陸表自然和人文要素相互作用

王開存 王燦 李龍輝 汪濤 吳國(guó)燦 付永碩 馬倩 張井勇 蔡聞佳 曹靜 喻朝慶 朱華晟 南卓銅 陳旻 張晶 紀(jì)多穎 沈妙根 唐文君 何斌 占文鳳

摘要 在國(guó)家重點(diǎn)研發(fā)計(jì)劃支持下，項(xiàng)目提出了陸表不均一性檢測(cè)和訂正的新方法，解決了漸變型不均一性檢測(cè)和訂正的難題，構(gòu)建了中國(guó)地表太陽(yáng)輻射、氣溫、地溫、風(fēng)速和降水等參數(shù)均一化站點(diǎn)和格點(diǎn)數(shù)據(jù)集，修訂了關(guān)于中國(guó)地表風(fēng)速變化趨勢(shì)、增溫格局及其形成機(jī)制的結(jié)論。融合多源數(shù)據(jù)，構(gòu)建并驗(yàn)證了千米級(jí)、流域級(jí)或縣域級(jí)的電廠、人口、生物質(zhì)能、取水量、氮排放、二氧化碳排放等影響自然系統(tǒng)的關(guān)鍵人文要素歷史和未來(lái)預(yù)估數(shù)據(jù)集。構(gòu)建了未來(lái)關(guān)鍵人文要素情景，研制了碳中和目標(biāo)下甲烷和氧化亞氮排放情景和用于驅(qū)動(dòng)全球模式的未來(lái)情景，預(yù)估了中國(guó)碳中和戰(zhàn)略的實(shí)施對(duì)全球變暖的減緩作用，發(fā)現(xiàn)中國(guó)碳中和對(duì)遠(yuǎn)期和中期全球變暖的減緩作用顯著。給出了中國(guó)各省份水體氮排放安全閾值及超越時(shí)間，闡明了中國(guó)糧食產(chǎn)量與氮施肥的關(guān)系，提出了在保障糧食安全的前提下減少水體氮排放的有效途徑，指出重構(gòu)城鄉(xiāng)養(yǎng)分循環(huán)體系是同時(shí)保障糧食安全和恢復(fù)水質(zhì)的必要途徑。發(fā)現(xiàn)全球飽和水汽壓差的年際變化與大氣二氧化碳濃度上升速率的年際變化顯著相關(guān)，闡明了飽和水汽壓差變化在調(diào)控生態(tài)系統(tǒng)生產(chǎn)力中的重要角色以及多因素耦合作用在生態(tài)系統(tǒng)生產(chǎn)力變化中的復(fù)雜影響。建議更全面細(xì)致地評(píng)估中國(guó)各種碳中和實(shí)現(xiàn)路徑的社會(huì)經(jīng)濟(jì)和自然生態(tài)影響，以保證碳中和目標(biāo)與其他可持續(xù)發(fā)展目標(biāo)的協(xié)同實(shí)現(xiàn)。

關(guān)鍵詞氣候變化;未來(lái)情景;碳中和;陸面過(guò)程;生態(tài)系統(tǒng)生產(chǎn)力;糧食安全

全球變化是自然與人文要素共同作用的結(jié)果，也會(huì)改變陸表關(guān)鍵要素的變化趨勢(shì)、周期及空間格局。評(píng)價(jià)和預(yù)估陸表關(guān)鍵要素的相互作用及其對(duì)全球變化的響應(yīng)和反饋，對(duì)認(rèn)識(shí)和應(yīng)對(duì)氣候變化具有重要意義。但現(xiàn)有研究多針對(duì)單一人文與自然要素的相互作用機(jī)制，對(duì)于多個(gè)人文要素與自然要素之間的共同作用機(jī)理缺乏系統(tǒng)性認(rèn)識(shí)，且對(duì)其空間疊加效應(yīng)的揭示亟待加強(qiáng)。

為此，國(guó)家重點(diǎn)研發(fā)計(jì)劃“全球變化及應(yīng)對(duì)”專項(xiàng)批準(zhǔn)了“全球變化驅(qū)動(dòng)下陸表自然和人文要素相互作用及區(qū)域表現(xiàn)”項(xiàng)目。項(xiàng)目執(zhí)行期為2017—2022年。項(xiàng)目的目標(biāo)是：發(fā)展氣候、水文觀測(cè)結(jié)果的成因分析及精度校準(zhǔn)方法，構(gòu)建高質(zhì)量陸表氣候水文數(shù)據(jù)集;構(gòu)建高分辨率人文要素的歷史數(shù)據(jù)集和未來(lái)社會(huì)經(jīng)濟(jì)情景;闡明陸表關(guān)鍵要素的相互作用機(jī)制及其空間分異規(guī)律，揭示其對(duì)全球變化的響應(yīng)機(jī)理，預(yù)估陸表系統(tǒng)格局的轉(zhuǎn)折點(diǎn)，評(píng)估中國(guó)典型區(qū)域空間質(zhì)量變化，為國(guó)家經(jīng)濟(jì)、人口與自然要素的協(xié)調(diào)發(fā)展和應(yīng)對(duì)氣候變化提供科學(xué)決策服務(wù)。

項(xiàng)目擬解決三個(gè)關(guān)鍵科學(xué)問(wèn)題：1）陸表關(guān)鍵自然與人文要素的變化特征及其相互作用;2）陸表關(guān)鍵要素對(duì)全球變化的響應(yīng)機(jī)理;3）全球變化背景下陸表系統(tǒng)格局和典型區(qū)域空間質(zhì)量的演變特征。擬解決兩個(gè)關(guān)鍵技術(shù)問(wèn)題：1）如何區(qū)分局地環(huán)境變化和大尺度氣候變化對(duì)氣候、水文觀測(cè)結(jié)果的影響，構(gòu)建高質(zhì)量的陸表自然要素?cái)?shù)據(jù)集;2）如何實(shí)現(xiàn)有限信息下人文要素網(wǎng)格化及其準(zhǔn)確度校驗(yàn)，構(gòu)建高分辨率的陸表人文歷史數(shù)據(jù)集和未來(lái)社會(huì)經(jīng)濟(jì)發(fā)展情景。

目前項(xiàng)目已經(jīng)結(jié)題并已經(jīng)完成績(jī)效評(píng)估。本文主要介紹項(xiàng)目的主要研究進(jìn)展。

1 陸表自然和人文數(shù)據(jù)集構(gòu)建

1.1 陸表氣候要素均一化數(shù)據(jù)集

1）地表太陽(yáng)輻射

地表太陽(yáng)輻射是地表能量平衡的重要參量，對(duì)天氣、氣候變化和植被生長(zhǎng)具有重要影響。20世紀(jì)50年代末，在世界氣象組織的指導(dǎo)下，全球開始地表太陽(yáng)輻射大規(guī)模觀測(cè)，形成了全球能量平衡檔案（GEBA）數(shù)據(jù)庫(kù)（Wild et al.，2017）。20世紀(jì)90年代，為了提高觀測(cè)質(zhì)量，建立了地表輻射本底觀測(cè)網(wǎng)絡(luò)（BSRN）（Ohmura et al.，1998）。與世界同步，中國(guó)于1957年開始引進(jìn)先進(jìn)蘇式儀器，在全國(guó)88個(gè)氣象站進(jìn)行地表太陽(yáng)輻射觀測(cè)，數(shù)據(jù)完整度好，時(shí)空覆蓋度高;但后來(lái)出現(xiàn)了儀器老化、仿制儀器質(zhì)量不高、缺乏嚴(yán)格的國(guó)際標(biāo)準(zhǔn)追蹤和儀器校準(zhǔn)等問(wèn)題（Wang et al.，2015）。前期研究發(fā)現(xiàn)1990年之前中國(guó)地表太陽(yáng)輻射觀測(cè)結(jié)果受到儀器靈敏度漂移的影響。1990—1993年間，中國(guó)大范圍地更換了太陽(yáng)輻射觀測(cè)儀器，并對(duì)太陽(yáng)輻射觀測(cè)站網(wǎng)進(jìn)行了重構(gòu)，致使觀測(cè)結(jié)果在這一時(shí)間段存在突變（Wang，2014）。

利用日照時(shí)數(shù)觀測(cè)對(duì)地表太陽(yáng)輻射進(jìn)行了重建。日照時(shí)數(shù)記錄了一天中太陽(yáng)直接輻射大于120 W·m-2的時(shí)間。日照時(shí)數(shù)是基本氣象觀測(cè)項(xiàng)目，積累了自1950年以來(lái)2 400多個(gè)臺(tái)站的觀測(cè)數(shù)據(jù)。日照時(shí)數(shù)記錄介質(zhì)（光敏紙）每天更換，不受靈敏度漂移的影響，具有較好的長(zhǎng)期穩(wěn)定性。研究發(fā)現(xiàn)日照時(shí)數(shù)重建的太陽(yáng)輻射可以較好地表現(xiàn)其年代際變化（圖1），降低了全球暗化和亮化的不確定性并對(duì)其做出了重要的修訂（He et al.，2018）。發(fā)展了利用日照時(shí)數(shù)計(jì)算地表太陽(yáng)直接輻射和散射輻射的方法，構(gòu)建了中國(guó)地區(qū)約2 400個(gè)氣象站的地表太陽(yáng)總輻射、直接輻射和散射輻射（He and Wang，2020）。通過(guò)對(duì)比發(fā)現(xiàn)，1960—1990年間，太陽(yáng)輻射觀測(cè)高估太陽(yáng)輻射的降低趨勢(shì)，其重要原因是直接太陽(yáng)輻射計(jì)靈敏度漂移的問(wèn)題（He and Wang，2020）。

大氣再分析通過(guò)同化臺(tái)站和衛(wèi)星溫度、水汽等觀測(cè)計(jì)算云量，然后根據(jù)輻射方案計(jì)算地表太陽(yáng)輻射。由于其云和氣溶膠等輸入數(shù)據(jù)的誤差，使其地表太陽(yáng)輻射產(chǎn)品可能具有較大偏差。ERA-Interim、JRA55、CFSR、MERRA和MERRA2等5種再分析數(shù)據(jù)，由于其對(duì)云量的低估導(dǎo)致中國(guó)地區(qū)地表太陽(yáng)輻射被高估24.10～40.00 W·m-2，特別是在中國(guó)南方地區(qū)（Feng and Wang，2019b）。再分析云量模擬偏差能解釋太陽(yáng)輻射偏差的55％～41％，而晴空太陽(yáng)輻射的偏差能解釋地表太陽(yáng)輻射偏差的32％～9％，晴空太陽(yáng)輻射的偏差主要由氣溶膠模擬偏差導(dǎo)致。云量趨勢(shì)的偏差能解釋太陽(yáng)輻射偏差趨勢(shì)的73％～12％，而晴空太陽(yáng)輻射能解釋43％～30％的地表太陽(yáng)輻射趨勢(shì)的偏差（Feng and Wang，2019b）。

目前的再分析數(shù)據(jù)中，只有MERRA2同化了衛(wèi)星氣溶膠光學(xué)厚度反演。利用1980—2014年日照時(shí)數(shù)估算太陽(yáng)輻射數(shù)據(jù)，評(píng)估了同化氣溶膠對(duì)地表太陽(yáng)輻射模擬能力的改進(jìn)情況（Feng and Wang，2019a）。發(fā)現(xiàn)同化氣溶膠光學(xué)厚度后，地表太陽(yáng)輻射的月均和年均變率以及全國(guó)平均趨勢(shì)的精度均有所提高，特別是在華北地區(qū)。然而，在中國(guó)南部高估了氣溶膠對(duì)地表太陽(yáng)輻射趨勢(shì)的影響，這可能與高估該地區(qū)大氣氣溶膠和氣溶膠-云相互作用有關(guān)（Feng and Wang，2019a）。

歐洲中尺度天氣預(yù)報(bào)中心最近發(fā)布了第五代大氣再分析ERA5，其具有較高的時(shí)空分辨率，并且相較于上一代（ERA-Interim）進(jìn)行了重大升級(jí)。發(fā)現(xiàn)ERA-Interim高估了15.9 W·m-2，ERA5把這一誤差降低到10.1 W·m-2，核心原因是ERA5對(duì)云量的模擬精度提高了（He et al.，2021b）。由于ERA5對(duì)總云量模擬能力的增強(qiáng)，其總云量趨勢(shì)偏差導(dǎo)致的輻射趨勢(shì)偏差明顯小于上一代。但ERA5忽視了氣溶膠的年際變化，仍然高估1993年以來(lái)的太陽(yáng)輻射增加趨勢(shì)。

相比大氣再分析數(shù)據(jù)，衛(wèi)星反演質(zhì)量相對(duì)較高，但是時(shí)間跨度沒(méi)有再分析和日照時(shí)數(shù)重建長(zhǎng)。日照時(shí)數(shù)重建可以較好地反映地表太陽(yáng)輻射的長(zhǎng)期變化趨勢(shì)，但只是站點(diǎn)數(shù)據(jù)。因此要得到高分辨率網(wǎng)格點(diǎn)數(shù)據(jù)，同時(shí)保證其在長(zhǎng)期變化方面的精度，需要融合多種地表太陽(yáng)輻射相關(guān)數(shù)據(jù)。已有研究基于改進(jìn)的物理參數(shù)化方案和衛(wèi)星云產(chǎn)品生成了一套1983—2017年的全球高分辨率地表太陽(yáng)輻射數(shù)據(jù)集，其時(shí)間分辨率為3 h，空間分辨率為10 km（Tang et al.，2019）。該數(shù)據(jù)集精度比現(xiàn)有衛(wèi)星地表太陽(yáng)輻射產(chǎn)品的精度要高。但因?yàn)樾l(wèi)星軌道漂移、儀器靈敏度衰減、不同衛(wèi)星儀器銜接的問(wèn)題，該數(shù)據(jù)集在估計(jì)長(zhǎng)期變化方面存在較大的不均一性。我們利用地理加權(quán)回歸方法，把基于云產(chǎn)品計(jì)算太陽(yáng)輻射與日照時(shí)數(shù)估計(jì)地表太陽(yáng)輻射進(jìn)行融合，很好地解決了該數(shù)據(jù)集在估計(jì)地表太陽(yáng)輻射年際、年代際和長(zhǎng)期趨勢(shì)方面的誤差（Feng and Wang，2021）。

