景丞 姜彤 蘇布達 王艷君 王國杰 黃金龍 高妙妮 林齊根 劉述慈 翟建青

摘要 情景是氣候變化研究的重要工具。為了科學支撐氣候變化科學評估和研究，2010年政府間氣候變化專門委員會（IPCC）提出了共享社會經濟路徑（Shared Socioeconomic Pathways，SSPs）。作為從社會經濟變化視角構建的氣候情景，SSPs促進了氣候變化科學基礎、影響、脆弱性、風險、適應和減緩等學科的綜合研究。本文介紹了SSPs情景研發(fā)與應用過程;闡述了全球和中國的人口經濟、土地利用、能源和碳排放的模擬和預估主要成果;探討了全球和中國碳排放路徑及其與“雙碳”目標的關系;并展望了SSPs應用前景。

關鍵詞共享社會經濟路徑;土地利用;能源;碳排放路徑

情景描述未來世界的不同發(fā)展可能，是氣候變化研究和評估中最為重要部分（ONeill et al.，2016;秦大河，2018;姜彤等，2020a）。通過將社會經濟、技術進步與潛在的排放軌跡相結合，情景有助于理解短期決策的長期后果，使研究人員在充分考慮未來不確定性的基礎上，評估氣候系統(tǒng)中可能發(fā)生的變化，以及氣候系統(tǒng)對人類社會和生態(tài)系統(tǒng)的可能影響（Riahi et al.，2017;Gidden et al.，2019）。

氣候情景的研發(fā)與應用經歷了30余年發(fā)展過程。政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第一次（FAR）和第二次評估報告（SAR）中開發(fā)了SA90與IS92情景，以未來二氧化碳濃度倍增假定的基礎上，進行了氣候模式模擬和預估。2000年發(fā)布的排放情景特別報告（SRES）中，IPCC開始設計以社會經濟發(fā)展為基礎的全球發(fā)展框架（A1，A2，B1，B2情景族），將社會經濟發(fā)展納入氣候變化情景，SRES情景成為第三次（TAR）和第四次評估報告（AR4）中的重要內容，用于評估氣候變化科學和影響（Nakicénovic et al.，2000;IPCC，2001，2007）。2007年之后，情景的研發(fā)采用并行方向，一個是從溫室氣體輻射強迫方向，構建了典型濃度路徑（Representative Concentration Pathways，RCPs），另一個是從社會經濟發(fā)展視角，提出共享社會經濟路徑（Shared Socioeconomic Pathways，SSPs）。IPCC通過土地利用變化和溫室氣體排放的設定，建立了2300年以前輻射強迫下典型濃度路徑（RCPs：RCP2.6、RCP4.5、RCP6.0、RCP8.5）（Moss et al.，2008，2010;van Vuuren et al.，2011）。RCPs廣泛應用于氣候系統(tǒng)的模擬和預估研究并成為耦合模式國際比較計劃第五階段（Coupled Model Intercomparison Project 5，CMIP5）的通用情景（Taylor et al.，2012）。2010年，在準備IPCC AR5報告期間，本文作者參與了SSPs情景的研發(fā)過程，與第二、第三工作組的部分作者組成了情景工作組，從關聯(lián)氣候變化科學基礎、影響、脆弱性、風險、適應和減緩等角度，構建了與RCPs情景并行的共享社會經濟路徑（SSPs），將原有社會經濟變化的簡單設定提升到路徑情景（van Vuuren et al.，2012，2014;Kriegler et al.，2014;ONeill et al.，2014）。

近年來，作為CMIP6最重要的子計劃，情景模式比較計劃（Scenario Model Intercomparison Project，ScenarioMIP）設計了結合共享社會經濟路徑與典型濃度路徑的新情景，用于模擬和預估試驗（Eyring et al.，2016）。ScenarioMIP第一階段試驗是將共享社會經濟路徑（SSP1，SSP2，SSP3，SSP4，SSP5）與4種典型濃度路徑（RCP2.6，RCP4.5，RCP6.0，RCP8.5）組合，隨著ScenarioMIP研究的深入，研究人員對社會經濟與輻射強迫情景進行了更為科學與完善的組合，考慮社會經濟和氣候變化的綜合影響，研發(fā)了多種輻射強迫路徑，建立5種共享社會經濟路徑（SSP1-5）與7種典型濃度路徑（RCP1.9，RCP2.6，RCP4.5，RCP6.0，RCP7.0和RCP8.5）組合矩陣，遴選了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，以及兩個對比試驗情景SSP3-LowNTCF和SSP5-3.4-OS（Gidden et al.，2019;Hurtt et al.，2020）。SSPs情景下，全球和區(qū)域模擬和預估結果，廣泛應用于氣候變化科學、影響、脆弱性、風險、適應和減緩研究。

