根据《巴黎协定》1.5°C目标评估机构脱碳情景

自2015年通过《巴黎协定》以来，各国政府、国际机构和私营实体日益认识到《巴黎协定》1.5°C长期温度目标(LTTG)对近期和长期温室气体减排规划的影响。各国政府已提交或正在准备更新其国家自主贡献，并被鼓励提交温室气体长期低排放发展计划(《协定》第4条)¹)，旨在协调短期和长期战略。国家目标所依据的基础直接或间接地受到各种被认为是权威的信息来源的指导，包括科学研究机构²、国际机构或私人公司。重要的是，这些权威消息来源也会影响投资者的计划和决策^3.他们的目标是预测气候政策，他们的决定反过来可以推动或阻碍制定雄心勃勃的减排目标。例如，我们可以在海牙地区法院的裁决中观察到这种影响，该裁决指示荷兰皇家壳牌公司(壳牌)到2030年将(净)排放量在2019年的水平上减少45%⁴．该裁决借鉴了国际能源机构(IEA)和壳牌公司的情景，以及政府间气候变化专门委员会(IPCC) 1.5°C特别报告(SR1.5)所依据的缓解途径。⁵．

Skea等人根据前景、探索性或规范性提出了能源系统场景的分类⁶．前景是短期到中期的预测或预测，而探索性情景则是一系列可能的未来。规范性场景明确地与所期望的最终状态(在本例中是温度目标)的实现相关联，并且主要是集成评估建模(IAM)社区调查的主题。大多数IAMs代表长期视界(2100年)的不同温室气体和气溶胶前体，这是评估与《巴黎协定》一致性的必要特征。以前已在SR1.5中评估和分类了IAMs产生的大量减排途径的气候结果^5，7．SR1.5数据库还包括一小部分非iam路径选择(包括来自IEA的两个场景和来自Shell的一个场景)。虽然IAM路径的气候结果是由SR1.5作者团队评估的，但非IAM路径的温度报表是自我评估的。

评估一个特定的减排路径(在这里，我们使用术语“情景”的同义词)是否符合《巴黎协定》，需要一些气候谈判进程的历史背景。坎昆协议之前设定了将全球气温控制在“2摄氏度以下”的目标⁸，这被科学界解释为有66%的概率(或“可能”的机会)保持这一限制⁹．2.1条。一个of the Paris Agreement strengthens this target to “holding the increase in the global average temperature to well below 2 °C above pre-industrial levels and pursuing efforts to limit the temperature increase to 1.5 °C”, while Article 4.1 requires parties to “achieve a balance between anthropogenic emissions by sources and removals by sinks of greenhouse gases”¹．因此，加强的温度目标要求大幅提高将升温控制在2°C以下的幅度和可能性，例如不超过2°C的概率为90%(大约相当于不超过1.5°C的概率至少为33%)的“极有可能”水平，以及在本世纪实现净零排放^10，11．此外，SR1.5政策制定者摘要(SPM)中强调的路径“可能与不可能”在本世纪末将升温限制在1.5°C(即50%的概率)¹²．基于IPCC第六次评估报告(AR6)的情景，建立了《巴黎协定》路径兼容性的三个标准¹³:(1)在本世纪末超过1.5°C的概率不超过66%，且至少有50%的概率达到1.5°C;(2)始终保持升温低于2°C的概率为90%或更高;(3)在本世纪下半叶实现温室气体净零。在这里，我们采用了稍微宽松的标准(2)，将路径分类为《巴黎协定》兼容的可能性接近90%，这与IPCC报告中C1类路径的中位数结果一致(见AR6 WG III SPM的脚注48:“在整个21世纪，发现这类情景同时具有将全球变暖峰值限制在2摄氏度的可能性接近并超过90%”¹⁴)．

