et al.，2018;Fujimori et al.，2018）。部分学者基于IAM模型，在SSPs情景下模拟和预估了全球和中国碳排放变化趋势（Bhmelt，2017;Marangoni et al.，2017;Zhang et al.，2021）。目前，发布于IIASA气候变化数据库中的全球碳排放预估数据主要根据Gidden et al.（2019）的研究成果。

SSPs情景下2000—2100年全球和中国重要行业CO2排放量变化如图7。全球碳排放研究发现，2000—2020年，全球CO2排放量由297亿吨增加至410亿吨，中国CO2排放量由36亿吨增加至115亿吨。不同SSPs情景下，未来CO2排放量差异显著。根据不同情景的碳排放变化特征，将全球和中国的碳排放划分为三种路径，分别为低碳路径、中碳路径和高碳路径，其中，可持续的SSP1（SSP1-1.9，SSP1-2.6）和不均衡的SSP4-3.4是低碳路径，低碳路径下全球和中国的CO2排放都将持续降低，全球到2050—2080年左右能够实现净零排放，中国则在2060—2080年左右实现净零排放，不需要额外的碳中和措施。中等排放的SSP4-6.0和SSP2-4.5为中碳路径，这一路径下全球和中国的碳排放量都会在短期内增加，后持续降低。全球碳排放量将在2040—2050年左右达到峰值，到21世纪末期排放量在1 000亿吨以下;中国碳排放量在2030年左右达到峰值，到21世纪末期排放量在20亿吨以下。中碳路径下中国能实现2030年碳达峰的目标，但要在2060年实现碳中和目标，还需要额外措施以消除约80亿吨的额外排放量。高减缓挑战的SSP5-8.5和SSP3-7.0为高碳路径，这一路径下全球碳排放量将持续增加，到21世纪末期达到约1 000亿吨;中国的碳排放量会在2050—2070年左右达到峰值，到21世纪末期达到约140亿吨。因此，要实现碳达峰和碳中和目标，中国需要走低碳或者中碳路径，若走中碳路径，需要在2060年前额外消除约80亿吨碳排放量以实现碳中和。

全球和中国分行业模拟和预估发现，各部门碳排放量与总排放量的变化趋势基本相同，2020年，全球能源部门、工业部门和交通运输业的CO2排放量分别约为164亿吨、94亿吨和67亿吨，分别占排放总量的40%、23%和16%。中国能源部门、工业部门和交通运输业CO2排放量分别约为54亿吨、42亿吨和10亿吨，分别占中国排放总量的47%、37%和8%。未来全球和中国能源部门的碳排放量在SSP1-1.9、SSP1-2.6和SSP4-3.4的低碳路径与SSP4-6.0和SSP2-4.5的中碳路径下会持续降低，在高碳的SSP5-8.5和SSP3-7.0下碳排放量会较当前有所增加。全球工业部门排放量在低碳情景下持续减少，在中碳路径下先增加到2040年后逐渐降低，在高碳路径下持续增加。与全球趋势有所差异，中国在大部分碳路径下，工业部门的排放量都能在2030年前达到峰值，之后都会呈现减少的趋势，到21世纪末期排放量都会在10亿吨以下。全球和中国的交通运输业排放则在大部分碳路径下基本保持平稳的变化态势，到21世纪末期低碳路径下能够达到零排放。

6 结语和展望

本文主要梳理了SSPs情景的设计、开发，以及其在人口经济、土地利用、能源和碳排放领域的应用。从提出SSP的概念开始，SSP情景已经经历了近20 a的发展。从最初的作为典型浓度路径的平行情景到现在成为CMIP6和IPCC AR6中最重要的评估工具，体现了SSP情景的设计优势：既能反映人类活动相关的社会经济各要素的变化特征，又能灵活的与政策和情景相结合，从而促进对气候变化科学基础、影响、脆弱性、风险、适应和减缓的综合研究。

