IPCC AR6對地球氣候系統中反饋機制的新認識

趙樹云,孔鈴涵,張華,王五科,趙淑雨,馬馨宇,吳丹陽

摘要 氣候反饋反映了氣候系統內部對外界干擾的適應過程，在很大程度上影響對未來氣候變化的預估。本文對政府間氣候變化專門委員會（IPCC）第六次評估報告（AR6）中有關氣候反饋的內容進行了梳理。相比第五次評估報告（AR5），AR6對云反饋的認識有了較大提高，尤其是副熱帶海洋上空低云的反饋。AR6認為在高信度上云反饋參數為正值，即對氣候變化起到一種放大效應。不過，云反饋的不確定范圍在所有反饋機制中依然是最大的。除了普朗克反饋外，其他反饋機制（包括水汽、溫度直減率、地表反照率、云、生物地球物理和非CO2生物地球化學反饋）均在正值區間或零附近，總體上對氣候變化起到放大效應。AR6對總的氣候反饋的估計值為-1.16 W·m-2·℃-1，5%～95%的置信區間為[-1.81，-0.51] W·m-2·℃-1。隨著氣候平均態的增暖，氣候反饋參數很可能會更靠近正值。

關鍵詞 氣候反饋;IPCC;AR6

外部因素（人類活動、太陽活動變化、火山噴發等）造成氣候變化的根本原因是改變了地氣系統的輻射收支，產生強迫（張華等，2017a，2017b，2019）。反過來，氣候系統也會通過改變自身狀態（地表氣溫、水汽含量、大氣溫度直減率等）使地氣系統重新恢復輻射收支平衡，即氣候反饋過程（張華等，2021a）。人們關注的氣候變化，實際是氣候狀態的變化（如全球地表氣溫的變化幅度），它不僅取決于強迫的大小，也取決于氣候反饋的大小。因此，對氣候反饋的定量化理解水平會直接影響對未來氣候變化預估的準確度。

自IPCC AR6第一工作組報告（WGI）正式發布以來（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（2021）、左志燕和肖棟（2021）以及張華等（2021b）分別對報告不同方向內容進行了解讀。主要包括：相比AR5，AR6對全球氣候變暖和區域氣候變化的新認識;極端天氣氣候事件的變化;干旱發生頻率以及水循環的變化;人類活動對氣候的影響;短壽命氣候強迫因子對氣候和環境的影響;氣候強迫因子對氣候施加影響的認識框架;從能量收支、輻射強迫到氣候反饋;氣候系統如何響應太陽輻射干預和二氧化碳移除等。

張華等（2021b）對AR6 WGI報告有關地球能量收支、氣候反饋和氣候敏感度的內容（Forster et al.，2021）進行了全面的解讀，本文在張華等（2021b）的基礎上細致地解讀了不同氣候反饋機制，主要包括三個方面內容：1）氣候反饋的基本概念、衡量指標以及與氣候敏感度之間的關系;2）氣候系統中的反饋機制類型;3）目前針對不同氣候反饋的定量化估計。對每種氣候反饋機制，都盡可能清楚地描述出基本作用原理、AR6的最優估計值和5%～95%置信區間（下文中方括號內數值）、信度水平、相比IPCC第五次評估報告（AR5）的主要進展。本文在介紹普朗克反饋時，從基礎的斯蒂芬-玻爾茲曼公式出發，推導了普朗克反饋參數的表達式和理論估計值，以便讀者理解為什么說普朗克反饋是地球系統最基礎的氣候反饋。同時，也給出了AR6對普朗克反饋參數的最優估計。之后，本文較為詳細地解讀了AR6 WGI報告中給出的除普朗克反饋之外的其他氣候反饋機制。IPCC評估報告對信度水平的界定主要是依據不同來源的證據（如，理論認識、模式模擬、觀測資料分析、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制時，本文重點梳理了不同來源的證據。需要指出的是，和生物過程相關的反饋機制僅給出了其基本作用原理、AR6最優估計值及其信度，沒有梳理詳細的證據。原因是雖然和生物過程相關的研究很多，但對其反饋大小進行評估的直接證據較少，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應關系的，AR6中計算氣候敏感度時冰蓋反饋并沒有被考慮在內，主要原因是冰蓋達到平衡需要的時間太長。不過，AR6針對冰蓋反饋給了一個定性的評估，本文也做了簡要的解讀。氣候反饋的大小對氣候平均態有依賴性，AR6對該依賴性進行了評估，本文在最后針對該部分內容也進行了簡要解讀。

