Hvor mange ton CO2 har verden egentlig tilbage på “klimakreditkortet”, før vi løber tør? Spørgsmålet lyder enkelt, men svaret er alt andet end det. Fra hurtige lommeregnere til supercomputere, der simulerer hele klimasystemet, kæmper forskere verden over for at sætte tal på vores resterende kulstofbudget. Resultatet er en palet af modeller, der hver især kan forme den grønne omstilling – og dine egne klimabeslutninger.
I denne artikel zoomer vi ind på seks centrale modeller, der sætter rammen for alt fra IPCC’s globale scenarier til den lokale kommunes klimahandlingsplan. Uanset om du er klimapolitiker, virksomhedsrådgiver eller nysgerrig borger, får du her nøglen til at forstå, hvordan budgetterne beregnes – og hvad der gemmer sig bag overskrifter som “TCRE”, “FaIR”, “Global Carbon Budget” og flere.
Sæt dig godt til rette, for på de næste linjer dykker vi ned i:
- Hvorfor én procent forskel i sandsynlighed kan flytte milliarder af ton CO2
- Hvordan simple klimamodeller kan køre scenarier på minutter, mens jordsystemmodeller tygger i ugevis
- Hvordan økonomiske integrerede vurderingsmodeller oversætter videnskab til politiske virkemidler
- Og ikke mindst: Hvordan vi fordeler det globale budget retfærdigt mellem lande og sektorer
Klar til at få styr på tallene bag Paris-aftalen? Så læs videre og bliv klædt på til at gøre hver dag grønnere med Bæredygtighed.dk.
TCRE- og restbudgettilgangen (IPCC-rammen)
En effektiv måde at beregne hvor meget CO2 der maksimalt kan udledes globalt, før vi overskrider en given temperaturgrænse, er at koble den næsten lineære sammenhæng mellem akkumulerede CO2-udledninger og den resulterende opvarmning – den såkaldte TCRE (Transient Climate Response to cumulative CO2 Emissions). IPCC’s sjette hovedrapport (AR6) anvender denne relation til at udlede de resterende globale kulstofbudgetter for 1,5 °C og 2 °C.
1. Tcre – Selve rygraden
- Definition: TCRE angiver den umiddelbare temperaturstigning (°C), der følger af en bestemt kumulativ CO2-udledning (typisk pr. 1 000 GtCO2).
- IPCC AR6-interval: 0,27 – 0,63 °C pr. 1 000 GtCO2 (centralværdi ≈ 0,45 °C).
- Lineær antagelse: Så længe vi endnu ikke har nået netto-nul, er sammenhængen omtrent lineær – hvilket gør det muligt at “regne baglæns” fra en temperaturgrænse til et globalt budget.
2. Sådan beregnes et resterende budget i ipcc-rammen
- Vælg temperaturmål og sandsynlighed
IPCC giver tal for to sandsynlighedsniveauer:- 50 % chance (dvs. “ligelig mulighed” for at holde målet).
- 67 % chance (dvs. “to tredjedels sandsynlighed”).
- Startår
Budgettet reduceres hvert år, da vi fortsat udleder. AR6’s standardreference er 1. januar 2020, men tallene kan forskydes til f.eks. 2023 eller 2025 ved at trække allerede observerede udledninger fra. - Fratræk ikke-CO2-opvarmning
Andre drivhusgasser & aerosoler påvirker temperaturen. AR6 justerer budgettet ned for den fremtidige, forventede ikke-CO2-opvarmning, som afhænger af scenarieantagelser. Jo mere metan & N2O vi fortsat udleder, jo mindre CO2-budget er tilbage. - Integrér usikkerheder
Tre hovedkilder dominerer:- TCRE-usikkerhed (≈ ±33 %).
- Ikke-CO2-usikkerhed (op til ±220 GtCO2 for 1,5 °C).
- Klimasystem-respons efter netto-nul (langtidseffekter, permafrost, feedbacks).
Ved at konvolvere disse fordeles det samlede budget på 50 %- og 67 %-konfidensintervaller.