新的SSPs情景綜合了不同氣候變化研究領域，如綜合評估模型（IAM）、氣候模型（CM）、影響、適應與脆弱性（IAV）、減緩措施等，涉及社會經濟變化、氣候變化、土地利用和能源結構變化、行業(yè)減排能力等方面的定量評估，使得氣候變化科學、影響、風險、適應和減緩研究形成了閉環(huán)（ONeill et al.，2016）。SSPs情景的設計經過了多個國家的情景研發(fā)團隊的多輪討論與評估，適用于開展人口、經濟、城市化、教育水平、技術發(fā)展等多種社會經濟要素的定量化模擬和預估研究，一方面廣泛應用于全球和區(qū)域尺度的氣候變化影響和適應研究（Su et al.，2018;Wang et al.，2019a;Yuan et al.，2019;Jiang et al.，2020），另一方面，作為IAMs的主要驅動因子，模擬和預估了與SSPs相關的土地利用、能源和碳排放變化過程和趨勢（Bauer et al.，2017;Popp et al.，2017;Gidden et al.，2019;Hurtt et al.，2020）

依據(jù)SSPs氣候情景開展未來人口、經濟、土地利用、能源和碳排放等關鍵要素變化研究，為適應和減緩氣候變化提供了最重要的科學支撐。隨著《巴黎協(xié)定》的簽署，各國政府相繼公布了碳達峰和碳中和目標。本文通過對情景發(fā)展應用的梳理，在全球和中國兩個尺度，依據(jù)SSPs驅動的模擬和預估數(shù)據(jù)集，重點介紹人口和經濟變化、土地利用變化，特別是碳排放路徑的研究進展，并討論和展望了應用前景。

1 SSP情景描述與應用

共享社會經濟路徑（SSP1-5）設定在沒有額外的政策和措施對氣候強迫和適應能力的影響下未來社會經濟發(fā)展道路，描述未來世界所采用的應對適應和減緩挑戰(zhàn)。根據(jù)初始設定，再對各個路徑的含義適當擴展使之覆蓋世界范圍內的適應和減緩的社會狀況，SSP1-5路徑可以定性地描述未來世界在人口增長、經濟發(fā)展、技術進步、環(huán)境條件、公平原則、政府管理、全球化等方面主要特征假設（ONeill et al.，2017;Riahi et al.，2017）。SSP1-5的描述可以總結為以下幾點。

SSP1為可持續(xù)路徑。這一路徑下世界逐漸向更包容和更可持續(xù)的道路發(fā)展。各國、區(qū)域間和各部門間將保持有效和持續(xù)的協(xié)作，并推動全球范圍治理能力的改善。教育與衛(wèi)生方面的投資加速了人口結構的轉變，全球人口相對較少。各國對于經濟增長的需求逐步轉變?yōu)閷θ祟惛ｌ淼淖非?，長期的經濟增長趨勢將有所放緩。技術水平的發(fā)展提高了資源利用效率，使得對于能源和資源的需求量減少，可再生能源使用率逐步提高。相對較低的能源需求使得這一路徑下面臨較低的氣候變化減緩挑戰(zhàn)，人類福祉的改善和全球治理能力的提高也使得所面臨的適應挑戰(zhàn)相對較低。

SSP2是中間路徑。這一路徑下世界將保持與歷史時期相似的道路繼續(xù)發(fā)展。發(fā)展和收入存在一定的不均衡，有些國家能夠取得較好的發(fā)展，但一些國家沒有能夠達成預期，總體來說全球各國努力在教育、水安全、衛(wèi)生醫(yī)療、人類福祉等方面實現(xiàn)可持續(xù)發(fā)展，但進展緩慢。在人口方面，由于人口結構轉型的完成，全球人口緩慢增長，并逐漸趨于平穩(wěn)，但低收入國家教育水平相對較低，使得人口增長的壓力依舊存在。技術發(fā)展迅速，但沒有根本性的突破，總體上資源和能源使用強度降低，對化石燃料的依賴緩慢減少。這些適度的發(fā)展趨勢使世界面臨中等減緩和適應挑戰(zhàn)，但各國之間和各國內部存在顯著的差異。

SSP3是區(qū)域競爭路徑，描述一個缺乏協(xié)調區(qū)域分化明顯的世界。這一情景下地區(qū)間沖突加劇，各國更多的關注能源和糧食安全問題而忽視了發(fā)展。去全球化趨勢嚴重，國家和地區(qū)之間缺乏溝通與協(xié)作，對教育和 飲用水、改善的衛(wèi)生條件和醫(yī)療設施。日益增長的資源密集度和對化石燃料的依賴，加上難以實現(xiàn)國際合作和緩慢的技術變革，意味著對減緩的高度挑戰(zhàn)。低的發(fā)展程度和經濟水平意味著所有地區(qū)的大部分群體都面臨著巨大的適應挑戰(zhàn)。

