碳中和评估与预测预估方法研究进展

秦云，肖风劲，於琍，陆波，刘秋锋

( 1.国家气候中心，北京 100081；2.中国气象局气候预测研究重点开放实验室，北京 100081 )

引言

工业革命以来，人类活动排放了大量的温室气体，造成了大气中的温室气体浓度增加，温室效应增强，导致全球气候变暖，对人类和生态系统造成了多种不利影响[1–4]。联合国政府间气候变化专门委员会（IPCC）第六次评估报告指出，每1 万亿t CO2的排放约引起0.45℃的温升[1]。如果控制温升不超过1.5℃，剩余排放空间则不到4200 亿t CO2；如果维持当前的排放速率，碳排放空间将在10年之内用尽[5]。为了减缓全球气候变暖，截至2023年1月，全球已有198个国家或国家集团提出或考虑提出碳中和目标①数据来源：https://zerotracker.net。；多数发达国家提出的碳中和目标年是2050年，英国、法国、加拿大、美国、澳大利亚、韩国和日本等均承诺2050年前实现碳中和，发展中国家则相对较晚，印度的目标年是2070年[6–9]。2020年，中国国家主席习近平在第七十五届联合国大会上提出中国“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的气候承诺[10,11]。张雅欣等[12]通过对国际碳中和行动的趋势分析和评述，认为碳中和正在成为全球气候行动关注的重要内容，对于推进全球应对气候变化具有积极意义。

碳中和（carbon neutrality）概念具有广义和狭义之分，广义理解为温室气体中和等相关概念的统称，狭义理解则仅指CO2中和[13]。考虑到目前非CO2温室气体的排放源与排放机制、检测手段、温室气体效应等存在很大的不确定性，方精云[14]建议使用狭义的碳中和概念。IPCC 第六次评估报告给出的碳中和定义是，化石燃料使用、土地利用改变等人类活动向大气中排放的CO2（称为碳源）与植树造林，碳捕获、利用与封存（CCUS）等人为方式从大气中去除的CO2（称为碳汇）达到平衡[1,5,15]。在全球尺度，碳中和等同于CO2净零排放；在次全球尺度（包括区域、国家和次国家尺度等），CO2净零排放指领土或管辖范围内的直接碳排放全部被去除，而碳中和一般还包括间接碳排放[1,7,16]。

无论广义概念还是狭义概念，碳中和均强调碳源碳汇是通过人类作用产生的。人类活动碳排放主要来源于化石能源燃烧活动排放CO2，化石能源开采过程中的煤矿坑气、天然气泄漏排放CO2和CH4，水泥、石灰、化工等工业生产过程排放CO2、N2O、HFCs、PFCs 和SF6等，水稻田、牛羊等反刍动物消化过程排放CH4，废弃物处理排放CH4和N2O 以及森林砍伐、退耕还林、农田管理等土地利用/覆被变化造成的碳排放等[2,17,18]。人为方式的碳去除（carbon removal）主要有三种途径，即基于自然的解决方案、增强自然过程的措施和基于技术的解决方案[19]。基于自然的解决方案主要包括植树造林和再造林（afforestation and reforestation）、恢复沿海植被生态系统和海洋生态环境等，该途径成本相对较低，并且能带来多重效益，但会受到土地利用的限制而不能无限固碳[20]；增强自然过程的措施主要包括生物炭、增强风化、海洋碱化和海洋施肥，目前这些技术仍需要进一步调查和研究，以了解其碳去除潜力、成本和风险等[21]；基于技术的解决方案一般指CCUS 技术，主要包括直接空气捕获和生物质能碳捕获与封存，通过CCUS 技术大规模地固碳目前在实际应用中还存在较大困难，短期内不会成为碳去除的主要方式[14,22]。