在这项工作中，我们对机构脱碳情景进行了透明的温度评估(即，由历史上与展望或探索性情景最相关的组织建模的规范情景，我们确定了包括壳牌在内的机构的情景¹⁵,英国石油公司¹⁶国际能源机构^17，18和Equinor¹⁹)，与IAM场景享有同等地位。我们还明确展示了如何解决此类评估的挑战，并实施了一个框架来分析这些情景的气候结果。我们进一步评估了驱动排放途径的关键潜在能源系统特征，从而对导致特定情景满足(或不满足)《巴黎协定》LTTG的结构动态进行了评估。

评估制度情景对气候影响的框架

我们确定了理解已公布的机构排放途径所述气候结果的三个挑战(见表中概述的情景声明)1)．这些因素包括情景的时间范围、温室气体和气溶胶排放的有限代表性，以及气候评估的感知不一致和相对不透明。《巴黎协定》的时间范围需要进行短期(即变暖峰值)和长期(即本世纪末变暖)评估，以评估与LTTG的兼容性。由于大多数已发表的机构情景，无论是展望、探索性还是规范性(壳牌的Sky 1.5情景是个例外)都没有延伸到本世纪中叶以后，第一个挑战是使用一致的方法将路径延伸到2100年。

第二个关键挑战是，大多数制度方案都侧重于CO₂来自能源部门的排放(有时包括工业过程排放)。为了评估温度结果，需要代表所有温室气体和气溶胶前体排放，包括非能源CO₂土地利用、土地利用变化和林业的排放，以及非co₂排放(比如甲烷)。一些机构情景，如国际能源机构NZE情景，包括对这些排放的一些讨论，但没有在其公开可用的情景数据中报告详细数据，从而妨碍了彻底的比较。壳牌的Sky 1.5情景是我们在这里评估的唯一情景，它提供了所有主要温室气体的详细轨迹，或提供了气溶胶前体排放的任何数据(尽管它包含的唯一气溶胶前体是SO2)。

这里确定的最后一个挑战是该情景对气候影响量化的透明度。在我们评估的场景中，这个问题有三种表现形式。首先，一些情景(包括IEA的2020年可持续发展情景(SDS)和BP情景)提到的温度结果难以追溯到具体评估。该表的第二列概述了这一点1，对于这些情景，这是我们所知道的唯一信息，用于支持有关情景与《巴黎协定》一致性的声明。

其次，一些情景存在碳预算限制(即人为CO的最大数量)₂在预期的时间范围内，在达到预期的温度目标的同时，可以排放出相差很大的相同温度目标;例如，Equinor再平衡情景和壳牌天空情景报告的碳预算大于700gtco₂，但只有壳牌公司声称实现了1.5°C的目标(见表1在93页引用处。¹⁵)．

第三，即使在使用气候模式评估气候结果的情况下(如Shell Sky)，与IPCC评估中使用的简化气候模式参数的可比性也有限。对于按照SR1.5评估(见“方法”)进行的评估，必须有一套完整的排放种。我们将必要气体记录在表中1的补充资料。

鉴于自我评估的制度情景的气候影响相对不透明，我们提出了一套一致的步骤来执行这种评估，以一种允许与IAM情景直接比较的方式(图2)。1)．我们在这里简要地概述了这些步骤，在“方法”中给出了进一步的细节。我们首先将所有排放统一到同一个历史数据集，然后继续检查场景是否扩展到2100年-如果不是，我们使用常数分位数扩展(CQE)方法将数据从最近可用的年份扩展到2100年^20.．CQE方法通过确定最后报告的数据点相对于延伸到目标年底的排放情景分布(这里是SR1.5情景集的分布)的位置(分位数)来扩展排放轨迹，然后使用相同的位置来计算未来的时间步长。CQE方法以前曾被用于延长国家自主贡献(ndc)所隐含的排放水平，这些排放水平被定义为2030年^21，22．除了现有的方法出版物，我们在补充信息部分进一步详细研究了它的稳健性1．

