doi10.12006/j.issn.1673-1719.2017.028 王艳君 , 景丞 , 曹丽格 , 等 . 全球升温控制在 1.5℃和 2.0℃时中国分省人口格局 [J]. 气候变化研究进展 , 2017, 13 4 327-336 全球升温控制在1.5℃和2.0℃时中国分省人口格局 王艳君 1 ，景 丞 1 ，曹丽格 2 , 姜 彤 1,2 ，孙赫敏 1,2,5 ，黄金龙 3,4 ， 翟建青 1,2 ，陶 辉 3 ，高 超 6 ，苏布达 1,2,3,4 1南京信息工程大学气象灾害预报预警与评估协同中心/地理与遥感学院，南京 210044； 2中国气象局国家气候中心，北京100081； 3中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室，乌鲁木齐 830011； 4中国科学院大学，北京 100049；5中国气象科学研究院，北京 100081； 6宁波大学建筑工程与环境学院，宁波 315211 气候变化研究进展 第 13 卷 第 4 期 2017 年 7 月 CLIMATE CHANGE RESEARCH V ol. 13 No. 4 July 2017 摘 要巴黎协定正式生效, 为国际社会应对气候变化提出新的机遇与挑战，也必将对中国人口、资源和环境带来 重要影响。 本文结合 IPCC发布的可持续发展 （SSP1、 中度发展 （SSP2、 局部或不一致发展 （SSP3、 不均衡发展 （SSP4、 常规发展（SSP5）5 种共享社会经济路径，以 2010年中国第六次人口普查数据为基准，综合考虑人口现状和发展政策 设定不同发展路径下各省人口模型的相关参数， 在全球升温控制在 1.5℃和 2.0℃时， 对比研究中国和各省分年龄、 性别、 教育水平的人口演变和分布特征。 结果表明 1全球升温 1.5℃时， SSP1和 SSP4路径下总人口较 2010年增加 0.44亿人； 升温 2.0℃时，SSP2和 SSP3路径下较 2010年分别增加 0.23亿和 0.67亿人，SSP5路径下减少约 0.12亿人。5 种路径 下中国人口将在 20252035年达到峰值，人口峰值正处于全球升温 1.5℃期间。2全球升温 1.5℃时，除了东北地区 和四川、安徽省外，多数省（市）人口均较 2010年有所增加；升温 2.0℃时，西北、西南和以东南沿海地区为主的发 达省份保持较高的人口增量，其他地区人口开始呈减少趋势。3 在全球升温 1.5℃和 2.0℃期间，大部分省份人口达到 峰值，其中 SSP3路径下广西人口最多，可达 1.13亿，其他路径下广东省人口最多，达 1.53亿。4未来中国 65岁以 上老龄人口比重呈现东北高、西南低的分布特征。与全球升温 1.5℃相比，升温 2.0℃时的老龄化趋势进一步加重，东 北地区老龄化问题最严重。采用绿色和可持续发展路径，全球升温控制在 2.0℃之内是中国社会经济发展的科学选择。 关键词全球升温 1.5℃和 2.0℃；共享社会经济路径（SSPs；人口预估；分省；中国 收稿日期 2017-02-16；修回日期 2017-04-07 资助项目 国家自然科学基金（41571494；国家自然科学基金委员会和巴基斯坦科学基金会合作项目（41661144027；中国气象局气候变化专项“气候变化综合影响评估” （CCSF201722 作者简介王艳君，女，副研究员；苏布达（通信作者，女，研究员， 引 言 近百年来，随着工业化进程的深入，全球大部 分地区气温持续升高。18802012 年全球平均气温 上升了 0.85℃，其中一半以上的升温被认为由温室 气体浓度的人为增加和其他人为强迫共同导致 [1] 。人 口数量、经济活动、生活方式、能源利用等因素驱 动的温室气体增加对全球气候造成了极大影响，而 气候变化所带来的灾害频发、农作物减产、疾病增 加等问题也给人类社会经济发展和生命财产安全带 来了新的挑战 [2] 。为了减轻气候变化风险， 联合国 气候变化框架公约 近 200个缔约方一致同意通过 巴 黎协定 ，为将全球平均气温较工业化前水平升高控 制在 2.0℃之内，并为控制在 1.5℃内努力，2016 年 气候变化研究进展 2017 年 328 11月 1日协定正式生效。