汇总对三种基本资源的需求，以避免在气候政策中发生负担转移

《Environmental Science & Technology》：Aggregating Demand for Three Fundamental Resources to Avoid Burden-Shifting in Climate Policy

【字体：大中小】 时间：2026年03月27日 来源：Environmental Science & Technology 11.3

编辑推荐：

　　高分辨率图片下载MS PowerPoint幻灯片大多数关于减缓气候变化的提案都假设经济需求应该无限制地增长，因此主要依赖技术创新来用无排放的替代品取代当前的活动。然而，这种“无形的技术替代”潜力往往被夸大了，并且通过转移负担来掩盖问题。例如，某项计划可能依赖于合成燃

　　高分辨率图片
下载MS PowerPoint幻灯片

大多数关于减缓气候变化的提案都假设经济需求应该无限制地增长，因此主要依赖技术创新来用无排放的替代品取代当前的活动。然而，这种“无形的技术替代”潜力往往被夸大了，并且通过转移负担来掩盖问题。例如，某项计划可能依赖于合成燃料，却没有考虑其供应问题；或者依赖于负排放技术，却没有考虑这些技术所需的能力或土地面积。在这里，我们表明所有净零排放计划从根本上都依赖于三种资源：无排放电力、生物质和碳储存。通过使用一个综合计算器，我们将企业、政府和行业机构发布的净零排放计划的总体需求与2050年可能的全球可用资源进行比较，揭示了这些基本资源短缺的高风险。该计算器基于对大量文献的搜索得出的170个过程的物理模型构建。我们的结果表明，大多数主要依赖于“无形技术替代”的气候政策提案，在有限的时间内需要不切实际地扩大这些基本资源的规模，这意味着存在严重的交付不足风险。我们展示了一个基于可靠资源可用性预测的替代性减缓计划，揭示了在政策、服务提供和融资方面被忽视的创新机会：实现零排放的未来需要最终用户的参与和经济需求的改变，而这些在当前的国际政策讨论中大多被忽略了。

**引言**
消除温室气体排放的愿望得到了广泛认同。截至2024年，大约90%的全球排放量被纳入了各国的净零排放计划中，而世界上最大的2000家公司中约有50%将净零排放纳入了其企业战略目标，这些目标与企业、行业和国家战略的力度各不相同。大多数减缓策略主要依赖于新技术，用“绿色”能源替代化石燃料的使用，例如在电动汽车中，或在水泥生产过程中捕获和储存排放物，期望以此减少对行为、文化或供给系统改变的要求。这种以技术为主导的方法始于20世纪70年代初，当时IPAT方程表明，人口增长和消费增加的环境影响可以通过技术进步来抵消。这一观点后来通过多项经济评估得到加强，例如斯特恩报告（Stern Review），该报告将技术视为变革的主要推动力，并倡导支持创新的政策，以期待未来的规模经济效应。

气候政策中对新技术的优先考虑得到了综合评估模型（Integrated Assessment Models, IAMs）在政策规划中的广泛应用的支持。其中一些模型旨在通过成本效益分析来引导总体政策目标，比较减缓措施的总成本与气候损害的成本。具体干预措施在“成本效益”模型中进行评估，这些模型将总体能源需求视为效率和经济发展的历史延续，而部署率则基于特定的经济和社会政治约束从目标排放路径反推得出。这些模型假设当前经济体系只会发生微小变化，影响被预期为对某种假设平衡状态的调整。这与实现脱碳所需的深刻的社会、技术、物理和经济转型以及它们之间的复杂互动是不一致的。

成本效益IAMs经常通过允许不太可能的技术（尤其是负排放技术）的接入来找到解决方案。例如，碳捕集与封存（CCS）的成本通常被低估了。同时，年碳封存量仅被限制在2.5-17.5 GtCO2/年的范围内，而根据对最大可行部署率的乐观分析，到2040年实际可获得的碳封存量应为0.95-4.3 GtCO2/年。这种关于部署率的假设忽视了物理和供应链运营的现实以及技术部署的社会制度障碍。实际上，建设能源基础设施所需的复杂工程项目往往“超出时间表和预算”，并且在开始施工之前需要漫长的决策过程。近年来的研究表明，可以在IAM建模中改进技术增长率的表示方法，例如使用历史类比来代表直接空气捕获（DAC）技术，但这些方法在建模界并不常见。

然而，尽管部门或国家气候政策仍然对新技术的替代持乐观态度，自1992年197个国家签署《联合国气候变化框架公约》以来，全球排放量增加了60%。一个根本问题是，借助目前的建模方法，政治和企业领导者可以宣布雄心勃勃的计划并声称取得了进展，而实际上却将减缓负担转移到其他地方，以证明高消费路径的合理性。负担转移可能发生在时间、国家边界或企业边界之间。这一点通过气候修复和负排放技术的承诺、对能源基础设施指数增长的预期（与过去缓慢且可预测的转型相比）、生产与消费排放量之间的差异、以及计划使用无排放氢气但并不实际生产氢气的公司的行为得到了体现。碳抵消同样使排放组织能够在其他地方购买减排量，从而造成当前的减缓失败，除非这些抵消是额外的、可验证的、即时的和持久的。有人认为，在某些减排路径中对不确定的负排放的依赖可能违反国际法。在模型框架内存在负担转移的情况下，减缓计划和政策将是无效的。这带来了重大但尚未被认识到的减缓失败风险，只有通过研究更多样化的气候政策才能应对这些风险。

