《FOLU：2023模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議報告（40頁）.pdf》由會員分享，可在線閱讀，更多相關《FOLU：2023模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議報告（40頁）.pdf（40頁珍藏版）》請在三個皮匠報告上搜索。

1、模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議1模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議2023年5月致謝執行摘要1.引言2.中國農業發展和溫室氣體排放3.方法和數據4.模型的覆蓋范圍方面有何不同?4.1.土地利用類別的系統邊界和覆蓋范圍4.2.LULUCF碳庫的覆蓋范圍4.3.模型中LULUCF的覆蓋范圍 vs.國家溫室氣體排放清單4.4.農業非二氧化碳溫室氣體排放與國家溫室氣體排放清單的對比5.不同模型的預測差異如何？5.1.LULUCF部門的預測5.2.農業部門預測6.知識差距和改進模型的建議附件一:模型描述附件二：圖4的

2、數據和情景解釋參考文獻目錄124610121316181920212426283132模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議1作者常錦峰浙江大學環境與資源學院，中國杭州 310058；電子郵件:余莎美國馬里蘭大學全球可持續發展中心，美國馬里蘭 20742；電子郵件:shaumd.edu崔焱絨中國人民大學農業與農村發展學院，中國北京 100872；電子郵件:cuiyr_陳敏鵬中國人民大學農業與農村發展學院，中國北京100872；電子郵件:Nicklas Forsell奧地利國際應用系統分析研究所（IIASA），奧地利拉克森堡A-2361；電子郵件:forse

3、lliiasa.ac.atAline Mosnier可持續發展方案聯盟（SDSN），法國巴黎 75009；電子郵件:aline.mosnierunsdsn.org汪笑溪浙江大學農業經濟與管理系中國農村發展研究院，中國杭州 310058；電子郵件:xiaoxi_ 本文作者感謝柏兆海、李偉、劉俊玲、劉竹和周豐的支持。本文僅代表作者個人觀點，并不代表相關和/或支持機構的觀點。作者感謝所有審稿人，尤其是滕飛和Martjan Schelhaas以及其他同事的建議，他們對最終版本大有貢獻。致謝建議引用方式：Minpeng Chen,Nicklas Forsell,Sha Yu,Jinfeng Chang,

4、Xiaoxi Wang,Aline Mosnier,Yanrong Cui,2023.Modelling greenhouse gas fluxes from Chinas agriculture,forestry and land use sector:Gaps and recommendations.The Food and Land Use Coalition,London.模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議2執行摘要模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議2模擬中國農業、林業和其他土地利用部門（AFOLU）的

5、溫室氣體通量：差距與建議3本報告評估了模擬和預測中國農業、林業和其他土地利用（AFOLU）部門溫室氣體（GHG）排放和碳匯的模型及其情景。通過比較八個模型（GLOBIOM-中國、MAgPIE-中國、GCAM5.3、FABLE Calculator-中國、ORCHIDEE、PECE-LIU、AGHG-INV和SRNM），分析不同模型覆蓋的部門、碳庫、土地利用類別，并比較不同模型情景預測的差異。就土地利用、土地利用變化和林業（LULUCF）部門而言，這些模型不同程度地涵蓋了最直接相關的土地利用類別，如林地、草地和農田等。但是不同模型采用的IPCC層級方法和對于特定碳庫的覆蓋范圍存在巨大差異。就農業

6、部門而言，八個模型在覆蓋范圍和估算方法上具有更大的相似性，主要采用IPCC層級2的方法計算溫室氣體通量?，F有模型對中國歷史和未來的土地利用、土地利用變化，以及林業排放量和清除量的評估和情景預測之間具有顯著的不確定性。模型之間的歷史凈排放量估計值的差異最大能夠達到11.19億噸CO2e，與2014年中國國家溫室氣體清單中評估的碳匯量（11.50億噸CO2e）相當。不同模型對中國LULUCF部門未來的變化趨勢預測并不一致，無法說明未來中國LULUCF的碳匯將增加還是將減少。多數模型預計，中國的農業部門在基準（BAU）情景下非CO2溫室氣體的排放量（主要是CH4和N2O）仍將2030年后緩慢增加，并

7、在2045年至2060年達到峰值。中國農業非CO2溫室氣體排放峰值的預測范圍為8.0至14.0億噸CO2e，未來的減緩潛力范圍為2.0至8.0億噸CO2e。上述數值的差異主要來源于不同模型基準年、模型結構、情景假設和參數選擇上的差異?？傮w而言，不同模型對中國AFOLU部門的設計存在差異，因此，在比較和使用不同模型的預測和制定政策目標時要非常謹慎。本報告強調了進一步增強中國AFOLU部門模型的必要性，提出了優先行動領域，模型的發展能夠為提出符合巴黎協定提出的2/1.5溫度目標要求的中國AFOLU部門減緩目標和路徑相關的政策決策提供支持。優先行動領域包括增強模型開發的國際合作，加強模型之間的數據共

8、享，和加強AFOLU部門減排的多模型比較。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議41.引言模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議4模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議5巴黎協定設定了到本世紀末將全球平均溫度的升幅控制在工業化前水平2C以內，并努力限制在1.5C的長期目標。為了實現這一目標，世界各國需要制定相應的戰略和計劃促進所有部門實現快速和深度脫碳轉型。林業和農業活動是增加碳匯、減緩溫室氣體排放戰略的重要組成部分。這個部門的土地管理和土地利用變化可能是溫室氣體的排放源，包括二氧

9、化碳（CO2）、甲烷（CH4）和氧化亞氮（N2O），也可能是溫室氣體的碳匯。碳匯是指能夠除了大氣外、能夠從大氣中去除二氧化碳的碳庫。全球農業、林業和其他土地利用（AFOLU）部門每年的排放約112億噸CO2e 1,2,3 約占所有人為溫室氣體凈排放量的25%，其中近一半來自農業，另一半來自土地利用變化 4,5,6。同時，土地利用部門具有巨大的經濟減緩潛力：若碳價為20美元/噸CO2e和100美元/噸CO2e，到2030年土地利用、土地利用變化和林業（LU-LUCF）部門能夠提供的碳匯量分別為每年19-21億噸CO2e和31-33億噸CO2e。7此外，若碳價為25美元/噸CO2e，到2030年農

10、業部門每年的減緩潛力約10億噸CO2e。11雖然土地利用部門具有很大的溫室氣體減緩潛力，對該部門不斷增加的需求，如提供糧食、生物質、生物多樣性和旅游業等，給土地利用的規劃帶來了挑戰。最近的一項系統文獻綜述和薈萃分析表明，由于人口增長和飲食結構變化，全球糧食需求將在2010年至2050年間增長35%至56%。8在全球層面，農業溫室氣體排放總量將繼續以每年約1%的速度增長，預計到2030年，農業仍將是全球溫室氣體排放最重要的貢獻者之一。9,10,11若要將全球變暖的溫度限制在1.5C，全球AFOLU部門需要貢獻2050年所需全球減緩量的30%，即每年15億噸CO2e（包括與碳捕獲和封存結合的生物能

11、源，即BECCS）。這將需要全球AFOLU部門在生產和消費方面的轉型。122020年9月22日，在第七十五屆聯合國大會的一般性辯論上，中國宣布將在2060年之前實現碳中和，顯示了中國追求經濟增長發展新模式的決心。這一轉變將是深刻而全面的，但其收益和影響會在各個部門和地區不均衡分布。中國擁有全球近18%的人口，糧食安全是國家社會經濟發展戰略和政策的重中之重。同時，中國人口已經在近期達到峰值，隨著飲食習慣日漸趨向于攝入更多的動物性蛋白質，大多數基準（BAU）情景都預計農業部門非二氧化碳的溫室氣體排放將增加，這將給中國實現碳中和目標帶來挑戰 13。從1994年到2014年，中國農業部門的非CO2溫室

12、氣體排放量增加了約37%，而LULUCF部門是凈碳匯 14。為了實現中國1.5C下的排放路徑，僅農業部門的溫室氣體排放必須在2030年達到峰值，LULUCF部門必須繼續發揮凈碳匯的作用 15。然而，與其他部門(包括能源、交通和工業)不同，目前對中國AFOLU部門減少非CO2溫室氣體排放和增強碳匯以及該部門可持續減緩戰略、目標和路線圖方面的知識還比較有限，需要系統、全面和深入地分析AFOLU部門的長期排放軌跡、時空特征、可能的技術方案、技術和經濟減緩潛力，以及AFOLU部門的減緩技術或實踐的經濟影響。在此背景下，本報告系統分析了評估中國AFOLU部門未來溫室氣體排放和清除、減排潛力、土地覆蓋變化

13、和農產品生產的經濟和生物物理模型，確定了不同模型及其對中國溫室氣體排放量和清除量的現狀評估與預測方面的相似性和關鍵差異。我們探討了不同建模工具的關鍵特征，評估了建模特征（包括關鍵假設、區域和部門覆蓋范圍、碳庫和氣體覆蓋范圍、以及減緩技術和減緩方案等方面）的潛在差異及其如何影響模型預測結果，并基于該分析確定了中國AFOLU部門未來排放量和清除量的不確定性范圍。最后，我們提出了增強相關研究以改進未來模型開發的建議。i.農業、林業和其他土地利用（AFOLU）術語包括農業以及土地利用、土地利用變化和林業（LULUCF）類別。ii.根據2006年IPCC指南，LULCUF部門包括與所有土地利用類型如林地

14、、農田（包括土壤碳庫）、草地、濕地、定居地和其他土地內部變化和之間轉換相關通量的報告。該部門還報告與采伐木材產品庫變化有關的通量。2.中國農業發展和溫室氣體排放模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議6模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議7中國有悠久的農業歷史和精耕細作的傳統，且農村人口眾多。農業長期以來一直是中國政治和經濟穩定的基石，因此中國政府高度重視農業發展。自1978年以來，中國成功地生產了世界四分之一的糧食，用不到世界10%的耕地養活了世界五分之一的人口 16,17，這是中國和世界糧食安全的重大成就。目前，中

15、國在谷物、棉花、水果、蔬菜、肉類、家禽、雞蛋和漁業產品的生產方面居世界第一位，并與世界140多個國家建立了農業交流與合作關系 18。圖1給出了中國農業經濟的歷史概況。農業部門自1990年以來穩步增長，1997年后增長放緩，但從2003年開始再次增長。自2008年以來，農業對全要素生產率（TFP）的貢獻與中國非農業部門持平 19,20。2000年至2020年，由于高價值農產品（蔬菜、水果、肉類、牛奶等）的集約化發展，國內糧食產量和農業總產值分別增長了45%和139%（1980年可比價格）21。盡管面臨新冠肺炎疫情、病蟲害和自然災害的挑戰，中國的糧食產量在2020年仍然實現了“17連豐”，糧食產量

