排放路径模拟模块
排放路径模拟模块实现了未来不同治理情景下能源资源供需版图与多介质多组分排放变化预测。模块主要由能源资源模型、多尺度排放清单和未来排放动态评估模型三部分组成。其中能源资源模型基于不同情景设计，利用综合评估模型和资源评价模型评估未来产品服务、能源消费、风光资源、矿产资源的变化；未来排放动态评估模型（DPEC）在能源资源预测的基础上通过构建设施尺度的技术演替与行业尺度的技术预测方法，实现了未来污染排放的动态预测；多尺度排放清单模型（MEIC）则为能源资源模型与未来排放动态评估模型提供了污染排放计算框架、历史活动水平、排放特征、技术分布、污染控制等信息，支撑了能源资源模型与未来排放动态评估模型的数据传递与排放计算。模块既能够预测生成不同社会经济发展情景与气候环境治理目标下的未来人为源排放路径，为未来污染暴露模拟提供了排放输入；同时，其技术预测与资源评估结果也为费用效益评估提供了输入。
图1 排放路径模拟模块技术路线图
能源资源模型>
能源资源模型中常用的综合评估模型是GCAM-China，其是综合评估模型GCAM的中国嵌套版本。GCAM作为一个高分辨型的全球综合评价模型，由美国西北太平洋国家实验室（PNNL）开发并维护，主要描述了五个系统（能源系统、水资源系统、农业和土地利用系统、生态系统、气候系统）各自的行为和彼此间的复杂关系。GCAM模型被广泛应用于国家和国际尺度上的情景设计与政策评估，也是IPCC国际气候变化委员会在进行气候影响与适应性评估时的常用模型之一。为研究气候变化下中国各省的社会经济与能源发展路径，PNNL开发了中国嵌套版本的综合评估模型GCAM-China。在GCAM-China模型中，中国各省作为独立的碳市场参与全球气候目标约束下的能源转型，能源供需过程均在省级尺度模拟预测。采用GCAM-China模型能够在省级层面提供不同气候目标与能源转型政策约束、以及社会经济发展驱动下中国未来分省的能源消耗、产品产量等活动水平预测，提出未来能源供需开发版图。目前，GCAM-China模型的开源发布正在筹备中，预计将于未来1-2年内发布。
能源资源模型中目前使用的资源评价模型主要包括风光资源评价模型和矿产资源评价模型。风光资源评价模型主要根据历史及未来气象条件变化，评估不同阶段太阳能和风能的资源分布、可开发利用量的变化。矿产资源评价模型则基于未来可再生能源需求与相关产业发展规模变化，预测未来可再生能源大规模开发背景下的矿产资源变化。在此基础上，结合风光资源与关键矿产资源开发进程，提出面向碳中和的资源供需版图。
参考文献：
- Tong, D., Cheng, J., Liu, Y., Yu, S., Yan, L., Hong, C., Qin, Y., Zhao, H., Zheng, Y., Geng, G., Li, M., Liu, F., Zhang, Y., Zheng, B., Clarke, L., and Zhang, Q.*: Dynamic projection of anthropogenic emissions in China: methodology and 2015–2050 emission pathways under a range of socio-economic, climate policy, and pollution control scenarios, Atmos. Chem. Phys., 20, 5729–5757, 2020. [链接]
- Tong D, Farnham DJ, Duan L, Zhang Q, Lewis NS, Caldeira K, Davis SJ. Geophysical constraints on the reliability of solar and wind power worldwide. Nature communications. 2021 Oct 22;12(1):6146. [链接]
未来排放动态评估模型(DPEC)>
在排放路径模拟模块中，针对不同行业分别构建未来排放动态评估模型，实现对未来多介质多组分排放变化的预测。模型主要分为两类：设施尺度技术演替与行业尺度技术预测。设施尺度技术演替针对火力发电、燃煤锅炉、水泥厂、钢铁厂、道路交通、CCUS技术开展，由于拥有逐设施核算的生产、技术、排放数据，可以在点源设备层面或县级车队层面构建构建技术演替模型进行预测。模型以详细的历史技术分布、服役时间为预测起点，在自然淘汰和退役政策的双重作用下，动态预测相关行业未来的技术演替与排放变化。行业尺度技术预测针对电力系统、储能行业、氢能行业、建筑行业和非道路交通等行业开展，这些行业在省级建立了技术预测方法，能够分析未来气候环境政策作用下的技术分布与排放变化。
参考文献：
- Tong, D., Cheng, J., Liu, Y., Yu, S., Yan, L., Hong, C., Qin, Y., Zhao, H., Zheng, Y., Geng, G., Li, M., Liu, F., Zhang, Y., Zheng, B., Clarke, L., and Zhang, Q.*: Dynamic projection of anthropogenic emissions in China: methodology and 2015–2050 emission pathways under a range of socio-economic, climate policy, and pollution control scenarios, Atmos. Chem. Phys., 20, 5729–5757, 2020. [链接]
- Cheng, J. ,Tong, D. ,Liu, Y., Bo, Y., Zheng, B., Geng, G., He, K., Zhang, Q. Air quality and health benefits from China’s current and upcoming clean air policies. Faraday Discussions., 226: 584-606, 2021. [链接]
- Cheng, J.#, Tong, D. #, Zhang, Q. *, Liu, Y., Lei, Y., Yan, G., Yan, L., Yu, S., Cui, R. Y., Clarke, L., Geng, G, N., Zheng, B., Zhang, X, Y., Davis, J, S., and He, K, B.: Pathways of China’s PM2.5 air quality 2015–2060 in the context of carbon neutrality, Natl. Sci. Rev., nwab078, 2021. [链接]
多尺度排放清单模型(MEIC)>
多尺度排放清单模型（MEIC）由清华大学自2010年起开发并维护，旨在构建高分辨率的全球范围多尺度人为源温室气体与大气污染物排放清单数据库，并通过云计算平台向科学界共享数据产品，进而为相关科学研究、政策评估和空气质量管理工作提供基础排放数据支持。在能源资源模型与未来排放动态评估模型的构建过程中，MEIC模型提供了基础排放计算框架、各源历史长时间序列的活动水平、技术分布、末端控制和排放特征信息，有力支撑了未来排放路径模拟。对于MEIC模型、数据产品的介绍可参阅MEIC网站。