1 什么是氣候反饋

1.1 氣候反饋概念與衡量指標

從圖1可以簡單理解氣候反饋的概念，繼而引起一系列氣候響應，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變化、冰蓋變化。反過來，氣候響應也會通過不同反饋機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，那么稱這種機制產生的是正反饋;反之，則為負反饋。在負反饋情況下，地球輻射收支變化會逐漸趨近于零，也就不再產生追加的氣候響應，氣候會在新的平衡態穩定下來;而在正反饋情況下，地球輻射收支變化與氣候響應彼此促進增長，氣候就很難穩定下來。由此可見，氣候響應不僅取決于地球輻射收支的初始變化，還取決于氣候系統中的反饋機制。氣候反饋代表了氣候響應通過一系列機制對地球輻射收支變化的反作用。

圖1是一個相對簡單的示意。實際上在AR6中，針對氣候反饋有著嚴格的界定，即產生氣候反饋的物理、生物地球物理（化學）過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關的過程對地球輻射收支所起的反作用被稱為“調整”，與瞬時輻射強迫一起納入了有效輻射強迫的范疇（Forster et al.，2021）。既然所有氣候反饋均與全球地表氣溫變化有關，在量化氣候反饋時，可以用全球平均地表氣溫（單位：℃）變化（ΔTs）對應的大氣頂凈輻射通量變化來衡量，即氣候反饋參數（以下用α表示）。經過調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“調整”;二者均與ΔTs無關，可以合并在一起，用有效輻射強迫（ERF）表示;ΔN中包含了不同反饋機制對全球平均大氣頂輻射收支的影響。由式（1）可以導出α的表達式：

α=-ERF+ΔNΔTs=ΔNΔTs。（2）

那么，可以分離不同反饋機制對α的貢獻：

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

式中：αi代表不同的氣候反饋參數;xi代表不同反饋機制中的物理量，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系

氣候反饋與氣候敏感度有對應關系。可以用CO2濃度突然加倍（相對于1750年的278×10-6，記做2×CO2）這樣一個理想試驗來理解二者的對應關系。CO2濃度突然加倍，會引起全球平均大氣頂凈輻射通量的變化。由式（1）可知，當全球平均地表氣溫還未響應時，也即ΔTs=0時，ΔN=ERF。可見，ΔTs=0時的全球平均大氣頂凈輻射通量變化即為2×CO2的有效輻射強迫。之后，隨著全球平均地表氣溫的升高，ΔN逐漸減小（圖2）;當ΔN減小至零時，此時的全球平均地表氣溫變化被定義為平衡態氣候敏感度（Equilibrium Climate Sensitivity，簡稱ECS）。將ECS帶入式（1），此時的ΔN=0，可以求出，

α=-ERFECS。（4）

對2×CO2而言，ERF>0，α與ECS是正相關關系。從圖2可以發現，氣候反饋參數α為全球平均大氣頂輻射收支變化與相應的全球平均地表氣溫變化之間的線性回歸系數。

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內部指標。因為不確定性較大，IPCC AR5沒能給出ECS的最優估計值，僅給出了一個可能區間（[1.5，4.5] ℃）。IPCC AR6綜合多種證據（過程理解、儀器記錄、古氣候模擬和涌現約束（Bowman et al.，2018;Chen et al.，2020;張華等，2021a）給出的ECS最優估計值為3 [2，5] ℃（方括號中為5%～95%置信區間），基本排除了低于1.5 ℃的可能性，但是目前的證據無法排除高于5 ℃的可能性。