然后，我们继续使用分位数滚动窗口(QRW)填充方法来推断缺失的排放物种，这是一种先前记录的分位数回归技术²³(在“方法”部分总结)，即在已知能量和工业CO的情况下，找到填充排放的期望值中值₂排放。如果一个场景在报告中提供了关于缺失排放物种的讨论，但在公共数据中没有报告时间序列，出于透明度的原因，我们仍然选择这种方法作为默认方法。

替代填充物方法的影响见补充表2．所得的多气体排放轨迹可作为降低复杂性的碳循环和气候模型MAGICC6的输入²⁴在其概率设置中，与SR1.5采用的方法一致(见“方法”)。我们在这里使用MAGICC6，以便与SR1.5气候结果评估进行直接比较。然后使用与SR1.5中相同的分类方案对场景进行分类，如表所示3.参阅补充资料。任何降低复杂性的气候模型(例如，FaIR^25，26)，它实现了openscm接口，可以类似地应用，我们在补充信息部分中包括使用FaIR及其SR1.5配置获得的结果5．

评估多气体发射轨迹

每个场景的关键变量是CO₂来自能源和工业过程的排放。将SR1.5数据库中这一关键变量的值与制度情景进行比较，可提供制度情景对气候影响的一级近似(图1)。2)．SR1.5中满足《巴黎协定》变暖限制的两个路径类别导致2030年排放水平为13.6 GtCO₂对于低于1.5°C(今后称为无超调路径)类别和21 GtCO[13.2-16.1四分位数范围]₂[18.6-22.6四分位数范围]用于1.5°C的低超调类别。除了IEA NZE情景(接近低超调路径的中位数)，本文评估的所有其他机构情景要么在低超调路径的四分位数范围之上，要么在壳牌Sky 1.5情景的低超调路径范围之外。到2050年，IEA NZE情景低于低超调路径的中位数，贝壳天空1.5情景仍高于低超调路径以及1.5°C高超调路径(以下简称为高超调路径)的四分位数范围。

据报道，能源和工业公司₂排放对填充的温室气体有影响，尤其是CO₂农业，林业和土地利用(AFOLU)排放，CH₄，以及N2O排放。甲烷排放量(图。2摄氏度)达到2030年1.56亿吨CH的水平₄无超调路径(129-248四分位数范围)，低超调路径(189-257四分位数范围)为236 Mt CH4。相比之下，壳牌的Sky 1.5情景在2030年达到4.26亿吨CH的水平₄即使在高超调情况下，这一数值也高于四分位数范围。N也有类似的特征₂O发射如图所示。二维．我们将在补充信息部分进一步详细探讨填充方法敏感性的原因和相关的分析考虑因素2．

有限公司₂来自AFOLU的辐射(图;2 b)显示SR1.5通路存在较大差异。大多数填充情景都集中在高超调和2°C情景的四分位数范围内，壳牌公司报告的2050年值是一个很高的离群值，这意味着严重依赖陆地CDR，远远超过了大多数低超调、无超调和高超调路径(在2050年，它位于这三种路径类别联合分布的第22百分位)。由于不同路径类别之间的重叠范围(例如，高超调特征与低超调特征重叠)，路径位于低超调CO中是不够的₂以评估其与巴黎LTTG的兼容性。

情景的气候分类和性质

在无花果。3 d、及补充表4，我们表明，只有四种情景(IEA净零、BP净零、IEA SDS和壳牌天空)满足《巴黎协定》一致性所必需的第一个气候结果(即本世纪下半叶源汇平衡)。对于non-CO₂我们将每种情况下的填充气体进行汇总，转换为非co₂CO排放₂以IPCC第四次评估报告中的全球变暖潜势100 (GWP100)计算的当量排放量²⁷．温室气体核算指标的选择影响不同短期和长期气体的相对权重，以及温室气体净零排放的时间²⁸．在这里，我们选择GWP100，因为它是《巴黎协定》下的默认报告指标，而且使用GWP100对《巴黎协定》目标的解释在内部是一致的²⁹．