SSP4為不均衡路徑。這個路徑下全球各國發(fā)展差異巨大，權力和財富主要集中于小部分政治和商業(yè)精英手中，導致國家之間和國家內部的不平等和階級差距日益加劇。高收入和中等收入國家的經濟增長不高，而低收入國家則更加落后，在許多情況下難以為窮人提供充足的水、衛(wèi)生和醫(yī)療服務。少數(shù)的高技術水平群體通過一定的研發(fā)投資來應對潛在的資源短缺或氣候問題，既關注化石燃料，也重視低碳能源的發(fā)展，因此能夠有效應對氣候變化，帶來較低減緩挑戰(zhàn)，但由于大部分人受到的教育程度有限，政府管理效率較低，面臨很高的適應挑戰(zhàn)。

SSP5是以傳統(tǒng)化石燃料為主的發(fā)展路徑。這是一個高度全球化和一體化的世界，強調以經濟發(fā)展為導向，通過快速的技術進步和密集的人力資本實現(xiàn)發(fā)展目標。在推動經濟和社會發(fā)展的同時，全球對于化石燃料的需求加劇，經濟發(fā)展依賴資源和能源密集型產業(yè)，使全球經濟快速增長。在衛(wèi)生和教育方面投資巨大，以增強人力和社會資本。發(fā)展中國家生育率迅速下降，發(fā)達國家生育率則會略高于當前水平。由于過度重視經濟發(fā)展，對環(huán)境問題和能源結構調整沒有有效措施，使得溫室氣體排放快速增加，面臨高的減緩挑戰(zhàn)，但人類發(fā)展目標的實現(xiàn)、快速的經濟增長和完善的基礎設施使得大部分人在適應氣候變化方面面臨較低的挑戰(zhàn)。

依據(jù)SSP1-5設計，全球研究團隊通過人口-發(fā)展-環(huán)境（PDE）模型、柯布-道格拉斯（Cobb-Douglas）模型等定量化模型，開展人口、經濟、城市化等社會經濟要素變化趨勢模擬和預估，驅動綜合評估模型（IAM），開展SSPs情景下的土地利用、能源結構和碳排放路徑等變化趨勢研究。目前，國際上常用的IAM模型包括AIM、GCAM、IMAGE、MESSAGE、REMIND、WATCH等。由于計算時間和成本所限，通常每個SSP路徑，只選擇一個國際團隊的IAM模型進行定量化評估（Calvin et al.，2017;Fricko et al.，2017;Fujimori et al.，2017;Kriegler et al.，2017;van Vuuren et al.，2017）。實際研究中，為了降低預估過程的不確定性，往往采用多個IAM模型集合平均的結果。SSPs情景的開發(fā)過程見圖1。

2 SSPs人口和經濟

根據(jù)全球和區(qū)域社會經濟特征和政策措施，不同研究團隊在統(tǒng)一框架下對SSPs情景的社會經濟發(fā)展要素進行描述，開展人口、經濟和城市化等關鍵要素的模擬和預估研究。依據(jù)SSP1-5全球框架，人口和經濟模擬和預估的參數(shù)化方案見表1和表2（Dellink et al.，2017;Kc and Lutz，2017）。國際應用系統(tǒng)分析研究所（IIASA）、經濟合作與發(fā)展組織（OECD）、德國波茨坦氣候影響研究所（PIK）和美國國家大氣研究中心（NCAR）等機構對近200個國家和地區(qū)進行了人口、經濟和城市化的預估研究，構建了國別尺度每五年間隔的數(shù)據(jù)集（Kc and Lutz，2014，2017;Jiang，2014;Cuaresma，2017;Dellink et al.，2017;Jiang and ONeill，2017;Leimbach et al.，2017）。國內學者考慮了近十年的人口政策變化，以2010年為初始年，采用PDE人口預估模型，對全球、“一帶一路”沿線國家和中國開展了格點化的人口預估研究（王艷君等，2017;姜彤等，2017，2018a;Huang et al.，2019;Chen et al.，2020a;Jing et al.，2020）;依據(jù)模擬和預估的城鄉(xiāng)人口變化，研究了SSPs情景下中國城市化演變特征（景丞等，2019;王艷君等，2020）;采用Cobb-Douglas模型開展了格點化的GDP變化趨勢研究（姜彤等，2018b，2020b;潘金玉等，2019;2020），構建了逐年高分辨率格點化的全球和區(qū)域的格點數(shù)據(jù)集（http：//www.scidb.cn/cstr/31253.11.sciencedb.01683;https：//doi.org/10.4121/14113706.v2），促進了全球和區(qū)域尺度的人口和經濟變化趨勢研究。中國區(qū)域的研究彌補了全球研究中數(shù)據(jù)、分辨率等方面的不足并更新了全球人口和經濟預估數(shù)據(jù)，促進了全球和區(qū)域尺度的人口和經濟變化趨勢研究。

