在技术不确定性下评估二氧化碳排放轨迹的决定因素：指数分解分析的概率方法

《Energy Economics》：Assessing determinants of CO 2 emissions trajectory under technology uncertainty: A probabilistic approach to index decomposition analysis

　　

• •
  本文提出了一种对指数分解分析进行概率化处理的方法。
• •
  该方法可评估技术不确定性下排放路径的驱动因素。
• •
  分析了技术不确定性下中国电力排放路径驱动因素的不确定性。
• •
  淘汰化石电力和部署碳捕集与封存（CCS）对排放减缓具有稳健性。

引言

评估未来CO₂排放轨迹对于制定气候政策至关重要（IEA，2024b）。排放轨迹展示了在特定社会经济和技术背景下排放量的动态变化，通常用于评估向既定气候目标推进的进展。全球、区域和国家层面的未来排放路径已得到广泛研究，例如各国根据国家自主贡献（NDC）制定的排放路径（UNEP，2024）以及共享社会经济路径（SSP）（IPCC，2022）。为进一步指导政策制定，还需理解排放路径的驱动因素，这些信息可为减排努力指明方向并揭示有效措施（IPCC，2014）。

能源系统中的技术不确定性在很大程度上影响了未来排放轨迹及其潜在驱动因素。由于技术发展的内在非线性、多变的社会经济环境与政策以及人类对未来事件认知的不完善，不确定性普遍存在于能源生产和终端利用技术中。例如，2010年代以来突破性进展的储能和电池技术、2020年前后因经济低迷而意外放缓的可再生能源技术改进，以及过去十年中被低估的光伏技术发展（Jaxa-Rozen和Trutnevyte，2021；World Bank，2022）。鉴于能源与气候问题的复杂性，能源系统中的技术不确定性被广泛认为是显著的（IEA，2024a）。能源技术不确定性通常通过发电和利用技术的性能与成本变化来体现，这在根本上塑造了能源系统的配置并影响能源相关排放（Haas等，2023）。例如，对美国（Zhu和Ghosh，2014）、英国（Fais等，2016）和中国（Duan等，2018）的研究发现，在不确定性空间中存在能源系统发展与排放路径的显著差异。随着政策和市场的日益波动，预计能源技术的发展与部署将变得愈发不确定，从而对未来排放路径产生更大的影响（OECD，2023）。

在技术不确定性下考察排放路径的驱动因素具有深远的政策意义。由于技术不确定性，排放路径的社会经济与技术驱动因素同样存在不确定性，这意味着未来排放格局可能发生变化。然而，确定性的排放路径评估忽略了这些变化，呈现了不完整的排放动态图景。这损害了对减排策略可行性和优先级的评估，可能导致减排方向偏差、投资决策风险和资源错配（IPCC，2022）。相反，将技术不确定性纳入评估可以探索未来排放路径的可能性，揭示排放驱动因素的替代格局。这为理解减排策略的有效性和潜在风险奠定了基础，有助于提高气候政策的稳健性。反过来，由此产生的气候政策稳定性有助于缓解技术发展的波动，从而形成正反馈以降低排放轨迹的总体不确定性。因此，对技术不确定性下排放动态格局的定量理解对于制定稳健有效的气候政策是必要的。

本研究旨在评估能源技术不确定性下未来CO₂排放路径的驱动因素。然而，如第2节所示，现有方法无法适当捕捉排放路径驱动因素中的不确定性。为此，我们提出了一种指数分解分析（IDA）的概率化方法。以电力部门为例，首先通过对技术不确定性下模拟的排放路径进行前瞻性指数分解分析迭代来量化排放路径的技术与结构驱动因素。采用非参数核方法刻画驱动因素的不确定格局。随后采用概率化方法来衡量驱动因素的不确定程度并检验驱动因素的不确定作用。本研究同时考察了单个驱动因素及其总体格局。因此，所提出的方法能够定量揭示技术不确定性下未来排放路径驱动因素的不确定格局。我们进一步将该方法应用于中国电力部门，发现单个驱动因素及其总体格局均表现出显著不确定性。以可再生电力替代化石电力以及通过CCS进行末端排放处理是两个稳健的排放减缓措施。技术层面的分析进一步揭示了可再生能源技术的不确定作用并识别了稳健的减缓技术。

