首页 / EN / IMED MODEL / IMED OVERVIEW /

IMED模型概览

模型介绍原文可在此处下载：中文 或 英文。基于IMED模型发表的期刊文章简要综述可在此处下载：中文/英文幻灯片。

引言

人为温室气体排放引起的全球气候变化，是本世纪人类面临的重大挑战之一。随着全球温室气体排放的增加，全球温度比工业革命前显著上升，导致冰川萎缩、海平面上升、极端天气频繁、农作物减产等诸多后果。联合国气候变化框架公约2015年缔约方会议均呼吁各国采取切实措施减少温室气体排放，以实现本世纪末全球平均温度上升不超过工业革命前的2度目标，并力争控制在1.5度以内。

中国不仅是温室气体主要排放国，也是面临包括空气污染在内的重要环境压力的发展中国家。改革开放以来，我国经济增长取得举世瞩目的成就。然而长期以来，以投资和出口拉动的增长方式和以煤炭等化石能源为主的能源结构，形成了以高耗高污产业为主的产业结构，并导致产能过剩、环境恶化、资源耗竭、碳排放剧增等一系列问题。面对国内环境问题和国际减排的双重压力，中国政府提出2030年单位GDP二氧化碳强度比2005年降低60%-65%的郑重承诺，并力争在2030年之前达到碳排放峰值。

气候变化和环境问题的产生与解决不仅与污染排放相关，更与能源、产业结构、消费模式和宏微观决策相关，并具有重要的人群健康和社会经济影响（图1）。如何通过采取恰当的应对气候变化的战略和政策，使之有助于寻求能源-环境-经济-社会的共同发展，并推动社会的长期可持续发展，是学术界和政策制定者高度关注的问题。基于能源-产业-发展模式-污染控制-健康保障和社会发展等诸多方面关系认知基础上的综合模型研发与应用，既是学术前沿问题，也具有重要决策支持意义。

图 1：相互关联的能源 • 环境 • 经济 系统

IMED模型

鉴于此，北京大学环境科学与工程学院绿色低碳研究组致力于开发能源-环境-经济可持续发展综合评估模型（IMED模型），为实现绿色低碳可持续发展的学术研究和政策制定贡献力量。IMED模型，全称为Integrated Model of Energy, Environment and Economy for Sustainable Development，是一套包括经济能源环境资源数据库和模型的体系，目的是以系统和定量的方法，在市区、省级、国家、全球尺度上，分析经济、能源、环境和气候政策，为相关决策提供科学支撑。IMED模型近年来被系统地应用于综合评价我国国家层面和省级层面的空气污染减排、人群健康、资源效率以及能源和气候政策。模型介绍可在此处下载：中文 或 英文。

                                                              图：LEEEP研究概览

IMED 数据库和模型平台将有机整合不同类型模型（见下图），服务于不同的研究问题，在区域和全球层次上模拟能源、环境、经济发展路径，探索经济增长宏观演进规律，刻画不同经济增长方式对资源、能源的需求和经济增长的环境外部性，并分析转型的成本和效益。IMED核心模型主要集中在社会经济和能源系统方面，由IMED团队自主原创开发和维护，主要包括：