2020年全球人口約為78億，SSP1-5全球人口都較當前有所增加（圖2a、2b）。其中，SSP3的人口將持續(xù)增加，到21世紀末期增加到約126.2億;其他情景先呈增加趨勢，人口在2050—2070年達到峰值后開始下降，到21世紀末期SSP2和SSP4情景下約為90.0～92.7億;SSP1和SSP5人口較少，約為68.8～73.6億。中國2020年人口約為14.2億，為全球人口最多的國家。SSP1、SSP5和SSP4情景下人口在2025年達到峰值后將持續(xù)減少，到21世紀末期約為8.6～9.0億;SSP2情景下人口在2035年左右達到峰值后逐漸減少，到21世紀末期約為12.4億;SSP3情景下人口先增長后趨于平緩，到2070年以后又開始有所增加，到21世紀末期約為16.1億。

GDP預估結果以2005年不變價格，以購買力平價（PPP）對各國貨幣進行折算。結果顯示，2020年全球GDP總量約為100萬億美元，中國GDP總量約為22.6萬億美元，約占全球總量的23%。未來不同社會經濟發(fā)展路徑下，全球GDP會持續(xù)增長，其中傳統(tǒng)化石燃料為主的路徑（SSP5），經濟發(fā)展最為迅速，到21世紀末期全球GDP總量能夠達到2020年的10倍以上，約為1 015萬億美元;其次是SSP1和SSP2，也能夠達到2020年的5倍以上，約為537萬億和565萬億美元;SSP3和SSP4路徑，經濟發(fā)展較為緩慢，到21世紀末全球GDP達到2020年的2.8和3.5倍，約為277萬億和352萬億美元。不同社會經濟發(fā)展路徑，中國未來GDP均呈現(xiàn)快速增長趨勢，SSP5為GDP增長最為迅速的路徑，到21世紀末期達到2020年的6倍，約為134萬億美元;其次是SSP1和SSP2，到21世紀末期分別約為82.8和96.6萬億美元，達到2020年的3.6和4.3倍;SSP3和SSP4為經濟發(fā)展最慢的路徑，到21世紀末期分別約為69.6和64.5萬億美元，達到2020年的3.1和2.8倍。

全球和區(qū)域的社會經濟模擬和預估數(shù)據(jù)廣泛應用于氣候變化影響、暴露度、脆弱性、風險、適應和減緩研究。與此同時，全球和區(qū)域人口、經濟和城市化變化特征也進一步用來驗證和豐富了SSP基本設定。

3 SSPs與土地利用

SSP1-5提供了一套統(tǒng)一的社會經濟驅動，可以作為全球和區(qū)域土地利用模擬和預估的共同框架和輸入與輸出環(huán)境，在氣候變化適應和減緩研究中發(fā)揮重要的作用（Estoque et al.，2019）。SSP1-5全球框架描述了土地利用變化對農業(yè)和工業(yè)需求的響應，包括了糧食、木材、生物能源、城市發(fā)展等方面。每一個SSPs情景都呈現(xiàn)出獨特的土地利用變化特征，并據(jù)此設定了全球化、環(huán)境、貿易、生產率、土地變化政策、土地需求等多視角全方位的方案（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）以輻射強迫為約束條件，開展了全球、區(qū)域和中國的土地利用變化模擬和預估。之后，Hurtt et al.（2020）、Liao et al.（2020）、Chen et al.（2020b）基于CMIP6新的SSPs情景，進一步發(fā)展了SSP情景下全球和中國土地利用預估研究。SSPs情景下2010—2100全球和中國土地利用變化趨勢（圖3）。

2020年全球城市、耕地、草地、林地和未利用土地面積分別約為65×104、1 620×104、3 260×104、3 690×104和5 400×104 km2。未來不同SSPs情景下全球城市面積均有所增加，到2050年左右增速逐漸放緩，21世紀末城市面積約為102×104～125×104 km2。全球耕地面積在SSP4-3.4情景下快速增加，其他情景下平穩(wěn)增加，到21世紀末期達到約1 780×104～2 150×104 km2。未來林地面積在SSP4-6.0和SSP3-7.0情景下會有緩慢增長，其他情景下有所減少，21世紀末期面積約為3 200×104～3 800×104 km2。全球林地面積在SSP1-1.9、SSP1-2.6和SSP2-4.5情景下基本保持不變或微升，其他情景下則有所降低，到21世紀末期各個情景下面積為2 630×104～3 540×104 km2。未利用土地在可持續(xù)的SSP1（SSP1-1.9和SSP1-2.6）情景下可能有所增加，到21世紀末期約為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）和區(qū)域競爭的SSP3-7.0情景下，土地利用開發(fā)程度加劇，未利用土地到21世紀末期減少為4 720×104～5 000×104 km2。

中國土地利用變化基本與全球保持一致，2020年中國城市面積約為7×104 km2，未來不同SSPs情景下將會先增加，到2050年之后有所減少，到21世紀末期約為5×104～7×104 km2。耕地面積在2020年約為121×104 km2，與全球趨勢類似，除了SSP4-3.4情景，耕地面積增長較快，能夠增長到212×104 km2，其他情景下，耕地變化較小，21世紀末期約為74×104～143×104 km2。未來不同情景下，中國的草地面積都會減少，由2020年的388×104 km2減小到21世紀末期的270×104～362×104 km2。林地則在除了SSP4-3.4外的所有情景下都會有所增加，由2020年的214×104 km2增加到21世紀末期的227×104～252×104 km2。2020年中國未利用土地約為215×104 km2，在可持續(xù)的SSP1（SSP1-1.9和SSP1-2.6）和社會經濟發(fā)展緩慢的SSP3-7.0情景下，中國未利用土地面積會大量增加，達到265×104～280×104 km2，其他情景下，則有小幅度的增加，到21世紀末期約為216×104～235×104 km2。