2）地表風(fēng)速

觀測(cè)表明全球陸表風(fēng)速最近60年有降低的趨勢(shì)，被稱為全球靜化（McVicar et al.，2012），進(jìn)入新世紀(jì)后，地表風(fēng)速有所恢復(fù)，特別是中國(guó)地區(qū)（Lin et al.，2013）。但目前大氣再分析系統(tǒng)都不能很好地再現(xiàn)風(fēng)速降低的趨勢(shì)。可能的原因是大氣再分析系統(tǒng)沒(méi)有考慮地表特征的年際變化，并且在大氣環(huán)流的模擬方面可能存在誤差;地表特征改變（城市化及綠化）可能對(duì)風(fēng)速觀測(cè)結(jié)果產(chǎn)生顯著影響。現(xiàn)有研究對(duì)造成地表風(fēng)速降低的主要原因還沒(méi)有統(tǒng)一的結(jié)論。

地轉(zhuǎn)風(fēng)可能是解開這一死結(jié)的重要手段。地轉(zhuǎn)風(fēng)忽略地表摩擦的影響，是假定地轉(zhuǎn)偏向力與氣壓梯度力平衡條件下，計(jì)算得到的地表風(fēng)速。地轉(zhuǎn)風(fēng)不受地表特征影響，可以用來(lái)檢驗(yàn)大氣再分析的模擬結(jié)果，也可以對(duì)比分析地表特征改變對(duì)觀測(cè)地表風(fēng)速的影響。地轉(zhuǎn)風(fēng)理論是一個(gè)成熟的理論，在天氣形勢(shì)分析時(shí)，常用來(lái)指導(dǎo)地表風(fēng)速的估計(jì)。地轉(zhuǎn)風(fēng)可以利用氣象站之間的氣壓差計(jì)算得到，但核心問(wèn)題是這一壓力差比大氣壓本身小2～3個(gè)數(shù)量級(jí)，信噪比極低。因此地轉(zhuǎn)風(fēng)計(jì)算結(jié)果受觀測(cè)誤差的影響很大，限制了該方法的大規(guī)模應(yīng)用。使用300 km范圍內(nèi)站點(diǎn)隨機(jī)配對(duì)的方法，對(duì)每個(gè)氣象站最多計(jì)算1 000個(gè)地轉(zhuǎn)風(fēng)，從中挑選最小的10％作為最優(yōu)估計(jì)，降低了計(jì)算方法對(duì)觀測(cè)誤差的敏感度，解決了該方法的大規(guī)模應(yīng)用問(wèn)題（Zhang Z T et al.，2019）。結(jié)果發(fā)現(xiàn)1990年以前中國(guó)地區(qū)地轉(zhuǎn)風(fēng)和觀測(cè)風(fēng)速一致降低，2000年以后二者一致增加。1990年代地轉(zhuǎn)風(fēng)開始明顯增加，但觀測(cè)風(fēng)速持續(xù)降低，這是造成二者1960—2017年長(zhǎng)期趨勢(shì)差異的核心原因。去趨勢(shì)后，二者呈現(xiàn)相似的年代際振蕩。但現(xiàn)有大氣再分析無(wú)法重現(xiàn)這一年代際振蕩（Zhang and Wang，2020）。

發(fā)現(xiàn)天氣形勢(shì)和大氣環(huán)流可以很好地解釋地表風(fēng)速?gòu)奶鞖獬叨鹊侥甏H的震蕩，但是無(wú)法解釋最近幾十年觀測(cè)地表風(fēng)速降低的長(zhǎng)期趨勢(shì)（Zhang et al.，2019b）。因此推測(cè)城市化可能是觀測(cè)地表（10 m）風(fēng)速降低的原因。站點(diǎn)周邊城市化，可以增加觀測(cè)站點(diǎn)的零平面位移高度和粗糙度，進(jìn)而影響10 m高度處的風(fēng)速。根據(jù)莫寧-奧布霍夫相似理論，Zhang and Wang（2021）計(jì)算了1985—2017年每個(gè)臺(tái)站周邊城市化對(duì)10 m觀測(cè)風(fēng)速的影響因子，然后利用這一影響因子對(duì)觀測(cè)風(fēng)速進(jìn)行了訂正。圖2顯示訂正后，1985—2017年的地表風(fēng)速降低趨勢(shì)基本消失，地表風(fēng)速?gòu)?0世紀(jì)90年代已經(jīng)開始增加，這一結(jié)果與計(jì)算得到的地轉(zhuǎn)風(fēng)一致（Zhang and Wang，2021）。

1.2 高精度人文要素歷史和未來(lái)預(yù)估數(shù)據(jù)集

1）人口要素

人口的總量、結(jié)構(gòu)和時(shí)空分布是表征人類活動(dòng)的關(guān)鍵要素。開展了中國(guó)人口總量及次國(guó)家尺度人口空間演化過(guò)程的歷史數(shù)據(jù)分析，識(shí)別并總結(jié)了中國(guó)人口和勞動(dòng)力結(jié)構(gòu)發(fā)展變化規(guī)律。發(fā)現(xiàn)國(guó)際上廣泛使用的人口預(yù)估數(shù)據(jù)（比如IIASA數(shù)據(jù)庫(kù)）并未考慮現(xiàn)有中國(guó)最新生育政策的影響，且對(duì)預(yù)期壽命的假設(shè)不合理。由于缺乏網(wǎng)格化未來(lái)人口預(yù)估數(shù)據(jù)，所以難以對(duì)氣候變化和氣候政策的影響進(jìn)行高空間分辨率的評(píng)估，無(wú)法滿足精細(xì)化應(yīng)對(duì)氣候變化的實(shí)際需要。因此，在識(shí)別中國(guó)人口和勞動(dòng)力結(jié)構(gòu)發(fā)展變化規(guī)律的基礎(chǔ)上，糾正了國(guó)際研究團(tuán)隊(duì)的關(guān)鍵假設(shè)偏差，突破了傳統(tǒng)方法依賴簡(jiǎn)單規(guī)則進(jìn)行總量預(yù)估和時(shí)空分配的局限，得到中國(guó)到2100年1 km級(jí)的人口總量預(yù)估和時(shí)空分布數(shù)據(jù)庫(kù)（Chen et al.，2020），為科學(xué)評(píng)估我國(guó)未來(lái)各地區(qū)溫室氣體排放走勢(shì)、開展氣候變化影響評(píng)估、制定科學(xué)減排和適應(yīng)策略提供了支撐。

2）生物質(zhì)能要素

在能源安全和氣候變化日益受到重視之際，生物質(zhì)能在能源供應(yīng)和碳減排方面發(fā)揮著關(guān)鍵作用。整合了包括作物生長(zhǎng)模型、遙感方法和統(tǒng)計(jì)降尺度在內(nèi)的方法，提出了一個(gè)新的評(píng)估框架，構(gòu)建了中國(guó)可用生物質(zhì)原料的高分辨率分布數(shù)據(jù)集，以彌補(bǔ)已有生物質(zhì)能研究分辨率不高和能源作物潛力未知的缺陷（Nie et al.，2019）。基于中國(guó)2015年的相關(guān)數(shù)據(jù)，繪制出11種可用生物質(zhì)原料和3種能源作物潛力的1 km分辨率分布圖（Nie et al.，2019，2020）。發(fā)現(xiàn)在省級(jí)層面，河南和內(nèi)蒙古有潛力通過(guò)農(nóng)林業(yè)剩余物替代煤炭來(lái)開發(fā)清潔供暖替代方案。1 km分辨率下生物質(zhì)原料類型的空間分布和生物能源潛力密度的研究結(jié)果為支持在中國(guó)地方層面實(shí)施和利用生物能源、技術(shù)生物能源的能量分配提供了清晰的認(rèn)識(shí)，同時(shí)為國(guó)家和省級(jí)政府及時(shí)有效地制定生物能源發(fā)展規(guī)劃提供了決策支撐。

3）燃煤電廠機(jī)組級(jí)要素及其取水要素

在很多國(guó)家和地區(qū)，煤電廠的二氧化碳排放和冷卻取水量遠(yuǎn)比其他工業(yè)行業(yè)要高。因此，理清燃煤電廠的碳排放和取水總量及其時(shí)空分布格局對(duì)于刻畫人類活動(dòng)對(duì)自然系統(tǒng)的影響至關(guān)重要。基于省級(jí)電力數(shù)據(jù)、燃煤電廠機(jī)組數(shù)據(jù)集和集水區(qū)水資源數(shù)據(jù)，構(gòu)建了一套帶有空間地理及取水信息的中國(guó)煤電機(jī)組數(shù)據(jù)集（Li et al.，2021a），為后續(xù)制定多情景目標(biāo)下中國(guó)省級(jí)尺度煤電轉(zhuǎn)型路徑、識(shí)別煤電發(fā)展在水資源流域尺度的水壓力風(fēng)險(xiǎn)等方面的研究奠定了基礎(chǔ)。

4）氮排放和水質(zhì)要素

現(xiàn)有研究主要基于相關(guān)簡(jiǎn)化氮平衡模型衡量人類從大氣中固氮的全球“安全邊界”，卻忽略了不同地區(qū)之間氮排放、淡水體中的氮濃度和生物對(duì)水體中氮反應(yīng)的異質(zhì)性。因此，現(xiàn)有研究一方面對(duì)生物地球化學(xué)和水文過(guò)程的時(shí)空異質(zhì)性了解不足，另一方面基于簡(jiǎn)化的氮平衡模型得到的人類活動(dòng)釋放的“安全”氮排放閾值仍然存在很大的不確定性。基于全國(guó)尺度的農(nóng)業(yè)模擬系統(tǒng)在高性能計(jì)算機(jī)平臺(tái)上對(duì)全國(guó)2 403個(gè)縣級(jí)區(qū)域的主要作物進(jìn)行了60 a（1955—2014年）逐日生長(zhǎng)過(guò)程模擬，輸出了全國(guó)農(nóng)田生態(tài)系統(tǒng)的生物量積累、氮去向和水分平衡等結(jié)果，以討論中國(guó)向水體排放氮的空間格局。研究收集了全國(guó)典型河流總氮濃度的觀測(cè)數(shù)據(jù)，重建了全國(guó)水體近60 a的質(zhì)量演變與氮排放的時(shí)空關(guān)系，將不同區(qū)域首次達(dá)到國(guó)家地表水質(zhì)量Ⅳ類標(biāo)準(zhǔn)的年份所對(duì)應(yīng)的氮排放總量定為該區(qū)域的氮排放安全閾值（Yu et al.，2019）。圖3顯示了目前人為向淡水排放氮的速率（每年（14.5±3.1）Mt氮）大約是估計(jì)的“安全”氮排放閾值的2.7倍（每年（5.2±0.7）Mt氮）（Yu et al.，2019）。

5）二氧化碳排放要素

在碳排放方面，雖然2013年以來(lái)中國(guó)二氧化碳排放量的回落被普遍認(rèn)為是2030年碳達(dá)峰目標(biāo)可以實(shí)現(xiàn)的重要標(biāo)志，但是由于2016年以來(lái)的全國(guó)二氧化碳排放量出現(xiàn)反彈，所以中國(guó)2030年實(shí)現(xiàn)碳達(dá)峰目標(biāo)仍存在諸多挑戰(zhàn)。現(xiàn)有研究雖然從社會(huì)經(jīng)濟(jì)角度分析了中國(guó)的排放趨勢(shì)和驅(qū)動(dòng)因素，但是對(duì)于2016年以來(lái)的碳排放反彈原因沒(méi)有進(jìn)行深入的探究。因此，為了彌補(bǔ)碳排放反彈關(guān)鍵驅(qū)動(dòng)因素的研究空白，本項(xiàng)目使用投入產(chǎn)出結(jié)構(gòu)分解分析（IO-SDA）模型和歷史數(shù)據(jù)，追蹤并分析了2002—2017年中國(guó)的二氧化碳排放量及其驅(qū)動(dòng)因素。結(jié)果表明：行業(yè)間的投入產(chǎn)出結(jié)構(gòu)（部分反映了生產(chǎn)結(jié)構(gòu)）和需求格局分別貢獻(xiàn)了2015年以來(lái)碳排放量增加的5.2％和0.1％，這主要受到新一輪基建投資刺激的影響，導(dǎo)致大量的化石能源消耗。基于對(duì)碳排放因素?cái)?shù)據(jù)集的整理和運(yùn)用，研究對(duì)未來(lái)實(shí)現(xiàn)碳達(dá)峰目標(biāo)所需的行動(dòng)提供了啟示（Yang et al.，2018）。