社会经济发展变化直接驱动了土地利用的变化，引起了能源变化，进而导致了以CO2为主的碳排放的变化，影响气候变化。能源和土地利用的预估均基于人口经济预估的结果，同时也是计算碳排放的主要方法，SSPs情景下全球和中国的能源需求量分别能够达到528～1167 EJ和156～311 EJ。与全球相比，中国的能源需求量更早达到峰值，后期增速也远低于全球。在土地利用变化上，中国的城市和耕地较全球来说未来增加幅度较小，取而代之的是林地和未利用土地的变化高于全球。

SSPs情景下21世纪末期全球和中国未来的碳排放量分别为-148～1 260亿吨和-34～142亿吨，中国的碳排放总量将比全球下降得更快。未来碳排放路径分为低碳路径（SSP1-1.9、SSP1-2.6和SSP4-3.4）、中碳路径（SSP2-4.5和SSP4-6.0）和高碳路径（SSP3-7.0和SSP5-8.5）。低碳路径下中国碳排放量持续降低，到2060年左右能够无需额外碳中和措施实现净零排放，是实现“双碳”目标的理想情景;中碳路径下中国在2030年左右实现碳达峰，但到2060年需要额外措施以消除约80亿吨碳排放量才能实现碳中和，是实现“双碳”目标有一定挑战的路径;高碳路径下中国碳排放在2050年以后达峰，到21世纪末还有约150亿吨的排放量，這种情景下很难实现“双碳”目标。因此，要实现碳达峰和碳中和目标，政府及相关部门需要合理规划，统筹发展，从情景的角度出发，既考虑不同发展模式的特征与优势，又了解各路径下碳排放量可能的变化规律以及实现“双碳”目标的可能，选择适合中国发展的道路。

经历了多年的发展，SSPs情景下的预估除了本文提到的人口、经济、城市化、土地利用、能源、碳排放外，还有包括大气污染、水资源、卫生系统、渔业等诸多领域（Maury et al.，2017;Rao et al.，2017;Sellers and Ebi，2017;Yin et al.，2017）。这些要素的预估结果又进一步可以用于气象灾害的暴露度和脆弱性、人体健康、适应能力等各个方面的评估中（Su et al.，2018;Wang et al.，2019b;Jiang et al.，2020）。当前，ScenarioMIP第一阶段（Tier1）和第二阶段（Tier2）的情景预估数据已经都逐渐完备，尤其是在CMIP6发布后，众多行业和部门的预估结果也被纳入统一的情景框架（Warszawski et al.，2014）。这使得气候变化背景下的跨部门、跨区域和跨尺度的研究变得更加简便也更加科学，这也是下一步全球和区域尺度研究的重要方向。

目前，人口、经济、土地利用等相关方面的研究都正在向更高分辨率的数据集发展，未来情景下全球范围的碳排放预估目前还仅限于全球总量和各大经济体，缺乏统一框架下的国别和区域以及更精细尺度下格点化研究。未来还需要开展碳排放预估方面更精细化的预估参数框架设计与更系统的本地化参数方案的相关研究，进一步完善情景预估结果以适应不同尺度的气候变化影响和风险研究。

IPCC AR6报告发布后，减缓与适应仍然是应对气候变化的重要手段，SSPs还需要加强共享气候政策假设（SPA）在情景设计中的作用（Kebede et al.，2018）。通过将更多的气候政策假设纳入共享社会经济路径中，探究不同气候政策以及相应的减缓和适应措施的成本与收益，为不同行业和部门的科学决策提供理论支持。

作为新一代气候情景的重要组成，共享社会经济路径已经为气候变化科学基础、影响和风险、适应和减缓提供了科技支撑，在气候变化领域具有实用前景，已在能源、土地利用和碳排放等领域得到广泛的应用。然而未来世界面临很多不确定性，例如2020年以来全球传播的新冠疫情、2022年爆发的俄乌战争均对全球人口和经济格局产生重大的影响。SSPs情景设计中如何考虑突发性公共卫生和安全事件对人口经济长期发展趋势的影响还有待进一步深入，从而更好地理解后疫情时代未来不同社会经济发展路径的气候系统效应，及其对全球气候治理政策的影响。

参考文献（References）

Bauer N，Calvin K，Emmerling J，et al.，2017.Shared socio-economic pathways of the energy sector-quantifying the narratives[J].Glob Environ Change，42：316-330.doi：10.1016/j.gloenvcha.2016.07.006.