对碳排放量和碳去除量进行准确的估算，有助于摸清碳排放现状和碳汇能力，为决策者制定减排和增汇政策提供科学指导，便于采取有效的措施和行动应对气候变化；对碳排放量和碳去除量进行合理的预测预估，有助于掌握碳排放可能的变化趋势，预测碳达峰的时间，促进碳中和目标的实现。对于碳排放量的估算，国内外已有多种方法进行统计。目前，在碳排放量核算的研究中，由于数据来源、统计口径、排放因子和核算范围不同，核算结果存在较大差异，这使得碳排放量在不同程度上被高估或低估[23]。对于碳去除量的估算，目前一般考虑的是海陆生态系统碳汇，并且不同方法估算的生态系统碳汇结果存在较大差异[24]。在预测预估方面，一般采用情景分析法，但情景设置没有统一的标准，缺乏可比性[25,26]。国内外已有大量的关于碳排放量或碳去除量单方面的预测预估研究，近些年来，随着碳中和目标的提出，越来越多的研究关注碳中和的预测预估。

本文分别对碳排放量和碳去除量的估算与预测预估方法进行梳理，阐述方法的原理、优缺点及适用范围，对于复杂模型采用举例的方式阐述其方法特点，以期为准确评估碳中和现状以及预测预估未来情景下实现碳中和目标的可能性和路径提供方法论参考。

1 碳中和评估方法

1.1 碳中和评估基本流程

在进行碳中和评估时，首先应明确碳源和碳汇的估算范围。碳排放可以分为直接碳排放和间接碳排放；前者是指核算边界内的全部碳排放，后者是指从核算边界外部输入但在内部产生的碳排放[17,27]。温室气体核算体系提出了三种碳排放核算范围，即范围1：边界内的所有直接碳排放，主要包括边界内部能源活动（工业、交通和建筑等）、工业生产、农业、土地利用变化和林业、废弃物处理等产生的排放；范围2：发生在边界外的与能源相关的间接碳排放，主要包括为满足边界内消费而外购的电力、供热和制冷等二次能源生产所产生的排放；范围3：发生在边界外的但未被范围2 包括的其他间接碳排放，主要包括从边界外购买的所有物品在生产、运输、使用和废弃物处理环节所产生的排放[27–30]。理论上，碳排放应涵盖范围1、范围2 和范围3，但目前国际上还没有明确的估算范围，研究中一般是根据需要自行规定。

其次，应明确碳中和评估对象。如果将评估对象限定为CO2，即狭义上的碳中和，则估算时只需考虑人类活动中排放CO2的环节；如果将非CO2温室气体也作为评估对象，即广义上的碳中和，则需将人类活动排放的非CO2温室气体折算成CO2当量进行统计。与此同时，碳汇的估算对象应与碳源的保持一致。依据IPCC 第六次评估报告对碳中和的定义，评估对象则仅为CO2，但考虑到非CO2温室气体对气候变化的贡献较大，不少研究纳入了CH4和N2O 等温室气体。例如，胡欢等[31]对河北省碳源碳汇进行估算时，同时考虑能源和工业领域排放的CO2以及农业领域牲畜肠道发酵等排放的CH4。

最后，分别梳理碳源和碳汇途径，估算各种途径的碳排放量或碳去除量，并进行汇总统计，比较两者是否处于平衡状态（图1）。值得注意的是，碳中和评估一般以年为时间单位，如果人为碳排放量等于人为碳去除量，并且此后不再出现净排放，则表明被评估区域实现了碳中和[7]。

图1 碳中和评估基本流程

由于目前的CCUS 技术在实际应用中还存在较大困难，在人为碳去除量的估算阶段，可仅考虑基于自然的解决方案，即通过人工植树造林和再造林、恢复沿海植被生态系统和海洋生态环境等形成的海陆生态系统碳汇。其中，陆地生态系统碳汇在不考虑生态系统干扰情况下等于净生态系统生产力（NEP），即净初级生产力（NPP）减去土壤异养呼吸消耗的碳（Rh）[32–34]。