作为全球人口最多的国家， 20102015 年，中国大陆地区总人口由 13.4 亿增加 到 13.75 亿， 巴黎协定的签署，为应对气候变化 政策提出了新的目标，也将对气候变化背景下的中 国人口格局造成深远影响。 气候情景是气候变化研究的基础，合理设定社 会经济发展情景是气候变化影响评估中的核心 [3] 。 IPCC 自 1990 年第一次评估报告起，就把社会经济 假设纳入到气候情景，先后发展了 SA90、IS92、 SERS、RCPs 等情景，对社会经济的假设由简单描述 人口和经济增长，逐渐发展到考虑人口、经济、技 术、公平原则、环境等多种因素对气候变化的影响， 创立了共享社会经济路径（SSPs） [4-5] 。SSPs 不仅包 含已有气候情景中的各种社会经济假设，而且确立 了可持续发展（SSP1、中度发展（SSP2、局部或不 一致发展（SSP3、不均衡发展（SSP4、常规发展 （SSP5）5个基础路径。SSPs 已经在全球范围得到广 泛应用 [6-9] 。SSPs 路径下，全球 150 多个国家人口和 经济变化预估研究，取得了初步成果 [10-14] 。但已有的 研究对 SSPs 路径下的中国人口研究尚存在缺陷；这 一方面是已有研究仅局限在国家尺度预估人口数量， 未考虑中国经济发展模式、户籍政策、迁移规律等 带来的区域差异，无法有针对性地把中国各省人口 变化与经济社会发展状况相结合；另一方面随着两 孩政策的全面放开，中国人口格局必然会发生新的 变化。现有 SSPs 路径下的人口预估尚未考虑中国人 口政策变化对人口的影响。 与传统中国人口的研究相比，将气候情景纳入 人口预估，综合了不同气候政策和社会经济发展模 式对人口趋势和结构的影响，提出不同社会经济发 展状况下的人口假设，有利于国家相关气候政策与 措施的制定。2011 年以来，作者所在的研究团队开 始 SSPs 路径下的气候变化影响研究 [3,15] ，并根据 2010 年第六次人口普查中中国和各省生育率、死亡 率、迁移人口、教育水平等调查数据，结合中国现 在的人口政策，预估了 2100 年前，SSPs 路径下中国 人口数量 [16] 。本文在上述研究基础上，首先确定了 全球升温 1.5℃和 2.0℃所对应的 SSP 路径，并对比 分析全球升温控制在 1.5℃和 2.0℃时，不同 SSPs 路 径下中国人口演变规律与分布格局，为实现巴黎 协定全球升温目标提供科学依据。 1 数据与方法 1.1 研究数据 选用 2010 年第六次全国人口普查数据作为初始 人口。选取人口普查短表中除香港、澳门、台湾以 外的 31个省份（区、市）的不同教育水平、年龄段、 性别的人口总数、死亡人口、户口登记在外省人口。 选取人口普查长表中各省 5年内流动人口和分年龄 段的育龄妇女生育率数据。采用气候模式确定全球升温时间。气候模式 预估数据采用跨行业影响模式国际比较计划（ISI- MIP）推荐使用的5个全球气候模式数据（GFDL- ESM2M，HadGEM2-ES，IPSL-CM5A-LR，MIROC- ESM-CHEM，NorESM1-M。其中包括基准期 1986 2005 年、RCP2.6 和 RCP4.5 排放路径下 20062100 年全球逐日气温数据 [17-18] 。 1.2 研究方法 1.2.1 人口预估模型 人口预估模型采用美国人口学家 Rogers 开发的 多状态人口-发展-环境分析（PDE）模型 [19-20] 。 通过给定不同年龄、性别、教育水平等“状态”下 的初始人口、生育率、死亡率、迁移人口，运行人 口预估模型，预估人口数量。其中，人口增长由自 然增长和机械增长两部分组成。自然增长为出生人 口与死亡人口之间的差值；机械增长主要指净迁移 人口。对不同“状态”下的每一年龄组的人口，当 前年龄组人口数减去某一预估时间段内死亡人口， 再加上净迁移人口，即为所预估年份下这一年龄组 人口数。 PDE模型公式简明， 便于计算， 同时不同 “状 态”间可以相互转换，能够同时对不同性别、年龄 以及分省人口进行预估。该模型已经在国内外得到 广泛应用 [21-24] 。 