**材料与方法**
为了揭露负担转移并揭示更可靠的减缓途径，需要一种不同的建模方法：一种能够预测基于货币指标的模型中隐藏的物理资源供需的方法。合适的模型必须是全球性的（以避免跨越国家、企业或行业边界的负担转移），整体性的（通过追溯物理需求回到基本资源来避免中间能源载体之间的负担转移），以及时间性的（以避免随时间发生的负担转移）。乍一看，由于维持当今熟悉的服务所需的大量最终产品和中间产品，这看起来颇具挑战性。然而，通过追溯气候计划中指定的技术的依赖关系，我们发现所有气候计划都依赖于三种基本的零排放资源（ZERs）：无排放电力、碳储存和生物质。虽然这些ZERs在其生命周期内本身可能会产生排放并消耗能源，但我们通过排除对这些额外资源的需求来简化模型。图1说明了这种依赖关系，例如，展示了使用电力飞机、氢气、生物燃料或负排放技术实现航空业脱碳的计划如何依赖于这三种基本资源。因此，通过汇总全球气候政策包对这三种ZERs的需求，可以揭示负担转移的情况。

**图1**
图1. 追溯“净零”物理生产的供应链到满足全球商品和服务需求的能源资源，表明所有气候减缓计划都依赖于三种零排放资源（ZERs）：生物质、无排放电力和碳储存。箭头表示对能源和材料的需求（生物质为绿色，无排放电力为红色，碳储存为灰色，中间需求为浅蓝色）。模型根据输入（对商品和服务的需求）量化这些物理流动来推导出零排放资源。任何未通过碳储存补偿的剩余排放量则用虚线灰色箭头表示。模型通常旨在使这种流动为零，即代表净零情景。该图仅是一个概念性表示。

我们基于图1构建了一个计算器，以追踪最终商品和服务的全球需求回到三种基本零排放资源（ZERs）的需求，并允许与可实现供应进行比较。我们的研究不同于以往的自下而上的分析，不仅因为我们使用了ZERs框架，还因为我们从全球视角出发（以避免可能的跨国负担转移），并且直接评估了业界和政治家广泛讨论的“净零策略”的现实性。该模型基于生命周期分析中的库存分析数学原理，使用线性代数来汇总提供最终用户商品和服务所需的资源需求。为了确定提供45种商品和服务的170个过程的初始组合的系数，进行了广泛的文献搜索，具体内容见支持信息文件的第5部分（文档2）。

**模型数学框架**
计算器（如图2所示）使用线性代数来汇总满足最终用户商品和服务需求所需的资源需求。在系统中，N种流动（内部和最终物质和服务）由N个活动产生或移除，配置方式是每种流动是某个活动的主要“输出”，但也可能是其他活动的副产品。除了内部和最终资源外，系统还可能从外部获取资源。当前模型中有45个活动和内部流动，如表1所列，并且有三种外部流动——无排放电力、生物质和储存的二氧化碳——这些需要从外部提供给系统以满足模型计算的年度需求。如支持信息第2.3节所述，还可以向模型中添加额外的活动和流动。

