IPCC AR6對(duì)地球氣候系統(tǒng)中反饋機(jī)制的新認(rèn)識(shí)

趙樹云,孔鈴涵,張華,王五科,趙淑雨,馬馨宇,吳丹陽(yáng)

摘要 氣候反饋反映了氣候系統(tǒng)內(nèi)部對(duì)外界干擾的適應(yīng)過(guò)程，在很大程度上影響對(duì)未來(lái)氣候變化的預(yù)估。本文對(duì)政府間氣候變化專門委員會(huì)（IPCC）第六次評(píng)估報(bào)告（AR6）中有關(guān)氣候反饋的內(nèi)容進(jìn)行了梳理。相比第五次評(píng)估報(bào)告（AR5），AR6對(duì)云反饋的認(rèn)識(shí)有了較大提高，尤其是副熱帶海洋上空低云的反饋。AR6認(rèn)為在高信度上云反饋參數(shù)為正值，即對(duì)氣候變化起到一種放大效應(yīng)。不過(guò)，云反饋的不確定范圍在所有反饋機(jī)制中依然是最大的。除了普朗克反饋外，其他反饋機(jī)制（包括水汽、溫度直減率、地表反照率、云、生物地球物理和非CO2生物地球化學(xué)反饋）均在正值區(qū)間或零附近，總體上對(duì)氣候變化起到放大效應(yīng)。AR6對(duì)總的氣候反饋的估計(jì)值為-1.16 W·m-2·℃-1，5%～95%的置信區(qū)間為[-1.81，-0.51] W·m-2·℃-1。隨著氣候平均態(tài)的增暖，氣候反饋參數(shù)很可能會(huì)更靠近正值。

關(guān)鍵詞 氣候反饋;IPCC;AR6

外部因素（人類活動(dòng)、太陽(yáng)活動(dòng)變化、火山噴發(fā)等）造成氣候變化的根本原因是改變了地氣系統(tǒng)的輻射收支，產(chǎn)生強(qiáng)迫（張華等，2017a，2017b，2019）。反過(guò)來(lái)，氣候系統(tǒng)也會(huì)通過(guò)改變自身狀態(tài)（地表氣溫、水汽含量、大氣溫度直減率等）使地氣系統(tǒng)重新恢復(fù)輻射收支平衡，即氣候反饋過(guò)程（張華等，2021a）。人們關(guān)注的氣候變化，實(shí)際是氣候狀態(tài)的變化（如全球地表氣溫的變化幅度），它不僅取決于強(qiáng)迫的大小，也取決于氣候反饋的大小。因此，對(duì)氣候反饋的定量化理解水平會(huì)直接影響對(duì)未來(lái)氣候變化預(yù)估的準(zhǔn)確度。

自IPCC AR6第一工作組報(bào)告（WGI）正式發(fā)布以來(lái)（IPCC，2021），曹龍（2021a，2021b）、姜大膀和王娜（2021）、姜大膀和王曉欣（2021）、廖宏和謝佩芙（2021）、廖宏等（2021）、孫穎（2021）、王文和傅文睿（2021）、余榮和翟盤茂（2021）、周波濤（2021）、周波濤和錢進(jìn)（2021）、左志燕和肖棟（2021）以及張華等（2021b）分別對(duì)報(bào)告不同方向內(nèi)容進(jìn)行了解讀。主要包括：相比AR5，AR6對(duì)全球氣候變暖和區(qū)域氣候變化的新認(rèn)識(shí);極端天氣氣候事件的變化;干旱發(fā)生頻率以及水循環(huán)的變化;人類活動(dòng)對(duì)氣候的影響;短壽命氣候強(qiáng)迫因子對(duì)氣候和環(huán)境的影響;氣候強(qiáng)迫因子對(duì)氣候施加影響的認(rèn)識(shí)框架;從能量收支、輻射強(qiáng)迫到氣候反饋;氣候系統(tǒng)如何響應(yīng)太陽(yáng)輻射干預(yù)和二氧化碳移除等。

張華等（2021b）對(duì)AR6 WGI報(bào)告有關(guān)地球能量收支、氣候反饋和氣候敏感度的內(nèi)容（Forster et al.，2021）進(jìn)行了全面的解讀，本文在張華等（2021b）的基礎(chǔ)上細(xì)致地解讀了不同氣候反饋機(jī)制，主要包括三個(gè)方面內(nèi)容：1）氣候反饋的基本概念、衡量指標(biāo)以及與氣候敏感度之間的關(guān)系;2）氣候系統(tǒng)中的反饋機(jī)制類型;3）目前針對(duì)不同氣候反饋的定量化估計(jì)。對(duì)每種氣候反饋機(jī)制，都盡可能清楚地描述出基本作用原理、AR6的最優(yōu)估計(jì)值和5%～95%置信區(qū)間（下文中方括號(hào)內(nèi)數(shù)值）、信度水平、相比IPCC第五次評(píng)估報(bào)告（AR5）的主要進(jìn)展。本文在介紹普朗克反饋時(shí)，從基礎(chǔ)的斯蒂芬-玻爾茲曼公式出發(fā)，推導(dǎo)了普朗克反饋參數(shù)的表達(dá)式和理論估計(jì)值，以便讀者理解為什么說(shuō)普朗克反饋是地球系統(tǒng)最基礎(chǔ)的氣候反饋。同時(shí)，也給出了AR6對(duì)普朗克反饋參數(shù)的最優(yōu)估計(jì)。之后，本文較為詳細(xì)地解讀了AR6 WGI報(bào)告中給出的除普朗克反饋之外的其他氣候反饋機(jī)制。IPCC評(píng)估報(bào)告對(duì)信度水平的界定主要是依據(jù)不同來(lái)源的證據(jù)（如，理論認(rèn)識(shí)、模式模擬、觀測(cè)資料分析、古氣候代用資料分析等）之間的一致程度。因此，在解讀不同氣候反饋機(jī)制時(shí)，本文重點(diǎn)梳理了不同來(lái)源的證據(jù)。需要指出的是，和生物過(guò)程相關(guān)的反饋機(jī)制僅給出了其基本作用原理、AR6最優(yōu)估計(jì)值及其信度，沒(méi)有梳理詳細(xì)的證據(jù)。原因是雖然和生物過(guò)程相關(guān)的研究很多，但對(duì)其反饋大小進(jìn)行評(píng)估的直接證據(jù)較少，而且彼此之間差別較大。氣候反饋和氣候敏感度之間是有對(duì)應(yīng)關(guān)系的，AR6中計(jì)算氣候敏感度時(shí)冰蓋反饋并沒(méi)有被考慮在內(nèi)，主要原因是冰蓋達(dá)到平衡需要的時(shí)間太長(zhǎng)。不過(guò)，AR6針對(duì)冰蓋反饋給了一個(gè)定性的評(píng)估，本文也做了簡(jiǎn)要的解讀。氣候反饋的大小對(duì)氣候平均態(tài)有依賴性，AR6對(duì)該依賴性進(jìn)行了評(píng)估，本文在最后針對(duì)該部分內(nèi)容也進(jìn)行了簡(jiǎn)要解讀。

1 什么是氣候反饋

1.1 氣候反饋概念與衡量指標(biāo)

從圖1可以簡(jiǎn)單理解氣候反饋的概念，繼而引起一系列氣候響應(yīng)，比如地表氣溫變化、水汽變化、大氣溫度直減率變化、地表反照率變化、云變化、生物地球物理和生物地球化學(xué)變化、冰蓋變化。反過(guò)來(lái)，氣候響應(yīng)也會(huì)通過(guò)不同反饋機(jī)制影響地球輻射收支。以下用ΔFn表示全球平均大氣頂輻射收支的初始變化。如果某種反饋機(jī)制的影響使全球平均大氣頂輻射收支變化沿初始方向增大，那么稱這種機(jī)制產(chǎn)生的是正反饋;反之，則為負(fù)反饋。在負(fù)反饋情況下，地球輻射收支變化會(huì)逐漸趨近于零，也就不再產(chǎn)生追加的氣候響應(yīng)，氣候會(huì)在新的平衡態(tài)穩(wěn)定下來(lái);而在正反饋情況下，地球輻射收支變化與氣候響應(yīng)彼此促進(jìn)增長(zhǎng)，氣候就很難穩(wěn)定下來(lái)。由此可見，氣候響應(yīng)不僅取決于地球輻射收支的初始變化，還取決于氣候系統(tǒng)中的反饋機(jī)制。氣候反饋代表了氣候響應(yīng)通過(guò)一系列機(jī)制對(duì)地球輻射收支變化的反作用。

圖1是一個(gè)相對(duì)簡(jiǎn)單的示意。實(shí)際上在AR6中，針對(duì)氣候反饋有著嚴(yán)格的界定，即產(chǎn)生氣候反饋的物理、生物地球物理（化學(xué)）過(guò)程必須是由全球地表氣溫變化引起的，而與全球地表氣溫變化無(wú)關(guān)的過(guò)程對(duì)地球輻射收支所起的反作用被稱為“調(diào)整”，與瞬時(shí)輻射強(qiáng)迫一起納入了有效輻射強(qiáng)迫的范疇（Forster et al.，2021）。既然所有氣候反饋均與全球地表氣溫變化有關(guān)，在量化氣候反饋時(shí)，可以用全球平均地表氣溫（單位：℃）變化（ΔTs）對(duì)應(yīng)的大氣頂凈輻射通量變化來(lái)衡量，即氣候反饋參數(shù)（以下用α表示）。經(jīng)過(guò)調(diào)整和氣候反饋后的全球平均大氣頂輻射收支變化（以下用ΔN表示）可以寫成：