2020—2100年SSPs情景下全球和中國土地利用轉換關系見圖4。全球土地的轉換主要體現(xiàn)在耕地與林地的相互轉換。2020—2100年，各種情景下約有1 240×104～1 540×104 km2的林地轉化為了耕地，同時，也有1 090×104～1 210×104 km2的耕地退耕成為林地。其次，耕地與未利用土地之間的轉換也是未來土地變化的重要環(huán)節(jié)，各種情景下有980×104～1 220×104 km2的未利用土地轉化為耕地，同時有710×104～1 220×104 km2的耕地退耕為了未利用土地。草地與城市由于面積較小，所以轉移量也相對較小。城市主要由其他土地類型轉入為主，草地在2020—2100年向耕地、林地和未利用土地分別轉入85×104～362×104、55×104～216×104和122×104～336×104 km2，同期由耕地、林地和未利用土地轉向林地的分別為0～39×104、14×104～273×104和17×104～459×104 km2。

在不同SSPs情景下，中國的土地轉移有較為明顯的差異。在可持續(xù)的SSP1（SSP1-1.9和SSP1-2.6）情景下，土地轉移量列為前三位的是草地向林地轉移、草地向未利用土地的轉移以及林地向耕地的轉移;2020—2100年這三種轉移方式的轉移量分別為58×104～60×104、57×104～59×104和40×104～43×104 km2。中等發(fā)展的SSP2-4.5情景下，轉移量最多的主要為草地向林地的轉移、草地向未利用土地的轉移以及耕地向未利用土地的轉移，21世紀這三種轉移類型的轉移量分別為35×104、23×104和20×104 km2。社會經濟發(fā)展緩慢的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，互相之間轉移量都在20×104 km2以上。SSP4-3.4情景下則主要會出現(xiàn)草地、林地和未利用土地向耕地的轉化以及草地向林地和未利用土地的轉化，各個環(huán)節(jié)的轉化量也都在20×104 km2以上。SSP5-8.5情景則主要會發(fā)生草地向林地的轉化和林地與耕地的互相轉化。

4 SSPs與能源

SSP1-5路徑的能源系統(tǒng)變化是依據(jù)初始設定中能源相關的描述以及所面臨的適應和減緩挑戰(zhàn)。研究人員通過對能源系統(tǒng)主要驅動因素如能源技術進步、經濟增長、新能源的出現(xiàn)、未來化石能源及其替代品的成本和可用性等的假設，開展不同社會經濟發(fā)展路徑下的能源需求和供應的定量化模擬和預估（表4，Bauer et al.，2017）。

全球能源變化的模擬和預估主要采用PIK的研究成果（Bauer et al.，2017）。國內盡管有一些關于能源變化方面的預估成果，但不同SSP全球框架下的能源結構和變化的研究尚不多見（Chen et al.，2017）。未來不同SSP路徑下，能源供應系統(tǒng)的規(guī)模和結構是適應和減緩氣候變化的決定性因素。 圖5是SSP1-5路徑下全球和中國的一次能源結構變化趨勢。2020年，全球煤炭、石油、天然氣和非化石能源在一次能源中的占比分別為27%、34%、24%和15%，與全球相比，中國更加依賴煤炭，而石油和天然氣的使用相對較少，四種能源占比分別為46%、26%、12%和16%。在未來可持續(xù)綠色發(fā)展的SSP1路徑，能源轉型最為迅速，全球和中國非化石能源占比都在快速增加，而石油和煤炭的占比則將持續(xù)減小，到21世紀末期全球和中國非化石能源占比分別將達到45%和41%，而煤炭占比分別下降至16%和27%。與之類似的是不均衡發(fā)展的SSP4路徑，雖然全球不同區(qū)域發(fā)展差異巨大，但面臨較低減緩挑戰(zhàn)，對化石能源的依賴也在逐步降低，到21世紀末期全球非化石能源占比能夠增加至30%，中國增加至約28%。在維持歷史時期變化態(tài)勢的SSP2情景下，全球各能源類型所占比例變化不明顯，全球范圍內到21世紀末期煤炭占比基本保持不變，石油占比減少至23%，天然氣和非化石能源占比分別為增加至27%和23%。中國的變化主要體現(xiàn)在煤炭減少和天然氣占比增加，到21世紀末期這兩種能源占比分別變化為38%和20%。SSP3和SSP5路徑下，這兩種社會經濟發(fā)展路徑嚴重依賴化石燃料，煤炭在一次能源結構中的比重持續(xù)增加，而石油和天然氣所占比重則有所減少，到21世紀末期，SSP3和SSP5路徑下全球煤炭在一次能源中的比重分別能達到45%和49%，中國也基本上維持類似的社會經濟發(fā)展的結構，21世紀末期這兩種路徑下煤炭占比分別為57%和60%。