2 基礎（普朗克）反饋

氣候變化的基礎反饋，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）導致的大氣頂向外發射熱輻射的變化。如果沒有大氣，地球是一個簡單的黑體，那么，普朗克反饋參數可以根據斯蒂芬-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）推導出來。根據式（3），由斯蒂芬-玻爾茲曼公式對地表溫度求導，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;式（5）中之所以有負號，是因為地球向外發射長波對其凈輻射通量起負的貢獻。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）的存在，地氣系統的輻射有效溫度（記作Te）并非地表氣溫，而是大氣層某個高度處（對流層中部）的溫度。可以用參數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Ts求導，可以推導出普朗克反饋參數：

αp=-4σβ4T3s。（6）

根據式（6），并取Ts=288 K（即當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、最普遍的氣候反饋，它揭示了行星的溫度越高向外發射的熱輻射越多這樣一個基本物理事實。

IPCC AR6綜合利用輻射核技術（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劃（CMIP5和CMIP6）給出普朗克反饋參數的最優估計為-3.22[-3.4，-3.0] W·m-2·℃-1。

3 其他反饋機制

3.1 水汽反饋

水汽反饋（以下用αWV表示），又稱大氣絕對濕度反饋，是指隨著全球地表氣溫變化，大氣水汽含量也隨之發生變化，最終影響地球輻射收支。根據克勞修斯-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為地表實際水汽壓，代表單位面積上整個氣柱里水汽的重量;Ts為地表氣溫;Lv為水的汽化潛熱（0 ℃時為2 501×103J·kg-1）;Rv=461.5 J·kg-1·K-1，為水汽的比氣體常數。（7）式還可以寫成：

desrfesrf=LvRvT2sdTs。（8）

根據式（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，這在衛星觀測和模式模擬中均得到證實（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波輻射，減少大氣頂向上輻射通量，從而產生正反饋。根據衛星觀測資料分析，水汽反饋參數αWV的估計值為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估計值為1.77 ± 0.20 W·m-2·℃-1 （Zelinka et al.，2020） ，與從衛星觀測資料中分析得到的結果比較一致。

IPCC AR6并沒有單獨給出水汽反饋參數的最優估計值，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的最優估計值（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，所采用的方法并不統一：一種分離方法在計算大氣溫度直減率反饋時，假設大氣絕對濕度不變;另一種方法在計算大氣溫度直減率反饋時，假設大氣的相對濕度不變。后一種方法會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

因為大氣中溫室氣體和云的存在，地球發射紅外輻射的等效溫度位于比地表冷的對流層中部。因此，如果大氣溫度在垂直方向上的變化是非均勻的，也會導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）就是用來量化這一部分氣候反饋機制。

在熱帶，大氣溫度廓線主要由濕對流決定，大氣層結接近濕絕熱。有研究發現，隨著全球氣候變暖，熱帶地區對流層高層升溫快于低層（Manabe and Wetherald，1975;Bony et al.，2006），增加大氣頂向上長波輻射，對氣候變暖產生負反饋。熱帶外地區大氣溫度廓線由輻射、經向熱傳輸和海洋熱吸收共同決定（Rose et al.，2014）。冬季因為強烈的逆溫導致極地地區對流層低層增暖更快，對氣候產生正反饋（Manabe and Wetherald，1975;Bintanja et al.，2012;Pithan and Mauritsen，2014）。總的來說，熱帶地區大氣溫度直減率反饋占主導地位，導致全球平均大氣溫度直減率表現為負反饋（Soden and Held，2006;Dessler，2013;Vial et al.，2013;Caldwell et al.，2016）。來自再分析資料和衛星觀測資料分析的結果與模式模擬結果相一致，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沒有針對水汽和大氣溫度直減率分別給出最優估計，而是給出了二者總的評估結果。基于對水汽反饋與大氣溫度直減率反饋的物理過程理解，并結合模式、觀測等證據的支持，AR6認為水汽與大氣溫度直減率總體上表現為正反饋，高信度，總的反饋參數αWV+LR的最優估計為1.30 [1.1，1.5] W·m-2·℃-1。