ΔN=ΔFn+ΔFa+αΔTs=ERF+αΔTs。（1）

其中：ΔFn是全球平均大氣頂輻射收支的初始變化;ΔFa代表“調(diào)整”;二者均與ΔTs無(wú)關(guān)，可以合并在一起，用有效輻射強(qiáng)迫（ERF）表示;ΔN中包含了不同反饋機(jī)制對(duì)全球平均大氣頂輻射收支的影響。由式（1）可以導(dǎo)出α的表達(dá)式：

α=-ERF+ΔNΔTs=ΔNΔTs。（2）

那么，可以分離不同反饋機(jī)制對(duì)α的貢獻(xiàn)：

α=α0+α1+α2+…=∑ni=0αi=∑ni=0NxidxidTs。（3）

式中：αi代表不同的氣候反饋參數(shù);xi代表不同反饋機(jī)制中的物理量，如地表氣溫、水汽含量、溫度直減率等。

1.2 氣候反饋與氣候敏感度的關(guān)系

氣候反饋與氣候敏感度有對(duì)應(yīng)關(guān)系?？梢杂肅O2濃度突然加倍（相對(duì)于1750年的278×10-6，記做2×CO2）這樣一個(gè)理想試驗(yàn)來(lái)理解二者的對(duì)應(yīng)關(guān)系。CO2濃度突然加倍，會(huì)引起全球平均大氣頂凈輻射通量的變化。由式（1）可知，當(dāng)全球平均地表氣溫還未響應(yīng)時(shí)，也即ΔTs=0時(shí)，ΔN=ERF?？梢姡s=0時(shí)的全球平均大氣頂凈輻射通量變化即為2×CO2的有效輻射強(qiáng)迫。之后，隨著全球平均地表氣溫的升高，ΔN逐漸減?。▓D2）;當(dāng)ΔN減小至零時(shí)，此時(shí)的全球平均地表氣溫變化被定義為平衡態(tài)氣候敏感度（Equilibrium Climate Sensitivity，簡(jiǎn)稱ECS）。將ECS帶入式（1），此時(shí)的ΔN=0，可以求出，

α=-ERFECS。（4）

對(duì)2×CO2而言，ERF>0，α與ECS是正相關(guān)關(guān)系。從圖2可以發(fā)現(xiàn)，氣候反饋參數(shù)α為全球平均大氣頂輻射收支變化與相應(yīng)的全球平均地表氣溫變化之間的線性回歸系數(shù)。

ECS雖然是在2×CO2情況下定義的，但它和α一樣，是衡量氣候敏感度的氣候系統(tǒng)內(nèi)部指標(biāo)。因?yàn)椴淮_定性較大，IPCC AR5沒(méi)能給出ECS的最優(yōu)估計(jì)值，僅給出了一個(gè)可能區(qū)間（[1.5，4.5] ℃）。IPCC AR6綜合多種證據(jù)（過(guò)程理解、儀器記錄、古氣候模擬和涌現(xiàn)約束（Bowman et al.，2018;Chen et al.，2020;張華等，2021a）給出的ECS最優(yōu)估計(jì)值為3 [2，5] ℃（方括號(hào)中為5%～95%置信區(qū)間），基本排除了低于1.5 ℃的可能性，但是目前的證據(jù)無(wú)法排除高于5 ℃的可能性。

2 基礎(chǔ)（普朗克）反饋

氣候變化的基礎(chǔ)反饋，又稱普朗克反饋（下文用αp表示）是指地面和大氣溫度在垂直方向上均勻變化（也即大氣溫度垂直遞減率保持不變）導(dǎo)致的大氣頂向外發(fā)射熱輻射的變化。如果沒(méi)有大氣，地球是一個(gè)簡(jiǎn)單的黑體，那么，普朗克反饋參數(shù)可以根據(jù)斯蒂芬-玻爾茲曼定律（FT=σT4，即黑體的積分輻出度與其溫度4次方成正比）推導(dǎo)出來(lái)。根據(jù)式（3），由斯蒂芬-玻爾茲曼公式對(duì)地表溫度求導(dǎo)，可以得到：

αp=-4σT3s。（5）

式中σ=5.669 6×10-8 W·m-2·K-4，為斯蒂芬-玻爾茲曼常數(shù);式（5）中之所以有負(fù)號(hào)，是因?yàn)榈厍蛳蛲獍l(fā)射長(zhǎng)波對(duì)其凈輻射通量起負(fù)的貢獻(xiàn)。但是，由于大氣層（包括溫室氣體、氣溶膠粒子和云等輻射介質(zhì)）的存在，地氣系統(tǒng)的輻射有效溫度（記作Te）并非地表氣溫，而是大氣層某個(gè)高度處（對(duì)流層中部）的溫度。可以用參數(shù)β代表Te與Ts的比值，β≈0.885。用βTs代替Te，帶入斯蒂芬-玻爾茲曼公式，并對(duì)Ts求導(dǎo)，可以推導(dǎo)出普朗克反饋參數(shù)：

αp=-4σβ4T3s。（6）

根據(jù)式（6），并取Ts=288 K（即當(dāng)前全球平均地表氣溫），可以診斷出αp=-3.3 W·m-2·℃-1。由此可見，普朗克反饋是最基礎(chǔ)、最普遍的氣候反饋，它揭示了行星的溫度越高向外發(fā)射的熱輻射越多這樣一個(gè)基本物理事實(shí)。

IPCC AR6綜合利用輻射核技術(shù)（Held and Soden，2000;Soden and Held，2006;Zelinka et al.，2020;Wang et al.，2020）以及第5和6階段耦合模式比較計(jì)劃（CMIP5和CMIP6）給出普朗克反饋參數(shù)的最優(yōu)估計(jì)為-3.22[-3.4，-3.0] W·m-2·℃-1。

3 其他反饋機(jī)制

3.1 水汽反饋

水汽反饋（以下用αWV表示），又稱大氣絕對(duì)濕度反饋，是指隨著全球地表氣溫變化，大氣水汽含量也隨之發(fā)生變化，最終影響地球輻射收支。根據(jù)克勞修斯-克拉伯龍方程：

desrfdTs=LvesrfRvT2s。（7）

可以診斷大氣水汽含量隨全球地表氣溫的變化。式（7）中，esrf為地表實(shí)際水汽壓，代表單位面積上整個(gè)氣柱里水汽的重量;Ts為地表氣溫;Lv為水的汽化潛熱（0 ℃時(shí)為2 501×103J·kg-1）;Rv=461.5 J·kg-1·K-1，為水汽的比氣體常數(shù)。（7）式還可以寫成：

desrfesrf=LvRvT2sdTs。（8）

根據(jù)式（8），仍取Ts=288 K，可以診斷出全球地表氣溫每升高1 ℃，大氣中水汽含量增加6%～7%。在氣候變暖的大背景下，大氣水汽含量在增加，這在衛(wèi)星觀測(cè)和模式模擬中均得到證實(shí)（Soden and Held，2006;Dessler，2013;Gordon et al.，2013;Chung et al.，2014）。

水汽是最重要的溫室氣體。隨著全球地表氣溫升高，大氣水汽含量增加將吸收更多的長(zhǎng)波輻射，減少大氣頂向上輻射通量，從而產(chǎn)生正反饋。根據(jù)衛(wèi)星觀測(cè)資料分析，水汽反饋參數(shù)αWV的估計(jì)值為1.85 ± 0.32 W·m-2·℃-1 （Liu et al.，2018） 。從CMIP5和CMIP6模式模擬中得到的αWV估計(jì)值為1.77 ± 0.20 W·m-2·℃-1 （Zelinka et al.，2020） ，與從衛(wèi)星觀測(cè)資料中分析得到的結(jié)果比較一致。

IPCC AR6并沒(méi)有單獨(dú)給出水汽反饋參數(shù)的最優(yōu)估計(jì)值，而是將水汽和大氣溫度直減率合并在一起，給出二者總的反饋參數(shù)的最優(yōu)估計(jì)值（圖3）。主要原因是不同研究在分離水汽反饋和大氣溫度直減率反饋時(shí)，所采用的方法并不統(tǒng)一：一種分離方法在計(jì)算大氣溫度直減率反饋時(shí)，假設(shè)大氣絕對(duì)濕度不變;另一種方法在計(jì)算大氣溫度直減率反饋時(shí)，假設(shè)大氣的相對(duì)濕度不變。后一種方法會(huì)將一部分水汽反饋納入大氣溫度直減率反饋中。

3.2 大氣溫度直減率反饋

因?yàn)榇髿庵袦厥覛怏w和云的存在，地球發(fā)射紅外輻射的等效溫度位于比地表冷的對(duì)流層中部。因此，如果大氣溫度在垂直方向上的變化是非均勻的，也會(huì)導(dǎo)致大氣層頂輻射通量變化。大氣溫度直減率反饋（以下用αLR表示）就是用來(lái)量化這一部分氣候反饋機(jī)制。