3. Konkrete ar6-tal for de resterende globale budgetter (referencedato: 1. Januar 2020)
| Mål | Sandsynlighed | Restbudget (GtCO2) | Typisk udløbsår* ved nuv. udledn. (2022 ≈ 40 GtCO2/år) |
|---|---|---|---|
| 1,5 °C | 67 % | 400 | ≈ 2030 |
| 1,5 °C | 50 % | 500 | ≈ 2032 |
| 2 °C | 67 % | 1 150 | ≈ 2048 |
| 2 °C | 50 % | 1 350 | ≈ 2054 |
*Forenklet: divider budgettet med en antaget konstant global udledning på 40 GtCO2/år.
4. Fra globalt budget til årlige emissionslofter
Budgettet fungerer som en kage, der kun kan spises én gang. For at omsætte de totale GtCO2 til politisk brugbare årlige loftværdier skal man beslutte en emissionsbane:
- Lineær reduktion – lige store reduktionstrin hvert år frem til budgettet er opbrugt.
- S-kurve – langsommere reduktioner i starten, hurtigere senere (typisk mere realistisk pga. teknologisk udrulning).
- “Front-loading” – hurtige reduktioner nu for at give plads til residuale udledninger fra svære sektorer senere.
Illustration: Hvis verden vælger en lineær nedtrapning fra 2023 til netto-nul i 2050 (28 år) for 1,5 °C/67 %-budgettet (~370 GtCO2 tilbage pr. 1. jan. 2023), så:
- Årlig tilladt udledning = 2 × (370 GtCO2 / 28) ≈ 26 GtCO2 i 2023, faldende lineært til 0 GtCO2 i 2050.
- Globale reduktioner skal dermed være ca. 4-5 % om året hele perioden.
5. Hvad bruges tallene til?
- International politik: NDC’er under Paris-aftalen henviser ofte til IPCC’s budgetter.
- Virksomheder og byer: Science Based Targets-initiativet (SBTi) kræver, at målsætninger ligger inden for et givet globalt budget.
- Modelkalibrering: IAM’er og SCM’er (næste sektion) bruger budgetterne som “hard cap” for temperaturmål.
På den måde bliver TCRE-tilgangen ikke blot en teoretisk øvelse, men et konkret redskab, som alle aktører kan oversætte til klare, år-for-år-mål – og dermed gøre den abstrakte temperaturgrænse til håndgribelig klima-handling.
Simple klimamodeller (SCM’er) som FaIR og MAGICC
SCM’er som FaIR (Finite Amplitude Impulse Response) og MAGICC (Model for the Assessment of Greenhouse-gas Induced Climate Change) er designet til at oversætte rå emissionsbaner til forventede koncentrationer, strålingspådrag og temperaturstigninger på få sekunder til minutter. De indgår som “lyn-regnemaskiner”, hvor fulde jordsystemmodeller (ESM’er) ville kræve uger eller måneder på supercomputere.
Grundlæggende arbejdsgang
- Indlæs et scenarie: CO₂, CH₄, N₂O og aerosol-forløb (ofte fra SSP’er eller virksomheders interne roadmaps).
- Simulér kulstofkredsløbet: Enkle impuls-respons-funktioner bestemmer, hvor stor en del af CO₂’en der bliver i atmosfæren over tid.
- Beregning af strålingspådrag: Koncentrationerne omregnes til W/m² – inklusive aerosoler, ozon, kortlivede klimaforurenere (SLCF’er) og eventuelle negative emissioner.
- Temperaturrespons: Et to-boks varmelager (ocean/overflade) eller tilsvarende simplificeret energi-balance giver den globale middeltemperaturstigning.
Centrale inputs & antagelser
| Input | Hvordan behandles det? | Nøgleantagelser |
|---|---|---|
| CO₂-emissioner | Opsplittes i puljer med forskellige opholdstider | Linearitet mellem puljer og temperatur for små afvigelser |
| Ikke-CO₂ GHG’er | Konverteres til koncentrationsspor vha. atmosfæriske levetider | Ingen stærke feedbacks på kulstofkredsløbet |
| Aerosoler | Direkte og indirekte forcing parameteriseres (f.eks. −0,4 til −1,2 W/m² i 2019) | Fast forhold mellem SO₂-udledning og forcing |
| Klimafølsomhed | Bruger distributions-input (f.eks. AR6 median 3,0 °C) | Antager stationær følsomhed gennem århundredet |
Styrker
- Hastighed og fleksibilitet: tusindvis af scenarier kan køres i ét batch – ideelt til følsomhedsanalyser.
