有效輻射強迫的概念及其最新估值:IPCC AR6解讀

摘要 依據政府間氣候變化專門委員會 （IPCC） 第六次評估報告 （AR6） 第一工作組 （WGI） 報告第七章的內容，詳細介紹了AR6最新定義的有效輻射強迫 （ERF）及其計算方法，并給出了自工業革命以來 （1750—2019年） 各氣候輻射強迫因子ERF的最佳估值。根據AR6的最新評估，工業革命以來總人為ERF的估值為2.72 （1.96～3.48） W·m-2，相較于AR5 估計結果 （1750—2011年） 增長了0.43 W·m-2。2011年后溫室氣體濃度的增加及其輻射效率的修正是造成總人為ERF增加的主要原因。自工業革命以來溫室氣體濃度變化造成的ERF為3.84 （3.46～4.22） W·m-2，二氧化碳仍然是其中的最大貢獻因素 （56％±16％）。而氣溶膠的總ERF （氣溶膠-輻射相互作用 （ERFari） 與氣溶膠-云相互作用 （ERFaci） 的總和） 為-1.1（-1.7～-0.4） W·m-2，其中ERFari貢獻20％～25％，ERFaci貢獻接近75％～80％。AR6中氣溶膠的總ERF的估算相較于AR5在數值上有所增加，而不確定性有所減少。但由于沒有考慮部分重要的調整過程，ERFaci仍然存在較大的不確定性。

關鍵詞IPCC AR6;有效輻射強迫;溫室氣體;氣溶膠

人類活動、太陽活動變化和火山噴發等因素主要是通過擾動地-氣系統的輻射收支，造成輻射強迫來影響全球氣候狀態（如全球地表氣溫等）（張華等，2017）。同時，氣候系統自身狀態在改變后（如地表溫度和大氣各種狀態變量的變化等），也會反過來促使地-氣系統在新的狀態下達到輻射能量收支平衡，即氣候反饋過程 （張華等，2021;王菲等，2022）。張華等 （2021） 簡要解讀了政府間氣候變化專門委員會 （IPCC） 第六次評估報告 （AR6） 第一工作組 （WGI） 報告第七章 （Forster et al.，2021） 有關地球輻射收支和氣候反饋的主要結論，并簡單匯總了AR6給出的自工業革命以來各種人為排放的溫室氣體和氣溶膠及其前體物對有效輻射強迫（ERF）貢獻的最佳估值。但值得注意的是，在理解全球平均地表溫度對輻射收支擾動的響應過程時，AR6 基于強迫-響應-反饋的理論體系重新定義了ERF。相較于傳統的ERF定義 （參考IPCC第五次評估報告 （AR5） 給出的ERF定義，表1），最新定義的ERF不包括地表溫度 （包括陸面和海面溫度） 的響應，只考慮平流層溫度受到擾動后的變化，對流層溫度的響應以及強迫因子對云和大氣環流的影響。上述由強迫因子引起的，且與地表溫度變化無關的過程稱為“調整”。相較于AR5中的“快速調整”，AR6中的“調整”強調了與地表溫度的獨立性，弱化了其快速性。與反饋相比，“調整”是與全球地表氣溫變化無關的過程，而反饋是由全球地表氣溫變化引起的過程。由此可見，AR6最新定義ERF可以更好地區分強迫和反饋。為了與AR6提出的強迫-響應-反饋理論體系相匹配，且更符合ERF的最新定義，需要將大氣層頂能量平衡中去除來自陸面溫度變化的影響才能給出ERF的近似值。因此AR6推薦的計算ERF的方法也在傳統計算方法的基礎上進行了修改。

本文介紹了目前已有的若干輻射強迫的定義和特點，并與AR6第七章中相對應的定義進行了比較;詳細介紹了AR6最新定義的ERF及其計算方法;并總結了自工業革命以來 （1750—2019年） 各種氣候強迫因子ERF的最佳估值。

1 輻射強迫的概念

輻射強迫是衡量不同因素影響氣候變化的重要指標之一，通常指因施加了外部擾動而造成的地球系統能量平衡的凈變化，通常表示為一段時間內平均的、單位面積上變化的瓦特數，可以量化外強迫引入時發生的能量失衡。輻射強迫在科學界得到了廣泛的應用，在比較不同外強迫引起的某些潛在氣候響應，尤其是估計全球平均溫度變化時提供一個簡單而量化的標準。輻射強迫常常表示為兩個時間點 （如工業革命前和現在） 之間凈輻射通量的差值，單位為W·m-2。

目前科學界普遍關注的輻射強迫包括瞬時輻射強迫 （IRF），平流層溫度調整的輻射強迫 （SARF） 和有效輻射強迫（ERF），每一種輻射強迫均有其優缺點 （表1）。在AR6中提出了調整在影響輻射平衡的過程中的重要性，并強調了調整是與地表溫度變化無關的過程，在此基礎上AR6給出多種輻射強迫的新定義：IRF 定義為施加擾動后，不包括任何調整的大氣層頂凈輻射通量的變化;SARF定義為施加擾動后，包括平流層溫度調整的大氣層頂凈輻射通量的變化;ERF是指在保持全球地表溫度 （包括陸面和海面溫度） 不變的情況下，允許對流層和平流層溫度、水汽、云和一些陸面性質 （如植被的地表反照率） 調整后，大氣頂凈輻射通量的變化。值得注意的是，AR6中為了使多種輻射強迫定義的輻射通量所在高度保持一致，將IRF和SARF都定義在大氣層頂，而在以往的研究中二者普遍定義在對流層頂。新定義下的IRF會與對流層頂的IRF凈值存在差異，而SARF凈值在大氣層頂和對流層頂定義下相同。

2 ERF的計算方法

根據AR6最新定義的ERF，一個特定強迫因子的ERF是其IRF與調整的總和，所以原則上可以通過計算IRF并逐一或一起加入調整的貢獻來“自下而上”得到ERF。但不使用綜合的氣候模式 （如CMIP5，CMIP6） 很難得到全球對流層調整或與環流變化相關的調整。

除上述“自下而上”的方式，還有兩種方法可以通過模擬獲得近似的ERF。第一種是線性回歸法：

ΔN=ΔF+αΔT。

其中：ΔN表示大氣頂凈輻射通量的變化;ΔF表示大氣頂凈輻射通量的擾動（可以用ERF來量化）;α表示氣候反饋參數;ΔT是全球地表氣溫的變化（響應）（張華等，2021;趙樹云等，2021）。將大氣頂輻射收支的凈變化與強迫因子變化后全球平均地表溫度的變化進行線性回歸，當ΔT=0時的ΔN即為ERF （ΔF）。基于線性回歸法得到的ERF取決于所用數據的時間分辨率。在模擬的前幾個月，地表溫度變化和平流層溫度調整同時發生，這會錯誤地把平流層溫度調整歸因于地表溫度反饋。而且海表溫度變化也會影響線性回歸法得到的ERF。同時，在多年代際時間尺度上，大氣層頂凈輻射與地表溫度之間關系曲線的曲率也會造成線性回歸法得到的ERF產生偏差。第二種是固定海溫和海冰濃度法 （fSST方法）：由于地球系統模式中控制地表溫度變化是有一定技術難度的，所以大多數模擬研究利用一組包含和不包含強迫因子變化的試驗，并僅固定海溫和海冰濃度來縮小ΔT項。通過比較兩組模擬結果間ΔNfsst的差異給出ERF （ΔFfsst）的近似值。與線性回歸法相比，fSST方法得到的ERF中氣候系統的內部變率引起的不確定性更小。然而，fSST方法需要進行30 a的積分，或十組成員 （每組成員進行20 a積分） 的集合才能將估計結果的精度提高到0.1 W·m-2。值得注意的是，上述兩種方法都不適用于量化評估ERF量級小于等于0.1 W·m-2的強迫因子。

由于fSST方法沒有固定陸地上的近地面溫度 （陸面溫度） 變化ΔTland，同時陸面溫度的變化還將引起對流層溫度和水汽的進一步響應，所以為了符合AR6中對ERF的定義，需要去除這些響應。為了得到ΔTland的響應項，需要預先計算一個內核k（表示每單位陸面溫度變化時大氣層頂凈輻射通量變化），并通過輻射傳輸模型進行估算 （張華等，2021;趙樹云等，2021）。另一種直接計算陸面溫度響應項的方法是使用反饋參數α，該方法得到的響應項的值大約是內核方法的兩倍。由于ERF近似為fSST方法得到的ERF （ΔFfsst）中減去近地面溫度的影響（kΔTland），其中k為負值，因此ERF （ΔFfsst） 比AR6定義的ERF小。Andrews et al.（2021）在模式中固定了陸表溫度 （ΔTland=0），發現4×CO2情況 （四倍于工業革命時期大氣中二氧化碳濃度，后文中的2×CO2同理是指二倍于工業革命時期大氣中二氧化碳濃度） 下的ERF比fSST方法得到的ERF大1.0 W·m-2，充分證明了陸面溫度響應項的重要性。

