Grassi, G., Stehfest, E., Rogelj, J. et al. Critical adjustment of land mitigation pathways for assessing countries’ climate progress. Nat. Clim. Chang. 11, 425–434 (2021). https://doi.org/10.1038/s41558-021-01033-6

来自deepl翻译，仅供参考

摘要

综合评估模型（IAMs）的缓解路径描述了将全球变暖保持在特定温度限制以下的未来排放，并与各国的集体温室气体（GHG）减排承诺进行比较。这对于评估缓解进展和通报《巴黎协定》下的排放目标是必要的。然而，目前，在用IAMs估计的全球土地利用通量和来自各国温室气体清单的通量之间存在约5.5 GtCO₂ yr⁻¹ 的不匹配。在此，我们提出了一个 "罗塞塔石 "调整，将IAMs的土地利用减缓途径转化为与温室气体清单更具有可比性的估计。这并不改变原来的脱碳路径，但重新分配了部分土地汇，使之与温室气体清单一致。相对于最初的IAM路径，在1.5或2 °C限制下，调整后的累计排放量直到净零，减少了120-192 GtCO₂ 。应考虑到这些差异，以确保对实现《巴黎协定》的进展进行准确评估。

主要内容

土地利用和土地管理的变化占全球人为CO₂ 排放总量的14%左右，主要是通过砍伐森林。同时，自然和人为的陆地汇吸收了近三分之一的人为CO₂ 排放总量2，主要是在森林中。土地利用、土地利用变化和林业（LULUCF）措施占各国在其对《巴黎协定》的国家确定贡献（NDCs）中承诺的减排量的约25%3。基于土地的减排4^, 5 越来越被认为是实现《巴黎协定》中 "实现人为源排放和汇清除之间的平衡 "6^, 7 的关键战略。

巴黎协定》7授权定期进行全球评估，以评估各国在实现其长期目标方面的集体进展。这项工作将于2022年首次开始，2023年结束。在全球汇总的报告和承诺的排放量与符合《巴黎协定》的排放路径之间的任何确定的差距，预计将促使在随后的国家发展计划中提高缓解的雄心（补充章节1）。对历史进展的监测基于国家温室气体清单 (NGHGIs)，而对未来行动的评估则基于各国的气候目标 (2025或2030年的NDC和2050年的长期战略)。对适当的减缓水平的估计是基于符合将升温限制在1.5℃和远低于2℃的排放途径，这些途径来自科学界开发的模型和情景8^, 9^, 10。然而，这要求用于得出排放路径的估计值和用于衡量进展的国家数据具有可比性。

各国报告国家历史上的人为土地CO₂ 通量，作为NGHGIs中LULUCF部分的一部分，定期提交给《联合国气候变化框架公约》（UNFCCC）。政府间气候变化专门委员会（IPCC）1^, 11^, 12 评估的人为土地CO₂ 通量的独立全球估计值来自全球规模的模型。在全球评估中，簿记模型和动态全球植被模型（DGVMs）被用来评估历史排放量2，而综合评估模型（IAMs）被用来探索未来变化的情景和路径9^, 13^, 14。

以前的研究强调，NGHGIs报告的全球人为土地净二氧化碳₂ （主要来自林地和森林砍伐）排放值比2005-2014年期间簿记模型和DGVMs的估计值低4-5 GtCO₂ yr⁻¹ （参考文献1^, 15）。这里我们表明，这种巨大的差异也存在于NGHGIs和IAMs之间，在2005-2015年期间，估计有5.5GtCO₂ yr⁻¹ 的差距（图1a）。这一差距是在《巴黎协定》背景下利用国际评估机制帮助制定适当的排放目标的一个关键障碍。这个问题已经在最高级别得到承认，例如在最近的IPCC特别报告（关于全球变暖1.5℃（参考文献12）和关于气候变化和土地1）的决策者摘要部分，以及在UNFCCC全体会议上16。IPCC和政策制定者都需要一个可行的解决方案。

图1：由全球模型估计并在NGHGIs中报告的全球陆地人为CO净₂ 通量。

a, 全球净人为土地CO₂ 通量来自IPCC气候变化和土地特别报告（IPPC SRCCL）1（蓝线，使用两个记账模型47），来自IAMs（各种SSP2减缓情景下五个模型的平均值14^, 48，红线，从2005年开始）和来自NGHGIs中LULUCF的总和（灰线，主要是森林汇和毁林）。NGHGIs中来自森林和毁林的通量与FAOSTAT49报告的通量相当（绿色虚线，根据提交给粮食及农业组织2020年森林资源评估（FAO-FRA）的国家报告阐述（参考文献50））。土地利用部门有条件和无条件的NDC之和3以黑线表示。正通量表示净排放，而负通量表示大气中CO₂ 的净清除。2005-2015年期间，IAMs和NGHGIs之间的差距相当于5.5 GtCO₂ yr⁻¹ 。b，2005-2015年期间，全球人为土地CO₂ 排放（主要来自毁林）、清除（主要是森林汇）和净通量，由IAMs估计（平均，有最小-最大范围）和NGHGIs总和（由95%置信区间包围）。详见方法。

NGHGI和IAM估计之间的不一致几乎完全是由于人为CO₂ 清除量的差异（4.5 GtCO₂ yr⁻¹ ，图1b），这主要发生在森林。这种差异有可能是以下原因造成的。(1) 全球模型中对土地利用变化和管理的简化和/或不完整表述14^, 17，其中包括森林管理在促进生物量扩张和增厚方面的作用18，以及森林人口的影响19。(2) 在NGHGIs3中对LULUCF通量的估计不准确和/或不完整，特别是在非森林土地利用和土壤中，以及(3) 全球模型和NGHGIs在估计来自土地的 "人为 "CO₂ 通量方面的概念不一致，这意味着这些估计几乎没有可比性15 。(1)和(2)的影响难以量化，并导致不确定性，随着时间的推移，模型和NGHGIs的改进将慢慢减少。相比之下，（3）中的不一致及其导致的偏差可以被评估和解决。