**图2**
图2. ZERs模型信息流图。模型术语的定义见表2。流程框中的数字对应文本中的方程编号。ZERs解决方案算法见框1。资源流动数据集见“模型系数”部分。

**表1. 当前ZERs模型中量化的内部分活动及其主要流动**
| 行业 | 相关活动 | 主要流动 | 测量单位 |
|-------------------|---------------------------------|--------------|-------------|
| 农业和林业 | 农业 | 食品生产 | ×10^15 kcal |
| 林业 | 木材生产 | Gt |
| 其他植物生物质 | | Gt |
| 建筑 | 烹饪 | 烹饪能源 | EJ |
| 环境冷却 | 冷却能源 | EJ |
| 照明 | 照明能源 | EJ |
| 空间加热 | 空间加热 | EJ |
| 家用电器 | 家用电器能源 | EJ |
| 加热 | 加热能源 | EJ |
| 电力分配 | 电力分配 | EJ |
| 电力生产 | 发电点电力 | EJ |
| 燃料和原料 | 氨生产 | Gt |
| 生物燃料生产 | 生物燃料 | Gt |
| 车辆制造 | 高价值化学品生产 | Gt |
| 氢气生产 | 氢气 | Gt |
| 甲醇生产 | 甲醇 | Gt |
| 石油加工和精炼 | 石油 | Gt |
| 塑料生产 | 塑料 | Gt |
| 其他石化产品 | （未在其他地方考虑） | Gt |
| 合成燃料生产 | 合成燃料 | Gt |
| 尿素生产 | 尿素 | Gt |
| 铝生产 | 铝 | Gt |
| 水泥生产 | 水泥 | Gt |
| 建筑 | 建筑用水泥和钢材 | Gt |
| 食品加工 | “现成”食品 | ×10^15 kcal |
| 玻璃生产 | 玻璃 | Gt |
| 造纸 | 造纸 | Gt |
| 产品制造和其他工业过程 | 产品 | Gt |
| 钢铁生产 | 钢铁 | Gt |
| 纺织品生产 | 纺织品 | Gt |
| 采矿 | 煤炭开采 | Gt |
| 矿物和金属开采 | 矿物和金属矿石 | Gt |
| 石油和天然气开采 | 原油和天然气 | Gt |
| 净排放管理（负排放技术） | 大气二氧化碳 | Gt |
| 二氧化碳管理 | 固定二氧化碳 | Gt |
| 交通运输 | 航空运输 | ×10^12 pkm |
| 公交运输 | 公交运输 | ×10^12 pkm |
| 汽车运输 | 汽车运输 | ×10^12 pkm |
| 客运铁路 | 客运铁路运输 | ×10^12 pkm |
| 货运铁路 | 货运铁路运输 | ×10^12 tkm |
| 轶运 | 轶运 | ×10^12 tkm |
| 装运 | 装运 | ×10^12 tkm |
| 市政固体废物管理 | 市政固体废物 | Gt |
| 废水处理 | 废水 | Gt |
| 千卡（akcal）= 千卡；Gt= 吉吨；EJ= 百亿焦耳；pkm= 乘客公里；tkm= 吨公里 |如果服务j有Mj种提供模式，每种模式i都有一个模态份额αij，描述了每种模式运营的比例，那么可以使用方程2找到加权平均的过程（活动）配方。??j=∑??=1??jΓ??j????j=[Γj]??jPj=∑i=1MjΓjiαij=[Γj]αj（2）这给出了[P]列的值，其中[Γj]是扩展过程矩阵，包含了所有Mj种独特的服务或物质提供模式的单独配方。任何给定服务的模态份额之和恰好为一（方程3）。∑??=1????(??ij)=1对所有??∑i=1Mj(αij)=1对所有j（3）[P]和q的行被垂直分割成子矩阵，以区分内部流量（在qsystem中——即终端用户商品和服务的已知需求）和外部流量（在qext中——即ZERs的未知需求），从而得到方程4（有关分割矩阵的解释，请参考参考文献（27）的A.5节）{??system??ext}=[??system??ext]??{qsystemqext}=[PsystemPext]s（4）通过解决该模型来找到q向量中qext块内三个ZERs的需求。在这个模型中，活动要么是生产过程（用加号+标记），要么是“废物管理”过程（用减号-标记），流量可能是“最终”的（例如，直接提供给社会的汽车运输），或者是“中间”的（例如，只用于下游过程的石油）。进一步将这些子矩阵分割成这些组别，得到方程5??+final???final??int??+ext???ext=??+final???final??int??+ext???ext??{qfinal+qfinal?qintqext+qext?}=[Pfinal+Pfinal?PintPext+Pext?]s（5）qfinal+中的每个条目描述了由人为过程产生的物理物质或服务的流量，而qfinal–中的每个条目描述了由废物管理过程移除的人为废物的流量。qint中的中间流量可能是产品也可能是废物，它们由其他过程产生或消耗。qfinal的值来自于净零提案（如下所述），而对于每个中间流量i，需求值?????q^i为0。模型输入选择可能会导致方程5出现物理上无意义的解。这些情况可以通过以下方式控制。对于没有NETs的情景，剩余排放必须由所有排放过程的比率来确定。NetEmissions从内部物质转移到外部物质，并从P中移除相关列。某些交付过程的组合可能导致不可能的“循环”，因此无法解决。例如，如果所有的甲烷都是通过氢气和二氧化碳合成的，而所有的氢气都是从甲烷中产生的，在这种情况下，增加甲烷的生产率会增加对甲烷的需求，因为甲烷也是其自身的原料。当Psystem及其转置的Hadamard积的任何非对角线元素≥1时，可以识别出不可能的过程组合。在解决模型之前，因此会测试这个条件，并提示用户调整交付过程的份额。多功能过程的存在在解决方程4时可能会产生负的s值，以补偿副产品流量的过度生产。例如，从生物质焚烧中产生电力（主要流量）并使用CCS在理论上可能会产生比满足净零所需的更多的负排放（副产品）。为了使方程4成立，这个过程将需要负的s值。这将表明过程反向运行，这在物理上是不可能的。在这些情况下，使用迭代方法，该方法消除了对过度生产资源的净生产的限制。相关的初级活动从系统中移除，资源流量被移到qext+中，作为对外部库存的补充。同样，废物管理活动可能是另一个活动的附带效益，导致管理的废物数量超过内部系统中现有的废物数量。因此，我们允许这样的活动管理（假设无限量的）剩余废物库存，作为qext–中的一个条目。总解决方案算法在框1中给出，使用表2中详细说明的符号。 circumflex（ ?）用于表示用户需求的流量（与模型计算的流量相对）。表2. 描述数学框架所使用术语的定义术语在本工作中使用的定义维度dN × 1需求向量——绝对的服务和物质需求P(N + 3) × N量化活动的生产矩阵（也称为活动矩阵）q（由qint、qfinal和qext组成）(N + 3) × 1年度生产和（内部、最终和外部）物质和服务的流量q2018N × 12018年度物质和服务的净生产和流量qapparentN × 1在效率基线水平下（由Γ确定）的物质和服务的表面年度生产和流量rN × 1相对于2018年的相对变化向量：相对于2018年的相对活动量（即没有变化时为100%）sN × 1活动率——在给定年份满足需求所需的每个活动的生产率，由q中的流量定义αM × 1过程份额（或模态份额）——每个交付过程提供的活动份额Γ(N + 3) × M扩展过程矩阵（由量化所有单独交付过程提供所有服务和物质的流量组成的向量）ηN × 1效率节省向量：相对于基线效率的百分比改进N1 × 1模型中量化流量的数量，不包括三个ZERs。