總體看，利用固定海溫和海冰密集度法（fSST方法）計算ERF比線性回歸法更好一些。fSST方法可以從理論上通過與全球地表氣溫變化是否有關的判斷來更清晰地區分強迫和反饋。需要注意的是，利用fSST方法計算ERF時需要利用輻射核技術去除與陸面溫度響應有關的大氣層頂能量收支變化。

3 ERF的最佳估值

3.1 溫室氣體

如本文第2節所述，地球系統模式可用于估算ERF，由于不同地球系統模式中的輻射方案之間存在差異 （Pincus et al.，2015），僅靠地球系統模式不足以精確計算均勻混合溫室氣體的ERF。因此，可以用高光譜輻射分辨率傳輸模式估算的SARF加上地球系統模式估算的對流層調整項得到溫室氣體的ERF。

3.1.1 二氧化碳 （CO2）

1750—2019年，大氣中二氧化碳濃度從278 ppm（1 ppm=10-6）增加到410 ppm，其中2011—2019 年間濃度上升19 ppm。同時由于光譜數據的更新以及輻射傳輸模式包含了氧化亞氮N2O和CO2的重疊吸收帶 （Etminan et al.，2016），CO2的SARF略有增加 （Meinshausen et al.，2020）。利用地球系統模式，基于fSST方法評估對流層調整項可以發現，對流層水汽、云和地表反照率調整放大了CO2的SARF，而對流層溫度升高和地表溫度響應對CO2的SARF起到相反的作用，二者幾乎相互抵消 （Vial et al.，2013;Zhang and Huang，2014;Smith et al.，2018，2020b）。但為了符合新的ERF定義，需要將地表溫度的響應剔除。Smith et al.（2018）的研究認為不包含地表溫度響應的對流層調整為SARF的+5％。因此，AR6選用了Meinshausen et al.（2020）的擬合公式 （該公式包含N2O和CO2的重疊吸收帶 （Etminan et al.，2016），考慮了對流層調整，并剔除了其中與地表溫度相關的響應），給出1750—2019年CO2濃度變化造成的ERF最佳估值從AR5的（1.82 ± 0.38） W·m-2（1750—2011年） 上調至了（2.16 ±0.26） W·m-2（1750—2019年），其中CO2濃度增加貢獻了+0.27 W·m-2，而光譜數據的更新貢獻了+0.06 W·m-2。

3.1.2 甲烷 （CH4）

1750—2019年，大氣中CH4的濃度從729 ppb（1 ppb=10-9）增加到1 866 ppb，其中2011—2019 年間濃度上升63 ppb。同時，由于更新的光譜數據中增加了CH4的短波吸收，CH4的SARF相比AR5有大幅增加 （Etminan et al.，2016）。不過CH4在短波近紅外區域的吸收導致對流層加熱，進而造成對流層上部云量減少，這使得CH4的ERF減小（14％±15％）（Smith et al.2018），并抵消了大部分其SARF增加的貢獻。AR6給出CH4的ERF最佳估值從AR5的（0.48 ± 0.10） W·m-2 （1750—2011年） 上調至（0.54 ± 0.11） W·m-2 （1750—2019年），其中包括了CH4濃度增加貢獻的+0.03 W·m-2，光譜輻射率修正貢獻的+0.12 W·m-2，以及對流層調整貢獻的-0.08 W·m-2。這里給出的估值為CH4濃度變化造成的ERF，而非其排放變化貢獻的ERF。由于CH4排放的增加可以生成更多的對流層臭氧，并造成平流層水汽增加，因此CH4排放變化產生的強迫要大于其濃度變化產生的強迫。

3.1.3 氧化亞氮 （N2O）

1750—2019年，大氣中N2O濃度從270 ppb增加到332 ppb，其中2011—2019年間濃度上升了7 ppb，并造成其輻射強迫增加了0.02 W·m-2。N2O濃度變化造成的對流層調整貢獻了0.02 W·m-2 （Hodnebrog et al.，2020b）。因此AR6給出N2O的ERF最佳估值從AR5的（0.17±0.06） W·m-2 （1750—2011年） 上調至（0.21±0.03） W·m-2 （1750—2019年）。

3.1.4 鹵化物

由于許多鹵化物的壽命很短，可以認為是短壽命氣候強迫因子 （SLCF）。因此，許多鹵化物并不是“均勻混合”的氣體，在評估其輻射效率 （濃度每增加1 ppb的SARF） 時要考慮它們的垂直分布。2018年世界氣象組織（WMO）更新了許多鹵代化合物的壽命，Hodnebrog et al.（2020a） 利用這些新的數據，重新計算了鹵化物的平流層溫度調整后的輻射效率。AR6基于Hodnebrog et al.（2020a） 計算的鹵化物輻射效率給出1750—2019年鹵化物濃度變化的ERF最佳估計值為（0.408 ± 0.036） W·m-2，相較于AR5的最佳估計值（（0.36±0.036）W·m-2）增加了16％。在ERF的增量中，鹵化物輻射效率的增加和對流層調整貢獻了+0.034 W·m-2，氯氟烴 （CFCs） 替代物 （HCFCs和HFCs） 濃度的增加貢獻了+0.014 W·m-2。

3.1.5 臭氧 （O3）

由于缺乏工業革命前O3的觀測資料，工業革命前到現在對流層O3的輻射強迫主要基于模式模擬研究，因此關于O3的ERF的研究十分有限 （MacIntosh et al.，2016;Xie et al.，2016;Skeie et al.，2020）。由于沒有足夠的研究來評估O3的ERF是否與其SARF不同，且沒有足夠的證據定量計算O3的對流層調整項，所以AR6中假定O3的ERF與其SARF相等。在以往的研究中，通常將O3強迫分為對流層O3強迫和平流層O3強迫兩部分，而這種劃分方法十分依賴于對流層頂的選擇 （Myhre et al.，2013b），同時與O3生產和消耗的劃分不符。因此AR6參考Skeie et al.（2020）基于CMIP6給定的O3前體物排放和O3消耗物質濃度計算得到1850—2010年O3的SARF （（0.41±0.12） W·m-2），并利用最新的整個歷史時期O3前體物排放數據評估1750—1850年和2010—2019年O3的SARF為0.03 W·m-2和0.03 W·m-2 （Checa-Garcia et al.，2018），最終給出1750—2019年期間O3的ERF最佳估計值為0.47 （0.24～0.70） W·m-2。該評估值的不確定性 （5％～95％范圍）達到50％，主要是由于工業化前O3排放的不確定性造成的。

3.1.6 平流層水汽

Winterstein et al.（2019） 定量評估了由CH4引起的平流層水汽變化的SARF約為0.09 W·m-2 （1850—2014年），略大于AR5的評估值（（0.07±0.05）W·m-2）。同時CH4引起的平流層水汽變化的云調整為負值，所以CH4引起的平流層水汽變化的ERF近似為0 W·m-2。然而Wang and Huang（2020）的研究認為由于高云減少和對流層上部變暖，CH4引起的平流層水汽變化的ERF為（0.05±0.05） W·m-2。由于相關研究較少，且未達成統一結果，所以平流層水汽的ERF有待進一步的研究。值得注意的是，對流層上層-平流層下層區域變暖或變冷的物質調整也可能造成平流層水汽的變化，且應作為其ERF的一部分。

3.2 氣溶膠

人類活動，尤其是生物質燃燒和化石燃料燃燒，使氣溶膠及其前體物的排放量大幅增加，從而導致工業革命以來大氣氣溶膠濃度增加。氣溶膠濃度的變化導致大氣對入射太陽輻射的散射和吸收作用發生變化（氣溶膠-輻射相互作用），也影響了云的微觀和宏觀物理過程，從而影響云的輻射特性 （氣溶膠-云相互作用）。氣溶膠濃度變化在空間和時間上的不均勻性，不僅影響了地球的輻射能量收支，還影響了區域空氣質量。

氣溶膠-輻射相互作用的ERF （ERFari） 可以分成瞬時輻射強迫分量 （IRFari） 和由此引發的調整的總和。同樣，人為氣溶膠-云相互作用 （通過改變云滴和／或冰晶的數濃度和尺度大小） 的ERF （ERFaci，在AR5與之前的評估報告以及很多研究中稱之為“氣溶膠間接效應”）也可分為瞬時強迫分量 （IRFaci） 和由此引發的云水含量或云量的調整。ERFaci主要是由大氣氣溶膠濃度變化導致的云凝結核數量變化引起的。同時，大氣中的冰核粒子數量也可能發生變化，從而影響混合相云和卷云（冰云）的性質，最終對ERFaci產生貢獻。

AR6基于觀測和模式模擬兩方面的研究證據給出ERFari和ERFaci的估計結果，并從而得到氣溶膠總ERF （ERFaci+ERFari）。需要注意的是，基于模式模擬可以得到2014年或者之后的年份相對于1750年的ERF估計結果，而基于觀測估算結果通常限制于近10年內 （2010—2020年）。

