全球变化分析模型(GCAM)是一个全球性的模型，它代表了五个系统之间的行为和相互作用:能源系统、水、农业和土地利用、经济和气候。它被广泛应用于各种不同的应用，从探索人类与地球系统之间复杂动力学的基本问题，到与解决重要环境问题的响应策略相关的问题。GCAM是一个由联合全球变化研究所(JGCRI)管理的社区模式。下面这个wiki页面提供了GCAM的文档（http://jgcri.github.io/gcam-doc/user-guide.html）。

GCAM是一个全球模型，它代表了五个系统之间的行为和相互作用:能源系统、水、农业和土地利用、经济和气候。GCAM已经发展了30多年。这项工作始于1980年，1982年的工作论文首次记录了这项工作(Edmonds和Reilly, 1982a,b,c)， 1983年的第一份同行评议出版物(Edmonds和Reilly, 1983a,b,c)。在这一点上，这个模型被称为埃德蒙斯-赖利模型(后来又称为埃德蒙斯-赖利-巴恩斯模型)。模型在20世纪90年代中期被重新命名为MiniCAM，模型代码被重新编写为面向对象的c++ (Kim et al. 2006)，并在2000年代中期被重新命名为GCAM。第一个碳循环模型的耦合发表在Edmonds等人(1984)上。GCAM(当时的MiniCAM)与蒙特卡罗不确定性分析的首次使用发表在Reilly et al.(1987)。

在GCAM的整个生命周期中，GCAM不断发展，以应对不断扩大的科学和评估问题。建立这个模型的初衷是为了解决21世纪中期全球化石燃料二氧化碳排放量的大小问题。随着时间的推移，GCAM的范围已经扩大到包括更广泛的能源生产、转化和使用技术、非二氧化碳温室气体排放、农业和土地使用、水供应和需求以及物理地球系统。GCAM已被用于为国家和国际评估制定情景，范围从IPCC最初的情景(响应战略工作组，1990年)到目前共享的社会经济路径(Calvin等人，2017年)。GCAM越来越多地应用于多模型、多尺度分析中，在这些分析中，GCAM或软耦合或硬耦合到其他具有不同重点的模型中，在关键部门往往具有更高的分辨率。例如，一系列的降尺度工具已经被开发出来用于GCAM，能够在网格分辨率下实现陆地和水输出。同样，它也被耦合到先进的地球系统模型中(Collins等人，2015年)。在GCAM的整个生命周期中，已有数百篇论文在同行评议的期刊上发表，GCAM系统仍然是一个重要的国际科学研究工具。GCAM也是一个被全球研究人员使用的社区模式，创建了一个共享的全球研究企业。GCAM可以在Windows、Linux、Mac和高性能计算系统上运行。

GCAM是一个综合的、多部门的模型，它探索了人类和地球系统动力学。像GCAM这样的模型的作用是将多个人类系统和地球物理系统集中在一个地方，以阐明系统的相互作用，并提供仅靠传统学科科学研究无法获得的科学见解。GCAM的构造是为了在一个计算平台中探索这些交互，该平台的计算需求足够低，允许对场景和不确定性进行广泛的探索。GCAM的组件被设计用来捕获人类和物理系统的行为，但是它们并不一定包括其组成组件的最详细的过程规模表示。另一方面，模型组件原则上提供了当前对潜在行为的最佳科学理解的忠实表示。

GCAM允许用户探索假设场景，量化可能的未来条件的影响。这些产出不是对未来的预测;它们是一种分析不同假设对未来条件的潜在影响的方法。GCAM读取关于关键驱动因素(如人口、经济活动、技术和政策)的外部“情景假设”，然后评估这些假设对关键科学或决策相关结果(如商品价格、能源使用、土地使用、水使用、排放和浓度)的影响。

开发和量化一组场景假设是使用像GCAM这样的模型来探索科学和评估问题的最常见方式。然而，GCAM提出的另一类问题是不确定性的系统表示。早在20世纪80年代，GCAM就被用来将不确定的关键输入假设和参数映射到隐含的产出分布中，如温室气体排放、能源使用、能源价格和贸易模式。一系列的技术已经使用GCAM来探索潜在的未来结果范围。技术包括情景分析、灵敏度分析和蒙特卡罗模拟。探索和理解不确定性在塑造事件中的作用仍然是GCAM的重要研究用途。

GCAM生态系统包括一系列不同的工具，从数据操作工具、GCAM的动态核心，到一系列分解模型、可视化工具和仿真工具。GCAM版本包括一个数据系统，用于为GCAM和dynamic core创建XML输入。其他的工具是单独生产和可用的，不包括在GCAM的发布版本中。

