IPCC AR6报告解读：地球能量收支、气候反馈和气候敏感度

引言

气候变化的驱动因子一般是指大气成分以及土地利用的变化,例如,人类活动导致的温室气体、气溶胶及气溶胶前体物在大气中的浓度发生变化,它们可以通过扰动地球大气顶的辐射能量收支平衡从而影响气候和气候变化。可以用有效辐射强迫（ERF）来量化不同因子对辐射通量的影响。ERF除了包含瞬时辐射强迫外,还包含相应的气候系统的调整（不包括地表气温的调整）过程。“强迫-响应”这一能量收支框架可用于评估单个驱动因子对全球平均地表气温（GSAT）的影响,便于理解造成这一温度响应的关键物理过程。气候系统如何对一个特定的强迫因子进行响应,取决于与物理、生物地球物理和生物地球化学过程相关的气候反馈过程①(①地球系统中存在很多反馈过程,主要分为3类：物理反馈过程（如与地表气温、大气温度垂直递减率、水汽、地表反照率和云的变化有关的反馈过程）、生物地球物理和生物地球化学反馈过程（如与甲烷、气溶胶、臭氧和植被变化有关的反馈过程）和长期反馈过程（与冰盖有关）。)。气候敏感度描述了气候系统对辐射强迫的响应,通常用GSAT的变化作为气候敏感度的指标。

自IPCC第五次评估报告（AR5）以来,新的研究和观测资料为科学家们量化全球能量储存变化以及评估相应的地球能量收支不平衡增强了信心。由于对调整过程和气溶胶-云相互作用的理解有所加深,AR6对辐射强迫的数值进行了更新。AR5定义的ERF只固定了海表温度,但是在AR6中,ERF定义中明确去除了陆面温度变化。AR6指出ERF与温度响应的关系较允许平流层温度调整的辐射强迫更为密切。在AR5以前,对气候反馈机制的过程理解和量化主要依赖于全球气候模式,然而,在经历了几十年的模式发展后,科学家们仍然无法对气候反馈以及平衡态气候敏感度（ECS）的不确定性进行有效约束。为解决这个问题,科学界已经采取了大量的替代方法（如观测和小尺度模拟)。AR6采用了新的方法来量化和处理气候反馈,可以更有效地评估气候反馈并理解反馈的时间演变特征,从而更好地理解反馈与ECS的关系,这有助于调和各种证据对ECS的评估差异。AR6基于多项证据对ECS和瞬态气候响应（TCR）进行了评估,包括：根据过程理解评估得出的辐射强迫和气候反馈、基于仪器记录获得的气候变化和变率、古气候证据、涌现约束②(②涌现约束（Emergent Constraints）：利用多模式建立ECS或TCR与可观测物理量之间的经验物理关系,再结合可观测物理量的观测结果对ECS或TCR进行约束。)以及基于这些证据的综合评估。基于对这些证据的综合评估,使得AR6中ECS和TCR的不确定性范围相比于AR5有所缩小。

本文旨在介绍AR6对地球能量收支、各种辐射强迫因子对GSAT变化的贡献、气候反馈以及衡量气候响应的指标等最新研究结论。

1 地球能量收支

自AR5以来,利用全球气候系统（包括海洋、陆地、冰冻圈和大气）总的存储能量变化来定量估算地球系统中能量的累积情况,已成为量化年际-年代际时间尺度上全球气候变化率的可靠手段。与GSAT的变化相比,全球存储能量的变化非常小,因而会掩盖潜在的气候变化趋势。与AR5相比,由于观测记录质量的提高和海平面能量收支的闭合,人们对定量估算全球存储能量的变化有了更强的信心。全球存储能量在1971—2006年间和2006—2018年间分别增加了282 [177~387] ZJ③(③ZJ是能量单位,全称zettajoules,1 ZJ=1021 J。)和152 [100~205] ZJ,对应全球平均不平衡能量分别为0.50 [0.32~0.69] W/m2和0.79 [0.52~1.06] W/m2。海洋热吸收是迄今为止最大的贡献因子,占总能量变化的91%。与AR5相比,用来加热陆地的能量的贡献已从约3%增加至5%左右。冰川融化和大气变暖分别约占总变化的3%和1%。