16、同比增長0.9%，達到近6700億公斤。這標志著中國糧食總產量連續第九年超過堪稱“大豐收”的6000億公斤。由于新冠疫情影響了全球很多糧食出口大國，政府非常重視糧食供給的穩定性，2021年的中央“一號文件”更加強調糧食安全，呼吁所有省份在“十四五”期間（2021-2025年）提高糧食產量。圖1:中國農業部門的歷史趨勢18000160001400012000100008000600040002000016001400120010008006004002000農業總產值（億元，1980年不變價）人口（百萬人）糧食產量（百萬噸）數據來源：國家統計局。2022年22農業總產值(億元）糧食產量（百萬噸）

17、/人口（百萬人）模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議8隨著農業生產力和收入水平的提高，中國人的飲食結構發生了巨大變化，紅肉、禽肉、奶制品和雞蛋等動物性食品的消費量穩步增加，這對中國的健康和環境構成了重大挑戰 23。2019年，中國人均主食（即大米、玉米、小麥和其他谷物）消費量為145.8千克，比1997年下降了33.5%24，而人均水果和肉類消費量大幅增長，在2019年分別達到58.6千克和60.3千克，分別增長了90%和190%25。如果對動物性蛋白的需求繼續增加，AFOLU部門將面臨著更嚴峻的脫碳挑戰 26。中國的工業化和城市化進程使勞動力、土地和其

18、他重要的農業投入成本日益升高。加之農業規模小和農村人口結構不斷變化，中國大宗農產品的生產成本高于美國、加拿大和澳大利亞等主要出口國 27。2020年，中國國內大米、小麥和玉米的價格分別達到398.6美元/噸、330.9美元/噸和334.9美元/噸，分別比國際價格高19.1%、78.3%和102.2%。由于存在巨大的國內外價格差異，中國農產品進口的增長已超過正常需求和生產缺口，導致“非必需”食品的進口 28。從2001年到2020年，中國包括大豆在內的粗糧進口量從1738萬噸增至14255萬噸，增長了約7.2倍。由市場驅動的“非必需”農產品進口的增加，不一定能減輕國內農業發展的環境壓力，但會對中

19、國農業產業產生負面影響，威脅農民的就業和收入。29中國也為農業上的成功付出了環境代價。中國農業溫室氣體排放從1994年的6.05億噸CO2e增長到了2014年的8.3億噸CO2e，增長了37.2%，目前占全球農業溫室氣體排放的13%30,31。同時，由于其他部門排放量的快速增加，農業部門對全國總排放量的貢獻從18.7%下降到7.5%。盡管農業會排放溫室氣體，但LULUCF部門在中國是凈碳匯（圖2）?？焖僭炝质筁ULUCF碳匯由1994年的407萬噸CO2e增加到了2014年的1115萬噸CO2e（從最近年份的可獲得官方數據）。在農業排放源中，反芻動物的腸道發酵是甲烷（CH4）排放的最大來源，農

20、業土壤是氧化亞氮（N2O）排放的最大來源。2014年，腸道發酵、糞便管理、水稻種植、農業土壤和農業殘留物的田間燃燒產生的溫室氣體排放量分別為2.07億噸CO2e、1.39億噸CO2e、1.87億噸CO2e、2.88億噸CO2e和0.09億噸CO2e，分別占農業源排放總量的24.9%、16.7%、22.5%、34.7%和1.1%。-400-600-800-1000-12004002000-200100080060020102014林地伐木產品農田草地濕地聚居地農業土壤腸道發酵糞便管理水稻栽培農業廢棄物的田間燃燒凈農業凈LULUCF（土地利用、土地利用變化及森林）凈AFOLU（農業、林業和其他土地

21、利用）數據來源：Government of China,2018 32;Government of China,2016 33;Government of China,2018 34.圖2:中國2010年和2014年AFOLU溫室氣體排放和清除構成百萬噸CO2e模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議93.方法和數據模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議10模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議11為確保對中國AFOLU部門模型及其溫室氣體排放和預測比較的一致性，國際應用系統分析研究

22、所（IIASA）和中國人民大學的研究人員開發了兩個標準化報告模板，旨在以標準化方式收集中國模型和溫室氣體預測的主要特征?！敖Ｌ卣髂０濉敝饕P注模型本身的關鍵特征，旨在促進對不同模型的特征差異及其對模型預測結果影響的理解。該模板包括碳匯和溫室氣體的覆蓋范圍、土地利用類別代表性、土地利用變化可核算性、模型模擬的區域、模型部門覆蓋范圍等方面?！邦A測模板”旨在提高我們對現有預測的理解。該模板允許項目合作伙伴報告2010年至2100年對關鍵變量的預測，如土地利用變化、碳匯和溫室氣體的變化、食物和飼料生產以及糧食安全等模型核算的其他指標。為了讓模型團隊順利地填寫模板，確保對模型關鍵特征的高質量分析，兩者

23、都包括了大量說明和填報示例。開發完成后，兩個模板被分發給項目合作伙伴來驗證和闡明任何不確定性。所有項目合作伙伴都有所貢獻，并為改進模板提供有價值的見解和想法。報告模板完成并通過測試后，我們聯系了10個國內外關鍵建模團隊，包括綜合評估模型、AFOLU部門模型和特定AFOLU子部門模型的團隊，聽取他們的意見?；趯χ袊F有建模格局的摸底調查，我們選擇了10個關鍵建模團隊，重點關注開展了中國AFOLU部門溫室氣體排放和碳匯長期（到2050/2060年）情景分析的模型（各模型的報告年份不同）。因此，本文共評估了8個模型：GLOBIOM-中國、MAgPIE-中國、G-CAM5.3、FABLE Calcu

24、lator-中國、ORCHIDEE、PECE-LIU、AGHG-INV和SRNM。其他可能的候選模型如 DNDC,APSIM和CENTURY/DayCent由于無法及時為本研究提供長期預測，因此未包括在本次評估中。報告模板于2021年9月前發給所有建模團隊。之后，我們直接與各建模團隊開展了充分交流，闡明并進一步解釋如何在兩個報告模板的填寫中反映模型假設的細節。8個建模小組全部填寫并報告了建模特征模板，5個建模小組提交了預測模板。應當指出的是，各建模小組提交了各自的最新預測結果。但是，各建模小組沒有統一基本數據來源（如排放系數、土地利用、減緩方案）或其預測的主要驅動因素（如社會經濟發展、氣候變化

25、、國際貿易、國家/國際政策）。關于各模型的細節可見附件一。4.模型的覆蓋范圍方面有何不同?模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議12模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議134.1.土地利用類別的系統邊界和覆蓋范圍基于建模團隊報告的信息，我們初步評估了目前的對中國的建模能力現狀（表1）。在本節中，我們首先討論了包括LULUCF部門的模型覆蓋范圍(GLOBIOM-中國、MAgPIE-中國、GCAM5.3、FABLE Calculator-中國、ORCHIDEE和PECE-LIU)，然后討論了覆蓋農業部門的模型（GLOBI

26、OM-中國、MAgPIE-中國、G-CAM5.3,FABLE Calculator-中國、AGHG-INV和SRNM）的覆蓋范圍。六種模型覆蓋了LULUCF的全部或部分領域，重點是林地、農田、草地和“其他土地”(表2)。根據2014年中國國家溫室氣體排放清單 35，這四種土地利用類型占中國土地總面積的90%(675.29 Mha)。所有模型都考慮了林地的發展，只有一個模型(PECE-LIU)不考慮農田或草地。4個模型（GLOBIOM-中國、MAgPIE-中國、GCAM5.3和FABLE Calculator-中國）考慮了其他陸地(73.63 Mha)的開發情況。然而，濕地(39.73萬公頃)和

27、定居地(37.23萬公頃)的關注度較低。在參加比較的模型中，只有MAgPIE-中國模型包含了濕地，只有GCAM5.3和FABLE-Calculator-中國模型考慮了定居地。在考慮林地的六個模型中，有三個模型區分受管理和未受管理林地。在考慮草地的五種模型中，有兩個模型區分了受管理和未受管理草地。MAgPIE-中國是唯一考慮濕地的模型，它還區分了受管理和未受管理濕地。從2014年中國國家溫室氣體排放清單中無法檢索到不同土地利用類別下受管理和未受管理土地的劃分情況。因此，現有模型在其范圍和對中國主要土地利用和農業部門的主要特征體現上存在差異。此外，覆蓋LU-LUCF部門的模型沒有一個涵蓋了所有土地

28、利用類型。iii.根據2006年IPCC 國家溫室氣體排放清單指南，“其他土地”包括裸露的土壤、巖石、冰和所有不屬于其他五種主要土地利用類別的土地區域，即林地、農田、農業、草地和定居地。iv.在MAgPIE-中國中，定居地被視為靜態。Table 1.Comparison of main model featuresModel nameAFOLU sectoral coverageMethodologyGeographical coveragePurposeFirst year of projectionsTime horizon and time stepsGLOBIUM-ChinaMAgPI

29、E-ChinaGCAM5.3FABLE Calculator-ChinaORCHIDEEPECE-LIUAGHG-INVSRNMAgriculture&LULUCFAgriculture&LULUCFAgriculture&LULUCFAgriculture&LUC*LULUCFForest sectorAgricultureCropping systemPartial equilibrium modelEquilibrium model without optimisationProcess-based modelOptimization modelInventoryStatistical

30、modelMulti-regionMulti-regionMulti-regionNationalMulti-regionNationalNationalNationalForecastingForecastingForecastingForecasting,policy simulationForecasting,back-casting,policy simulationForecastingForecastingBack-casting20102010201520002015*201020182017Long-term,every 10 years until 2100Long-term

31、,every 5 years until 2100Long-term,every 5 years until 2100Long-term,every 5 years until 2050Long-term,every year until 2100/2300Long-term,every 5 years until 2060Long-term,every year until 2050Long-termPartial equilibrium modelPartial equilibrium model*The FABLE Calculator-China model accounts for

32、land-use change(LUC)but not does not account for GHG fluxes related to existing land use or forest management.*For the ORCHIDEE model this varies between scenarios;however,for CMIP6 the future climate starts from 2015.表1.模型主要特點比較模型名稱AFOLU部門覆蓋方法學地理覆蓋范圍目的預測的基準年時間范圍和時間步驟GLOBIOM-中國農業和LULUCF部分均衡模型多區域預測20

33、10長期，時間步長為10年，直到2100年MAgPIE-中國農業和LULUCF部分均衡模型多區域預測2010長期，時間步長為5年，直到2100年GCAM5.3農業和LULUCF部分均衡模型多區域預測2015長期，時間步長為5年，直到2100年FABLE Calcula-tor-中國農業和土地利用變化*無優化的均衡模型全國預測、政策模擬2000中期，時間步長為5年，直到2050年ORCHIDEELULUCF基于過程的模型多區域預測、回溯、政策模擬2015*長期，時間步長為1年，直到2100/2300年PECE-LIU林業部門優化模型全國預測2010中期，時間步長為5年，直到2060年AGHG-I