在熱帶，大氣溫度廓線主要由濕對(duì)流決定，大氣層結(jié)接近濕絕熱。有研究發(fā)現(xiàn)，隨著全球氣候變暖，熱帶地區(qū)對(duì)流層高層升溫快于低層（Manabe and Wetherald，1975;Bony et al.，2006），增加大氣頂向上長(zhǎng)波輻射，對(duì)氣候變暖產(chǎn)生負(fù)反饋。熱帶外地區(qū)大氣溫度廓線由輻射、經(jīng)向熱傳輸和海洋熱吸收共同決定（Rose et al.，2014）。冬季因?yàn)閺?qiáng)烈的逆溫導(dǎo)致極地地區(qū)對(duì)流層低層增暖更快，對(duì)氣候產(chǎn)生正反饋（Manabe and Wetherald，1975;Bintanja et al.，2012;Pithan and Mauritsen，2014）。總的來(lái)說(shuō)，熱帶地區(qū)大氣溫度直減率反饋占主導(dǎo)地位，導(dǎo)致全球平均大氣溫度直減率表現(xiàn)為負(fù)反饋（Soden and Held，2006;Dessler，2013;Vial et al.，2013;Caldwell et al.，2016）。來(lái)自再分析資料和衛(wèi)星觀測(cè)資料分析的結(jié)果與模式模擬結(jié)果相一致，顯示在全球變暖背景下大氣溫度直減率反饋參數(shù)αLR的平均值為-0.50 ± 0.20 W·m-2·℃-1 （Dessler，2013;Caldwell et al.，2016;Colman and Hanson，2017;Zelinka et al.，2020）。

IPCC AR6沒(méi)有針對(duì)水汽和大氣溫度直減率分別給出最優(yōu)估計(jì)，而是給出了二者總的評(píng)估結(jié)果?；趯?duì)水汽反饋與大氣溫度直減率反饋的物理過(guò)程理解，并結(jié)合模式、觀測(cè)等證據(jù)的支持，AR6認(rèn)為水汽與大氣溫度直減率總體上表現(xiàn)為正反饋，高信度，總的反饋參數(shù)αWV+LR的最優(yōu)估計(jì)為1.30 [1.1，1.5] W·m-2·℃-1。

3.3 地表反照率反饋

到達(dá)地表的太陽(yáng)輻射一部分會(huì)被反射回太空。當(dāng)?shù)乇矸凑章室驗(yàn)榈乇須鉁刈兓兓瘯r(shí)，被地表反射回太空的太陽(yáng)輻射也會(huì)受到影響，這種反饋機(jī)制就是地表反照率反饋（以下用αA表示）。地表反照率變化的三分之一左右會(huì)反映在行星反照率上（Donohoe and Battisti，2011）。地表氣溫變化可以通過(guò)若干直接和間接的方式影響地表反照率;其中，最主要的方式是通過(guò)影響海冰和季節(jié)性積雪的覆蓋面積（Zhang et al.，2019）;其次是通過(guò)影響積雪的變質(zhì)率和對(duì)太陽(yáng)光有吸收性的雜質(zhì)顆粒的固結(jié)程度（Flanner and Zender，2006;Qu and Hall，2007;Tuzet et al.，2017）;其他方式還有通過(guò)影響植被生長(zhǎng)狀態(tài)、土壤含水量以及海洋粗糙度。

目前，基于觀測(cè)的研究對(duì)地表反照率反饋參數(shù)（αA）的估計(jì)值在0.16～0.8 W·m-2·℃-1（Donohoe and Battisti，2011;Flanner et al.，2011;Crook and Forster，2014;Pistone et al.，2014;Cao et al.，2015;Donohoe et al.，2020）。其中Crook and Forster （2014）得到的地表反照率參數(shù)最大，為0.8±0.3 W·m-2·℃-1;Donohoe et al.（2020）得到的結(jié)果最小，僅0.16±0.04 W·m-2·℃-1?；谟^測(cè)的地表反照率反饋參數(shù)主要由北半球貢獻(xiàn)，南半球貢獻(xiàn)很小，一方面是因?yàn)槟习肭蚣竟?jié)性積雪覆蓋面積有限，另一方面是因?yàn)槟习肭蚝１采w面積的變化趨勢(shì)相比北半球較小。

基于模式模擬的研究對(duì)αA的估計(jì)值為0.3～0.5 W·m-2·℃-1。基于CMIP5模式，利用RCP8.5情景模擬得到的αA為0.4±0.1 W·m-2·℃-1（Schneider et al.，2018）;利用4×CO2理想試驗(yàn)得到的αA為0.35±0.08 W·m-2·℃-1（Vial et al.，2013;Caldwell et al.，2016）;基于CMIP5的4×CO2理想試驗(yàn)，Donohoe et al.（2020）得到的αA為0.37±0.19 W·m-2·℃-1。基于CMIP6模式，Zelinka et al.（2020）得到的αA介于0.3～0.5 W·m-2·℃-1。

IPCC AR6綜合基于觀測(cè)和模擬的結(jié)果，并結(jié)合理論推測(cè)，認(rèn)為全球地表反照率反饋參數(shù)在高可信度上是正值;對(duì)地表反照率參數(shù)αA的最優(yōu)估計(jì)為0.35 [0.10，0.60] W·m-2·℃-1。

3.4 云反饋

云，一方面可以反射太陽(yáng)輻射，對(duì)氣候系統(tǒng)起冷卻效應(yīng);另一方面可以攔截地表發(fā)射的長(zhǎng)波輻射，對(duì)氣候系統(tǒng)起保溫效應(yīng)。云對(duì)長(zhǎng)波的攔截作用主要依賴較低的云頂輻射亮溫，而云頂輻射亮溫主要與云頂高度有關(guān);而云對(duì)太陽(yáng)輻射的反射作用主要取決于云的反照率。云（包括云量、云高、云光學(xué)性質(zhì)、云生命時(shí)間等）因地表氣溫變化而變化，進(jìn)而影響地球輻射收支，這種機(jī)制即為云反饋（以下用αC表示）。云反饋一直是估計(jì)氣候敏感度時(shí)最大的不確定性來(lái)源。這與云自身種類的多樣性，以及云與輻射、氣溶膠、大尺度環(huán)流相互作用機(jī)制的復(fù)雜性有關(guān)。

為了理解復(fù)雜的云反饋，一個(gè)好的方法是分機(jī)制逐一評(píng)估（Gettelman and Sherwood，2016）。表1給出了IPCC AR5和AR6評(píng)估的不同云反饋機(jī)制的正負(fù)號(hào)和可信度。

隨著氣候增暖，高云云頂高度會(huì)升高，這種現(xiàn)象在衛(wèi)星觀測(cè)（Chepfer et al.，2014;Norris et al.，2016;Saint-Lu et al.，2020）、大氣環(huán)流模式模擬以及云分辨模式模擬（Khairoutdinov and Emanuel，2013;Narenpitak et al.，2020）中均得以證實(shí)。Hartmann and Larson （2002）提出一種機(jī)制——云砧溫度不變機(jī)制（fixed anvil temperature mechanism），認(rèn)為隨著氣候增暖，熱帶對(duì)流云云頂高度雖然增加，但是云頂溫度保持不變。如果僅考慮普朗克反饋，β保持不變，大氣向外發(fā)射長(zhǎng)波輻射的等效溫度應(yīng)與地表溫度等比例升高，而熱帶對(duì)流云云頂?shù)妮椛淞翜貐s保持不變，這顯然對(duì)氣候變暖起到了正反饋?zhàn)饔?。AR5和AR6均認(rèn)為高云高度反饋為正反饋，并具有高信度（表1）。AR6給出的最優(yōu)估計(jì)為0.22±0.12 W·m-2·℃-1。

研究發(fā)現(xiàn)，隨著海溫升高，熱帶對(duì)流云的云砧面積會(huì)減?。‥manuel et al.，2014;Stein et al.，2017;Saint-Lu et al.，2020;Wing et al.，2020），導(dǎo)致向上長(zhǎng)波輻射增加，對(duì)氣候變暖起負(fù)反饋?zhàn)饔?。這種反饋機(jī)制類似于人眼睛上的虹膜，隨著光線強(qiáng)弱，通過(guò)調(diào)整瞳孔大小控制進(jìn)光量。因此，有研究把這種熱帶高云云量反饋機(jī)制稱為虹膜效應(yīng)（Lindzen et al.，2001;Bony et al.，2016）。雖然有一些證據(jù)證明熱帶高云云量隨著氣候增暖而減少，但模式對(duì)其反饋參數(shù)的模擬存在很大的不確定性，主要受對(duì)流參數(shù)化、云微物理參數(shù)化和湍流影響。AR6認(rèn)為熱帶高云云量反饋參數(shù)為負(fù)值，低信度;給出的最優(yōu)估計(jì)為（-0.15±0.2） W·m-2·℃-1。