3.2.1 氣溶膠-輻射相互作用

首先介紹一下基于觀測的評估。近年來 （2011—2020年），很多研究基于氣溶膠遙感或大氣成分數據同化再分析估算IRFari （Quaas et al.，2008;Bellouin et al.，2013b;Ma et al.，2014;Rémy et al.，2018;Kinne，2019），給出的最新IRFari估計值都在AR5的IRFari最佳估值范圍內 （（-0.35±0.5） W·m-2;Boucher et al.，2013），并進一步加深了對人為氣溶膠輻射吸收性的了解。因此AR6綜合近年來的研究成果給出基于觀測獲得的IRFari最佳估值為（-0.4±0.4） W·m-2，相較于AR5的中值略偏向負值，且不確定性范圍有所減少。

其次是基于模式模擬的評估。由于觀測研究僅可用于估計IRFari，而相關的調整項和由此產生的ERFari則需要使用全球氣候模式來計算。目前的排放清單中，大多數主要氣溶膠化合物及其前體物的全球排放量較高，且有增加的趨勢。但其中硫酸鹽氣溶膠前體物SO2的排放是一個例外，近幾十年來SO2的排放量近似恒定 （Hoesly et al.，2018）。Myhre et al.（2017） 結合修正的排放量，基于多模式模擬得到IRFari變化趨勢，發現近年來 （2000年后） 氣溶膠的IRFari的變化趨勢相對平穩。在AR5中，黑碳氣溶膠 （BC）對于IRFari不確定性的貢獻十分顯著，且與氣球觀測相比，模式低估了BC的輻射吸收能力 （Boucher et al.，2013）。綜合考慮排放清單時間分辨率的影響 （Wang et al.，2016）、氣球觀測站的代表性 （Wang et al.，2018）、吸收反演與模式比較的相關問題 （Andrews et al.，2017），以及黑碳氣溶膠老化，生命期和平均光學參數方面的新認知 （Peng et al.，2016;Zanatta et al.，2016;Lund et al.，2018b），Lund et al.（2018a）將CEDS （Community Emissions Data System，社區排放數據系統）的排放數據輸入到化學傳輸模式中，并給出1750—2014年IRFari的估計結果，約為-0.17 W·m-2。參考上述研究結果，AR6給出基于模式模擬的1750—2014年IRFari的最佳估計值為（-0.2±0.2） W·m-2，其絕對值小于AR5給出的最佳估值（（-0.35±0.5）W·m-2） （Myhre et al.，2013a），可能是由于有機氣溶膠吸收性更強，BC的吸收參數得到更新，以及硫酸鹽冷卻作用略微減少。

ERFari的調整主要是由云的變化引起的，也可由溫度直減率和大氣中水汽變化引起，這些調整都主要與吸收性氣溶膠 （如BC） 有關。基于降水驅動因素響應模式比較項目 （PDRMIP） 的模擬結果，發現對于BC而言，約30％～50％的IRFari被云的調整 （具體而言是低云增加與高云減少） 和溫度直減率抵消 （Stjern et al.，2017;Smith et al.，2018;Takemura and Suzuki，2019;Zhao and Suzuki，2019）。雖然基于氣溶膠化學模式比較項目 （AerChemMIP） 的模擬結果認為BC存在負的調整，但該結論還存在很多不確定性 （Allen et al.，2019）。

Zelinka et al.（2014） 利用CMIP5模擬結果估計2000年相對于1850年的ERFari為（-0.27±0.35） W·m-2，但其中未包括吸收性氣溶膠改變大氣熱力結構而引起的云的調整 （在AR5中稱之為氣溶膠的半直接效應）。同樣，Smith et al.（2020b） 基于輻射強迫模式比較計劃 （RFMIP） 的模擬結果也給出了ERFari為（-0.25±0.35）W·m-2。AR6參考上述研究的結果，并增加5％來考慮陸表的冷卻作用的貢獻 （Smith et al.，2020a），給出基于模式模擬的1750—2014年ERFari的值為（-0.25±0.25）W·m-2。

綜合上述兩方面證據的評估，基于觀測和模式模擬估計的IRFari分別為（-0.4±0.4） W·m-2和（-0.2±0.2） W·m-2，均在（-0.45～-0.05） W·m-2的范圍內 （該值是利用基于觀測的人為氣溶膠光學厚度和基于模擬得到的相關氣溶膠光學特性綜合得到的） （Bellouin et al.，2020）。因此，1750—2014年IRFari估值為（-0.25±0.2） W·m-2。基于模式模擬得到的ERFari估值為（-0.25±0.25） W·m-2，相較于模式模擬得到的IRFari（（-0.2±0.2） W·m-2） 更偏向負值，說明ERFari中包含較弱的負調整 （-0.05 W·m-2）。將上述調整加到1750—2014年IRFari估計結果中（（-0.25±0.2） W·m-2），考慮到該調整帶來的額外不確定性，最終得到ERFari估計結果為（-0.3±0.3） W·m-2。

3.2.2 氣溶膠-云相互作用

人為氣溶膠顆粒可作為額外的云凝結核（CCN） 使云滴數濃度 （Nd） 增加，并由此影響水云 （Twomey，1959）。在液水含量不變的情況下，增加云滴數濃度將使得云滴有效半徑 （re） 減小，云反照率增加，并引起負的瞬時輻射強迫 （IRFaci）。隨后，云會通過降低云滴碰并效率來進行調整，從而延遲或抑制降水。降水過程通常會縮短云的壽命，從而降低云水路徑 （LWP，即垂直方向上液態水的積分） 和／或云量 （Cf） 大小，因此任何氣溶膠導致的降水延遲或抑制都會使得云水路徑和／或云量增加。上述調整過程可能導致ERFaci比IRFaci大很多。然而，觀測表明，向非降水云中添加氣溶膠卻會產生相反的效果 （即造成云水路徑和／或云量減少） （Lebsock et al.，2008;Christensen and Stephens，2011）。這主要是因為，在富含氣溶膠的環境中，較小液滴的蒸發會增強，同時與周圍空氣的混合作用增強，從而加速云的消散。氣溶膠也可以作為冰核粒子 （INPs），使過冷水云產生更多的冰晶粒子，從而改變云的輻射特性和／或壽命。然而有研究發現，人為氣溶膠 （尤其是BC） 在混合相態云中作為冰核粒子的能力十分微弱，可以忽略不計 （Vergara-Temprado et al.，2018）。在冰云或卷云中 （云溫度低于-40 ℃），冰核粒子可以在相對濕度遠低于云滴自發凍結所需的相對濕度條件下形成冰晶。因此人為冰核粒子可以影響冰晶數量，從而影響云的輻射特性。已有實驗室中的研究表明，在卷云的溫度下（低于-40 ℃），某些類型BC的確可以作為冰核粒子（Ullrich et al.，2017;Mahrt et al.，2018），這表明人類活動對卷云中冰核粒子的影響不可忽視。此外，人為排放還可以直接影響卷云中可進行自發凍結的云滴數量。

首先介紹基于觀測的評估。近年來 （2011—2020年），基于觀測研究氣溶膠-云相互作用主要是分析衛星反演中氣溶膠和云之間的統計關系，更好地理解反演中的不確定性。研究表明云量和／或云水路徑與氣溶膠之間存在正相關關系 （Nakajima et al.，2001;Kaufman and Koren，2006;Quaas et al.，2009），但非氣溶膠-云相互作用（包括在云周圍高相對濕度環境下氣溶膠的吸濕增長（Grandey et al.，2013），以及在反演云時附近氣溶膠對碎云和云邊緣的散射造成的污染 （Vrnai and Marshak，2015;Christensen et al.，2017）） 顯著影響上述統計關系。此外，還可以通過研究云量和／或云水路徑與云滴數濃度之間的關系來反應氣溶膠和云之間的統計關系。研究普遍認為云量和云滴數濃度間存在正相關關系 （Christensen et al.，2016，2017;Gryspeerdt et al.，2016;Rosenfeld et al.，2019），而云水路徑與云滴數之間的關系仍存在爭議（Michibata et al.，2016;Sato et al.，2018;Gryspeerdt et al.，2019;Rosenfeld et al.，2019;Toll et al.，2019）。為了更好地基于觀測研究氣溶膠排放和云調整的因果關系，部分研究利用在清潔大氣中注入氣溶膠及其前體物進行研究，這種排放情況包括船舶尾跡 （Christensen and Stephens，2011;Goren and Rosenfeld，2014），火山噴發 （Gassó，2008;Yuan et al.，2011;Ebmeier et al.，2014;Malavelle et al.，2017;McCoy et al.，2018;Gryspeerdt et al.，2019） 和氣溶膠源下風向的云 （Toll et al.，2019）。除了云水路徑和云量的調整外，衛星觀測數據還記錄了云頂溫度和氣溶膠光學厚度與氣溶膠指數的比 （AOD／AI） 存在負相關關系 （Koren et al.，2005），但由于衛星反演可能存在虛假關系 （Gryspeerdt et al.，2014），因此二者是否存在系統性的因果關系尚不清楚。目前，只有少數研究基于衛星觀測資料證明冰云的確對人為氣溶膠存在響應 （Gryspeerdt et al.，2018;Zhao et al.，2018），但無法定量給出冰云IRFaci或ERFaci的估計結果。