3.3 地表反照率反饋

到達地表的太陽輻射一部分會被反射回太空。當地表反照率因為地表氣溫變化而變化時，被地表反射回太空的太陽輻射也會受到影響，這種反饋機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反映在行星反照率上（Donohoe and Battisti，2011）。地表氣溫變化可以通過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影響海冰和季節性積雪的覆蓋面積（Zhang et al.，2019）;其次是通過影響積雪的變質率和對太陽光有吸收性的雜質顆粒的固結程度（Flanner and Zender，2006;Qu and Hall，2007;Tuzet et al.，2017）;其他方式還有通過影響植被生長狀態、土壤含水量以及海洋粗糙度。

目前，基于觀測的研究對地表反照率反饋參數（αA）的估計值在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最大，為0.8±0.3 W·m-2·℃-1;Donohoe et al.（2020）得到的結果最小，僅0.16±0.04 W·m-2·℃-1。基于觀測的地表反照率反饋參數主要由北半球貢獻，南半球貢獻很小，一方面是因為南半球季節性積雪覆蓋面積有限，另一方面是因為南半球海冰覆蓋面積的變化趨勢相比北半球較小。

基于模式模擬的研究對αA的估計值為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，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綜合基于觀測和模擬的結果，并結合理論推測，認為全球地表反照率反饋參數在高可信度上是正值;對地表反照率參數αA的最優估計為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輻射，對氣候系統起冷卻效應;另一方面可以攔截地表發射的長波輻射，對氣候系統起保溫效應。云對長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;而云對太陽輻射的反射作用主要取決于云的反照率。云（包括云量、云高、云光學性質、云生命時間等）因地表氣溫變化而變化，進而影響地球輻射收支，這種機制即為云反饋（以下用αC表示）。云反饋一直是估計氣候敏感度時最大的不確定性來源。這與云自身種類的多樣性，以及云與輻射、氣溶膠、大尺度環流相互作用機制的復雜性有關。

為了理解復雜的云反饋，一個好的方法是分機制逐一評估（Gettelman and Sherwood，2016）。表1給出了IPCC AR5和AR6評估的不同云反饋機制的正負號和可信度。

隨著氣候增暖，高云云頂高度會升高，這種現象在衛星觀測（Chepfer et al.，2014;Norris et al.，2016;Saint-Lu et al.，2020）、大氣環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。Hartmann and Larson （2002）提出一種機制——云砧溫度不變機制（fixed anvil temperature mechanism），認為隨著氣候增暖，熱帶對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，大氣向外發射長波輻射的等效溫度應與地表溫度等比例升高，而熱帶對流云云頂的輻射亮溫卻保持不變，這顯然對氣候變暖起到了正反饋作用。AR5和AR6均認為高云高度反饋為正反饋，并具有高信度（表1）。AR6給出的最優估計為0.22±0.12 W·m-2·℃-1。

研究發現，隨著海溫升高，熱帶對流云的云砧面積會減小（Emanuel et al.，2014;Stein et al.，2017;Saint-Lu et al.，2020;Wing et al.，2020），導致向上長波輻射增加，對氣候變暖起負反饋作用。這種反饋機制類似于人眼睛上的虹膜，隨著光線強弱，通過調整瞳孔大小控制進光量。因此，有研究把這種熱帶高云云量反饋機制稱為虹膜效應（Lindzen et al.，2001;Bony et al.，2016）。雖然有一些證據證明熱帶高云云量隨著氣候增暖而減少，但模式對其反饋參數的模擬存在很大的不確定性，主要受對流參數化、云微物理參數化和湍流影響。AR6認為熱帶高云云量反饋參數為負值，低信度;給出的最優估計為（-0.15±0.2） W·m-2·℃-1。