34、NV農業清單全國預測2018長期，時間步長為1年，直到2050年SRNM種植系統統計模型全國回溯2017長期*The FABLE Calculator-中國模型考慮了土地利用變化(LUC)，但沒有考慮與現有土地利用或森林管理相關的溫室氣體通量。*ORCHIDEE模型在不同的情景中有所不同;ORCHIDEE模型估算基于CMIP6，未來氣候開始于2015年。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議14表2.不同模型土地利用覆蓋范圍及其土地面積估計值的比較數據/模型2014年土地面積估算(億公頃)36GLOBIOM-中國MAgPIE-中國GCAM5.3FABLE

35、Calculator-中國*ORCHIDEEPECE-LIU林地總量（即受管理+未受管理）1.8004*林地（受管理）林地（未受管理）農田1.3506草地總量（即受管理+未受管理）2.8656草地（受管理）草地（未受管理）濕地總數（即受管理+未受管理）0.3973濕地（受管理）濕地（未受管理）定居地0.3723其他土地0.7363*在FABLE Calculator-中國中，目前還沒有包括草地轉為農田的排放量和農田轉為草地的排放/固碳量。然而，它考慮了廢棄農田發生的碳固存。*根據2014年國家溫室氣體排放清單提供的信息，森林用地被計算為喬木林、竹林和疏林的總和?！捌渌恋亍北挥嬎銥楣嗄玖值?。模

36、擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議15模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議164.2.LULUCF碳庫的覆蓋范圍溫室氣體的覆蓋范圍和用于估計排放量和清除量的方法因模型而異。我們評估了六個模型對LULUCF部門、不同土地利用類別的覆蓋情況，也分析了計算每一類碳庫的IPCC層級方法（表3）。我們發現，所有模型團隊都高度關注與林地相關的碳庫（包括林地、剩余林地和轉化為林地的土地）（表3）。相比之下，濕地、定居地、其他土地和木質林產品（HWP）相關的碳庫受到的關注少得多。在土壤碳庫方面，模型更注重展示無機土壤，而不是有機土

37、壤。在覆蓋土地利用部門的6個模型中，只有兩個（ORCHIDEE和GCAM5.3）考慮了LULUCF部門的CH4和N2O的排放源和碳匯去除（表3）。不同模型用于計算特定碳庫變化的IPCC層級方法存在很大差異（表3）。然而，應用的方法也有規律可循。例如，層級3方法主要用于計算與林地有關的碳庫。對于活生物量的碳儲量變化，除了FABLE Calculator-中國模型外，所有模型都采用了層級3方法。FABLE Calculator-中國模型采用了層級2方法計算綠化土地和廢棄農田的碳庫（不考慮管理森林中活生物量的變化）。就枯木、凋落物和死有機質的碳儲量變化而言，代表這些碳庫的四個模型都使用了層級3方法。

38、對于濕地和定居地的碳庫，主要使用層級1和層級2方法。土壤碳庫主要應用層級1和層級2方法。唯一的例外是ORCHIDEE模型，它對林地、農田和草地的土壤碳庫應用了層級3方法。v.根據IPCC清單指南（2006，2019），用于估算溫室氣體通量的方法通常分為3個層級，其中層級通常代表方法的復雜性水平。層級1是基本方法，通常使用IPCC推薦的默認值；層級2則采用特定國家的排放系數；層級3估計在復雜性和數據要求方面要求更高。層級2和層級3有時被稱為更高層次的方法，只要有足夠的開發、評估數據，通常被認為更準確。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議17表3.模型對碳庫

39、的覆蓋范圍和計算碳庫變化的層級方法模型中的土地利用單位面積生物量碳儲量變化單位面積枯木凈碳儲量變化單位面積凋落物凈碳儲量變化單位面積死有機質凈碳儲量變化單位面積土壤凈碳儲量變化收益損失凈變化礦物土壤有機土壤林地OOO,POONAOO林地仍為林地GCGCGCGL,MGL,MNAGCGCGL,MGL,MGL,M轉為林地的土地GCGCGCGL,ZGL,ZNAGL,MMGL,MGL,MFGCGCGL,M農田OOONANAOOO農田仍為農田GCGCGCNANANCGCGC轉為農田的土地GCGCF NANANCGL,MMMGCGCGC草地OOONANAOOO草地仍為草地GCGCGCNANANCGCGC轉為

40、草地的土地GCGCGCNANANCGL,MMFMMMGCGC濕地NCNCNCNANANCNCNC濕地仍為濕地MMMNANANCNCNC轉為濕地的土地MMMNANANCMM定居地NCNCNCNANANCNCNC定居地仍為定居地GCGCGCNANANCGCGC轉為定居地的土地GCGCGCNANANCGCGCF其他土地NCNCNCNANANCNCNC其他土地仍為其他土地NA,MNA,MNA,MNANANANANA轉為其他土地的土地MMGCNANANCGNCFM木質林產品OOONANANANANA注：NA=不適用；NC=未被任何模型涵蓋；GL=GLOBIOM-中國；M=MAgPIE-中國；GC=GCA

41、M5.3；F=FABLE Calcula-tor；O=ORCHIDEE；P=PECE-LIU。方法代碼T1、T2和T3分別代表層級1、2和 3方法。T1/T2表示模型采用T1和T2方法組合計算碳儲量變化。層級3（T3）層級2（T2）層級1/2（T1/2）層級1（T1）模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議184.3.模型中LULUCF的覆蓋范圍 vs.國家溫室氣體排放清單由于沒有一個模型涵蓋了LULUCF部門所有的土地利用類型，因此本報告評估了不同模型評估的LULUCF排放占中國溫室氣體排放和清除的比重。即回答：到目前為止，這些模型是否關注了中國溫室氣體排

42、放最重要的土地利用部門呢？用于編制中國2014年國家溫室氣體排放清單的層級方法 37與建模工具使用的層級方法是否存在較大差異？比較模型覆蓋范圍與中國主要排放源和清除源時（表4），總體而言，模型確實很好地覆蓋了當年大多數的重要來源（林地、草地和農田），但木質林產品除外。只有一個模型涵蓋木質林產品（ORCHIDEE），只有一個模型涵蓋了濕地（MAgPIE-China），兩者都是相對較大的碳匯，且在國家溫室氣體排放清單中已經為中國制定了國家特有的排放因子。有趣的是，盡管“其他土地利用”類別在中國目前的溫室氣體排放和清除中并不算重要，6個模型中有4個考慮了這一類別。然而，在模型中包括這一土地利用類別確

43、實能更完整地展示當前的土地利用和土地利用變化。因此從建模的角度來看，考慮這個類別是有意義的。表4.評估模型與中國2014年全國溫室氣體排放清單對土地利用類別和CO2碳源/碳匯覆蓋范圍的比較土地利用類別評估模型中國2014年溫室氣體排放清單的方法38模型覆蓋比率層級方法層級方法排放因子2014年排放/清除量(萬噸)林地6/6T1/T2/T3T2CS-83773農田5/6T1/T2/T3T3CS-4946草地5/6T1/T2/T3T2CS-10916濕地1/6T1T2CS-4454定居地2/6T1/T2T2CS253其他土地4/6T1/T2/T3T1D0木質林產品1/6T1T2CS-11055注：

44、方法代碼T1、T2和T3分別代表層級1、2和 3方法。CS=中國的國別排放因子；D=默認IPCC排放因子。*應當指出的是，沒有區分全部或部分涵蓋某土地利用類別的模型。例如，FABLE Calculator-中國只計算了模型運行時間尺度內的林地，而不是中國境內的所有林地。關于模型對不同土地利用類型的覆蓋情況的細節見表2。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議194.4.農業非二氧化碳溫室氣體排放與國家溫室氣體排放清單的對比我們從六個模型（GLOBIOM-中國、MAgPIE-中國、GCAM5.3、FABLE Calculator-中國、AGHG-INV和SRN

45、M）中收集了農業部門非二氧化碳溫室氣體排放的數據。除SRNM外，其他所有模型都考慮了非二氧化碳溫室氣體排放的主要農業來源，這五個模型之間有很大的相似性（表5和表6）。他們都采用了IPCC的清單框架，并考慮了農業非二氧化碳溫室氣體排放的最關鍵來源腸道發酵、糞便管理和水稻種植的CH4排放；以及腸道發酵、糞便管理和農業土壤中的N2O排放。然而，只有AGHG-INV包括駱駝、馬和騾子等其他大型牲畜的排放。GLOBIOM-中國不包括農業殘留物燃燒產生的N2O。除了這五個模型外，SRNM還關注了施用氮肥后農田N2O排放量的變化，并且只考慮了農田土壤N2O排放和糞便的部分排放（即畜禽糞便作為有機肥返回農田的

46、部分排放）。不同模型在計算農業部門的溫室氣體排放量時，主要使用層級2方法。全部五個模型在所有重要畜禽和農業用地類型中都采用了中國特有的排放因子。然而，對一些不同重要的排放源（例如駱駝），也采用了IPCC默認因子。該部門評估，尤其是開展了中國AFOLU部門未來長期情景的評估模型，很少使用層級3方法。在過去二十年中，中國開展了大量研究，監測和評估水稻種植、不同類型旱地以及畜禽養殖活動的排放因子，這為建模研究奠定了良好的基礎。雖然在中國開展了水稻種植和農業土壤層級3的清單研究，但它們在開展長期的溫室氣體排放情景分析時面臨較大挑戰。39表5.評估模型和中國2014年國家溫室氣體排放清單中CH4源和匯類

47、別的比較土地利用類別評估模型中國2014年溫室氣體排放清單的方法40模型覆蓋比率層級方法層級方法排放因子2014年排放/清除量(萬噸)腸道發酵5/6主要是T1/T2，部分T3T2D,CS985.6糞便管理5/6T1/T2T2D,CS315.5水稻栽培5/6T1/T2/T3T3CS891.1農業土壤5/6NANANANA農業殘留物的田間燃燒4/6T1T1D,CS32.3表6.評估模型和中國2014年國家溫室氣體排放清單中N2O源和匯類別的比較土地利用類別評估模型中國2014年溫室氣體排放清單的方法41模型覆蓋比率層級方法層級方法排放因子2014年排放/清除量(萬噸)糞便管理6/6T1/T2T2D

48、,CS23.3 農業土壤6/6T1/T2T2D,CS93農業殘留物的田間燃燒4/6T1T1D,CS0.7注：方法代碼T1、T2和T3分別代表層級1、2和3方法。CS=中國的國別排放因子；D=默認IPCC排放因子；NA=不適用。注：方法代碼T1、T2和T3分別代表第1、2和 3層方法。CS=中國的國別排放因子；D=默認IPCC排放因子。5.不同模型的預測差異如何？模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議20模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議215.1.LULUCF部門的預測五個建模團隊為本次評估提交了對LULUCF部門