Bhmelt T，2017.Employing the shared socioeconomic pathways to predict CO2 emissions[J].Environ Sci Policy，75：56-64.doi：10.1016/j.envsci.2017.05.002.

Calvin K，Bond-Lamberty B，Clarke L，et al.，2017.The SSP4：a world of deepening inequality[J].Glob Environ Change，42：284-296.doi：10.1016/j.gloenvcha.2016.06.010.

Chen G，Li X，Liu X，et al.，2020a.Global projections of future urban land expansion under shared socioeconomic pathways[J].Nat Commun，11：537.doi：10.1038/s41467-020-14386-x.

Chen W Y，Wang H，Huang W L，et al.，2017.Shared social-economic pathways（SSPs） modeling：application of global multi-region energy system model[J].Energy Procedia，142：2467-2472.doi：10.1016/j.egypro.2017.12.184.

Chen Y，Guo F，Wang J，et al.，2020b.Provincial and gridded population projection for China under shared socioeconomic pathways from 2010 to 2100[J].Sci Data，7：83.doi：10.1038/s41597-020-0421-y.

Cuaresma J C，2017.Income projections for climate change research：a framework based on human capital dynamics[J].Glob Environ Change，42：226-236.doi：10.1016/j.gloenvcha.2015.02.012.

Dellink R，Chateau J，Lanzi E，et al.，2017.Long-term economic growth projections in the Shared Socioeconomic Pathways[J].Glob Environ Change，42：200-214.doi：10.1016/j.gloenvcha.2015.06.004.

Dong N，You L，Cai W J，et al.，2018.Land use projections in China under global socioeconomic and emission scenarios：utilizing a scenario-based land-use change assessment framework[J].Glob Environ Change，50：164-177.doi：10.1016/j.gloenvcha.2018.04.001.

Estoque R C，Ooba M，Avitabile V，et al.，2019.The future of Southeast Asias forests[J].Nat Commun，10：1829.doi：10.1038/s41467-019-09646-4.

Eyring V，Bony S，Meehl G A，et al.，2016.Overview of the Coupled Model Intercomparison Project Phase 6（CMIP6） experimental design and organization[J].Geosci Model Dev，9（5）：1937-1958.doi：10.5194/gmd-9-1937-2016.

Fricko O，Havlik P，Rogelj J，et al.，2017.The marker quantification of the Shared Socioeconomic Pathway 2：a middle-of-the-road scenario for the 21st century[J].Glob Environ Change，42：251-267.doi：10.1016/j.gloenvcha.2016.06.004.

Fujimori S，Hasegawa T，Masui T，et al.，2017.SSP3：AIM implementation of shared socioeconomic pathways[J].Glob Environ Change，42：268-283.doi：10.1016/j.gloenvcha.2016.06.009.

Fujimori S，Hasegawa T，Ito A，et al.，2018.Gridded emissions and land-use data for 2005—2100 under diverse socioeconomic and climate mitigation scenarios[J].Sci Data，5：180210.doi：10.1038/sdata.2018.210.

Gidden M J，Riahi K，Smith S J，et al.，2019.Global emissions pathways under different socioeconomic scenarios for use in CMIP6：a dataset of harmonized emissions trajectories through the end of the century[J].Geosci Model Dev，12（4）：1443-1475.doi：10.5194/gmd-12-1443-2019.

Gütschow J，Jeffery M L，Gieseke R，et al.，2016.The PRIMAP-hist national historical emissions time series[J].Earth Syst Sci Data，8（2）：571-603.doi：10.5194/essd-8-571-2016.

Huang J L，Qin D H，Jiang T，et al.，2019.Effect of fertility policy changes on the population structure and economy of China：from the perspective of the shared socioeconomic pathways[J].Earths Future，7（3）：250-265.doi：10.1029/2018EF000964.