大气顶的能量收支平衡取决于入射太阳辐射和出射辐射（出射辐射包括反射的太阳辐射和地气系统发射的热辐射)。在稳定的气候状态下,这个平衡状态会因为内部气候变率而产生一些波动,但从长期的全球平均值来看,入射和出射的辐射基本是平衡的[1,2]。人为强迫会导致全球平均的大气顶辐射收支持续失衡,这种情况通常被称为地球能量的不平衡[3,4]。除了大气顶的能量通量外,地球的能量收支也包含了表征气候状态的气候系统内部的能量流动。地表能量收支由净的太阳辐射、热辐射以及非辐射分量（如感热、潜热和地面热通量）组成,它是全球水循环、大气和海洋动力学以及地表各种过程的关键驱动因素。自AR5以来,地面观测记录又发现了其他证据证明20世纪50—80年代期间地面太阳辐射大范围减少（或变暗),而后很多观测站点又出现了部分恢复（变亮)。人为气溶胶排放的年代际变化被认为是影响地面太阳辐射变化的主要因素,而云的变化可能也起了一定作用。近几十年来,地面向上和向下的热辐射都有所增加,这与温室气体浓度的增加以及相关的地表和大气的变暖和变湿相对应。

云是全球能量通量的重要调节器。云的任何扰动（如气溶胶-云相互作用或云反馈）都会对气候系统中的能量分布产生强烈的影响。21世纪初期全天和晴空条件下的地球能量收支如图1所示,值得注意的是,其中晴空条件下的能量收支表示仅通过移除云却保留了整个大气结构情况下的全球平均能量通量,这使得云对地球能量收支的影响得以量化,并与气候模式中计算晴空通量的方法一致。无云条件下的能量收支不闭合,因而图1中并没有给出无云条件下感热和潜热通量的估算值。从全天和晴空下的对比可以看出,在无云情况下,反射回太空的太阳辐射（黄色箭头）减少了47 W/m2,向太空发射的热辐射（橙色箭头）增加了28 W/m2。因此,在晴空条件下,大气顶存在约20 W/m2的辐射不平衡,这表明如果没有云,地球将明显变暖。

图1

图1  21世纪初期全天和晴空条件下全球平均的地球能量收支示意图[5]

注：图中数值表示全球平均能量平衡各分量的最佳估计值,括号内数值为晴空条件下能量通量的最佳估计值。

Fig. 1  Schematic representation of the global mean energy budget of the Earth under all-sky and clear-sky conditions at the beginning of the 21st century [5]. (Numbers indicate best estimates for the magnitudes of the globally averaged energy balance components together with their counterparts under clear-sky conditions)

2 有效辐射强迫

自工业革命以来（1750—2019年),人为排放的温室气体及其前体物对ERF的贡献为3.84 [3.46~4.22] W/m2,其中,均匀混合温室气体的贡献为3.32 [3.03~3.61] W/m2,剩余部分来自臭氧（包括对流层和平流层）和平流层水汽（来自CH4氧化）变化的贡献。在均匀混合温室气体的ERF中,CO2的贡献为2.16 [1.90~2.41] W/m2,CH4为0.54 [0.43~0.65] W/m2,卤代烃为0.41 [0.33~0.49] W/m2,N2O为0.21 [0.18~0.24] W/m2 （图2)。与AR5（1750—2011年）相比,均匀混合温室气体的ERF增加了0.49 W/m2,这主要是由于自2011年以来CO2、CH4、N2O和卤代烃的浓度增加导致ERF分别增加了0.27、0.02、0.02和0.01 W/m2。此外,CO2、CH4、N2O和卤代烃辐射效率的变化（包括调整）导致ERF额外增加了0.15 W/m2。臭氧的ERF为0.47 [0.24 ~0.71] W/m2,与AR5相比存在大幅增加,这是因为AR6对臭氧前体物排放进行了修正并且更好地解释了对流层臭氧前体物对平流层状态的影响。平流层水汽的ERF为0.05 [0.00~0.10] W/m2,相比于AR5略有下降。

图2

图2  1750—2019年不同因子的有效辐射强迫的变化和不确定性[5]