49、的預測（GLOBIOM-中國、MAgPIE-中國、GCAM5.3、FA-BLE Calculator-中國和PECE-LIU）。這些模型在預測基準年（表7和表8）以及LULUCF部門的預期發展路徑（圖3）的假設上都存在很大差異。LULUCF部門溫室氣體排放和清除水平的基準年從2014年到2016年不等，只有PECE-LIU模型顯示的溫室氣體排放和清除水平與中國最新的2014年國家溫室氣體排放清單相對一致 42。這并不奇怪，因為PECE-LIU模型的校準基礎2006年和2016年國家森林資源清查和中國國家溫室氣體排放清查數據。GLOBIOM-中國和GCAM5.3模型均表明LULUCF部門在201

50、5年是凈碳匯，但碳匯規模遠小于中國2014年國家溫室氣體排放清單的估計（圖3和表7）。相比之下，MAgPIE-中國和FABLE Calculator-中國模型均表明LULUCF部門在2015年是凈排放源。在MAgPIE-中國模型中，這主要是由草地的大量排放驅動的（圖3和表7）。同時，FABLE Calculator-中國僅展示了與土地利用變化相關的人為排放和清除，忽略了與當前土地利用相關的排放和清除。例如，該模型考慮了再造林/造林事件造成的碳固存和隨著時間推移時碳固存的積累，但沒有考慮林地或仍為林地的碳庫的進出通量。表7.模型估計的年度溫室氣體排放/清除量與2014年國家溫室氣體排放清單的比較

51、(億噸CO2e/每年)模型名稱2014年國家溫室氣體排放清單43GLOBIOM-中國MAgPIE-中國GCAM5.3FABLE Calcu-lator-中國PECE-LIU年份201420152015201520152016LULUCF合計11.23.121.331.361.85-9.34林地8.383.9014.0-2.96-9.34農田0.500.780.380.07NC草地1.090.0013.474.6NC濕地0.45NC0.53NCNCNC定居地0.00NCNC0.15NC其他土地0.00NC1.680NC木質林產品1.11NCNCNCNCNC注：NC=未涵蓋。這表明該模型不涵蓋該土

52、地利用類別的碳庫。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議22雖然GCAM5.3、GLOBIOM-中國和MAgPIE-中國都很好地覆蓋了歷史溫室氣體排放/清除最重要的土地利用類別（表2和表5），并使用了與中國國家溫室氣體排放清單相對一致的層級方法，三種模型與國家溫室氣體排放清單在2010-2020年期間報告值仍存在巨大差異。模型與國家溫室氣體排放清單之間的最大差異主要與林地、木質林產品、農田和草地有關（表7）。根據2014年中國國家溫室氣體清單，2014年林地的凈碳匯為-8.37億噸CO2e。然而，模型對2015年碳匯規模的估計在-14.69億噸CO2e和-

53、3.89億噸CO2e之間變化。由于模型和溫室氣體排放清單之間的林地面積相對一致（表8），這些差異可以由用于計算碳匯規模的活動數據、排放因子和數據源的差異來解釋（即森林生長函數、不同樹種的表示、當前年增量、林齡結構、受管理與未受管理土地等）。此外，這些模型可能使用不同的數據源表示歷史造林和森林砍伐趨勢。例如，GLOBIOM-中國的歷史造林和森林砍伐趨勢通常與聯合國糧農組織（FAO）的森林資源評估2020年的數據集一致，該數據集可能與中國向聯合國氣候變化框架公約報告的國家溫室氣體排放清單所用的數據不同。GLOBIOM-中國、FABLE Calculator-中國和MAgPIE-中國都預計LULUC

54、F部門的凈溫室氣體排放量將減少，而長期的清除量將增加（即到2050/2060年與2000/2010年相比）。溫室氣體凈排放量的預期減少分別為：MAgPIE-中國的1.09億噸CO2e、GLOBIOM-中國的2.06億噸CO2e、FABLE Calculator-中國的2.66億噸CO2e（圖3）。GCAM5.3和PECE-LIU模型預測，盡管與當前水平相比，碳匯略有減少（到2060年介于0.34至1.2億噸CO2e），但LULUCF部門總體上仍是碳匯。預測的差異可能與情景對變化驅動因素假設的差異有關，但基于這些模型類別千差萬別，這也與模型類型的根本差異有關。表8.模型中土地利用面積估值與201

55、4年國家溫室氣體排放清單的比較（億公頃）模型名稱2014年國家溫室氣體排放清單44 GLOBIOM-中國MAgPIE-中國GCAM5.3FABLE Calcu-lator-中國PECE-LIU年份201420152015201520152016LULUCF合計林地1.8004*2.1192(1.0458)2.0040(NR)1.4047(1.0206)2.1029(1.77)2.2045(0)農田草地1.35061.4888(NR)1.1190(NR)1.1600(NR)1.2241(122.11)NC濕地定居地2.86562.0596(0.9457)3.7494(NR)5.5111(4.56

56、47)4.1185(3.8604)NC其他土地木質林產品0.3973NC0.0335(NR)NCNCNC其他土地木質林產品0.3723NC0.0599(NR)0.0599(NR)0.0567(0.0511)NC其他土地木質林產品0.7363*3.8929(3.8929)2.292(NR)1.1574(NR)1.9231(1.9231)NC注：據模型估算，土地面積報告為總土地。括號內的數字是假設在排放量和清除量方面保持中和的土地面積，即在二氧化碳凈零排放狀態下，該地區的二氧化碳排放量和從大氣中吸收的碳之間平衡。NC=未涵蓋（當模型不包括土地利用類別的碳庫時使用）。NR=未報告（當建模團隊選擇不報

57、告估算值時使用）。*根據2014年國家溫室氣體排放清單提供的信息，林地被計算為喬木林、竹林和疏林的總和?！捌渌恋亍币延嬎銥楣嗄玖值?。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議23在對LULUCF部門的預測中，雖然GLOBIOM-中國、GCAM5.3和MAgPIE-中國模型設想未來中國LULUCF部門碳匯的發展相對平穩，但FABLE Calculator-中國和PECE-LIU模型預測的凈排放量將隨時間的強烈波動（圖3）。PECE-LIU預測，由于森林碳儲量增長率和國家造林率下降，2016年至2025年期間LULUCF部門的碳匯將下降。與其他模型預測不同，PE

58、CE-LIU模型的預測納入了中國最新土地利用和政策目標，并假設這些目標都能實現。該情景預測，實現這些目標將導致2016年至2025年期間森林蓄積量增長率下降（與上一個報告期相比），隨后森林碳匯的作用將大幅減小。此外，中國的植樹造林步伐預計將放緩，因為最適合的地區已經開展了植樹造林，導致未來工作將轉向國內造林更具挑戰性的地區。-400-600-800-1000-12002000-20060040019902000201020202030204020502060圖3:LULUCF部門的歷史和預測溫室氣體排放和清除情況百萬噸CO2eq/年LULUCF 2014 國家溫室氣體清單PECE-LIU,更新

59、NDC情景MAgPIE-中國，BAU情景GLOBIOM-中國FABLE Calculator-中國，BAU情景p25n2060情景預測包括來自GLOBIOM-中國、FABLE Calculator-中國、MAgPIE-中國、GCAM5.3和PECE-LIU的情景。每個情景的詳細信息見附件二。LULUCF歷史溫室氣體信息來自2012年中華人民共和國國家通報45以及中華人民共和國第一次兩年更新報告（2016年）46和中華人民共和國第二次兩年更新報告（2018年）。47注：vi.其預測基于兩個主要文件：一份由中國共產黨中央委員會和國務院發布（2021），涵蓋2025年至2030年，另一份由國家林業和

60、草原局（2019）發布，涵蓋2035年至2050年。其中包括森林覆蓋率達到24.1%（約2.3億公頃）和森林蓄積量達到190億立方米的目標。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議245.2.對農業部門的預測根據中國國家溫室氣體排放清單和模型結果（圖4），2000年農業部門的非二氧化碳溫室氣體排放量為6.38億噸CO2e，到2020年，這些排放量將增加到9.5億噸CO2e，其范圍在7.11億噸和11.18億噸CO2e之間。對于基準年，非二氧化碳溫室氣體排放的不確定性范圍約為50%，大多數模型提供的結果是從2000年到2050年。在SRNM的估計中，僅包括種植

61、業的排放，因此結果只是其他模型估計的一小部分。然而，對于該子類別，不同模型的結果似乎很穩健，與國家清單和AGHG-INV模型對農作物種植排放（包括水稻種植和農業土壤）的估計誤差在12%以內。在基準（BAU）情景下，大多數模型預測中國農業部門的非二氧化碳排放量將在2030年后仍然緩慢增長，并在2045年至2060年達到峰值。峰值排放預估的范圍為7.6億噸CO2e（FABLE-calculator）到14.34億噸CO2e（GLOBIOM-中國）（圖4）。這些差異來自于基準年、模型結構、情景假設和參數選擇的差異。各模型在2050年的最大減緩潛力平均為每年4億噸CO2e（范圍為2-8億噸CO2e）。

62、最樂觀的減緩潛力估計來自GLOBIOM-中國模型，到2050年的預估的減緩潛力范圍在6億噸至9億噸CO2e之間，部分原因在于該模型具有最高的BAU排放量（2050年為14.34億噸CO2e）。GCAM沒有報告BAU情景，而是在兩種不同情景下模擬了中國農業溫室氣體排放的兩條軌跡，即全國溫室氣體排放總量在2025年和2030年達到峰值情景下的排放軌跡。在2030年達峰的情景下，中國農業溫室氣體排放預計將達到9.57億噸CO2e的峰值；而在2025年達峰的情景下，中國農業溫室氣體排放將達到8.95億噸CO2e的峰值，然后下降，比2030年達峰情景的峰值排放量低7%。然而在GCAM兩種達峰情景下，20

63、60年的排放量持平，約為6.53億噸CO2e。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議24模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議258006001001000140012002000202020402060圖4:1990-2060年中國農業歷史和預測的非二氧化碳溫室氣體排放量百萬噸CO2eSRNM BAUAGHG_INV_BAUGLOBIOM NPiREFSRNM ONRAGHG_INV_TPGCAM5.3 p25n2060FABLE SUSTSRNM ALLGLOBIOM 200fMSFABLE-BAUSRNM CFW

64、GLOBIOM 1200fBAU國家清單SRNM DIETAGHG_INV_MTPGCAM5.3 p30n2060預測包括來自GLOBIOM-中國、GCAM5.3、FABLE Calculator-中國、AGHG-INV和SRNM的情景（僅適用于農業N2O排放）。農業溫室氣體歷史信息由2012年中華人民共和國國家通報48，以及2016年和2018年的中華人民共和國第一次兩年更新報告（2016）49 和中華人民共和國第二次兩年更新報告（2018）50匯編。每個場景的詳細信息可見附件二?；疑幱皡^域表示不同模型估計的“一切照舊”（BAU）范圍。綠色陰影區域表示不同模型估計的減緩潛力范圍。BAU和減