Hurtt G C，Chini L，Sahajpal R，et al，2020.Harmonization of global land use change and management for the period 850—2100（LUH2） for CMIP6[J].Geosci Model Dev，13（11）：5425-5464.

IPCC，2001.Climate change 2001：mitigation of climate change，contribution of working group Ⅲ to the third assessment report of the Intergovernmental Panel on Climate Change[M].Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press.

IPCC，2007.Climate change 2007：the physical science basis：contribution of working group Ⅰ to the fourth assessment report of the Intergovernmental Panel on Climate Change[M].Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press.

Janssens-Maenhout G，Crippa M，Guizzardi D，et al.，2019.EDGAR v4.3.2 Global Atlas of the three major greenhouse gas emissions for the period 1970—2012[J].Earth Syst Sci Data，11（3）：959-1002.doi：10.5194/essd-11-959-2019.

Jiang L W，2014.Internal consistency of demographic assumptions in the shared socioeconomic pathways[J].Popul Environ，35（3）：261-285.doi：10.1007/s11111-014-0206-3.

Jiang L W，ONeill B C，2017.Global urbanization projections for the shared socioeconomic pathways[J].Glob Environ Change，42：193-199.doi：10.1016/j.gloenvcha.2015.03.008.

姜彤，赵晶，景丞，等，2017.IPCC共享社会经济路径下中国和分省人口变化预估[J].气候变化研究进展，13 （2）：128-137. Jiang T，Zhao J，Jing C，et al，2017.National and provincial population projected to 2100 under the Shared Socioeconomic Pathways in China[J].Climate Change Res，13 （2）：128-137.（in Chinese）.

姜彤，王艳君，袁佳双，等，2018a.“一带一路”沿线国家2020—2060年人口经济发展情景预测[J].气候变化研究进展，14（2）：155-164. Jiang T，Wang Y J，Yuan J S，et al.，2018a.Projection of population and economy in the Belt and Road countries（2020—2060）[J].Climate Change Res，14（2）：155-164.（in Chinese）.

姜彤，赵晶，曹丽格，等，2018b.共享社会经济路径下中国及分省经济变化预测[J].气候变化研究进展，14（1）：50-58. Jiang T，Zhao J，Cao L G，et al，2018b.Projection of national and provincial economy under the shared socioeconomic pathways in China[J].Climate Change Research，14 （1）：50-58.（in Chinese）.

姜彤，王艳君，苏布达，等，2020a.全球气候变化中的人类活动视角：社会经济情景的演变[J].南京信息工程大学学报（自然科学版），12（1）：68-80. Jiang T，Wang Y J，Su B D，et al.，2020a.Perspectives of human activities in global climate change：evolution of socio-economic scenarios[J].J Nanjing Univ Inf Sci Technol（Nat Sci Ed），12（1）：68-80.doi：10.13878/j.cnki.jnuist.2020.01.009.（in Chinese）.

姜彤，景丞，王艳君，等，2020b.SSPs路径下实现全球可持续发展目标的可能性分析[J].中国科学：地球科学，50（10）：1445-1454. Jiang T，Jing C，Wang Y J，et al，2020b.Possibility of implementing global Sustainable development goals under the shared socioeconomic pathways[J].Scientia Sinica Terrae，50（10）：1445-1454.（in Chinese）.

Jiang T，Su B D，Huang J L，et al.，2020.Each 0.5 ℃ of warming increases annual flood losses in China by more than US$60 billion[J].Bull Am Meteor Soc，101（8）：E1464-E1474.doi：10.1175/bams-d-19-0182.1.

景丞，蘇布达，巢清尘，等，2019.基于共享社会经济路径的“一带一路”沿线国家城市化水平与经济预测研究[J].中国人口·资源与环境，29（1）：21-31. Jing C，Su B D，Chao Q C，et al.，2019.Projection of urbanization and economy in the ‘Belt and Road’ countries based on the shared socioeconomic pathways[J].China Popul Resour Environ，29（1）：21-31.（in Chinese）.

Jing C，Tao H，Jiang T，et al.，2020.Population，urbanization and economic scenarios over the Belt and Road region under the Shared Socioeconomic Pathways[J].J Geogr Sci，30（1）：68-84.doi：10.1007/s11442-020-1715-x.

