Access

You are not currently logged in.

Access your personal account or get JSTOR access through your library or other institution:

login

Log in to your personal account or through your institution.

If You Use a Screen Reader

This content is available through Read Online (Free) program, which relies on page scans. Since scans are not currently available to screen readers, please contact JSTOR User Support for access. We'll provide a PDF copy for your screen reader.

Conditional Probabilistic Population Projections: An Application to Climate Change

Brian C. O'Neill
International Statistical Review / Revue Internationale de Statistique
Vol. 72, No. 2 (Aug., 2004), pp. 167-184
Stable URL: http://www.jstor.org/stable/1403852
Page Count: 18
  • Read Online (Free)
  • Download ($12.00)
  • Subscribe ($19.50)
  • Cite this Item
Since scans are not currently available to screen readers, please contact JSTOR User Support for access. We'll provide a PDF copy for your screen reader.
Conditional Probabilistic Population Projections: An Application to Climate Change
Preview not available

Abstract

Future changes in population size, composition, and spatial distribution are key factors in the analysis of climate change, and their future evolution is highly uncertain. In climate change analyses, population uncertainty has traditionally been accounted for by using alternative scenarios spanning a range of outcomes. This paper illustrates how conditional probabilistic projections offer a means of combining probabilistic approaches with the scenario-based approach typically employed in the development of greenhouse gas emissions projections. The illustration combines a set of emissions scenarios developed by the Intergovernmental Panel on Climate Change (IPCC) with existing probabilistic population projections from IIASA. Results demonstrate that conditional probabilistic projections have the potential to account more fully for uncertainty in emissions within conditional storylines about future development patterns, to provide a context for judging the consistency of individual scenarios with a given storyline, and to provide insight into relative likelihoods across storylines, at least from a demographic perspective. They may also serve as a step toward more comprehensive quantification of uncertainty in emissions projections. /// Les changements futurs dans la taille, la composition et la distribution spatiale de la population sont des facteurs clés dans l'analyse du changement climatique, et leur évolution future est très incertaine. Dans les analyses du changement climatique, on tient traditionnellement compte de l'incertitude sur la population en utilisant des scénarios alternatifs couvrant un éventail de résultats. Cet article illustre comment des projections à probabilité conditionnelle permettent de combiner les approaches probabilistes avec l'approche basée sur des scénarios, typiquement employée dans les travaux de projections d'émissions de gaz à effet de serre. La présentation combine un ensemble de scénarios d'émissions développé par le Panel Intergouvernemental sur le changement climatique (IPCC) avec des projections de population probabilistes existantes de l'IIASA. Les résultats démontrent que les projections à probabilité conditionnelle peuvent expliquer plus complètement l'incertitude sur les émissions dans le cadre de scénarios conditionnels des modèles de développement futurs, qu'elles peuvent permettre de juger de la cohérence de scénarios individuels avec un scénario donné, et de fournir une idée des vraisemblances relatives dans les scénarios, au moins d'un point de vue démographique. Ils peuvent aussi servir d'étape vers une quantification plus précise de l'incertitude dans les projections d'émissions.

Page Thumbnails

  • Thumbnail: Page 
[167]
    [167]
  • Thumbnail: Page 
168
    168
  • Thumbnail: Page 
169
    169
  • Thumbnail: Page 
170
    170
  • Thumbnail: Page 
171
    171
  • Thumbnail: Page 
172
    172
  • Thumbnail: Page 
173
    173
  • Thumbnail: Page 
174
    174
  • Thumbnail: Page 
175
    175
  • Thumbnail: Page 
176
    176
  • Thumbnail: Page 
177
    177
  • Thumbnail: Page 
178
    178
  • Thumbnail: Page 
179
    179
  • Thumbnail: Page 
180
    180
  • Thumbnail: Page 
181
    181
  • Thumbnail: Page 
182
    182
  • Thumbnail: Page 
183
    183
  • Thumbnail: Page 
184
    184