多集合聚合方法揭示全球能源系统结果对多部门影响的研究

本文通过全球变化分析模型（GCAM）的大型集合数据集，系统探讨了能源系统不确定性对全球及区域水-能源-粮食（WEF）部门的影响，并比较了七种集合聚合方法（如相对阈值、离散度和性能退化指标）。研究发现，依赖单一聚合方法可能导致关键信息丢失，而采用多方法分析能更全面地理解全球变化情景集合，避免结论偏差。

　　

引言

全球多部门系统具有复杂性，其跨区域、跨尺度的相互作用使得未来演变充满不确定性。为应对这种不确定性，科学家和建模者常采用情景来评估替代性未来的后果，例如代表性浓度路径（RCPs）和共享社会经济路径（SSPs）。然而，依赖少数共享情景可能错过关键的影响驱动因素。因此，许多研究建议补充大型全球变化情景集合，并利用机器学习工具识别关键结果的驱动因素。这类方法被称为探索性建模和情景发现，但它们也带来了新的挑战，即如何从明确非概率性的情景集合中得出关键见解。先前研究已系统表明，集合聚合方法的选择可能对分析结果产生深远影响，尤其是在深度不确定性下的决策（DMDU）背景下。本文旨在利用这些见解，通过大型全球变化情景集合评估使用替代聚合方法时的后果。

方法

本研究利用全球变化分析模型（GCAM）生成的情景集合，该模型模拟了高度互联的人类与自然系统，涵盖了能源、水、土地利用、气候和社会经济系统。GCAM将世界划分为33个地缘政治区域、235个水域和384个土地利用区域。研究采用了Wessel等人开发的包含5,760个GCAM情景的集合，广泛抽样了能源经济不确定性，包括人口与GDP、能源偏好、能源效率改进、交通电气化等11个不确定因素。

为捕捉水-能源-粮食部门的成果，研究采用了三个指标：物理水短缺、能源强度和粮食预算份额。物理水短缺计算为总取水量与可再生水供应量的比值，用于衡量人类驱动的水消耗的可持续性。能源强度通过最终能源消耗除以GDP来计算，反映了经济能源生产率。粮食预算份额通过粮食支出除以收入来计算，旨在捕捉各区域的粮食可及性。

在集合聚合方法方面，研究采用了七种方法，分为三类：相对阈值（包括最佳情况、基线、中位数和第90百分位数）、离散度（包括四分位距（IQR）和标准差（σ））以及性能退化（如Δ_90-B，计算第90百分位数与基线情景的性能差异）。通过斯皮尔曼秩相关分析，比较了不同聚合方法下区域排名的相关性。

结果与讨论

全球及区域水-能源-粮食部门成果

时间动态显示，全球部门成果指标在21世纪随时间变化呈现不同特征。全球物理水短缺在大多数情景下呈现“峰值后下降”的行为，在2040年代达到峰值后下降，这归因于大型含水层的耗竭促使采用更节水的技术和生产模式。然而，在人口指数增长的社会经济假设下，情景偏离这一模式。全球能源强度在整个情景集合中下降，反映了技术经济生产率提高的假设，但到2100年仍存在三倍的差异。全球粮食预算份额在基线情景下从2020年的3.99%下降到2100年的0.97%，但在整个集合中差异显著，部分情景下粮食预算份额增加121%，而其他情景下减少86.7%。粮食预算份额的增加与土地竞争加剧有关，导致全球粮食价格上涨。

区域层面，2100年第90百分位数的指标显示，物理水短缺较高的流域包括科罗拉多河下游、西奈半岛、萨巴尔马蒂河等，这些流域因人口快速增长和大量非可再生地下水开采而面临不可持续的水消耗。能源强度极端结果出现在巴西、中东、俄罗斯和非洲等地区，主要反映了GDP增长较低的情况。粮食预算份额最高的是南部和东部非洲，超过20%，这是由于GDP增长乏力和土地利用竞争共同导致的。

多集合聚合方法在全球变化情景中的意义

通过秩相关分析发现，同一类别内的聚合方法排名高度一致，但不同类别间的方法排名相关性较低。例如，相对阈值方法（如基线、中位数、第90百分位数）之间表现出强正相关，离散度方法（IQR和标准差）之间也高度相关。然而，当比较不同类别的方法时，排名相关性逐渐降低。这表明，在全球变化情景中，依赖单一类别的聚合方法可能导致结论偏差。

研究还发现，尽管整体排名相关性较高，但仍存在排名不一致的情况。例如，美国的粮食预算份额在基线情景下排名第29位（共32个区域），但在标准差方法下排名提升至第14位。印度的粮食预算份额排名在中位数方法下为第6位，而在标准差方法下为第27位，表明印度的粮食可及性在大多数情景下较低，但在极端情况下变异较大。类似排名分歧也存在于水和能源部门。通过具体案例比较，如资雅河和印度河流域的水短缺，显示两者第90百分位数相近，但资雅河的变异更大，表明集合模拟对该流域的结果存在更大分歧。此外，非洲西北海岸和智利北部太平洋海岸流域的第90百分位数相近，但Δ_90-B差异显著，因为基线情景在集合中的位置不同。这些例子强调了采用多方法分析的重要性，以捕捉集合中的关键信息，如变异性和分布不对称性。

结论与未来工作

本文通过GCAM大型集合模拟，分析了能源系统相关不确定性对水-能源-粮食部门的影响，并评估了集合聚合方法选择对结论的影响。研究发现，全球水可用性、能源生产率和粮食可及性对能源相关不确定性的响应具有独特特征，强调了多部门建模实验的必要性。区域层面，技术经济生产率和粮食可及性高度相关，与水部门的关联较弱。方法学上，研究证明依赖单一聚合方法可能导致信息丢失，建议在全球变化情景中采用多集合聚合方法以获得全面见解。

未来工作可扩展至更精细的时空尺度，如利用时间序列聚类工具研究整个模拟期内结果的演变，或探究次区域结果的影响。此外，基于不同聚合方法（如相对阈值与性能退化）进行情景发现，有助于识别极端结果的关键驱动因素，为全球变化情景的设计和解释提供宝贵见解。本研究框架为推进局部尺度稳健性分析提供了有价值的方法学基础。