综合证据揭示碳社会成本高企：模型结构变化与不确定性

学术背景

气候变化是全球面临的最严峻挑战之一，其对经济、社会和环境的深远影响已经引起了广泛关注。为了量化气候变化的经济成本，学术界提出了“碳社会成本”（Social Cost of Carbon, SCC）的概念，即每吨二氧化碳排放对社会的总成本。SCC 是评估减排政策效益的关键指标，广泛应用于气候和能源政策分析中。然而，SCC 的估算涉及复杂的气候系统模型和经济影响模型，且存在大量的不确定性和争议。

尽管近年来关于 SCC 的研究不断增加，但这些研究往往零散且缺乏系统性，导致不同模型结构对 SCC 估算的相对重要性不明确。为了填补这一空白，Frances C. Moore 等学者在《PNAS》上发表了一篇题为《综合证据揭示碳社会成本高企：模型结构变化与不确定性》的研究论文，旨在通过综合现有文献和专家调查，全面评估 SCC 的估算及其驱动因素。

论文来源

该论文由 Frances C. Moore、Moritz A. Drupp、James Rising、Simon Dietz、Ivan Rudik 和 Gernot Wagner 共同撰写，分别来自加州大学戴维斯分校、汉堡大学、苏黎世联邦理工学院、伦敦政治经济学院等机构。论文于 2024 年 12 月 17 日发表在《PNAS》上。

研究流程

1. 文献综述与数据收集

研究团队首先对 2000 年至 2020 年间发表的 147 篇关于 SCC 的文献进行了系统性综述，收集了 1,823 个 SCC 估算值。这些估算值涵盖了不同的模型结构、参数设置和不确定性来源。研究团队还记录了每个估算值的相关变量，如排放年份、贴现率、损害函数、经济情景等。

2. 专家调查

为了将文献中的 SCC 估算值置于更广泛的背景下，研究团队对 176 位 SCC 文献的作者进行了专家调查，收集了他们对 SCC 估算值的看法。调查结果显示，专家普遍认为文献中的 SCC 估算值偏低，主要原因包括模型结构的不完整、损害表征的不充分以及高贴现率的使用。

3. 随机森林模型

为了纠正文献中的偏差，研究团队使用随机森林模型（Random Forest Model）对文献中的 SCC 估算值进行了重新加权，以更接近专家对模型结构和贴现率的评估。随机森林模型通过训练文献中的 SCC 估算值及其解释变量，生成了一个合成的 SCC 分布。

主要结果

1. 文献中的 SCC 分布

文献中的 SCC 估算值分布广泛且呈现明显的右偏，2020 年的 SCC 均值（截尾均值）为 132 美元/吨二氧化碳，中位数为 39 美元/吨。方差分析（ANOVA）显示，模型结构中的持久损害、地球系统表征和分配权重对 SCC 估算值有重要影响。

2. 专家调查结果

专家调查显示，专家认为文献中的 SCC 估算值偏低，主要原因包括模型结构的不完整、损害表征的不充分以及高贴现率的使用。专家的平均 SCC 估算值为 142 美元/吨二氧化碳，是文献估算值的两倍多。

3. 合成 SCC 分布

通过随机森林模型生成的合成 SCC 分布显示，2020 年的 SCC 均值为 283 美元/吨二氧化碳（5% 至 95% 范围为 32 至 874 美元），高于大多数官方政府估算值，包括美国环保署（EPA）2023 年的更新值。

结论与意义

该研究通过综合文献和专家调查，揭示了 SCC 估算值的高企及其驱动因素。研究结果表明，文献中的 SCC 估算值普遍偏低，主要原因包括模型结构的不完整、损害表征的不充分以及高贴现率的使用。通过随机森林模型生成的合成 SCC 分布更接近专家的评估，为气候政策分析提供了更准确的参考。

研究亮点

1. 全面性：该研究综合了 147 篇文献中的 1,823 个 SCC 估算值，并结合专家调查，提供了迄今为止最全面的 SCC 评估。
2. 创新性：研究团队使用随机森林模型对文献中的 SCC 估算值进行了重新加权，生成了更接近专家评估的合成 SCC 分布。
3. 政策意义：研究结果表明，当前的 SCC 估算值可能低估了气候变化的真实成本，为政策制定者提供了更准确的参考。

其他有价值的信息

研究团队还提供了详细的数据和代码，供其他研究者复现和扩展该研究。所有数据和代码均可在 Zenodo 平台上获取。

通过这项研究，我们不仅更好地理解了 SCC 的估算及其驱动因素，还为未来的气候政策分析提供了更坚实的基础。