- Gennemsigtighed: få ligninger og åben kildekode → let at reproducere og debugge.
- Kalibreret mod CMIP og observationsdata: Standardopsætninger matcher IPCC AR6’s bedste estimater.
- Lavt ressourcekrav: kan køre på en bærbar, hvilket åbner for bred anvendelse i mindre organisationer.
Begrænsninger
- Forenkler regionale effekter; giver kun global middeltemperatur.
- Feedbacks som permafrost-metan, is-albedo og ændret havoptag håndteres med simple skaleringsfaktorer.
- Aerosol-sky-interaktioner og kortlivede forurenere er kun groft parameteriserede.
- Overshoot-dynamik (hvor temperaturen stiger over 1,5 °C og falder igen) er følsom over for antagelser om negative emissioner, der kan variere mellem modeller.
Typiske anvendelser i politik & erhverv
- Klimapolitik: Beregning af 1,5 °C- eller 2 °C-kompatible nationale kulstofbudgetter, hurtigt tjek af NDC’ers temperaturkonsekvenser.
- Virksomheds-science-based targets: FaIR benyttes af Science Based Targets initiative (SBTi) til at validere om virksomhedsmål er i tråd med Paris-aftalen.
- Stress-tests af investeringsporteføljer: Finanssektoren bruger MAGICC til at koble emissionsscenarier til fysisk klimarisiko.
- Forskning og undervisning: Hurtige “hvad-nu-hvis” øvelser for studerende og policy labs.
Kort sagt giver SCM’er den nødvendige hastighed og transparens til at omsætte visioner og tal til konkrete temperatur- og budgettal, så beslutningstagere kan arbejde iterativt med scenarier, før de dykker ned i tungere modeller.
Jordsystemmodeller (ESM’er) og CMIP6 for dybdegående budgetter
Hvor TCRE-beregninger og simple klimamodeller giver et hurtigt overblik, går jordsystemmodeller (Earth System Models, ESM’er) skridtet videre og simulerer hele klodens fysik og biogeokemi i ét samlet regneunivers. Det gør dem uundværlige, når kulstofbudgetter skal raffineres, for eksempel i IPCC’s vurderingsrapporter eller ved detaljeret national planlægning.
Hvad indeholder en esm?
- Atmosfærisk dynamik – strålingsbalance, vind- og tryksystemer, skydække.
- Havcirkulation – varmeoptag og transport via dybhavsstrømme.
- Kryosfære – iskapper, havis og gletsjere, som påvirker albedo og havniveau.
- Land-overflade – vegetation, jordfugtighed, kulstof- og kvælstofkredsløb.
- Kemisk troposfære/stratosfære – ozon, aerosol- og skyprocesser.
- Feedback-moduler – f.eks. permafrost-metan, tørkestress i skove, havforsuring.
Fra cmip5 til cmip6 – Hvorfor det er vigtigt for budgetter
| CMIP-generation | Nyt for kulstofbudgetter | Eksempel på ESM |
|---|---|---|
| CMIP5 (2011-2014) | Første fulde kobling af kulstofkredsløb og klima (RCP-scenarier) |
HadGEM2-ES |
| CMIP6 (2019-) | Mere detaljeret aerosol-kemi, nye Shared Socio-economic Pathways (SSP’er), bedre opløsning, inkl. overshoot-tracks | CESM2, MPI-ESM1.2, UKESM1 |
I CMIP6 blev der for første gang udført dedikerede kulstofbudget-eksperimenter (SSP119-constrain, 1pctCO2-pulse m.fl.), der måler:
- Netto land- og havoptag – hvor meget CO₂ ESM’en forventer, at skove, jord og oceaner absorberer pr. årti.
- Systemets klimasensitivitet (ECS og TCR) – afgørende for, hvor hurtigt et givet udslip oversætter sig til temperaturstigning.
- Langtidseffekter ved overshoot – om temperatur falder igen, hvis vi senere trækker CO₂ ud af atmosfæren.
Land- og havoptag: Ikke blot en fraktion
En tommelfingerregel i TCRE-rammen er, at cirka 50 % af antropogen CO₂ bliver absorberet af biosfæren og havet. ESM’er viser, at denne ”airborne fraction” ikke er konstant:
- Ved høje emissioner mættes land-optaget, og havoptaget falder pga. varmere overflader.
