气候变化已产生深远的影响并引起广泛的讨论。气候变化加剧经济不公平的同时改变了国家甚至全球的产业及能源结构。应对日益严峻的全球气候变化形势，各国积极提出国家自主贡献以及碳中和目标，以期将平均地表升温幅度(相比于工业前水平) 控制在2℃ 甚至1.5℃ 内。然而，全球温升及其潜在影响存在着显著的区域差异，低纬度地区遭受到的损害显著高于高纬度地区，气候易损的沿海地区可能同时受到气候变化相关的多种灾害影响。整体而言，更高的温升可能会触发更多的气候临界点(Tipping points)，其致损的程度更高，不可逆性也更强。因此，减排措施的规划和气候政策的评估变得尤为重要。

自2℃ 和1.5℃温控目标被正式提及以来，其实现的经济或技术可行性研究引起了广泛的关注，但已有的研究对实现2℃ 和1.5℃ 温控目标的经济和技术可行性远没有达成一致的结论。究其原因，除了对情景、基期温升定义、温控目标等的理解差异之外，更多的差异来自于模型方法对未来全球经济增长、能源消费、大规模碳减排技术的可行性、气候反馈损失敏感度等的预期不确定性。事实上，处理不同类型的不确定性是评估未来气候变化风险、估计规避气候风险的成本以及制定合适的气候政策的关键。此外，对同一个问题的研究在是否考虑不确定性时会产生不同甚至相反的政策结果，比如延迟减排和立即减排。尽管近年来与气候变化的不确定性及其经济影响相关的研究取得一定进展，但各种类型的不确定性对气候政策的影响仍不明确，特别是从政策评估和制定的保守 (稳健) 角度来看。作为目前最受欢迎的处理不确定性的方法，分布式鲁棒优化理论通过在一个包含所有可能分布的集合里面优化求解最坏情况下的分布来对冲参数分布的可变性。该方法已经被广泛地应用于运营管理领域。

气候政策评估中的不确定性主要包括外生参数不确定性和内生模型不确定。由于 IAMs 之间结构的差异性，多模型分析已经被应用于气候损害、不同国家产业结构转型以及碳中和目标的实等研究中，但现有研究较少同时考虑参数不确定性的影响。作为处理参数不确定性的一种方法，基于多情景的统计分析通过对 IPCC 报告中的现有场景进行统计来捕捉参数不确定性的影响。该方法尽管处理方便，但是无法探究具体参数不确定性对结果的影响。而基于期望效用理论框架的方法尽管应用比较广泛，但都假设不确定参数服从某个具体的分布，比如边际正态分布、多元正态分布等。这种给定分布的假设会给政策分析的结果带来显著偏差，特别是集中趋势假设 (平均值和标准差)，使得政策评估无法捕捉极端情况下的关键尾部效应。例如，当灾难性气候损害的分布曲线表现出重尾特征，反映出气候生态系统变暖导致的大规模海洋环流或冰盖融化等关键效应时，该重尾特征存在被期望效用理论忽视的可能。

二、主要内容

本研究旨在通过利用DRO 方法开发基于IAM 期望输出的碳中和政策鲁棒评估框架，系统考察模型不确定性和多个参数的联合不确定性对政策评估的影响。具体而言，通过 IAMs 模拟对应不确定参数值的气候和经济输出，并将其通过DRO 方法求解最坏的期望输出以期望给予更加保守和稳健的政策评估结果。具体到模型不确定性方面，我们遴选了四个代表性的IAM，包括动态集成的气候经济模型2016版本 (DICE 2016)，DICE 模型的 2023 版本 (DICE 2023)，基于Logistic 曲线型内生技术变革的经济-能源-环境模型(E3METL) 以及不确定性、谈判和分布框架模型 (FUND)。参数不确定性方面，我们考虑基于 Wasserstein 分布不确定集来刻画不确定参数的信息。参与评估的政策包括基础情景 (Baseline)，2℃政策，2℃-强化的雄心 (2℃-IA) 政策以及 1.5℃政策 。

三、主要结论及政策建议

不确定性要求更严格的减排力度来最大程度降低气候变化带来的负面影响。相比于确定情况，不确定性将大幅增加未来排放路径的演化范围，增加了气候变化带来结果的不可预估性; 而减排力度的增强则降低了不确定性对排放的影响。因此，为了实现气候目标 (包括碳中和目标)，不确定性的存在往往要求更严格的减排努力。此外，每个气候政策在不同 IAMs 下的排放路径都有相似的变化趋势，即减排力度与减排幅度呈现出线性一致的关系。

减排努力带来较大的政策成本，且该成本随着减排努力的增强逐渐增大。究其原因，气候政策主要通过再平衡当前和未来的消费来实现减排，即减少当前的消费水平来换取未来更好的气候环境，而消费的快速下降无疑将降低经济产出。