AR6結合一些基于衛星觀測資料估計水云全球IRFaci的研究 （平均值為（-0.7±0.5） W·m-2） （表2），參考云量調整 （（-0.5±0.4） W·m-2） 和云水路徑調整 （（0.2±0.2） W·m-2） 的研究成果 （Gryspeerdt et al.，2017，2019），給出ERFaci的值和不確定性范圍是（-1.0±0.7） W·m-2。與IRFaci相比，ERFaci的不確定性范圍更大，說明ERFaci的調整項仍存在更大的不確定性。

其次介紹基于模式模擬的評估。在AR5中，ERFaci是氣溶膠總ERF和ERFari的殘差，主要是由于氣溶膠總ERF更容易利用現有模式定量估算。AR5給出的氣溶膠總ERF和ERFari估計結果分別為-0.9和-0.45 W·m-2，因此得出ERFaci估計值為-0.45 W·m-2。這一數值與AR5中基于地球系統模式“自下而上”的ERFaci估計值 （-1.4 W·m-2） 有較大差異。近年來（2011—2020年），為了更進一步確定ERFaci的大小，許多研究都基于CMIP5和CMIP6的多模式結果和單一模式對氣溶膠的ERFaci進行估算 （Zelinka et al.，2014;Gordon et al.，2016;Fiedler et al.，2017，2019;Neubauer et al.，2017;Karset et al.，2018;Regayre et al.，2018;Zhou et al.，2018;Golaz et al.，2019;Diamond et al.，2020;Smith et al.，2020b），并普遍認為ERFaci的最佳估值為（-0.86± 0.57） W·m-2。由于地球系統模式中描述重要的次網格尺度過程的能力還很有限，因此在氣溶膠及其前體物從排放到降水的形成過程中，地球系統模式對氣溶膠-云相互作用的模擬仍存在挑戰，其中有效輻射強迫 （ERFaci） 通常只包括層狀云中的氣溶膠-云的相互作用，而很少包括氣溶膠與混合相云、深對流云和冰云的相互作用。AR6以近年來研究給出的ERFaci最佳估值 （（-0.86± 0.57） W·m-2） 為基礎，并基于CMIP6集合平均結果得到ERFaci的調整項為-0.2 W·m-2 （Smith et al.，2020b），考慮卷層云調整對ERF的微小貢獻，同時鑒于目前地球系統模式中沒有考慮部分重要過程而擴大ERFaci的不確定性，給出基于模式模擬的ERFaci最佳估值為（-1.0± 0.8） W·m-2。

綜合上述兩方面證據的評估，基于觀測評估的ERFaci （（-1.0 ± 0.7） W·m-2）與僅基于模式評估的ERFaci （（-1.0 ± 0.8） W·m-2） 具有較好的一致性。因此AR6最終給出的ERFaci的最佳估值為（-1.0 ± 0.7） W·m-2，不確定范圍主要源于現有研究沒有考慮部分重要的調整過程。

3.2.3 氣溶膠總有效輻射強迫

在AR5中給出氣溶膠總ERF （ERFari+aci）的最佳估值為-0.9（-1.9～-0.1） W·m-2（Boucher et al.，2013）。AR6基于衛星資料獲取的IRFari、模式模擬獲取的IRFari和ERFari、衛星資料獲取的IRF／ERFaci以及基于模式模擬獲取的ERFaci （圖1），給出1750—2014年ERFari和ERFaci估計結果分別為（-0.3±0.3） W·m-2和（-1.0±0.7） W·m-2。因此1750—2014年氣溶膠總ERF的估計值為-1.3（-2.0～-0.6）W·m-2。ERFaci對氣溶膠總有效輻射強迫的貢獻最大 （75％～80％）。由于大多數模擬和觀測的氣溶膠ERF評估結果截止于2014年或2014年以前，因此2014—2019年對氣溶膠ERF變化的研究有限。然而，由于已更新的排放清單中氣溶膠及其前體物減少，該時期全球氣溶膠光學厚度也減少，因此假設氣溶膠總ERF在2014—2019年為+0.2 W·m-2。綜上，氣溶膠在1750—2019年的總ERF為-1.1（-1.7～-0.4） W·m-2。

3.3 其他影響因子

土地利用變化、凝結尾跡和航空引起的卷云以及冰雪上沉積的光吸收粒子等強迫因子也會造成人為ERF。自工業革命以來，太陽輻照度、銀河宇宙射線和火山爆發變化造成的輻射強迫之和代表了總（人為+自然）ERF中的自然貢獻。

3.3.1 土地利用

土地利用強迫是指直接由人類活動而非氣候過程引起的地表性質變化。土地利用變化影響地表反照率。例如，森林砍伐通常會使反照率較小的森林地區轉換為反照率較大的耕地，從而產生負輻射強迫;而造林和再造林則產生正輻射強迫。更精確的變化還取決于森林、農作物和下層土壤的性質。土地利用變化也會影響植被表面的蒸騰作用（Devaraju et al.，2015）。土地灌溉會直接影響水汽蒸發，人類活動導致全球蒸發量增加了32 500 m3·s-1（Sherwood et al.，2018）。蒸發和蒸騰作用的變化會影響潛熱收支，但不會直接影響大氣層頂的輻射通量。大氣中水汽的壽命很短，因此蒸發變化對水汽溫室效應的影響可以忽略不計。然而，蒸發可以通過調整過程（特別是造成低云量的變化）來影響ERF。土地利用變化會影響大氣中溫室氣體（例如CO2，CH4，N2O）的排放或清除，并對氣候產生很大的影響 （Ward et al.，2014）。土地利用變化還會影響沙塵和生物揮發性有機化合物 （BVOCs） 的排放，并進一步造成大氣中氣溶膠、O3和CH4濃度的變化。Andrews et al.（2017）基于HadGEM2-ES模式計算了1860—2005年地表反照率變化導致的ERF （-0.47 W·m-2），但由于HadGEM2-ES模式會高估北方樹木和灌木的變化量，因此上述結果可能高估了與土地利用變化相關的ERF。Smith et al.（2020b）基于CMIP6模式定量估計土地利用的IRF為（-0.15 ± 0.12） W·m-2 （1850—2014年），ERF（剔除了地表溫度響應造成的調整）為（-0.11 ± 0.09）W·m-2。同時Ghimire et al.（2014）基于MODIS和AVHRR觀測資料分析了土地利用變化對反照率變化的貢獻，并將地表反照率與特定地區的土地覆蓋類型建立聯系，再結合歷史土地利用類型，得出1700—2005年土地利用變化的SARF為（-0.15±0.01） W·m-2，而1850—2005年土地利用變化的SARF為-0.12 W·m-2，與Smith et al.（2020b） 的估值相一致。因此，AR6根據Ghimire et al.（2014） 給出的土地利用變化的SARF （（-0.15±0.01） W·m-2），加上歷史灌溉貢獻的-0.05 （-0.1～0.05） W·m-2（Sherwood et al.，2018），得到1750—2019年土地利用變化的ERF估計結果為（-0.20 ± 0.10） W·m-2。

3.3.2 尾跡和航空引起的卷云

關于尾跡和航空引起的卷云ERF的定量估計還十分有限。AR6根據Lee et al.（2021）估計的2018 年尾跡和航空引起的卷云的 ERF 為 0.057 （0.019～0.098） W·m-2，粗略地給出1750—2019年尾跡和航空引起的卷云的 ERF 為 0.06 （0.02～0.10） W·m-2。該方面的研究還有待深入。

3.3.3 冰雪表面的吸光粒子

吸光粒子（LAPs）可以通過改變地表反照率進而影響輻射收支和氣候。例如BC和其他吸光氣溶膠沉降在積雪表面而使其變暗，從而吸收更多的熱量并加速積雪的融化。AR6根據有限的研究（Boucher et al.，2013;Vaughan et al.，2013;Lin et al.，2014;Namazi et al.，2015;Yasunari et al.，2015）給出冰雪中吸光粒子的SARF為+0.08 （0.00～0.18） W·m-2。由于可參考的研究較少，且一致性較差，因此還需要進一步研究。

3.3.4 太陽輻射

總太陽輻照度（TSI）的變化屬于自然源外部強迫因素。由于太陽活動的周期變化（11 a），因此，總太陽輻照度存在周期變化。在過去的三個周期中，總太陽輻照度的峰、谷振幅的最大值和最小值之間相差約 1 W·m-2。IRF可以簡單地通過ΔTSI×（1-albedo）／4得出 （Stephens et al.，2015），該方法與波長無關，其中行星反照率 （albedo） 通常取為 0.29，ΔTSI代表太陽總輻照度的變化。由于總太陽輻照度是由地球橫截面的單位面積進行計算，而IRF使用地球表面的單位面積，因此分母為4。考慮溫度調整和對流層調整，并根據總太陽輻照度時間變化序列，歷史時期由于太陽變率導致的 ERF 可以用0.72×ΔTSI×（1-albedo）／4表示。AR6利用完整的太陽輻射的周期變化，而非太陽輻射的極小值，評估太陽輻射的 ERF。以公元前 6755 年到公元 1744完整太陽周期的平均值得到工業革命前總太陽輻照度，以及最近的一個太陽周期（2009—2019年）總太陽輻照度的平均值代表2019年的總太陽輻照度，AR6給出的工業革命以來太陽輻射的 ERF為0.01 W·m-2，不確定性為-0.06～0.08 W·m-2。