65、緩情景是BAU預測和所有減緩情景（MS）的平均值。由于SRNM僅涵蓋種植業部門，因此未包括在BAU和MS的計算中。注：6.知識差距和改進模型的建議 模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議26模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議27本報告發現，現有模型對中國歷史和未來LULUCF相關排放和清除的預測存在較大的不確定性。不同模型之間的歷史凈排放量差異非常顯著（11.19億噸CO2e，圖3）。該不確定性相當于2014年中國全國溫室氣體匯的估計規模（11.50億噸CO2e）。模型之間一定程度的差異可以用范圍、結構、輸入數據、

66、土地利用覆蓋范圍、碳庫覆蓋范圍、活動數據和排放因子的差異來解釋。為了與中國國家溫室氣體排放清單保持一致，在協調和改進模型方面仍有很多工作要做 51。正如文獻指出和強調的那樣，方法和數據協調是世界上許多國家模型研發中面臨的重要問題。由于所有國家都將使用新的通用報告表（CRTs）來報告其2024年之后的國家溫室氣體清單，建議中國開展研究并制定新的慣例和方法來使其基準和預測與CRTs的要求相協調。對中國土地利用模型的回顧表明，其中相當多的土地利用模型一定程度上涵蓋了林地（6/6）、農田（5/6）和草地（5/6）等類別，從2014年的中國國家溫室氣體排放清單中可以看出，這些類別對于當前LULUCF排放

67、水平和減緩潛力的代表性方面至關重要 52。然而它們也存在局限性。例如，只有一個模型涵蓋了木質林產品碳庫，而目前它是中國國家溫室氣體排放清單中的第二大碳匯（-1.11億噸CO2e）。此外，目前只有兩種模型涵蓋定居地，只有一種模型涵蓋濕地。雖然在中國國家溫室氣體排放清單中，上述兩種土地利用目前都不是LULUCF部門的重要人為排放和清除來源，但目前大量文獻指出，通過保護和恢復濕地 53以及發展綠色城市基礎設施等活動，它們可以展示相當高的減緩潛力和多重協同效益 54,55。因此應在不同的模型工具中納入這些土地利用并評估其減緩潛力。與其他部門相比，LULUCF部門在人為溫室氣體排放估計方面不確定性較高

68、56,57,58。例如，在中國2014年清單中，各行業的不確定性水平為：能源5.2%；工業過程3.9%；農業19.8%；LULUCF21.2%，荒地23.2%59。然而，之前的評估強調，完善優先領域的評估方法 60可以極大提高LULUCF評估的準確性 61,62。希望完善LULUCF溫室氣體評估方法的國家可以從現有研究和數據收集中受益，以改進最不確定的模型評估部分?；谖覀兊脑u估，本研究強調優先采取以下行動改善中國AFOLU部門的建模：加強模型開發方面的合作：模型開發人員和國家溫室氣體排放清單編纂者之間加強合作，將有助于完善未來人為溫室氣體排放預測的基礎數據。模型間比較、模型驗證和協同工作能減

69、少不確定性、改進預測。在AFOLU部門，需要進行更多的跨部門工作，尤其要注意協調模型的不一致性、BAU假設和減緩情景假設，并評估與該部門相關的政策的潛在影響。共享并開放數據訪問：共享數據源是改進模型校準和降低模型不確定性的關鍵。通過免費提供中國國家溫室氣體排放清單的排放因子和活動數據集，以及不同建模團隊的數據集，不僅可以校準模型，而且能夠增強模型結果的透明度。提升多模型比較：建議每個模型團隊詳細地公開預測數據，并建立系統機制來比較不同模型和研究，這能使各國和國際利益攸關方了解減緩途徑，獲得對建模結果的信心，并將這些發現納入決策中。此外，為了開發技術上可行的與2/1.5C目標兼容的AFOLU部門

70、排放路徑，并為該行業開發符合中國碳中和目標和巴黎協定的路徑，我們敦促決策者資助以下研究活動:瞄準最不確定的領域：全球AFOLU部門的高度不確定性可能會降低減排的國際信心，特別是對那些期望森林和農業為近期溫室氣體減排做出重大貢獻的國家。納入更多減緩方案和具有大規模減排潛力的部門：將被忽視的部門(如濕地和定居地)納入各種建模工具，有助于消除模型之間的差異，從而更準確地評估AFOLU部門的未來排放量。此外，通過將低成本但高潛力的減緩方案納入各種建?？蚣?，模型可以考慮更全面的減緩方案，并幫助決策者建立更全面的減緩途徑。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議28GL

71、OBIOM-中國全球生物圈管理模型（GLOBIOM）是具有雙邊貿易流和成本的農業、林業和生物能源部門的經濟局部平衡模型，有動態遞歸、空間明確等特點。該模型基于詳細網格單元信息，遵循自下而上設置，提供生物物理和技術成本信息 63。該模型通過在技術、資源和政治約束下最大化福利（消費者和生產者盈余之和），以10年的時間跨度計算2000年至2100年的市場均衡。每個跨度中，市場價格都會進行內生調整，以平衡每種產品和地區的供需。GLOBIOM-中國的發展使其更能代表中國農業部門和環境的動態，同時進行詳細驗證，并根據中國現有政策做了限制性假設。64 MAgPIE-中國農業生產及其對環境的影響模型（MAgP

72、IE）是全球農業經濟土地系統模型 65,66,67,68，與基于柵格的動態植被模型LPJmL相關 69,70，空間分辨率為0.5x 0.5。MAgPIE將全世界分為12個區域，各國根據其地理經濟條件分組 71。該模型在1995年至2100年內，以每五年為一個時間跨度，以遞歸動態模型運行。農業生產在優化過程中由內生因素決定，在該優化過程中，對于給定數量的區域糧食和生物能源需求，總生產成本將最小化。區域糧食需求主要由人口和收入增長驅動。它考慮了區域經濟條件，如農產品需求、技術發展和生產成本，以及潛在作物產量、土地和水資源限制的空間上明確的數據。該模型由此導出了每個柵格單元中的空間上明確的土地利用模

73、式、產量和農業生產總成本。MAgPIE-中國已經進一步地發展，將中國現有的農業和環境相關政策納入模型，以提高對中國AFOLU部門的代表性。72GCAM5.3全球變化分析模型（GCAM）是綜合工具，用于探索耦合人地系統動力學以及該系統對全球變化的響應73,74。GCAM作為一個全球模型，展示了能源、水、農業和土地利用、經濟和氣候等五個系統的行為和相互作用。其能源經濟系統目前在全球32個地區運行，土地被劃分為300多個子區域，233個流域的水資源被追蹤。GCAM5.3的核心操作原則是市場均衡，其代表性主體利用價格信息來相互作用，并做出資源分配決策。在GCAM5.3中，農業和土地系統模塊提供了有關土

74、地利用、土地覆蓋、碳儲量和凈排放、生物能源、糧食、纖維和森林產品生產的信息。它們的需求受到人口規模、收入水平和商品價格的影響，由此產生土地和溫室氣體排放量 75。對生物能源的需求由能源部門驅動，農業和土地系統模塊的需求來自水系統。附件一:模型描述vii.遞歸動態 和 前瞻性動態 術語是指模型的求解方法，但它也意味著對經濟主體預期預期的不同表述。在遞歸模型中，關于生產、消費和投資的決策基礎為決策期間的價格，這通常被稱為 近視 預期。因此，決策是在假設成本和價格未來保持不變的情況下做出的。在一個前瞻性的模型中，決策基于整個范圍內的優化，這意味著今天關于生產和消費決策基于模型模擬中實現預期。因此，經

75、濟主體被描述為具有 完美 的預見性-自上而下的方法將整個系統視為整體，并使用簡化的行為關系和計量經濟學驗證，而自下而上的方法從工程角度出發，在將重點擴展到整個系統之前，從感興趣的部門的細節出發。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議29FABLE Calculator-中國糧食、農業、生物多樣性、土地利用和能源（FABLE）FABLE Calculator-中國（FABLE是糧食、農業、生物多樣性、土地利用和能源聯盟的縮寫）是用Excel編寫的。它在2000-2050年的每個五年期間，在土地可用性限制下，通過確保各種用途（糧食、飼料、加工）和國內生產減去出

76、口加進口之間的平衡來解決 76。它將農業作為土地利用變化的主要驅動力。它通過多種情景組合來測試不同政策的影響，以及上述系統驅動因素的變化，如人口增長、飲食變化、生產力增長、貿易、損失和浪費、氣候變化影響等。它包括來自農作物和畜牧業的76種原加工農產品，并廣泛依賴FAOSTAT（2022）數據庫獲取輸入數據。在2000-2050年間每隔五年，模型計算農業活動水平、土地利用變化、糧食消費、貿易、溫室氣體排放、用水和生物多樣性保護。它利用糧農組織的統計數據，校準2000年、2005年和2010年的市場平衡、農業用地和農業排放量。該模型是國家模型，因為它只代表中國的發展，并已經過修改，旨在反映中國的背

77、景，例如中國的耕地保護紅線、中國到2050年實現26%森林覆蓋率的目標以及動物飼料組成的歷史變化。77ORCHIDEE動態生態系統中的碳和水文組織模型（ORCHIDEE）是法國皮埃爾西蒙拉普拉斯研究所（IPSL）的基于過程的地表模型，用于模擬陸地生態系統中碳循環以及從站點到全球尺度的水和能量通量 78。該模型可由基于觀測的氣候強迫、土地覆蓋和土地利用變化圖（植被以一系列植物功能類型表示）驅動，還能解釋一系列自然和人為因素，如火災 79、農作物 80、草原管理 81,82、森林管理 83和生物能源作物 84。ORCHIDEE被廣泛用于模擬陸地生態系統中的全球碳、水和能量通量，是用于年度全球碳預算

78、的土地模型之一。模型中的碳、水和能量動態（存量和通量）已被廣泛校準（針對其參數），并根據從站點到全球層面85的各種陸地觀測、以及從實地測量到遙感觀測結果的驗證，有時根據數據同化系統（ORHIDAS；https:/orchidas.lsce.ipsl.fr/)驗證。對于AFOLU部門的未來排放量，該模型可以由全球氣候模型（GCMs）（如CMIP6中的模型）的氣候預測和土地利用變化預測（如綜合評估模型（IAMs）的作物/牧場擴展）驅動，并可以模擬不同情景下未來的全球陸地碳循環。ORCHIDEE模型的設計旨在與全球環流模型（如IPSL-CM地球系統模型框架內的LMDz86）耦合。它的設計使大氣狀態能