数字3 b, e显示本文考虑的六种情景的21世纪温度轨迹，以评估哪些情景符合本文前面指出的其他两种气候结果。我们在这里评估的大多数情景都大大超出了1.5°C的升温极限(如图所示)。3 c作为超过概率，对应的气候结果阈值用灰色水平线表示)。Equinor的再平衡情景在2060年达到比工业化前(此处使用1850-1900年作为工业化前的代表)水平高1.73°C的中位数，BP Rapid(2058年1.73°C)、Shell Sky(2069年1.81°C)和IEA SDS(2056年1.78°C)也观察到类似的超调幅度。所有这些情景都将被归类为低于2°C的路径，与巴黎LTTG不一致，不能将升温控制在2°C以下(也不能追求1.5°C)。BP的净零情景导致世纪末升温1.5°C(与情景声明一致)，高时间超调(中值峰值升温1.65°C)导致该路径被归为1.5°C高超调路径。值得注意的一个例外是最近发布的IEA NZE情景，我们将其评估为1.5°C的低超调情景。该情景的最大峰值超过概率最低，我们评估其接近满足极有可能小于2°C的条件(>90%的可能性)。它还在本世纪下半叶实现了碳源和碳汇之间的平衡。表格2总结了六个场景的关键温度指标。

即使采用我们内部一致的方法，一个关键的潜在不确定性来源也是由于不同的填充方法而导致的气候分类。在填充大量气体的五种情景中(此处省略Shell)，无论填充方法如何，有四种情景处于同一气候类别(见补充表)5)．当应用RMS方法时，一个情景(IEA NZE)将处于更高的气候类别(1.5°C高超调)-我们将其追溯到RMS方法下选择的填充路径的具体特征。这种不确定性可以通过更完整的多气体建模来降低₂以与化石燃料、生物燃料生产等实际生产相一致的方式评估排放。我们还在补充信息部分探讨了MAGICC6和FaIR (SR1.5评估中使用的第二个简单气候模型)结果之间的差异5，我们的结果与SR1.5评估的模式间气候结果差异一致。有了更新的模式版本，以及即将提交IPCC第六次评估报告的WGIII中使用的校准，简单气候模式很可能在变暖程度上显示出更高的一致性^30.．

比较高级别缓解杠杆

一个特定的情景能否实现《巴黎协定》的目标，是基础能源系统转型的一个强大功能。Warszawski等人。³¹提出一套缓解杠杆，用于比较不同途径选择的缓解方案³¹．其中包括CDR的部署、最终能源碳强度的变化(CIt)、最终能源需求的变化(等)和非co的相对减少₂排放量(所有相对于基准年的减少量，作者选择2018年)。我们选择2010年作为基准年，与我们的历史协调年(见“方法”)进行比较，并检查指标，以连接这项工作CIt而且等在2030年和2050年，以评估一些能源系统的缓解特征(补充表6)．我们在比较中没有包括BP的情景，因为他们在提供的数据中没有报告最终能源。我们只比较了两个指标，因为我们使用了填充方法来完成制度路径中的温室气体集，因此将我们自己的填充方法产生的数量作为非co来评估是不一致的₂以及非能源系统排放杠杆。

最终能源和该能源的碳强度作为杠杆独立发挥作用，都可以用来减少排放。例如，Equinor再平衡方案和IEA NZE方案的最终能源需求与1.5°C兼容SR1.5方案的范围一致，约为2010年水平的90%，说明能源效率的重要性日益增加，而壳牌天空1.5方案的需求比SR1.5方案高50%。另一方面，Rebalance的碳强度要高得多，Shell Sky 1.5的碳强度也高得多，与更高的2°C路径一致，约为2010年的40%CI，而不是SR1.5 pa兼容场景中的5-10%。只有IEA NZE情景两者兼备等而且CIt与2030年和2050年的低超调路径一致。