一直以來，副熱帶海洋邊界層低云反饋被認為是云反饋模擬中最大的不確定性來源。研究發現，低云的變化可以用若干控制因子來表示，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加強云頂夾卷作用減少低云量，而同時增強的逆溫強度又有利于低云量增加。基于氣候系統模式模擬，并利用從觀測資料中分析的低云量與控制因子之間的關系作為約束，Klein et al.（2017）估算的副熱帶海洋低云反饋參數介于（0.14～0.36） W·m-2·℃-1。Bretherton（2015）利用大渦模式模擬得到的結果為0.2 W·m-2·℃-1。綜合考慮不同來源的證據，IPCC AR6認為副熱帶海洋低云反饋為正反饋，并具有高信度，給出的最優估計為（0.2±0.16） W·m-2·℃-1。

基于CMIP5、CMIP6（Zelinka et al.，2016，2020）以及在次網格中嵌套云分辨模式的大氣環流模式SP-CCSM4（英文全稱：SuperParameterized version of the Community Climate System Model，Bretherton et al.，2014）的研究發現，隨著氣候增暖，陸地上云量（以低云為主）減少，反射的太陽輻射減少，對氣候變暖起到正反饋。因為缺乏基于觀測的證據支持，IPCC AR6認為陸地云反饋為正反饋，低信度，給出的最優估計為（0.08±0.08） W·m-2·℃-1。

有證據顯示，自20世紀80年代以來，隨著氣候變暖，中緯度急流發生向極移動。因為中緯度云主要產生于急流風暴路徑上的中緯度氣旋中，所以似乎中緯度云也應隨著急流一起向極移動，相應的，被中緯度云反射的太陽輻射減少，產生正反饋。然而，近期研究發現，這個機制在實際中并不適用。中緯度急流向極移動不是造成中緯度云反饋的主要原因，反過來，急流向極移動部分要歸因于中緯度高云的變化（Tselioudis et al.，2016;Li et al.，2019）。有研究發現，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，有關中緯度云量反饋，觀測和模擬只是在定性上面達成一致。因此，IPCC AR6給出了一個中等信度的結果，最優估計為（0.09±0.1） W·m-2·℃-1。

熱帶外云光學厚度反饋指的是南大洋（50°～80°S）混合相態云因氣候變化導致云內相態變化，進而影響到云的光學厚度和輻射效應。研究認為，隨著氣候變暖，冰晶占主導的云會變成液滴占主導的云，云滴尺度變小，而數量增多，云光學厚度增加，對氣候產生負反饋（Boucher et al.，2013;Tan et al.，2019）。CMIP5許多模式對熱帶外云光學厚度的負反饋有所高估，主要原因是對南大洋云內過冷水含量模擬偏低，隨著氣候變暖，更多的冰云轉化為水云（Kay et al.，2016;Tan et al.，2016;Lohmann and Neubauer，2018）。CMIP6一些模式對云內過冷水含量的模擬有所提高，相應的，模擬的熱帶外云光學厚度負反饋有所減小，與觀測得到的結果更接近（Bodas-Salcedo et al.，2019;Gettelman et al.，2019）。AR6認為熱帶外云光學厚度反饋參數為一個小的負值，最優估計是（-0.03±0.05） W·m-2·℃-1，中等信度。

北極地區的云對輻射的影響依賴季節，夏季以反射太陽輻射為主，其他季節以攔截地表長波輻射為主。因此，北極云反饋也依賴其變化的季節特征。AR5認為隨著氣候變暖，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，攔截更多地表長波輻射，起到正反饋作用。近幾年，有衛星觀測（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同變化，以及北極云量變化在秋季比夏季明顯的特征。不過，有些模式模擬的北極云量反饋的絕對值非常小（Pithan and Mauritsen，2014;Morrison et al.，2019）。基于觀測的結果也對分析時段和所采用的再分析資料比較敏感（Zhang et al.，2018）。綜合考慮，AR6認為北極云量反饋參數為小的正值，低信度，給出的最優估計是（0.01±0.05） W·m-2·℃-1。