79、影響地表過程，而地表反過來又通過碳、水和能量通量的變化影響大氣條件。因此，陸地-大氣耦合模型提供了量化地表變化的氣候效應、以及氣候變化對地表影響的可能性。ORCHIDEE已針對中國陸地生態系統進行校準和驗證，并用于評估碳、水和能量通量。87,88,89,90,91,92,93模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議30PECE-LIU模型能源計劃和氣候經濟學能源系統模型（PECE-LIU）是自下而上的國家能源-經濟-環境系統模型，有豐富的技術細節，其中LULUCF模塊側重于森林碳匯估算 94,95。該模塊基于蓄積量差值法和IPCC的林業碳匯估算框架構建，應用

80、實地森林資源清單數據來計算國家森林碳庫和其年際變化，并根據2006年至2016年的國家森林資源清查和溫室氣體排放清單數據進行校準。該模型采用政策驅動的方式，將近期計劃（如“十四五”計劃）、碳達峰和碳中和目標作為預測未來碳匯發展的重要驅動因素，定量模擬了2016年至2060年中國森林碳匯的發展潛力。其LULUCF模塊與PECE-LIU的其他模塊進一步整合，以協調碳源和碳匯的動態變化，支持中國的長期低碳轉型路徑。AGHG-INV 農業引起的非二氧化碳溫室氣體排放清單模型（AGHG-INV）是有技術細節96,97的自下而上模型。它基于國家統計數據庫和2006年IPCC國家溫室氣體排放清單指南中公開的

81、活動數據建立，可以在省級層面上預測農業源非二氧化碳溫室氣體排放 98。在AGHG-INV中，排放預測的驅動因素通過從外部輸入國際上不同國家和國內認可的情景數據來計算。排放因子與基準（BAU）情景中的歷史水平一致，排放量是根據主要農業活動得出的預測活動水平的函數，反映了動物飼養和作物種植隨著國家人口規模、城市化、經濟發展和主要食物的人均消費而變化。技術潛力（TP）情景評估了當前可用的最佳技術或實踐的物理減排潛力，展示了一條常規的技術發展路徑。最大技術潛力（MTP）情景評估了中國農業部門的物理減緩上限，而不考慮跨區域的任何技術、經濟或社會實施障礙。SRNM 空間參考非線性模型（SRNM）是自下而上

82、的全球模型，它模擬了在各種環境條件和農業管理措施實踐下，施用氮肥（包括合成肥料、牲畜糞便和作物殘留物）后農田N2O排放的變化 99?；谏锏厍蚧瘜W，它假設農田N2O的排放因子（EF）是施用氮（N）速率的線性函數，即EF-N關系。在最近的計算中，通過使用貝葉斯遞歸回歸樹模型，假設施氮速率和EF之間存在二次關系 100。SRNM由許多輸入數據庫驅動，包括氣候、土壤特性、氮輸入、灌溉使用和農田歷史分布等。因此它可以捕捉氣候、土壤特征和作物管理實踐等參數的空間異質性 101。該模型使用來自中國153個經過同行評審的實地研究N2O測量值進行校準，并通過來自中國以外180個全球分布站點的室內N2O通量觀

83、測值進行獨立觀測驗證102,103。模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議31附件二:圖4的數據和情景解釋縮略詞描述國家清單國家清單的官方數據，僅適用于1994年、2000年、2005年、2010年和2014年FABLE BAUFABLE Calculator-中國的BAU場景。其特點是人口適度減少，農業擴張不受限制，植樹造林目標高，農業部門生產力增長速度中等，動物產品消費量增加，牲畜生產力增長低。FABLE SUST可持續發展之路代表人們將作出重大努力，采取可持續的政策和做法的未來，對應于可行行動的高邊界。與當前趨勢相比。SRNM BAU在BAU情景中，

84、考慮當前（2017年）的政策和國家計劃，沒有任何進一步政策干預。為了養活不斷增長的人口，預計作物產量、播種面積和氮投入將增加。然而，產量和農業管理（包括氮肥用量、肥料類型、施肥方法、耕作和灌溉方法）與2017年持平，氣候因素隨部門間影響模型相互比較項目提供的未來氣候情景（RCP2.6）變化。SRNM ONR優化氮肥用量（ONR）情景假設預測與BAU相同，但總氮投入和氮肥用量將顯著降低，以提高農業氮肥利用效率和控制氮污染。SRNM DIET改變膳食指南（DIET）情景，假設所有預測與BAU相同，同時作物生產將轉向優化人類膳食結構。DIET情景假設動物飼料玉米的相應需求將減少16%-34%，這符合

85、中國的飲食指南。SRNM CFW減少食物浪費（CFW）情景中的所有輸入數據與BAU相同，但為了實現聯合國全球可持續發展目標，假設作物產量下降，原因是2030年、2040年和2050年與2017年相比，糧食損失和浪費減少了50%。SRNM ALL所有情景是ONR、DIET和CFW的組合，假設N投入和N速率與ONR情景相同，同時作物產量滿足情景DIET和CFW的預測。AGHG_INV BAU在BAU中，農業活動的預測水平與人口規模、城市化、經濟發展和人均飲食的變化有關。隨著時間的推移，中國農業部門的生產效率、EFs和技術保持不變，不考慮進一步的發展和減緩政策或技術的推廣。AGHG_INV TP技術

86、潛力（TP）情景評估了當前可用的最佳技術或實踐的物理減排潛力，顯示了常規的技術發展路徑。AGHG_INV MTP最大技術潛力（MTP）情景評估了中國農業部門的物理減緩上限，不考慮跨區域實施的任何技術、經濟或社會障礙。GLOBIOM 1200f碳預算：1200億噸二氧化碳，預算方案：整個世紀的預算GLOBIOM 200f碳預算：200億噸二氧化碳，預算方案：整個世紀的預算GLOBIOM 700f碳預算：700億噸二氧化碳，預算方案：整個世紀的預算GLOBIOM NPiREFGLOBIOM-中國BAU場景GCAM5.3 p25n2060二氧化碳排放在2025年達峰，溫室氣體排放在2060年達到凈零

87、GCAM5.3 p30n2060二氧化碳排放在2030年達峰，溫室氣體排放在2060年達到凈零注：FABLE：糧食、農業、生物多樣性、土地利用和能源GCAM5.3：全球變化分析模型GLOBIOM：全球生物圈管理模型AGHG-INV：農業引起的非二氧化碳溫室氣體排放清單模型SRNM：空間參考非線性模型模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議321.IPCC.(2014).Climate Change 2014:Mitigation of Climate Change.Contribution of Working Group III to the Fifth

88、Assessment Report of the Intergovernmental Panel on Climate Change Edenhofer,O et al.(eds.).Cambridge University Press.2.IPCC.(2019).Climate Change and Land:An IPCC special report on climate change,desertification,land degradation,sustainable land management,food security,and greenhouse gas fluxes i

89、n terrestrial ecosystems P.R.Shukla,et al,(eds.).Cambridge University Press.3.Friedlingstein,P.,OSullivan,M.,Jones,M.W.,Andrew,R.M.,Hauck,J.,Olsen,A.,Peters,G.P.,Peters,W.,Pongratz,J.,Sitch,S.and Le Qur,C.(2020).Global carbon budget 2020.Earth System Science Data,12(4),pp.3269-3340.4.IPCC.(2014).Cli

90、mate Change 2014:Mitigation of Climate Change.Contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change Edenhofer,O et al.(eds.).Cambridge University Press.5.IPCC.(2019).Climate Change and Land:An IPCC special report on climate change,desertifi

91、cation,land degradation,sustainable land management,food security,and greenhouse gas fluxes in terrestrial ecosystems P.R.Shukla,et al,(eds.).Cambridge University Press.6.Le Qur,C.,Andrew,R.M.,Friedlingstein,P.,et al.(2018).Global Carbon Budget 2017.Earth System Science Data,10(1),405-448.7.Smith,P.

92、,Martino,D.,Cai,Z.,Gwary,D.,Janzen,H.,Kumar,P.,McCarl,B.,Ogle,S.,OMara,F.,Rice,C.,Scholes,B.,Sirotenko,O.,Howden,M.,McAllister,T.,Pan,G.,Romanenkov,V.,Schneider,U.,Towprayoon,S.,Wattenbach,M.,Smith,J.(2008).Greenhouse gas mitigation in agriculture.Philosophical Transactions of the Royal Society B,36

93、3,789-813.8.van Dijk,M.,Morley,T.,Rau,M.L.and Saghai,Y.,2021.A meta-analysis of projected global food demand and population at risk of hunger for the period 20102050.Nature Food,2(7),pp.494-501.9.USEPA.(2012).Global Anthropogenic non-CO2 Greenhouse Gas Emissions:1990-2030.United States Environmental

94、 Protection Agency,EPA 430-R-12-006.10.Lamb,A.,Green,R.,Bateman,I.,Broadmeadow,M.,Bruce,T.,Burney,J.,Carey,P.,Chadwick,D.,Crane,E.,Field,R.,Goulding,K.,Griffiths,H.,Hastings,A.,Kasoar,T.,Kindred,D.,Phalan,B.,Pickett,.,Smith,P.,Wall,E.,zu Ermgassen,E.K.H.J.,and Balmford,A.(2016).The potential for lan

95、d sparing to offset greenhouse gas emissions from agriculture.Nature Climate Change,6,488-492.11.Frank,S.,Beach,R.,Havlik,P.,Valin,H.,Herrero,M.,Mosnier,A.,Hasegawa,T.,Creason,J.,Ragnauth S.,and Obersteiner,M.(2018).Structural change as a key component for agricultural non-CO2 mitigation efforts.Nat

96、ure Communication,9,1060.12.Roe,S.,Streck,C.,Beach,R.,Busch,J.,Chapman,M.,Daioglou,V.,Deppermann,A.,Doelman,J.,EmmetBooth,J.,Engelmann,J.and Fricko,O.(2021).Landbased measures to mitigate climate change:Potential and feasibility by country.Global Change Biology,27(23),6025-6058.13.Chen,M.and Forsell

97、,N.(2020)Agriculture,forestry and other land use sector.In:Chinas New Growth Pathway:From the 14th Five Year Plan to carbon neutrality.Energy Foundation,Beijing.14.Chen,M.and Forsell,N.(2020)(ibid.).15.Chen,M.and Forsell,N.(2020)(ibid.).16.National Bureau of Statistics.(2022).National Data Platform.