2 關(guān)鍵人文要素與自然要素的空間聯(lián)動(dòng)與相互作用

2.1 地表太陽(yáng)輻射變化對(duì)中國(guó)增溫格局的影響

陸氣相互作用決定了地表氣溫的日變化，日出后地表吸收太陽(yáng)輻射，地表凈輻射轉(zhuǎn)為正。地表凈輻射被分配成感熱、潛熱和土壤熱通量。感熱通量直接加熱大氣，地表氣溫在午后達(dá)到最高，然后逐漸降低，直到第二天日出后氣溫達(dá)到最低值。地表太陽(yáng)輻射的變化與氣溫日較差相關(guān)性很好，相關(guān)系數(shù)在濕潤(rùn)區(qū)更為顯著，但干旱半干旱區(qū)氣溫日較差對(duì)太陽(yáng)輻射的敏感度更高（Wang and Dickinson，2013）。已有研究發(fā)現(xiàn)20世紀(jì)40—70年代的全球地表太陽(yáng)輻射的降低對(duì)全球陸表氣溫有0.16 ℃的降溫作用，部分解釋了這一時(shí)期的增溫停滯現(xiàn)象（Wang and Dickinson，2013）。

已有研究發(fā)現(xiàn)1961—2003年間，日最高地溫在中國(guó)南方和華北平原有明顯降低趨勢(shì)。日最高地溫的這種增溫格局在日最高氣溫上也有所表現(xiàn)，但是沒(méi)有那么明顯。結(jié)合日照時(shí)數(shù)反演得到地表太陽(yáng)輻射數(shù)據(jù)，進(jìn)一步研究發(fā)現(xiàn)，日最高地溫出現(xiàn)降溫的最主要原因是地表太陽(yáng)輻射在中國(guó)的南方和華北平原有明顯的降低（Du et al.，2017）。進(jìn)一步利用現(xiàn)有觀測(cè)資料對(duì)現(xiàn)有再分析數(shù)據(jù)進(jìn)行了對(duì)比分析，發(fā)現(xiàn)現(xiàn)有再分析數(shù)據(jù)嚴(yán)重高估了我國(guó)南方和華北平原的增溫趨勢(shì)（Zhou et al.，2017）。主要原因是這些再分析產(chǎn)品嚴(yán)重高估這些區(qū)域的太陽(yáng)輻射的變化趨勢(shì)，從而導(dǎo)致地表溫度的變化趨勢(shì)被高估（Zhou et al.，2017）。

2.2 城市化進(jìn)程對(duì)中國(guó)增溫格局的影響

前期研究發(fā)現(xiàn)，城市冠層白天對(duì)地表太陽(yáng)輻射的存儲(chǔ)和吸收及其夜間釋放是城市熱島產(chǎn)生的重要原因之一（Wang et al.，2017）。對(duì)比分析了北京、上海和廣州三個(gè)特大城市高溫?zé)崂颂炫c普通天的城市熱島差異（Jiang et al.，2019）。熱浪天一般伴隨著晴朗無(wú)云的天氣，三個(gè)城市的地表太陽(yáng)輻射在熱浪天都有明顯增強(qiáng)，城市建筑在白天吸收儲(chǔ)存和晚上釋放的能量也更多。在熱浪期間，北京和廣州的氣溫城市熱島和日總太陽(yáng)輻射在晚上呈顯著正相關(guān)，而上海則是在白天呈顯著正相關(guān)。因此熱浪和城市熱島效應(yīng)具有協(xié)同增強(qiáng)的效應(yīng)。

利用最新發(fā)布的1985—2017年30 m空間分辨率和年度時(shí)間分辨率的土地覆蓋數(shù)據(jù)，量化了氣象站周圍的城市化率，分析了城市化對(duì)增溫速率日不對(duì)稱性的影響。發(fā)現(xiàn)雖然城市區(qū)域僅占中國(guó)陸地面積的2.25％，但1985—2017年期間，城市化率超過(guò)20％的臺(tái)站比例已從22.1％上升到68.2％（Jiang et al.，2020）。圖4顯示站點(diǎn)周邊城市化帶來(lái)的城市熱島效應(yīng)，放大了日最低氣溫的增溫速度，這導(dǎo)致城市觀測(cè)站增溫具有更顯著的日不對(duì)稱性。但是，這種不對(duì)稱性在農(nóng)村觀測(cè)站并不顯著（Jiang et al.，2020）。造成這種差異的主要原因是氣象站周邊城市化，而非大尺度的氣候變化。城市化影響了觀測(cè)結(jié)果的空間代表性，導(dǎo)致了觀測(cè)到的升溫速率日不對(duì)稱性。這也解釋了1990年以后，當(dāng)我國(guó)地表太陽(yáng)輻射不再下降時(shí)，最低溫的增溫速率仍高于最高溫的現(xiàn)象。

2.3 關(guān)鍵人文要素與自然要素的關(guān)聯(lián)機(jī)制

1）可持續(xù)氮管理政策

近40 a來(lái)，中國(guó)的糧食安全水平得到了巨大提升，然而現(xiàn)代農(nóng)業(yè)生產(chǎn)方式和物資循環(huán)模式不但消耗了水資源儲(chǔ)備，而且對(duì)我國(guó)水環(huán)境產(chǎn)生了重大影響，例如使得水體含氮量急劇增加，造成富營(yíng)養(yǎng)化等水環(huán)境問(wèn)題。如何科學(xué)可持續(xù)地管理農(nóng)業(yè)系統(tǒng)氮排放成為一項(xiàng)重要的議題。尤其是在考慮到不同地區(qū)的排放情況、環(huán)境安全閾值、農(nóng)業(yè)系統(tǒng)和污水處理系統(tǒng)的差異性后，糧食和水系統(tǒng)的可持續(xù)氮管理將更為復(fù)雜。

結(jié)合模擬和觀測(cè)的結(jié)果，從農(nóng)田管理、污水處理和養(yǎng)分循環(huán)體系等方面研究了中國(guó)氮管理策略（圖5）。研究結(jié)果表明，從農(nóng)田管理方面提高氮肥的利用效率可以在糧食不減產(chǎn)的條件下大幅度減少農(nóng)田的氮排放，從當(dāng)前的5.1×106 t減少至2.7×106～2.9×106 t，農(nóng)田減排潛力減少了42％～47％。但相對(duì)于整體9.3×106 t左右的氮超排量，僅僅從農(nóng)田系統(tǒng)出發(fā)無(wú)論在全國(guó)尺度還是在省級(jí)尺度都無(wú)法將氮排放拉回到安全閾值之內(nèi)。此外，當(dāng)前正在推行的污水處理全覆蓋政策同樣無(wú)法解決當(dāng)前的氮污染問(wèn)題（Yu et al.，2019;喻朝慶，2019）。

若要在保持糧食產(chǎn)量不變的前提下將中國(guó)水體環(huán)境質(zhì)量恢復(fù)到安全水平，唯一有效途徑是在新的社會(huì)經(jīng)濟(jì)形勢(shì)下全面重構(gòu)傳統(tǒng)的養(yǎng)分循環(huán)體系（喻朝慶，2019;Zhang et al.，2022）。需要在優(yōu)化農(nóng)田氮管理的前提下將全國(guó)城鄉(xiāng)所有的有機(jī)廢物還田率從當(dāng)前40％以下提高到86％～88％。其中9個(gè)省份需要達(dá)到95％以上，主要集中在北方地區(qū)。而當(dāng)前各部門有關(guān)氮管理的規(guī)劃與措施遠(yuǎn)遠(yuǎn)達(dá)不到回歸閾值的整體要求。該結(jié)果解釋了為什么各行業(yè)部門盡管在各自領(lǐng)域都做出了巨大努力，但環(huán)境惡化的趨勢(shì)并不能得到扭轉(zhuǎn)的根本原因。若要實(shí)現(xiàn)2035年糧食安全和“美麗中國(guó)”兼顧的遠(yuǎn)景目標(biāo)，需要建立前述的城鄉(xiāng)養(yǎng)分循環(huán)體系，進(jìn)而從根本上改變目前的肥料解構(gòu)。通過(guò)提高農(nóng)田管理水平和氮利用效率，將氮肥的直接施用量從當(dāng)前的3.7×107 t左右減少至2.4×107～2.7×107 t。通過(guò)增加養(yǎng)殖糞肥、城鄉(xiāng)生活有機(jī)廢物和秸稈還田比例，將有機(jī)肥的比例從當(dāng)前的20％左右提高到50％以上。

2）能源系統(tǒng)轉(zhuǎn)型的政策支撐

在國(guó)家提出雙碳目標(biāo)的大背景下，以煤電為主的中國(guó)能源系統(tǒng)需要實(shí)現(xiàn)大規(guī)模的低碳轉(zhuǎn)型。由于人口、國(guó)民生產(chǎn)總值、電網(wǎng)結(jié)構(gòu)、發(fā)電技術(shù)、可再生資源等多人文和自然要素存在空間布局的異質(zhì)性，所以在能源系統(tǒng)轉(zhuǎn)型政策的制定時(shí)需要因地制宜考慮。過(guò)去的大量研究圍繞中國(guó)能源系統(tǒng)轉(zhuǎn)型所產(chǎn)生的多維影響，很少研究通過(guò)考慮自然和人文要素的時(shí)空分布異質(zhì)性去模擬能源系統(tǒng)轉(zhuǎn)型的優(yōu)化路徑。研究從高分辨率機(jī)組角度定量分析了燃煤電廠人文要素和農(nóng)林生物質(zhì)自然要素的關(guān)聯(lián)耦合，為現(xiàn)有燃煤電廠實(shí)現(xiàn)生物質(zhì)混燃改造提出了差異化的轉(zhuǎn)型策略。

在電力部門脫碳路徑中，煤-生物質(zhì)混燃是一種過(guò)渡性路徑，一方面能夠只需要較小的改造成本即可實(shí)現(xiàn)，避免煤電迅速退役造成的擱淺資產(chǎn)問(wèn)題;另一方面通過(guò)生物質(zhì)替代煤炭，能夠降低碳和空氣污染物的排放，并能夠作為大規(guī)模推動(dòng)生物質(zhì)能源應(yīng)用的初期行動(dòng)。然而，目前針對(duì)煤電進(jìn)行生物質(zhì)混燃改造的成本效益研究，大多僅針對(duì)數(shù)個(gè)燃煤電廠進(jìn)行案例分析，難以為全國(guó)層面的轉(zhuǎn)型策略提供見解。本項(xiàng)目結(jié)合上述搭建的高分辨燃煤電廠數(shù)據(jù)庫(kù)和農(nóng)林剩余物生物質(zhì)資源數(shù)據(jù)庫(kù)，基于全生命周期分析方法和地理信息系統(tǒng)，搭建了能夠動(dòng)態(tài)耦合電廠-生物質(zhì)的綜合評(píng)估框架，并逐機(jī)組評(píng)估了每個(gè)機(jī)組進(jìn)行生物質(zhì)摻燒改造的經(jīng)濟(jì)成本、二氧化碳減排效益和二氧化硫減排效益（Wang R et al.，2022）。

研究結(jié)果表明煤-生物質(zhì)改造在25％的摻燒率情況下，每減排1 t二氧化碳需要付出18.3～73美元的經(jīng)濟(jì)成本，每減排1 t二氧化硫需要付出21.6～806.5美元的經(jīng)濟(jì)成本。機(jī)組規(guī)模、運(yùn)行年份和運(yùn)輸距離是決定成本效益分析結(jié)果的重要影響條件。構(gòu)建了生物質(zhì)混燃改造的適宜性指標(biāo)，并通過(guò)模擬結(jié)果識(shí)別了一批優(yōu)先進(jìn)行混燃改造的電廠，從而提出了生物質(zhì)資源在近期發(fā)揮能源系統(tǒng)脫碳的作用。例如從生物質(zhì)資源豐富地區(qū)開展生物質(zhì)收集網(wǎng)絡(luò)試點(diǎn)，逐步構(gòu)建從原料收集、儲(chǔ)運(yùn)、預(yù)處理到成型燃料生產(chǎn)、配送和應(yīng)用的成熟技術(shù)體系和產(chǎn)業(yè)模式。本研究能夠?yàn)樯镔|(zhì)能源近期在電力系統(tǒng)發(fā)揮脫碳作用提供轉(zhuǎn)型策略。

3）交通部門轉(zhuǎn)型政策支撐

客運(yùn)交通行業(yè)是中國(guó)溫室氣體排放的重要來(lái)源，且具有很大的排放增長(zhǎng)潛力，在中國(guó)未來(lái)深度脫碳中起著至關(guān)重要的作用。各省之間在私家車保有量、公共交通基礎(chǔ)設(shè)施充足性、清潔燃料汽車的可負(fù)擔(dān)性等方面存在巨大差異，凸顯了符合區(qū)域特點(diǎn)、因地制宜的減排戰(zhàn)略對(duì)充分挖掘碳減排潛力的重要性。根據(jù)中國(guó)大陸31個(gè)省區(qū)的客運(yùn)交通發(fā)展水平，將其劃分為3個(gè)區(qū)域組別，建立省級(jí)自下向上的模型，預(yù)測(cè)2050年中國(guó)客運(yùn)交通行業(yè)的能源需求和二氧化碳排放。Bu et al.（2021）比較了提高車輛能源效率、推廣清潔燃料和促進(jìn)公共交通這三類碳減排的效果，然后提出了適合不同區(qū)域的碳減排政策重點(diǎn)。結(jié)果表明，在當(dāng)前的政策情景下，中國(guó)客運(yùn)交通行業(yè)的二氧化碳排放將在2045年前后達(dá)到6.47×108 t的排放峰值，并在2050年小幅下降至6.42×108 t。