1.2.2 模型参数设定 参考国际应用系统分析研究所（IIASA）按照全 球 150 个国家分类开展的人口试验 [25] ，结合中国当 温升 1.5 ℃影响与应对专栏 2010 2030 2050 2070 2020 2040 2060 2080 年 3.5 较工业革命前全球升温幅度 /℃ 3.0 2.5 2.0 1.5 1.0 0.5 0 RCP2.6 RCP4.5 升温 1.5℃ 升温 2℃ GFDL-ESM2M HadGEM2-ES NorESM1-M 模式平均 IPSL-CM5A-LR MIROC-ESM-CHEM 4 期 329 王艳君，等全球升温控制在 1.5℃和 2.0℃时中国分省人口格局 前人口现状和国情， 对未来中国各省生育率、 死亡率、 迁移率提出高、中、低 3种假设；对未来教育水平 提出快速发展、全球趋势发展、恒定入学率 3种假设， 模型参数设定的具体过程见[16]。 中等假设意味着维持当前的社会经济水平继续 发展。生育率考虑相关文献中对于中国妇女生育意 愿 [26-27] 和“二孩”政策后人口变化 [28-29] 的研究，认 为中国总和生育率将在“二孩”政策提出后有小幅 度提高 [30] ，到 2019 年达到峰值 1.9，后将逐渐稳定 至 1.8 [31-32] ，各省按 2010 年总和生育率与全国的比 值相应折算；死亡率基于全球条件收敛模型的输出 结果和 IIASA 的专家组开展的参数评估 [33-34] ，认为 2050 年以前居民预期寿命每 10 年增加 2岁，2050 年 以后每 10 年增加 1岁；迁移率设定为按照当前水平 各省净迁移保持不变。 高等/低等假设下，生育率设定基于 41 个低生 育率国家人口数据和统计模型输出结果，最终由 170 余位专家进行评估得出 [35-36] ，认为从 2010 年开始较 中等假设逐渐增加/减少，至 2030 年分别较中等假 设高/低20，至 2050 年分别高/低 25，并在之 后维持这一差异；死亡率设定基于模型中不同国家 死亡率的差异，认为人均寿命较中等假设每 10 年增 加/减少1岁；迁移率设定基于全球迁入和迁出矩 阵的预估研究 [37] ，认为高等假设下迁移人口在 3个 5 年内逐渐增加至 2010 年水平的两倍，之后将保持不 变，低等假设下逐渐减少为 0。 未来不同的教育水平定义如下快速发展假设 认为到 2050年逐渐发展至全球教育最发达国家水平， 根据联合国报告结果 [38] 设定为当前韩国教育水平， 小学、小学升中学、中学升大学的升学率分别达到 1、 0.999、0.780，2050 年以后保持不变；恒定入学率假 设认为维持当前各学历升学率不变，即 2010 年人口 普查结果中的 0.962、0.910、0.274；全球趋势发展假 设下，升学率是以上两种假设的均值。5种 SSPs 路 径下生育率、死亡率、迁移率和教育水平参数设定 详见表 1 [13] 。 1.2.3 全球升温时间的确定 全球升温 1.5℃和 2.0℃出现的时间采用温室气 体排放典型浓度路径（RCPs）驱动全球气候模式的 表 1 SSPs 路径下中国人口预估模型参数 Table 1 Assumptions for the SSPs population projections in China 人口参数 生育率 死亡率 迁移率 教育水平 SSP1低低中 快速 发展 SSP2 中 中 中 全球趋 势发展 SSP3 高 高 低 恒定 入学率 SSP4 低 中 中 恒定 入学率 SSP5低低高 快速 发展 结果来确定。本文认为全球升温是某一个时段内全 球气温所达到的平均状态，而不是某一年的平均气 温达到特定值，选取气温的 20 年滑动平均值确定升 温幅度（图 1。全球升温控制在 1.5℃是巴黎协 定中提出的最高的、也是最难实现的目标，需要 付出最大的减排努力。本文研究选取 5个全球气候 模式，每个模式包括4个典型浓度路径（RCP2.6、 RCP4.5、RCP6.0、RCP8.5。选取温室气体排放最低 的 RCP2.6 情景，用于确定全球升温 1.5℃出现的时 间。模式集合结果显示 RCP2.6 情景下全球升温将在 2029 年左右首次达到 1.5℃并保持在 1.5℃上下，即 20202039 年全球平均气温能够稳定达到较工业革 命前升温 1.5℃。与之相对应的，SSP1 和 SSP4 两种 共享社会经济路径下，面临较低的气候变化减缓挑 战，与 1.5℃升温控制目标相适应。 