LEEEP IPCC AR6特辑 (11) | 交通部门对减缓全球气候变化的贡献

题目

Contribution of the transport sector to climate change mitigation: Insights from a global passenger transport model coupled with a computable general equilibrium model

作者

Runsen Zhang, Shinichiro Fujimori, Hancheng Dai, Tatsuya Hanaoka

期刊

Applied Energy

时间

2017年11月

一作

单位

Center for Social and Environmental Systems Research, National Institute for Environmental Studies, 16-2 Onogawa, Tsukuba 3058506, Japan

链接

https://doi.org/10.1016/j.apenergy.2017.10.103

前言

在联合国政府间气候变化专门委员会（IPCC）的组织领导下，来自世界各地的顶尖学者定期评估气候变化前沿研究成果，为各国决策者和公众提供有关气候变化的最新科学认知与解决方案。IPCC评估报告对指引全球未来经济社会发展路径和应对气候变化对策起到导向作用，已分别于1990、1995、2001、2007和2014年发布了五次评估报告。2022年4月初，IPCC发布了第六次评估报告第三工作组报告《气候变化2022：减缓气候变化》(IPCC AR6 WGIII)，重点聚焦面向本世纪1.5~2度温控目标的温室气体深度减排技术措施评估和政策建议。

北京大学能源环境经济与政策课题组（LEEEP）相关研究注重识别绿色低碳转型的前沿关键科学与政策管理问题，受到国内外同行的密切关注和高度认可。在本次发布的IPCC AR6系列报告中，LEEEP课题组基于自主研发的IMED等综合评估模型所发表的15篇研究论文被多个关键章节正面引用20余次。相关论文涉及绿色低碳转型和政策减排效果、经济代价和协同效益评估等重要议题。研究成果支撑了IPCC AR6多个关键内容，引用章节贯穿了第一工作组、第三工作组报告的11个关键章节，如聚焦社会经济系统全局性分析的第二章（排放趋势与驱动因素）、第三章（长期减缓路径）、第四章（近中期减缓与发展路径）、第五章（减缓的社会服务需求），以及侧重关键高能耗部门的第六章（能源系统）、第十章（交通部门）及第十一章（工业部门）。相关推送详细报道如下：

本系列推送将陆续推出“LEEEP研究之IPCC AR6特辑”，向读者简要介绍被AR6正面引用的相关论文研究内容和主要结论。同时，在浩瀚无边的数据代码和汗牛充栋的文献之外，也顺便回顾一下笔者入行IAMs学界这十三年以来，通过合作近距离遇到的世界各地的奇人逸事，这也算是Free Style从事学术工作的乐趣所在。

欢迎有志于利用复杂系统模型分析手段为全人类寻找实现“双碳”目标解决方案的同学们加入LEEEP，也请各位同行推荐合适的小伙伴加入LEEEP、成为LEEEPer！对你的期望是数理基础强、文字功底好，可以攻读研究生，也可以开展博士后研究。关于IMED模型架构、LEEEP研究进展及团队介绍、研究生及博士后招聘等信息可阅读在线文档：

《IMED模型体系简介》：

https://www.jianguoyun.com/p/DVrcIwsQlL7CBhjE13M

研究背后

本文建立了AIM/交通模型，这个模型头几版每一行代码都是笔者写的啊！模型将旅客的选择方式和交通技术细节考虑其中。被WGIII，第三章（长期减缓路径）、第十章（交通）引用2次。一作张润森博士，现任广岛大学助理教授，具有城市规划背景的交通系统分析专家。南大、京大高材生，一口纯正的伦敦腔，非常decent，更厉害的是，日语也说得像播音员一样标准，真是被IAM模型耽误了的主持人。

研究导读

随着全球城市化和机动化水平的迅速提高，交通部门的碳排放预计仍将保持增长。如果不实施积极和持续的政策干预措施，与交通有关的温室气体排放量到2050年有可能翻一番。由于交通活动的持续增长可能超过所有减缓气候变化的措施，除非交通排放能够与GDP增长明显脱钩，因此，交通部门的脱碳工作将比其他部门更具挑战性。