如果全面實(shí)施上述三種減排政策，最大限度地發(fā)揮各區(qū)域碳減排的技術(shù)經(jīng)濟(jì)潛力，可以在2050年將二氧化碳排放量大幅減少到凈零。不同政策的碳減排效果因時(shí)間和區(qū)域而異。在短期內(nèi)，提高車輛燃油效率對(duì)減少碳排放的貢獻(xiàn)較大，特別是在私家車保有量預(yù)計(jì)將在近期快速增長(zhǎng)的較不發(fā)達(dá)的省份;而完善的交通基礎(chǔ)設(shè)施和優(yōu)化設(shè)計(jì)的公共交通系統(tǒng)可以在富裕省份發(fā)揮更大的作用。研究進(jìn)一步建議：在綜合大氣污染防治與氣候變化減緩、兼顧地區(qū)經(jīng)濟(jì)發(fā)展水平的視角下，提升四川、重慶和湖北在《充電基礎(chǔ)設(shè)施規(guī)劃》中的優(yōu)先級(jí);對(duì)于煤電比例較高的省份，應(yīng)關(guān)注中小型電動(dòng)汽車的減排潛力，鼓勵(lì)發(fā)展A00／A0級(jí)電動(dòng)汽車，從而有針對(duì)性地助力中國(guó)各省市新能源汽車的發(fā)展。

3 中國(guó)碳中和愿景對(duì)減緩全球變暖趨勢(shì)的貢獻(xiàn)

3.1 未來(lái)社會(huì)經(jīng)濟(jì)和政策干預(yù)情景下的碳中和影響評(píng)估

運(yùn)用“自下而上”的能源技術(shù)優(yōu)化模型和“自上而下”的能源經(jīng)濟(jì)均衡模型，模擬了中國(guó)深度脫碳目標(biāo)下未來(lái)社會(huì)經(jīng)濟(jì)和能源結(jié)構(gòu)的轉(zhuǎn)型路徑，深入探討了不同社會(huì)經(jīng)濟(jì)和減排政策情景下的經(jīng)濟(jì)、環(huán)境和社會(huì)影響。在模擬的時(shí)間尺度上，本項(xiàng)目所開發(fā)的模型能夠?qū)鹘y(tǒng)研究中的中短期模擬拓展到中長(zhǎng)期，可以對(duì)當(dāng)前到2060年的中國(guó)社會(huì)經(jīng)濟(jì)發(fā)展和深度脫碳路徑進(jìn)行模擬，包括全行業(yè)的生產(chǎn)活動(dòng)、能源消費(fèi)的變化、消費(fèi)者的福利水平以及碳排放等關(guān)鍵要素。在模擬的空間尺度上，本項(xiàng)目所開發(fā)的模型耦合了重點(diǎn)排放部門（如煤電）的廠級(jí)技術(shù)數(shù)據(jù)，并將水資源和土地利用的模擬精度分別拓展到流域尺度和1 km網(wǎng)格尺度，大大提高了影響模擬的空間分辨率。

為識(shí)別煤電發(fā)展在水資源流域尺度的水壓力風(fēng)險(xiǎn)，項(xiàng)目將中國(guó)電力系統(tǒng)技術(shù)經(jīng)濟(jì)模型（MESEIC）計(jì)算得到的省級(jí)煤電裝機(jī)容量作為發(fā)展路徑輸入，采用蒙特卡洛方法對(duì)未來(lái)中國(guó)煤電的省級(jí)發(fā)展路徑進(jìn)行降尺度分析，給出了中國(guó)煤電廠的地理空間分布概率及其流域尺度的水需求情況。研究引用風(fēng)險(xiǎn)評(píng)估中“超越概率”（Exceedance Probability）的概念作為風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)，評(píng)估典型濃度路徑（RCPs）下2050年中國(guó)各流域的水資源變化情況，最終得出多情景下中國(guó)煤電面臨的水壓力風(fēng)險(xiǎn)評(píng)估結(jié)論（Li et al.，2021b）。

研究結(jié)果表明，不同條件下中國(guó)煤電廠的取水情況存在較大差異。在無(wú)碳排放約束的條件下，全國(guó)煤電廠的取水總量將達(dá)到122×108～1 762×108 m3，而在2 ℃和1.5 ℃目標(biāo)下，這一總量將分別下降為107×108～592×108 m3和1.1×108～355×108 m3（Li et al.，2021b）。盡管1.5 ℃目標(biāo)帶來(lái)了煤電取水總量的顯著下降，但考慮到煤電機(jī)組分布的集中效應(yīng)，部分流域仍然難以免受煤電的水壓力影響，因此局部區(qū)域的水資源影響仍然值得研究者和政策制定者關(guān)注。2015年煤電水壓力的來(lái)源主要集中在西北和華北地區(qū)，在1.5 ℃目標(biāo)下，這些地區(qū)大部分流域的煤電水壓力將得到緩解。但在內(nèi)蒙古、新疆等地區(qū)的部分流域，煤電引發(fā)水壓力的風(fēng)險(xiǎn)仍然較高。研究在方法上綜合運(yùn)用了宏觀經(jīng)濟(jì)模型和地理空間數(shù)據(jù)的優(yōu)勢(shì)，綜合考慮宏觀政策在自然地理空間的影響，為相關(guān)研究者和政策制定者提供了參考。

將生物質(zhì)能源技術(shù)細(xì)節(jié)納入宏觀經(jīng)濟(jì)模型框架，拓展了一個(gè)包含關(guān)鍵低碳技術(shù)和負(fù)排放技術(shù)的中國(guó)混合可計(jì)算一般均衡（CGE）模型，稱為CHEER-BE。在此基礎(chǔ)上，評(píng)估了中國(guó)2060年碳中和目標(biāo)下生物質(zhì)能耦合碳捕獲與封存技術(shù)（BECCS）和植樹造林的發(fā)展規(guī)模，以及由此產(chǎn)生的宏觀經(jīng)濟(jì)和土地利用影響（Weng et al.，2021）。研究結(jié)果表明，應(yīng)用負(fù)排放技術(shù)是實(shí)現(xiàn)中國(guó)碳中和目標(biāo)的必要條件。生物質(zhì)能耦合碳捕獲與封存技術(shù)將在2030年左右進(jìn)入市場(chǎng)，其提供的負(fù)排放份額將在2060年達(dá)到約79％，其余來(lái)自植樹造林。

3.2 中國(guó)碳中和情景下二氧化碳、甲烷和氧化亞氮排放數(shù)據(jù)研制

中國(guó)碳中和情景主要基于與IPCC 1.5 ℃目標(biāo)一致的碳排放，但需要進(jìn)一步降低全國(guó)能源消費(fèi)總量、大幅提高非化石能源在一次能源消費(fèi)中的比例。中國(guó)碳中和情景還要求顯著減少非二氧化碳溫室氣體排放、增加陸地生態(tài)系統(tǒng)碳匯、大規(guī)模實(shí)施碳捕獲與封存和二氧化碳清除技術(shù)。與集合評(píng)估模型不同，中國(guó)碳中和情景無(wú)法生成明確的空間化的人為地表二氧化碳排放量，但給出了現(xiàn)在至2050年預(yù)估的國(guó)內(nèi)二氧化碳排放總量路線圖。

根據(jù)清華大學(xué)發(fā)布的中國(guó)碳中和路線圖報(bào)告，中國(guó)的人為碳排放量將在2030年達(dá)到每年10.5 Gt二氧化碳的峰值，并在2050年降至每年1.2 Gt二氧化碳。這意味著中國(guó)將在2050年減少89％的二氧化碳排放量，與基于多個(gè)綜合評(píng)估模型對(duì)1.5 ℃目標(biāo)的減排量大致相當(dāng)。與國(guó)際第六次耦合模式比較計(jì)劃默認(rèn)情景相比，中國(guó)碳中和人為地表二氧化碳差異范圍為-3.70～18.03 Gt·a-1，表明中國(guó)碳中和目標(biāo)對(duì)全球人為地表二氧化碳具有顯著影響。

由于甲烷和氧化亞氮這兩種溫室氣體均隨著化石燃料的生產(chǎn)、運(yùn)輸或燃燒以及其他人為活動(dòng)而排放，所以考慮伴隨中國(guó)碳中和的甲烷和氧化亞氮的變化，進(jìn)一步用來(lái)驅(qū)動(dòng)通用地球系統(tǒng)模式（Li et al.，2022）。圖6顯示在中國(guó)碳中和情景下，與基準(zhǔn)共享社會(huì)經(jīng)濟(jì)路徑情景（SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5情景）相比，中國(guó)在2015—2100年期間的甲烷累積排放量分別為-785、810、3 552和661 Mt；與4個(gè)基準(zhǔn)SSP情景相比，中國(guó)碳中和情景導(dǎo)致氧化亞氮累積排放量的變化分別為-19.4、8.2、24.1和30.4 Mt。

在國(guó)際第六次耦合模式比較計(jì)劃的基準(zhǔn)情景下，2015—2100年對(duì)流層甲烷和氧化亞氮地表濃度與其累積排放通量之間的關(guān)系可以很好地通過(guò)一元三次函數(shù)進(jìn)行經(jīng)驗(yàn)擬合，盡管它們的擬合方程對(duì)于不同變量和SSP基準(zhǔn)情景存在很大差異。因此，根據(jù)2015—2100年甲烷和氧化亞氮累積排放量可推算出甲烷和氧化亞氮相應(yīng)的地表濃度。我們使用全球變化評(píng)估模型（GCAM，版本5.4）來(lái)預(yù)測(cè)中國(guó)碳中和情景下2015—2100年甲烷和氧化亞氮排放量。利用甲烷和氧化亞氮累積排放量，根據(jù)擬合方程得到甲烷和氧化亞氮的濃度（Li et al.，2022）。

3.3 中國(guó)碳中和政策對(duì)全球變暖的影響

量化單一國(guó)家承諾的碳中和愿景對(duì)未來(lái)全球變暖減緩貢獻(xiàn)與量化歷史碳排放對(duì)氣候變暖的責(zé)任具有同等重要性，可以為全球氣候減緩戰(zhàn)略實(shí)施和各國(guó)平等發(fā)展提供重要科學(xué)支撐。作為全球二氧化碳排放大國(guó)，中國(guó)政府已承諾在2030年前實(shí)現(xiàn)“碳達(dá)峰”，并力爭(zhēng)在2060年前實(shí)現(xiàn)“碳中和”。如此雄心勃勃的二氧化碳減排目標(biāo)有望緩解全球變暖。一項(xiàng)基于極簡(jiǎn)氣候模型的研究報(bào)告稱，中國(guó)碳中和將有助于在21世紀(jì)末避免0.16～0.21 °C的全球變暖（Chen et al.，2021）。然而，基于包含氣候系統(tǒng)所有關(guān)鍵組分的完全耦合地球系統(tǒng)模式來(lái)預(yù)測(cè)中國(guó)碳中和愿景對(duì)全球變暖減緩的貢獻(xiàn)研究仍然缺乏。

沿用IPCC第六次評(píng)估報(bào)告方法，我們將通用地球系統(tǒng)模式模擬的全球平均地表溫度相對(duì)于1850—1900年平均值（工業(yè)革命前）的未來(lái)時(shí)間分為近期（2021—2040年）、中期（2041—2060年）和遠(yuǎn)期（2081—2100年）3個(gè)時(shí)段。與工業(yè)革命前相比，在低溫室氣體排放情景（SSP1-2.6）下，2081—2100年的全球變暖預(yù)計(jì)將增加1.7 ℃;在兩種中間情景（SSP2-4.5和SSP3-7.0）下，全球變暖分別為2.7 ℃和3.4 ℃;較高的溫室氣體排放情景（SSP5-8.5）下，全球增溫為4.7 ℃。

在中國(guó)碳中和目標(biāo)情景下，通用地球系統(tǒng)模式模擬的全球平均溫度在近期階段與相應(yīng)SSP之間沒(méi)有顯著差異（P>0.01）（圖7）。近期階段，所有SSPs的碳中和情景與第六次模式比較計(jì)劃默認(rèn)情景之間沒(méi)有顯著的響應(yīng)，主要是由于受模式的內(nèi)部變率控制的。在中期階段，除SSP5-8.5外，其余3個(gè)SSP情景下模式模擬的全球平均地表溫度在中國(guó)碳中和與第六次模式比較計(jì)劃默認(rèn)排放路徑之間也均無(wú)顯著差異（P>0.01）。而在遠(yuǎn)期階段，除SSP1-2.6外，其余3個(gè)SSP情景下模式模擬的全球平均地表溫度在中國(guó)碳中和與第六次模式比較計(jì)劃默認(rèn)排放路徑之間均存在顯著差異（P<0.01）。在SSP2-4.5情景下，中國(guó)碳中和對(duì)遠(yuǎn)期全球平均地表溫度的減緩貢獻(xiàn)為0.14 ℃（±0.07 ℃）。在SSP3-7.0和SSP5-8.5情景下，中國(guó)碳中和對(duì)遠(yuǎn)期全球平均地表溫度的減緩貢獻(xiàn)分別為0.48 ℃（±0.07 ℃）和0.40 ℃（±0.07 ℃），相當(dāng)于21世紀(jì)末最后20 a間全球平均增溫的14％和9％（Li et al.，2022）。