對比表1第二和第三列，不難看出，AR6相比AR5對云反饋的認識有了明顯的進步，尤其是對副熱帶海洋低云反饋的認識。基于這些進步，AR6認為總的云反饋參數為正值，并具有高信度，給出的最優估計為0.42 [-0.10，0.94] W·m-2·℃-1。

3.5 生物地球物理和非CO2生物地球化學的反饋

隨著地表氣溫（和伴隨的水循環）變化，植被的空間分布和/或生物物理性質也會發生變化;這些變化可以通過改變地表反照率，或者通過改變地表動量和水汽通量進而改變云的性質，最終影響地球輻射收支;這被稱為生物地球物理反饋。

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

目前，針對兩種生物過程的反饋雖然也有一些研究，不過所得結果之間差別很大，同時對相關過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最優估計為0.15 [0，0.3] W·m-2·℃-1;非CO2生物地球化學反饋參數最優估計為-0.16 [-0.37，0.05]W·m-2·℃-1;兩種生物過程總的反饋參數最優估計為-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在定義平衡態氣候敏感度時沒有考慮冰蓋（主要在格陵蘭島和南極）的長期反饋。不過，它梳理了從AR5到AR6對冰蓋長期反饋認識上的進步。

隨著氣候變化，冰蓋可以通過影響地表反照率（Fyke et al.，2018），以及大氣和海洋環流的變化（Abe-Ouchi et al.，2015），最終影響地球輻射收支。冰蓋達到平衡的時間需要數千年（Clark et al.，2016），而CMIP5模式的模擬時間一般在百年以內。更長時間的氣候-冰蓋耦合模式模擬通常需要簡化模式的物理過程，或者采用非同步耦合方法。因此，AR5沒有對冰蓋的長期反饋做出估計。

AR6同樣沒有給出具體的估計值，不過它給了一個定性估計：“在幾百年時間尺度上，冰蓋的反饋參數可能是負值（中等信度）;而在幾千年時間尺度上，冰蓋達到平衡時，反饋參數很可能是正值（高信度）”。該結論主要來自模式模擬方面的證據。其中，Goelzer et al.（2011）對比了耦合和不耦合冰蓋情況下一個地球系統模式對2×CO2的全球地表氣溫響應，發現在千年以內，耦合冰蓋情況下的全球地表氣溫響應相對較小。Bronselaer et al.（2018）也有類似的發現。這支持了在幾百年時間尺度上冰蓋變化產生負反饋的結論。而在更長時間尺度上，冰蓋變化產生正反饋的結論主要來自古氣候模擬研究（Goldner et al.，2014;Chandan and Peltier，2018;Kennedy-Asser et al.，2019）。

3.7 小結

除了冰蓋的長期反饋以外，針對水汽、大氣溫度直減率、地表反照率、云、以及生物地球物理和非CO2生物地球化學反饋，IPCC AR6均給出了最優估計值、置信區間以及可信度。相比AR5，AR6最大的進步體現在對云反饋的認識上，認為云在高信度上產生的是正反饋。不過，云反饋的不確定性區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，其他反饋機制的α均分布在零附近和正值區。這使得地球氣候總的反饋參數相比基礎的普朗克反饋更靠近正值區。氣候反饋參數越靠近正值區，氣候的敏感度越大。換句話來說，除普朗克反饋之外的其他反饋機制整體上對氣候變化起放大效應。AR6給出了總的氣候反饋參數的最優估計，為-1.16 [-1.81，-0.51] W·m-2·℃-1。