Kebede A S，Nicholls R J，Allan A，et al.，2018.Applying the global RCP-SSP-SPA scenario framework at sub-national scale：a multi-scale and participatory scenario approach[J].Sci Total Environ，635：659-672.doi：10.1016/j.scitotenv.2018.03.368.

Kc S，Lutz W，2014.Demographic scenarios by age，sex and education corresponding to the SSP narratives[J].Popul Environ，35（3）：243-260.doi：10.1007/s11111-014-0205-4.

Kc S，Lutz W，2017.The human core of the shared socioeconomic pathways：population scenarios by age，sex and level of education for all countries to 2100[J].Glob Environ Change，42：181-192.doi：10.1016/j.gloenvcha.2014.06.004.

Kriegler E，Edmonds J，Hallegatte S，et al.，2014.A new scenario framework for climate change research：the concept of shared climate policy assumptions[J].Climate Change，122（3）：401-414.doi：10.1007/s10584-013-0971-5.

Kriegler E，Bauer N，Popp A，et al.，2017.Fossil-fueled development （SSP5）：an energy and resource intensive scenario for the 21st century[J].Glob Environ Change，42：297-315.doi：10.1016/j.gloenvcha.2016.05.015.

Leimbach M，Kriegler E，Roming N，et al.，2017.Future growth patterns of world regions-a GDP scenario approach[J].Glob Environ Change，42：215-225.doi：10.1016/j.gloenvcha.2015.02.005.

Liao W L，Liu X P，Xu X Y，et al.，2020.Projections of land use changes under the plant functional type classification in different SSP-RCP scenarios in China[J].Sci Bull，65（22）：1935-1947.doi：10.1016/j.scib.2020.07.014.

Liu Z，Ciais P，Deng Z，et al.，2020.Carbon monitor，a near-real-time daily dataset of global CO2 emission from fossil fuel and cement production[J].Sci Data，7：392.doi：10.1038/s41597-020-00708-7.

Marangoni G，Tavoni M，Bosetti V，et al.，2017.Sensitivity of projected long-term CO2 emissions across the Shared Socioeconomic Pathways[J].Nat Clim Chang，7（2）：113-117.doi：10.1038/nclimate3199.

Maury O，Campling L，Arrizabalaga H，et al.，2017.From shared socio-economic pathways （SSPs） to oceanic system pathways （OSPs）：building policy-relevant scenarios for global oceanic ecosystems and fisheries[J].Glob Environ Change，45：203-216.doi：10.1016/j.gloenvcha.2017.06.007.

Moss R，Babiker M，Brinkman S，2008.Towards new scenarios for analysis of emissions，climate change，impacts，and response strategies，technical summary[M]//Intergovernmental Panel on Climate Change，Geneva：25.

Moss R H，Edmonds J A，Hibbard K A，2010.The next generation of scenarios for climate change research and assessment[J].Nature，463：747-756.doi：10.1038/nature08823.

Nakicénovic N，Davidson O，Davis G，et al.，2000.Special report on emissions scenarios：a special report of working group Ⅲ of the Intergovernmental Panel on Climate Change[M].Cambridge，United Kingdom：Cambridge University Press.

ONeill B C，Kriegler E，Riahi K，et al.，2014.A new scenario framework for climate change research：the concept of shared socioeconomic pathways[J].Climate Change，122（3）：387-400.doi：10.1007/s10584-013-0905-2.

ONeill B C，Tebaldi C，van Vuuren D P，et al.，2016.The scenario model intercomparison project （ScenarioMIP） for CMIP6[J].Geosci Model Dev，9（9）：3461-3482.doi：10.5194/gmd-9-3461-2016.

ONeill B C，Kriegler E，Ebi K L，et al.，2017.The roads ahead：narratives for shared socioeconomic pathways describing world futures in the 21st century[J].Glob Environ Change，42：169-180.doi：10.1016/j.gloenvcha.2015.01.004.