1.2 碳排放量的估算

碳排放量的估算方法可以分为三大类：用于支撑碳交易市场的碳排放核算方法，面向消费侧碳排放的估算方法，基于因素分解法的碳排放计量方法[35]（表1）。第一类方法源于《2006年IPCC 国家温室气体清单指南》，主要包括排放系数法、实测法和质量平衡法三种核算方法[36]；第二类方法用于计算消费侧碳排放，主要有投入产出法[17,37]；第三类方法是将碳排放的变化分解为几个因素变化的叠加作用，通过构建各种模型来对碳排放量进行估算，主要包括Kaya 模型、IPAT 模型、

表1 几种常见的碳排放量估算方法

STIRPAT （Stochastic Impact by Regression on Population，Affluence and Technology）模型等结构分解法和对数平均权重Divisia 指数（LMDI）模型、Laspeyres 模型等指数分解法，该类方法可以对影响碳排放量变化的核心因素进行分解研究，解析不同因素对碳排放量的持续性及贡献度，为促进阶段性的低碳政策的制定提供理论基础[17,35,38]。

排放系数法是国内外温室气体清单编制的主要依据，覆盖了能源活动、工业生产、农业、土地利用变化和林业、废弃物处理等各个领域，是目前应用最为广泛的碳排放核算方法[17]。实测法对采集样品的代表性要求较高，为了得到较为准确的数据，常常需测量多次再取平均值，需要投入大量的人力物力，成本较高。目前，采用实测法对碳排放量进行估算的案例较少，主要用于锅炉燃烧过程废气污染物和生态系统碳排放量的估算[42,43]。质量平衡法主要用于土地利用变化和林业领域，通过活体生物量碳贮量和死亡有机物库中碳含量的差异来估算碳排放量[44,45]。投入产出法是国际贸易中碳排放研究的主要方法，又可以细分为单区域投入产出模型和多区域投入产出模型，前者适合分析碳排放对一个国家或区域产生的影响，后者适合分析碳排放对多个国家或区域产生的影响[17,37]。Kaya 模型属于动态变化分析模型，应用时间早，使用范围广，计算简单，是目前分析碳排放量影响因素的主流分析方法；它的变形IPAT 模型、STIRPAT 模型和LMDI 模型等同样具有广泛的应用[35]。尽管估算方法较多，但缺乏不同方法之间的对比验证，在未来研究中有待利用同一套数据对不同方法估算的结果进行比较和评价。

1.3 碳去除量的估算

陆地生态系统碳汇估算方法按植被生产力与气候的关系可以分为统计模型法、机理模型法和遥感模型法三大类（表2）。统计模型法是利用温度、降水等气候因子与植被生产力的相关关系来估算碳汇，提出时间较早，具有简单易操作等特点，但因其模型参数属于经验参数，因此在应用方面受到了限制。机理模型法是基于已有的一些描述生态系统碳过程模型或耦合气候模式，来模拟生态系统碳收支状况，从而估算碳汇，具有理论框架完整、过程机理清晰等优点，但模拟结果还存在较大的不确定性[1,46]。遥感模型法是基于光能利用率原理，借助于遥感信息或结合气象观测来估算碳汇，具有空间上观测范围大等优点，但会受到天气因素等影响而出现成片的缺失，光能利用率等参数取值的不确定性会对估算结果造成较大影响，并且不具备对未来碳去除量进行预测预估的能力[47]。当模型不能直接估算NEP 时，可结合土壤呼吸估算模型，从估算的NPP 中扣除Rh，间接计算出NEP[48]。

表2 陆地生态系统碳去除量估算方法

陆地生态系统碳汇估算方法按结构方向可以分为“自下而上”（bottom-up）和“自上而下”（top-down）两大类。“自下而上”方法是指将样点或网格尺度的地面观测、模拟结果推广至区域尺度，主要包括清查法、涡度相关法和机理模型法等；“自上而下”方法主要是指基于大气CO2浓度反演陆地生态系统碳汇，即大气反演法[24,38]。清查法是通过调查样地植被和土壤的平均碳密度来估算陆地生态系统的碳储量，虽然精度高，但应用成本也高，一般被用于其他方法的验证[45]。涡度相关法是利用微气象学原理，直接测定固定覆盖范围内陆地生态系统与大气间的净CO2交换量，据此通过尺度上演（upscaling）估算区域尺度的NEP，从而估算碳吸收量[61,62]。涡度相关法可实现精细时间尺度生态系统碳通量的长期连续定位观测，但因其在区域尺度上易受到人为因素影响，通常很少用于直接估算区域尺度上的碳汇大小，主要用于理解生态系统尺度上碳循环对气候变化的响应过程[24]。大气反演法是利用大气传输模型，由全球观测网络测得的大气CO2浓度的时空变化梯度反推区域碳收支，可以估算大尺度的碳汇实时变化，但受到空间分辨率低、精度受大气CO2观测站的分布密度等因素限制[24,63]。