本研究的目的是提供一种手段，使IAM土地利用CO₂ 缓解路径与全球和区域层面的NGHGIs更具可比性，目的是促进对《巴黎协定》缓解目标的集体进展评估。在以往研究的基础上15，我们首先展示了上述方法上的不一致是如何导致全球人为土地CO₂ 通量估计上的差异。然后，我们使用五个国际评估模型（AIM-CGE20、GCAM4（参考文献21）、IMAGE13、MESSAGE-GLOBIOM22和REMIND-MAgPIE23（方法））和一个DGVM（LPJmL24）的结果，应用一种新方法，通过调整国际评估模型的结果，确保国际评估模型和NGHGIs之间的可比性。如果没有这种调整，国家气候目标（基于NGHGIs的方法）就不能使用IAMs的土地减缓路径进行有意义的评估。

不同的范围导致了对土地利用通量的不同方法

参与全球陆地通量模拟和NGHGIs的不同科学团体开发了独立的方法来估计人为的陆地CO₂ 通量，这些方法有不同的目的和范围。全球模型的重点是产生全球一致的估计值，这些估计值在IPCC报告1^, 11^, 12中得到了评估。同时，IPCC估算NGHGIs的指南25侧重于单个国家，旨在制定普遍适用的务实和一致的方法。这两个团体制定的方法在他们自己的具体环境中都是有效的。然而，对它们之间的人为土地CO₂ 通量进行有意义的比较，由于在估计方面的概念差异而受到阻碍。(1) 人为通量，其不同之处在于是否包括人类引起的环境变化的间接影响（图2a），以及(2) "管理 "面积，特别是林地（图3a）。

图2：IAMs和NGHGIs在估计被认为是人为的陆地CO₂ 通量方面的主要概念不一致，以及建议的解决方案。

a, 全球模型（记账模型和IAMs的土地利用（左）和NGHGIs的LULUCF（右）估计人为土地CO₂ 通量的差异，其中包括影响管理和非管理土地的土地CO₂ 通量（由IPCC26定义）的效果归属。全球模型的人为土地CO₂ 通量通常只包括由人类直接引起的影响（土地利用变化、收获和再生）引起的CO₂ 通量，尽管系统边界使这种归属不确定51。相比之下，NGHGIs认为在被定义为管理的地区发生的所有通量都是人为的（图3a），通常还包括由于人类间接引起的影响（气候变化、大气中CO₂ 增加、氮沉积等）和由于自然影响（气候变异和背景自然干扰制度）引起的大部分汇。这些间接的人为影响和自然影响由一些IAMs模拟（例如，通过DGVMs），但不包括在IAMs和相关IPCC评估报告的人为土地利用通量中。b，建议通过将DGVMs的土地汇通量（来自间接和自然影响）分解为发生在管理土地和非管理土地的CO₂ 通量，来解决这一不一致的问题。土地利用通量（IAMs）（左）和发生在被管理土地（DGVMs）上的土地汇通量（中）的总和产生了调整后的IAM CO₂ 通量，在概念上与NGHGIs的通量更具可比性（右）。该图可能过于简化，因为例如，并非所有的NGHGIs都包括所有的间接效应。DGVMs也可以模拟土地利用变化引起的CO₂ 通量，但这里没有考虑。详细情况见方法。

图3：在被认为是管理的林区中，IAMs和NGHGIs之间的不一致，以及为其调和提出的解决方案。

b-g，2010年世界(b)和以下地区的管理和未管理的森林面积，来自IAMs(五个模型的平均值，最小-最大范围)和NGHGIs，以及2013年的完整森林面积(参考28)和非完整森林面积(Hansen等人的总森林面积减去完整森林面积)。发达国家（c，经合组织90国（OECD，经济合作与发展组织）和欧盟新成员国和候选国）、东欧和前苏联改革经济体（d，REF，不包括欧盟成员国）、亚洲（e，ASIA，除中东、日本和前苏联国家以外的亚洲国家）、拉丁美洲和加勒比地区（LAM）以及中东和非洲（f，MAF）和拉丁美洲和加勒比地区（g，LAM）。鉴于非完好林区与NGHGIs的管理区（地图上没有）的良好匹配，本研究使用非完好林区作为代理，在空间上将土地汇（来自DGVMs，由于间接影响（图2b））分为发生在管理区和非管理区的通量。在全球范围内，NGHGI关于总森林面积和未管理森林面积的数据与FAO-FRA 2020（参考文献50）关于总森林（约4×10⁹ ha）和原始森林（约1×10⁹ ha）的数据分别很匹配。h，完整森林、非完整森林28的说明性地图，以及来自IMAGE的2010年最新采伐区。被砍伐的地区不包括在任何面板中。详见方法。

为了使全球模式的结果和NGHGIs具有可比性，原则上可以将国家模式的方法调整为全球模式的方法，或者反之亦然。改变基于几个UNFCCC决定和完善的IPCC指南的国家方法（补充章节2），在短期内是不现实的。因此，我们探讨如何务实地调整全球模型的输出，以促进同类比较。具体而言，我们提出了调和全球模型和NGHGIs之间 "人为 "通量（图2b）和 "管理的森林"（图3b-g）的不同方法。我们随后说明了这些解决方案如何能够同时实施（图4），显示了影响（图5）并讨论了影响（图6）。