注：信度区间为5%~95%。图3同。

Fig. 2  Change in effective radiative forcing for different factors from 1750 to 2019 [5](Uncertainty ranges of 5%-95% confidence range are also given)

自工业革命以来（1750—2019年）气溶胶的ERF为-1.1 [-1.7~-0.4] W/m2。其中,由气溶胶-云相互作用产生的有效辐射强迫（ERFaci）贡献了大部分总气溶胶ERF,估计值为-0.84 [-1.45~-0.25] W/m2,剩余部分来自气溶胶-辐射相互作用产生的有效辐射强迫（ERFari),估计值为-0.22 [-0.47~0.04] W/m2。得益于对相关过程理解的不断加深和对模式、观测资料的深入分析,总气溶胶ERF的估计相较于AR5在数值上有所增加,而不确定性有所减小。相较于AR5,ERFaci的估计值增加,而ERFari的估计值减小。

自工业革命以来（1750—2019年),人为活动总的ERF为2.72 [1.96~3.48] W/m2。该估计值相较于AR5（1750—2011年）增加了0.43 W/m2。土地利用变化,冰、雪表面吸收性颗粒沉积以及飞机引起的尾迹卷云也对工业革命以来的总人为ERF有贡献,分别贡献-0.20 [-0.30~-0.10],+0.08 [0~0.18]和+0.06 [0.02~0.10] W/m2。土地利用强迫是指直接由人类活动而非气候过程引起的地表性质变化,土地利用变化会影响地表反照率、植被表面的蒸腾作用[6]、大气中温室气体的排放或清除,以及沙尘和生物挥发性有机化合物（BVOCs）的排放。目前很少有气候模式量化研究土地利用变化产生的ERF。

1750—2019年间ERF对GSAT变化的贡献如图3,非CO2温室气体强迫（其他均匀混合的温室气体和O3）导致的GSAT在全球平均上已经被气溶胶导致的GSAT冷却趋势大致抵消。自1980年以来,气溶胶的冷却趋势已经稳定下来,并且可能已经开始逆转,因此,在过去几十年,气候长期变暖的速度已经超过了仅考虑CO2时的预期速度。纵观历史记录,特别是1930年以前的记录,火山喷发造成的冷却主导了年代际变化。1750—2019年间人为强迫引起的GSAT变化为1.29 [0.99~1.65]℃,其中,均匀混合温室气体导致的GSAT变化为1.58 [1.17~2.17]℃,O3变化导致的GSAT变化为0.23 [0.11~0.39]℃,气溶胶导致的GSAT变化为-0.50 [-0.96~-0.22]℃,地表反照率变化导致的GSAT变化为-0.06 [-0.15~0.01]℃,太阳和火山活动导致的GSAT变化为-0.02 [-0.06~0.02]℃。

图3

图3  1750—2019年间不同强迫因子对全球平均地表气温（GSAT）的贡献以及不确定性[5]

Fig. 3  Contributions from different forcing factors to the global mean surface air temperature change from 1750 to 2019 [5]. (Uncertainties of 5%-95% confidence range are also given as shades)

3 气候反馈

AR6基于相关物理过程的理解评估得到净的气候反馈参数为-1.16 [-1.81~-0.51] W/(m2∙℃)（表1),这主要是普朗克温度反馈导致的,表明气候系统对外界向其施加的辐射强迫的响应是稳定的。水汽和温度垂直递减率的综合反馈对全球变暖的单一贡献最大,而云反馈仍然是整体不确定性的最大来源。全球变暖导致云发生变化,其净效应放大了人为导致的变暖,也就是说,净的云反馈是正值。与AR5相比,云反馈的信度水平得到了提高,云反馈的不确定性范围减小了约50%。副热带海洋上空的低云反馈以前是净云反馈不确定性的主要来源,如今,由于综合使用了气候模式模拟、卫星观测和利用大涡模式对云的显式模拟,对这类云反馈的评估已经有所改进,强有力的证据表明这类云对全球变暖起着放大器的作用。对各个云区的云反馈求和,得到净云反馈为0.42 [-0.10~0.94] W/(m2∙℃)。造成净反馈不确定性的第二大贡献是生物地球物理和非CO2生物地球化学反馈,其总的净反馈中值接近零,因而不会影响ECS的中值估计。在长时间尺度上,冰盖反馈参数很可能是正值,当冰盖在强迫作用下达到平衡,这一反馈会在千年尺度上造成额外的增暖。