3.3.5 銀河宇宙射線

到達大氣層的銀河宇宙射線（GCR） 通量的變化受到太陽活動的影響，同時二者與對流層電離過程相聯系并對大氣中新粒子的形成產生影響。研究指出，銀河宇宙射線通量較大的時期與氣溶膠和云凝結核濃度的增加相關，因此也與云特性相關（Dickinson，1975;Kirkby，2007）。Gordon et al.（2017）認為由于近百年時間來大氣層離子濃度的變化較小，因此，銀河宇宙射線不太可能通過云粒子成核影響當今的氣候。一些研究基于相關性和理論等方面進一步探究了銀河宇宙射線與氣候系統特性之間的關系（Svensmark et al.，2009，2016，2017），但都受到了許多研究的質疑（Kristjansson et al.，2008;Calogovic et al.，2010;Laken，2016）。因此AR6認為1750—2019 年期間，銀河宇宙射線的 ERF可以忽略不計。

3.3.6 火山氣溶膠

強烈的火山噴發將 SO2 噴入平流層從而產生較大的一次性負輻射強迫。SO2氣體會在平流層中形成散射性硫酸鹽氣溶膠，該氣溶膠可能會持續數月，從而減少入射的太陽輻射。但由于火山噴發的偶發性，因此，AR6沒有給出從工業革命前至現在的平流層火山氣溶膠的ERF估計結果。同時，對流層中火山氣溶膠的壽命較短（幾周），因此，對于強度較弱的火山噴發事件，其全球ERF可以忽略不計。因此，AR6根據Myhre et al.（2013b）基于平流層氣溶膠光學厚度（SAOD）計算火山氣溶膠 SARF的方法，參考現有的相關研究 （Gregory et al.，2016;Schmidt et al.，2018;Marshall et al.，2020），以Toohey and Sigl （2017）給出的公元前500年到1749年的氣溶膠平均濃度作為工業革命前的濃度，并在此基礎上用SAOD的異常來計算平流層火山氣溶膠的ERF估計結果為每單位SAOD （-20±5） W·m-2。由于目前硫酸鹽氣溶膠對冰云的影響還存在分歧。同時，火山噴發造成的反照率變化未產生明顯的全球ERF。因此，二者對火山氣溶膠ERF的貢獻暫且忽略。

4 結論與討論

政府間氣候變化專門委員會（IPCC）第六次評估報告（AR6）重新定義了有效輻射強迫（ERF）。新定義下的ERF將地表溫度（包括陸面溫度和海面溫度）的響應全部剔除，并更好地區分了強迫和反饋。如圖2所示，基于ERF的最新定義，AR6給出工業革命以來 （1750—2019年） 總人為ERF為2.72（1.96～3.48） W·m-2。相較于AR5評估結果增加了0.43 W·m-2 （1750—2011年）。上述增長包括了2011年以后溫室氣體 （包括鹵化物） 在大氣中濃度上升（+0.34 W·m-2）、向上修正其輻射效率（+0.15 W·m-2） 以及重新估算O3和平流層水汽ERF （+0.10 W·m-2）的貢獻。溫室氣體對總人為ERF增長的貢獻（-0.59 W·m-2）被總氣溶膠ERF部分抵消。溫室氣體（包括O3和CH4氧化反應產生的平流層水汽在內）在1750—2019年的ERF為3.84 （3.46～4.22） W·m-2，CO2仍然是溫室氣體ERF中的最大貢獻因素 （56％±16％）。氣溶膠在1750—2019年的總ERF為-1.1 （-1.7～-0.4） W·m-2，氣溶膠-云相互作用的貢獻接近75％～80％，氣溶膠-輻射相互作用貢獻20％～25％。

目前，部分氣候強迫因子ERF的估計還是基于少量或單一的研究成果，尤其是平流層水汽、尾跡和航空引起的卷云和部分自然強迫，評估結果可參考的研究成果較少，且一致性較差，因此還需要進一步研究。定量化評估對流層調整項的研究成果還十分有限，對于部分調整項的理解仍存在爭議，且現有研究沒有考慮部分重要的調整過程，從而造成氣候強迫因子 （尤其是氣溶膠-云相互作用） ERF評估結果仍然存在較大的不確定性。例如，不同種類的氣溶膠在長距離傳輸過程中不斷地進行內部、外部混合，生成新的混合氣溶膠，這一過程將不斷改變原有氣溶膠的化學和光學特性，并產生不同的輻射強迫（Zhou et al.2018）。現有大多數的氣候模式中并沒有考慮上述調整過程，主要是由于內部混合氣溶膠光學特性較復雜，且觀測事實較少。因此，加強觀測系統建設，改進和完善模式中氣溶膠物理過程參數化，深入理解氣溶膠和云相互作用及其對天氣、氣候的影響機理，有助于更精確的 ERF定量化評估。

參考文獻（References）

Allen R J，Amiri-Farahani A，Lamarque J F，et al.，2019.Observationally constrained aerosol-cloud semi-direct effects［J］.Npj Climate Atmos Sci，2：16.doi：10.1038／s41612-019-0073-9.

Andrews E，Ogren J A，Kinne S，et al.，2017.Comparison of AOD，AAOD and column single scattering albedo from AERONET retrievals and in situ profiling measurements［J］.Atmos Chem Phys，17（9）：6041-6072.doi：10.5194／acp-17-6041-2017.

Andrews T，Smith C J，Myhre G，et al.，2021.Effective radiative forcing in a GCM with fixed surface temperatures［J］.J Geophys Res Atmos，126（4）：e2020JD033880.doi：10.1029／2020jd033880.

Bellouin N，Quaas J，Morcrette J J，et al.，2013a.Estimates of aerosol radiative forcing from the MACC re-analysis［J］.Atmos Chem Phys，13（4）：2045-2062.doi：10.5194／acp-13-2045-2013.

Bellouin N，Mann G W，Woodhouse M T，et al.，2013b.Impact of the modal aerosol scheme GLOMAP-mode on aerosol forcing in the Hadley Centre Global Environmental Model［J］.Atmos Chem Phys，13（6）：3027-3044.doi：10.5194／acp-13-3027-2013.

Bellouin N，Quaas J，Gryspeerdt E，et al.，2020.Bounding global aerosol radiative forcing of climate change［J］.Rev Geophys，58（1）：e2019RG000660.doi：10.1029／2019RG000660.

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

Calogovic J，Albert C，Arnold F，et al.，2010.Sudden cosmic ray decreases：no change of global cloud cover［J］.Geophys Res Lett，37（3）：L03802.doi：10.1029／2009GL041327.

Checa-Garcia R，Hegglin M I，Kinnison D，et al.，2018.Historical tropospheric and stratospheric ozone radiative forcing using the CMIP6 database［J］.Geophys Res Lett，45（7）：3264-3273.doi：10.1002／2017GL076770.

Christensen M W，Stephens G L，2011.Microphysical and macrophysical responses of marine stratocumulus polluted by underlying ships：evidence of cloud deepening［J］.J Geophys Res Atmos，116（D3）：D03201.doi：10.1029／2010jd014638.

Christensen M W，Chen Y C，Stephens G L，2016.Aerosol indirect effect dictated by liquid clouds［J］.J Geophys Res Atmos，121（24）：14636-14650.doi：10.1002／2016JD025245.

Christensen M W，Neubauer D，Poulsen C A，et al.，2017.Unveiling aerosol-cloud interactions-Part 1：cloud contamination in satellite products enhances the aerosol indirect forcing estimate［J］.Atmos Chem Phys，17（21）：13151-13164.doi：10.5194／acp-17-13151-2017.

Devaraju N，Bala G，Nemani R，2015.Modelling the influence of land-use changes on biophysical and biochemical interactions at regional and global scales［J］.Plant Cell Environ，38（9）：1931-1946.doi：10.1111／pce.12488.

Diamond M S，Director H M，Eastman R，et al.，2020.Substantial cloud brightening from shipping in subtropical low clouds［J］.AGU Adv，1（1）：e2019AV000111.doi：10.1029／2019AV000111.

Dickinson R E，1975.Solar variability and the lower atmosphere［J］.Bull Amer Meteor Soc，56（12）：1240-1248.doi：10.1175／1520-0477（1975）056lt;1240：svatlagt;2.0.co;2.

Ebmeier S K，Sayer A M，Grainger R G，et al.，2014.Systematic satellite observations of the impact of aerosols from passive volcanic degassing on local cloud properties［J］.Atmos Chem Phys，14（19）：10601-10618.doi：10.5194／acp-14-10601-2014.