图4：实施建议的解决方案，以调和IAMs和NGHGIs在 "人为的 "森林CO₂ 通量中的不一致。

目前（上图），大多数IAMs只考虑与总森林面积（IAMs原始地图中的管理区（图3b））的一小部分直接影响（图2a，左）有关的CO₂ 通量的人为因素，而对管理区或非管理区的间接影响不被认为是人为的（右）。在本文中（下图），我们通过将非完好林区（在NGHGIs中被用作管理林区的替代物（图3b））中由于间接效应（由DGVMs估计（图2b））而产生的CO₂ 通量加入到原始IAMs的人为土地通量中，解决IAMs和NGHGIs之间在直接与间接效应（图2）以及管理林区范围（图3）方面的不一致。由此产生的调整后的IAM结果预计将与NGHGIs的结果更具可比性。在本研究中，间接效应是用IMAGE/LPJmL来估计的，其2010年的原始森林地图根据完整/非完整森林地图重新分类（图3c），而不改变其他土地利用（如农业和城市）。详见补充章节3和4。

图5：调整IAMs的人为陆地CO₂ 通量，以得出NGHGI可比的估计数。

a-c，2005-2050年期间SSP2-1.9（a）、SSP2-2.6（b）和SSP2-6.0（c）情景下，由IMAGE/LPJmL的间接和自然效应引起的全球陆地CO₂ 通量。d-i, 全球人为土地CO₂ 通量，包括原始IAM结果（d-f）、调整后的IAM结果（NGHGI可比性（g-i））、NGHGIs，以及SSP2-1.9（d，g）、SSP2-2.6（e，h）和SSP2-6.0（f，i）2030年的无条件和有条件的NDC。对IAM结果（g-i）的调整是通过在原始IAM结果（d-f）中加入非完整森林的间接人为汇（a中的绿色粗线）完成的。j，2005-2015年期间的人为土地CO₂ 通量，在全球层面上，对附件一国家、非附件一国家和以下地区的原始和调整后的IAM结果（各模型的最小-最大范围）与NGHGIs（±95%置信区间）进行比较。OECD 90和欧盟、REF、亚洲、MAF和LAM。IAM数据来自SSP数据库。NDC数据（来自Grassi等人3）是说明性的，目的不是为了评估土地部门的未来排放差距。详见方法。

图6：按照NGHGI方法调整IAMs的土地CO₂ 通量对全球CO₂ 通量和温室气体减排途径的影响。

a-d，全球碳通量，包括人为的（a,b，情景SSP2-2.6的五个IAMs的平均值）和其他CO₂ 通量（c,d，包括自然和大气汇），根据全球模型的方法（a,c）和根据NGHGI方法调整（b,d）。这种调整将全球模型认为是自然的土地汇的一部分（由于人类对非完整森林的间接影响，c中的绿色虚线区域）重新分配到人为的部分（b）。这提高了与NGHGIs的可比性，但不改变预计留在大气中的CO₂ （c和d中的红线），因为自然和人为的土地通量的变化可以补偿。e-g，SSP2情景下的全球CO₂ 通量：LULUCF的原始IAM减排路径和NGHGIs（e），非完整森林的间接影响（f）以及e和f面板的组合，以获得可与NGHGI相比较的人为LULUCF路径（g，根据NGHGI方法调整的原始IAM结果）。f中的间接效应随着减缓目标的增加而下降，主要是因为CO₂ 施肥效应较弱，2050年后变得更加不确定（f和g中的灰色阴影）。h,i, 不含LULUCF的全球人为温室气体排放（h，不需要调整），结合g和h，获得含LULUCF的全球温室气体排放NGHGI可比路径（i）。非LULUCF的NGHGI数据来自PRIMAP HISTCR53，LULUCF的NGHGI数据来自本研究。j，从2021年到温室气体中和或2100年（无论哪个先到），IAM通量的累积调整。这表示我们的方法对NGHGI可比的剩余温室气体预算的影响（以GtCO₂ 或%表示），相对于原始预算。关于区域调整和仅涵盖CO₂ 的h-j版本，见补充章节8。

估计人为通量的不一致性

从概念上讲，土地通量可以区分为：26 由于 "人类直接引起的影响"（土地利用和土地利用变化，包括收获和再生）引起的通量、"人类间接引起的影响"（即人类引起的环境变化，包括CO₂ 浓度、温度、降水和氮沉积反馈）和 "自然影响"（包括气候变异和背景自然干扰制度，其贡献被认为会随着时间推移而平衡）引起的通量。直接影响只发生在被管理的土地上，而间接和自然影响则发生在被管理和未被管理的土地上26。

各国用于估计人为温室气体通量的方法遵循IPCC指南25^, 27。由于大多数NGHGIs完全或部分基于直接观测（例如，国家森林资源清查），无法将人类直接引起的影响与间接以及自然影响分开26，IPCC指南采用了管理土地上的所有温室气体通量，作为估算人为土地温室气体通量的实用替代物25^, 27（补充章节2）。来自非管理土地的温室气体通量不被认为是人为的，因此不在NGHGIs中报告。然而，直接和间接效应被纳入NGHGIs的程度取决于所使用的估计方法，其中的复杂性在各国之间有所不同。早期的一项研究15得出结论，估计来自受管理森林的NGHGI通量包括所有直接效应的影响，在大多数情况下还包括间接和自然效应（图2a，右栏（方法））。

不同类型的全球模型被用来量化不同的土地CO₂ 通量。DGVMs包括与土地有关的碳通量的过程描述，因此也捕捉到土地对人类引起的环境变化的自然反应（间接效应）。IAMs侧重于人为的土地CO₂ 通量，通常只包括模型中确定为管理的土地上的直接效应（土地利用、土地利用变化、收获和再生，图2a，左侧）（方法）。一些IAMs与DGVM相联系，并使用这种（或类似的）联系来评估未来土地利用情景的后果。

在此，我们建议(1)将DGVMs的间接效应引起的土地汇流分解为发生在管理土地和非管理土地上的汇流，然后(2)将IAMs报告的直接效应的汇流与DGVMs估计的管理土地上的间接效应的汇流相加，以获得与NGHGIs的估计值更具有可比性的调整估计值(图2b)。