图 1 20062100 年全球平均气温相对于工业革命前升温幅 度（20 年滑动平均） Fig. 1 The global mean temperature changes 2006-2100 relative to the pre-industrial level moving average of 20 years 控制升温 2.0℃是巴黎协定中达成的目标， 鉴于 RCP2.6 情景下全球升温较工业革命前达不到 气候变化研究进展 2017 年 330 2.0℃，选取中等排放的 RCP4.5 情景用于确定全球升 温 2.0℃出现的时间。RCP6.0 和 RCP8.5 情景下升温 较快，与巴黎协定目标不相符，未进行考虑。 全球升温集合结果显示，2049 年左右全球气温较工 业革命前升温达到 2.0℃并保持在 2.0℃以上。本文 选取 20402059 年全球升温控制在 2.0℃时，在具 有较高气候变化减缓挑战的 SSP2、SSP3、SSP5 路径 下，研究中国各省人口格局。 2 升温控制在1.5℃和2.0℃时人口格局 2.1 人口结构 全球升温控制在 1.5℃对应的 SSP1和 SSP4路径 下，20252030 年中国人口将达到峰值，人口数量 约为 13.9 亿；全球升温 2.0℃对应的 SSP2、SSP3 和 SSP5 路径下，20302035 年中国人口总数约为 14.1 亿，达到人口峰值。对比全球升温 1.5℃和 2.0℃时， 中国人口年龄、 性别结构 （图 2） 可以看出， 升温 1.5℃ 时，人口结构较 2010 年已经发生很大改变。人口最 多的年龄段由 2010 年时的 15 ～ 49 岁变为 35 ～ 69 岁，占总人口的 52 左右。SSP1 和 SSP4 两种路径 的人口结构基本相同，与 2010 年相比总人口增加了 0.5亿人左右，其中 15岁以下少儿人口和 16～ 59岁 的劳动力人口有所减少，60 岁以上老龄人口则增加 1倍以上。这两种路径下的差异主要在受教育水平， SSP1 路径下教育发展更快，20 ～ 24 岁年龄段中大 学以上教育水平人口达 42。 全球升温控制在 2.0℃时，不同社会经济发展路 径的人口结构差异逐渐显现。生育率的不同直接影 响 45 岁以下的人口。SSP5 路径下生育率低，新生 图 2 全球升温 1.5℃和 2.0℃时中国人口结构 Fig. 2 Population structure under global warming of 1.5℃ and 2.0℃ in China 温升 1.5 ℃影响与应对专栏 a 2010 年 b 1.5℃-SSP1 c 1.5℃-SSP4 文盲 小学 中学 大学 人口 /10 2 万人 75 50 25 75 50 25 0 e 2.0℃-SSP3 f 2.0℃-SSP5 d 2.0℃-SSP2 ≥ 85 8084 7579 7074 6569 6064 5559 5054 4549 4044 3539 3034 2529 2024 1519 1014 59 04 年龄/岁 男 女 男 女 男 女 男 女 男 女 男 女 人口 /10 2 万人 75 50 25 75 50 25 0 人口 /10 2 万人 75 50 25 75 50 25 0 人口 /10 2 万人 75 50 25 75 50 25 0 ≥ 85 8084 7579 7074 6569 6064 5559 5054 4549 4044 3539 3034 2529 2024 1519 1014 59 04 年龄/岁 人口 /10 2 万人 75 50 25 75 50 25 0 人口 /10 2 万人 75 50 25 75 50 25 0 4 期 331 王艳君，等全球升温控制在 1.5℃和 2.0℃时中国分省人口格局 人口较少，人口逐渐减少；SSP3 路径下 0～ 44 岁 各年龄段人数减少，人口总数呈增加趋势；SSP2 路 径介于两者之间。死亡率差异主要影响 49 岁以上人 口，有较高适应挑战的 SSP2 和 SSP3 路径下老龄人 口相对较少。