中國(guó)碳中和情景下3種溫室氣體（二氧化碳、甲烷和氧化亞氮）排放減少在SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5下分別導(dǎo)致全球平均地表溫度在遠(yuǎn)期階段顯著降低0.21（±0.17）、0.32（±0.13）、0.50（±0.21）和0.39（±0.17） ℃。相對(duì)于第六次國(guó)際耦合模式比較計(jì)劃默認(rèn)的SSP情景，同時(shí)考慮二氧化碳、甲烷和氧化亞氮3種溫室氣體對(duì)全球平均地表溫度增長(zhǎng)的減緩作用在中期階段對(duì)SSP2-4.5和SSP5-8.5也是顯著的（P<0.01），分別為0.18（±0.09）和0.13（±0.07） ℃（Li et al.，2022）。

4 陸表系統(tǒng)格局和典型區(qū)域空間質(zhì)量評(píng)估

4.1 陸表系統(tǒng)格局變化與預(yù)估

1）全球陸地干濕變化

氣候變暖加速全球水循環(huán)，可能導(dǎo)致地表干濕格局發(fā)生顯著變化，即干的地區(qū)更干、濕的地區(qū)更濕。但是很多模型和觀測(cè)研究并不支持這個(gè)假說(shuō)。造成這種爭(zhēng)議的原因之一在于不同研究所使用的干旱指數(shù)并不一致。水循環(huán)的變化是一個(gè)復(fù)雜的過(guò)程，不僅關(guān)系到降水、蒸散的動(dòng)態(tài)變化，還與土壤濕度以及地表徑流等參數(shù)密切相關(guān)。而單個(gè)干旱指數(shù)常常側(cè)重考慮水循環(huán)的某一方面，從而導(dǎo)致不同研究呈現(xiàn)有差異的甚至矛盾的結(jié)果。通過(guò)綜合考慮3類（包括降水驅(qū)動(dòng)、蒸散驅(qū)動(dòng)以及降水-蒸散共同驅(qū)動(dòng)）常用干旱指數(shù)，評(píng)估了過(guò)去30 a全球干濕變化趨勢(shì)，發(fā)現(xiàn)全球變干的區(qū)域遠(yuǎn)高于變濕的區(qū)域。全球僅20％的陸表呈干變干、濕變濕的變化趨勢(shì)，即支持干變干、濕變濕假說(shuō)，而29％的陸表干濕變化與這一假說(shuō)相反。全球干旱區(qū)溫度顯著升高，降水增加，但土壤水分并無(wú)顯著變化，意味著綜合考慮大氣和土壤環(huán)境則干旱區(qū)總體上無(wú)明顯干濕變化。但過(guò)去30 a干旱區(qū)植被顯著變綠，這一變綠趨勢(shì)主要是由降水增加和農(nóng)業(yè)活動(dòng)增強(qiáng)導(dǎo)致（He et al.，2019）。

地表干濕格局的變化直接影響生態(tài)系統(tǒng)功能。在青藏高原地區(qū)氣候暖濕化顯著促進(jìn)植被生長(zhǎng)，使得生態(tài)系統(tǒng)生產(chǎn)力增加，高原生態(tài)系統(tǒng)整體表現(xiàn)為碳匯。但高原碳匯的估算存在極大不確定性，不同研究估算數(shù)值相差十倍以上。通過(guò)整合多期地面清查與實(shí)測(cè)資料以及多源遙感數(shù)據(jù)，結(jié)合當(dāng)前主要生態(tài)系統(tǒng)模型和大氣反演模擬結(jié)果，構(gòu)建了“自上而下”和“自下而上”的高原碳匯評(píng)估體系，盤點(diǎn)了高原生態(tài)系統(tǒng)碳匯現(xiàn)狀以及重要過(guò)程碳源匯大小（Ding et al.，2018）。研究結(jié)果表明，21世紀(jì)初以來(lái)，高原生態(tài)系統(tǒng)碳匯為33.13～37.84 Tg·a-1，占中國(guó)陸地碳匯的10％～16％。高原碳匯83％分布在土壤碳庫(kù)中［（27.55±9.72） Tg·a-1］，而12％和5％分別分布在林灌木［（4.02±0.81） Tg·a-1］和草地植被碳庫(kù)中。多模型歸因分析表明，氣候變暖和降水增加是高原生態(tài)系統(tǒng)表現(xiàn)為碳匯功能的主要驅(qū)動(dòng)機(jī)制。相比于氣候變化，人類活動(dòng)對(duì)高原碳源匯功能的影響有限。例如，放牧是高原草地生態(tài)系統(tǒng)主要人類活動(dòng)，每年向大氣中排放碳0.38 Tg，只抵消了四分之一的草地植被碳匯。

氣候變暖顯著提前了溫帶植被的春季物候，進(jìn)而影響陸地生態(tài)系統(tǒng)結(jié)構(gòu)和功能。但是，由于傳統(tǒng)遙感指數(shù)不適用于常綠林且地面觀測(cè)數(shù)據(jù)不足，目前關(guān)于中國(guó)亞熱帶常綠闊葉林物候研究相對(duì)較少。基于遙感日光誘導(dǎo)葉綠素?zé)晒鈹?shù)據(jù)、氣候數(shù)據(jù)和通量數(shù)據(jù)，利用遙感物候提取算法、偏相關(guān)分析、線性相關(guān)分析等，研究了近年來(lái)亞熱帶春季物候變化規(guī)律及其對(duì)氣候變化的響應(yīng)機(jī)制。發(fā)現(xiàn)亞熱帶春季物候呈現(xiàn)大面積提前趨勢(shì)，該趨勢(shì)隨緯度降低而增強(qiáng)，降水對(duì)低緯度地區(qū)植被物候的控制作用大于高緯度地區(qū)，但溫度作用則相反。在氣候持續(xù)變化條件下，未來(lái)溫度升高和降水格局的變化可能在很大程度上影響春季物候，進(jìn)而影響亞熱帶森林的碳、水和能量平衡（Liu et al.，2018;Wang et al.，2019）。

變暖是全球氣候變化最顯著的信號(hào)，以往大量研究表明變暖顯著促進(jìn)北半球植被生長(zhǎng)，使北半球呈現(xiàn)顯著的變綠趨勢(shì)。變暖及其對(duì)植被生長(zhǎng)的影響不僅表現(xiàn)為時(shí)間上的變化，而且體現(xiàn)在氣候-生態(tài)質(zhì)量在地表空間中的遷移。具體而言，快速升溫使得高海拔地區(qū)等溫線呈現(xiàn)向高海拔地區(qū)攀升趨勢(shì)，而植被生長(zhǎng)響應(yīng)于氣候變化，也追蹤等溫線上移而呈現(xiàn)出等綠度線上移趨勢(shì)（An et al.，2018）。然而，在青藏高原植被等綠度線上移速率總體落后于等溫線上移速率，這種響應(yīng)的滯后主要原因在于植被生長(zhǎng)受到水分、營(yíng)養(yǎng)條件等因素限制，以及植被生長(zhǎng)對(duì)溫度變化的適應(yīng)。這一發(fā)現(xiàn)初步揭示了氣候變暖背景下，青藏高原植被等綠度線沿海拔移動(dòng)的空間特征及其與等溫線移動(dòng)的復(fù)雜關(guān)系，為研究植被生長(zhǎng)對(duì)氣候變暖的適應(yīng)提供了新的視角。

變暖總體促進(jìn)植被生長(zhǎng)從而增強(qiáng)生態(tài)系統(tǒng)碳匯功能，但溫度變化呈現(xiàn)極大的季節(jié)性差異。例如2004—2018年北半球高緯度地區(qū)經(jīng)歷了大范圍的秋季降溫。秋季陸地生態(tài)系統(tǒng)以呼吸作用為主導(dǎo)，表現(xiàn)為對(duì)大氣釋放二氧化碳。然而大范圍秋季降溫并未減緩陸地生態(tài)系統(tǒng)碳釋放。通過(guò)對(duì)比秋季降溫區(qū)和升溫區(qū)陸地生態(tài)系統(tǒng)碳交換的變化，發(fā)現(xiàn)秋季溫度變化對(duì)光合作用（碳吸收）和呼吸作用（碳釋放）的影響呈現(xiàn)非對(duì)稱性：在降溫區(qū)，溫度下降對(duì)植被光合的抑制作用大于對(duì)植被呼吸的抑制作用，導(dǎo)致秋季凈碳釋放增加;在升溫區(qū)，溫度升高對(duì)呼吸的促進(jìn)作用強(qiáng)于對(duì)光合的促進(jìn)作用，也導(dǎo)致秋季凈碳釋放增加（圖8）。秋季溫度變化對(duì)光合和呼吸作用影響的非對(duì)稱性這一發(fā)現(xiàn)深化了溫度變化對(duì)中高緯度碳循環(huán)影響的認(rèn)識(shí)，強(qiáng)調(diào)了研究氣候變化對(duì)陸地生態(tài)系統(tǒng)碳循環(huán)影響的重要意義（Tang et al.，2022）。

2）大氣水分虧缺的影響

氣溫快速升高使得大氣飽和水汽壓增大，即大氣可容納的飽和水汽含量增大。當(dāng)大氣中實(shí)際水汽含量小于可容納的飽和水汽含量時(shí)，大氣呈水分虧缺狀態(tài)，通常用大氣飽和水汽壓差表示，其值越大表示大氣水分虧缺越嚴(yán)重，陸地生態(tài)系統(tǒng)的大氣環(huán)境趨于干旱化。當(dāng)大氣水分嚴(yán)重虧缺時(shí)，植物往往通過(guò)降低葉片氣孔導(dǎo)度減少水分散失，但同時(shí)也抑制光合作用，從而對(duì)植被生長(zhǎng)產(chǎn)生抑制作用。青藏高原地區(qū)的研究發(fā)現(xiàn)在氣候變暖背景下，青藏高原大氣飽和水汽壓差持續(xù)增加，這種大氣水分脅迫會(huì)顯著降低青藏高原草地生產(chǎn)力。大氣水分脅迫削弱植被生產(chǎn)力的同時(shí)，也嚴(yán)重制約陸地生態(tài)系統(tǒng)碳匯功能。圖9顯示全球飽和水汽壓差的年際變化與大氣二氧化碳濃度上升速率的年際變化顯著相關(guān)，表明飽和水汽壓差變化對(duì)陸地碳匯年際變化起到?jīng)Q定性作用（He et al.，2022）。這一研究澄清了以往研究中關(guān)于陸地碳匯年際波動(dòng)的主要?dú)夂蝌?qū)動(dòng)機(jī)制認(rèn)識(shí)上的分歧，也為理解陸地碳匯調(diào)控大氣二氧化碳上升速率提供了新的重要證據(jù)。

盡管大氣飽和水汽壓差增加總體上抑制植被生產(chǎn)力和生態(tài)系統(tǒng)碳匯，但其影響存在空間差異。北半球飽和水汽壓差年際變化對(duì)生態(tài)系統(tǒng)生產(chǎn)力普遍存在負(fù)面影響，但在一些高緯度地區(qū)生態(tài)系統(tǒng)飽和水汽壓差增加有利于植被生產(chǎn)力增長(zhǎng)。進(jìn)一步的研究發(fā)現(xiàn)，存在一個(gè)生態(tài)系統(tǒng)生產(chǎn)力對(duì)飽和水汽壓差的響應(yīng)閾值，其數(shù)值為1.54～1.67 hPa（Zhong et al.，2023）。圖10顯示，當(dāng)年均飽和水汽壓差超過(guò)這一閾值時(shí)，其對(duì)生態(tài)系統(tǒng)的生產(chǎn)力的影響由正到負(fù)急劇轉(zhuǎn)變。研究進(jìn)一步探討了溫度變化、土壤水分變化與飽和水汽壓差變化對(duì)植被生長(zhǎng)的協(xié)同影響。在北半球超過(guò)一半（面積占比為51.7％）的植被覆蓋區(qū)，氣溫的增加會(huì)促進(jìn)生態(tài)系統(tǒng)生產(chǎn)力，但這種促進(jìn)作用會(huì)被氣溫增加導(dǎo)致的飽和水汽壓差增加對(duì)生態(tài)系統(tǒng)生產(chǎn)力的抑制作用所抵消，總體上這種抵消作用的程度約為73％。然而，土壤濕度變化對(duì)生態(tài)系統(tǒng)生產(chǎn)力的影響和由土壤濕度變化引起的飽和水汽壓差變化對(duì)生產(chǎn)力的影響存在著疊加效應(yīng)，即土壤水分的增加一方面會(huì)促進(jìn)生態(tài)系統(tǒng)生產(chǎn)力的提升，另一方面會(huì)通過(guò)減少飽和水汽壓差對(duì)生產(chǎn)力產(chǎn)生間接的正面影響。本研究系統(tǒng)闡明了飽和水汽壓差變化在調(diào)控生態(tài)系統(tǒng)生產(chǎn)力中的重要作用，也強(qiáng)調(diào)了多因素耦合作用在生態(tài)系統(tǒng)生產(chǎn)力變化中的復(fù)雜影響。