管理的森林面积不一致

NGHGIs 涵盖了所有管理的土地--林地、耕地、草地、湿地、定居点和其他土地。尽管每种土地利用的相对重要性在各国之间有所不同，但来自森林和毁林的通量通常占NGHGIs中CO₂ 通量的绝大部分（补充章节2）。此外，由于对非林地的间接影响与对林地的影响相比很小（方法），我们在此只集中讨论管理林，因为这是IAMs和NGHGIs之间概念不一致的地方。IAMs通常认为管理的森林是指那些有助于商业木材供应的森林区域（图3a）。与此相反，各国使用的IPCC指南25将受管理的森林定义为 "人类干预和实践被用于执行生产、生态或社会功能的区域"。因此，国家的定义是灵活的，必须随着时间的推移保持一致，而且通常比国际管理当局使用的定义要宽泛得多。例如，在NGHGIs中，管理的森林包括所有类型的造林活动（清伐、疏伐等），并可能包括公园和保护林，而IAMs只包括那些种植（造林）或为满足木材需求而进行（近期）木材采伐的区域，考虑到轮伐周期和碳密度（方法）。

这些不同方法的后果是，尽管森林总面积（即管理的和未管理的总和）相似，但各国认为管理的森林面积--全球约30亿公顷--远远大于国际评估中使用的面积（图3b-g）。如果将未管理和管理的森林面积的国家数据与 "完整森林 "28--即没有遥感到人类活动迹象的森林面积（方法）--和 "非完整森林 "分别进行比较，在全球和区域层面都出现了良好的匹配（图3b-g第三栏）。由于只有少数NGHGIs提供可供IAMs使用的管理森林地图，我们的方法使用非完好森林地图作为NGHGIs管理森林的代理。然后，该地图可用于在空间上将来自DGVMs的土地汇流（图2b）分离为发生在受管理土地和未受管理土地上的汇流。

调和不一致之处的方法

为了调和来自IAMs和NGHGIs的土地利用CO₂ 估计，我们将DGVMs估计的非完好林区的通量（间接效应）加入到IAMs的原始人为土地通量（直接效应）中。这种方法（图4）假定IAMs的原始通量反映了发生在NGHGIs管理区子集上的更密集管理活动（直接效应）的影响，而DGVMs的通量反映了对所有NGHGIs管理区的间接效应（方法）。

在这项研究中，我们用与IMAGE相关的LPJmL运行估计了非完好林区的间接效应引起的汇流（方法和补充章节4）。鉴于未来森林汇的巨大不确定性29^, 30，我们测试了我们的结果的代表性，并得出结论，由LPJmL估计的森林汇合理地代表了文献中的可用数据（补充章节5）。

一致的比较

在我们提出的方法中，我们首先估计与非完整森林的间接效应有关的CO₂ 汇（见图5a-c，选择共享的社会经济途径2（SSP2）的情景）。在2005-2050年期间，这种汇约占森林总汇的70%，占土地总汇的50%。在严格的减缓情景（SSP2-1.9和SSP2-2.6）中，它随着时间的推移而减少，而在弱减缓情景（如SSP2-6.0）中则相对稳定，这主要是因为不同的CO₂ 浓度和由此产生的CO₂ 肥效。

将最初的IAM结果与NGHGIs和NDC的国家LULUCF估计值相比较，发现有很大差异（图5d-f）。当原始IAM结果与非完好森林的人类间接诱导汇相结合时，这种差异基本上得到了解决（图5g-i）。

对于历史时期（2005-2015年），建议的调整在全球范围内使IAM的结果与NGHGI的估计值（图5j）协调一致，对于附件一国家（根据UNFCCC做出年度温室气体报告承诺的先进经济体）和非附件一国家（报告承诺不太严格的国家）。在所有被审查的地区，国际评估机制和国家温室气体指数之间的匹配都有所改善（图5j）。这一模式在大国层面上也得到了很大的证实（补充章节6），欧盟（EU）、俄罗斯、美国、巴西和印度尼西亚的估计值几乎完全吻合，但在加拿大和中国则不完全吻合。这表明IAMs和NGHGIs之间的差距主要是考虑的地区不同和通量分配不同的问题（扩展数据图1和补充章节7）。我们的特定情景结果可以直接用于全球和区域层面的其他研究（补充章节8），但对于具体国家还需要进行额外的分析。

我们的方法不应该被看作是唯一的或最终的方法，可用于调和国家一级的IAMs和NGHGI之间的估计，而是作为一个务实的短期解决方案，以确保全球模型和全球清点期间的集体国家努力之间的可比性，这对《巴黎协定》的实施至关重要。我们方法的许多方面有望在未来得到改善。首先，对森林汇的最新预测与模型组合将允许进一步评估该汇的不确定性，并在政策背景下使用我们的方法时提供更多信心。其次，该方法依赖的信息在全球层面上是合适的，但在国家层面上不一定完全有效，如非完整森林地图是管理森林的替代物，并假设NGHGI完全捕捉了最近的间接效应。更多的国别信息，如管理的森林地图和间接效应被纳入NGHGI的程度，将有助于我们的方法在国家一级的实施。第三，图5中显示的NGHGIs和IAMs之间的有效协调可能通过其他补偿因素掩盖了潜在的不确定性和不准确性，如对土地利用过程的不完整表述、IAMs中缺乏氮肥和森林年龄结构动态，以及不准确和/或不完整的NGHGIs。