表1  对气候反馈的综合评估[5]

Table 1  Synthesis assessment of climate feedbacks [5] W/(m2∙℃)

注：很可能区间表示5%~95%置信区间。

新窗口打开|下载CSV

地球系统模式（ESM）模拟结果显示,自工业革命以来,净反馈参数随温度增加而增加,即对强迫的敏感度随温度的增加而增加[7]。这主要因为水汽反馈和云反馈参数随全球变暖而增加[7,8,9,10,11]。地表反照率反馈参数随温度增加而减小[7,9,12],因为气候变暖导致积雪和海冰面积减小,可以部分抵消水汽和云反馈的增加。与此同时,普朗克温度反馈的变化很小[13]。古气候高浓度CO2的模拟结果同样证明了反馈参数对温度的依赖性[8,10]。尽管一致认为自工业革命以来,净反馈参数随温度增加而增加,但是也有部分模式研究得出了相反的结论[14,15]。

19世纪以来的观测资料和气候模式模拟都表明,地表气温增加的大尺度分布型具备几个共同特征。特别是,北极地区的地表气温增加程度远高于全球平均水平,也高于南半球高纬地区;而且陆面气温增加通常大于海洋表面。ESM模拟的赤道太平洋纬向海温梯度在几十年到一百年的时间尺度上普遍呈现出减弱趋势,东部的变暖程度大于西部,但在观测资料中并未发现该趋势。随着地表气温增加空间分布型的演变,辐射反馈,尤其是来自云的反馈,预计将在几十年的时间尺度上逐渐增加（更多是放大效应）。

4 气候响应

ECS和TCR是GSAT对强迫的响应指标。ECS指的是在地球能量收支平衡后,大气中CO2浓度瞬间加倍（相较于1750年CO2浓度278×10-6）引起的GSAT长期增幅,但在这个过程中不考虑与冰盖有关的反馈;而TCR则是在CO2浓度以每年1%增长的情景下,当CO2在第70年浓度达到1750年的两倍时GSAT的增幅。ECS和TCR都是理想化数值,但它们可以从古气候或观测记录中推算得出,或直接用气候模式模拟的方法来进行估计,同时它们与实际未来预测中的气候响应密切相关[16]。

海洋吸收热量使地表升温速率降低,所以TCR总比ECS小。同时,TCR和ECS都是气候对强迫响应的系统内部衡量指标,所以在CMIP5和CMIP6模式中,TCR与ECS密切相关[16,17],这与预期一致;此外,二者都取决于ERF和净反馈参数。然而,TCR和ECS之间的关系是非线性的,ECS值越高,这种非线性就越明显[17,18,19,20,21]。这是由于海洋吸热过程和地表气温分布型效应④(④地表气温分布型效应通常指海表温度的不均匀分布型,如：热带下沉区的冷却（对应于热带上升区的增暖）会增强低层大气稳定度,导致低云量增加,反射更多的太阳辐射,从而抑制地表气温增加[22]。)（surface temperature pattern effects）暂时降低了地表升温速率。当净反馈参数绝对值很小,而对应的ECS很大时（即ECS与净反馈参数绝对值成反比),这种暂时降低地表升温速率的效应对于降低TCR与ECS的比例会变得愈发重要。

AR6的评估结果表明,ECS中值是3.0℃,很可能区间是2.0~5.0℃（表2)。自AR5以来,在基于反馈过程理解、仪器记录、古气候和涌现约束来定量估计ECS方面已经取得了重大进展,不同证据之间高度一致。所有证据都表明ECS不存在低于1.5℃的情况,但目前并不能排除ECS高于5℃的情况。评估TCR的证据相对较少,主要集中在过程理解、仪器记录和涌现约束。TCR中值是1.8℃,很可能区间是1.2~2.4℃。总体而言,CMIP6模式得出的ECS和TCR中值和置信区间都比CMIP5模式大。AR6基于多源证据对ECS和TCR的最终评估值相比CMIP6中值偏低,置信区间也更小。