已有研究中交通运输干预政策对宏观经济的交互影响难以处理，因为交通部门和CGE模型之间的动态反馈或相互作用很少被考虑。

为了改善交通部门在CGE模型中的表现，本研究开发了一个全球客运模型，AIM/Transport，并与AIM/CGE相耦合。AIM/Transport可以提供交通部门的详细技术描述，并评估交通政策的技术可行性，而个别交通模型不能研究运输部门与宏观经济之间的相互作用，以及其他部门对交通政策干预措施的反应。与 AIM/CGE的耦合克服了AIM/Transport的这一缺点，因为CGE模型涵盖了所有的货物和服务贸易；因此，对交通部门和其他部门的交互分析成为可能。AIM/CGE中的交通部分描述也得到了丰富，因为CGE模型使用生产函数或价格弹性来表示总交通部门，因此缺乏明确的交通描述，包括模式和技术细节。

在此背景下，本研究使用有详细的运输技术描述的AIM/Transport模型，并与CGE模型相耦合，有三个研究目标：（1）论证如何在CGE模型中结合交通模型；（2）为全球CGE模型提供详细的交通部门描述；（3）更好地理解交通部门和宏观经济体系之间的交互机制。

研究方法与情景假设

本研究中开发了一种全球客运模型，AIM/Transport，通过结合旅客的选择模式和技术细节来分析交通部门，然后估计由此产生的能源消耗和温室气体排放。AIM/Transport与AIM/CGE相耦合来捕捉交通部门、能源消耗、温室气体排放和宏观经济系统之间的互动机制。

为了耦合AIM/CGE和AIM/Transport，采用迭代过程得到AIM/Transport和AIM/CGE 之间的收敛性，具体耦合的迭代算法如下图所示。

图1 AIM/CGE和AIM/Transport耦合的迭代算法

为了判断模型耦合是否并如何实现收敛，计算了AIM/CGE和AIM/Transport的模型结果之间的差异。采用平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)作为差异指标检测差异，其计算公式如下：

此外，应测算AIM/CGE和AIM/Transport之间差异中的偏差，以确定每种燃料存在较大差异的区域和年份。以下的回归方法被用来系统地检测差异中的偏差：

为了测试耦合CGE-Transport模型的可行性，我们设置了一个BaU情景来确定模型耦合是否可以实现收敛。在BaU情景下，GDP和人口与SSP2情景相一致。

气候变化缓解情景与2℃稳定目标相对应，以测试模型耦合的稳健性，并通过模型耦合确定是否可以改变气候缓解成本（称为碳税情景）。碳价格被设定为达到450ppm CO2的当量浓度(2.7 W/m2)，并通过AIM/CGE计算出该碳价格路径。

研究结果

模型迭代与收敛性

AIM/CGE和AIM/Transport在不进行模型耦合的情况下对交通相关的能源消耗得到了不同的结果。为了综合AIM/CGE和AIM/Transport的优点，采用如图1所示的迭代算法进行数值计算。表1和图2展示了每次迭代的差异，以比较AIM/CGE和AIM/Transport之间的燃料和区域能源消耗MAPE差异。

表1  BaU情景下区域平均燃料方面的平均绝对百分比误差(MAPE)(%)

图2  BaU情景下区域平均绝对百分比误差(MAPE)(%)

5种燃料的MAPE均随着迭代次数的增加而下降，经过13次迭代后均小于1%，说明模型耦合达到了收敛性（表1）。图2显示的区域MAPE的下降趋势也证明了收敛性。

MAPE证明迭代模型耦合可以收敛到一个稳定的状态，即AIM/CGE中的交通部分与AIM/Transport有相同的能源消耗。研究进一步分析了不同地区和年份的AIM/CGE和AIM/Transport之间差异的偏差，以确定每种燃料的哪些地区和年份有很大的差异。

如表2和图3所示，估计参数a和b代表了区域和时间差异偏差。表2显示，石油和煤炭的值相对平坦，但电力、天然气和生物质能在印度的值都很高。这是由于印度的AIM/CGE和AIM/Transport之间的巨大差异。由于迭代模型耦合前的原始差异很大，图2中的MAPE经过13次迭代后在印度仍然显示出很高的值。图3表明，电、天然气和生物质的差异往往随年数的增加而增加。这与表1中的MAPE一致，电、天然气和生物质的数值比其他燃料更高。其原因也是在模型耦合之前，这些燃料存在更大的原始差异。