从中期来看，各国应提高其NGHGIs的准确性、完整性和透明度--在可能的情况下，也应包括有间接效应影响和无间接效应影响的估计，以及LULUCF在其气候目标中的作用的明确性，目前这种作用往往是模糊的31。同时，IAMs (以及一般的全球模型)应逐步改善土地使用变化32^, 33 和树龄结构动态之外的森林管理表现19。在这种情况下，来自地球观测的证据将发挥关键作用，既支持各国在《巴黎协定》下的报告和核查需求34^, 35，又可作为评估全球模型的土地汇的基准2^, 36。双方（国家和全球模型）的改进将提高对土地CO₂ 通量的信心，并支持实施我们的方法来评估集体进展。

对比较目标与缓解路径的影响

为使IAMs的产出与NGHGIs的产出更具可比性而提出的方法并不意味着对全球碳通量理解的改变，而只是对部分土地汇进行了重新分配（图6a-d，针对SSP2-2.6）。其方法是，通过非完整森林的间接CO₂ 吸收量（图6b中的黑色虚线），向下调整由IAMs估计的原始人为净CO₂ 排放总量。为避免重复计算，需要减少IAM途径中的自然净汇（即向上调整，图6d中的绿色虚线），以补偿间接CO₂ 汇对人为净排放的重新分配，因此，CO₂ 进入大气的总净通量保持不变（图6c、d中的红线）。也就是说，我们将IAMs的部分CO₂ 净通量从自然汇转移到人为成分，以实现与NGHGIs的可比性。

图6e-j说明了将气候目标与全球减排路径进行比较时的影响。我们的解决方案侧重于存在不匹配的LULUCF（图6e）；通过增加非完好森林的间接影响（图6f），我们调整了原始IAMs路径，得出LULUCF的NGHGI可比较路径（图6g）。这些变化并不影响非LULUCF的排放（图6h）。然而，LULUCF和非LULUCF排放的总和（"整个经济 "的排放）显然也会发生变化，与NGHGI兼容的整个经济排放的缓解途径比原来的要低（图6i）。

我们的方法并不意味着对原有脱碳路径的修改。从图6a到图6b的调整中，模型对化石燃料和土地利用的排放估计没有变化，就说明了这一点。它只是确保进行了适当的同类比较。如果使用NGHGI方法的国家气候目标（因此，比IAMs的森林汇更大）与IAM路径一起用于评估集体气候进展，必须进行调整。同样的推理适用于剩余的温室气体预算（即在与某一气候目标相一致的温室气体净排放之前的允许排放）。例如，对于SSP2-1.9和SSP2-2.6（分别代表将升温保持在1.5和2℃的路径），NGHGI可比的剩余温室气体预算比原来的剩余温室气体预算低120-192 GtCO₂ （图6j）。在没有这些调整的情况下，集体进展似乎比实际情况更上轨道。

总的来说，对所需减缓努力的科学理解没有变化。然而，对于那些在制定目标时没有考虑到上述不匹配的国家，其中包括净零目标，对此进行修正（即使用NGHGI可比路径作为基准）将导致所需的减缓努力被认为增加。这些影响应该被紧急和明确地告知。

对全球2030年各国NDC总量与具体目标减排路径之间的 "排放差距 "的评估--由联合国环境规划署每年公布37--只受到有限的影响。这是因为本评估中使用的一些全球土地利用排放的估计值已经使用了与IAM减缓路径38^, 39 相同的土地利用方法，或者因为全球NDC估计值的历史数据与全球减缓路径的历史数据相协调（例如，Rogelj等人，40）。然而，后一种程序对观察到的不匹配的原因是不可知的，而且通常使用一个恒定的偏移量41。本文提出的调整使我们能够通过对基本原因的理解来解决这种不匹配，从而为排放差距的估计提供一个更明智和准确的基础。

将间接效应纳入气候目标可能会引起公平问题，当具有不同水平的间接森林汇的国家相互比较或与国际评估协会比较时。在这两种情况下，如果各国透明地确定气候目标中的直接和间接部分，并酌情剔除间接效应，就可以增强公平性。如果这不可能或不切实际，我们的方法提供了一个务实的选择，即当一个国家的气候努力被评估为IAM路径时，排除间接效应的影响（也就是说，气候目标中的间接效应的影响将被调整的IAM路径中的类似影响所抵消）。这并不是说间接效应应该或不应该包括在气候目标中，而仅仅是促进了对不同国家气候目标与IAM路径的同类比较（因此在科学上更准确），而不考虑其间接森林汇的水平。

森林汇的未来演变是非常不确定的。根据不同的情景、CO₂ 肥效对森林生长的不确定程度42^, 43、不确定的气候变化空间和时间模式以及临界点的可能性，全球森林汇可能继续保持目前的水平、削弱44 或甚至变成一个碳源。尽管如此，拟议的调整并没有给NGHGI可比较的路径带来额外的不确定性。目前，所有这些关于未来碳汇的不确定性都是通过使用简单的气候模型或仿真器来考虑的，如IAMs中使用的MAGICC45，以评估某条减排途径是否符合特定的气候目标。对C4MIP项目46有贡献的更复杂的碳循环模型的行为是由这些仿真器45代表的。因此，未来森林汇的不确定性总是包括在内，与这些流量是否被标记为人为的（如国家）或自然的（如全球模型）无关。

总之，目前在IAM的产出和NGHGIs在与土地相关的温室气体通量方面存在5.5 GtCO₂ yr^–1 的不匹配，这意味着各国不能将最初的IAM路径作为其集体经济范围内气候行动（包括LULUCF）的基准。这一差距主要是由于对人为森林汇的评估方式不同造成的。在这篇文章中，我们描述并应用了一个 "罗塞塔石 "解决方案，将IAM的结果转化为国家方法并调和全球和区域层面的不匹配。我们针对具体情景的调整，可用于其他研究，并通过对未来森林汇的改进估计加以完善，提供了可与NGHGI相比较的土地利用途径。我们的解决方案没有改变原来的脱碳路径，但相对于原来的IAM路径和相关的IPCC出版物，它减少了给定变暖限制下允许的整个经济范围的累积净排放的感知量。虽然需要进一步的工作来制定具体国家的调整，但以前使用不可比基准的国家最终可能需要更新其目标。这里介绍的NGHGI可比较的排放路径，以及对各国认为的剩余温室气体预算的相关影响，为IPCC第六次评估报告和全球清点提供了重要信息，并能更准确地评估各国在《巴黎协定》下的减排承诺是否充分。