本研究从两个方面对文献有所贡献。在方法学方面，本研究将概率化方法引入指数分解分析，使其能够在评估未来排放路径的社会经济和技术驱动因素时考虑技术不确定性。传统的指数分解分析仅能检验确定性的排放变化，这忽略了未来能源系统和排放路径中存在的显著不确定性。所提出的方法通过以形式化的方式将概率化方法应用于传统的确定性分解分析，解决了这一问题，从而能够严格刻画不确定格局、衡量不确定程度并量化驱动因素的不确定作用。在应用方面，我们首先揭示了技术不确定性下中国电力系统未来排放路径驱动因素的替代格局。研究发现，单个驱动因素及其总体格局均存在显著的不确定程度和明显的不确定作用。这些发现表明技术不确定性影响了减缓策略的设计，需要对减缓策略的有效性和风险有更清晰的理解。

本文其余部分结构如下：第2节综述相关文献；第3节介绍方法；第4节描述数据；第5节呈现实证结果并进行讨论；第6节为结论。

章节摘要

文献综述

未来排放轨迹在文献中已得到广泛研究。为探索排放路径，已有多种方法被应用，例如可计算一般均衡（CGE）模型和能源系统模型（ESM）（Plazas-Ni?o等，2022）。CGE模型描述能源部门与经济部门之间的相互作用以达到市场均衡，而ESM则侧重于在现有技术条件下以最低成本满足需求的能源系统配置。例如

方法论

根据本研究目的，我们首先介绍了排放路径驱动因素的基本前瞻性IDA技术（第3.1节），随后引入了技术不确定性下考察驱动因素的概率化方法（第3.2节）。第3.3节进一步讨论了相关的方法论问题。

数据

我们以中国电力部门为例，实证检验技术不确定性下CO₂排放路径的驱动因素。电力部门长期是中国的主要排放源，对于该国2060年实现碳中和目标至关重要（IEA，2021a；Zhou等，2026）。技术被广泛认为是电力相关排放的基本因素，从技术角度提出了多种排放减缓措施（IPCC，2022；Xia

技术不确定性下的排放路径

遵循上述方法和数据，采用蒙特卡洛方法模拟技术不确定性下中国电力系统的配置和排放路径。将抽样得到的不确定参数与预设的确定性参数相结合，LEAP模型推导出系统配置和排放的一种可能路径。迭代该过程可得到一组技术不确定性下的排放路径。根据Wilks和Morgan关于

结论

本研究旨在评估技术不确定性下未来CO₂排放轨迹的驱动因素。我们对文献的贡献是双重的。在方法学方面，我们提出了一种指数分解分析的概率化方法，能够通过概率分布刻画驱动因素的不确定格局。该方法扩展了传统的前瞻性IDA技术，采用形式化的概率化方法来评估

CRediT作者贡献声明

王辉：写作——审阅与编辑，写作——初稿，监督，项目管理，方法学，调查研究，基金获取，形式化分析，概念构思。王宇鹏：写作——初稿，可视化，软件，方法学，调查研究，形式化分析，数据整理。杨勇：写作——审阅与编辑，形式化分析。周鹏：写作——审阅与编辑，监督，项目管理。

致谢

作者感谢国家自然科学基金委员会（编号：72342005、72173134）、山东省自然科学基金（编号：ZR2023JQ015）以及中国石油大学（华东）研究生创新基金项目（由中央高校基本科研业务费支持，编号：26CX04043A）提供的资金支持。

Hui Wang|Yupeng Wang|Yong Yang|Peng Zhou