總體來看，2020年全球和中國能源需求量分別為443和132 EJ（1 EJ=1018J），除了SSP1社會經濟可持續(xù)發(fā)展路徑外，未來多數(shù)路徑下全球能源需求量都會持續(xù)增加（圖6）。

其中，傳統(tǒng)化石燃料為主的發(fā)展路徑（SSP5）能源需求量增幅最大，并將保持快速的增長的態(tài)勢，到21世紀末期，全球能源需求量約為1 167（976～1 192） EJ。中間路徑SSP2和區(qū)域競爭路徑SSP3，能源需求增加速度略低于SSP5，到21世紀末期能源需求量分別約為974（680～974） EJ和779（779～1 184） EJ。值得一提的是，盡管個別模型區(qū)域競爭路徑（SSP3）能源需求量小于中間路徑（SSP2），但多數(shù)模型模擬顯示，SSP3路徑能源需求可能會更高。不均衡路徑（SSP4）下，全球能源需求量增長至2060年后開始放緩，到21世紀末期約為707（707～560） EJ?？沙掷m(xù)的發(fā)展路徑（SSP1）能源需求量最小，到2070年左右達到峰值后開始降低，到21世紀末期全球能源需求約為528（387～668） EJ，不到SSP5的一半。不同社會經濟發(fā)展路徑，中國能源需求量基本與全球保持類似的增長趨勢，但SSP5路徑在2080年達到峰值后可能會有所降低，21世紀末期中國能源需求約為311（164～377） EJ。SSP2和SSP3路徑能源需求持續(xù)增加，到21世紀末期分別為305（145～305） EJ和224（224～386） EJ;SSP1和SSP4兩個低減緩挑戰(zhàn)路徑下，中國的能源需求量都將在2060年左右達到峰值后降低，到21世紀末期分別為156（72～215） EJ和197（152～197） EJ。

5 SSPs與碳排放

二氧化碳（CO2）排放是世界各國減排政策控制的主要排放物類型，也是中國實現(xiàn)碳達峰和碳中和目標主要控制排放物。全球二氧化碳數(shù)據(jù)是支撐氣候變化應對的基礎數(shù)據(jù)，全球有十余家機構開展了CO2排放的數(shù)據(jù)庫收集與實時排放監(jiān)控，包括國際能源署（https：//www.iea.org/reports/global-energy-review-2020）、美國橡樹嶺國家實驗室CO2信息分析中心CDIAC（https：//energy.appstate.edu/CDIAC）、美國能源署（https：//www.eia.gov/international/data/world，last access：4 February 2020）、波茨坦氣候影響研究所PIK（Gütschow et al.，2016）、全球大氣研究排放數(shù)據(jù)庫EDGAR（Janssens-Maenhout et al.，2019）等。國內的多家機構包括北京大學（Tao et al.，2018）、清華大學（Zheng et al.，2021）、南京大學（Wang et al.，2019b）、碳核算數(shù)據(jù)庫CEADs（Shan et al.，2018）和全球實時碳數(shù)據(jù)Carbon Monitor（Liu et al.，2020）等也開展了中國的碳排放量的相關研究。

SSPs情景下的碳排放模擬與預估則主要采用社會經濟發(fā)展驅動IAM模型，揭示土地利用和能源結構變化特征，依據(jù)模擬和預估的土地利用和能源結構特征，闡明CO2排放特征。國內外學者模擬和預估能源結構和土地利用變化，同時也計算了相應CO2排放（Bauer et al.，2017;Chen et al.，2017;Popp et al.，2017;Dong et al.，2018;Fujimori et al.，2018）。部分學者基于IAM模型，在SSPs情景下模擬和預估了全球和中國碳排放變化趨勢（Bhmelt，2017;Marangoni et al.，2017;Zhang et al.，2021）。目前，發(fā)布于IIASA氣候變化數(shù)據(jù)庫中的全球碳排放預估數(shù)據(jù)主要根據(jù)Gidden et al.（2019）的研究成果。