表2  对平衡态气候敏感度（ECS）和瞬态气候响应（TCR）的评估总结[5]

Table 2  Summary of equilibrium climate sensitivity (ECS) and transient climate response (TCR) assessment [5] ℃

注：很可能区间表示5%~95%置信区间。

新窗口打开|下载CSV

全球温度长期变化的不确定性可由以下几方面来理解：影响全球大气顶能量收支的过程,即ERF;在地表变暖情况下决定辐射能量向宇宙发射效率的辐射反馈;能够减少瞬态地表增温的全球存储能量的增加（由海洋热吸收主导)。AR6认为,在中等到高温室气体排放情景下,ECS和TCR的不确定性是21世纪全球温度预测中不确定性的主要来源;对于达到CO2净零排放的情景,气溶胶和其他短寿命强迫因子ERF值的不确定性导致了温度预测中很大的不确定性;全球海洋热吸收在百年时间尺度的地表变暖中是一个较小的不确定性来源。

5 结论

全球总的储存能量在1971—2006年和2006—2018年间分别增加了282 [177~387] ZJ和152 [100~205] ZJ,其中海洋增暖的贡献超过了90%。自工业革命以来（1750—2019年),正的人为ERF驱动了能量的累积,总的人为ERF为2.72 [1.96~3.48] W/m2,比AR5结果（1750—2011年）增加了0.43 W/m2,这是因为AR6对温室气体ERF和人为气溶胶ERF进行了修正。对温室气体ERF的修正源于2011年以来温室气体浓度的变化和对其强迫效率的更新;对气溶胶ERF的修正源于对气溶胶-云相互作用的理解有所加深。AR6通过对1971—2018年间ERF、气候系统辐射响应以及观测到的地球系统能量增加的定量化估算的改进,使全球能量收支闭合情况相较于AR5得到了明显改善（高信度）。

自AR5以来,在结合地球气候敏感度的新证据、对地球能量不平衡理解和量化的改进、全球地表气温变化的仪器记录、古气候变化、气候反馈及其对时间尺度和气候状态的依赖性方面取得了实质性的量化进展。一个关键进展是这些证据达成了广泛一致,表示ECS的最佳估计是3.0℃,很可能区间是2.0~5.0℃。所有气候反馈过程的综合效应是在基础反馈（即普朗克反馈）上放大气候对强迫的响应（基本确定)。和AR5相比,云反馈的置信水平得到了提高,云反馈的不确定性范围减小了约50%,但是,云仍然是气候反馈整体不确定性的最大来源（高信度)。在21世纪中等到高温室气体排放情景下,全球温度预测的不确定性主要取决于ECS和TCR的不确定性。气候模式研究结果表明,ECS中约70%的模式间差异都来自云反馈的不确定性,其中短波低云反馈差异占最大贡献[23,24]。总的来说,云反馈是21世纪后期排放稳定或增加的情况下预测全球瞬态变暖不确定性的主要来源,但是,在强烈减排情景下,气溶胶ERF主导了不确定性,这对我国碳达峰和碳中和路径下的气候变化研究具有很好的指示意义。

致谢

中国气象科学研究院的陈琪博士,何娟硕士,博士研究生周喜讯、于晓超和苏红娟,硕士研究生何静怡和刘梦婷,中国科学院大气物理研究所的博士研究生王海波,南京信息工程大学的博士研究生王秋艳和柳丽婷,以及中国地质大学的硕士研究生马馨宇对IPCC AR6第七章的部分内容和图表进行了中文翻译工作,特此致谢。

参考文献

[1]

Brown P T, Li W, Li L, et al.

Top-of-atmosphere radiative contribution to unforced decadal global temperature variability in climate models

[J]. Geophysical Research Letters, 2014, 41(14): 5175-5183

DOI:10.1002/2014GL060625    URL     [本文引用: 1]

[2]

Palmer M D, McNeall D J.

Internal variability of Earth’s energy budget simulated by CMIP5 climate models

[J]. Environmental Research Letters, 2014, 9(3): 034016

DOI:10.1088/1748-9326/9/3/034016    URL     [本文引用: 1]

[4]

von Schuckmann K, Palmer M D, Trenberth K E, et al.