Etminan M，Myhre G，Highwood E J，et al.，2016.Radiative forcing of carbon dioxide，methane，and nitrous oxide：a significant revision of the methane radiative forcing［J］.Geophys Res Lett，43（24）：12614-12623.doi：10.1002／2016GL071930.

Fiedler S，Stevens B，Mauritsen T，2017.On the sensitivity of anthropogenic aerosol forcing to model-internal variability and parameterizing a Twomey effect［J］.J Adv Modeling Earth Syst，9（2）：1325-1341.doi：10.1002／2017MS000932.

Fiedler S，Kinne S，Huang W T K，et al.，2019.Anthropogenic aerosol forcing-insights from multiple estimates from aerosol-climate models with reduced complexity［J］.Atmos Chem Phys，19（10）：6821-6841.doi：10.5194／acp-19-6821-2019.

Forster P，Storelvmo T，Armour K，et al.，2021.The Earth’s energy budget，climate feedbacks，and climate sensitivity［M／OL］／／Masson-Delmotte V，Zhai P，Pirani A，et al.Climate change 2021：the physical science basis.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press.

Gassó S，2008.Satellite observations of the impact of weak volcanic activity on marine clouds［J］.J Geophys Res Atmos，113（D14）：D14S19.doi：10.1029／2007JD009106.

Ghimire B，Williams C A，Masek J，et al.，2014.Global albedo change and radiative cooling from anthropogenic land cover change，1700 to 2005 based on MODIS，land use harmonization，radiative kernels，and reanalysis［J］.Geophys Res Lett，41（24）：9087-9096.doi：10.1002／2014GL061671.

Golaz J C，Caldwell P M，Van Roekel L P，et al.，2019.The DOE E3SM coupled model version 1：overview and evaluation at standard resolution［J］.J Adv Modeling Earth Syst，11（7）：2089-2129.doi：10.1029／2018MS001603.

Gordon H，Sengupta K，Rap A，et al.，2016.Reduced anthropogenic aerosol radiative forcing caused by biogenic new particle formation［J］.Proc Natl Acad Sci，113（43）：12053-12058.doi：10.1073／pnas.1602360113.

Gordon H，Kirkby J，Baltensperger U，et al.，2017.Causes and importance of new particle formation in the present-day and preindustrial atmospheres［J］.J Geophys Res Atmos，122（16）：8739-8760.doi：10.1002／2017JD026844.

Goren T，Rosenfeld D，2014.Decomposing aerosol cloud radiative effects into cloud cover，liquid water path and Twomey components in marine stratocumulus［J］.Atmos Res，138：378-393.doi：10.1016／j.atmosres.2013.12.008.

Grandey B S，Stier P，Wagner T M，2013.Investigating relationships between aerosol optical depth and cloud fraction using satellite，aerosol reanalysis and general circulation model data［J］.Atmos Chem Phys，13（6）：3177-3184.doi：10.5194／acp-13-3177-2013.

Gregory J M，Andrews T，Good P，et al.，2016.Small global-mean cooling due to volcanic radiative forcing［J］.Climate Dyn，47（12）：3979-3991.doi：10.1007／s00382-016-3055-1.

Gryspeerdt E，Stier P，Grandey B S，2014.Cloud fraction mediates the aerosol optical depth-cloud top height relationship［J］.Geophys Res Lett，41（10）：3622-3627.doi：10.1002／2014GL059524.

Gryspeerdt E，Quaas J，Bellouin N，2016.Constraining the aerosol influence on cloud fraction［J］.J Geophys Res Atmos，121（7）：3566-3583.doi：10.1002／2015JD023744.

Gryspeerdt E，Quaas J，Ferrachat S，et al.，2017.Constraining the instantaneous aerosol influence on cloud albedo［J］.Proc Natl Acad Sci，114（19）：4899-4904.doi：10.1073／pnas.1617765114.

Gryspeerdt E，Sourdeval O，Quaas J，et al.，2018.Ice crystal number concentration estimates from lidar-radar satellite remote sensing-Part 2：controls on the ice crystal number concentration［J］.Atmos Chem Phys，18（19）：14351-14370.doi：10.5194／acp-18-14351-2018.

Gryspeerdt E，Goren T，Sourdeval O，et al.，2019.Constraining the aerosol influence on cloud liquid water path［J］.Atmos Chem Phys，19（8）：5331-5347.

Hansen J，Sato M，Ruedy R，et al.，2005.Efficacy of climate forcings［J］.J Geophys Res Atmos，110（D18）：D18104.doi：10.1029／2005JD005776.

Hasekamp O P，Gryspeerdt E，Quaas J，2019.Analysis of polarimetric satellite measurements suggests stronger cooling due to aerosol-cloud interactions［J］.Nature Commun，10（1）：5405.doi：10.1038／s41467-019-13372-2.

Hodnebrog ，Aamaas B，Fuglestvedt J S，et al.，2020a.Updated global warming potentials and radiative efficiencies of halocarbons and other weak atmospheric absorbers［J］.Rev Geophys，58（3）：e2019RG000691.doi：10.1029／2019RG000691.

Hodnebrog ，Myhre G，Kramer R J，et al.，2020b.The effect of rapid adjustments to halocarbons and N2O on radiative forcing［J］.Npj Climate Atmos Sci，3：43.doi：10.1038／s41612-020-00150-x.

Hoesly R M，Smith S J，Feng L Y，et al.，2018.Historical （1750—2014） anthropogenic emissions of reactive gases and aerosols from the Community Emissions Data System （CEDS）［J］.Geosci Model Dev，11（1）：369-408.doi：10.5194／gmd-11-369-2018.

Karset I H H，Berntsen T K，Storelvmo T，et al.，2018.Strong impacts on aerosol indirect effects from historical oxidant changes［J］.Atmos Chem Phys，18（10）：7669-7690.doi：10.5194／acp-18-7669-2018.

Kaufman Y J，Koren I，2006.Smoke and pollution aerosol effect on cloud cover［J］.Science，313（5787）：655-658.doi：10.1126／science.1126232.

Kinne S，2019.Aerosol radiative effects with MACv2［J］.Atmos Chem Phys，19（16）：10919-10959.doi：10.5194／acp-19-10919-2019.

Kirkby J，2007.Cosmic rays and climate［J］.Surv Geophys，28（5）：333-375.doi：10.1007／s10712-008-9030-6.

Koren I，Kaufman Y J，Rosenfeld D，Remer L A，et al.，2005.Aerosol invigoration and restructuring of Atlantic convective clouds ［J］.Geophy Res Lett，32（14）：L14828.doi：10.1029／2005gl023187.

Kristjnsson J，Stjern C，Stordal F，et al.，2008.Cosmic rays，cloud condensation nuclei and clouds-a reassessment using MODIS data［J］.Atmos Chem Phys，8（24）：7373-7387.doi：10.5194／acp-8-7373-2008.

Laken B A，2016.Can open science save us from a solar-driven monsoon？［J］.J Space Weather Space Clim，6.doi：10.1051／swsc／2016005.

Lebsock M D，Stephens G L，Kummerow C，2008.Multisensor satellite observations of aerosol effects on warm clouds［J］.J Geophys Res Atmos，113（D15）：D15205.doi：10.1029／2008JD009876.

Lee D S，Fahey D W，Skowron A，et al.，2021.The contribution of global aviation to anthropogenic climate forcing for 2000 to 2018［J］.Atmos Environ，244：117834.doi：10.1016／j.atmosenv.2020.117834.

Lin G X，Penner J E，Flanner M G，et al.，2014.Radiative forcing of organic aerosol in the atmosphere and on snow：effects of SOA and brown carbon［J］.J Geophys Res Atmos，119（12）：7453-7476.doi：10.1002／2013JD021186.

Lund M，Myhre G，Haslerud A，et al.，2018a.Concentrations and radiative forcing of anthropogenic aerosols from 1750 to 2014 simulated with the Oslo CTM3 and CEDS emission inventory［J］.Geosci Model Dev，11（12）：4909-4931.doi：10.5194／gmd-11-4909-2018.

Lund M T，Samset B H，Skeie R B，et al.，2018b.Short black carbon lifetime inferred from a global set of aircraft observations［J］.Npj Climate Atmos Sci，1：31.doi：10.1038／s41612-018-0040-x.

Ma X Y，Yu F Q，Quaas J，2014.Reassessment of satellite-based estimate of aerosol climate forcing［J］.J Geophys Res Atmos，119（17）：10394-10409.doi：10.1002／2014JD021670.

MacIntosh C R，Allan R P，Baker L H，et al.，2016.Contrasting fast precipitation responses to tropospheric and stratospheric ozone forcing［J］.Geophys Res Lett，43（3）：1263-1271.doi：10.1002／2015GL067231.

Mahrt F，Marcolli C，David R O，et al.，2018.Ice nucleation abilities of soot particles determined with the horizontal ice nucleation chamber［J］.Atmos Chem Phys，18（18）：13363-13392.doi：10.5194／acp-18-13363-2018.