一直以來(lái)，副熱帶海洋邊界層低云反饋被認(rèn)為是云反饋模擬中最大的不確定性來(lái)源。研究發(fā)現(xiàn)，低云的變化可以用若干控制因子來(lái)表示，而且利用這些控制因子研究副熱帶海洋低云反饋比用模式模擬的低云量本身約束性更好（Myers and Norris，2016）。在所有控制因子中，海洋表面溫度和逆溫強(qiáng)度最為重要（Qu et al.，2015;Kawai et al.，2017）。海洋表面溫度升高可以通過(guò)加強(qiáng)云頂夾卷作用減少低云量，而同時(shí)增強(qiáng)的逆溫強(qiáng)度又有利于低云量增加?；跉夂蛳到y(tǒng)模式模擬，并利用從觀測(cè)資料中分析的低云量與控制因子之間的關(guān)系作為約束，Klein et al.（2017）估算的副熱帶海洋低云反饋參數(shù)介于（0.14～0.36） W·m-2·℃-1。Bretherton（2015）利用大渦模式模擬得到的結(jié)果為0.2 W·m-2·℃-1。綜合考慮不同來(lái)源的證據(jù)，IPCC AR6認(rèn)為副熱帶海洋低云反饋為正反饋，并具有高信度，給出的最優(yōu)估計(jì)為（0.2±0.16） W·m-2·℃-1。

基于CMIP5、CMIP6（Zelinka et al.，2016，2020）以及在次網(wǎng)格中嵌套云分辨模式的大氣環(huán)流模式SP-CCSM4（英文全稱：SuperParameterized version of the Community Climate System Model，Bretherton et al.，2014）的研究發(fā)現(xiàn)，隨著氣候增暖，陸地上云量（以低云為主）減少，反射的太陽(yáng)輻射減少，對(duì)氣候變暖起到正反饋。因?yàn)槿狈谟^測(cè)的證據(jù)支持，IPCC AR6認(rèn)為陸地云反饋為正反饋，低信度，給出的最優(yōu)估計(jì)為（0.08±0.08） W·m-2·℃-1。

有證據(jù)顯示，自20世紀(jì)80年代以來(lái)，隨著氣候變暖，中緯度急流發(fā)生向極移動(dòng)。因?yàn)橹芯暥仍浦饕a(chǎn)生于急流風(fēng)暴路徑上的中緯度氣旋中，所以似乎中緯度云也應(yīng)隨著急流一起向極移動(dòng)，相應(yīng)的，被中緯度云反射的太陽(yáng)輻射減少，產(chǎn)生正反饋。然而，近期研究發(fā)現(xiàn)，這個(gè)機(jī)制在實(shí)際中并不適用。中緯度急流向極移動(dòng)不是造成中緯度云反饋的主要原因，反過(guò)來(lái)，急流向極移動(dòng)部分要?dú)w因于中緯度高云的變化（Tselioudis et al.，2016;Li et al.，2019）。有研究發(fā)現(xiàn)，中緯度高云和低云反饋有相互抵消的情況，造成中緯度云量反饋的凈值很小（Grise and Medeiros，2016;Zelinka et al.，2018）。目前，有關(guān)中緯度云量反饋，觀測(cè)和模擬只是在定性上面達(dá)成一致。因此，IPCC AR6給出了一個(gè)中等信度的結(jié)果，最優(yōu)估計(jì)為（0.09±0.1） W·m-2·℃-1。

熱帶外云光學(xué)厚度反饋指的是南大洋（50°～80°S）混合相態(tài)云因氣候變化導(dǎo)致云內(nèi)相態(tài)變化，進(jìn)而影響到云的光學(xué)厚度和輻射效應(yīng)。研究認(rèn)為，隨著氣候變暖，冰晶占主導(dǎo)的云會(huì)變成液滴占主導(dǎo)的云，云滴尺度變小，而數(shù)量增多，云光學(xué)厚度增加，對(duì)氣候產(chǎn)生負(fù)反饋（Boucher et al.，2013;Tan et al.，2019）。CMIP5許多模式對(duì)熱帶外云光學(xué)厚度的負(fù)反饋有所高估，主要原因是對(duì)南大洋云內(nèi)過(guò)冷水含量模擬偏低，隨著氣候變暖，更多的冰云轉(zhuǎn)化為水云（Kay et al.，2016;Tan et al.，2016;Lohmann and Neubauer，2018）。CMIP6一些模式對(duì)云內(nèi)過(guò)冷水含量的模擬有所提高，相應(yīng)的，模擬的熱帶外云光學(xué)厚度負(fù)反饋有所減小，與觀測(cè)得到的結(jié)果更接近（Bodas-Salcedo et al.，2019;Gettelman et al.，2019）。AR6認(rèn)為熱帶外云光學(xué)厚度反饋參數(shù)為一個(gè)小的負(fù)值，最優(yōu)估計(jì)是（-0.03±0.05） W·m-2·℃-1，中等信度。

北極地區(qū)的云對(duì)輻射的影響依賴季節(jié)，夏季以反射太陽(yáng)輻射為主，其他季節(jié)以攔截地表長(zhǎng)波輻射為主。因此，北極云反饋也依賴其變化的季節(jié)特征。AR5認(rèn)為隨著氣候變暖，秋冬季北極海冰面積減少，更多開放的海面和水汽通量使得北極云量增加，攔截更多地表長(zhǎng)波輻射，起到正反饋?zhàn)饔?。近幾年，有衛(wèi)星觀測(cè)（Taylor et al.，2015;Morrison et al.，2019）和模式模擬（Lané et al.，2016;Yoshimori et al.，2017）佐證了北極云量與海冰面積之間的協(xié)同變化，以及北極云量變化在秋季比夏季明顯的特征。不過(guò)，有些模式模擬的北極云量反饋的絕對(duì)值非常?。≒ithan and Mauritsen，2014;Morrison et al.，2019）?；谟^測(cè)的結(jié)果也對(duì)分析時(shí)段和所采用的再分析資料比較敏感（Zhang et al.，2018）。綜合考慮，AR6認(rèn)為北極云量反饋參數(shù)為小的正值，低信度，給出的最優(yōu)估計(jì)是（0.01±0.05） W·m-2·℃-1。

對(duì)比表1第二和第三列，不難看出，AR6相比AR5對(duì)云反饋的認(rèn)識(shí)有了明顯的進(jìn)步，尤其是對(duì)副熱帶海洋低云反饋的認(rèn)識(shí)?；谶@些進(jìn)步，AR6認(rèn)為總的云反饋參數(shù)為正值，并具有高信度，給出的最優(yōu)估計(jì)為0.42 [-0.10，0.94] W·m-2·℃-1。

3.5 生物地球物理和非CO2生物地球化學(xué)的反饋

隨著地表氣溫（和伴隨的水循環(huán)）變化，植被的空間分布和/或生物物理性質(zhì)也會(huì)發(fā)生變化;這些變化可以通過(guò)改變地表反照率，或者通過(guò)改變地表動(dòng)量和水汽通量進(jìn)而改變?cè)频男再|(zhì)，最終影響地球輻射收支;這被稱為生物地球物理反饋。

非CO2生物地球化學(xué)反饋指的是，隨著地表氣溫變化，大氣化學(xué)成分（如CH4、N2O、臭氧、氣溶膠等，但CO2和水汽除外）的含量也發(fā)生變化，進(jìn)而影響到地球輻射收支。

目前，針對(duì)兩種生物過(guò)程的反饋雖然也有一些研究，不過(guò)所得結(jié)果之間差別很大，同時(shí)對(duì)相關(guān)過(guò)程的理解還存在很大不足。AR6給出的生物地球物理反饋參數(shù)最優(yōu)估計(jì)為0.15 [0，0.3] W·m-2·℃-1;非CO2生物地球化學(xué)反饋參數(shù)最優(yōu)估計(jì)為-0.16 [-0.37，0.05]W·m-2·℃-1;兩種生物過(guò)程總的反饋參數(shù)最優(yōu)估計(jì)為-0.01 [-0.27，0.25] W·m-2·℃-1;三者均為低信度。

3.6 冰蓋的反饋

IPCC AR6在定義平衡態(tài)氣候敏感度時(shí)沒(méi)有考慮冰蓋（主要在格陵蘭島和南極）的長(zhǎng)期反饋。不過(guò)，它梳理了從AR5到AR6對(duì)冰蓋長(zhǎng)期反饋認(rèn)識(shí)上的進(jìn)步。

隨著氣候變化，冰蓋可以通過(guò)影響地表反照率（Fyke et al.，2018），以及大氣和海洋環(huán)流的變化（Abe-Ouchi et al.，2015），最終影響地球輻射收支。冰蓋達(dá)到平衡的時(shí)間需要數(shù)千年（Clark et al.，2016），而CMIP5模式的模擬時(shí)間一般在百年以內(nèi)。更長(zhǎng)時(shí)間的氣候-冰蓋耦合模式模擬通常需要簡(jiǎn)化模式的物理過(guò)程，或者采用非同步耦合方法。因此，AR5沒(méi)有對(duì)冰蓋的長(zhǎng)期反饋?zhàn)龀龉烙?jì)。