BaU情景表明，AIM/CGE和AIM/Transport的模型耦合可以实现收敛。有必要进一步进行气候变化缓解情景模拟以确定模型耦合是否对其他情景依然具有稳健性。模拟结果表明，征收碳税的减缓情景的差异也可以降低到1%以下。AIM/CGE和AIM/Transport的模型耦合也达到了收敛，表明该模型对其他情景也具有稳健性。

表2 回归结果中的估计参数a

图3 估计参数b

用AIM/Transport更新后的交通部门表示

使用基于AIM/Transport的反馈更新后的估计参数对CGE模型中的全球客运需求和交通相关能耗进行了修正。

AIM/CGE和AIM/Transport有不同的内部模型结构和驱动机制，来模拟未来与交通相关的能源消耗。在AIM/CGE中，能源消耗是在线性支出系统(LES)函数下制定的，出行量只是根据替代弹性和相对价格表述为工业活动的一部分。由于交通部门表现得高度集中，几乎没有技术细节，但不包括诸如出行时间和出行方式偏好等因素，因此在当前的交通表示中，距离、交通方式、车辆尺寸和技术的结构变化不是内源性决定的。

AIM/CGE未能捕捉到技术结构和交通方式偏好的变化，从而导致对石油等传统化石燃料的过高估计。AIM/Transport能够帮助减轻 AIM/CGE估计的交通部门对传统能源的依赖。

图4 与AIM/Transport耦合或不耦合的AIM/CGE中的出行需求

BaU情景

图5(a)展示了BaU情景下2005年至2100年期间17个地区的全球出行需求。图5(b)显示17个地区的人均GDP与2005年至2100年的年增长率呈负相关。2005年至2100年，美国、欧盟、日本等发达国家和地区的出行需求年增长率呈现稳定趋势，而印度、亚洲其他地区、非洲其他地区等发展中国家和地区的出行需求在未来几十年持续增长。发展中地区的例外是中国，中国的客运出行需求一直增加到21世纪中期，但随后逐渐减少。其原因可能是中国的人口在21世纪中期之后将会出现下降。

图5 17个区域的全球出行需求(a)和增长(b)

图6显示了17个区域的轿车、公共汽车、两轮车、国内航空、国际航空和铁路运输等出行方式划分。在全球范围内，客运方式份额的变化表现为从公共交通模式(如公共汽车和铁路)向个性化模式(如汽车)的转变。

与发达地区和发展中地区出行需求变化趋势相似，出行方式的选择也表现出异质性。美国、日本、欧盟、加拿大、大洋洲等发达地区的汽车拥有率在21世纪达到了很高的水平，其模式结构相对稳定。然而，在中国、印度、巴西、非洲其他地区、东南亚和亚洲其他地区等发展中地区，出现了从公共交通到汽车的重大结构性转变。这可能是因为随着收入的增加，出行时间成本的增加，使得出行者更倾向于选择个性化的出行方式。印度的车辆出行增幅最大，从2005年的9.52%增至2100年的60.36%，印度这种剧烈的模式转变归因于人均收入的增加。

图6 不同出行模式的份额占比

图7根据人均GDP和出行模式份额之间的相关性显示了发达地区和发展中地 区之间的异质性。人均GDP较高的发达地区的模式份额相对不变，但国际航空的份额略有增长。相比之下，在人均GDP较低的发展中地区，模式份额发生了巨大变化。

汽车和国内航空的份额随着人均GDP的增加而增加，而公共出行的模式份额急剧下降。国际航空、铁路和两轮车随着发展中国家人均GDP的增长而分别呈上升和下降的趋势。除汽车和公共汽车外，其他交通方式的变化趋势各不相同。这可能与17个地区不同的社会经济背景和路径有关，比如人口、GDP和出行成本(燃料价格、设备价格)。由于汽车和公交出行占份额的很大比例，经济发展对发展中地区出行模式结构变化的主要影响可以概括为汽车出行人数的增加和公共出行使用量的减少