  • 经济能源环境资源数据库(IMED|DATA)：经济能源环境资源数据库是模型构建的基础性工作。通过文献及图书，统计年鉴，行业调研，专家访谈的方式，收集全球和各省投入产出表、能源平衡表、物质资源投入、行业产能、资源禀赋、污染物排放、人群健康等方面基础数据。
  • 统计回归模型(IMED|MIN)：MIN意指Data Mining ，以统计分析、机器 学习等手段进行数据挖掘，以分析重点耗能耗材和高排放行业的发展路径，估算各部门未来能源服务需求量，揭示开展低碳发展实践的不同类型。
  • 宏观经济模型(IMED|CGE)：CGE意指Computable General Equilibrium，是过去数年间自主开发的全球多部门、多区域动态可计算一般均衡(CGE)模型。本模型包含22个经济部门，以2002（全球模型）或2012年（国家和省级模型）社会经济数据为基础，结合能源平衡表，产业统计年鉴数据。模型由GAMS/MPSGE建模并用PATH算法器求解，以1年为步长动态模拟2002至2030年期间全球各国经济走势、产业结构变化、能源消费及其碳排放趋势。模型将全球划分为若干个地区。国内区域可灵活配置为30个省（港澳台、西藏除外）、7个地区或者东中西3个地区，而国际区域可划分为1个区、3个区或14个区。模型的详细技术性介绍参见文献(Dong et al. 2015; Dai, Mischke, et al. 2016; Xie et al. 2016)。
  • 系统动力模型(IMED|HIO)：HIO意指Hybrid Input-Output Analysis，以投入产出分析技术为基础，结合数百种终端技术参数，从自顶而下的宏观经济层面（投入产出分析）和自底而上的技术层面（故为Hybrid），核算不同地区经济发展下各部门发展所需要的能源消费和产生的资源环境排放，并量化在实施不同对策措施情况下取得的节能减排效果。优点是数据需求量相对较小，可移植性强，考虑的政策措施相对详细，适用于城市级别小尺度研究，缺点是不考虑成本，没有成本优化过程。
  • 人群健康模型(IMED|HEL)：HEL意指Health，量化不同大气质量环境下对人群健康的影响，并与IMED|CGE模型结合，量化对宏观经济产生的影响。

以上IMED核心模型拟将与其他已有的空气质量模型、水文水质模型、作物模型、土地利用模型、气候模型等其他领域模型耦合，从社会-经济-产业-能源-环境-气候等全链条的角度分析评估多学科复杂系统问题，为相关决策提供科学依据。

IMED成员网络

模型力求打造为一个面向全体学术界开放的技术平台，热烈欢迎各院校和研究机构加入IMED成员网络，携手一起发展壮大。

模型的开发和日常维护依托北京大学环境科学与工程学院绿色低碳可持续发展研究组(主页：http://scholar.pku.edu.cn/hanchengdai)，欢迎扫下方二维码关注微信公众号。

图 2：IMED模型体系和展望

   

图 3：IMED微信公众号

 