AR6同樣沒(méi)有給出具體的估計(jì)值，不過(guò)它給了一個(gè)定性估計(jì)：“在幾百年時(shí)間尺度上，冰蓋的反饋參數(shù)可能是負(fù)值（中等信度）;而在幾千年時(shí)間尺度上，冰蓋達(dá)到平衡時(shí)，反饋參數(shù)很可能是正值（高信度）”。該結(jié)論主要來(lái)自模式模擬方面的證據(jù)。其中，Goelzer et al.（2011）對(duì)比了耦合和不耦合冰蓋情況下一個(gè)地球系統(tǒng)模式對(duì)2×CO2的全球地表氣溫響應(yīng)，發(fā)現(xiàn)在千年以內(nèi)，耦合冰蓋情況下的全球地表氣溫響應(yīng)相對(duì)較小。Bronselaer et al.（2018）也有類似的發(fā)現(xiàn)。這支持了在幾百年時(shí)間尺度上冰蓋變化產(chǎn)生負(fù)反饋的結(jié)論。而在更長(zhǎng)時(shí)間尺度上，冰蓋變化產(chǎn)生正反饋的結(jié)論主要來(lái)自古氣候模擬研究（Goldner et al.，2014;Chandan and Peltier，2018;Kennedy-Asser et al.，2019）。

3.7 小結(jié)

除了冰蓋的長(zhǎng)期反饋以外，針對(duì)水汽、大氣溫度直減率、地表反照率、云、以及生物地球物理和非CO2生物地球化學(xué)反饋，IPCC AR6均給出了最優(yōu)估計(jì)值、置信區(qū)間以及可信度。相比AR5，AR6最大的進(jìn)步體現(xiàn)在對(duì)云反饋的認(rèn)識(shí)上，認(rèn)為云在高信度上產(chǎn)生的是正反饋。不過(guò)，云反饋的不確定性區(qū)間仍然是所有反饋中最大的（圖3）。

從圖3還可以看出，除了普朗克反饋之外，其他反饋機(jī)制的α均分布在零附近和正值區(qū)。這使得地球氣候總的反饋參數(shù)相比基礎(chǔ)的普朗克反饋更靠近正值區(qū)。氣候反饋參數(shù)越靠近正值區(qū)，氣候的敏感度越大。換句話來(lái)說(shuō)，除普朗克反饋之外的其他反饋機(jī)制整體上對(duì)氣候變化起放大效應(yīng)。AR6給出了總的氣候反饋參數(shù)的最優(yōu)估計(jì)，為-1.16 [-1.81，-0.51] W·m-2·℃-1。

4 氣候反饋對(duì)氣候平均態(tài)的依賴性

前文的討論都基于一個(gè)假設(shè)，即氣候反饋參數(shù)α是固定不變的，不依賴氣候平均態(tài)。從式1和圖2可以看出，當(dāng)α是固定值，氣候受到一個(gè)初始擾動(dòng)ΔFn后，到它重新恢復(fù)輻射平衡時(shí)（ΔN=0），所經(jīng)歷的氣候變化幅度ΔTs僅與有效輻射強(qiáng)迫ERF大小有關(guān)。這也是為什么在預(yù)測(cè)氣候變化時(shí)要計(jì)算不同因子的有效輻射強(qiáng)迫的原因。不過(guò)，最近的氣候模式模擬和基于古氣候代用資料的分析發(fā)現(xiàn)，氣候反饋參數(shù)α依賴氣候平均態(tài)，并且隨著全球氣候變暖而逐漸增大（圖4）。

在氣候模式模擬中，許多研究發(fā)現(xiàn)隨著CO2濃度不斷加倍（如2×CO2、4×CO2），全球平均地表氣溫的響應(yīng)并不是按照CO2濃度所增加的倍數(shù)線性增長(zhǎng)。這種現(xiàn)象背后的原因至少一部分是隨著氣候平均態(tài)的暖化，氣候敏感度在增加，也就是說(shuō)氣候反饋參數(shù)越來(lái)越靠近正值（Caballero and Huber，2013;Jonko et al.，2013;Meraner et al.，2013;Good et al.，2015;Mauritsen et al.，2019;Zhu et al.，2019）。進(jìn)一步分析發(fā)現(xiàn)，氣候反饋參數(shù)隨氣候暖化而增加的原因是水汽和云反饋的增加（Caballero and Huber，2013;Meraner et al.，2013;Zhu et al.，2019;Rugenstein et al.，2020;Sherwood et al.，2020）。不過(guò)，也有模式模擬研究得出相反的結(jié)論（Duan et al.，2019;Stolpe et al.，2019）。

氣候反饋參數(shù)依賴氣候平均態(tài)的另一個(gè)證據(jù)來(lái)自對(duì)200萬(wàn)年以來(lái)冰期-間冰期循環(huán)的分析。研究發(fā)現(xiàn)，間冰期的氣候反饋參數(shù)相比冰期更靠近正值（von der Heydt et al.，2014;Friedrich et al.，2016;Royer，2016;Khler et al.，2017;Snyder，2019;Stap et al.，2019）?；诟绲臍夂虼觅Y料分析，也證實(shí)了類似現(xiàn)象（Anagnostou et al.，2016，2020;Shaffer et al.，2016）。

AR6結(jié)合模式模擬和古氣候記錄的分析結(jié)果，認(rèn)為氣候反饋參數(shù)隨全球氣候變暖而增加，并具有高信度。

5 結(jié)論與討論

氣候系統(tǒng)中存在多種反饋機(jī)制，包括普朗克反饋、水汽反饋、大氣溫度直減率反饋、地表反照率反饋、云反饋、生物地球物理和生物地球化學(xué)反饋、冰蓋反饋。氣候反饋與氣候敏感度之間有對(duì)應(yīng)關(guān)系，隨著氣候反饋增加，氣候敏感度逐漸增大。

AR6對(duì)總的氣候反饋參數(shù)的最優(yōu)估計(jì)為-1.16 [-1.81，-0.51] W·m-2·℃-1。該值比地球氣候的基礎(chǔ)（普朗克）反饋參數(shù)的最優(yōu)估計(jì)-3.22 [-3.4，-3.0] W·m-2·℃-1更靠近正值區(qū)，表明所有氣候反饋的綜合效應(yīng)是在普朗克反饋的基礎(chǔ)上放大氣候變化的幅度。水汽反饋對(duì)這種放大效應(yīng)的貢獻(xiàn)最大。AR6對(duì)云反饋的認(rèn)識(shí)相比AR5在很多方面都有了提高，尤其是對(duì)副熱帶海洋低云的認(rèn)識(shí)，這使得AR6中云反饋的不確定范圍比AR5中縮小了50%。不過(guò)，在所有反饋機(jī)制中，云反饋的不確定范圍依然是最大的。AR6對(duì)云反饋參數(shù)的最優(yōu)估計(jì)為0.42 [-0.10，0.94] W·m-2·℃-1，并認(rèn)為云反饋為正值是具有高信度的?？梢耘袛?，在百年尺度上準(zhǔn)確預(yù)測(cè)未來(lái)氣候變化，最大的挑戰(zhàn)依然是和云相關(guān)的不確定性，包括云反饋的不確定性、氣溶膠-云相互作用產(chǎn)生的強(qiáng)迫的不確定性。在更長(zhǎng)的時(shí)間尺度上，或者在非常高CO2排放情況下（如4×CO2），還需要考慮與生物相關(guān)的反饋、冰蓋的反饋以及反饋參數(shù)本身隨氣候平均態(tài)的變化。這是我們做不同時(shí)間尺度氣候變化的研究中所需要注意的問(wèn)題。

參考文獻(xiàn)（References）

Abe-Ouchi A，Saito F，Kageyama M，et al.，2015.Ice-sheet configuration in the CMIP5/PMIP3 last glacial maximum experiments[J].Geosci Model Dev，8（11）：3621-3637.doi：10.5194/gmd-8-3621-2015.

Anagnostou E，John E H，Edgar K M，et al.，2016.Changing atmospheric CO2 concentration was the primary driver of early Cenozoic climate[J].Nature，533（7603）：380-384.doi：10.1038/nature17423.

Anagnostou E，John E H，Babila T L，et al.，2020.Proxy evidence for state-dependence of climate sensitivity in the Eocene greenhouse[J].Nat Commun，11：4436.doi：10.1038/s41467-020-17887-x.

Bintanja R，Linden E C，Hazeleger W，2012.Boundary layer stability and Arctic climate change：a feedback study using EC-Earth[J].Clim Dyn，39（11）：2659-2673.doi：10.1007/s00382-011-1272-1.

Bodas-Salcedo A，Mulcahy J P，Andrews T，et al.，2019.Strong dependence of atmospheric feedbacks on mixed-phase microphysics and aerosol-cloud interactions in HadGEM3[J].J Adv Modeling Earth Syst，11（6）：1735-1758.doi：10.1029/2019MS001688.

Bony S，Colman R，Kattsov V M，et al.，2006.How well do we understand and evaluate climate change feedback processes？[J].J Climate，19（15）：3445-3482.doi：10.1175/jcli3819.1.

Bony S，Stevens B，Coppin D，et al.，2016.Thermodynamic control of anvil cloud amount[J].PNAS，113（32）：8927-8932.doi：10.1073/pnas.1601472113.

Boucher O，Randall D，Artaxo P，et al.，2013.Clouds and aerosols[R]//Stocker T，Qin D，Plattner G K，et al.Climate change 2013：the physical science basis.Cambridge and New York：Cambridge University Press.doi：10.1017/cbo9781107415324.016.