Popp A，Calvin K，Fujimori S，et al.，2017.Land-use futures in the shared socio-economic pathways[J].Glob Environ Change，42：331-345.doi：10.1016/j.gloenvcha.2016.10.002.

潘金玉，苏布达，翟建青，等，2019.基于共享社会经济路径的中国经济发展趋势及其影响要素分析[J].气候变化研究进展，15（6）：607-616. Pan J Y，Su B D，Zhai J Q，et al.，2019.Development of economy and its influencing factors in China under the shared socioeconomic pathways[J].Climate Change Res，15（6）：607-616.doi：10.12006/j.issn.1673-1719.2019.028.（in Chinese）.

潘金玉，苏布达，王艳君，等，2020.共享社会经济路径（SSPs）下2020—2050年中国分产业产值时空变化[J].气候变化研究进展，16（6）：725-737. Pan J Y，Su B D，Wang Y J，et al.，2020.Spatio-temporal changes of output value from the primary，secondary and tertiary industries for 2020—2050 under the shared socioeconomic pathways[J].Climate Change Res，16（6）：725-737.doi：10.12006/j.issn.1673-1719.2019.221.（in Chinese）.

秦大河，2018.氣候变化科学概论[M].北京：科学出版社. Qin D H，2018.Introduction to science of climate change[M].Beijing：Science Press.（in Chinese）.

Rao S，Klimont Z，Smith S J，et al.，2017.Future air pollution in the Shared Socio-economic Pathways[J].Glob Environ Change，42：346-358.doi：10.1016/j.gloenvcha.2016.05.012.

Riahi K，van Vuuren D P，Kriegler E，et al.，2017.The shared socioeconomic pathways and their energy，land use，and greenhouse gas emissions implications：An overview[J].Glob Environ Change，42：153-168.doi：10.1016/j.gloenvcha.2016.05.009.

Sellers S，Ebi K，2017.Climate change and health under the shared socioeconomic pathway framework[J].Int J Environ Res Public Heal，15（1）：3.doi：10.3390/ijerph15010003.

Shan Y L，Guan D B，Zheng H R，et al.，2018.China CO2 emission accounts 1997—2015[J].Sci Data，5：170201.doi：10.1038/sdata.2017.201.

Su B D，Huang J L，Fischer T，et al.，2018.Drought losses in China might double between the 1.5 ℃ and 2.0 ℃ warming[J].PNAS，115（42）：10600-10605.doi：10.1073/pnas.1802129115.

Tao S，Ru M Y，Du W，et al.，2018.Quantifying the rural residential energy transition in China from 1992 to 2012 through a representative national survey[J].Nat Energy，3（7）：567-573.doi：10.1038/s41560-018-0158-4.

Taylor K E，Stouffer R J，Meehl G A，2012.An overview of CMIP5 and the experiment design[J].Bull Amer Meteor Soc，93（4）：485-498.doi：10.1175/bams-d-11-00094.1.

van Vuuren D P，Edmonds J，Thomson A，2011.The representative concentration pathways：an overview[J].Climate Chang，109（1/2）：5-31.doi：10.1007/s10584-011-0148-z.

van Vuuren D P，Riahi K，Moss R，et al.，2012.A proposal for a new scenario framework to support research and assessment in different climate research communities[J].Glob Environ Change，22（1）：21-35.doi：10.1016/j.gloenvcha.2011.08.002.

van Vuuren D P，Kriegler E，ONeill B C，et al.，2014.A new scenario framework for climate change research：scenario matrix architecture[J].Climate Chang，122（3）：373-386.doi：10.1007/s10584-013-0906-1.

van Vuuren D P，Stehfest E，Gernaat D E H J，et al.，2017.Energy，land-use and greenhouse gas emissions trajectories under a green growth paradigm[J].Glob Environ Change，42：237-250.doi：10.1016/j.gloenvcha.2016.05.008.

Wang H，Lu X，Deng Y，et al.，2019a.Chinas CO2 peak before 2030 implied from characteristics and growth of cities[J].Nat Sustain，2（8）：748-754.doi：10.1038/s41893-019-0339-6.