- Under overshoot-scenarier kan både hav og biosfære begynde at afgive lagret kulstof, så man får netto-emissioner, selv med nul fossilt udslip.
Resultatet er, at et “sikkert” resterende globalt budget på fx 400 Gt CO₂ (for 1,5 °C med 67 % sandsynlighed) kan skrumpe til under 300 Gt CO₂, når ESM-feedbacks medregnes.
Klimafølsomhed og budget-spænd: Hvorfor usikkerheden vokser
ECS-intervallet i CMIP6 (2,2-5,6 °C pr. CO₂-doubling) er bredere end i tidligere runder. Højfølsomme ESM’er (UKESM1, CESM2) kræver strengere kulstoflofter end lavfølsomme (INM-CM5). Det skaber et ”spænd” i budgetter, som IPCC AR6 udtrykker som ±220 Gt CO₂ omkring medianen.
Overshoot-scenarier: Tidshorisont betyder alt
Med ESM’er kan forskere simulere baner, hvor temperaturen kortvarigt overstiger 1,5 °C og derefter falder. De viser, at:
- Jo højere og længere overshoot, desto større risiko for irreversible ændringer (isbremmer, skovdød).
- Negative emissioner på 5-10 Gt CO₂/år i anden halvdel af århundredet kan bringe temperaturen ned igen, men budgettet må justeres for metan- og N₂O-feedbacks samt forringet landoptag.
Referencegrundlag for de simplere modeller
Selvom ESM’er kræver supercomputere og uger af beregningstid, bruges de til at kalibrere hurtigere værktøjer som FaIR og MAGICC:
- ESM-output for kulstofdrænering (hvor hurtigt CO₂ fjernes) justerer decays i SCM’erne.
- ESM-estimater af aerosol-afkøling danner parametre for TCR-beregninger.
- Forskellige ECS-kvartiler fra ESM’er bruges som følsomhedsanalyser i økonomiske IAM-modeller.
Hvad betyder det i praksis?
Når kommuner, virksomheder eller nationale myndigheder skal sætte 1,5 °C-kompatible emissionslofter, bør de supplere TCRE-baserede restbudgetter med ESM-sensitivitetstests. Derved kan man:
- Vurdere, om der skal lægges en ekstra “sikkerhedsmargin” på 10-20 %.
- Teste robustheden af negative emissionsteknologier (BECCS, DAC) under varierende optag-kapacitet.
- Undgå lock-in i overshoot-scenarier, der ifølge ESM’erne kan udløse utilsigtede feedbacks.
Konklusionen er klar: Skal vi have tillid til et givent kulstofbudget, må det passere ESM-nåleøjet. Kun således fanger vi de komplekse og ikke-lineære processer, som bestemmer, hvor meget CO₂ atmosfæren tåler, før klimamålene glider os af hænde.
Integrerede vurderingsmodeller (IAM’er) til budget-kompatible veje
Integrerede vurderingsmodeller (Integrated Assessment Models, IAM’er) er de schweizerknive, der forbinder klimavidenskab med virkelighedens økonomi og energisystemer. De simulerer samtidig:
- Makroøkonomi – BNP-vækst, forbrug, investeringer.
- Energisystem – efterspørgsel, forsyning, priser og teknologiomkostninger.
- Areal- og fødevaresystem – landbrugsproduktion, skovrydning, bioenergi.
- Emissions- og kulstofkredsløb – CO2, metan, N2O m.m.
Udvalgte iam’er og deres særkende
| Model | Kernefokus | Særtræk |
|---|---|---|
| REMIND | Global makroøkonomi + detaljeret el-, transport- og industrisektor | Endogen teknologilæring; koblet til MAGPIE for areal |
| IMAGE | Energi + arealanvendelse + økosystemtjenester | Høj opløsning på arealanvendelse; biodiversitetsindikatorer |
| GCAM | Kobler økonomi, energi, vand og areal | Åben kildekode; fleksibel regional opløsning (32-384 regioner) |
Sådan omsætter iam’er et globalt kulstofbudget til omkostningseffektive veje
- Fastlæg kulstofbudget – fx 400 Gt CO2 fra 2020 til nettonul for at holde 1,5 °C med 67 % sandsynlighed.