方法

提交给《联合国气候变化框架公约》的国家数据

在本研究中，我们使用广义的国家温室气体清单（NGHGI）一词，它包括提交给UNFCCC的任何国家温室气体报告中的人为历史温室气体数据。尽管《巴黎协定》取消了以前在目标和报告方面对附件一国家和非附件一国家的区分54（为发展中国家保留了一些温室气体报告的灵活性），但我们在此使用这一区分，因为它仍然反映了历史温室气体数据的相关差异（见下文）。关于《联合国气候变化框架公约》下NGHGI估算、报告、核算和审查的一般描述，见补充章节2.1。

这里使用的全球历史（2000-2017年）LULUCF国家CO₂ 数据集（图1a）是Grassi等人15中的数据集更新到2021年2月的。它包括所有附件一国家的数据（有完整的时间序列，1990-2018年）和大多数非附件一国家的数据（不完整的时间序列，这里填补了2000-2017年间的空白）。到目前为止，这个数据集是现有国家LULUCF估算的最全面的集合（补充章节2.2）。

原则上，LULUCF包括所有的土地使用（林地、耕地、草地、湿地、定居点和其他土地）。在实践中，虽然几乎所有的附件一国家都报告了所有的土地使用，但许多非附件一国家只报告了林地和毁林(即森林转化为其他土地使用)。当把LULUCF净通量分成 "森林"、"毁林 "和 "其他"（包括印度尼西亚的泥炭分解）三个类别时，森林和毁林占附件一和非附件一国家这三个类别绝对通量总和的95%以上（补充章节2）。这并不意味着其他通量不重要--例如，来自农业有机土壤的排放或来自草原的清除在一些国家可能是相关的--只是在全球层面上，它们的净和在NGHGIs中接近于零。在图1b中，"排放 "包括来自森林砍伐的通量，对于印度尼西亚，则包括泥炭火；"清除 "包括来自林地和 "其他 "的通量。

在气体方面，尽管所使用的信息来源（见下文）包括所有温室气体的报告，但在本文中我们只考虑CO₂ ，以便与IAM数据进行比较。例外情况是一些非附件一国家，无法将CO₂ 与非CO₂ 排放分开（主要是森林火灾产生的CH₄ 和N₂ O）。然而，这种贡献被认为是相对较小的，例如，对于附件一国家，非CO₂ 排放约占总的CO₂ -当量的LULUCF温室气体净流量的6%，但对于巴西，则是10%。

在碳库方面，森林生物量总是被报告的，通常代表了LULUCF通量的绝大部分。大多数附件一国家和最大的非附件一国家都报告了死亡有机物和矿物土壤在土地利用之间的转换，但这些碳库通常被假定为保持林地的平衡状态。有机土壤和泥炭地的排放通常在相关时报告。由于大多数IAMs不包括伐木制品（HWP）的碳储量变化，这里不包括HWP的国家数据。根据NGHGIs报告的信息（主要来自附件一国家），HWP代表了全球约-0.2 GtCO₂ yr^–1 （2005-2015年平均）的汇，因此这里的遗漏并不严重影响我们的分析。

关于所使用的信息来源的关键统计数据在补充表2中说明。本研究中使用的最相关的历史数据(管理的森林面积和LULUCF CO₂ 排放和清除量)的摘要分别载于补充表3和表4，涉及所有附件一和主要非附件一国家。

对于附件一国家（43个经济发达且根据《联合国气候变化框架公约》作出年度NGHGI报告承诺的国家），本研究中使用的2000-2017年LULUCF CO₂ 的时间序列估计值取自2020年提交的国家清单报告55，在大多数情况下包括所有土地利用、大多数碳库（HWPs除外）和火灾的CO₂ 排放

对于非附件一国家（152个对《联合国气候变化框架公约》的报告承诺不太严格的国家），NGHGI报告的周期性、准确性、透明度和完整性的数据差异很大。为此，在必要时，我们对2000-2017年期间进行了过滤和填补空白。

对于这些国家，建立了一个数据来源的优先等级制度。首先，只考虑2015年后国家提交给UNFCCC的资料，一般优先考虑较新的资料。国家发展计划56 (通常在2015年提交)、国家信息通报57或两年期更新报告58和REDD+提交的资料59 (如果涵盖整个国家领土)。这种筛选方法将LULUCF CO₂ 数据限制在106个国家，占所有非附件一国家森林面积的98%（补充表2）。这个数字比最近类似的分析中的数字要大15，证明了非附件一国家的NGHGI信息的数量（以及在某些情况下的质量）得到了相对快速的改善。来自非附件一国家的数据主要包括与森林有关的CO₂ 通量（包括毁林和火灾），只有少数国家也报告了耕地和草地。在少数情况下，使用了额外的标准来排除那些被认为不靠谱的数据（补充表3）。

对于其余46个非附件一国家（通常是小国），要么认为提交给UNFCCC的信息是旧的（<2015年），要么无法获得。在这种情况下，与森林有关的CO₂ 通量数据是根据Federici等人所阐述的提交给粮农组织-FRA 2015的国家报告获得的60。为了大致了解各国在全球清查中可能提交的数据，在本文中，我们只关注各国直接向UNFCCC提供的或根据向FAO-FRA报告的国家数据阐述的CO₂ 信息。FAOSTAT数据库中报告的非森林温室气体数据49，尽管对填补不完整的国家温室气体数据有潜在的价值，但在此没有使用，因为它们不是直接基于国家数据。