与 2010 年相比，升温 2.0℃时 SSP2 和 SSP3路径下人口增加，分别达到 13.6亿和 14.1亿人， SSP5 路径下有所减少，主要受低生育率的影响。从 教育水平上看，升温 2.0℃时各路径下教育发展差异 十分显著，SSP3 路径下的大学以上人口占总人口的 17 左右；在 SSP5 路径下这一比重将达到 26。 2.2 人口分布中国东西部区域经济和资源环境差异较大，各省 的经济增长、产业结构有着不同特征。人口分布和 迁移受到历史、自然、社会等综合因素长期影响。 在不同社会经济发展路径下，人口表现出不同的变 化特征（图 3。河南、广东、广西 3个省份人口总 量峰值将超过 1亿人，在 SSP3 路径下，广西人口总 数最多，将达到 1.13 亿。其他路径下，广东省人口 总数最多，将达到 1.53 亿。大部分省份在高化石燃 料消耗的 SSP3 和以经济发展为主的 SSP5 路径下达 到人口峰值。经济发达的华东地区及北京、广东、 天津等省（市）在 SSP5 路径下人口总数最多，在这 一路径下考虑的是高迁移率，发达地区吸引着更多 人口迁入；其他大部分地区在 SSP3路径下达到峰值， 这一路径下生育率高，但不考虑迁移率；东北地区 受到其极低的生育率的影响，不同路径下人口总数 持续减少。从人口总数达到峰值的年份来看，全球 省份 区域 峰值人口 /万人 达到峰值路径 达到峰值年份 2010 年 2030 年 2050 年 2070 年 2090 年 持续减少 持续增加 升温 1.5℃ 升温 2.0℃ SSP1 SSP2 SSP3 SSP4 SSP5 华北 东北 华东 华中 华南 西南 西北 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 2877 1567 8009 3791 2576 SSP5 SSP5 SSP3 SSP3 SSP3 4375 2745 3831 3455 8240 7223 6851 4163 5010 9878 SSP5 SSP5 SSP5 SSP3 SSP5 SSP3 SSP3 11118 6057 8285 SSP3 SSP3 SSP3 15337 11307 1501 SSP5 SSP3 SSP3 2894 8042 8496 6213 339 SSP3 SSP3 SSP3 SSP3 3879 2819 706 858 3930 SSP3 SSP3 SSP3 SSP3 SSP3 图 3 中国各省人口峰值、达到峰值的 SSP 路径和年份 Fig. 3 The peak of provincial population and its year under different SSPs in China 气候变化研究进展 2017 年 332 升温达到 1.5℃和 2.0℃的时间，同时也是大部分省 份人口达到峰值的时间。其中华北、华中、华东地 区人口峰值大多出现在全球升温 1.5℃时，而华南地 区多出现在升温 2.0℃时。在 SSP2 和 SSP3 路径下， 华中、华南、西南、西北部分地区人口可能出现持 续增加的趋势，而在 SSP5 路径下，上海市和浙江省 人口将会持续增长。 与 2010 年相比，全球升温 1.5℃和 2.0℃时各省 人口变化如图 4所示。全球升温 1.5℃时，SSP1 路 径下除了东北地区和四川、安徽省外，全国大部分 省（市）人口均较 2010 年有所增加。SSP4 路径下分 布与 SSP1 相似，但在华中、华北部分地区呈现减少 趋势， 两种路径下， 广东省仍为全国人口最多的省份， 广东、新疆、宁夏、浙江和天津等省（市）增加幅 度超过了 10。 在全球升温 2.0℃时，部分地区人口由增加变为 减少。西北、西南和东南沿海大部分地区在各种路 径下均保持了较高的人口增长，东北三省、内蒙古、 陕西、山东和四川等地区人口则在持续减少。其中 低生育率、死亡率，高迁移率的 SSP5路径下，西北、 西南和以东南沿海地区为主的发达省份人口有所增 加，这类省份人口流动多以迁入为主，在这一高迁 移率路径下获得更多外来人口，迅速补充低生育率 带来的人口不足，而在其他人口迁出为主的省份， 低生育率和高迁移率共同影响，使人口大幅减少， 东北地区和四川省减少幅度都超过了 20；与之相 反的 SSP3 路径下，高生育率使人口减少的幅度有所 缓解，但这一路径下迁移率低，以人口迁入为主的 北京、天津、山东、江苏、浙江等地，生育率低， 又缺乏外来人口补充，人口呈现减少的趋势；SSP2 为中等发展路径，人口的变化与分布介于 SSP3 与 SSP5 路径之间。 