这也是模型中表示的活动数量M1 × 1模型中所有量化交付过程的数量（生产所有活动的所有不同方式）在模型变量上的上标加号（+）表示生产流量，减号（?）表示“废物管理”流量。变量上方的circumflex（ ?）表示这是一个模型输入（期望的年内流量）。框1 – 模型解决方案算法。1.根据方程2，从Γ和α组装P矩阵。2.该情景是否包含NETs？如果不是，将NetEmissions从内部物质移动到qext和Pext，并从P中移除相关列。3.检查循环性：是否有任何Psystemij > Psystemji？如果是，请调整模型输入。4.如果det(Psystem) ≠ 0，通过解决??? +????????????? ???????????0=??+?????????????????????????int·??{q^final+q^final?0}=[Pfinal+Pfinal?Pint]·s，其中??? +??????????≥0q^final+≥0否则，程序终止并显示错误消息。5.检查s的任何元素是否为负。如果不是，则输出解决方案并结束。6.如果是，则迭代地：a.从Psystem矩阵中移除对应于负s的活动（即，移除一列），将相关流量从Psystem转移到Pext。b.计算新的s值集，并从{qext} = [Pext]·s计算外部流量。c.检查所有原始系统流量（包括那些被转移到qext的流量）是否足以满足情景设定的需求（即，生产的商品足够满足需求，所有废物都得到“管理”： i.{??+final??+int}≥{??? +final0}{qfinal+qint+}≥{q^final+0} ii.{???final???int}≤{??? ?final0}{qfinal?qint?}≤{q^final?0}d.如果不够，则将相关流量重新引入内部系统并解决。e.重复迭代，直到s中的所有条目均为非负且q足够（即，满足(c)中的条件）。模型系数表S425（在支持信息6.8中）提供了每个行业的活动和过程的完整列表。这些过程表示为一组标准化的关键输入和输出流量（图3）。这些系数是通过广泛的文献搜索获得的，从同行评审的学术论文（例如（28-33）、行业、咨询和政策报告（例如（34-37））以及行业国际或国家数据库（例如（38-41）中提取数据和信息，并记录在支持信息第5部分中。图3图3. 用于量化模型中所有过程流量的通用流程图。所示示例是一个材料生产过程（如钢铁生产或生物燃料生产）。模型中的每个过程都被描述为输入和输出之间的线性映射。只有与能源消耗（燃料和大宗物料流量）或排放生产（包括过程排放）相关的物料流量被考虑在内（深棕色）；如果考虑了所有物料流量（例如水消耗），每个过程都可以进行质量平衡。每个过程的预期产品或服务（功能流量）用粗体标出，用*标记。高分辨率图像下载MS PowerPoint幻灯片汇总多种产品或子活动的活动系数，或包含复杂过程路径的系数，是根据整个行业的能源消耗和排放生产的自上而下的估计。这些活动的例子包括纺织品和化学产品的生产以及食品加工。所有其他系数是根据提供服务的物理过程计算的，使用到2050年的可行实施预测，或最佳实践设计的例子。选择系数时采用了以下关键假设：1.假设每个过程都是可行的，并且有足够的数量来满足整个需求，即不考虑容量限制。2.除了能源、生物质和排放向量外，不考虑活动之间的相互联系：例如，不明确考虑给定服务所需的基础设施（及相关影响）。3.不明确考虑材料和燃料的运输。4.个人气体的排放基于GWP100计算为CO2e。5.假设生物质排放中的碳主要通过同一年度内生长的生物质中的碳封存来平衡，除了：a.来自废物和农业过程的甲烷生产。b.转移到永久储存的生物源碳（如带有碳捕获和储存的生物能源BECCS）。c.可能来自生物源和化石原料组合的燃料和原料中的生物源碳。6.不明确考虑土地利用排放和封存：假设再生和植树造林工作的增加的汇可以平衡任何剩余的森林砍伐和退化排放。为了将这一假设放在更深的背景下，一项严格的专家访谈研究（参考文献（42）表明有足够的科学知识来支持一个全球潜在的每年减少或封存约10 Gt CO2e的会计系统。这个估计没有时间限制，仅假设50年的稳定性。同时，土地利用变化和林业的排放目前大约为4 Gt CO2e/年（43）。7.唯一包括的负排放技术是DAC和存储（DACCS）或带有CCS的生物能源（BECCCS）在地质构造中，因为其他形式的在大规模部署（包括基于自然的气候解决方案MBCS）在假设（6）之外是不太可能的。支持信息第1部分包含了对这些方法的回顾。8.不考虑供应或需求的临时变化（无论是季节性还是快速波动）。使用1000次运行的蒙特卡洛分析来探讨模型系数的不确定性影响。所有系数（除了功能流量）假定具有10%的方差的正态分布不确定性，遵循LCI过程数据的指导（44）。效率措施在净零计划中描述的效率措施通过使用效率向量η在计算器中考虑。最终物质和服务流量的期望速率的绝对值??? systemq^system，在方程4中被表面活动率q(apparent)替换，后者由需求向量d乘以效率矩阵（Ij-diag(η)）组成。??(apparent)=(?????diag(??))??q(apparent)=(Ij?diag(η))d（6）需求向量（d）是根据2018年的水平计算的相对变化，如方程7所示。这由每个活动的相对变化向量r定义。q2018定义了2018年提供的终端用户服务。??=diag(??)??2018d=diag(r)q2018（7）政策包和模型输入最终活动流量q(apparent),final的值在支持信息第6部分中为每个政策包提供，这些值是根据净零计划的估计η和r得出的（在支持信息第6部分中给出的）。这些包旨在代表政府和行业的主要净零方法。“2050行业累积需求”政策包输入旨在代表当前企业策略所暗示的需求，使用来自全球行业组或咨询报告（例如（45-47）的输入，或者在找不到其他来源时使用区域、国家或个别公司报告（例如（48））。使用的来源列在表3中。CCS、电气化和生物质主导的包分别展示了在不改变需求的情况下变化的技术选择。每个方法的实际交付过程份额是手动确定的（详见支持信息第6节）。‘IEA Net-Zero Energy by 2050’（“IEANZE”）政策包旨在代表国际能源署（IEA）的该名称下的主要情景。（49）输入数据直接来自原始报告（49）或其更新版本、（50）其他IEA报告和在线数据、（34,51）或其他行业来源（例如参考文献（52和53）），根据需要获取。英国政府战略政策包旨在体现英国政府（以及其他具有强烈气候承诺的类似国家）采取的方法。输入数据来自政策战略文件，并辅以英国气候变化委员会的研究成果（例如参考文献（54和55）。