- Definér socioeconomic pathway – befolkningsvækst, BNP, livsstilsantagelser (ofte SSP’er).
- Optimering eller simulering – modellen minimerer (cost-optimal) systemomkostninger eller simulerer adfærd givet politikker.
- Outputs: timelines for energi- og arealteknologier, globale og regionale emissionsbaner, energipriser og investeringer.
- Validering – konsistens med TCRE, SCM’er (FaIR/MAGICC) og historiske data.
Negative emissioner og teknologimix
De fleste 1,5 °C-scenarier kræver negative emissioner især efter midten af århundredet. IAM’er vurderer:
- BECCS (bioenergi med CO2-lagring): kombinerer bioenergi, CCS-infrastruktur og arealbehov.
- Direct Air Capture (DACCS): energikrav, omkostningslæring, lagringsgeologi.
- Naturlige løsninger: skovrejsning, jordkulstof, vådområder.
Teknologimixet afhænger af modelantagelser om omkostningslæring, politiske barrierer og bæredygtighedsgrænser. REMIND kan f.eks. presse 70-80 % VE i el-sektoren allerede 2035 under et stramt budget, mens GCAM oftere fastholder større gasandel med CCS.
Fra globale modeller til nationale klimaplaner
- Downscaling: Globale resultater fordeles til regioner/lande via økonomisk vægt, energiafhængighed eller rettighedsbaserede metoder.
- Sammenkædning med nationale modeller: Nationale TIMES eller MARKAL-modeller kalibreres til IAM-output, så regeringer kan teste NDC’er.
- Politikdesign: CO2-skatteveje, støtte til VE, CCS-kvoter og skovpolitik hentes direkte fra IAM-scenariernes pris- og investeringssignaler.
- MRV & opdatering: IAM-baner fungerer som benchmarks i Global Stocktake og opdateres med nye teknologidata og klimavidenskab.
Sammenfattende giver IAM’er et kvantitativt bindeled mellem de overordnede kulstofbudgetter fra IPCC og de konkrete politiske valg, der skal omsætte Parisaftalens mål til dag-til-dag beslutninger i regeringer, kommuner og virksomheder.
Observation- og inversionsbaserede budgetter (Global Carbon Budget)
Mens de fleste kulstofbudgetter bygger på fremadskuende modelscenarier, findes der også et observationsbaseret “realtids-termometer” for Jordens CO2-regnskab: det Global Carbon Budget. Budgettet udgives årligt af det internationale projekt Global Carbon Project og kombinerer et væld af målinger og modeller for at fortælle, hvor meget menneskeheden udleder, og hvor meget atmosfæren, havet og økosystemerne absorberer. Her er, hvordan det gøres – og hvorfor det er centralt for kalibrering af de øvrige budgetmodeller.
1. Top-down vs. Bottom-up: To veje til den globale balance
- Bottom-up
Datakilder: nationale emissionsopgørelser, energistatistik, cement- og affaldsdata, inventarier af ændret arealanvendelse.
Styrke: detaljeret sektoropdeling og klar kobling til politiske instrumenter.
Svaghed: tidsforsinkelse (1-2 år) og usikkerheder i især skovrydning og jordbrug. - Top-down
Datakilder: atmosfæriske CO2-målinger (fra flaskenetværk, tårne, fly, satellitter), hav-pCO2 bøjer, økosystemflux-tårne, sammen med inverse modeller.
Styrke: hurtig detektion af netto-fluxen og uafhængigt tjek af selvrapporterede data.
Svaghed: afhængig af modelantagelser om transport i atmosfæren og havet.
2. Sådan samles tallene: Hovedkomponenterne i global carbon budget
| Flux (Gt CO2/år, 2022-estimat) | Kilde/Metode |
|---|---|
| +36,6 Fossile brændsler & industri | IEA, BP, CDIAC, nationale MRV-data |
| +3,9 Arealanvendelse (LULUCF) | FAO, satellit-afledte clearing-rater |
| -10,1 Havoptag | Global Ocean Data Analysis Project, CMEMS |
| -11,8 Landbiosfærens optag | FLUXNET, biosfære-modeller (TRENDY) |
| = 18,6 Nettotilførsel til atmosfæren | Aflæses som årlig stigning i Mauna Loa & NOAA-netværket |
Balancen (flux ind = flux ud) testes; forskellen udgør den ‘atmosfæriske ubalance’, som i 2022 var omkring 0,1 Gt CO2 – et mål for samstemmigheden mellem top-down og bottom-up.