SSPs情景下2000—2100年全球和中國重要行業(yè)CO2排放量變化如圖7。全球碳排放研究發(fā)現(xiàn)，2000—2020年，全球CO2排放量由297億噸增加至410億噸，中國CO2排放量由36億噸增加至115億噸。不同SSPs情景下，未來CO2排放量差異顯著。根據(jù)不同情景的碳排放變化特征，將全球和中國的碳排放劃分為三種路徑，分別為低碳路徑、中碳路徑和高碳路徑，其中，可持續(xù)的SSP1（SSP1-1.9，SSP1-2.6）和不均衡的SSP4-3.4是低碳路徑，低碳路徑下全球和中國的CO2排放都將持續(xù)降低，全球到2050—2080年左右能夠實現(xiàn)凈零排放，中國則在2060—2080年左右實現(xiàn)凈零排放，不需要額外的碳中和措施。中等排放的SSP4-6.0和SSP2-4.5為中碳路徑，這一路徑下全球和中國的碳排放量都會在短期內增加，后持續(xù)降低。全球碳排放量將在2040—2050年左右達到峰值，到21世紀末期排放量在1 000億噸以下;中國碳排放量在2030年左右達到峰值，到21世紀末期排放量在20億噸以下。中碳路徑下中國能實現(xiàn)2030年碳達峰的目標，但要在2060年實現(xiàn)碳中和目標，還需要額外措施以消除約80億噸的額外排放量。高減緩挑戰(zhàn)的SSP5-8.5和SSP3-7.0為高碳路徑，這一路徑下全球碳排放量將持續(xù)增加，到21世紀末期達到約1 000億噸;中國的碳排放量會在2050—2070年左右達到峰值，到21世紀末期達到約140億噸。因此，要實現(xiàn)碳達峰和碳中和目標，中國需要走低碳或者中碳路徑，若走中碳路徑，需要在2060年前額外消除約80億噸碳排放量以實現(xiàn)碳中和。

全球和中國分行業(yè)模擬和預估發(fā)現(xiàn)，各部門碳排放量與總排放量的變化趨勢基本相同，2020年，全球能源部門、工業(yè)部門和交通運輸業(yè)的CO2排放量分別約為164億噸、94億噸和67億噸，分別占排放總量的40%、23%和16%。中國能源部門、工業(yè)部門和交通運輸業(yè)CO2排放量分別約為54億噸、42億噸和10億噸，分別占中國排放總量的47%、37%和8%。未來全球和中國能源部門的碳排放量在SSP1-1.9、SSP1-2.6和SSP4-3.4的低碳路徑與SSP4-6.0和SSP2-4.5的中碳路徑下會持續(xù)降低，在高碳的SSP5-8.5和SSP3-7.0下碳排放量會較當前有所增加。全球工業(yè)部門排放量在低碳情景下持續(xù)減少，在中碳路徑下先增加到2040年后逐漸降低，在高碳路徑下持續(xù)增加。與全球趨勢有所差異，中國在大部分碳路徑下，工業(yè)部門的排放量都能在2030年前達到峰值，之后都會呈現(xiàn)減少的趨勢，到21世紀末期排放量都會在10億噸以下。全球和中國的交通運輸業(yè)排放則在大部分碳路徑下基本保持平穩(wěn)的變化態(tài)勢，到21世紀末期低碳路徑下能夠達到零排放。

6 結語和展望

本文主要梳理了SSPs情景的設計、開發(fā)，以及其在人口經濟、土地利用、能源和碳排放領域的應用。從提出SSP的概念開始，SSP情景已經經歷了近20 a的發(fā)展。從最初的作為典型濃度路徑的平行情景到現(xiàn)在成為CMIP6和IPCC AR6中最重要的評估工具，體現(xiàn)了SSP情景的設計優(yōu)勢：既能反映人類活動相關的社會經濟各要素的變化特征，又能靈活的與政策和情景相結合，從而促進對氣候變化科學基礎、影響、脆弱性、風險、適應和減緩的綜合研究。

社會經濟發(fā)展變化直接驅動了土地利用的變化，引起了能源變化，進而導致了以CO2為主的碳排放的變化，影響氣候變化。能源和土地利用的預估均基于人口經濟預估的結果，同時也是計算碳排放的主要方法，SSPs情景下全球和中國的能源需求量分別能夠達到528～1167 EJ和156～311 EJ。與全球相比，中國的能源需求量更早達到峰值，后期增速也遠低于全球。在土地利用變化上，中國的城市和耕地較全球來說未來增加幅度較小，取而代之的是林地和未利用土地的變化高于全球。

SSPs情景下21世紀末期全球和中國未來的碳排放量分別為-148～1 260億噸和-34～142億噸，中國的碳排放總量將比全球下降得更快。未來碳排放路徑分為低碳路徑（SSP1-1.9、SSP1-2.6和SSP4-3.4）、中碳路徑（SSP2-4.5和SSP4-6.0）和高碳路徑（SSP3-7.0和SSP5-8.5）。低碳路徑下中國碳排放量持續(xù)降低，到2060年左右能夠無需額外碳中和措施實現(xiàn)凈零排放，是實現(xiàn)“雙碳”目標的理想情景;中碳路徑下中國在2030年左右實現(xiàn)碳達峰，但到2060年需要額外措施以消除約80億噸碳排放量才能實現(xiàn)碳中和，是實現(xiàn)“雙碳”目標有一定挑戰(zhàn)的路徑;高碳路徑下中國碳排放在2050年以后達峰，到21世紀末還有約150億噸的排放量，這種情景下很難實現(xiàn)“雙碳”目標。因此，要實現(xiàn)碳達峰和碳中和目標，政府及相關部門需要合理規(guī)劃，統(tǒng)籌發(fā)展，從情景的角度出發(fā)，既考慮不同發(fā)展模式的特征與優(yōu)勢，又了解各路徑下碳排放量可能的變化規(guī)律以及實現(xiàn)“雙碳”目標的可能，選擇適合中國發(fā)展的道路。