Wang Y，Wang A，Zhai J，et al.，2019b.Tens of thousands additional deaths annually in cities of China between 1.5 ℃ and 2.0 ℃ warming[J].Nat Commun，10：3376.doi：10.1038/s41467-019-11283-w.

王艷君，景丞，曹丽格，等，2017.全球升温控制在1.5 ℃和2.0 ℃时中国分省人口格局[J].气候变化研究进展，13（4）：327-336. Wang Y J，Jing C，Cao L G，et al.，2017.The population patterns over China under the 1.5 ℃ and 2.0 ℃ warming targets[J].Climate Change Res，13（4）：327-336.doi：10.12006/j.issn.1673-1719.2017.028.（in Chinese）.

王艳君，景丞，姜彤，等，2020.2015—2050年中国分省城乡人口变化及其影响因素研究[J].南京信息工程大学学报（自然科学版），12（4）：395-405. Wang Y J，Jing C，Jiang T，et al.，2020.Projection of provincial urban and rural population and its influencing factors in Chinas mainland （2015—2050）[J].J Nanjing Univ Inf Sci Technol（Nat Sci Ed），12（4）：395-405.doi：10.13878/j.cnki.jnuist.2020.04.001.（in Chinese）.

Warszawski L，Frieler K，Huber V，et al.，2014.The inter-sectoral impact model intercomparison project（ISI-MIP）：project framework[J].PNAS，111（9）：3228-3232.doi：10.1073/pnas.1312330110.

Yin Y Y，Tang Q H，Liu X C，et al.，2017.Water scarcity under various socio-economic pathways and its potential effects on food production in the Yellow River Basin[J].Hydrol Earth Syst Sci，21（2）：791-804.doi：10.5194/hess-21-791-2017.

Yuan X，Wang L，Wu P，et al.，2019.Anthropogenic shift towards higher risk of flash drought over China[J].Nat Commun，10：4661.doi：10.1038/s41467-019-12692-7.

Zhang F，Deng X Z，Xie L，et al.，2021.Chinas energy-related carbon emissions projections for the shared socioeconomic pathways[J].Resour Conserv Recycl，168：105456.doi：10.1016/j.resconrec.2021.105456.

Zheng B，Cheng J，Geng G N，et al.，2021.Mapping anthropogenic emissions in China at 1 km spatial resolution and its application in air quality modeling[J].Sci Bull，66（6）：612-620.doi：10.1016/j.scib.2020.12.008.

Multiple application of shared socioeconomic pathways in land use，energy and carbon emission research

JING Cheng1，JIANG Tong1，2，SU Buda1，2，WANG Yanjun1，WANG Guojie1，2，HUANG Jinlong1，GAO Miaoni1，2，LIN Qigen1，LIU Shuci1，ZHAI Jianqing3

1Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters/School of Geographical Science/Institute for Disaster Risk Management，Nanjing University of Information Science & Technology，Nanjing 210044，China;

2Research Institute of Climate and Environmental Governance，Nanjing University of Information Science & Technology，Nanjing 210044，China;

3National Climate Center，China Meteorological Administration，Beijing 100081，China

Scenario is an important tool for climate change projection.The Intergovernmental Panel on Climate Change （IPCC） developed the Shared Socioeconomic Pathways （SSPs） in 2010，aiming to scientifically support the Fifth Assessment Report （IPCC AR5），Coupled Model Intercomparison Project （CMIP），Inter-Sectoral Impact Model Intercomparison Project （ISI-MIP），and other international programs.As climate scenarios developed from a socioeconomic perspective，SSPs facilitate climate change research including physical science，impacts，vulnerability，risk，adaptation and mitigation.In this paper，we first describe the development process of SSPs and their possible application.Next，the simulation and global and Chinese results of population and economy，land use，energy and carbon emissions are simulated and projected.In particular，the carbon emission trajectories under different SSPs and their relationship with the “two-carbon” target are also quantified on scales for both the world and China.Finally，a prospective application of SSPs is presented.

shared socioeconomic pathways （SSPs）;land use;energy;carbon emission trajectories

doi：10.13878/j.cnki.dqkxxb.20220405009

（責任编辑：刘菲）