3. Inversionsmodeller: At aflæse jordens “fingeraftryk”
Inversionsteknikker vender den klassiske modeltilgang på hovedet: Man starter med observeret CO2-koncentration og regner baglæns for at bestemme de geografiske kilder og dræn, der bedst forklarer mønsteret.
- Atmosfærisk transport: bruger vejr- og cirkulationsmodeller (f.eks. ECMWF, GEOS-Chem) til at spore luftmasser.
- Bayesiansk statistik: kombinerer måledata (observations-prioritet) og foreløbige flux-gæt (model-prior) for at minimere samlet usikkerhed.
- Output: griddede flux-kort (ofte 1° × 1°) på månedlig skala, der kan afsløre ‘hotspots’ for skovbrande, tørke eller kraftige havoptag.
4. År-til-år variation – Hvorfor enso betyder noget
Selv om menneskelige emissioner vokser relativt glat, svinger den årlige atmosfæriske CO2-stigning med op til ±1 ppm. Hovedårsagen er ENSO (El Niño-Southern Oscillation):
- El Niño: varmere troper → tørke og færre planter der optager CO2 + opvarmet hav der slipper CO2 → højere nettostigning.
- La Niña: køligere, vådere troper → stærkere fotosyntese og større havoptag → lavere nettostigning.
Ved at kvantificere disse naturlige svingninger kan forskerne filtrere “klimastøjen” fra og aflæse langtidstrenden fra menneskeheden.
5. Fra diagnose til terapiplan: Anvendelse af global carbon budget
- Validering af kulstofbudgetter i SCM’er og IAM’er
Årlige budget-tal bruges som reality-check for modelgrupper, der udvikler TCRE- eller IAM-scenarier. Hvis modellerne afviger fra de observerede hav- og landoptag, kalibreres parametre som kulstof-gødnings-effekt og havoverflade-buffer. - Løbende opdatering af resterende budgetter
Hver årsrapport viser, hvor meget af det oprindelige 1,5 °C- eller 2 °C-budget der er “brugt” i det foregående år – og hvor hurtigt det tømmes. - Politiske indikatorer & MRV
Top-down-skøn giver en uafhængig kontrol af de klimamål, som lande melder ind til UNFCCC, hvilket er væsentligt for transparens under Paris-aftalens artikel 13. - Early-warning for biosfære-feedbacks
En pludselig forringelse af land- eller havoptaget (fx Amazon-tørke) vil med det samme vise sig i budgettet og kan udløse ekstra opmærksomhed i IPCC og COP-forhandlinger.
Konklusion: Observation- og inversionsbaserede budgetter giver et løbende virkelighedstjek, som er uundværligt, når verdenssamfundet skal holde styr på, hvor meget CO2 der stadig kan udledes. Uden disse data ville kulstofbudgetter blot være modeløvelser; med dem bliver de et målingsbarometer for klimapolitikkens succes – eller mangel på samme.
Nationale og sektorspecifikke budgetmodeller og allokering
Når det globale resterende kulstofbudget (fx 400 Gt CO₂ for 1,5 °C med 67 % sandsynlighed fra 2023-frem) skal omsættes til konkrete, håndterbare mål for lande, regioner, sektorer og helt ned til den enkelte virksomhed eller kommune, benyttes en række budgetmodeller og allokeringsmekanismer. Nedenfor gennemgås de vigtigste trin, principper og værktøjer.
Nedskalering: Fra globalt til nationalt niveau
- Definér referencedata: Startår, målår, globalt budget & temperaturmål (IPCC AR6).
- Vælg fordelingsprincip (se tabel nedenfor).
- Beregn vægte (demografi, BNP, historiske emissioner, teknisk potentiale m.m.).
- Omsæt til årlige emissionslofter via en reduceringskurve (lineær, eksponentiel eller cost-optimal fra IAM’er).