表3. 用于分配“2050年工业累计需求”政策包所有减缓选项的最终用户需求（q?final）和过程份额（α）的来源：
- 用于量化2050年需求的来源
- 基于这些来源的 activity 模型输入（47,48）
- 石油和天然气开采（57）
- 煤炭开采（58）
- 食品加工、农业、林业（59）
- 甲醇和氢碳化合物（HVC）生产（60,61）
- 氨和尿素生产（62）
- 塑料生产（63）
- 其他石化产品生产（64）
- 混凝土生产（46）
- 钢铁生产（65）
- 铝生产（66）
- 玻璃生产（51）
- 造纸生产（67）
- 纺织品生产（68）
- 建筑行业（53）
- 航空业（69）
- 公路货运（45）
- 海运（70）
- 废物管理（49）
- 家用电器、烹饪、制冷、照明、空间供暖、热水供应、公交车使用、汽车使用、铁路货运、客运铁路

还有一个额外的政策包是从ZERs模型中迭代得出的，展示了另一种不同的气候减缓方法：低ZER需求包。该包优先考虑电气化和参与式选项（如饮食改变）而非其他交付过程。这个例子旨在激发减缓策略的创新，这些创新借鉴了参考文献（56）中强调的资源效率和完善策略。低ZER需求包中的最终活动率不是基于价值判断，而是通过从当前率开始缩放得出的，考虑到每种活动对三个ZERs的需求。对于需要碳储存的活动，其规模会缩小，直到总需求在2050年的预计供应范围内。这种方法对其他两个ZERs也进行了重复（详见支持信息第6.7节）。然而，碳捕集与封存（CCS）、生物质能、电气化和英国政策包的最终活动率与2050年累计工业需求的计算结果相同。各政策包的需求和交付过程之间的表格比较可在支持信息第6.2节和第6.3节找到。

使用ZER模型估算的累计需求与2050年三个ZERs的“最大可能”供应进行了比较，其中“最大可能”供应描述了预期的未来可用性。“最大可能”供应轨迹是根据历史数据得出的，通过部署率文献进行外推得到。此处简要总结了该方法，并在支持信息第3部分提供了更多细节和支持证据。“最大可能”的无排放电力基于各种发电技术（风能、太阳能、核能、水能和地热能）的轨迹预测。对电力供应的预测不考虑容量，而是基于能源供应数据（71），对于核能、水能和地热能 Generation，根据历史增长率和行业报告假设其具有线性增长（72,73,74）。2050年的风能和太阳能发电轨迹是根据参考文献（76）中的方法，使用Gompertz模型对全球发电情况进行拟合的，该模型根据各国历史数据拟合S型增长曲线（75）。参考文献（76）中的轨迹已更新，以反映自2021年以来中国太阳能和风能发电的意外增长（77）。由于缺乏参考文献（78）所要求的自下而上的碳储存增长分析，因此对碳储存的预测能力是基于对历史和未来项目能力的指数拟合（79,80），并结合了未来监管和投资趋势（80?82）、项目延期和取消（80,83）以及运营能力因素（84?87）和增长限制（78,88,89）进行合理化（80,88,89）。支持信息第3部分使用了全球碳捕集与封存研究所（Global CCS Institute）的历史和计划项目数据（80,90），并结合了相关论文和灰色文献来证明这一选择。假设2050年的可用碳捕集与封存能力占总能力的70%，这是基于当前能力因子约为60%的案例研究得出的（支持信息3.1.3，pS58）。