Malavelle F F，Haywood J M，Jones A，et al.，2017.Strong constraints on aerosol-cloud interactions from volcanic eruptions［J］.Nature，546（7659）：485-491.doi：10.1038／nature22974.

Marshall L R，Smith C J，Forster P M，et al.，2020.Large variations in volcanic aerosol forcing efficiency due to eruption source parameters and rapid adjustments［J］.Geophys Res Lett，47（19）：e2020GL090241.doi：10.1029／2020GL090241.

Marvel K，Schmidt G A，Miller R L，et al.，2016.Implications for climate sensitivity from the response to individual forcings［J］.Nature Climte Change，6（4）：386-389.doi：10.1038／nclimate2888.

McCoy D，Eastman R，Hartmann D，et al.，2017.The change in low cloud cover in a warmed climate inferred from AIRS，MODIS，and ERA-interim［J］.J Climate，30：3609-3620.doi：10.1175／JCLI-D-15-0734.1.

McCoy D T，Field P R，Schmidt A，et al.，2018.Aerosol midlatitude cyclone indirect effects in observations and high-resolution simulations［J］.Atmos Chem Phys，18（8）：5821-5846.doi：10.5194／acp-18-5821-2018.

McCoy I L，McCoy D T，Wood R，et al.，2020.The hemispheric contrast in cloud microphysical properties constrains aerosol forcing［J］.Proc Natl Acad Sci，117（32）：18998-19006.doi：10.1073／pnas.1922502117.

Meinshausen M，Nicholls Z R J，Lewis J，et al.，2020.The shared socio-economic pathway （SSP） greenhouse gas concentrations and their extensions to 2500［J］.Geosci Model Dev，13（8）：3571-3605.doi：10.5194／gmd-13-3571-2020.

Michibata T，Suzuki K，Sato Y，et al.，2016.The source of discrepancies in aerosol-cloud-precipitation interactions between GCM and a-train retrievals［J］.Atmos Chem Phys，16（23）：15413-15424.doi：10.5194／acp-16-15413-2016.

Myhre G，Samset B H，Schulz M，et al.，2013a.Radiative forcing of the direct aerosol effect from AeroCom Phase Ⅱ simulations［J］.Atmos Chem Phys，13（4）：1853-1877.doi：10.5194／acp-13-1853-2013.

Myhre G，Shindell D，Bréon F-M，et al.，2013b.Anthropogenic and natural radiative forcing［R］／／Stocker T F，Qin D，Plattner G-K，et al.Climate change 2013：the physical science basis.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press.doi：10.1017／cbo9781107415324.018.

Myhre G，Aas W，Cherian R，et al.，2017.Multi-model simulations of aerosol and ozone radiative forcing due to anthropogenic emission changes during the period 1990—2015［J］.Atmos Chem Phys，17（4）：2709-2720.doi：10.5194／acp-17-2709-2017.

Nakajima T，Higurashi A，Kawamoto K，et al.，2001.A possible correlation between satellite-derived cloud and aerosol microphysical parameters［J］.Geophys Res Lett，28（7）：1171-1174.doi：10.1029／2000GL012186.

Namazi M，von Salzen K，Cole J N S，2015.Simulation of black carbon in snow and its climate impact in the Canadian Global Climate Model［J］.Atmos Chem Phys，15（18）：10887-10904.doi：10.5194／acp-15-10887-2015.

Neubauer D，Christensen M W，Poulsen C A，et al.，2017.Unveiling aerosol-cloud interactions-Part 2：minimising the effects of aerosol swelling and wet scavenging in ECHAM6-HAM2 for comparison to satellite data［J］.Atmos Chem Phys，17（21）：13165-13185.doi：10.5194／acp-17-13165-2017.

Peng J F，Hu M，Guo S，et al.，2016.Markedly enhanced absorption and direct radiative forcing of black carbon under polluted urban environments［J］.Proc Natl Acad Sci USA，113（16）：4266-4271.doi：10.1073／pnas.1602310113.

Pincus R，Mlawer E J，Oreopoulos L，et al.，2015.Radiative flux and forcing parameterization error in aerosol-free clear skies［J］.Geophys Res Lett，42（13）：5485-5492.doi：10.1002／2015GL064291.

Quaas J，Boucher O，Bellouin N，et al.，2008.Satellite-based estimate of the direct and indirect aerosol climate forcing［J］.J Geophys Res Atmos，113（D5）：D05204.doi：10.1029／2007JD008962.

Quaas J，Ming Y，Menon S，et al.，2009.Aerosol indirect effects-general circulation model intercomparison and evaluation with satellite data［J］.Atmos Chem Phys，9（22）：8697-8717.doi：10.5194／acp-9-8697-2009.

Regayre L A，Johnson J S，Yoshioka M，et al.，2018.Aerosol and physical atmosphere model parameters are both important sources of uncertainty in aerosol ERF［J］.Atmos Chem Phys，18（13）：9975-10006.doi：10.5194／acp-18-9975-2018.

Rémy S，Bellouin N，Benedetti A，et al.，2018.Aerosols ［in “State of the Climate in 2017”］ ［J］.Bull Amer Meteor Soc，99（8）.doi：10.1175／2018bamsstateoftheclimate.1.

Richardson T B，Forster P M，Smith C J，et al.，2019.Efficacy of climate forcings in PDRMIP models［J］.J Geophys Res Atmos，124（23）：12824-12844.doi：10.1029／2019JD030581.

Rosenfeld D，Zhu Y N，Wang M H，et al.，2019.Aerosol-driven droplet concentrations dominate coverage and water of oceanic low-level clouds［J］.Science，363（6427）：eaav0566.doi：10.1126／science.aav0566.

Rotstayn L D，Penner J E，2001.Indirect aerosol forcing，quasi forcing，and climate response［J］.J Climate，14（13）：2960-2975.doi：10.1175／1520-0442（2001）014lt;2960：iafqfagt;2.0.co;2.

Sato Y，Goto D，Michibata T，et al.，2018.Aerosol effects on cloud water amounts were successfully simulated by a global cloud-system resolving model［J］.Nature Commun，9（1）：985.doi：10.1038／s41467-018-03379-6.

Schmidt A，Mills M J，Ghan S，et al.，2018.Volcanic radiative forcing from 1979 to 2015［J］.J Geophys Res Atmos，123（22）：12491-12508.doi：10.1029／2018JD028776.

Sherwood S C，Dixit V，Salomez C，2018.The global warming potential of near-surface emitted water vapour［J］.Environ Res Lett，13（10）：104006.doi：10.1088／1748-9326／aae018.

Shine K P，Cook J，Highwood E J，et al.，2003.An alternative to radiative forcing for estimating the relative importance of climate change mechanisms［J］.Geophys Res Lett，30（20）：2047.doi：10.1029／2003GL018141.

Skeie R B，Myhre G，Hodnebrog ，et al.，2020.Historical total ozone radiative forcing derived from CMIP6 simulations［J］.Npj Climate Atmos Sci，3：32.doi：10.1038／s41612-020-00131-0.

Smith C J，Kramer R J，Myhre G，et al.，2018.Understanding rapid adjustments to diverse forcing agents［J］.Geophys Res Lett，45（21）：12023-12031.doi：10.1029／2018GL079826.

Smith C J，Kramer R J，Sima A，2020a.The HadGEM3-GA7.1 radiative kernel：the importance of a well-resolved stratosphere［J］.Earth Syst Sci Data，12（3）：2157-2168.doi：10.5194／essd-12-2157-2020.

Smith C J，Kramer R J，Myhre G，et al.，2020b.Effective radiative forcing and adjustments in CMIP6 models［J］.Atmos Chem Phys，20（16）：9591-9618.doi：10.5194／acp-20-9591-2020.

Stephens G L，O’Brien D，Webster P J，et al.，2015.The albedo of earth［J］.Rev Geophys，53（1）：141-163.doi：10.1002／2014RG000449.

Stjern C W，Samset B H，Myhre G，et al.，2017.Rapid adjustments cause weak surface temperature response to increased black carbon concentrations［J］.J Geophys Res Atmos，122（21）：11462-11481.doi：10.1002／2017JD027326.

Svensmark H，Bondo T，Svensmark J，2009.Cosmic ray decreases affect atmospheric aerosols and clouds［J］.Geophys Res Lett，36（15）：L15101.doi：10.1029／2009GL038429.

Svensmark J，Enghoff M B，Shaviv N J，et al.，2016.The response of clouds and aerosols to cosmic ray decreases［J］.J Geophys Res Space Phys，121（9）：8152-8181.doi：10.1002／2016JA022689.

Svensmark H，Enghoff M B，Shaviv N J，et al.，2017.Increased ionization supports growth of aerosols into cloud condensation nuclei［J］.Nature Commun，8（1）：2199.doi：10.1038／s41467-017-02082-2.

Takemura T，Suzuki K，2019.Weak global warming mitigation by reducing black carbon emissions［J］.Sci Rep，9（1）：4419.doi：10.1038／s41598-019-41181-6.