其次，由于许多非附件一国家没有报告完整的时间序列，2000年至2017年之间的任何缺失数据都是通过对现有数据进行线性内插（如果是两个数据之间的差距）或通过对最接近的数据进行后向或前向外推得到的。

管理土地的使用代理

绝大多数向《联合国气候变化框架公约》提交温室气体数据的国家遵循2003年IPCC良好做法指南61或2006年IPCC指南25，隐含地使用了 "被管理土地 "替代物（即被管理土地的所有温室气体通量都是人为的）；然而，只有少数国家明确报告了关于实施这一替代物的信息15^, 62.尽管缺乏这类信息往往与大多数或所有土地被管理的假设有关，但各国显然需要在这个问题上提高透明度62。

所有附件一国家都使用2006年IPCC指南25。其中大多数国家认为所有土地都是有管理的（许多欧盟国家），但有些国家（例如美国、加拿大和俄罗斯）特别报告了未管理土地的面积（对于林地、草地和湿地，没有估计相应的温室气体通量，与IPCC指南一致）。

本文使用了提交给UNFCCC的106个非附件一国家的温室气体数据，其中绝大多数都隐含地使用了管理土地的替代数据25^, 61。然而，只有在少数情况下报告了管理和非管理区域的明确区分（例如，巴西）。如果有的话，我们将用于计算向UNFCCC报告的温室气体通量的森林面积视为管理的森林。如果没有这方面的信息，我们使用向FAO-FRA 2015提交的国家报告中的次生林和种植园的面积（参考文献60）作为受管理森林的替代。

虽然直接效应原则上总是完全包括在NGHGIs中，但间接效应的纳入取决于所使用的估计方法，各国的估计方法和复杂性不同。特别是对于非附件一国家，这些方法并不总是以透明的方式报告。以前的研究15得出结论，绝大多数附件一国家（少数例外，如澳大利亚、加拿大和日本）和至少最重要的非附件一国家（就森林CO₂ 汇而言：中国、巴西、马来西亚、墨西哥和印度）的NGHGIs都包括了近期间接人为效应的影响（补充表1）。

图1b和5j中NGHGI的不确定性值是基于各国提交给UNFCCC的报告中的信息，并辅以专家的判断（见Grassi等人的补充资料3），然后在区域和全球层面进行汇总。总的来说，附件一国家LULUCF CO₂ 净通量的不确定性估计为35%左右，非附件一国家为50%。鉴于关于NGHGIs不确定性的信息不完整（特别是对于非附件一国家），这些数值应被视为数量级的估计。

对于到2030年的预测，我们在此使用Grassi等人3所提取的附件一和非附件一国家的NDCs数据56，并以2010年左右的五年平均数据为标准。尽管土地利用对NDC的贡献有很大的不确定性，但Grassi等人3发现的趋势与其他独立评估（例如，Fyson和Jeffery31和Forsell等人63）一致。在本文中，这些趋势（如图1和图5所示）是说明性的，其目的不是为了量化土地部门的未来排放差距。

其他数据集

图1a中的粮农组织森林相关数据来自FAOSTAT49。它们指的是林地生物量的排放和清除以及毁林，由Tubiello等人50利用向粮农组织-FRA 2020提交的国家报告中的数据计算出的碳储量变化。尽管在这些国家报告中，森林碳储量值原则上是指向粮农组织报告的整个林地面积（即不区分原始林、自然再生林和人工林类别），但在大多数情况下，可以注意到林地碳储量的动态是那些典型的管理森林。总的来说，尽管与森林有关的FAOSTAT估计值并不总是与NGHGIs完全可比，因为在池子中可能存在差异，在少数情况下，包括的面积也有差异（一些NGHGIs包括的面积可能比FAO-FRA 2020中的少，但它们通常包括非生物质池），但这些差异的全球净影响被认为是很小。

PRIMAP-hist数据集53 （图6）结合了几个已公布的数据集，为每个国家和京都气体以及所有UNFCCC成员国创建了一套全面的温室气体排放路径。在这里使用的PRIMAP-HISTCR数据集中，提交给UNFCCC的国家报告数据优先于第三方数据。

IAMs

我们在本研究中使用的所有IAM情景数据都是基于SSP2（参考文献22）。SSP描述了五个不同的全球未来（SSP1-SSP5），其社会经济状况大不相同，旨在反映缓解和适应的不同社会经济挑战9。SSP2描述了两种类型的中等挑战，旨在代表一种未来，其中的发展趋势在任何方面都不是极端的，而是遵循中间路线22。SSPs可以与不同的气候政策假设相结合。在此，我们使用SSP2的结果与不同的世纪末辐射强迫水平相结合64，即1.9、2.6、3.4、4.5、6.0和基线。这些情景是由五个不同的国际气象学会得出的，覆盖全球9^, 65。AIM20、GCAM21、IMAGE13、MESSAGE-GLOBIOM22和REMIND-MAgPIE23。这里使用的绝大部分IAM数据来自国际应用系统分析研究所（https://tntcat.iiasa.ac.at/SspDb/dsd?Action=htmlpage&page=welcome）主持的公共SSP网络数据库，其余的直接来自建模团队（来自IMAGE和LPJmL）。

所有IAMs的共同点是包含土地利用模块，但它们在生物地球化学、生物物理和社会经济过程的表述和参数化以及空间分辨率方面有所不同14。所有的IAMs都由为SSPs开发的相同的经济增长和人口预测所驱动。对于故事情节的其他特征（如产量增加、土地利用变化调节和贸易），建模小组对如何最好地代表这些驱动因素的描述趋势做出了自己的假设。关于各个土地利用模块的更详细描述，可以在补充章节3和Popp等人的补充材料14中找到。