Bowman K W，Cressie N，Qu X，et al.，2018.A hierarchical statistical framework for emergent constraints：application to snow-albedo feedback[J].Geophys Res Lett，45（23）：13050-13059.doi：10.1029/2018GL080082.

Bretherton C S，2015.Insights into low-latitude cloud feedbacks from high-resolution models[J].Philos Trans A Math Phys Eng Sci，373（2054）.doi：10.1098/rsta.2014.0415.doi：10.1098/rsta.2014.0415.

Bretherton C S，Blossey P N，Stan C，2014.Cloud feedbacks on greenhouse warming in the superparameterized climate model SP-CCSM4[J].J Adv Modeling Earth Syst，6（4）：1185-1204.doi：10.1002/2014MS000355.

Bronselaer B，Winton M，Griffies S M，et al.，2018.Change in future climate due to Antarctic meltwater[J].Nature，564（7734）：53-58.doi：10.1038/s41586-018-0712-z.

Caballero R，Huber M，2013.State-dependent climate sensitivity in past warm climates and its implications for future climate projections[J].PNAS，110（35）：14162-14167.doi：10.1073/pnas.1303365110.

Caldwell P M，Zelinka M D，Taylor K E，et al.，2016.Quantifying the sources of intermodel spread in equilibrium climate sensitivity[J].J Climate，29（2）：513-524.doi：10.1175/jcli-d-15-0352.1.

曹龍，2021a.IPCC AR6解讀之氣候系統(tǒng)對(duì)太陽(yáng)輻射干預(yù)響應(yīng)[J].氣候變化研究進(jìn)展. Cao L，2021a.Climate system response to carbon dioxide removal[J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.170.（in Chinese）.

曹龍，2021b.IPCC AR6報(bào)告解讀：氣候系統(tǒng)對(duì)二氧化碳移除響應(yīng)[J].氣候變化研究進(jìn)展. Cao L，2021b.Climate system response to carbon dioxide removal[J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.169.（in Chinese）.

Cao Y F，Liang S L，Chen X N，et al.，2015.Assessment of sea ice albedo radiative forcing and feedback over the Northern Hemisphere from 1982 to 2009 using satellite and reanalysis data[J].J Climate，28（3）：1248-1259.doi：10.1175/jcli-d-14-00389.1.

Chandan D，Peltier W R，2018.On the mechanisms of warming the mid-Pliocene and the inference of a hierarchy of climate sensitivities with relevance to the understanding of climate futures[J].Clim Past，14（6）：825-856.doi：10.5194/cp-14-825-2018.

Chen X L，Zhou T J，Wu P L，et al.，2020.Emergent constraints on future projections of the western North Pacific Subtropical High[J].Nat Commun，11：2802.doi：10.1038/s41467-020-16631-9.

Chepfer H，Noel V，Winker D，et al.，2014.Where and when will we observe cloud changes due to climate warming？[J].Geophys Res Lett，41（23）：8387-8395.doi：10.1002/2014GL061792.

Chung E S，Soden B，Sohn B J，et al.，2014.Upper-tropospheric moistening in response to anthropogenic warming[J].PNAS，111（32）：11636-11641.doi：10.1073/pnas.1409659111.

Clark P U，Shakun J D，Marcott S A，et al.，2016.Consequences of twenty-first-century policy for multi-millennial climate and sea-level change[J].Nat Clim Change，6（4）：360-369.doi：10.1038/nclimate2923.

Colman R，Hanson L，2017.On the relative strength of radiative feedbacks under climate variability and change[J].Clim Dyn，49（5/6）：2115-2129.doi：10.1007/s00382-016-3441-8.

Crook J A，F(xiàn)orster P M，2014.Comparison of surface albedo feedback in climate models and observations[J].Geophys Res Lett，41（5）：1717-1723.doi：10.1002/2014GL059280.

Dessler A E，2013.Observations of climate feedbacks over 2000—10 and comparisons to climate models[J].J Climate，26（1）：333-342.doi：10.1175/jcli-d-11-00640.1.

Donohoe A，Battisti D S，2011.Atmospheric and surface contributions to planetary albedo[J].J Climate，24（16）：4402-4418.doi：10.1175/2011jcli3946.1.

Donohoe A，Blanchard-Wrigglesworth E，Schweiger A，et al.，2020.The effect of atmospheric transmissivity on model and observational estimates of the sea ice albedo feedback[J].J Climate，33（13）：5743-5765.doi：10.1175/jcli-d-19-0674.1.

Duan L，Cao L，Caldeira K，2019.Estimating contributions of sea ice and land snow to climate feedback[J].J Geophys Res：Atmos，124（1）：199-208.doi：10.1029/2018JD029093.

Emanuel K，Wing A A，Vincent E M，2014.Radiative-convective instability[J].J Adv Modeling Earth Syst，6（1）：75-90.doi：10.1002/2013MS000270.

Flanner M G，Zender C S，2006.Linking snowpack microphysics and albedo evolution[J].J Geophys Res：Atmos，111（D12）：D12208.doi：10.1029/2005JD006834.

Flanner M G，Shell K M，Barlage M，et al.，2011.Radiative forcing and albedo feedback from the Northern Hemisphere cryosphere between 1979 and 2008[J].Nat Geosci，4（3）：151-155.doi：10.1038/ngeo1062.

Forster P，T Storelvmo，K Armour，et al.，2021.The Earth’s Energy Budget，Climate Feedbacks，and Climate Sensitivity[R]//Climate Change 2021：The Physical Science Basis.Contribution of Working Group Ito the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge University Press（in press）.

Friedrich T，Timmermann A，Tigchelaar M，et al.，2016.Nonlinear climate sensitivity and its implications for future greenhouse warming[J].Sci Adv，2（11）：e1501923.doi：10.1126/sciadv.1501923.

Fyke J，Sergienko O，Lfverstrm M，et al.，2018.An overview of interactions and feedbacks between ice sheets and the earth system[J].Rev Geophys，56（2）：361-408.doi：10.1029/2018RG000600.

Gettelman A，Sherwood S C，2016.Processes responsible for cloud feedback[J].Curr Clim Change Rep，2（4）：179-189.doi：10.1007/s40641-016-0052-8.

Gettelman A，Hannay C，Bacmeister J T，et al.，2019.High climate sensitivity in the community earth system model version 2 （CESM2）[J].Geophys Res Lett，46（14）：8329-8337.doi：10.1029/2019GL083978.

Goelzer H，Huybrechts P，Loutre M F，et al.，2011.Impact of Greenland and Antarctic ice sheet interactions on climate sensitivity[J].Clim Dyn，37（5/6）：1005-1018.doi：10.1007/s00382-010-0885-0.

Goldner A，Herold N，Huber M，2014.Antarctic glaciation caused ocean circulation changes at the Eocene-Oligocene transition[J].Nature，511（7511）：574-577.doi：10.1038/nature13597.

Good P，Lowe J A，Andrews T，et al.，2015.Nonlinear regional warming with increasing CO2 concentrations[J].Nat Clim Change，5（2）：138-142.doi：10.1038/nclimate2498.

Gordon N D，Jonko A K，F(xiàn)orster P M，et al.，2013.An observationally based constraint on the water-vapor feedback[J].J Geophys Res：Atmos，118（22）：12435-12443.doi：10.1002/2013JD020184.

Grise K M，Medeiros B，2016.Understanding the varied influence of midlatitude jet position on clouds and cloud radiative effects in observations and global climate models[J].J Climate，29（24）：9005-9025.doi：10.1175/jcli-d-16-0295.1.

Hartmann D L，Larson K，2002.An important constraint on tropical cloud-climate feedback[J].Geophys Res Lett，29（20）：12-1.doi：10.1029/2002GL015835.

Held I M，Soden B J，2000.Water vapor feedback and global warming[J].Annu Rev Energy Environ，25（1）：441-475.doi：10.1146/annurev.energy.25.1.441.

Huang Y，Wang Y W，Huang H，2020.Stratospheric water vapor feedback disclosed by a locking experiment[J].Geophys Res Lett，47（12）：e2020GL087987.doi：10.1029/2020GL087987.

Huang Y，Zhang M H，Xia Y，et al.，2016.Is there a stratospheric radiative feedback in global warming simulations？[J].Clim Dyn，46（1/2）：177-186.doi：10.1007/s00382-015-2577-2.

IPCC，2021.Climate Change 2021：The Physical Science Basis[R]//Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge and New York：Cambridge University Press.（in press）.

姜大膀，王娜，2021.IPCC AR6解讀之水循環(huán)變化[J].氣候變化研究進(jìn)展.doi：10.12006/j.issn.1673-1719.2021.160. Jiang D B，Wang N，2021.Water cycle changes：interpretation of IPCC Sixth Assessment Report [J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.160.（in Chinese）.

姜大膀，王曉欣，2021.對(duì)IPCC第六次評(píng)估報(bào)告中有關(guān)干旱變化的解讀[J].大氣科學(xué)學(xué)報(bào)，44（5）：650-653. Jiang D B，Wang X X，2021.A brief interpretation of drought change from IPCC Sixth Assessment Resport[J].Trans Atmos Sci，44（5）：650-653.doi：10.13878/j.cnki.dqkxxb.20210810007.（in Chinese）

Jonko A K，Shell K M，Sanderson B M，et al.，2013.Climate feedbacks in CCSM3 under changing CO2 forcing.part Ⅱ：variation of climate feedbacks and sensitivity with forcing[J].J Climate，26（9）：2784-2795.doi：10.1175/jcli-d-12-00479.1.