比较不同途径的技术偏好

鉴于所有其他能源部门都或多或少地依赖电气化，电力部门转型的速度和深度是实现温度目标的潜力的重要指标。在IAM情景中，尽管在所有情况下煤炭产量都大幅下降，但在发电中保留的煤炭份额与温度分类之间存在明显的关系。4摄氏度)．Equinor和Shell的情景往往更接近于高温IAM情景中剩余的煤炭发电量;BP净零情景在2030年比pa兼容的IAMs有更多的煤炭产量，尽管它在2050年收敛到这些情景。后一个特征表明，从煤炭转向煤炭的速度有些缓慢，并有助于解释不兼容pa的分类。IEA NZE情景显示出与PA兼容的IAM情景最相似的行为，最接近于2030年的低超调情景，然后是2050年的低于1.5°C情景。

以天然气为例，结果如图。4 d表明最接近《巴黎协定》兼容性的情景也往往是天然气占发电份额下降最快的情景，包括IEA NZE情景。然而，天然气的使用范围很大，这取决于场景和模型，因此反映了文献中关于天然气在电力部门的桥梁作用的不确定性^32，33，34．造成这种不确定性的部分原因是，在某些模式中，化石燃料碳捕获和储存的潜力很大。考虑到在世界许多地区，即使不考虑CCS的额外成本，太阳能光伏和陆上风能的平均成本已经比新的化石燃料发电更便宜，关于低碳能源的经济决策很可能有利于前者³⁵．

与IEA NZE、壳牌天空和BP净零情景相比，低超调或无超调的IAM情景在2050年的风能和太阳能发电量中所占份额往往较低，如图所示。4(~45% vs. 60%-65%)，这可能反映了IAMs低估可变可再生能源更高份额潜力的历史趋势^{36，37，38，39，40}．到本世纪中叶，所有模型都趋向于显示出类似的核电特性(图2)。4 b)，在发电量中所占的份额略低于目前，但由于电力在能源系统中的贡献不断增加，其绝对值有所上升(图。4 e)．核动力的作用在IAMs之间的变化比作为场景的函数更大，如图所示。4 b，但中位数相对一致。在1.5°C兼容情景下，到本世纪中叶，最终能量要么略有下降，要么仅略有增长(图2)。4 f)．

《巴黎协定》不仅设定了长期温度目标，还设定了限制临时超调1.5°C的中间条件。最近的文献还通过可持续性限制碳捕获和储存(BECCS)生物能源部署潜力和二氧化碳去除(CDR)引入了能源系统转型的进一步限制。^{41，42，43，44，45，46，47，48}．在短期内推迟化石燃料消耗的减少，从而导致1.5°C的高超调的途径，有可能在本世纪晚些时候过度依赖CDR。鉴于本文所提出的分析推断出CO₂来自AFOLU的排放(以及隐式的清除)，并隐式地推断(使用前面强调的气体填充方法)非AFOLU CO₂对于大多数情景，我们还没有对CDR在制度路径上的部署进行评估——然而，在这方面进一步提高透明度(正如我们在IEA净零情景数据中观察到的那样)，将减排和移除分开报告是很重要的。此外，人为温室气体排放超过CO₂也必须减少;在某些情况下，例如一些甲烷排放，这种情况往往会随着化石燃料燃烧或回收的减少而发生。然而，农业排放的甲烷和一氧化二氮也需要减排。

由于由国际能源机构和化石燃料公司等机构发布的与《巴黎协定》相关的规范性情景为政策制定者和投资者提供了重要的投入，它们应该为所有部门的所有温室气体排放提供一个完整的到本世纪末的途径，以便进行温度评估。本文提出了一种评估总温室气体和气溶胶前体排放途径的方法，即使在没有这种途径的情况下，也允许相互比较，同时承认使用这种技术固有的不确定性。已公布的制度路径实际上不会导致《巴黎协定》的长期目标，这可能会误导人们对短期和长期减少温室气体排放所需转型的看法。