尽管国际管理协会在计算管理森林面积方面存在差异，但原则上它们都以下列因素为基础。(1) 森林产品需求(主要基于粮农组织的统计数据，然后预测未来)，(2) 每公顷可采伐的森林和/或木材的碳密度，(3) 对轮伐周期长度和/或成熟年份的估计。因此，管理的森林面积代表了在连续的采伐轮回中提供历史和未来对木材产品的需求所需的面积。由此得出的面积大大低于粮农组织的非原始森林（次生林和种植园）和NGHGIs的管理面积，因为在现实中，大型林区是多用途的，并不是只进行清砍，而且没有轮伐长度（从一次采伐到下一次采伐的时间），或者比IAMs假设的要长得多（更多细节见补充章节7）。

图1b中IAMs的排放主要来自毁林，部分来自非森林土地利用。

调整系数的计算

这里介绍的IAM结果的调整（图5和图6）使用了LPJmL与IMAGE结合估计的非完整森林的间接效应引起的森林汇。LPJmL模型4.0（参考文献24）是完全耦合的，是IMAGE66的一个组成部分。在这种耦合中29，IMAGE向LPJmL提供网格化的土地利用、气候和CO₂ 浓度，并接收农业生产、植被结构、碳储量和通量以及水通量，所有这些都在一个0.5°分辨率和年度时间步长的空间网格上。IMAGE中的网格化降水和温度来自内部耦合的MAGICC模型45计算的全球平均温度变化，加上基于IPCC的AR5气候模型输出的模式缩放66。由于使用的是气候模型模式的30年平均数，所以在LPJmL中加入了年际变率29。耦合到IMAGE的LPJmL考虑了森林管理，遵循IMAGE的森林收获和管理模块，有三种不同的管理类型和校准的轮伐周期和收获特征66^, 67。我们通过有无气候变化的反事实LPJmL运行，按网格单元和时间步长得出间接效应。

完整的森林地图由完整的森林景观项目28（www.intactforest.org）制作。完整的森林景观（IFL）被定义为当前森林景观范围内的区域，其特点是没有远程检测到的人类活动或生境破碎化的迹象，并且大到足以保持所有的本地生物多样性。森林被定义为树冠覆盖率大于20%的区域，由Hansen等人的全球森林变化数据集确定，该数据集来自Landsat图像。2000年，IFL覆盖了全球65个国家森林总面积的30%。识别IFL的依据是，在过去30-70年里没有居民点、基础设施（公路、铁路、管道、输电线路和水路）、农业或木材生产以及工业活动，其中包括石油和天然气勘探和开采以及泥炭开采。人类活动和干扰是通过中等分辨率的卫星图像和现有的定居点和基础设施地图来确定的，并用于绘制森林地图中被改变和破碎的森林区域，从而确定剩余的完整区域。2000年、2013年和2016年的IFL地图都有。在这项工作中，非完整森林是通过从全球森林变化数据集的相同全球森林地图中空间减去IFL区域得出的，这与用于识别完整森林景观的方法是一致的。尽管非完好林代表了全球和个别地区NGHGIs中管理森林的一个很好的代表（图3），但这不一定对所有个别国家有效。

为了计算非完好森林的间接效应引起的森林汇，根据Potapov等28和Hansen等52的2013年卫星衍生的完好和非完好森林图，对2010年IMAGE/LPJmL的原始网格图进行了重新分类（图3h），而不改变其他土地利用（如农业和城市）。该程序在补充章节4中详细描述。对于未来，原始IMAGE管理的森林面积的任何预测变化（由于造林、毁林或在以前未管理的森林中的新收获）都被考虑在内，相关的CO₂ 通量被算作土地利用通量（补充图4）。还考虑了每个IAM和IMAGE之间未来森林面积变化的差异（补充章节4）。

在计算对国际评估协会的调整时，我们只考虑了林区间接效应的影响。不考虑对非森林地区可能的间接影响的理由包括。(1) 来自模型的证据表明，大部分土地沉降发生在森林上（图5a-c和Grassi等人，15），库存方法（例如，Pan等人，68）和NGHGIs证实了这一点。68）和附件一国家的NGHGIs（与森林汇相比，非森林土地类别的汇非常小）所证实；（2）非附件一国家几乎没有报告非森林土地（就本文而言，为各国报告得非常少的东西校正IAM结果是没有意义的）。(3) 尽管大多数国家在其森林CO₂ 估算中包括了大部分的间接影响，但要评估间接影响对非林地的影响程度却比较困难（当各国报告时）；(4) 尽管 "完整/非完整森林 "是 "管理/非管理森林 "的良好替代物，但对于其他土地利用（例如草原）却没有类似的可靠替代物。

我们的方法假定LPJmL估计的间接效应与IAM估计的直接管理效应是相加的（预计没有重复计算），因为目前的IAM模型和情景都没有包括近期和未来的间接效应（补充章节3和Popp等人14）。

森林CO的代表性₂ sink from LPJmL

鉴于本研究的数据要求（例如，来自与IAM相连的DGVM的空间网格化数据），只有LPJmL可以作为估计人类间接引起的森林汇的模型。然而，由于已知未来的森林汇是非常不确定的29^, 30，我们通过比较LPJmL的结果和其他模型的可比数据来测试我们结果的代表性。具体来说，我们将LPJ-mL的间接效应引起的森林汇流与2005-2014年期间8个DGVMs的结果以及ISIMIP数据库中2100年以前的最新数据（https://www.isimip.org/）进行了比较，并将LPJmL的整个土地汇流与IPCC第五次评估报告中的可比数据进行了比较69。根据这些比较，我们得出结论，LPJmL中的森林和整个土地汇合理地代表了文献中的现有数据（补充章节5）。