Kawai H，Koshiro T，Webb M J，2017.Interpretation of factors controlling low cloud cover and low cloud feedback using a unified predictive index[J].J Climate，30（22）：9119-9131.doi：10.1175/jcli-d-16-0825.1.

Kay J E，Bourdages L，Miller N B，et al.，2016.Evaluating and improving cloud phase in the Community Atmosphere Model version 5 using spaceborne lidar observations[J].J Geophys Res：Atmos，121（8）：4162-4176.doi：10.1002/2015JD024699.

Kennedy-Asser A T，Lunt D J，F(xiàn)arnsworth A，et al.，2019.Assessing mechanisms and uncertainty in modeled climatic change at the Eocene-Oligocene transition[J].Paleoceanogr Paleoclimatology，34（1）：16-34.doi：10.1029/2018PA003380.

Khairoutdinov M，Emanuel K，2013.Rotating radiative-convective equilibrium simulated by a cloud-resolving model[J].J Adv Modeling Earth Syst，5（4）：816-825.doi：10.1002/2013MS000253.

Klein S A，Hall A，Norris J R，et al.，2017.Low-cloud feedbacks from cloud-controlling factors：a review[J].Surv Geophys，38（6）：1307-1329.doi：10.1007/s10712-017-9433-3.

Khler P，Stap L B，Von der Heydt A S，et al.，2017.A state-dependent quantification of climate sensitivity based on paleodata of the last 2.1 million years[J].Paleoceanography，32（11）：1102-1114.doi：10.1002/2017PA003190.

Lané A，Yoshimori M，Abe-Ouchi A，2016.Surface arctic amplification factors in CMIP5 models：land and oceanic surfaces and seasonality[J].J Climate，29（9）：3297-3316.doi：10.1175/jcli-d-15-0497.1.

Li Y，Thompson D W J，Bony S，et al.，2019.Thermodynamic control on the poleward shift of the extratropical jet in climate change simulations：the role of rising high clouds and their radiative effects[J].J Climate，32（3）：917-934.doi：10.1175/jcli-d-18-0417.1.

廖宏，謝佩芙，2021.IPCC AR6解讀之短壽命氣候強(qiáng)迫因子的氣候及環(huán)境效應(yīng)[J].氣候變化研究進(jìn)展. Liao H，Xie P F，2021.The roles of Short-lived Climate Forcers in a changing climate [J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.162.（in Chinese）.

廖宏，高瑜成，陳東林，等，2021.空氣污染-氣候相互作用：IPCC AR6的結(jié)論解讀[J].大氣科學(xué)學(xué)報(bào)，44（5）：658-666. Liao H，Gao Y C，Chen D L.，et al.，2021.Assessment of air quiality-climate interactions in IPCC AR6 [J].Trans Atmos Sci，44（5）：658-666.doi：10.13878/j.cnki.dqkxxb.20210823011.（in Chinese）.

Lindzen R S，Chou M D，Hou A Y，2001.Does the earth have an adaptive infrared iris？[J].Bull Amer Meteor Soc，82（3）：417-432.doi：10.1175/1520-0477（2001）082<0417：dtehaa>2.3.co;2.

Liu R，Su H，Liou K N，et al.，2018.An assessment of tropospheric water vapor feedback using radiative kernels[J].J Geophys Res：Atmos，123（3）：1499-1509.doi：10.1002/2017JD027512.

Lohmann U，Neubauer D，2018.The importance of mixed-phase and ice clouds for climate sensitivity in the global aerosol-climate model ECHAM6-HAM2[J].Atmos Chem Phys，18（12）：8807-8828.doi：10.5194/acp-18-8807-2018.

Manabe S，Wetherald R T，1975.The effects of doubling the CO2 Concentration on the climate of a general circulation model[J].J Atmos Sci，32（1）：3-15.doi：10.1175/1520-0469（1975）0320003：teodtc>2.0.co;2.

Mauritsen T，Bader J，Becker T，et al.，2019.Developments in the MPI-M earth system model version 1.2 （MPI-ESM1.2） and its response to increasing CO2[J].J Adv Modeling Earth Syst，11（4）：998-1038.doi：10.1029/2018MS001400.

Meraner K，Mauritsen T，Voigt A，2013.Robust increase in equilibrium climate sensitivity under global warming[J].Geophys Res Lett，40（22）：5944-5948.doi：10.1002/2013GL058118.

Morrison A L，Kay J E，F(xiàn)rey W R，et al.，2019.Cloud response to arctic sea ice loss and implications for future feedback in the CESM1 climate model[J].J Geophys Res：Atmos，124（2）：1003-1020.doi：10.1029/2018JD029142.

Myers T A，Norris J R，2016.Reducing the uncertainty in subtropical cloud feedback[J].Geophys Res Lett，43（5）：2144-2148.doi：10.1002/2015GL067416.

Narenpitak P，Bretherton C S，Khairoutdinov M F，2020.The role of multiscale interaction in tropical cyclogenesis and its predictability in near-global aquaplanet cloud-resolving simulations[J].J Atmos Sci，77（8）：2847-2863.doi：10.1175/jas-d-20-0021.1.

Norris J R，Allen R J，Evan A T，et al.，2016.Evidence for climate change in the satellite cloud record[J].Nature，536（7614）：72-75.doi：10.1038/nature18273.

Pistone K，Eisenman I，Ramanathan V，2014.Observational determination of albedo decrease caused by vanishing Arctic sea ice[J].PNAS，111（9）：3322-3326.doi：10.1073/pnas.1318201111.

Pithan F，Mauritsen T，2014.Arctic amplification dominated by temperature feedbacks in contemporary climate models[J].Nat Geosci，7（3）：181-184.doi：10.1038/ngeo2071.

Qu X，Hall A，2007.What controls the strength of snow-albedo feedback？[J].J Climate，20（15）：3971-3981.doi：10.1175/jcli4186.1.

Qu X，Hall A，Klein S A，et al.，2015.Positive tropical marine low-cloud cover feedback inferred from cloud-controlling factors[J].Geophys Res Lett，42（18）：7767-7775.doi：10.1002/2015GL065627.

Rose B E J，Armour K C，Battisti D S，et al.，2014.The dependence of transient climate sensitivity and radiative feedbacks on the spatial pattern of ocean heat uptake[J].Geophys Res Lett，41（3）：1071-1078.doi：10.1002/2013GL058955.

Royer D L，2016.Climate sensitivity in the geologic past[J].Annu Rev Earth Planet Sci，44（1）：277-293.doi：10.1146/annurev-earth-100815-024150.

Rugenstein M，Bloch-Johnson J，Gregory J，et al.，2020.Equilibrium climate sensitivity estimated by equilibrating climate models[J].Geophys Res Lett，47（4）：e2019GL083898.doi：10.1029/2019GL083898.

Saint-Lu M，Bony S，Dufresne J L，2020.Observational evidence for a stability iris effect in the tropics[J].Geophys Res Lett，47（14）：e2020GL089059.doi：10.1029/2020GL089059.

Schneider A，F(xiàn)lanner M，Perket J，2018.Multidecadal variability in surface albedo feedback across CMIP5 models[J].Geophys Res Lett，45（4）：1972-1980.doi：10.1002/2017GL076293.

Shaffer G，Huber M，Rondanelli R，et al.，2016.Deep time evidence for climate sensitivity increase with warming[J].Geophys Res Lett，43（12）：6538-6545.doi：10.1002/2016GL069243.

Sherwood S C，Webb M J，Annan J D，et al.，2020.An assessment of earths climate sensitivity using multiple lines of evidence[J].Rev Geophys，58（4）：e2019RG000678.doi：10.1029/2019RG000678.

Snyder C W，2019.Revised estimates of paleoclimate sensitivity over the past 800 000 years[J].Clim Change，156（1/2）：121-138.doi：10.1007/s10584-019-02536-0.

Soden B J，Held I M，2006.An assessment of climate feedbacks in coupled ocean-atmosphere models[J].J Climate，19（14）：3354-3360.doi：10.1175/jcli3799.1.

Soden B J，Jackson D L，Ramaswamy V，et al.，2005.The radiative signature of upper tropospheric moistening[J].Science，310（5749）：841-844.doi：10.1126/science.1115602.

Stap L B，Khler P，Lohmann G，2019.Including the efficacy of land ice changes in deriving climate sensitivity from paleodata[J].Earth Syst Dynam，10（2）：333-345.doi：10.5194/esd-10-333-2019.

Stein T H M，Holloway C E，Tobin I，et al.，2017.Observed relationships between cloud vertical structure and convective aggregation over tropical ocean[J].J Climate，30（6）：2187-2207.doi：10.1175/jcli-d-16-0125.1.

Stolpe M B，Medhaug I，Beyerle U，et al.，2019.Weak dependence of future global mean warming on the background climate state[J].Clim Dyn，53（7/8）：5079-5099.doi：10.1007/s00382-019-04849-3.