GCAM数据系统结合并协调了大量不同的数据集，并系统地整合了一系列未来的假设。数据系统的输出是一个XML数据集，其中包含历史数据和基准年数据，用于校准模型以及对未来轨迹(如GDP、人口和技术)的假设。它包括代表能源、水、土地和经济系统的必要信息。GCAM数据系统主要是用R构建的，但是可以容纳各种不同格式的输入。创建新场景不需要使用GCAM数据系统。可以创建新的“添加”xml文件来覆盖关键的未来场景假设，比如人口、经济活动、技术成本和性能等等。

GCAM核心(下面讨论)是模型的组成部分，在其中作出经济决策(例如，土地使用和技术选择)，并在不同的人类和地球系统内部和之间建模动态和相互作用。GCAM核心是用c++编写的，并接受XML输入。输出被写入xml数据库。

GCAM的许多应用程序需要比GCAM核心提供的更精细的空间和时间尺度上的信息。已经开发了许多额外的分解模型来创建这些信息。这些模型不包括在GCAM的发布版本中。

GCAM核心是GCAM动态特性的核心，它提供了来自GCAM数据系统的输入信息。GCAM采用一系列假设，然后对这些假设进行处理，以创建一个完整的情景，包括价格、能源和其他转型，以及商品和其他跨越地区并进入未来的流动。GCAM代表五种不同的相互作用和相互连接的系统。这些不同系统之间的交互都发生在GCAM核心内;也就是说，它们不是作为独立的模块建模的，而是作为一个完整的整体。当时GCAM核心中的五个系统如下:

GCAM核心中研究的模型的确切结构——例如，区域和技术的数量——是数据驱动的。在所有情况下,GCAM核心代表了整个世界,但它是由不同级别的分辨率为每个这些不同的系统(参见图2)。在当前发布版本GCAM,能源经济系统运行在全球32个地区(见下表),土地分为> 300亚区,全球范围内的233个流域都有水源追踪。地球系统模块在全球范围内运行。

GCAM的核心工作原理是市场均衡。GCAM中的代表代理使用价格信息以及其他可能相关的信息，并对资源分配做出决策。这些代表代理存在于整个模型中，例如，代表区域电力部门、区域炼油部门、区域能源需求部门，以及必须在任何给定土地区域内的竞争作物之间分配土地的土地用户。市场是这些有代表性的代理人相互作用的方式。代理人表明其对市场上的商品和服务的预期供应和/或需求。GCAM解决了一组市场价格，从而使模型中所有这些市场的供应和需求达到平衡。GCAM求解过程是在市场价格上迭代的过程，直到达到这个均衡。市场存在于电力或农产品等实物流动，但也存在于其他类型的商品和服务，例如可交易的碳排放许可。

例如，在任何单一模型时期，GCAM从天然气可能用于的所有用途开始得出对天然气的需求，如客运和货运、发电、制氢、加热、冷却和烹饪、化肥生产和其他工业能源用途。这些需求既取决于外部假设，比如发电技术效率，也取决于模型中所有商品的价格。然后，GCAM计算供应商根据其现有的资源开采技术和市场价格，愿意供应的天然气数量。该模型收集所有商品的相同信息，然后调整价格，以便在这段时间内，从大米到太阳能的所有商品的供应都能匹配需求。

GCAM是一个动态递归模型，这意味着决策者在今天做出决策时并不知道未来。(相反，跨期优化模型假设agent在做出决策时对整个未来都是有把握的。它解决了每个时期之后,世界的模型然后使用生成的状态,包括在此期间决定的后果,如资源枯竭、资本存量退休和设施,改变景观,然后移动到下一个时间步和执行相同的运动。对于长期投资，决策者可能会考虑未来的利润流，但这些估计将基于当前的价格。

GCAM的发布版本通常以5年的时间步骤进行操作，2015年是最终的校准年。然而，该模型具有灵活性，可以通过自定义参数在不同的时间分辨率下操作。

虽然GCAM模型中的代理的行为是为了使自身利益最大化，但整个模型并没有进行优化计算。事实上，GCAM中的行动者可以做出“在当时看起来是个好主意”的决定，但从更大的社会视角来看，这些决定并不是最优的，如果决策者知道未来会发生什么，他也不会做出这些决定。例如，该模型的参与者不知道未来的气候法规，并且可以在这些政策实施之前的年份安装化石燃料发电。

GCAM核心的关键场景假设：

来自GCAM核心的关键场景：

除了分解算法之外，在GCAM中增加空间分辨率的另一种选择是增加模型在GCAM核心中运行时的分辨率。GCAM被设计成允许“可伸缩能力”，以允许在部门或区域中实现更高的分辨率。由于GCAM在很大程度上是输入驱动的，因此创建更高的分辨率不需要改变GCAM核心中的代码结构;它只需要对GCAM数据系统进行更改，就可以在感兴趣的部门或区域以更高的分辨率创建数据。为此目的创建了两个特定的GCAM版本。GCAM- usa为美国的经济和能源系统提供了更多的区域细节，而在GCAM的其余31个区域中，对水和农业保持了相同的解决方案，对能源和经济保持了相同的空间解决方案。作为中国的研究版本，GCAM-China采用了同样的方法，将中国的能源和经济体系划分为省份。