在模型中，生物质能被计算为人类用于食品生产、能源和产品的植物生物质的干重量。历史上生物质能的增长主要是由饲料作物的增加和种植面积的扩大以及科学育种种子和商业肥料的使用推动的（91），但这些增长与ZER模型的要求不符，因为耕地和牧场的扩张会导致土地利用变化和排放（91）。因此，生物质能消费的唯一可能扩展方式是在不改变碳储量的情况下增加土地利用强度，并尽量减少对生物多样性的影响。只考虑了经过管理的土地，这与用于推导净零目标的综合评估方法（IAMs）是一致的（93）。2050年的“最大可能”生物质能可用性假设从1960年到2010年的历史消费量呈线性增长（91），随后线性增长到2018年的估计值（38,39,94?97），并通过缩小产量差距和增加残渣利用率实现2050年的最大可持续消费量（98?102）。详细信息见支持信息3.1.4。

尽管这些“最大可能”轨迹存在显著不确定性，支持信息第4.2.1部分还评估了一系列可能的未来供应范围，这些范围受到一个（更悲观的）“低风险”估计和一个（更乐观的）“最大可能”2050年ZER供应估计的限制。

对于一个全球气候政策包（“2050年工业累计需求”，如方法部分所述），图4预测三种ZERs的预测需求与最大可能供应之间存在较大差距，其中“可能供应”描述了预期的未来可用性。这表明这些提案可能无法实现其目标，从而将更多的减缓负担转移到未来几代人身上。依赖此类提案的可行性将进一步延迟利用现有技术实现更广泛减缓选项所需的社会参与，例如通过驾驶更小、更充满空间的汽车或减少飞行次数。

图4显示了一个气候政策包（“2050年工业累计需求”）下三种ZERs的全球供需随时间的变化情况，揭示了显著的短缺。右侧显示了2050年需求和供应的可能范围。需求范围考虑了过程系数±10%的变动（方法部分）。供应范围显示了“低风险”和“最大可能”供应估计值之间的可能2050年供应情况。净零排放商品和服务的预期需求和技术份额来自全球行业报告（如果有的话），以及地区、国家或个别公司的报告，或者当没有其他来源时参考文献（49）（详见支持信息第6节）。供应轨迹是根据过去和未来的部署、监管和投资趋势分析得出的（方法部分）。

图5基于与图4相同的供应预测，对比了三种零排放资源的供应与通过六个不同政策包实现减缓所需计算出的需求，同时考虑了过程模型系数的不确定性。在每种情况下，供应都远远低于需求，因此几乎可以肯定这些政策包无法实现其承诺的减缓目标。支持信息中的进一步结果进一步强调了这一点。图S22显示，即使将模型系数的变化范围扩大到±30%，供应仍然无法满足需求。即使在模型系数变化幅度为±50%的情况下，也只有5%的情景中，无排放电力和生物质的供应能够满足需求，而碳储存的供应仍然不足。即使最大可能供应扩大十倍，也只有5%的情景中碳储存的供应能够满足需求。

图5显示了图2中预测的三种ZERs的供应和需求，并与一系列全球减缓政策包进行了对比（方法部分中的“模型输入”部分），同时考虑了所有交付过程系数高达±10%的正态分布不确定性。在每个子图中，阴影带下方的左侧区域表示可能的供应情况。六个政策包在所有成对图中都超出了这个低风险区域：“2050年工业累计需求”政策包汇集了来自公开报告的当前主流企业和行业策略；“IEA Net-Zero Energy by 2050”（“IEANZE”）代表了国际能源署的净零情景（49）；碳捕集与封存（CCS）、电气化和生物质能主导的方法依次优先替换每种资源，目标是在用户不知情的情况下提供今天的服务；英国政府战略是根据英国政府的政策咨询文件选出的，代表了具有强烈气候承诺的类似国家的政府和政策计划。低ZER需求示例显示在图6中，选择它在2050年ZER约束范围内。模型输入和来源的完整列表见支持信息第6部分。生物质能供应的相对较小不确定性反映了不同的限制（因此也反映了所使用的建模方法）。由于无排放电力和碳储存受到部署率的限制，随着时间的推移，不确定性显著增加（能力累计增加）。相比之下，生物质能受到土地能力的限制——这是固定的——受到生态边界和气候的限制。

碳储存是实现当前政策包的关键限制，因此也是负担转移的主要机制。如果大规模部署碳储存，现有的水泥窑、高炉和其他工艺可以继续运行，新的中间资源如蓝色氢气或氨可以提供新的解决方案，难以减少的排放（反刍动物、水稻、航空）可以通过DAC技术消除。如果没有碳储存，这些选项中的绝大多数将无法实现。因此，气候减缓的目标不可能达到“净零”，因为没有可扩展的长期负排放技术。目标实际上是“绝对零”。虽然这对当前的政治和经济状况来说不方便，但事实确实如此。面对全球干旱速度的加快，这迫切需要快速和彻底的气候政策改革。