图7 人均GDP与交通选择模式份额之间的关系

图8显示了全球客运所产生的燃料级能源消耗。相比于石油比例的减少，电力和生物质的份额增加了从2005年的0.55%和0分别增加到了2100年的8.70%和11.89%。虽然石油在一定程度上已被电力和生物质能所取代，但它在交通能源消耗方面仍然发挥着主导作用。在BaU情景下产生的全球温室气体排放量从2005年的每年4Gt CO2稳步增加至2100年的每年9Gt CO2。出行模式对温室气体排放的贡献证明，汽车是主要的排放源，其次是航空排放源。

图8 预计能源使用(a)和温室气体排放(b)

2℃碳税政策的减缓情景

图9展示了在征收碳税的碳税情景下，对出行需求、能源消耗和减排的影响。由于碳税导致的交通成本上升，出行者倾向于减少出行，图9(b)表明，与BaU情景相比，碳税政策减少了石油消耗，而电力和生物质燃料消耗增加。碳税政策将激励出行者选择电气化交通和由生物燃料驱动的个人出行交通，而不是依赖石油的出行方式。图9(c)表明碳税情景下的温室气体排放相比于BaU情景的每年9Gt CO2减少到每年4Gt CO2，通过实施碳税政策，可以实现减少温室气体排放的目标。随着2100年碳价从0上升到798美元/tCO2，碳税政策的减排率从0上升到55.37%(图9(d))，这说明潜在减排与碳价格呈正相关。

图9 碳税对(a)出行需求(b)能源消费(c)温室气体排放

(d)温室气体减排率的影响

从耦合的模型结果来看，2100年实现全球气温升温2℃目标时，碳税从748美元增加到798美元。经济损失与碳价的变化相一致。如果没有AIM/CGE和AIM/Transport模型的耦合，到2100年世界将遭受相当于每年GDP1.95%的经济损失。但是，如果将AIM/Transport提供的详细交通部门纳入其中，到2100年，经济损失将增加到GDP的2.34%。

模拟结果表明，无论出行模式和技术细节如何，AIM/CGE往往会低估交通部门对总体缓解成本的贡献。如图所示，交通部门对全球温室气体排放做出了重要贡献，交通部门的去碳化值得更多的关注。

图10 减缓情景中的缓解成本指标(碳价、GDP损失和福利损失)与AIM/Transport耦合或不耦合

结论与启示

本研究提出了一种新的客运模型，AIM/Transport和AIM/CGE的耦合，有三个主要的结论。

首先，数值计算证明了模型耦合的可行性，并提供了一种如何进行AIM/Transport和AIM/CGE模型耦合的方法。

其次，模拟结果表明出行需求、能源消耗和温室气体排放在不同地区和交通方式之间存在差异。汽车和石油在能源消耗和温室气体排放方面仍发挥着主导作用。碳税将对出行方式和燃料的选择产生重大影响。

第三，利用耦合模型分析交通部门与宏观经济之间的相互作用成为可能。在 AIM/Transport的反馈下，减缓成本的变化表明AIM/CGE低估了交通部门的重要性，交通部门的脱碳化值得进一步研究。

总而言之，CGE-Transport模型的耦合有利于运输规划者分析减缓方案将如何影响出行需求、出行模式、与交通相关的能源消耗和宏观经济指标，如GDP、就业和社会福利。本研究的迭代耦合模型是研究如何在与交通相关的温室气体排放减少和经济发展之间保持平衡的一个实用工具。

与减少温室气体排放相比，模拟结果表明减缓情景对客运需求影响相对较小，但碳税对个人出行的交通方式选择有很大影响，从而导致了减少与交通相关的能源消耗和温室气体排放。由于全球出行需求不会受到碳税的显著抑制，过度丰富的全球交通量将造成过度拥堵，从而导致工作时间的损失，重复排放和社会福利的下降。因此尽管碳税政策在减少化石燃料排放方面的有效性已得到证实，仍有必要制定替代政策防止全球出行需求的过度增长。

另一项关键发现是在没有详细的交通信息的情况下，AIM/CGE低估了GDP和福利损失，这表明在交通部门需要适当的模型表示。与此同时，这种处理使政策分析具有更广泛的意义，从而有可能减少宏观经济损失(如制定与交通相关的特定政策)。交通部门不仅有相当大的减排潜力，而且低碳交通政策也可能有助于限制减缓气候变化所造成的经济损失。

相关阅读

点击“阅读原文”浏览小组主页