經歷了多年的發(fā)展，SSPs情景下的預估除了本文提到的人口、經濟、城市化、土地利用、能源、碳排放外，還有包括大氣污染、水資源、衛(wèi)生系統(tǒng)、漁業(yè)等諸多領域（Maury et al.，2017;Rao et al.，2017;Sellers and Ebi，2017;Yin et al.，2017）。這些要素的預估結果又進一步可以用于氣象災害的暴露度和脆弱性、人體健康、適應能力等各個方面的評估中（Su et al.，2018;Wang et al.，2019b;Jiang et al.，2020）。當前，ScenarioMIP第一階段（Tier1）和第二階段（Tier2）的情景預估數(shù)據(jù)已經都逐漸完備，尤其是在CMIP6發(fā)布后，眾多行業(yè)和部門的預估結果也被納入統(tǒng)一的情景框架（Warszawski et al.，2014）。這使得氣候變化背景下的跨部門、跨區(qū)域和跨尺度的研究變得更加簡便也更加科學，這也是下一步全球和區(qū)域尺度研究的重要方向。

目前，人口、經濟、土地利用等相關方面的研究都正在向更高分辨率的數(shù)據(jù)集發(fā)展，未來情景下全球范圍的碳排放預估目前還僅限于全球總量和各大經濟體，缺乏統(tǒng)一框架下的國別和區(qū)域以及更精細尺度下格點化研究。未來還需要開展碳排放預估方面更精細化的預估參數(shù)框架設計與更系統(tǒng)的本地化參數(shù)方案的相關研究，進一步完善情景預估結果以適應不同尺度的氣候變化影響和風險研究。

IPCC AR6報告發(fā)布后，減緩與適應仍然是應對氣候變化的重要手段，SSPs還需要加強共享氣候政策假設（SPA）在情景設計中的作用（Kebede et al.，2018）。通過將更多的氣候政策假設納入共享社會經濟路徑中，探究不同氣候政策以及相應的減緩和適應措施的成本與收益，為不同行業(yè)和部門的科學決策提供理論支持。

作為新一代氣候情景的重要組成，共享社會經濟路徑已經為氣候變化科學基礎、影響和風險、適應和減緩提供了科技支撐，在氣候變化領域具有實用前景，已在能源、土地利用和碳排放等領域得到廣泛的應用。然而未來世界面臨很多不確定性，例如2020年以來全球傳播的新冠疫情、2022年爆發(fā)的俄烏戰(zhàn)爭均對全球人口和經濟格局產生重大的影響。SSPs情景設計中如何考慮突發(fā)性公共衛(wèi)生和安全事件對人口經濟長期發(fā)展趨勢的影響還有待進一步深入，從而更好地理解后疫情時代未來不同社會經濟發(fā)展路徑的氣候系統(tǒng)效應，及其對全球氣候治理政策的影響。

參考文獻（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，趙晶，景丞，等，2017.IPCC共享社會經濟路徑下中國和分省人口變化預估[J].氣候變化研究進展，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，王艷君，袁佳雙，等，2018a.“一帶一路”沿線國家2020—2060年人口經濟發(fā)展情景預測[J].氣候變化研究進展，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，趙晶，曹麗格，等，2018b.共享社會經濟路徑下中國及分省經濟變化預測[J].氣候變化研究進展，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，王艷君，蘇布達，等，2020a.全球氣候變化中的人類活動視角：社會經濟情景的演變[J].南京信息工程大學學報（自然科學版），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，王艷君，等，2020b.SSPs路徑下實現(xiàn)全球可持續(xù)發(fā)展目標的可能性分析[J].中國科學：地球科學，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，蘇布達，巢清塵，等，2019.基于共享社會經濟路徑的“一帶一路”沿線國家城市化水平與經濟預測研究[J].中國人口·資源與環(huán)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，F(xiàn)ujimori 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，蘇布達，翟建青，等，2019.基于共享社會經濟路徑的中國經濟發(fā)展趨勢及其影響要素分析[J].氣候變化研究進展，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，蘇布達，王艷君，等，2020.共享社會經濟路徑（SSPs）下2020—2050年中國分產業(yè)產值時空變化[J].氣候變化研究進展，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.氣候變化科學概論[M].北京：科學出版社. 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，F(xiàn)ischer 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，曹麗格，等，2017.全球升溫控制在1.5 ℃和2.0 ℃時中國分省人口格局[J].氣候變化研究進展，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）.

王艷君，景丞，姜彤，等，2020.2015—2050年中國分省城鄉(xiāng)人口變化及其影響因素研究[J].南京信息工程大學學報（自然科學版），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，F(xiàn)rieler 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

（責任編輯：劉菲）