代表性论文

  1. Cheng, Beibei, Hancheng Dai*, Peng Wang, Yang Xie, Li Chen, Daiqing Zhao, and Toshihiko Masui. 2016. “Impacts of Low-Carbon Power Policy on Carbon Mitigation in Guangdong Province, China.” Energy Policy 88: 515–27. http://www.sciencedirect.com/science/article/pii/S0301421515301841.
  2. Cheng, Beibei, Hancheng Dai*, Peng Wang, Daiqing Zhao, and Toshihiko Masui. 2015. “Impacts of Carbon Trading Scheme on Air Pollutant Emissions in Guangdong Province of China.” Energy for Sustainable Development 27: 174–85. http://www.sciencedirect.com/science/article/pii/S0973082615000563.
  3. Dai, Hancheng. 2012. “Integrated Assessment of China’s Provincial Low Carbon Economy Development Towards 2030: Jiangxi Province as an Example.” Ph.D. Dissertation, Tokyo Institute of Technology.
  4. Dai, Hancheng, Toshihiko Masui, Yuzuru Matsuoka, and Shinichiro Fujimori. 2011. “Assessment of China’s Climate Commitment and Non-Fossil Energy Plan Towards 2020 Using Hybrid AIM/CGE Model.” Energy Policy 39 (5). Elsevier: 2875–87. http://www.sciencedirect.com/science/article/pii/S0301421511001558.
  5. Dai, Hancheng, Toshihiko Masui, Yuzuru Matsuoka, and Shinichiro Fujimori. 2012. “The Impacts of China’s Household Consumption Expenditure Patterns on Energy Demand and Carbon Emissions Towards 2050.” Energy Policy 50: 736–50. http://www.sciencedirect.com/science/article/pii/S0301421512007057.
  6. Dai, Hancheng, Peggy Mischke, Xuxuan Xie, Yang Xie, and Toshihiko Masui. 2016. “Closing the Gap? Top-down Versus Bottom-up Projections of China’s Regional Energy Use and Co2 Emissions.” Applied Energy 162: 1355–73. http://www.sciencedirect.com/science/article/pii/S0306261915008272.
  7. Dai, Hancheng, Xuxuan Xie, Yang Xie, Jian Liu, and Toshihiko Masui. 2016. “Green Growth: The Economic Impacts of Large-Scale Renewable Energy Development in China.” Applied Energy 162: 435–49. http://www.sciencedirect.com/science/article/pii/S0306261915012763.
  8. Dong, Huijuan, Hancheng Dai, Liang Dong, Tsuyoshi Fujita, Yong Geng, Zbigniew Klimont, Tsuyoshi Inoue, Shintaro Bunya, Minoru Fujii, and Toshihiko Masui. 2015. “Pursuing Air Pollutant Co-Benefits of CO2 Mitigation in China: A Provincial Leveled Analysis.” Applied Energy 144. Elsevier: 165–74. http://www.sciencedirect.com/science/article/pii/S030626191500197X.
  9. Li, Zhaoling, Hancheng Dai*, Lu Sun, Yang Xie, Zhu Liu, Peng Wang, and Helmut Yabar. 2018. “Exploring the Impacts of Regional Unbalanced Carbon Tax on Co2 Emissions and Industrial Competitiveness in Liaoning Province of China.” Energy Policy 113: 9–19. https://www.sciencedirect.com/science/article/pii/S0301421517307218.
  10. Tian, Xu, Hancheng Dai*, and Yong Geng. 2016. “Effect of Household Consumption Changes on Regional Low-Carbon Development: A Case Study of Shanghai.” China Population, Resources and Environment 26 (5): 55–63.
  11. Tian, Xu, Yong Geng, Hancheng Dai*, Tsuyoshi Fujita, Rui Wu, Zhe Liu, Toshihiko Masui, and Yang Xie. 2016. “The Effects of Household Consumption Pattern on Regional Development: A Case Study of Shanghai.” Energy 103. Elsevier: 49–60. http://www.sciencedirect.com/science/article/pii/S036054421630202X.
  12. Wang, Heming, Hancheng Dai*, Liang Dong, Yang Xie, Yong Geng, Qiang Yue, Fengmei Ma, Jian Wang, and Tao Du. 2018. “The Co-Benefit of Carbon Mitigation on Resource Use in China.” Journal of Cleaner Production 174: 1096–1113. https://www.sciencedirect.com/science/article/pii/S0959652617327282.
  13. Wang, Peng, Hancheng Dai*, Songyan Ren, Daiqing Zhao, and Toshihiko Masui. 2015. “Achieving Copenhagen Target Through Carbon Emission Trading: Economic Impacts Assessment in Guangdong Province of China.” Energy 79: 212–27. http://www.sciencedirect.com/science/article/pii/S0360544214012638.
  14. Wu, Rui, Hancheng Dai*, Yong Geng, Yang Xie, Toshihiko Masui, and Xu Tian. 2016. “Achieving China’s INDC Through Carbon Cap-and-Trade: Insights from Shanghai.” Applied Energy 184. Elsevier: 1114–22. https://www.sciencedirect.com/science/article/pii/S0306261916307863.
  15. Wu, Rui, Hancheng Dai*, Yong Geng, Yang Xie, Toshihiko Masui, Zhiqing Liu, and Yiying Qian. 2017. “Economic Impacts from PM2.5 Pollution-Related Health Effect: A Case Study in Shanghai.” Environmental Science & Technology 51 (9): 5035–42. http://pubs.acs.org/doi/abs/10.1021/acs.est.7b00026.
  16. Xie, Yang, Hancheng Dai*, Huijuan Dong, Tatsuya Hanaoka, and Toshihiko Masui. 2016. “Economic Impacts from PM2.5 Pollution-Related Health Effects in China: A Provincial-Level Analysis.” Environmental Science & Technology 50 (9). American Chemical Society: 4836–43. http://pubs.acs.org/doi/abs/10.1021/acs.est.5b05576.
  17. Xie, Yang, Hancheng Dai*, Yanxu Zhang, Tatsuya Hanaoka, and Toshihiko Masui. Discussion paper. “Economic Impacts from Ozone Pollution-Related Health Effects in China: A Provincial-Level Analysis.” Atmospheric Chemistry and Physics. https://www.atmos-chem-phys-discuss.net/acp-2017-849.