第一步，在能源经济模块，通过能源经济模型来模拟不同气候政策情景下的政策成本和能源技术组合，以及与能源技术组合相对应的大气污染物排放总量。这里的能源经济模块既有自下而上的能源系统技术优化模型，也有自上而下的可计算一般均衡（Computable General  Equiilibrim，CGE ）模型。一般来说，CGE模型的优势在于模拟社会经济系统中各行业的相互依存关系及其对价格机制的反馈，而能源系统技术优化模型的优势在于对能源系统的能源转化利用技术、污染物排放和控制技术以及省级能源传输的刻画能力。具体研究时可以按模拟对象选取不同的模型。

第二步，在空气质量模拟模块，通过空气质量模型或Rollback系数法来模拟大气污染物的扩散以及化学反应过程，得到大气污染物的浓度。前者属于数值模拟法，即先通过排放清单明确排放源位置，再通过大气化学传输模型模拟污染物浓度分布，表1综述的大部分文章都使用了这种方法，这种方法精准但耗时较长；Rollback系数法属于统计方法，它通过拟合排放量和浓度的历史变化数据，得到各种污染物总量变化对浓度变化的贡献系数，从而可以模拟污染物总量变化造成的浓度变化，这种方法快速但精度较粗（马丁，2015; Crawford-Brown et al.，2012，2013）。

第三步，在健康影响物理量评价模块，大部分研究选择用流行病的相关模型，如暴露-反应（Exposure-Response）关系模型（Burnett et al.，2014），来模拟不同大气污染物暴露浓度下早逝人数和寿命损失年的变化，将其作为衡量健康影响的依据。也有一些研究仅使用PM2.5等污染物的浓度变化来衡量健康影响（Rao et al.，2013，2016）。

第四步，在健康影响货币量评价模块，运用经济学方法将第三步得到的健康影响货币化，并与第一步得到的政策成本进行比较，得出气候政策的制定建议。常用的方法是给避免早逝的健康效益赋值，例如用一个人的统计生命价值（Value of Statistics Life，VSL）来定义这个人因避免早逝带来的健康效益。“统计生命价值”并不等同于“生命价值”，在哲学层面上人的生命是无价的，但是各种自然或人为事故却可能导致生命损失，为了对这种损失进行评估，研究者需要对人的生命进行统计学意义上的“定价”，这就是“统计生命价值”。经济学上主要用两种方法来计算VSL，一种是人力资本法，即认为人的生命价值等于人在一生中创造的财富价值总和，而不是人对生命的自我估价；另一种是支付意愿法，这种福利经济学的方法通过直接问卷调查的形式来询问人们为规避死亡风险所愿意支付的最大金额，从而间接算出人们对自我生命价值的评定，其理论基础是期望效用理论，即劳动者在选择风险水平时，会依据其预算约束力图获得期望效用的最大化（秦雪征等，2010）。基于福利经济学的支付意愿法可以更全面、更公平地表征一个人的生命价值，而人力资本法较大的缺陷是认为低收入者的生命价值将低于高收入者，人与人之间作为个体生命的平等性被忽视了，因此国内外学者更偏好于用支付意愿法来评价VSL（梅强、陆玉梅，2007）。

第五步，对比气候政策的实施成本和货币化健康协同效益并给出政策建议。目前大多数研究停留在协同效应的量化分析这一步（表1见原文），最多是通过比较不同政策的协同效益来对潜在的气候政策进行选择。然而只计算气候政策的健康协同效应，并不分析协同治理机制以及识别协同治理效率的关键影响因素，对于未来气候政策制定的支撑是远远不够的。评估气候政策的协同效应并不能改变气候政策本身，只有明确协同治理机制以及关键影响因素，才能对政策的制定环节形成信息反馈，让政策制定者明确怎样的措施才能最大化协同治理效果，从而有效地指导未来气候政策的制定。

尽管国内外已经积累了一定研究基础，但为了给协同解决气候变化和人群健康问题提供更坚实的科学基础，未来有关“温室气体减排的健康协同效应”领域的研究可以考虑在以下几个方面进一步推进。

（一）追求精细化——研究温室气体减排健康协同效应在区域间的分布格局

已有文献大多聚焦在国际和国家尺度，但区域或省级尺度气候政策模拟模型的开发投入不足，导致此类精度的研究数量较少。事实上，区域或省级才是减排政策的实际执行单元，急需区域级减排成本和健康影响的对比分析，以支撑其决策。已有研究指出（ Thompson et al.，2014; Cai et al.，2018）,由于各区域间资源禀赋、社会环境经济、气候条件和人口密度等因素的差别，国家级温室气体减排政策的减排成本和健康影响会存在显著的区域分布差异，从而影响决策者对气候政策区域间公平效果的判断。因此当前急需开发区域尺度的温室气体减排政策模拟模型（如省级尺度能源技术经济模型），并开展各区域低碳发展健康协同效应的空间分异格局研究。

（二）提高稳健性——开展研究结果的不确定性分析

如前文所述，碳减排人群健康影响具有多链条、跨系统的特点。在此背景下，直接或间接人群健康影响的模拟都需要依靠对复杂系统的简化模型，模型的结构和参数的选取都会直接影响模拟结果。而当前大多数研究仅是核算特定碳减排情景下的健康影响，缺少对模型结构和参数的不确定性分析探讨，其结论判断容易出现以偏概全的情况，因此未来还需要进一步加强对此领域的不确定性分析，以进一步提高其对决策的支撑能力。

（三）增强全面性——推进基于宏观经济联系和生命周期视角的碳减排政策健康影响研究

某个碳减排技术的推广或政策的施行不仅对当地的人群健康产生影响，同时也会因为区域间贸易和行业间的上下游关联，而对其他区域或行业产生影响。因此某个碳减排技术或政策是否真正有利于人群健康，需要结合上述因素做更全面的评估。例如Chen和He(2014)就基于CGE模型的模拟指出，在考虑火电和其他行业的间接排放后，插电式混合动力汽车仍然比内燃机车更有利于空气质量和人群健康。此外，每个技术的全生命周期的人群健康影响很可能发生在其他区域和行业，也需要开展全面的评估。

（四）提升支撑力——提出更切实际、更为量化具体的政策改进建议

至少可以考虑从以下两方面提升研究的政策支撑力。一方面，当前研究大都停留在碳减排的健康影响及其经济效益核算上，容易给读者留下“越减排越划算”的以偏概全的印象。事实上，碳减排技术和政策的选择不仅会影响环境与健康，更会影响经济、就业与社会。脱离宏观经济影响、仅依据健康影响就给出碳减排政策建议显然是远远不够的。碳减排健康影响研究扩展了传统碳减排影响研究的边界，增强了传统研究的全面性和系统性，下一步仍需要结合一国的实际发展需求、考虑上述多维影响来综合制定更实际、更具操作性的碳减排政策。另一方面，如果把政策目标从“考虑多维影响、制定可操作的碳减排政策”进一步聚焦为“如何协同减少温室气体排放和改善人群健康”上，当前研究依然存在一定的研究不足——仅核算了特定温室气体减排情景的健康影响，仅能评价和比较这些减排情景的健康影响的正负和大小，无法给出协同解决气候变化和人群健康问题的最优实现方案。未来可以考虑将人群健康影响的模拟结果纳入传统温室气体减排的优化决策模型中，更新优化决策函数（如从传统的减排成本最低，变成考虑健康收益后的净减排成本最低），从而给出量化具体的政策改进建议，更有力地支撑未来气候政策的制定。