在很大程度上，本文所分析的制度路径并没有实现《巴黎协定》的LTTG，或者实现了实质性的过渡过度。这主要是由于对化石燃料的持续依赖大于实现PA LTTG的IAM途径。例如，尽管煤炭的使用在所有途径中都出现了急剧下降，但值得注意的是，对决策者和投资决策特别重要的是，天然气的作用不那么明确，表明在各种途径类别中存在很大的不确定性。一般来说，实现PA LTTG而没有显著超调的路径似乎不允许天然气发挥桥梁作用;然而，这是一个进一步研究的成熟领域^49，50，51．另一方面，一些制度途径表明，与许多IAMs相比，可再生能源吸收具有更高、更快渗透的潜力，这也是讨论满足PA LTTG的重要信号。

我们的重点一直在制度途径上，但类似的限制也适用于越来越多的自下而上能源建模方法的文献，这些方法发现了到本世纪中叶100%基于可再生能源的系统的潜力^{52，53，54，55，56，57，58，59，60，61}与IAMs相比，这往往会超过可再生能源渗透率的估计^36，62，63．到2050年实现100%可再生能源可能与pa兼容性的能源行业基准保持一致，但这不足以保证这些途径满足LTTG。它们还应通过包括完整的温室气体途径进行自我一致的评估。科学界的趋势是实现完整的数据和模型透明，这是科学政策接口日益重要的一部分。在有关路径与国际气候协议兼容性的声明中，这种透明度应扩展到确认此类声明所需的数据和假设。

数据来源及处理

在本研究中，我们构建了一个机构情景的协调数据集，并将其与IPCC 1.5°C特别报告(SR1.5)的情景进行比较，如下面的第64、65、66、7节所述。我们从四家机构(Equinor、国际能源署、壳牌和英国石油公司)评估了规范性情景(即声称未来将达成巴黎协定的情景)。对于无法获得2020年数据的情况，我们根据研究报告的数据中观察到的历史趋势，将数据系列扩展到2020年。我们注意到，这没有考虑到COVID-19对排放的影响;然而，国际能源署预计2021年排放量将强劲增长，因此由这一假设(一年内)引起的偏差不太可能影响我们的评估。为了填补缺少的气体，我们使用CO₂能源和工业过程排放的主要气体。Equinor和BP的场景没有报告工业过程排放。对于这些情景，我们假设工业过程排放从2020年起遵循与IEA可持续发展情景(SDS)相同的轨迹¹⁷．我们注意到，新版本的IEA SDS已于2021年发布，该版本将延续到2050年⁶⁴．

协调

根据SR1.5采用的方法，使用SSP数据库中的历史数据来协调排放^65，66，67以及来自IIASA托管的SR1.5场景数据库的协调场景数据⁷．我们使用aneris协调包将所有排放轨迹与我们的历史数据集中的2010年值进行协调⁶⁸．我们选择一种比率协调方法，使(历史数据和基准年的情景数据之间的比率)在最后一个可用的情景年收敛到1。对于报告到2100年的数据的Shell场景，我们使用默认的aneris方法(减少比例到2080)，这是CMIP6排放协调例程中采用的默认方法⁶⁹．

延续系列至2100年

国际能源署、Equinor和英国石油公司公布的数据显示2040年或2050年。我们使用常量分位数扩展(Constant Quantile Extension, CQE)方法将这些数据从最后一个可用的场景数据点扩展到2100^20.并在Python包Silicone中实现⁷⁰．我们首先确定了上一个可用年份的情景排放相对于排放途径的基本分布的位置(分位数)。然后，我们将相同的分位数应用于排放分布，将情景排放延长到2100年。在本文中，基础排放分布来自1.5°C特别报告基础情景数据库^7，71．使用CQE，我们试图在扩展路径的同时捕获底层模型动态的一些元素。这种方法的一个缺点是，排放的基本分布可能不能恰当地代表能源系统模型(这三个机构使用的模型)的结构转变。为了评估该方法的有效性，我们评估了它在重建已知数据(这里是来自SR1.5的数据)方面的有效性。我们在2050年截断SR1.5数据库中的每个路径(即模型和场景组合)，然后使用CQE方法将路径扩展到2100年。然后，我们计算每个时间步骤中原始值和扩展值之间的均方根差，由该时间步骤中值的扩散标准化，由定义