An imperative to monitor Earth’s energy imbalance

[J]. Nature Climate Change, 2016, 6(2): 138-144

DOI:10.1038/nclimate2876    URL     [本文引用: 1]

[5]

IPCC.

Climate change 2021: the physical science basis

[M/OL]. 2021 [2021-08-09]. https://www.ipcc.ch/report/ar6/wg1/downloads/report/IPCC_AR6_WGI_Chapter_07.pdf

URL     [本文引用: 10]

[6]

Devaraju N, Bala G, Nemani R.

Modelling the influence of land-use changes on biophysical and biochemical interactions at regional and global scales

[J]. Plant, Cell & Environment, 2015, 38(9): 1931-1946

[本文引用: 1]

[7]

Meraner K, Mauritsen T, Voigt A.

Robust increase in equilibrium climate sensitivity under global warming

[J]. Geophysical Research Letters, 2013, 40(22): 5944-5948

DOI:10.1002/grl.v40.22    URL     [本文引用: 3]

[8]

Caballero R, Huber M.

State-dependent climate sensitivity in past warm climates and its implications for future climate projections

[J]. Proceedings of The National Academy of Sciences, 2013, 110(35): 14162

DOI:10.1073/pnas.1303365110    URL     [本文引用: 2]

[9]

Rugenstein M, Bloch-Johnson J, Gregory J, et al.

Equilibrium climate sensitivity estimated by equilibrating climate models

[J]. Geophysical Research Letters, 2020, 47 (4): e2019GL083898

[本文引用: 2]

[10]

Zhu J, Poulsen C J, Tierney J E.

Simulation of Eocene extreme warmth and high climate sensitivity through cloud feedbacks

[J]. Science Advances, 2019, 5 (9): eaax1874

[本文引用: 2]

[11]

Sherwood S C, Webb M J, Annan J D, et al.

An assessment of Earth's climate sensitivity using multiple lines of evidence

[J]. Reviews of Geophysics, 2020, 58 (4): e2019RG000678

[本文引用: 1]

[12]

Jonko A K, Shell K M, Sanderson B M, et al.

Climate feedbacks in CCSM3 under changing CO2 forcing. Part II: variation of climate feedbacks and sensitivity with forcing

[J]. Journal of Climate, 2013, 26(9): 2784-2795

DOI:10.1175/JCLI-D-12-00479.1    URL     [本文引用: 1]

[13]

Mauritsen T, Bader J, Becker T, et al.

Developments in the MPI-M Earth System Model version 1.2 (MPI-ESM1.2) and its response to increasing CO2

[J]. Journal of Advances in Modeling Earth Systems, 2019, 11(4): 998-1038

DOI:10.1029/2018MS001400    PMID:32742553     [本文引用: 1]

A new release of the Max Planck Institute for Meteorology Earth System Model version 1.2 (MPI-ESM1.2) is presented. The development focused on correcting errors in and improving the physical processes representation, as well as improving the computational performance, versatility, and overall user friendliness. In addition to new radiation and aerosol parameterizations of the atmosphere, several relatively large, but partly compensating, coding errors in the model's cloud, convection, and turbulence parameterizations were corrected. The representation of land processes was refined by introducing a multilayer soil hydrology scheme, extending the land biogeochemistry to include the nitrogen cycle, replacing the soil and litter decomposition model and improving the representation of wildfires. The ocean biogeochemistry now represents cyanobacteria prognostically in order to capture the response of nitrogen fixation to changing climate conditions and further includes improved detritus settling and numerous other refinements. As something new, in addition to limiting drift and minimizing certain biases, the instrumental record warming was explicitly taken into account during the tuning process. To this end, a very high climate sensitivity of around 7 K caused by low-level clouds in the tropics as found in an intermediate model version was addressed, as it was not deemed possible to match observed warming otherwise. As a result, the model has a climate sensitivity to a doubling of CO over preindustrial conditions of 2.77 K, maintaining the previously identified highly nonlinear global mean response to increasing CO forcing, which nonetheless can be represented by a simple two-layer model.©2019. The Authors.

[14]

Duan L, Cao L, Caldeira K.