图6展示了国际能源署（49）预测的活动水平与基于三种ZERs最大可能供应的计算结果之间的对比。计算假设高电气化率、100%的植物基饮食和最高效的最终用途技术，例如使用热泵提供空间供暖。由于碳储存有限，大规模水泥生产等活动大幅减少，而没有显著的碳储存或额外的生物质，航空和海运也受到严重限制。平均而言，大多数最终用途的商品和服务只能提供“一切照旧”情况下预计需求的三分之一。只要三种ZERs的总需求保持不变，就可以调整各种活动，增加某些活动的同时减少其他活动。图中所示的限制是暂时的，因为这只是对2050年的估计，因此例如到2100年，ZERs的供应可能会增加，图6中的活动也可能扩大。尽管如此，图6描绘了2050年净零经济体的实际活动情况，这激励政策变化，以便预见这种限制并优先考虑集约化，从而扩大受限制的一组物理活动的服务提供。例如，如果英国的平均汽车每周使用时间为4小时，平均载客量为1.5人，车辆重量仅为汽车本身的1/12，那么所需的集约化程度可能比图6最初显示的要容易得多。

图6在图5所示的低零排放（LOW-ZER）需求限制下，一个不涉及责任转移的缓解计划示例。该计算器被反向使用，以在资源最大可能供应量内实现最大活动量，如图2和图3所示。得出的活动率相对于国际能源署（IEA）的2050年净零排放情景进行了展示。（49）此情景下的最终活动率并非基于价值判断，而是根据每种活动对三种零排放资源（ZERs）的需求，从当前比率逐步缩减得出的。对于需要碳存储的活动，其规模会减少，直到总需求在预计的2050年供应量范围内，然后对其他两种ZERs重复这一过程（详见支持信息第6.7节）。高分辨率图片下载MS PowerPoint幻灯片。

图4中的供应预测是否过于保守？基于新的大规模基础设施的经济模型对未来趋势始终过于乐观（14,104?106），这是当前政策中的一个关键未管理盲点。过去的能源转型都有漫长的准备阶段，随后在最终部署前会出现看似指数级的增长，之后大致以线性速率发展（20,75,107）。这是因为大型能源基础设施项目依赖一系列决策，涉及政治协调、规划、融资和招标等复杂流程，每个步骤都需要公众同意，并由有限的公务员团队来执行（108）。图4中预期的供应与需求之间的差距在碳存储领域最为明显：自首次部署以来，尽管经过了密集的市场推广，但实际安装容量在过去十年中仅以每年全球排放量的0.004%的速率增长（109）。如果随着气候变化紧迫性的增加，激励措施和监管环境的一致性提高，历史趋势可能会低估未来的供应能力（110），但存储和管道开发将进一步导致延误（78,88）。由于现有容量的70%用于增强石油提取，向新应用的扩展将变得复杂、缓慢且代价高昂（78,111），尤其是在建设和运营方面需要公共资金。另一个担忧是，行业公布的是容量而非实际存储率，实际存储率可能要低得多（84），详见支持信息第3.1.3节。

与此同时，未来用于人类需求的生物质供应取决于土地使用、作物产量以及从自然中转移出的作物残余物的比例。森林砍伐通常由农业扩张驱动，产生了大约11%的人为二氧化碳排放（2020年为4Gt）（112），因此应避免进一步增加土地利用。经济发展可能有助于缩小全球产量差距（99），但主要农作物生产国可能正接近生物物理极限（113），气候变化将降低产量（114），同时经历干旱的全球土地面积正在迅速扩大（115）。因此，图4中的供应预测属于“最大可能”范围，仍存在较大的实施风险。这些预测为气候政策中的资源利用设定了上限。

现有的净零排放方案依赖于“隐形技术”对排放活动的替代，但这些方案存在较高的失败风险，因为它们要求三种ZERs的供应量出现不切实际的扩张。相反，净零排放计划应采取克制态度，并预期社会参与对现有技术的多种用途。在许多情况下，图5中的供应缺口可以通过集约化来弥补，如表4所示，这包括提高供应效率、将需求转向更高效的供应方式以及避免某些需求（56）。虽然表4中的“改进”策略在净零排放计划中越来越受重视，但“转移”和“避免”方法在气候政策中仍然被忽视。然而，这些方法可以带来40%至70%的能源和排放减少潜力（116），同时还能刺激新的创业机会（117?119）和提升福祉（116,120,121）。采用这些方法依赖于社会参与（而不是依赖公共投资的自上而下的缓解策略），从而推动了合作变革，就像在公共卫生和公民权利运动中所发生的那样。需求侧的缓解措施在研究中引起了越来越多的关注（116,122?124），在最近一次IPCC周期中重要性有所提升（125），也在公民大会上得到了关注（126），但在气候政策中仍不够突出（127?129）。在政策制定中使用计算器可以帮助考虑当前能源建模结构所隐藏的未探索可能性（130）。