98、http:/ and Agriculture Data.http:/www.fao.org/faostat/en/參考文獻模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議3318.FAO.(2022).China at a Glance.Food and Agriculture Organization of the United Nations.https:/www.fao.org/china/fao-in-china/china-at-a-glance/en/19.Cao,K.H.,and Birchenall,J.A.(2013).Agricultural p

99、roductivity,structural change,and economic growth in post-reform China.Journal of Development Economics,104,165-180.20.Yu,J.L.,Wu J.(2018).The sustainability of agricultural development in China:The agriculture-environment nexus.Sustainability,10,1776.21.Zhao,H.,Chang,J.F.,Havlik,P.,et al.(2021).Chi

100、nas future food demand and its implications for trade and environment.Nature Sustainability,4:1042-1051.22.National Bureau of Statistics.(2022).National Data Platform.http:/https-data-stats-gov-cn-774 Bureau of Statistics.(2022)(ibid.)24.AGFEP.(2021).2021 China and global food policy report:Rethinki

101、ng agrifood systems for the post-COVID world.Academy of Global Food Economics and Policy(AGFEP),China Agricultural University.Beijing.http:/ Forsell,N.(2020)(ibid.)27.Ni,H.X.,Lyu,X.D.(2018).Understanding the gap between the competitiveness of Chinese agricultural products and those of other countrie

102、s.Agriculture Newsletter.(10):59-61.28.AGFEP.(2022).2022 China and global food policy report:Reforming agricultural support policy for transforming agri-food systems.Academy of Global Food Economics and Policy(AGFEP),China Agricultural University.Beijing.http:/ al.(2021).Chinas future food demand an

103、d its implications for trade and environment.Nature Sustainability,4:1042-1051.31.FAOSTAT.(2022).Food and Agriculture Data.http:/www.fao.org/faostat/en/32.Government of China(2018).The Peoples Republic of China Second Biennial Update Report on Climate Change.https:/www4.unfccc.int/sites/SubmissionsS

104、taging/NationalReports/Documents/23146085_China-BUR2-1-China_BUR2_English.pdf33.Government of China (2016).The Peoples Republic of China First Biennial Update Report on Climate Change.https:/unfccc.int/sites/default/files/resource/chnbur1.pdf34.Government of China (2018).The Peoples Republic of Chin

105、a Third National Communication on Climate Change.https:/unfccc.int/sites/default/files/resource/China%203NC_English_0.pdf35.Government of China(2018).(ibid.)36.Government of China(2018).(ibid.)(Table 2)37.Government of China(2018).(ibid.)38.Government of China(2018).(ibid.)(Table 4)39.Zhou,F.,Shang,

106、Z.,Ciais,P.,Tao,S.,Piao,S.,Raymond,P.,He,C.,Li,B.,Wang,R.,Wang,X.,Peng,S.,Zeng,Z.,Chen,H.,Ying,N.,Hou,X.,Xu,P.(2014).A new high-resolution N2O emission inventory for China in 2008.Environmental Science&Technology,48,8538-8547.40.Government of China(2018).(ibid.)(Table 5)模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣

107、體通量：差距與建議3441.Government of China(2018).(ibid.)(Table 6)42.Government of China(2018).(ibid.)43.Government of China(2018).(ibid.)(Table 7)44.Government of China(2018).(ibid.)(Table 8)45.Government of China(2012).Second National Communication on Climate Change of The Peoples Republic of China.https:/u

108、nfccc.int/sites/default/files/resource/The%20Second%20National%20Communication%20on%20Climate%20Change%20of%20P.%20R.%20China.pdf46.Government of China(2016).The Peoples Republic of China First Biennial Update Report on Climate Change.https:/unfccc.int/sites/default/files/resource/chnbur1.pdf47.Gove

109、rnment of China(2018).(ibid.)48.Government of China(2012).Second National Communication on Climate Change of The Peoples Republic of China.https:/unfccc.int/sites/default/files/resource/The%20Second%20National%20Communication%20on%20Climate%20Change%20of%20P.%20R.%20China.pdf49.Government of China(2

110、016).(ibid.)50.Government of China(2016).(ibid.)51.Grassi,G.,Stehfest,E.,Rogelj,J.,Van Vuuren,D.,Cescatti,A.,House,J.,Nabuurs,G.J.,Rossi,S.,Alkama,R.,Vias,R.A.and Calvin,K.,2021.Critical adjustment of land mitigation pathways for assessing countries climate progress.Nature Climate Change,11(5),pp.42

111、5-434.52.Government of China(2018).(ibid.)53.Roe,S.,Streck,C.,Obersteiner M.,Frank,S.,Griscom,B.,Drouet,L.,Fricko,O.,Gusti,M.,Harris,N.,Hasegawa,T.,Hausfather,Z.,Havlik,P.,House,J.,Nabuurs,G.,Popp,A.,Sanchez M.J.S.,Sanderman,J.,Smith,P.,Stehfest,E.,and Lawrence,D.(2019).Contribution of the land sect

112、or to a 1.5 degree world.Nature Climate Change,9,817-828.54.Chen,W.Y.(2015).The role of urban green infrastructure in offsetting carbon emissions in 35 major Chinese cities:A nationwide estimate.Cities,44,112-120.55.Song,X.P.,Tan,P.Y.,Edwards,P.,and Richards,D.(2018).The economic benefits and costs

113、of trees in urban forest stewardship:A systematic review.Urban Forestry&Urban Greening,29,162-170.56.Jonas,M.,Marland,G.,Krey,V.,Wagner,F.and Nahorski,Z.(2014).Uncertainty in an emissions-constrained world.Climatic Change,124(3),45947657.Pulles,T.(2017).Did the UNFCCC review process improve the nati

114、onal GHG inventory submissions?Carbon Management,8(1):193158.Friedlingstein,P.,Jones,M.W.,OSullivan,M.,Andrew,R.M.,Bakker,D.C.,Hauck,J.,Le Qur,C.,Peters,G.P.,Peters,W.,Pongratz,J.and Sitch,S.(2022).Global carbon budget 2021.Earth System Science Data,14(4),pp.1917-200559.Government of China(2018).(ib

115、id.)60.McRoberts,R.E.,Tomppo,E.O.and Nsset,E.(2010).Advances and emerging issues in national forest inventories.Scandinavian Journal of Forest Research,25(4),368-381.61.Sthl,G.,Heikkinen,J.,Petersson,H.,Repola,J.and Holm,S.,2014.Sample-based estimation of greenhouse gas emissions from forestsa new a

116、pproach to account for both sampling and model errors.Forest Science,60(1),pp.3-13.62.McGlynn,E.,Li,S.,F Berger,M.,Amend,M.,&L Harper,K.(2022).Addressing uncertainty and bias in land use,land use change,and forestry greenhouse gas inventories.Climatic Change,170(1),1-25模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體

117、通量：差距與建議3563.Havlk,P.,Valin,H.,Gusti,M.,Schmid,E.,Leclere,D.,Forsell,N.,Herrero,M.,Khabarov,N.,Mosnier,A.,Cantele,M.,and Obersteiner,M.(2015).Climate Change Impacts and Mitigation in the Developing World,An Integrated Assessment of the Agriculture and Forestry Sectors.Background Paper for the World

118、Bank Report:“Shock Waves:Managing the Impacts of Climate Change on Poverty.”Policy Research Working Paper WPS7477.The World Bank,Washington DC.64.Zhao,H.,Chang,J.F.,Havlik,P.,et al.(2021).Chinas future food demand and its implications for trade and environment.Nature Sustainability,4:1042-1051.65.Lo

119、tze-Campen,H.,Mller,C.,Bondeau,A.,Rost,S.,Popp,A.and Lucht,W.(2008).Global food demand,productivity growth,and the scarcity of land and water resources:a spatially explicit mathematical programming approach.Agricultural Economics,39(3),pp.325-338.66.Popp,A.,Humpender,F.,Weindl,I.,Bodirsky,B.L.,Bonsc

120、h,M.,Lotze-Campen,H.,Mller,C.,Biewald,A.,Rolinski,S.,Stevanovic,M.,Dietrich,J.P.(2014).Land-use protection for climate change mitigation.Nature Climate Change,4,10951098.https:/doi.org/10.1038/nclimate244467.Dietrich,J.P.,Bodirsky,B.L.,Humpender,F.,Weindl,I.,Stevanovi,M.,Karstens,K.,Kreidenweis,U.,W

121、ang,X.,Mishra,A.,Klein,D.,Ambrsio,G.,Araujo,E.,Yalew,A.W.,Baumstark,L.,Wirth,S.,Giannousakis,A.,Beier,F.,Chen,D.M.-C.,Lotze-Campen,H.,Popp,A.(2019).MAgPIE 4 a modular open-source framework for modelling global land systems.Geoscientific Model Development,12,12991317.https:/doi.org/10.5194/gmd-12-129

122、9-201968.Wang,X.,Dietrich,J.P.,Lotze-Campen,H.,Biewald,A.,Stevanovi,M.,Bodirsky,B.L.,Brmmer,B.,Popp,A.(2020).Beyond land-use intensity:Assessing future global crop productivity growth under different socioeconomic pathways.Technological Forecasting and Social Change 160,120208.https:/doi.org/10.1016

123、/j.techfore.2020.12020869.Bondeau,A.,Smith,P.,Zaehle,S.,Schaphoff,S.,Lucht,W.,Cramer,W.,Gerten,D.,Lotze-Campen,H.,Mller,C.,Reichstein,M.,Smith,B.(2007).Modelling the role of agriculture for the 20th century global terrestrial carbon balance.Global Change Biology 13,679706.70.Schaphoff,S.,von Bloh,W.

124、,Ramming,A.,Thonicke,K.,Biemans,H.,Forkel,M.,Gerten,D.,Heinke,J.,Jagermeyr,J.,Knauer,J.,Langerwisch,F.,Lucht,W.,Muller,C.,Rolinski,S.,Waha,K.(2018).LPJmL4 a dynamic global vegetation model with managed land Part 1:Model description.Geoscientific Model Development,11,33,https:/doi.org/10.5194/gmd-11-

125、1343-201871.Dietrich,J.P.,Bodirsky,B.L.,Humpender,F.,Weindl,I.,Stevanovi,M.,Karstens,K.,Kreidenweis,U.,Wang,X.,Mishra,A.,Klein,D.,Ambrsio,G.,Araujo,E.,Yalew,A.W.,Baumstark,L.,Wirth,S.,Giannousakis,A.,Beier,F.,Chen,D.M.-C.,Lotze-Campen,H.,Popp,A.(2019).MAgPIE 4 a modular open-source framework for mod

126、elling global land systems.Geoscientific Model Development,12,12991317.https:/doi.org/10.5194/gmd-12-1299-201972.Wang,X.,Xu,M.,Lin,B.,Bodirsky,B.L.,Xuan,J.,Dietrich,J.P,Stevanovi,M.,Bai,Z.,Shuqin,L.M.,Shenggen Fan,J.,Lotze-Campen,H.and Popp,A.(In revision).Reforming Chinas fertilizer policies:Implic

127、ations for nitrogen pollution reduction and food security.73.Edmonds,J.A.,Wise,M.A.and MacCracken,C.N.(1994).Advanced Energy Technologies and Climate Change:An analysis using the global change assessment model(GCAM)(No.PNL-9798).Pacific Northwest National Lab,Richland,WA(United States).74.Calvin,K.,