海洋生态系统碳汇估算相关的研究较少，方法上存在指标体系不完善、边界不明晰等问题，缺乏定量分析、系统研究和宏观评估[64,65]。

对于碳去除量的估算，越来越多的研究采用两种或多种方法的结合，这样可以充分利用各自的优点，提高估算的准确性。例如，刘璐璐等[66]利用GLOPEM-CEVSA 耦合模型估算并分析了长江源区1997—2012年NPP 的时空变化特征。

2 碳中和预测预估方法

2.1 碳排放量的预测预估

碳排放量的预测预估，一般采用情景分析法，在对各种相关因素判断的情况下，预测未来短期的碳排放量，或对不同社会发展情景下的中长期碳排放变化趋势进行预估。针对不同的领域，碳排放预测预估模型可分为能源系统分析模型和土地利用排放分析模型两大类别，前者主要有动态经济模型、一般均衡（CGE）模型或部分均衡模型以及技术经济分析模型等[23]，后者主要有CLUE-S (Conversion of Land Use and its Effects at Small region extent)模型等[67]（表3）。其中，动态经济模型可参照碳排放量估算方法中的第三类方法，常用的技术经济分析模型有LEAP（Low Emissions Analysis Platform）、TIMES （The Integrated MARKAL-EFOM System）和AIM/End-Use（AsiaPacific Integrated Model/End-Use）模型等。近些年来，越来越多复杂的综合评估模型用于对未来碳排放的预测预估，具有代表性的有IMAGE （Integrated Model to Assess the Greenhouse Effect）模型、GCAM（Global Change Analysis Model）模型、AIM/CGE（Asia-Pacific Integrated Model/Computable General Equilibrium）模型、MESSAGE-GLOBIOM （Model for Energy Supply Strategy Alternatives and their General Environmental Impact/Global Biosphere Management）模型、REMIND-MAgPIE （Regional Model of Investmentsand Development/Model for Agricultural Production and its Impact on the Environment）模型、WITCHGLOBIOM （World Induced Technical Change Hybrid/Global Biosphere Management）模型和IMED （Integrated Model of Energy，Environment and Economy for Sustainable Development）模型等[23,68]。

表3 几种常见的碳排放量预测预估方法

STIRPAT 模型是一种因素分解模型，通过预测各个因素未来的变化来预测碳排放，结构相对简单，应用最早，也最为广泛。CGE 模型、LEAP 模型和TIMES 模型均是以政策制定为导向的，CGE 模型主要针对碳税、碳交易等以碳定价政策，LEAP模型和TIMES 模型则面向能源领域的节能减排政策。CLUE-S 模型是通过模拟未来情景下土地利用格局变化来进一步模拟碳排放变化，行业针对性较强。GCAM 模型覆盖所有排放源，结构复杂，功能强大，可用于探索气候变化减缓政策，包括碳税、碳交易和能源技术的加速部署等。IMED 模型是中国自主研发的综合评估模型，具备从多个角度分析评估多学科复杂系统问题的能力，可用于中国、区域和全球的绿色低碳转型研究。