2.3 人口老龄化特征 老龄化问题是当前中国面临的人口问题之一。 全球升温 1.5℃和 2.0℃时，各省人口老龄化差异显 著（图 5。中国 65 岁以上老龄人口呈现东北高、西 南低的分布特征。全球升温 1.5℃时，中国老龄人口 图 4 全球升温 1.5℃和 2.0℃时中国各省人口较 2010 年变化 Fig. 4 Demographic changes under global warming of 1.5℃ and 2.0℃ compared to 2010 in China 30˚N 40˚N 20˚N 70˚E 90˚E 110˚E 130˚E 30˚N 40˚N 20˚N 90˚E 100˚E 110˚E 120˚E 70˚E 90˚E 110˚E 130˚E 90˚E 100˚E 110˚E 120˚E 30˚N 40˚N 20˚N 30˚N 40˚N 20˚N 90˚E 100˚E 110˚E 120˚E 90˚E 100˚E 110˚E 120˚E 90˚E 100˚E 110˚E 120˚E 70˚E 90˚E 110˚E 130˚E 70˚E 90˚E 110˚E 130˚E 70˚E 90˚E 110˚E 130˚E a 1.5℃-SSP1 b 1.5℃-SSP4 c 2.0℃-SSP2 d 2.0℃-SSP3 e 2.0℃-SSP520 10 20 0 10 -20 -10 -10 0 无数据 人口变化 / 温升 1.5 ℃影响与应对专栏 4 期 333 王艳君，等全球升温控制在 1.5℃和 2.0℃时中国分省人口格局 比重约为 20.1，大部分地区老龄人口比重在 30 以下。SSP1 和 SSP4 路径老龄人口空间分布相似， 老龄人口比重较高的区域位于东北，东北三省老龄 人口比重均超过 25；西北、西南、华南和华北部 分地区老龄人口较少。升温 2.0℃时，与 1.5℃相比， 各省老龄化均呈现加重趋势；其中 SSP5 路径老龄化 最为严重；东北地区原本生育率较低，在这一路径 下生育率进一步降低，同时死亡率下降，人均寿命 增加，并伴随着劳动力的迁出，老龄人口比重接近 50；在四川、重庆、湖北、内蒙古等省份，虽然居 民生育率相对较高，但是大量劳动力持续迁出，也 导致了老龄人口比重的增加，这些省份老龄人口比 重超过 40。SSP2 路径下，大部分省份老龄人口超 过 25，由于生育率的提高，多数地区老龄化问题 有所缓解，但内蒙古、四川等省份和东北地区人口 老龄化依然严重，同时，北京、天津、江苏和上海 这 4个省（市）的老龄人口保持了较高的比重，除 了医疗水平发达，居民寿命高的原因，也与迁入人 口的减少导致的劳动力减少有关。SSP3 路径下，大 部分地区老龄人口低于 30，这一路径下生育率高， 且不考虑人口迁移，西南、西北地区，以及安徽、 江西等省份新生人口多，劳动力充足，老龄人口比 重较其他路径下略有降低，仅北京、上海、天津等 依赖劳动力输入的省份和生育率水平严重偏低的东 北地区保持较高的老龄化趋势。 3 结论与讨论 本文对比分析了巴黎协定全球升温控制在 1.5℃和 2.0℃时中国分省人口分布及其变化特征。 研究以中国第六次人口普查数据为基础，改进和率 定了人口预估模型的各省人口参数，预估了 5种共 享社会经济路径下中国分年龄、性别、教育水平、 省份的人口结构。研究中不同升温时的人口格局基 于不同的 RCP 和 SSP 路径组合，升温 1.5℃时人口 格局所采用的 SSP1 和 SSP4 路径均具有较低温室气 体排放，因而是面临低的气候变化减缓挑战的路径， 与低排放的 RCP2.6 情景相适应，这两种路径下减 图 5 全球升温 1.5℃和 2.0℃时中国各省 65 岁以上老龄人口比重 Fig. 5 Percentage of elderly population over 65 years old under global warming of 1.5℃ and 2.0℃ in China 30˚N 40˚N 