Fire hovedprincipper for allokering
| Princip | Nøgleidé | Datakrav | Fordele | Udfordringer |
|---|---|---|---|---|
| Per capita | Lige ret til atmosfærisk plads pr. indbygger | Befolkningstal (nutid/fremtid) | Enkelt at forklare, opfattes som retfærdigt af mange udviklingslande | Ignorerer historiske ansvar og kapacitetsforskelle |
| Historisk ansvar | Kompenserer for akkumulerede emissioner siden et referenceår (typisk 1850 eller 1990) | Lang tidsserie for nationale emissioner | Anerkender ”klimagæld” | Datausikkerheder før 1960, politisk følsomt |
| Kapacitet | Større reduktionsbyrde for lande med høj BNP eller HDI | Økonomiske indikatorer | Binder klimaindsats til betalingsevne | Kan straffe hurtigt voksende økonomier |
| Cost-optimal | IAM’er minimerer globale omkostninger under budget-constraint | Tekno-økonomiske data | Effektiv for samfundsøkonomien | Risiko for uretfærdig byrdefordeling; afhænger af modelantagelser |
Vigtige modelværktøjer
- FAIRshare & PRIMAP-equity – web-baserede regneværktøjer, hvor brugeren kan vælge equity-princip og udregne nationale budgetter på få sekunder.
- Climate Equity Reference Calculator – kombinerer historisk ansvar og kapacitet.
- IAM-derivater (REMIND-Region, IMAGE, GCAM-policy) – genererer cost-optimale eller teknologispecifikke reduktionsstier pr. land/sektor.
- Bottom-up energisystemmodeller som MARKAL/TIMES, Balmorel eller PyPSA – detaljeret sektorfordeling og netintegration.
- GAINS – kombinerer luftforurening og drivhusgasser, nyttig for landbrugs- og industrisektorbudgetter.
- Forbrugsbaserede modeller (EXIOBASE, Eora MRIO) – tildeler ”indlejret CO₂” til slutforbrugere, populær ved kommunale klimaregnskaber.
Kobling til nationale emissionsopgørelser og mrv
For at sikre konsistens kobles budgettallene til de officielle National Greenhouse Gas Inventories, udarbejdet efter IPCC 2006 Guidelines (tier 1-3 metoder). Overvågning, rapportering og verifikation (MRV) sker via:
- UNFCCC’s Transparensramme (Biennial Transparency Reports, ETF).
- EU’s Governance Regulation med årlig ESR/ETS-rapportering.
- Nationale databaser (fx Danmarks Klimamonitor).
Ved at matche sektorkoder (1A1a – energi, 3B – landbrug osv.) kan man spore, om de nationale loftstal efterleves, og justere politikker, når MRV viser afvigelser.
Fra lande til sektorer, kommuner og virksomheder
Efter national allokering kan budgettet fordeles videre:
- Sektorbudgetter: Energistyrelsen fordeler fx Danmarks budget på energi, transport, industri, landbrug vha. GAINS- eller TIMES-kørsler.
- Kommunale budgetter: Flere danske kommuner anvender DK2020-metoden, som kombinerer per capita-tilgang og lokale potentialer for VE/energieffektivitet.
- Virksomheder: Science Based Targets initiative (SBTi) anbefaler Sectoral Decarbonization Approach. Budgettet oversættes til absolutte eller intensitetsbaserede mål inden for Scope 1-3, konsistent med GHG-protokollen.
Formlen nedenfor illustrerer en simpel allokering til en virksomhed (i) inden for en sektor (s):
Ei = Bs × (Ai / ΣAj∈s)
hvor Bs er sektorbudgettet og A er aktivitetsniveau (omsætning, produktion, medarbejdere afhængigt af valgt fordelingsnøgle).
Praktiske erfaringer og tips
- Åbenhed om metodevalg er afgørende for legitimitet. Publicér antagelser, data og usikkerhed.
- Opdater løbende – globale budgetter og nationale MRV-data ændrer sig årligt.
- Bland ikke principper ureflekteret. Et mix (fx 50 % per capita + 50 % kapacitet) kræver tydelig vægtning.
- Inddrag interessenter tidligt (borgere, erhvervsliv, civilsamfund) for at undgå ”numbers in the drawer”.
Sammenfattende giver nationale og sektorspecifikke budgetmodeller politikere, planlæggere og virksomheder et konkret CO₂-loft at styre imod, samtidig med at de åbner for principielle diskussioner om retfærdighed og omkostningseffektivitet. Det er her, det globale kulstofbudget får konkret betydning for hverdagsbeslutninger.