以上碳排放量预测预估模型已有不少应用。张帆等[70]基于STIRPAT 模型，在五种共享社会经济路径（SSPs）情景下，评估了人口、经济和受教育程度对碳排放的影响，预估了我国2020—2100年的碳排放变化特征。王勇等[71]通过构建包含七个部门的CGE模型，根据投入产出表编制社会核算矩阵，通过直接交叉熵法对矩阵进行平衡，模拟评估了我国在2025年、2030年和2035年实现碳排放达峰的经济影响。李新等[72]通过构建LEAP 模型，分析了京津冀地区钢铁行业在单一政策情景（分别为规模减排、结构减排、技术减排和末端治理）和组合政策情景下2015—2030年的主要污染物和CO2排放量及相应的减排影响；黄莹等[73]基于LEAP 模型，模拟了政策情景、低碳情景和绿色低碳情景下广州交通领域2016—2050年的能源消费需求和CO2排放趋势。马丁和陈文颖[26]利用TIMES 模型，模拟了参考情景和三个达峰情景下我国2010—2050年的CO2排放量及其在各部门所占的比例，并评估了CO2减排的关键部门和关键措施的减排贡献。顾汉龙等[74]利用CLUE-S 模型对法库县2019年土地利用变化格局进行模拟与验证，并设置基线情景、农业发展、建设发展、生态保护、土地利用结构优化五种情景对2030年的碳排放量进行了预测。从上述应用案例可以看出，碳排放量预测预估的情景设计较为多样，具有一定程度的主观性，不同模型之间缺乏可比性。目前，这类模型大部分是以政策制定为导向，鲜有针对碳中和的预测预估，情景设计上与碳去除量预测预估相匹配的较少。

2.2 碳去除量的预测预估

在进行碳去除量的预测预估时，除了考虑基于自然的解决方案的碳汇，还应考虑增强自然过程的措施以及基于技术的解决方案固定的碳[75]。第一种途径主要是在未来情景下预测预估NPP 和NEP 等生态指标的变化趋势，不仅要考虑已经存在的陆地植被等的固碳量，而且要考虑新造林面积的变化[76]。后两种途径主要考虑未来技术的突破及规模化应用的可能性，分析不同社会发展情景下潜在固碳水平，预测预估碳去除量的变化趋势。目前，有关NPP 预测预估方面的研究大部分采用的是第一种途径[77]，后两种途径由于还存在很多不确定性，相关研究较少。

在众多生态系统碳汇估算方法类别中，统计模型法和机理模型法可用于碳去除量的预测预估，其中，Miami 模型、周广胜模型等统计模型与AVIM 模型、CEVSA 模型、PnET 模型等机理模型较为常见。周秉荣等[78]采用周广胜模型建立了三江源区植被NPP 估算模型，并模拟了IPCC 排放情景特别报告（SRES）A1B 排放情景下2011—2100年该区域植被NPP 的空间分布和变化趋势。何勇等[56]用HadCM3 模式数据驱动AVIM 模型，分别模拟了区域资源情景和区域可持续发展情景下中国未来（2001—2050年）陆地植被年平均NPP 的变化趋势。Wang 等[79]基于森林生态系统模型PnET-II，对美国路易斯安那州亚热带地区在SRES A1B、A2 和B1 三种排放情景下2000—2050年的NPP年值进行了预估。Gu 等[80]利用CEVSA 模型，预估了长江经济带在RCP4.5 和RCP8.5 两种温室气体排放情景下2021—2099年植被碳和土壤有机碳储量的变化。这些模型大部分是根据IPCC 提供的情景进行的预测预估，但是情景的设计和名称会随着IPCC评估报告的更新而出现差异（表4）。

表4 历次IPCC评估报告情景设计[1,81,82]

近些年来，越来越多的研究利用生态系统机理模型与大气环流模式等其他系统模型耦合在一起的地球系统模式来对植被NPP 或NEP 进行估算，如HadGEM2-ES 模式、CESM1-BGC 模式、CanESM2模式和BCC-CSM1.1 模式等[83]，适合研究变化复杂、时间尺度长、空间范围大的植被NPP 或NEP 的变化趋势。朱再春等[84]利用耦合模式比较计划第五阶段（CMIP5）中的15 个地球系统模式在RCP2.6、RCP4.5和RCP8.5 三种温室气体排放情景下的模拟结果，分析了未来陆地生态系统NPP 总量的变化特征。这类模式相比于单一的生态系统机理模型具有明显的优势，成为未来应用的发展趋势。