在哪里ε是误差，p_我,不通路的cqe扩展值是多少我在时间t，问_我,不是当时的原始预测值，n_我(t)路径的数量(次数)是否被求和σ_t是当时原始预测的标准差。这有效地比较了使用CQE方法时的误差与使用当时数据库中平均值产生的误差——值为1对应于每次使用数据库中平均值产生的误差。该方法应用于各种排放类型的结果见补充表1．为有限公司₂来自能源和工业过程的排放，这种方法测量的误差为0.22，这表明对于这里考虑的数据集，这种方法比简单地使用数据库中的平均值要好得多。

天然气填满

气体填充(即推断缺失的排放物种)对于构建一个完整的、多种气体排放轨迹是必要的，该轨迹可用于评估一个情景的气候影响。在本文中，我们应用了Python包Silicone中实现的填充方法⁷⁰．填充技术的关键前提是，在场景中表示的排放和将要推断的排放之间存在一种关系——不同的填充方法对应于定义这种关系的不同方式。在本文的主体部分，我们使用分位数滚动窗(QRW)技术来推断缺失的发射种。我们使用CO₂来自能源和工业过程的排放(排放|CO₂|能源和工业加工)始终如一地作为主要气体。我们在这里提供了QRW填充方法的简短描述，作为已发表方法的总结⁷⁰．像所有的分位数回归方法一样，QRW考虑两个变量的散点图，并考虑如何通过它们绘制一条连续的线，以便给定的点的分数将低于线-在我们的例子中，50%，因为我们想要找到中位数。在QRW方法中，在导变量(x轴)上选择均匀间隔的点，并且在每个点上的权重为

应用于所有数据点，导值差的归一化影响关系对局部变化的敏感性。然后，追随者值的加权中值(y-轴)在这些点上进行计算。最后，我们在这些点之间进行插值来确定我们的回归线。评估点的数量越多，关系就越复杂，leader和follower之间需要解决的梯度变化就越多，但也会增加过度拟合数据的风险——我们使用默认的11个点。QRW技术在对微小变化的稳健性和填充结果的准确性之间取得了最佳平衡。这里我们优先使用RMS最接近技术，RMS最接近技术应用于SR1.5数据库时稍微更准确，但变量更大，作为一种全路径技术，意味着一个时刻的值受到另一个时刻的值的影响。当我们使用技术从较早阶段及时预测排放时，最好避免后一种情况。对于那些报告了计入2019冠状病毒肺炎大流行影响的2020年排放量的情景，我们包括了报告的2015年值，以减少通过在2010年至2020年之间进行插值而引入的偏差(这适用于壳牌天空和IEA NZE)。我们评估了文献中使用的另外两种常见填充方法(“等分位数行走”和“均方根最接近”方法)的敏感性。

气候评估

为了评估情景对气候的影响，我们提供了构建的多气体排放路径，作为降低复杂性的碳循环和气候模型MAGICC6的输入²⁴使用基于python的包装器Pymagicc⁷²处理数据。气候影响的概率分布使用600组参数进行评估，这些参数反映IPCC在第5次评估报告和1.5°C特别报告中评估的气候敏感性范围，并代表碳循环的不确定性。根据IPCC第六次评估报告或更近期的文献，更新的分布可能会导致对这些情景的气候影响得出不同的结论。我们计算了相对于1986-2005年平均值的温升，并与1850-1900年的参考水平进行了0.61°C的比较。这遵循AR5的方法⁷³(第6章，图6.12-6.13)，随后在SR1.5中使用。分类遵循SR1.5中的类别，这些类别在补充表中有进一步的详细描述3.．

报告总结

有关研究设计的进一步资料，请参阅自然研究报告摘要链接到这篇文章。