3）積雪的影響

積雪是陸表系統(tǒng)的重要組成部分。在全球變暖的背景下，積雪呈現(xiàn)大面積減少，對(duì)植被生長(zhǎng)產(chǎn)生深刻影響。一方面，春季積雪融化使土壤水分增加，有利于春夏植被生長(zhǎng);但另一方面，積雪融化吸收熱量，使春季植被物候期推遲，從而抑制植被生長(zhǎng)。積雪變化對(duì)植被變化的兩方面的影響在空間上呈現(xiàn)顯著的分異，在半干旱地區(qū)，積雪變化的土壤水分效應(yīng)起到主導(dǎo)作用，表現(xiàn)為積雪變化促進(jìn)植被生長(zhǎng);但在濕潤(rùn)地區(qū)，積雪變化對(duì)物候期的影響起著決定作用，表現(xiàn)為積雪變化抑制植被生長(zhǎng)（Wang et al.，2018b）。

積雪變化影響植被生長(zhǎng)的同時(shí)，還對(duì)氣候系統(tǒng)產(chǎn)生重要的反饋?zhàn)饔谩Ｓ捎谄涓叻凑章省⒌蜔醾鲗?dǎo)率等特性，積雪變化可顯著影響地表能量平衡，進(jìn)而影響局地甚至全球氣候。以往的研究均表明歐亞大陸冬春季積雪與印度夏季風(fēng)顯著相關(guān)。當(dāng)歐亞大陸冬春季積雪異常偏多（偏少）時(shí)，后期印度夏季風(fēng)降水異常減少（增加），即積雪與印度夏季風(fēng)降水之間存在負(fù)相關(guān)關(guān)系。然而，本研究發(fā)現(xiàn)這一積雪-季風(fēng)降水之間的負(fù)相關(guān)關(guān)系在20世紀(jì)90年代以后逐漸消失，其原因在于1990年之后歐亞大陸中部春季積雪減少且融化顯著提前，積雪水文效應(yīng)只延續(xù)到7月，較1990年之前縮短了近2個(gè)月。這使得春季積雪變化不再激發(fā)夏季環(huán)流異常以影響夏季伊朗高原及周圍的對(duì)流層中部溫度，從而與印度夏季風(fēng)降水的負(fù)相關(guān)關(guān)系消失。該研究表明，氣候變暖背景下積雪與季風(fēng)關(guān)系發(fā)生了轉(zhuǎn)變，對(duì)基于歐亞大陸春季積雪預(yù)報(bào)印度夏季降水提出了挑戰(zhàn)（Zhang T T et al.，2019）。

4）青藏高原多年凍土響應(yīng)及預(yù)估

1980—2009年，青藏高原冬季氣溫以0.66 ℃／（10 a）的速度升高，是夏季增溫0.27 ℃／（10 a）的兩倍多。自2000年以來(lái)，夏季變暖有所減緩而冬季變暖不斷增強(qiáng)。多年凍土的活動(dòng)層厚度主要受夏季變暖的影響，而季節(jié)性凍土的最大凍結(jié)深度主要受冬季變暖的影響。多年凍土的活動(dòng)層厚度卻呈輕微的下降趨勢(shì)，為0.07 m／（10 a）。雖然多年凍土的面積總體上保持相對(duì)穩(wěn)定，但過(guò)去30 a，多年凍土的年平均地溫以0.13 ℃／（10 a）的速度升高（Zhang G F et al.，2019）。2000年以前夏季變暖主導(dǎo)著多年凍土熱狀況的變化，2000年以后冬季變暖對(duì)多年凍土熱狀況的影響逐漸增大并超過(guò)了夏季變暖，冬季變暖加劇了多年凍土的熱退化。由于2000年以來(lái)冬季快速變暖，青藏高原北部羌塘高原的高寒連續(xù)多年凍土發(fā)生了顯著的區(qū)域性變暖。

由于2000年以來(lái)冬季的快速變暖，三江源和羌塘高原地區(qū)的多年凍土發(fā)生了顯著的區(qū)域性熱退化。夏季變暖對(duì)多年凍土熱指標(biāo)（活動(dòng)層厚度和年平均地溫）的貢獻(xiàn)大于冬季變暖。青藏高原多年凍土區(qū)夏季平均氣溫升高1 ℃，導(dǎo)致活動(dòng)層厚度增加0.35 m，年平均地溫升高0.20 ℃;而冬季平均氣溫升高1 ℃，導(dǎo)致活動(dòng)層厚度增加0.16 m，年平均地溫升高0.13 ℃。相對(duì)于高波動(dòng)的變暖，多年凍土更容易受到穩(wěn)定變暖的影響，即使高波動(dòng)的變暖具有較高的升溫速率。已有研究認(rèn)為夏季溫度的變化影響活動(dòng)層厚度的變化，但我們的研究表明，冬季溫度的變化可能會(huì)對(duì)活動(dòng)層厚度的長(zhǎng)期變化產(chǎn)生重大影響。雖然大多數(shù)地區(qū)的多年凍土保持穩(wěn)定，但青藏高原西南部多年凍土退化成季節(jié)性凍土的風(fēng)險(xiǎn)較高（Zhang et al.，2021a）。

20世紀(jì)90年代中期以來(lái)，青藏高原經(jīng)歷了明顯的變暖和變濕。氣候變濕改變了多年凍土區(qū)的水熱特性，將不可避免地影響多年凍土區(qū)的熱狀況。以往的研究主要集中在氣候變暖對(duì)多年凍土的影響上，對(duì)變濕的影響研究較少。由于增溫和增濕過(guò)程的共存及其相互作用對(duì)青藏高原多年凍土具有重要影響，我們通過(guò)數(shù)值控制實(shí)驗(yàn)定量研究了青藏高原暖濕化對(duì)多年凍土的影響（Zhang et al.，2021b）。結(jié)果發(fā)現(xiàn)：1）青藏高原多年凍土對(duì)氣候變暖和變濕的響應(yīng)是相反的，在氣候變暖導(dǎo)致青藏高原多年凍土熱退化的同時(shí)，變濕抑制了多年凍土的熱退化，這種抑制效應(yīng)在廣大的干旱和半干旱地區(qū)尤其明顯;2）多年凍土對(duì)濕潤(rùn)的響應(yīng)存在顯著的區(qū)域差異，即夏季降水的增加對(duì)干旱和半干旱地區(qū)的多年凍土熱狀況產(chǎn)生了強(qiáng)烈的降溫作用，而在濕潤(rùn)地區(qū)則影響很小。

基于最新的耦合模式比較計(jì)劃第六階段多模式和多情景的氣候輸出結(jié)果，使用區(qū)域再分析資料和統(tǒng)計(jì)降尺度方法對(duì)GCM輸出結(jié)果進(jìn)行約束和尺度轉(zhuǎn)換，研究不同共享社會(huì)經(jīng)濟(jì)路徑情景下青藏高原的氣候變化，利用改進(jìn)的Noah 陸面模式預(yù)估不同共享社會(huì)經(jīng)濟(jì)情景下（SSP2-4.5、SSP3-7.0和SSP5-8.5）21世紀(jì)多年凍土分布及其熱狀況的時(shí)空變化，探討多年凍土對(duì)氣候變化的敏感性。預(yù)估表明，在SSP2-4.5、SSP3-7.0和SSP5-8.5情景下，到2100年，相對(duì)于2006—2015年的情況，青藏高原多年凍土面積將分別減少44％（±4％）、59％（±5％）和71％（±7％）（Zhang et al.，2022）。

4.2 典型區(qū)域空間質(zhì)量變化評(píng)估

4.2.1 中國(guó)典型極端天氣事件歸因和預(yù)估

1）2017年長(zhǎng)江三角洲的高溫?zé)崂?/p>

2017年7月11—28日，長(zhǎng)江三角洲地區(qū)發(fā)生了破紀(jì)錄的高溫?zé)崂恕?017年7月21日上海市徐家匯氣象站日最高氣溫達(dá)到40.9 ℃，為該站有氣象記錄145 a以來(lái)歷史最高溫度（Zhou et al.，2018）。長(zhǎng)江三角洲高溫?zé)崂税l(fā)生的直接原因是副熱帶高壓西抬，造成該地區(qū)晴空少云，到達(dá)地表太陽(yáng)輻射增加，從而使溫度進(jìn)一步增加。但是我們的研究也表明，隨著城市化進(jìn)程的加劇，長(zhǎng)江三角洲地區(qū)很多氣象站點(diǎn)附近逐漸城市化，帶來(lái)的城市熱島效應(yīng)使觀測(cè)到的高溫?zé)崂丝雌饋?lái)更為嚴(yán)重。徐家匯氣象站位于上海市中心區(qū)，熱島效應(yīng)強(qiáng)，徐家匯氣象站的高溫?zé)崂说幕貧w周期為104 a。如果使用長(zhǎng)江三角洲其他城市附近的臺(tái)站記錄，則這次高溫?zé)崂说幕貧w周期為53年一遇。但是如果使用三角洲內(nèi)鄉(xiāng)村站點(diǎn)資料，則此次高溫?zé)崂说幕貧w周期為28年一遇，且2017年并不是最熱的一年，2013年才是最熱的一年（Zhou et al.，2018）。

2）2018年中國(guó)東北地區(qū)極端高溫事件

地表觀測(cè)和大氣再分析表明，2018年夏季東北地區(qū)的溫度和環(huán)流異常創(chuàng)下了歷史紀(jì)錄（Zhou et al.，2020）。基于第五次耦合模式比較計(jì)劃模式的分析表明，中國(guó)東北部存在異常反氣旋，2018年夏季高溫發(fā)生的概率是沒(méi)有這種異常反氣旋的6.16倍。研究發(fā)現(xiàn)大都市地區(qū)的城市化可能會(huì)使2018年夏季炎熱的可能性增加約17％。在排除城市化效應(yīng)后，基于第五次耦合模式比較計(jì)劃模式的分析表明，全球變暖可能使2018年中國(guó)東北夏季炎熱的概率增加了約78％；全球變暖使反氣旋環(huán)流增強(qiáng)了約11％，這增加了2018年中國(guó)東北夏季高溫的可能性（約27％）。總之，中國(guó)東北部的異常反氣旋環(huán)流是2018年夏季高溫的主要原因。全球變暖和變暖引起的環(huán)流強(qiáng)度變化增加了可能性，而城市化則進(jìn)一步加劇了2018年中國(guó)東北夏季的高溫（Zhou et al.，2020）。

3）2016年武漢地區(qū)極端降水事件

2016年6月30日到7月6日，武漢地區(qū)遭遇破紀(jì)錄的連續(xù)多日大暴雨，造成嚴(yán)重的人身和財(cái)產(chǎn)損失，包括237人死亡和220億元經(jīng)濟(jì)損失，成為中國(guó)有記錄以來(lái)第二嚴(yán)重?fù)p失的天氣災(zāi)害事件（Zhou et al.，2018）。研究表明，2016年武漢地區(qū)極端降水事件是梅雨的一部分，一般情況下El Nio事件后梅雨變得更為嚴(yán)重。利用廣義極值擬合模型發(fā)現(xiàn)此事件為106年重現(xiàn)周期事件，但考慮2016年氣候變暖背景則為28年重現(xiàn)周期事件。為了進(jìn)一步量化El Nio事件和人類活動(dòng)引起的全球變暖在其中的影響，結(jié)合第五次耦合模式比較計(jì)劃中模式，發(fā)現(xiàn)2016年武漢地區(qū)極端降水事件有64％風(fēng)險(xiǎn)可歸因于人類活動(dòng)引起的增暖，El Nio事件增加了144％的事件發(fā)生概率。但是，采用基于觀測(cè)海冰和海溫?cái)?shù)據(jù)、最先進(jìn)預(yù)報(bào)動(dòng)力核心和陸面模式的英國(guó)氣象局HadGEM3-A歸因系統(tǒng)，發(fā)現(xiàn)有26％可歸因于人為引發(fā)增暖，El Nio事件增加了216％的發(fā)生概率。兩組模式歸因差異的主要原因是第五次耦合模式比較計(jì)劃地球系統(tǒng)模式模擬自然內(nèi)部變率存在較大的不確定性，更偏向于高估人類活動(dòng)的作用（Zhou et al.，2018）。

4）2019年長(zhǎng)江中下游地區(qū)極端低日照事件

結(jié)合重建的地表太陽(yáng)輻射和第六次耦合模式比較計(jì)劃模式模擬等多源數(shù)據(jù)，以2019年1—2月長(zhǎng)江中下游地區(qū)極端低日照事件為例，從氣候動(dòng)力學(xué)角度出發(fā)著重探討自然強(qiáng)迫和人為強(qiáng)迫對(duì)極端太陽(yáng)輻射事件的調(diào)節(jié)作用（He et al.，2021a）。2019年1—2月長(zhǎng)江中下游地區(qū)的日照時(shí)數(shù)記錄創(chuàng)下1961—2019年的最低紀(jì)錄，根據(jù)廣義帕累托分布擬合，其回歸期估計(jì)為265 a。大氣再分析顯示，2019年1—2月的500 hPa位勢(shì)高度也相應(yīng)地是自1961年以來(lái)的最高紀(jì)錄，而且1961—2019年的地表太陽(yáng)輻射（作為日照時(shí)數(shù)的代替值）和500 hPa位勢(shì)高度呈現(xiàn)了顯著負(fù)相關(guān)關(guān)系（R=-0.38，P<0.01）。西北太平洋副熱帶高壓自2018年年末一直偏強(qiáng)，并偏近中國(guó)大陸地區(qū)，致使在日本海及其以東區(qū)域形成了異常反氣旋環(huán)流，因而在長(zhǎng)江中下游形成水汽輻合區(qū)，從而導(dǎo)致了此次持續(xù)并罕見的陰雨寡照天氣。