4 氣候反饋對氣候平均態的依賴性

前文的討論都基于一個假設，即氣候反饋參數α是固定不變的，不依賴氣候平均態。從式1和圖2可以看出，當α是固定值，氣候受到一個初始擾動ΔFn后，到它重新恢復輻射平衡時（ΔN=0），所經歷的氣候變化幅度ΔTs僅與有效輻射強迫ERF大小有關。這也是為什么在預測氣候變化時要計算不同因子的有效輻射強迫的原因。不過，最近的氣候模式模擬和基于古氣候代用資料的分析發現，氣候反饋參數α依賴氣候平均態，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，許多研究發現隨著CO2濃度不斷加倍（如2×CO2、4×CO2），全球平均地表氣溫的響應并不是按照CO2濃度所增加的倍數線性增長。這種現象背后的原因至少一部分是隨著氣候平均態的暖化，氣候敏感度在增加，也就是說氣候反饋參數越來越靠近正值（Caballero and Huber，2013;Jonko et al.，2013;Meraner et al.，2013;Good et al.，2015;Mauritsen et al.，2019;Zhu et al.，2019）。進一步分析發現，氣候反饋參數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，也有模式模擬研究得出相反的結論（Duan et al.，2019;Stolpe et al.，2019）。

氣候反饋參數依賴氣候平均態的另一個證據來自對200萬年以來冰期-間冰期循環的分析。研究發現，間冰期的氣候反饋參數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）。基于更早的氣候代用資料分析，也證實了類似現象（Anagnostou et al.，2016，2020;Shaffer et al.，2016）。

AR6結合模式模擬和古氣候記錄的分析結果，認為氣候反饋參數隨全球氣候變暖而增加，并具有高信度。

5 結論與討論

氣候系統中存在多種反饋機制，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反饋、冰蓋反饋。氣候反饋與氣候敏感度之間有對應關系，隨著氣候反饋增加，氣候敏感度逐漸增大。

AR6對總的氣候反饋參數的最優估計為-1.16 [-1.81，-0.51] W·m-2·℃-1。該值比地球氣候的基礎（普朗克）反饋參數的最優估計-3.22 [-3.4，-3.0] W·m-2·℃-1更靠近正值區，表明所有氣候反饋的綜合效應是在普朗克反饋的基礎上放大氣候變化的幅度。水汽反饋對這種放大效應的貢獻最大。AR6對云反饋的認識相比AR5在很多方面都有了提高，尤其是對副熱帶海洋低云的認識，這使得AR6中云反饋的不確定范圍比AR5中縮小了50%。不過，在所有反饋機制中，云反饋的不確定范圍依然是最大的。AR6對云反饋參數的最優估計為0.42 [-0.10，0.94] W·m-2·℃-1，并認為云反饋為正值是具有高信度的。可以判斷，在百年尺度上準確預測未來氣候變化，最大的挑戰依然是和云相關的不確定性，包括云反饋的不確定性、氣溶膠-云相互作用產生的強迫的不確定性。在更長的時間尺度上，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的反饋、冰蓋的反饋以及反饋參數本身隨氣候平均態的變化。這是我們做不同時間尺度氣候變化的研究中所需要注意的問題。

參考文獻（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解讀之氣候系統對太陽輻射干預響應[J].氣候變化研究進展. 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報告解讀：氣候系統對二氧化碳移除響應[J].氣候變化研究進展. 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，Forster 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，Forster 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解讀之水循環變化[J].氣候變化研究進展.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IPCC第六次評估報告中有關干旱變化的解讀[J].大氣科學學報，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，Farnsworth 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迫因子的氣候及環境效應[J].氣候變化研究進展. 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的結論解讀[J].大氣科學學報，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，Frey 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，Flanner 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.人類活動對氣候系統的影響：解讀IPCC第六次評估報告第一工作組報告第三章[J].大氣科學學報，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報告解讀：“產生影響的氣候因子”評估框架[J].氣候變化研究進展. Wang W，Fu 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.關于復合型極端事件的新認識和啟示[J].大氣科學學報，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.東亞地區云對地球輻射收支和降水變化的影響研究[J].中國基礎科學，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[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作用研究進展[J].中國科學. 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IPCC第六次評估報告關于地球能量收支、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，Fu 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，Fu 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的認知進展[J].大氣科學學報，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，2021.IPCC AR6報告解讀：極端天氣氣候事件變化[J].氣候變化研究進展. 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解讀之從全球到區域氣候變化[J].氣候變化研究進展. 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

（責任編輯：袁東敏）