表4：例示了几种可以在相同活动率下提高服务效果的效率与充足性措施

策略方法示例：
- **改进**：技术替代（例如，用热泵替换燃气锅炉，用电动汽车代替汽油车（49）；提高铝还原效率（131）；优化设备效率（132）；减轻汽车重量（133）；
- **转移**：提高生产效率（例如，减少生产中的废料，采用更高效的结构设计（134）；优化设备运行效率（136）；通过传感器控制建筑供暖和制冷（119）；改变交通方式或提高车辆利用率（137）；提高空调设定温度（138,139）；
- **避免**：避免某些需求（例如，改变运输方式或提高车辆利用率）。

还有许多其他例子适用于各个行业和领域。“转移”和“避免”策略（56）可以实现图6中的低零排放需求情景，因为它们在图5所示的其他六个政策方案中明显被忽视。

本文表明，纯粹依赖技术的气候缓解方法是不可行的，但推动需要社会变革的缓解措施是否更现实呢？许多作者认为并非如此，因为他们分析了人们今天可以接受的变化。然而，未来十年或二十年未缓解全球变暖的快速影响将使这些结论受到质疑。社会变革是对先前环境问题的常见响应，例如汽油中的铅、气雾剂中的CFC气体或石棉的使用，但这取决于政府层面的评估和确认环境危害的必要性（20,140）。当前政策承诺提供纯粹的技术解决方案，却否认并延迟了这一确认过程，而没有这种确认，参与式变革就无法开始。

本文揭示的资源整合问题被忽视了，因为经济建模方法及其输出已经深深嵌入政策中（141），而没有验证其基本假设（15）。例如，持续优先考虑植树造林、氢能和碳捕获等措施，掩盖了这些方法尚未在实质性规模上实现缓解的事实（142），也转移了对缓解失败风险的关注（142），并限制了可考虑的选择范围（130）。虽然不断细化综合评估模型（IAMs）的细节可以使结果看起来更有可能，但这也使得想象替代方案变得更加困难，即使这些方案可能更为可行（143）。这种技术乐观主义与自由市场政策风格相吻合（144），目前强大的排放行业一直在塑造气候政策（145）。然而，这种乐观主义根植于权力失衡，例如研究和建模是由那些“锁定”在高排放实践中的行业共同资助的（146），且主要集中在高消费的北方国家（145）。在使用IAMs开发的“成本最优”缓解策略中，新技术通常占主导地位，因为它们的运营成本被乐观估计（147），而替代方案则难以被纳入IAM框架（12）。然而，法国2022年10月的“节制计划”得到了公众支持（138），并且在十个欧洲国家中，大约40%的公民大会提出的缓解建议是关于“充足性措施”，且获得高批准率（126）。

尽管这不是第一项研究缓解方案可行性的工作，但本文有两个关键创新点：首先，先前没有研究考虑过整合净零排放计划的挑战；其次，以往的定量整体系统可行性评估主要基于不可行的阈值（如参考文献（148））。这些阈值难以确定，因为很难预见所有可能加速或延迟部署和采纳的影响和互动。在本研究中，可行性是根据与“可能的核心”之间的距离来评估的（149），正如（150）所示，基于这样的直觉理解：更有可能的选项也更容易实现。

尽管现有的综合评估模型（IAMs）已经很成熟，理论上可以代表净零排放政策包的整个系统资源需求，但在此评估中并未使用它们，原因有三：首先，本研究旨在探讨所有行业预期的能源资源需求是否可以同时满足；这些预期需求和技术选择（因此也是模型输入）是IAMs的输入。相比之下，IAMs需要社会经济输入，并且通常无法在部门层面具体指定技术选择。其次，IAMs通常只提供能源需求的简化表示，而不是物理流的精确描述。因此，IAMs可能无法准确反映行业的真正物理需求及其物理产出。第三，另一种建模方法扩展了可考虑的情景范围，解决了IAMs主导地位可能导致相关未来情景范围受限的问题（151）。许多净零排放计划本身源于IAMs，其中碳存储的成本通常被估计得低于实际，且每年封存量的限制非常宽松（10）。这些限制很少被记录下来（10）。IAMs的建模结果经常被比较（152），但描述模型结构和假设的详细信息难以获取。所有IAMs都受到类似的限制和偏见，因为它们都是基于当前系统的经济模型。

目前用于指导气候政策的建模方法掩盖了三种基本物理资源供应短缺的风险，所有缓解措施都依赖于这些资源。这形成了一种普遍的责任转移文化：要么寄希望于碳存储技术以不切实际的速率扩张，要么使用中间燃料来跨越企业、部门和国家界限分配缓解责任。通过创建一个计算器来估算这些资源的总需求，我们发现2050年的资源供应将远远低于需求。因此，任何现有的类似计划都不太可能实现其承诺。通过反向计算，我们估计了在可能资源供应预算内可以实现的活动规模，并讨论了如何通过集约化、利用现有技术以及社会参与来扩大这一规模。我们得出结论，将资源约束纳入政策设计将释放更广泛的缓解选项组合，为创业和社会福利带来机会。这种参与的追求必须立即开始，因为这需要时间，但对于避免缓解失败带来的社会灾难至关重要。

热点排行