基于第六次耦合模式比較計(jì)劃模式和再分析產(chǎn)品數(shù)據(jù)的分析，發(fā)現(xiàn)異常反氣旋環(huán)流使此次極端低日照事件發(fā)生的可能性提高到4.8倍，使其成為此極端事件的主要驅(qū)動(dòng)因素。此外，在大氣污染逐漸嚴(yán)重以及全球變暖的背景下，人為氣溶膠和溫室氣體排放可能使此次極端事件發(fā)生概率分別增加了3.1倍和1.3倍，而溫室氣體排放可能對(duì)大氣環(huán)流異常的發(fā)生存在潛在的影響（He et al.，2021a）。

4.2.2 中國(guó)秋冬季節(jié)空氣污染的氣象和地形影響評(píng)估

高強(qiáng)度的污染物排放是中國(guó)地區(qū)空氣污染爆發(fā)的元兇，而不利的氣象條件則稱為激發(fā)空氣污染不可或缺的外部條件。該研究評(píng)估了大氣對(duì)污染物的水平和垂直擴(kuò)散以及濕清除能力，提出了衡量靜穩(wěn)天氣的定量指標(biāo)，該指標(biāo)充分考慮了我國(guó)西高東低地形特征對(duì)近地面風(fēng)場(chǎng)的影響，解釋了美國(guó)國(guó)家海洋與大氣管理局（NOAA）的靜穩(wěn)天氣指標(biāo)在我國(guó)不適用的原因（Wang et al.，2018a）。

研究發(fā)現(xiàn)中國(guó)秋冬季節(jié)靜穩(wěn)事件發(fā)生概率明顯高于歐美地區(qū)，京津冀地區(qū)秋冬季靜穩(wěn)天氣發(fā)生的概率為35％～42％，四川盆地全年靜穩(wěn)天氣時(shí)間高達(dá)50％，而歐美為20％～24％，不利的大氣擴(kuò)散條件加之高強(qiáng)度的污染排放是我國(guó)秋冬季嚴(yán)重空氣污染過(guò)程頻發(fā)的主要原因。即使目前的污染物排放強(qiáng)度保持不變，若能達(dá)到歐美地區(qū)同樣的大氣擴(kuò)散條件，則我國(guó)冬季82％的地區(qū)PM2.5平均濃度會(huì)明顯降低，其中京津冀和四川地區(qū)平均可降低12％。研究進(jìn)一步指出，由于我國(guó)目前的PM2.5年均濃度處于較高水平，要實(shí)現(xiàn)優(yōu)良天數(shù)達(dá)標(biāo)的目標(biāo)需綜合考慮經(jīng)濟(jì)的穩(wěn)定增長(zhǎng)以及更為嚴(yán)格有效的減排措施，在制定未來(lái)減排措施的過(guò)程中不可忽視氣象氣候條件對(duì)空氣質(zhì)量的影響（Wang et al.，2018a）。

4.2.3 中國(guó)城市熱環(huán)境和居民生活熱舒適度評(píng)估

1）城市熱環(huán)境的時(shí)空動(dòng)態(tài)變化

開展城市熱環(huán)境時(shí)空動(dòng)態(tài)變化研究是理解城市居民熱暴露環(huán)境特征的重要方面。在日變化時(shí)間尺度上，基于局地氣候分區(qū)系統(tǒng)分析了南京地表熱島強(qiáng)度日變化特征及其季節(jié)性差異（Dong et al.，2022）。主要發(fā)現(xiàn)包括：1）對(duì)于年均日內(nèi)逐時(shí)地表熱島而言，多種局地氣候分區(qū)類型的日內(nèi)變化形態(tài)相似（均為“單谷單峰”型）;但日內(nèi)特征值存在一定差異;中層、高層以及重工業(yè)建筑類型日內(nèi)累計(jì)熱島時(shí)間最持久（大于20 h），大型低層建筑類型熱島強(qiáng)度日內(nèi)最大值最高、日內(nèi)最小值較小，離散建筑類型日內(nèi)熱島強(qiáng)度均最低;2）對(duì)于月均日內(nèi)逐時(shí)地表熱島而言，4—9月多種建筑類型月均和年均的日變化形態(tài)相似;3—10月，盡管地表熱島強(qiáng)度觸及日內(nèi)最高值后下降速度加快，但月均日內(nèi)變化形態(tài)仍與年均形態(tài)基本相似;就其余月份（特別是冬季）而言，不同建筑類型月均日內(nèi)變化形態(tài)大多呈現(xiàn)較大的分異，部分建筑類型甚至呈現(xiàn)完全相反的形態(tài)特征。

在城市熱島日變化模態(tài)上，研究識(shí)別了5種模態(tài)及其發(fā)生機(jī)制。基于我國(guó)354座大城市情況和地表溫度日內(nèi)變化模型，率先在區(qū)域尺度上識(shí)別了地表熱島強(qiáng)度變化的主要模態(tài)（Lai et al.，2018b）。研究發(fā)現(xiàn)：1）多數(shù)城市熱島強(qiáng)度的日內(nèi)最高（最低）點(diǎn)出現(xiàn)在上午及中午（下午）時(shí)段;2）強(qiáng)熱島及冷島出現(xiàn)的持續(xù)時(shí)長(zhǎng)分別為5.6（±4.0）和7.6（±6.1） h;3）地表熱島主要具有5種主要模態(tài)：“勺狀模態(tài)”“弱勺狀模態(tài)”“準(zhǔn)勺狀模態(tài)”“反勺狀模態(tài)”和“直線型模態(tài)”。在對(duì)地表城市熱島強(qiáng)度估算的影響方面，研究表明地表溫度產(chǎn)品質(zhì)量控制對(duì)其具有系統(tǒng)性影響。根據(jù)對(duì)中國(guó)86座城市的分析（Lai et al.，2018a）可知：1）MODIS衛(wèi)星數(shù)據(jù)質(zhì)量控制對(duì)晝夜熱島強(qiáng)度的影響分別為24.3％和29.9％;2）地表熱島具有鮮明的季節(jié)性和南北差異，春季和秋季與地表熱島強(qiáng)度與云量顯著負(fù)相關(guān)。

2）居民生活熱舒適度的時(shí)空變化

當(dāng)前高精度城市熱舒適度數(shù)據(jù)的缺乏阻礙了公眾對(duì)城市人居環(huán)境健康的進(jìn)一步認(rèn)知。基于區(qū)域尺度（1 km）城市熱舒適度數(shù)據(jù)估算了長(zhǎng)江三角洲地區(qū)通用熱氣候指數(shù)（universal thermal climate index），評(píng)估了典型城市熱島強(qiáng)度類型之間的差異（Wang et al. 2020）。主要結(jié)論包括：1）通用熱氣候指數(shù)在城鎮(zhèn)地區(qū)整體高于其他地表覆蓋類型，雖然其與空氣溫度的空間分布特征相似，但其明顯高于空氣溫度;2）2002—2018年長(zhǎng)江三角洲地區(qū)受極強(qiáng)熱應(yīng)力或強(qiáng)熱應(yīng)力影響的地域不斷增多，城鎮(zhèn)周圍是通用熱氣候指數(shù)升高較為明顯的區(qū)域;3）基于陸地地表溫度、平均輻射溫度、通用熱氣候指數(shù)、近地面空氣溫度和露點(diǎn)溫度估算的熱島強(qiáng)度在白天依次下降，且長(zhǎng)江三角洲不同典型城市之間熱島強(qiáng)度的差異相對(duì)較小;然而，在夜晚不同熱島強(qiáng)度之間差異明顯增強(qiáng)，其中熱島效應(yīng)對(duì)杭州通用熱氣候指數(shù)的影響顯著高于其他兩個(gè)典型城市。該研究為增進(jìn)遙感技術(shù)與城市熱舒適度的融合研究提供了范例。

3）影響城市熱環(huán)境的主要因素

開展城市熱島-熱浪之間的協(xié)同作用機(jī)制研究是理解城市熱環(huán)境時(shí)空演變規(guī)律的有效途徑。對(duì)于廣泛氣候背景對(duì)城市熱島-熱浪之間的協(xié)同作用機(jī)制的影響，以往研究尚未顧及這一點(diǎn)，特別是熱浪強(qiáng)度增強(qiáng)下熱島如何變化仍存有爭(zhēng)議。為此針對(duì)中國(guó)354個(gè)城市的熱浪-地表熱島強(qiáng)度響應(yīng)及其影響因素，量化了熱浪-熱島協(xié)同程度，結(jié)果（Miao et al.，2022）表明：1）與非熱浪期比較，熱浪期地表熱島強(qiáng)度變化幅度具有顯著的干濕和緯向差異，即中國(guó)東部地區(qū)濕潤(rùn)帶熱島增強(qiáng)而西北地區(qū)干旱帶冷島增強(qiáng);2）郊區(qū)植被覆蓋的氣候區(qū)差異主導(dǎo)了熱浪-熱島協(xié)同效應(yīng)的空間格局，郊區(qū)植被指數(shù)與晝、夜熱島強(qiáng)度變化的相關(guān)系數(shù)分別為0.407和0.446;3）熱浪-熱島協(xié)同程度在大多數(shù)氣候區(qū)隨熱浪強(qiáng)度增加而增強(qiáng)，包括白天的熱帶區(qū)、暖溫帶區(qū)及干旱溫帶區(qū)，以及夜晚除中溫帶外的所有氣候區(qū)。

在時(shí)空尺度及采樣效應(yīng)對(duì)地表城市熱島各類控制因子相對(duì)貢獻(xiàn)度的影響上，研究基于中國(guó)896個(gè)城市的調(diào)查（Lai et al.，2021）發(fā)現(xiàn)：1）隨著時(shí)間尺度的擴(kuò)大，氣候因子對(duì)熱島的控制逐漸減弱，而城市地表屬性及發(fā)展規(guī)模的作用逐漸增加；日內(nèi)尺度氣象因子主導(dǎo)了熱島，日間和月尺度氣候或氣象因子仍有較大影響，但地表屬性對(duì)北方溫帶氣候區(qū)熱島控制較強(qiáng);2）從空間尺度來(lái)看，局地尺度下城市發(fā)展規(guī)模對(duì)熱島的影響小于城市地表屬性及背景氣候因子，區(qū)域尺度下地表屬性和背景氣候因子分別控制了白天和夜間熱島，全國(guó)尺度下背景氣候因子控制了晝夜熱島;3）就篩選城市樣本的采樣標(biāo)準(zhǔn)而言，城區(qū)面積標(biāo)準(zhǔn)下熱島因子貢獻(xiàn)排序分別是背景氣候因子、地表屬性、城市發(fā)展規(guī)模，氣候區(qū)采樣標(biāo)準(zhǔn)下熱島最大影響因子在晝、夜分別為地表屬性和城市發(fā)展規(guī)模。

在地表和冠層熱島兩者時(shí)空格局及其主導(dǎo)因素上，全球典型城市的研究結(jié)果（Du et al.，2021）表明：1）從所有城市平均來(lái)看，年均地表熱島強(qiáng)度在白天和夜晚分別比冠層熱島強(qiáng)度高約1.1 ℃和0.3 ℃；無(wú)論晝夜，兩類熱島差異皆呈現(xiàn)夏季最大、冬季最小;2）對(duì)于氣候區(qū)，兩類熱島總體差異規(guī)律與兩者在熱帶、暖溫帶和寒帶的差異規(guī)律較為相似，即地表熱島大于冠層熱島，但干旱區(qū)城市白天冠層熱島反而高于地表熱島約0.8 ℃;3）就熱島強(qiáng)度晝夜差異而言，全球城市平均地表城市熱島為正（0.6 ℃），但冠層熱島強(qiáng)度的白天與夜間的差異為負(fù)（-0.2 ℃），表明城市化因素總體會(huì)增大地表溫度日較差和縮小空氣溫度日較差;4）兩類熱島差異受到城市地表屬性、氣候因子及城市發(fā)展強(qiáng)度的聯(lián)合控制。

4）未來(lái)熱舒適度預(yù)估

隨著中國(guó)城市化進(jìn)入增效提質(zhì)階段，未來(lái)人為排放強(qiáng)度加劇情景下我國(guó)城市熱舒適度的時(shí)空格局如何演變是個(gè)亟需回答的問(wèn)題。據(jù)此，研究基于通用熱舒適度指數(shù)，探究了未來(lái)（2021—2080年）4種排放情景（SSP1-2.6、SSP2-4.5、SSP3-7.0及SSP5-8.5）下352個(gè)城市的熱舒適度相似性和轉(zhuǎn)移特征。研究（Wang S S et al.，2022）發(fā)現(xiàn)：1）我國(guó)城市的熱舒適度指數(shù)相似性具有明顯的空間特征；絕大部分西部、東北和南部沿海等城市的熱舒適性指數(shù)相似性較低；隨著未來(lái)人為排放強(qiáng)度增加，熱舒適度指數(shù)呈現(xiàn)增長(zhǎng)趨勢(shì)，最顯著的為中部和南部沿海城市;2）城市熱舒適度的轉(zhuǎn)移特征呈現(xiàn)顯著空間分異性；以中部和南部城市的熱舒適度向低緯度城市轉(zhuǎn)移為典型，在21世紀(jì)中后期高排放情景下（SSP5-8.5），58.2％的城市將呈現(xiàn)超過(guò)5°的低緯度轉(zhuǎn)移，北部城市呈現(xiàn)向鄰近緯度（-5°～5°）城市轉(zhuǎn)移趨勢(shì)，西部城市主要向高緯度城市轉(zhuǎn)移;3）在未來(lái)人為排放強(qiáng)度加劇的情景下，熱舒適度的轉(zhuǎn)移將更加集中且向低緯度城市的轉(zhuǎn)移趨勢(shì)逐步增強(qiáng)。