20˚N 70˚E 90˚E 110˚E 130˚E 30˚N 40˚N 20˚N 90˚E 100˚E 110˚E 120˚E 70˚E 90˚E 110˚E 130˚E 90˚E 100˚E 110˚E 120˚E 30˚N 40˚N 20˚N 30˚N 40˚N 20˚N 90˚E 100˚E 110˚E 120˚E 90˚E 100˚E 110˚E 120˚E 90˚E 100˚E 110˚E 120˚E 70˚E 90˚E 110˚E 130˚E 70˚E 90˚E 110˚E 130˚E 70˚E 90˚E 110˚E 130˚E a 1.5℃-SSP1 b 1.5℃-SSP4 c 2.0℃-SSP2 d 2.0℃-SSP3 e 2.0℃-SSP545 40 45 35 40 20 25 25 30 30 35 老龄人口比重 / 无数据 气候变化研究进展 2017 年 334 少使用传统化石燃料，重视新能源的利用，在控制 升温的同时带来相应的社会经济和人口格局；升温 2.0℃时所采用的 SSP2、SSP3、SSP5 多为以化石燃 料发展为主的路径，面临较高的气候变化减缓挑战， 与中等排放的 RCP4.5 路径相适应。采用不同社会经 济发展模式，中国社会将呈现不同的人口分布格局。 文章的主要结论如下。 1 中国总人口先增加后减少。控制全球升温 1.5℃时，人口在 20252030年达到峰值，约 13.9亿， 与 2010 年相比人口总数增加 0.44 亿人，其中 15 岁 以下少儿人口和 16～ 59岁的劳动力人口有所减少， 60 岁以上老龄人口则增加1倍以上。这一时段仍受 到当前人口惯性的影响，各路径间人口结构差异较 小。控制全球升温 2.0℃时，中国人口在 20302035 年达到 14.1 亿的峰值。不同社会经济发展路径下的 人口结构差异变大，SSP2 和 SSP3 路径下与 2010 年 相比，人口总数分别增加 0.23 亿和 0.67 亿人；SSP5 路径下人口减少约 0.12 亿人。不同社会经济发展路 径间的人口和教育水平有所差异。升温 2.0℃时， SSP2、SSP3 和 SSP5 路径下的大学以上人口分别占 总人口的 17、21 和 26。 2 5种共享社会经济路径下，大部分省份人口 总数将在升温 1.5℃和 2.0℃的时间内达到峰值。经 济较发达的华东地区及北京、广东、天津等省（市） 在 SSP5 路径下人口达到峰值，该路径各省人口迁移 率高，经济发达地区吸引更多人口迁入；其他大部 分地区在 SSP3 路径下达到峰值，此路径生育率高， 新生人口多，人口增长快；东北地区受到极低生育 率的影响，不同路径下的人口总数持续减少。 3 不同升温背景下各省人口有所差异。全球升 温 1.5℃时，中国大多数省（市）人口均较 2010 年 增加，仅东北地区、四川和安徽省人口略有减少， 广东省仍为人口最多的省份。在全球升温 2.0℃时， 西北、西南和东南沿海大部分地区在不同路径下均 保持较高的人口增长，东北三省、四川和内蒙古地 区人口持续减少。之前生育率较高，人口以迁出为 主的省份在 SSP3 路径下，人口增长较快，主要原因 是生育率高，省与省间人口迁移减少。而之前生育 率和死亡率较低、人口以迁入为主的省份在 SSP5 路 径考虑高迁移率下获得更多外来人口，迅速补充低 生育率带来的人口不足，同时较好的医疗水平使得 居民寿命增加，人口总数较多。 4 中国 65 岁以上老龄人口比重呈现东北高、 西南低的分布特征。全球升温 1.5 ℃时，SSP1 和 SSP4 路径下中国老龄人口比重约为 20.1，东北地 区人口老龄化最为严重。 升温 2.0℃时， 与 1.5℃相比， 各省老龄化都呈现了加重的趋势，其中 SSP5 路径最 为严重，65 岁以上中国老龄人口比重达到 36，其 中，东北地区因出生率低老龄人口比重接近 50。 四川、重庆、湖北、内蒙古等地大量劳动力持续输出， 老龄人口比重达到 40 以上，SSP2 路径下，由于生 育率的提高，多数地区老龄化问题有所缓解，但内 蒙古、四川和东北地区人口老龄化依然严重，同时， 北京、天津、江苏和上海这 4个省（市）的老龄人 口也保持了较高的比重，除了医疗水平发达、居民 寿命高的原因外，也受到迁入人口减少导致的劳动 力减少的影响。