孫穎，2021.人類活動(dòng)對(duì)氣候系統(tǒng)的影響：解讀IPCC第六次評(píng)估報(bào)告第一工作組報(bào)告第三章[J].大氣科學(xué)學(xué)報(bào)，44（5）：654-657. Sun，2021.Human influence on the climate system：an interpretation of WGⅠ Report of IPCC AR6 [J].Trans Atmos Sci，44（5）：654-657.（in Chinese）.

Tan I，Storelvmo T，Zelinka M D，2016.Observational constraints on mixed-phase clouds imply higher climate sensitivity[J].Science，352（6282）：224-227.doi：10.1126/science.aad5300.

Tan I，Oreopoulos L，Cho N，2019.The role of thermodynamic phase shifts in cloud optical depth variations with temperature[J].Geophys Res Lett，46（8）：4502-4511.doi：10.1029/2018GL081590.

Taylor P C，Kato S，Xu K M，et al.，2015.Covariance between Arctic sea ice and clouds within atmospheric state regimes at the satellite footprint level[J].J Geophys Res：Atmos，120（24）：12656-12678.doi：10.1002/2015JD023520.

Tselioudis G，Lipat B R，Konsta D，et al.，2016.Midlatitude cloud shifts，their primary link to the Hadley cell，and their diverse radiative effects[J].Geophys Res Lett，43（9）：4594-4601.doi：10.1002/2016GL068242.

Tuzet F，Dumont M，Lafaysse M，et al.，2017.A multilayer physically based snowpack model simulating direct and indirect radiative impacts of light-absorbing impurities in snow[J].Cryosphere，11（6）：2633-2653.doi：10.5194/tc-11-2633-2017.

Vial J，Dufresne J L，Bony S，2013.On the interpretation of inter-model spread in CMIP5 climate sensitivity estimates[J].Clim Dyn，41（11/12）：3339-3362.doi：10.1007/s00382-013-1725-9.

Wang F，Zhang H，Chen Q，et al.，2020.Analysis of short-term cloud feedback in east Asia using cloud radiative kernels[J].Adv Atmos Sci，37（9）：1007-1018.doi：10.1007/s00376-020-9281-9.

王文，傅文睿，2021.IPCC AR6報(bào)告解讀：“產(chǎn)生影響的氣候因子”評(píng)估框架[J].氣候變化研究進(jìn)展. Wang W，F(xiàn)u W R，2021.The climatic impact driver framework[J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.190.（in Chinese）.

Wing A A，Stauffer C L，Becker T，et al.，2020.Clouds and convective self-aggregation in a multimodel ensemble of radiative-convective equilibrium simulations[J].J Adv Modeling Earth Syst，12（9）：e2020MS002138.doi：10.1029/2020MS002138.

Yoshimori M，Abe-Ouchi A，Lané A，2017.The role of atmospheric heat transport and regional feedbacks in the Arctic warming at equilibrium[J].Clim Dyn，49（9/10）：3457-3472.doi：10.1007/s00382-017-3523-2.

余榮，翟盤茂，2021.關(guān)于復(fù)合型極端事件的新認(rèn)識(shí)和啟示[J].大氣科學(xué)學(xué)報(bào)，44（5）：645-649. Yu R，Zhai P M，2021.Advances in scientific understanding on compound extreme events[J].Trans Atmos Sci，44（5）：645-649.（in Chinese）.

Zelinka M D，Zhou C，Klein S A，2016.Insights from a refined decomposition of cloud feedbacks[J].Geophys Res Lett，43（17）：9259-9269.doi：10.1002/2016GL069917.

Zelinka M D，Grise K M，Klein S A，et al.，2018.Drivers of the low-cloud response to poleward jet shifts in the North Pacific in observations and models[J].J Climate，31（19）：7925-7947.doi：10.1175/jcli-d-18-0114.1.

Zelinka M D，Myers T A，McCoy D T，et al.，2020.Causes of higher climate sensitivity in CMIP6 models[J].Geophys Res Lett，47（1）：e2019GL085782.doi：10.1029/2019GL085782.

張華，謝冰，劉煜，等，2017a.東亞地區(qū)云對(duì)地球輻射收支和降水變化的影響研究[J].中國(guó)基礎(chǔ)科學(xué)，19（5）：18-22，28. Zhang H，Xie B，Liu Y，et al.，2017a.Study on the influence of clouds on the earth radia-tion budget and precipitation changes in east A-sia region[J].China Basic Sci，19（5）：18-22，28.doi：10.3969/j.issn.1009-2412.2017.05.004.（in Chinese）.

張華，王志立，趙樹云，等，2017b.大氣氣溶膠及其氣候效應(yīng)[M].北京：氣象出版社. Zhang H，Wang Z L，Zhao S Y，et al.，2017b.Atmospheric aerosols and their climate effects [M].Beijing：China Meteorological Press.（in Chinese）.

張華，荊現(xiàn)文，彭杰，等，2019.云輻射與氣候[M].北京：氣象出版社. Zhang H，Jing X W，Peng J，et al.，2019.Cloud radiation and climate [M].Beijing：China Meteorological Press.（in Chinese）.

張華，王菲，汪方等，2021a.全球氣候變化中的云輻射反饋?zhàn)饔醚芯窟M(jìn)展[J].中國(guó)科學(xué). Zhang H，Wang F，Wang F，et al.，2021a.Advances in cloud radiative feedbacks in global climate change [J].Scientia Sinica Terrae.doi：10.1360/SSTe-2021-0052.（in Chinese）.

張華，王菲，趙樹云等，2021b.對(duì)IPCC第六次評(píng)估報(bào)告關(guān)于地球能量收支、氣候反饋和氣候敏感度的解讀[J].氣候變化研究進(jìn)展. Zhang H，Wang F，Zhao S Y，2021b.Interpretation of the IPCC sixth assessment report on the Earth’s energy budget，climate feedbacks，and climate sensitivity[J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.191.（in Chinese）.

Zhang R D，Wang H L，F(xiàn)u Q，et al.，2018.Local radiative feedbacks over the arctic based on observed short-term climate variations[J].Geophys Res Lett，45（11）：5761-5770.doi：10.1029/2018GL077852.

Zhang R D，Wang H L，F(xiàn)u Q，et al.，2019.Unraveling driving forces explaining significant reduction in satellite-inferred Arctic surface albedo since the 1980s[J].PNAS，116（48）：23947-23953.doi：10.1073/pnas.1915258116.

周波濤，2021.全球氣候變暖：淺談AR5到AR6的認(rèn)知進(jìn)展[J].大氣科學(xué)學(xué)報(bào)，44（5）：667-671. Zhou B T，2021.Global warming：scientific progress from AR5 to AR6 [J].Trans Atmos Sci，44（5）：667-671.（in Chinese）.

周波濤，錢進(jìn)，2021.IPCC AR6報(bào)告解讀：極端天氣氣候事件變化[J].氣候變化研究進(jìn)展. Zhou B T，Qian J，2021.Changes in weather and climate extremes [J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.167.（in Chinese）.

Zhu J，Poulsen C J，Tierney J E，2019.Simulation of Eocene extreme warmth and high climate sensitivity through cloud feedbacks[J].Sci Adv，5（9）：eaax1874.doi：10.1126/sciadv.aax1874.

左志燕，肖棟，2021.IPCC AR6解讀之從全球到區(qū)域氣候變化[J].氣候變化研究進(jìn)展. Zuo Z Y，Xiao D，2021.Linking global to regional climate change [J].Climate Change Research.doi：10.12006/j.issn.1673-1719.2021.176.（in Chinese）.

New understandings of the feedback mechanisms in the earth climate system in IPCC AR6

ZHAO Shuyun1，KONG Linghan1，ZHANG Hua1，2，WANG Wuke1，ZHAO Shuyu3，MA Xinyu1，WU Danyang1

1Department of Atmospheric Science，School of Environmental Studies，China University of Geosciences，Wuhan 430078，China;

2State Key Laboratory of Severe Weather，Chinese Academy of Meteorological Sciences，Beijing 100081，China;

3Ningbo Meteorological Bureau，Ningbo 315012，China

Climate feedback reflects the adaptation process of the climate system to external interference，and affects the prediction of future climate change to a great extent.This paper summarizes the content on climate feedback in the Sixth Assessment Report （AR6） of the Intergovernmental Panel on Climate Change （IPCC）.In AR6，the understanding of cloud feedback has been improved greatly compared with that in AR5，especiallythe feedback of low clouds over the Subtropical Ocean.The net cloud feedback parameter is assessed to be positive with high confidence in AR6，which plays an amplification effect on climate change..However，the uncertainty range of cloud feedback is still the largest in all feedback mechanisms.Apart from Planck feedback，all the other feedbacks （water vapor，temperature lapse rate，land surface albedo，cloud，bio-geophysical and non-CO2 biogeochemical feedback） are positive or near zero，generally amplifying climate change.The estimate of general climate feedback parameter in AR6 is -1.16 W·m-2·℃-1，with a 5%—95% confidenceinterval of [-1.81，-0.51] W·m-2·℃-1.With global warming，the climate feedback parameters are likely to be closer to the positive value.

climate feedback;IPCC;AR6

doi：10.13878/j.cnki.dqkxxb.20210920001

（責(zé)任編輯：袁東敏）