3 讨论、结论与展望

碳中和评估与预测预估是实现碳中和目标的科学基础，对碳排放量和碳去除量进行准确的估算，可以帮助决策者制定减排和增汇政策，促进实现碳中和目标。本文首先阐述了碳中和评估基本流程，然后分别从碳排放量的估算、碳去除量的估算、碳排放量的预测预估以及碳去除量的预测预估四个方面进行方法上的梳理，阐述了各种方法的原理，并分析了其优缺点及适用范围，为研究者提供方法上的参考。

碳中和评估与预测预估过程中存在估算范围不明确、评估对象存在争议、人为碳去除的界定比较模糊、碳排放量和碳去除量的预测预估在情景设计上二者不匹配等问题。目前，国际上对于碳中和评估没有明确的估算范围，既可以是直接碳排放，也可以包含间接碳排放，导致即使研究区相同估算的结果也可能存在差异。狭义上的碳中和评估对象仅指CO2，而广义上则包含其他非CO2温室气体，研究中应选择狭义概念还是广义概念仍然存在争议。虽然在能源和工业领域CO2排放占主导地位，其他温室气体由于比例较小可以忽略，但在农业领域可能主要的碳排放来源是CH4和N2O 等[85,86]，这些非CO2温室气体具有较大的全球变暖潜势，对全球升温具有较大的贡献，而如果采用狭义概念，它们带来的影响难以得到重视，不利于减缓和适应气候变化。碳的人为去除和自然去除界线比较模糊，难以区分。一方面，天然林由于被划定成了保护区，在一定程度上耗费了人力物力，其固碳量是否应算作人为去除存在争议；另一方面，人工林如果长时间缺乏管理，随着生态系统的自然演替，若干年后将和天然林无异，此时的固碳量是否仍算作人为去除也存在争议。碳排放的情景设计和碳去除的不匹配，而这两方面情景很可能存在某种内在联系，因此不能直接进行组合设计，这阻碍了碳中和预测预估工作的进行。上述问题会给研究结果带来较大的不确定性，在未来的研究中需要明确估算范围和评估对象，厘清人为碳去除的边界，形成统一的标准，有利于碳减排政策的实施和碳中和目标的实现。

在预测预估方面，碳排放量一般采用情景分析法进行预测预估，主要的情景包括与减排相关的政策情景和社会发展情景，其本质均是碳排放的控制情景，目的侧重于通过比较不同碳排放情景来研究其对社会经济等的影响，从而制定出最优的发展政策；而反过来，也可以结合已出台的规划和政策以及确定的发展目标等对近期碳排放量进行较为准确的预测，如我国出台的《2030年前碳达峰行动方案》中确定了“到2025年，非化石能源消费比重达到20%左右，单位GDP 能源消耗比2020年下降13.5%，单位GDP CO2排放比2020年下降18%”“到2030年，非化石能源消费比重达到25%左右，单位GDP CO2排放比2005年下降65%以上”等目标[87]。碳去除量的预测预估情景主要包括未来碳排放情景和社会发展情景，而未来碳排放又依赖于社会发展路径，在IPCC 最新评估报告中预估采用的是SSPs 情景[1]，因此，结合碳排放量和碳去除量的预测预估情景设计，建议采用如SSPs 的社会发展情景，来实现对碳中和的预测预估。

大数据、云计算和人工智能等新一代信息技术的不断深入发展，为碳中和评估与预测预估赋予了新的力量。建立CO2排放总量控制体系是最终实现碳达峰、碳中和的核心问题，其涉及大量数据的收集、计算和管理，并且要求能够进行实时更新；未来有望通过将碳排放量和碳去除量的评估和预测预估方法进行集成，采用多种方法得到的平均值作为评估和预测预估结果，弥补单一方法估算的不足，通过构建碳中和数字孪生模型，研发智能决策系统，促进碳中和目标的实现。