SSP3 路径下，大部分地区老龄人口 低于 30，仅北京、上海、天津等依赖劳动力输入 的省份和生育率水平严重偏低的东北地区保持较高 的老龄化趋势。 两种升温背景下人口数差异不大，但在升温 1.5℃时劳动力人口占人口总量的大多数，这一阶段 下劳动力充足，老龄化比重相对较低，面临较小的 抚养和赡养压力；各地区间没有大范围的人口迁移， 但也相对开放，交流密切，人口向经济发达、就业 机会大的地区集中。尤其在 1.5℃ -SSP1 路径下，高 的社会经济发展和低的气候变化减缓挑战使居民生 活水平有较大的提高，教育和医疗水平发展迅速， 呈现良好的发展态势。综上所述，采用 SSP1 的绿色 和可持续发展路径，抑制全球升温幅度，将升温控 制在 2.0℃之内，争取控制在1.5℃之内是中国未来 社会经济发展的道路选择。 确定升温时间所采用的 RCPs 路径与人口预估所 基于的 SSPs 路径相互影响、相互反馈。SSPs 路径的 建立基于不同的温室气体排放假设，同时 SSPs 路径 下的社会经济变化也将作为重要参数带入 RCPs 路径 新的模拟试验。 温升 1.5 ℃影响与应对专栏 335 王艳君，等全球升温控制在 1.5℃和 2.0℃时中国分省人口格局 4 期 参考文献 IPCC. Climate change 2013 the physical science basis [M]. Cambridge Cambridge University Press, 2013 IPCC. Climate change 2014 impacts, adaptation, and vulnerability [M]. Cambridge Cambridge University Press, 2014 曹丽格 , 方玉 , 姜彤 , 等 . IPCC影响评估中的社会经济新情景 SSPs 进展 [J]. 气候变化研究进展 , 2012, 8 1 74-78 van Vuuren D P, Riahi K, Moss R, et al. A proposal for a new scenario framework to support research and assessment in different climate research communities [J]. Global Environmental Change, 2012, 22 1 21-35 O’Neill B C, Kriegler E, Riahi K, et al. A new scenario framework for climate change research the concept of shared socioeconomic pathways [J]. Climatic Change, 2014, 122 3 373-386 Fujimori S, Kainuma M, Masui T, et al. The effectiveness of energy service demand reduction a scenario analysis of global climate change mitigation [J]. Energy Policy, 2014, 75 379-391 Dellink R, Chateau J, Lanzi E, et al. Long-term economic growth projections in the shared socioeconomic pathways [J]. Global Environmental Change, 2015, 6 4 1-15 Hegre H, Buhaug H, Calvin K V, et al. Forecasting civil conflict along the shared socioeconomic pathways [J]. Environmental Research Letters, 2016, 11 5 054002 Fujimori S, Hanasaki N, Masui T. Projections of industrial