128、Patel,P.,Clarke,L.,Asrar,G.,Bond-Lamberty,B.,Cui,R.Y.,Vittorio,A.D.,Dorheim,K.,Edmonds,J.,Hartin,C.and Hejazi,M.(2019).GCAM v5.1:representing the linkages between energy,water,land,climate,and economic systems.Geoscientific Model Development,12(2),pp.677-698.75.Edmonds,J.A.,Wise,M.A.and MacCracken,C

129、.N.(1994).Advanced Energy Technologies and Climate Change:An analysis using the global change assessment model(GCAM)(No.PNL-9798).Pacific Northwest National Lab,Richland,WA(United States).模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議3676.Mosnier,A.,Penescu,L.,Perez Guzman,K.,Steinhauser,J.,Thomson,M.,Douza

130、l,C.,Poncet,J.(2020).FABLE Calculator 2020 update.International Institute for Applied Systems Analysis(IIASA)and Sustainable Development Solutions Network(SDSN),Laxenburg,Austria.https:/pure.iiasa.ac.at/id/eprint/16934/7/210108_FABLECalculator_Documentation_final_clean.pdf.77.Jin X.,Bai Z.,Zhao H.,W

131、ang X.,Chang J.,Hua F.and Ma L.(2020),“Pathways to Sustainable Land-Use and Food Systems in China by 2050”In:FABLE 2020,Pathways to Sustainable Land Use and Food Systems,2020 Report of the FABLE Consortium.Laxenburg and Paris:International Institute for Applied Systems Analysis(IIASA)and Sustainable

132、 Development Solutions Network(SDSN),pp.195-229.https:/doi.org/10.22022/ESM/12-2020.168978.Krinner,G.,Viovy,N.,de NobletDucoudr,N.,Oge,J.,Polcher,J.,Friedlingstein,P.,Ciais,P.,Sitch,S.,Prentice,I.C.(2005).A dynamic global vegetation model for studies of the coupled atmospherebiosphere system.Global

133、Biogeochemical Cycles,19.https:/doi.org/10.1029/2003GB00219979.Yue,C.,Ciais,P.,Cadule,P.,Thonicke,K.,Archibald,S.,Poulter,B.,Hao,W.M.,Hantson,S.,Mouillot,F.,Friedlingstein,P.,Maignan,F.,and Viovy,N.(2014).Modelling the role of fires in the terrestrial carbon balance by incorporating SPITFIRE into th

134、e global vegetation model ORCHIDEE Part 1:simulating historical global burned area and fire regimes.Geosci.Model Dev.7,2747-2767.80.Wu,X.,Vuichard,N.,Ciais,P.,Viovy,N.,de Noblet-Ducoudr,N.,Wang,X.,Magliulo,V.,Wattenbach,M.,Vitale,L.,Di Tommasi,P.,Moors,E.J.,Jans,W.,Elbers,J.,Ceschia,E.,Tallec,T.,Ber

135、nhofer,C.,Grnwald,T.,Moureaux,C.,Manise,T.,Ligne,A.,Cellier,P.,Loubet,B.,Larmanou,E.,and Ripoche,D.(2016).ORCHIDEE-CROP(v0),a new process-based agro-land surface model:model description and evaluation over Europe.Geosci.Model Dev.9,857-873.81.Chang,J.,Ciais,P.,Gasser,T.,Smith,P.,Herrero,M.,Havlk,P.,

136、Obersteiner,M.,Guenet,B.,Goll,D.S.,Li,W.,Naipal,V.,Peng,S.,Qiu,C.,Tian,H.,Viovy,N.,Yue,C.,Zhu,D.(2021).Climate warming from managed grasslands cancels the cooling effect of carbon sinks in sparsely grazed and natural grasslands.Nature Communications 12,118.82.Chang,J.F.,Viovy,N.,Vuichard,N.,Ciais,P.

137、,Wang,T.,Cozic,A.,Lardy,R.,Graux,A.I.,Klumpp,K.,Martin,R.,Soussana,J.F.(2013).Incorporating grassland management in ORCHIDEE:model description and evaluation at 11 eddy-covariance sites in Europe.Geoscientific Model Development,6,2165-2181.83.Naudts,K.,Ryder,J.,McGrath,M.J.,Otto,J.,Chen,Y.,Valade,A.

138、,Bellasen,V.,Berhongaray,G.,Bnisch,G.,Campioli,M.and Ghattas,J.(2015).A vertically discretised canopy description for ORCHIDEE(SVN r2290)and the modifications to the energy,water and carbon fluxes.Geoscientific Model Development,8(7),pp.2035-2065.84.Li,W.,Yue,C.,Ciais,P.,Chang,J.,Goll,D.,Zhu,D.,Peng

139、,S.,Jornet-Puig,A.(2018).ORCHIDEE-MICT-BIOENERGY:an attempt to represent the production of lignocellulosic crops for bioenergy in a global vegetation model.Geoscientific Model Development,11,2249-2272.85.Krinner,G.,Viovy,N.,de NobletDucoudr,N.,Oge,J.,Polcher,J.,Friedlingstein,P.,Ciais,P.,Sitch,S.,an

140、d Prentice,I.C.(2005).A dynamic global vegetation model for studies of the coupled atmospherebiosphere system.Global Biogeochemical Cycles,19.https:/doi.org/10.1029/2003GB002199.86.Remaud,M.,Chevallier,F.,Cozic,A.,Lin,X.and Bousquet,P.(2018).On the impact of recent developments of the LMDz atmospher

141、ic general circulation model on the simulation of CO2 transport.Geoscientific Model Development,11(11),pp.4489-4513.87.Tan,K.,Ciais,P.,Piao,S.,Wu,X.,Tang,Y.,Vuichard,N.,Liang,S.and Fang,J.(2010).Application of the ORCHIDEE global vegetation model to evaluate biomass and soil carbon stocks of Qinghai

142、Tibetan grasslands.Global Biogeochemical Cycles,24(1).88.Piao,S.,Yin,G.,Tan,J.,Cheng,L.,Huang,M.,Li,Y.,Liu,R.,Mao,J.,Myneni,R.B.,Peng,S.and Poulter,B.(2015).Detection and attribution of vegetation greening trend in China over the last 30 years.Global Change Biology,21(4),1601-1609.模擬中國農業、林業和其他土地利用部門

143、（AFOLU）的溫室氣體通量：差距與建議3789.Piao,S.,Fang,J.,Ciais,P.,Peylin,P.,Huang,Y.,Sitch,S.,Wang,T.(2009).The carbon balance of terrestrial ecosystems in China.Nature,458,1009-101390.Wang,T.,Ottle,C.,Boone,A.,Ciais,P.,Brun,E.,Morin,S.,Krinner,G.,Piao,S.and Peng,S.(2013).Evaluation of an improved intermediate comp

144、lexity snow scheme in the ORCHIDEE land surface model.Journal of Geophysical Research:Atmospheres,118(12),6064-6079.91.Wang,X.,Ciais,P.,Li,L.,Ruget,F.,Vuichard,N.,Viovy,N.,Zhou,F.,Chang,J.,Wu,X.,Zhao,H.and Piao,S.(2017).Management outweighs climate change on affecting length of rice growing period f

145、or early rice and single rice in China during 19912012.Agricultural and Forest Meteorology,233,1-11.92.Wang,Z.,Chang,J.,Peng,S.,Piao,S.,Ciais,P.and Betts,R.(2019).Changes in productivity and carbon storage of grasslands in China under future global warming scenarios of 1.5 C and 2 C.Journal of Plant

146、 Ecology,12(5),pp.804-81493.Yin,Z.,Wang,X.H.,Ottl,C.,Zhou,F.,Guimberteau,M.,Polcher,J.,Peng,S.S.,Piao,S.L.,Li,L.,Bo,Y.and Chen,X.L.(2020).Improvement of the irrigation scheme in the ORCHIDEE land surface model and impacts of irrigation on regional water budgets over China.Journal of Advances in Mode

147、lling Earth Systems,12(4),p.e2019MS001770.94.Energy Foundation China.(2020).Synthesis Report 2020 on Chinas Carbon Neutrality:Chinas New Growth Pathway:from the 14th Five Year Plan to Carbon Neutrality.Energy Foundation China,Beijing.95.Liu,J.,Yin,M.,Xia-Hou,Q.,Wang,K.,Zou J.(2021).Comparison of sec

148、toral low-carbon transition pathways in China under the nationally determined contribution and 2 C targets.Renewable and Sustainable Energy Reviews,2021,149:11133696.Energy Foundation China.(2020).Synthesis Report 2020 on Chinas Carbon Neutrality:Chinas New Growth Pathway:from the 14th Five Year Pla

149、n to Carbon Neutrality.Energy Foundation China,Beijing.97.Chen,M.,Cui,Y.,Jiang,S.,Forsell,N.(2022).Toward carbon neutrality before 2060:trajectory and technical mitigation potential of non-CO2 greenhouse gas emissions from Chinese agriculture.Journal of Cleaner Production.133186.98.IPCC.(2008).2006

150、IPCC Guidelines for National Greenhouse Gas Inventories A primer.Prepared by the National Greenhouse Gas Inventories Programme,Eggleston H.S.,Miwa K.,Srivastava N.and Tanabe K.(eds).IGES,Japan.99.Wang,Q.,Zhou,F.,Shang,Z.,et al.(2020).Data-driven estimates of global nitrous oxide emissions from cropl

151、ands.National Science Review,7(2),441-452.100.Zhou,F.,Shang,Z.,Zeng,Z.,et al.(2015).New model for capturing the variations of fertilizer-induced emission factors ofN2O.Global Biogeochemical Cycles,29(6),885-897101.Shang,Z.,Zhou,F.,Smith,P.,Saikawa,E.,Ciais,P.,Chang,J.,Tian,H.,del Grosso,S.J.,Ito,A.,

152、Chen,M.,Wang,Q.,Bo,Y.,Cui,X.,Castaldi,S.,Juszczak,R.,Kasimir,A.,Magliulo,V.,Medinets,S.,Medinets,V.,Rees,R.M.,Wohlfahrt,G.,Sabbatini,S.(2019).Weakened growth of cropland-N2O emissions in China associated with nationwide policy interventions.Global Change Biology,25(11),3706-3719.102.Cui,X.,Zhou,F.,C

153、iais,P.,et al.(2021).Global mapping of crop-specific emission factors highlights hotspots of nitrous oxide mitigation.Nature Food,2(11),886-893.103.Cui,X.,Shang,Z.,Xia,L.,et al.(2022).Deceleration of cropland-N2Oemissions in China and future mitigation potentials.Environmental Science&Technology,56(7),4665-4675.模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議38模擬中國農業、林業和其他土地利用部門（AFOLU）的溫室氣體通量：差距與建議2023年5月