Toll V，Christensen M，Quaas J，et al.，2019.Weak average liquid-cloud-water response to anthropogenic aerosols［J］.Nature，572（7767）：51-55.doi：10.1038／s41586-019-1423-9.

Toohey M，Sigl M，2017.Volcanic stratospheric sulfur injections and aerosol optical depth from 500 BCE to 1900 CE［J］.Earth Syst Sci Data，9（2）：809-831.

Twomey S，1959.The nuclei of natural cloud formation part II：the supersaturation in natural clouds and the variation of cloud droplet concentration［J］.Geofisica Pura E Appl，43（1）：243-249.doi：10.1007／BF01993560.

Ullrich R，Hoose C，Mhler O，et al.，2017.A new ice nucleation active site parameterization for desert dust and soot［J］.J Atmos Sci，74（3）：699-717.doi：10.1175／jas-d-16-0074.1.

Vrnai T，Marshak A，2015.Effect of cloud fraction on near-cloud aerosol behavior in the MODIS atmospheric correction ocean color product［J］.Remote Sens，7（5）：5283-5299.doi：10.3390／rs70505283.

Vaughan D G，Comiso J C，Allison I，et al.，2013.Observations：cryosphere［R］／／Stocker T F，Qin D，Plattner G-K，et al.Climate change 2013：the physical science basis.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press.doi：10.1017／cbo9781107415324.012.

Vergara-Temprado J，Holden M A，Orton T R，et al.，2018.Is black carbon an unimportant ice-nucleating particle in mixed-phase clouds？［J］.J Geophys Res Atmos，123（8）：4273-4283.doi：10.1002／2017JD027831.

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

王菲，張華，劉夢婷，等，2022.氣候反饋對溫度空間模態的依賴性：IPCC AR6解讀［J］.大氣科學學報，45（6）：826-834. Wang F，Zhang H，Liu M T，et al.，2022.Dependence of climate feedbacks on temperature patterns：interpreting IPCC AR6.Trans Atmos Sci，45（6）：826-834.doi：10.13878／j.cnki.dqkxxb.20220928001.（in Chinese）.

Wang R，Balkanski Y，Boucher O，et al.，2016.Estimation of global black carbon direct radiative forcing and its uncertainty constrained by observations［J］.J Geophys Res Atmos，121（10）：5948-5971.doi：10.1002／2015JD024326.

Wang R，Andrews E，Balkanski Y，et al.，2018.Spatial representativeness error in the ground-level observation networks for black carbon radiation absorption［J］.Geophys Res Lett，45（4）：2106-2114.doi：10.1002／2017GL076817.

Wang Y W，Huang Y，2020.The surface warming attributable to stratospheric water vapor in CO2-caused global warming［J］.J Geophys Res Atmos，125（17）：e2020JD032752.doi：10.1029／2020JD032752.

Ward D S，Mahowald N M，Kloster S，2014.Potential climate forcing of land use and land cover change［J］.Atmos Chem Phys，14（23）：12701-12724.doi：10.5194／acp-14-12701-2014.

Winterstein F，Tanalski F，Jckel P，et al.，2019.Implication of strongly increased atmospheric methane concentrations for chemistry-climate connections［J］.Atmos Chem Phys，19（10）：7151-7163.doi：10.5194／acp-19-7151-2019.

Xie B，Zhang H，Wang Z L，et al.，2016.A modeling study of effective radiative forcing and climate response due to tropospheric ozone［J］.Adv Atmos Sci，33（7）：819-828.doi：10.1007／s00376-016-5193-0.

Yasunari T J，Koster R D，Lau W K M，et al.，2015.Impact of snow darkening via dust，black carbon，and organic carbon on boreal spring climate in the Earth system［J］.J Geophys Res Atmos，120（11）：5485-5503.doi：10.1002／2014JD022977.

Yuan T，Remer L A，Yu H，2011.Microphysical.，macrophysical and radiative signatures of volcanic aerosols in trade wind cumulus observed by the A-Train［J］.Atmos Chem Phys，11（14）：7119-7132.doi：10.5194／acp-11-7119-2011.

Zanatta M，Gysel M，Bukowiecki N，et al.，2016.A European aerosol phenomenology-5：climatology of black carbon optical properties at 9 regional background sites across Europe［J］.Atmos Environ，145：346-364.doi：10.1016／j.atmosenv.2016.09.035.

Zelinka M D，Andrews T，Forster P M，et al.，2014.Quantifying components of aerosol-cloud-radiation interactions in climate models［J］.J Geophys Res Atmos，119（12）：7599-7615.doi：10.1002／2014JD021710.

張華，謝冰，劉煜，等，2017.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.，2017.Study on the influence of clouds on the earth radia-tion budget and precipitation changes in East Asia region［J］.China Basic Sci，19（5）：18-22，28.doi：10.3969／j.issn.1009-2412.2017.05.004.（in Chinese）.

張華，王菲，趙樹云，等，2021.IPCC AR6報告解讀：地球能量收支、氣候反饋和氣候敏感度［J］.氣候變化研究進展，17（6）：691-698. Zhang H，Wang F，Zhao S Y，et al.，2021.Earth’s energy budget，climate feedbacks，and climate sensitivity［J］.Climate Change Res，17（6）：691-698.doi：10.12006／j.issn.1673-1719.2021.191.（in Chinese）.

Zhang M，Huang Y，2014.Radiative forcing of quadrupling CO2［J］.J Climate，27（7）：2496-2508.doi：10.1175／jcli-d-13-00535.1.

Zhao B，Liou K N，Gu Y，et al.，2018.Impact of aerosols on ice crystal size［J］.Atmos Chem Phys，18：1065-1078.doi：10.5194／acp-18-1065-2018.

Zhao S Y，Suzuki K，2019.Differing impacts of black carbon and sulfate aerosols on global precipitation and the ITCZ location via atmosphere and ocean energy perturbations［J］.J Climate，32（17）：5567-5582.doi：10.1175／jcli-d-18-0616.1.

趙樹云，孔鈴涵，張華，等，2021.IPCC AR6對地球氣候系統中反饋機制的新認識［J］.大氣科學學報，44（6）：805-817. Zhao S Y，Kong L H，Zhang H，et al.，2021.New understandings of the feedback mechanisms in the earth climate system in IPCC AR6［J］.Trans Atmos Sci，44（6）：805-817.doi：10.13878／j.cnki.dqkxxb.20210920001.（in Chinese）.

Zhou C，Zhang H，Zhao S Y，et al.，2018.On effective radiative forcing of partial internally and externally mixed aerosols and their effects on global climate［J］.J Geophys Res Atmos，123（1）：401-423.doi：10.1002／2017JD027603.

·ARTICLE·

The concept of effective radiative forcing and the latest estimations：interpreting IPCC AR6

XIE Bing1，ZHANG Hua2，ZHAO Shuyun3，YU Xiaochao2，4，ZHOU Xixun2，LIU Liting2，AN Qi5，Yang Dongdong6，SU Hongjuan2，HE Jingyi2，LI Shuai2

1China Meteorological Administration Key Laboratory for Climate Prediction Studies，Nantional Climate Center，Beijing 100081，China;

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

3Department of Atmospheric Science，School of Environmental Studies，China University of Geosciences，Wuhan 430078，China;

4Department of Atmospheric and Oceanic Sciences ＆ Institute of Atmospheric Sciences，Fudan University，Shanghai 200438，China;

5Institute of Urban Meteorology，China Meteorological Administration，Beijing 100089，China;

6School of Geography and Tourism，Qufu Normal University，Rizhao 276826，China

Abstract Based on the content of Chapter 7 from the Sixth Assessment Report （AR6） contributed by the Intergovernmental Panel on Climate Change （IPCC） Working Group I （WGI），this paper presents the latest definition of effective radiative forcing （ERF） and its calculation method in AR6，and interprets the best estimations of ERF for each forcing agents from 1750 to 2019.According to the latest estimations in AR6，over the industrial era （1750—2019），the total anthropogenic ERF was 2.72（1.96 to 3.48） W·m-2.This estimate has increased by 0.43 W·m-2 compared to AR5 estimates for 1750—2011.Atmospheric concentration increases of greenhouse gases （GHGs） since 2011，and upwards revisions of their radiative efficiencies are the important contributors for the growth of total anthropogenic ERF.Changes in GHGs concentration contributed an ERF of 3.84（3.46 to 4.22） W·m-2，of which Carbon dioxide continues to contribute the largest part （56％±16％）.Aerosols have in total contributed an ERF of -1.1 （-1.7 to -0.4） W·m-2 over 1750—2019.Aerosol-cloud interactions contributed approximately 75％—80％ of this ERF with the remainder due to aerosol-radiation interactions.There has been an increase in the estimated magnitude but a reduction in the uncertainty of the total aerosol ERF relative to AR5.However，there remains a considerable uncertainty in ERFaci as some of important adjustments are not considered.

Keywords IPCC AR6;effective radiative forcing;greenhouse gases;aerosols

doi：10.13878／j.cnki.dqkxxb.20221214001

（責任編輯：劉菲）