Estimating contributions of sea ice and land snow to climate feedback

[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(1): 199-208

DOI:10.1029/2018JD029093    URL     [本文引用: 1]

[15]

Stolpe M B, Medhaug I, Beyerle U, et al.

Weak dependence of future global mean warming on the background climate state

[J]. Climate Dynamics, 2019, 53(7): 5079-5099

DOI:10.1007/s00382-019-04849-3    URL     [本文引用: 1]

[16]

Grose M R, Gregory J, Colman R, et al.

What climate sensitivity index is most useful for projections?

[J]. Geophysical Research Letters, 2018, 45(3): 1559-1566

DOI:10.1002/grl.v45.3    URL     [本文引用: 2]

[17]

Flynn C M, Mauritsen T.

On the climate sensitivity and historical warming evolution in recent coupled model ensembles

[J]. Atmospheric Chemistry and Physics, 2020, 20(13): 7829-7842

[本文引用: 2]

[18]

Hansen J, Russell G, Lacis A, et al.

Climate response times: dependence on climate sensitivity and ocean mixing

[J]. Science, 1985, 229(4716): 857

PMID:17777925     [本文引用: 1]

The factors that determine climate response times were investigated with simple models and scaling statements. The response times are particularly sensitive to (i) the amount that the climate response is amplified by feedbacks and (ii) the representation of ocean mixing. If equilibrium climate sensitivity is 3 degrees C or greater for a doubling of the carbon dioxide concentration, then most of the expected warming attributable to trace gases added to the atmosphere by man probably has not yet occurred. This yet to be realized warming calls into question a policy of "wait and see" regarding the issue of how to deal with increasing atmospheric carbon dioxide and other trace gases.

[19]

Knutti R, Joos F, Müller S A, et al.

Probabilistic climate change projections for CO2 stabilization profiles

[J]. Geophysical Research Letters, 2005, 32(20): L20707

DOI:10.1029/2005GL023294    URL     [本文引用: 1]

[20]

Millar R J, Otto A, Forster P M, et al.

Model structure in observational constraints on transient climate response

[J]. Climatic Change, 2015, 131(2): 199-211

DOI:10.1007/s10584-015-1384-4    URL     [本文引用: 1]

[21]

Tsutsui J.

Diagnosing transient response to CO2 forcing in coupled atmosphere-ocean model experiments using a climate model emulator

[J]. Geophysical Research Letters, 2020, 47 (7): e2019GL085844

[本文引用: 1]

[22]

Zhou C, Zelinka M D, Klein S A.

Impact of decadal cloud variations on the Earth’s energy budget

[J]. Nature Geoscience, 2016, 9: 871-874

DOI:10.1038/ngeo2828    URL     [本文引用: 1]

[23]

Vial J, Dufresne J L, Bony S.

On the interpretation of inter-model spread in CMIP5 climate sensitivity estimates

[J]. Climate Dynamics, 2013, 41(11): 3339-3362

DOI:10.1007/s00382-013-1725-9    URL     [本文引用: 1]

[24]

Zelinka M D, Myers T A, McCoy D T, et al.

Causes of higher climate sensitivity in CMIP6 models

[J]. Geophysical Research Letters, 2020, 47 (1): e2019GL085782

[本文引用: 1]

相关知识

IPCC AR6报告关于气候变化适应措施的解读
IPCC第六次评估报告发布 气候危机有什么新变化？
Nature Climate Change： 不平衡的变暖—追踪温室气体的气候响应“记忆”
科学网—黑碳，仅次于二氧化碳温室效应的气候污染物
《应对气候变化报告—气候融资与低碳发展》发布
【科普阅读】探秘北极气候
岩石风化碳汇研究进展:基于IPCC第五次气候变化评估报告的分析
世界气象日·畅谈丨站在气候行动最前线，我们该如何行动？
诺奖官方解读｜气候模型表明人类二氧化碳排放造成全球变暖
热带太平洋浮游植物叶绿素对气候的响应及反馈

网址: IPCC AR6报告解读：地球能量收支、气候反馈和气候敏感度 https://www.huajiangbk.com/newsview433158.html

上一篇: 我室田力博士在预测未来气候变暖下

下一篇: 土壤微生物响应气候暖化分子机制获