气候表现的评估结果充分表明了 Baseline 情景的危险性，该情景对应着最高的平均温升及未来突发性气候损害的风险，这些风险显然在现有 IAM 对气候临界点等风险的忽略中被严重低估。相比于其他气候政策，1.5℃ 政策的未来突发性气候损害风险最小，即使在本文考虑了多重不确定性的保守情景下。

鲁棒评估理论通过重新计算不确定参数的分布来最大化期望温升，而最坏分布改变了 4 个情景下的原有温升 (GTI) 分布。由此发现不确定性对减排政策的气候表现具有较大的影响，尤其在考虑未来突发性气候损害风险时。

此外，已有研究发现不同 IAM 会带来模拟结果的显著差异，这在本研究中也得到证实。我们发现，DICE-2016R 的结果相对最为悲观，E3METL 和 FUND 次之，DICE-2023R 的结果则最为乐观。尽管同一气候政策在不同IAM 中的温控目标的实现概率差异较大，但是整体而言，这些差异并没有改变 4 种气候情景在气候表现方面的排序，即各模型结果均表明减排政策降低了平均温升以及突发性气候损害。因此，气候政策在温升表现方面是跨模型稳健的。

四、边际贡献与未来拓展

首先，本研究是第一篇结合气候经济模型和 DRO 理论对气候政策进行评估的研究。尽管 DRO 作为近年来较受欢迎的处理不确定性的方法，但由于其较为复杂且难以求解的特点，很难将其与同样比较复杂的 IAM 有效结合起来。我们通过对不确定参数离散化处理的方式实现了理论上任意 IAM 和 DRO方法的有效结合以评估气候政策。其次，我们利用 DRO 理论释放掉已有文献处理参数不确定性问题时对该参数给定分布的假设，从而很大程度上规避该假设给模型结果带来的偏差，使得政策评估更具稳健性。最后，相比于现有只单独考虑模型不确定性或者参数不确定性的气候政策研究，本研究基于 IAM 期望输出对不确定参数离散化的处理方式可实现任意 IAM 和 DRO 的结合，同时考虑模型不确定性、多个参数联合分布不确定性以及不确定参数分布集合的多种构建方式来全方面地评估不确定性下的气候政策。

文章也存在一些不足以待日后进一步研究。一方面，考虑到 IAM 和 DRO 理论各自的复杂性，本研究的处理方法是通过离散化讨论，建立IAM 与DRO的输入-输出关系。这种分离处理方式一定程度会影响实际的气候政策在最坏情况下的具体表现。因此，结合 DRO 理论到 IAM 中一体化评估气候政策的鲁棒性是值得未来深入研究的主题。另一方面，基于IAMs的气候政策评估对于极端事件的不确定性、不可逆损失的不确定性以及损失缓解的不确定性鲜有刻画，比如气候临界点带来的突发性气候损害和降低气候变化负面影响的气候适应等，这些对于气候风险的度量、气候缓适行动的效果以及气候政策的制定与评估具有重要意义。因此，下一步研究可以尝试将这些关键不确定性建模到鲁棒性综合评估框架中以实现更为科学可靠的气候政策评估。

五、写作、投稿过程的心得体会

气候变化的研究充满着不确定性，目前已有文献通过多情景的统计分析方法和期望效用理论框架来捕捉气候变化问题的不确定性。但是给定分布的假设会给政策分析带来结果的显著偏差。而 DRO 理论作为目前最受欢迎的处理不确定性的方法，其通过在一个包含所有可能分布的集合里面优化求解最坏情况下的分布来对冲参数分布的可变性，完美避开给定不确定参数分布的假设，从而提供更加可靠和稳健的气候政策评估结果。基于上述角度，我们形成了研究的基本思路并开始本文的研究。经过多次修改和打磨决定最终投稿至《系统工程理论与实践》，感谢编辑部老师和审稿专家的专业性建议，使得本研究得到显著提升，也让作者们在此过程中有更多的思考和感悟。本研究在投稿和审稿过程中得到了编辑团队和评审的高效响应，在此非常感谢各位编辑部老师和审稿专家的付出和建议。

本文摘编自《系统工程理论与实践》2025年,第45卷,第7期论文《基于 IAM 期望输出的气候政策鲁棒评估》（点击题目链接全文）；

作者：黎桂妤, 博士研究生, 研究方向: 气候经济不确定性建模与政策评估；王曙明, 博士, 教授, 研究方向: 鲁棒优化, 统计学习；段宏波*(通信作者)，博士, 教授, 研究方向: 环境与资源经济学

      中国科学院大学 经济与管理学院, 北京 100190