GCAM是一个社区模型。这意味着GCAM是完全可以下载的。用户可以使用Community Listserv。listserv是用于分发GCAM信息的主要手段。GCAM也通过GitHub发布，并使用GitHub资源，如问题。虽然GCAM开发团队无法提供技术支持，但GCAM开发团队会尽一切努力回答GitHub上发布的问题。用户的问题和问题应该作为问题发布在GitHub上。开发团队不回答与GCAM相关的个人电子邮件。

GCAM的发布版本是发布到GCAM社区的版本。这些是定期提供的，取决于基础模型开发的性质。它们被编号以唯一地标识每个版本。除了发布版本之外，GCAM社区中的研究人员还可以使用模型的“研究”版本，这些“研究”版本是根据特定的需求定制的，或者是为了向模型添加新功能而开发的。欢迎下载GCAM的研究人员对数据输入文件或模型的研究版本的底层源代码进行他们喜欢的任何更改。任何经过修改的版本，如果输入数据或模型代码发生了变化，必须将其标识为GCAM-xxxx而不是GCAM。例如，由印度管理学院艾哈迈达巴德的研究机构为印度特定的输入数据定制的GCAM版本称为GCAM- iim。鼓励用户使用GCAM向联合全球变化研究所的协调研究人员报告出版物。

GCAM作为一种社区模式，其开发是对GCAM社区开放的。我们鼓励那些进行模型更改(代码或数据)的研究人员，他们认为这些更改可能对更广泛的GCAM社区有用，并与社区分享这些改进，并提交它们，以便可能包含在后续的核心GCAM版本中。

Calvin, K., B. Bond-Lamberty, L. Clarke, J. Edmonds, J. Eom, C. Hartin, S. Kim, P. Kyle, R. Link, R. Moss, H. McJeon, P. Patel, S. Smith, S. Waldhoff and M. Wise (2017). “The SSP4: A world of deepening inequality.” Global Environmental Change 42: 284-296.

Collins, William D., Anthony P. Craig, John E. Truesdale, A. V. Di Vittorio, Andrew D. Jones, Benjamin Bond-Lamberty, Katherine V. Calvin, James A. Edmonds, Allison M. Thomson, Benjamine Bond-Lamberty, Pralit Patel, Sonny H. Kim, Peter E. Thornton, Jiafu Mao, Xiaoying Shi, Louise P. Chini, and George C. Hurtt. “The integrated Earth system model version 1: formulation and functionality.” Geoscientific Model Development 8, no. 7 (2015): 2203-2219.

Edmonds, J. and J. Reilly. 1982a. “Global energy and CO2 to the year 2050,” IEA/ORAU Working Paper Contribution No. 82-6.

Edmonds, J. and J. Reilly. 1982b. “Global energy production and use to the year 2050,” IEA/ORAU Working Paper Contribution No. 82-7.

Edmonds, J. and J. Reilly. 1982c. An introduction to the use of the IEA/ORAU, Long-term, global energy model,” IEA/ORAU Working Paper Contribution No. 82-9.

Edmonds, J. and J. Reilly. 1983a. “Global Energy and CO2 to the Year 2050,” The Energy Journal, 4(3):21-47.

Edmonds, J. and J. Reilly. 1983b. “A Long-Term, Global, Energy-Economic Model of Carbon Dioxide Release From Fossil Fuel Use,” Energy Economics, 5(2):74-88.

Edmonds, J. and J. Reilly. 1983c. “Global Energy Production and Use to the Year 2050,” Energy, 8(6):419-32.

Edmonds, J., J. Reilly, J.R. Trabalka and D.E. Reichle. 1984. An Analysis of Possible Future Atmospheric Retention of Fossil Fuel CO2. TR013, DOE/OR/21400-1. National Technical Information Service, U.S. Department of Commerce, Springfield Virginia 22161.

Kim, S.H., J. Edmonds, J. Lurz, S. J. Smith, and M. Wise (2006) The ObjECTS Framework for Integrated Assessment: Hybrid Modeling of Transportation. The Energy Journal 27(Special Issue 2): pp 63-91.

Reilly, J.M., Edmonds, J.A., Gardner, R.H., and Brenkert, A.L. 1987. “Uncertainty Analysis of the IEA/ORAU CO2 Emissions Model,” The Energy Journal, 8(3):1-29. Response Strategies Working Group, Intergovernmental Panel on Climate Change. 1990. Emissions Scenarios.