5 結(jié)論

項(xiàng)目提出了陸表氣候觀測(cè)數(shù)據(jù)漸變型不均一性檢測(cè)和訂正的方法體系，對(duì)中國(guó)地區(qū)地表太陽(yáng)輻射、氣溫、地溫、風(fēng)速和降水等觀測(cè)數(shù)據(jù)進(jìn)行了均一性檢測(cè)和訂正，生成了高質(zhì)量陸表氣候觀測(cè)站點(diǎn)和格點(diǎn)數(shù)據(jù)集，計(jì)算得到中國(guó)陸表蒸散長(zhǎng)期變化數(shù)據(jù)集。完善并構(gòu)建了均一化高分辨率的中國(guó)高精度人文要素歷史數(shù)據(jù)集，構(gòu)建了未來(lái)關(guān)鍵人文要素情景，包括人口、國(guó)民生產(chǎn)總值、城市化、土地利用、排放和用水等要素，并構(gòu)建了非二氧化碳（甲烷、氧化亞氮）在碳中和情景下的數(shù)據(jù)集，提出了碳中和技術(shù)路徑優(yōu)選和電力行業(yè)碳中和路線圖。構(gòu)建了青藏高原地區(qū)過(guò)去30 a高分辨率樹線分布、植被物候、森林碳儲(chǔ)量、土壤碳儲(chǔ)量、植被生產(chǎn)力、凍土面積和凍土活動(dòng)層厚度時(shí)空動(dòng)態(tài)數(shù)據(jù)集，構(gòu)建了中國(guó)中東部地區(qū)居民生活熱舒適度動(dòng)態(tài)數(shù)據(jù)集。部分?jǐn)?shù)據(jù)通過(guò)發(fā)表數(shù)據(jù)論文和公開發(fā)布的形式進(jìn)行共享。

量化了地表太陽(yáng)輻射變化和城市化對(duì)中國(guó)增溫格局的影響。研究發(fā)現(xiàn)1960—1990年地表太陽(yáng)輻射總輻射降低，對(duì)日最高溫具有冷卻效應(yīng)，因此減緩了日最高溫的增溫趨勢(shì)。這在日最高地溫方面表現(xiàn)得更為明顯，地表太陽(yáng)輻射的降低趨勢(shì)是夏季大于冬季，冷卻效應(yīng)也是夏季大于冬季。1990年以后地表太陽(yáng)輻射降低趨勢(shì)停止，站點(diǎn)周邊城市化帶來(lái)的城市熱島效應(yīng)放大了日最低氣溫的增溫速度，導(dǎo)致城市觀測(cè)站增溫具有更顯著的日不對(duì)稱性，但這種日不對(duì)稱性在農(nóng)村觀測(cè)站并不顯著。氣象站點(diǎn)周邊城市化使局地地表粗糙度增加，致使觀測(cè)得到的地表風(fēng)速降低。我們采用兩種獨(dú)立的方法對(duì)地表風(fēng)速觀測(cè)進(jìn)行了均一化，結(jié)果一致表明：中國(guó)地區(qū)地表風(fēng)速在1990年以前具有降低的趨勢(shì)，此后降低趨勢(shì)逆轉(zhuǎn)并持續(xù)增加，這一變化特征與地轉(zhuǎn)風(fēng)一致。站點(diǎn)周邊城市化影響了增溫格局觀測(cè)結(jié)果的空間代表性，為局地觀測(cè)誤差，而非大尺度的氣候變化。

在識(shí)別關(guān)鍵人文要素與自然要素關(guān)聯(lián)機(jī)制的基礎(chǔ)上，評(píng)估了社會(huì)經(jīng)濟(jì)和政策干預(yù)對(duì)碳排放、氮排放和其他溫室氣體排放的影響，以及中國(guó)全國(guó)或多個(gè)行業(yè)實(shí)現(xiàn)碳中和目標(biāo)所帶來(lái)的對(duì)全球溫升、局地污染物排放、土地利用、水資源等的多重影響。發(fā)現(xiàn)碳中和目標(biāo)總體上會(huì)帶動(dòng)局地污染物排放和濃度的下降以及水資源需求的下降，但一些具體的技術(shù)路徑仍可能會(huì)加劇土地資源競(jìng)爭(zhēng)和水壓力的加劇。從農(nóng)田管理方面提高氮肥的利用效率可以在糧食不減產(chǎn)的條件下大幅度減少農(nóng)田的氮排放，從當(dāng)前的510萬(wàn)t排放減少至270～290萬(wàn)t，減少了42％～47％，但仍需要重構(gòu)傳統(tǒng)的養(yǎng)分循環(huán)體系，以使中國(guó)水體環(huán)境質(zhì)量恢復(fù)到安全水平。建議更全面細(xì)致地評(píng)估中國(guó)各種碳中和實(shí)現(xiàn)路徑的社會(huì)經(jīng)濟(jì)和自然生態(tài)影響，以保證碳中和目標(biāo)與其他可持續(xù)發(fā)展目標(biāo)的協(xié)同實(shí)現(xiàn)。

利用全耦合地球系統(tǒng)模式，基于4種共享社會(huì)經(jīng)濟(jì)路徑情景，預(yù)估了我國(guó)碳中和戰(zhàn)略的實(shí)施對(duì)全球變暖的減緩貢獻(xiàn)。發(fā)現(xiàn)我國(guó)碳中和目標(biāo)下二氧化碳減排在區(qū)域競(jìng)爭(zhēng)路徑（SSP3-7.0）和化石燃料為主發(fā)展路徑（SSP5-8.5）情景下對(duì)遠(yuǎn)期（2081—2100年）全球變暖減緩的單獨(dú)貢獻(xiàn)分別為0.48和0.40 ℃，占同期全球變暖的14％和9％。進(jìn)一步考慮伴隨二氧化碳減排的甲烷和氧化亞氮減排，在SSP3-7.0和SSP5-8.5情景下我國(guó)碳中和可使遠(yuǎn)期階段全球變暖減緩0.50和0.39 ℃，即使在可持續(xù)路徑（SSP1-2.6）和中間路徑（SSP2-4.5）情景下，也將使遠(yuǎn)期階段變暖減緩0.21和0.32 ℃。在SSP2-4.5和SSP5-8.5情景下，二氧化碳、甲烷和氧化亞氮的共同作用也顯著減緩了中期（2041—2060年）全球變暖，對(duì)避免未來(lái)氣候?yàn)?zāi)害做出巨大貢獻(xiàn)。

闡明了全球陸表干濕變化格局，證實(shí)了干旱區(qū)植被持續(xù)變綠，發(fā)現(xiàn)變暖總體上促進(jìn)植被生長(zhǎng)，變暖對(duì)植被生長(zhǎng)的促進(jìn)作用不僅體現(xiàn)在時(shí)間上的變化趨勢(shì)，還體現(xiàn)在氣候-生態(tài)質(zhì)量在空間上的遷移，發(fā)現(xiàn)大氣飽和水汽壓差對(duì)全球陸地碳匯年際變化起到?jīng)Q定性作用。揭示了過(guò)去幾十年青藏高原大氣飽和水汽壓差增加顯著降低了高原草地生產(chǎn)力，發(fā)現(xiàn)青藏高原干旱半干旱區(qū)積雪對(duì)植被生長(zhǎng)有促進(jìn)作用，濕潤(rùn)區(qū)積雪對(duì)植被生長(zhǎng)有抑制作用。揭示了青藏高原增暖放大現(xiàn)象與地表反照率反饋之間的關(guān)系，模擬和預(yù)估了增暖背景下青藏高原凍土的時(shí)空變化規(guī)律。構(gòu)建了以熱舒適度為核心的空間質(zhì)量綜合評(píng)價(jià)指標(biāo)體系，發(fā)現(xiàn)到21世紀(jì)末，中國(guó)南部沿海和長(zhǎng)江中下游地區(qū)城市熱環(huán)境將超過(guò)熱舒適度閾值。

參考文獻(xiàn)（References）

An S，Zhu X L，Shen M G，et al.，2018.Mismatch in elevational shifts between satellite observed vegetation greenness and temperature isolines during 2000—2016 on the Tibetan Plateau［J］.Glob Chang Biol，24（11）：5411-5425.doi：10.1111／gcb.14432.

Bu C J，Cui X Q，Li R Y，et al.，2021.Achieving net-zero emissions in Chinas passenger transport sector through regionally tailored mitigation strategies［J］.Appl Energy，284：116265.doi：10.1016／j.apenergy.2020.116265.

Chen J W，Cui H J，Xu Y Y，et al.，2021.Long-term temperature and sea-level rise stabilization before and beyond 2100：estimating the additional climate mitigation contribution from Chinas recent 2060 carbon neutrality pledge［J］.Environ Res Lett，16（7）：074032.doi：10.1088／1748-9326／ac0cac.

Chen Y D，Guo F，Wang J C，et al.，2020.Provincial and gridded population projection for China under shared socioeconomic pathways from 2010 to 2100［J］.Sci Data，7（1）：83.doi：10.1038／s41597-020-0421-y.

Ding J Z，Yang T，Zhao Y T，et al.，2018.Increasingly important role of atmospheric aridity on Tibetan alpine grasslands［J］.Geophys Res Lett，45（6）：2852-2859.doi：10.1002／2017gl076803.

Dong P，Jiang S D，Zhan W F，et al.，2022.Diurnally continuous dynamics of surface urban heat island intensities of local climate zones with spatiotemporally enhanced satellite-derived land surface temperatures［J］.Build Environ，218：109105.doi：10.1016／j.buildenv.2022.109105.

Du H L，Zhan W F，Liu Z H，et al.，2021.Simultaneous investigation of surface and canopy urban heat islands over global cities［J］.ISPRS J Photogramm Remote Sens，181：67-83.doi：10.1016／j.isprsjprs.2021.09.003.

Du J Z，Wang K C，Wang J K，et al.，2017.Contributions of surface solar radiation and precipitation to the spatiotemporal patterns of surface and air warming in China from 1960 to 2003［J］.Atmos Chem Phys，17（8）：4931-4944.doi：10.5194／acp-17-4931-2017.

Feng F，Wang K C，2019a.Does the modern-era retrospective analysis for research and applications-2 aerosol reanalysis introduce an improvement in the simulation of surface solar radiation over China？［J］.Int J Climatol，39（3）：1305-1318.doi：10.1002／joc.5881.

Feng F，Wang K C，2019b.Determining factors of monthly to decadal variability in surface solar radiation in China：evidences from current reanalyses［J］.J Geophys Res：Atmos，124（16）：9161-9182.doi：10.1029／2018jd030214.

Feng F，Wang K C，2021.Merging high-resolution satellite surface radiation data with meteorological sunshine duration observations over China from 1983 to 2017［J］.Remote Sens，13（4）：602.doi：10.3390／rs13040602.

He B，Wang S R，Guo L L，et al.，2019.Aridity change and its correlation with greening over drylands［J］.Agric For Meteorol，278：107663.doi：10.1016／j.agrformet.2019.107663.

He B，Chen C，Lin S R，et al.，2022.Worldwide impacts of atmospheric vapor pressure deficit on the interannual variability of terrestrial carbon sinks［J］.Natl Sci Rev，9（4）：nwab150.doi：10.1093／nsr／nwab150.

He Y Y，Wang K C，Zhou C L，et al.，2018.A revisit of global dimming and brightening based on the sunshine duration［J］.Geophys Res Lett，45（9）：4281-4289.doi：10.1029／2018gl077424.

He Y Y，Wang K C，2020.Variability in direct and diffuse solar radiation across China from 1958 to 2017［J］.Geophys Res Lett，47（1）：e84570.doi：10.1029／2019gl084570.

He Y Y，Wang K C，Qi D，2021a.Roles of anthropogenic forcing and natural variability in the record-breaking low sunshine event in January-February 2019 over the middle-lower Yangtze Plain［J］.Bull Amer Meteor Soc，102（1）：S75-S81.doi：10.1175／BAMS-D-20-0185.1.

He Y Y，Wang K C，F(xiàn)eng F，2021b.Improvement of ERA5 over ERA-interim in simulating surface incident solar radiation throughout China［J］.J Climate，34（10）：3853-3867.doi：10.1175／jcli-d-20-0300.1.

Jiang S J，Lee X H，Wang J K，et al.，2019.Amplified urban heat islands during heat wave periods［J］.J Geophys Res：Atmos，124（14）：7797-7812.doi：10.1029／2018jd030230.

Jiang S J，Wang K C，Mao Y N，2020.Rapid local urbanization around most meteorological stations explains the observed daily asymmetric warming rates across China from 1985 to 2017［J］.J Climate，33（20）：9045-9061.doi：10.1175／jcli-d-20-0118.1.

Lai J M，Zhan W F，Huang F，et al.，2018a.Does quality control matter？Surface urban heat island intensity variations estimated by satellite-derived land surface temperature products［J］.ISPRS J Photogramm Remote Sens，139：212-227.doi：10.1016／j.isprsjprs.2018.03.012.

Lai J M，Zhan W F，Quan J L，et al.，2021.Reconciling debates on the controls on surface urban heat island intensity：effects of scale and sampling［J］.Geophys Res Lett，48（19）：e94485.doi：10.1029／2021gl094485.

Lai J M，Zhan W F，Huang F，et al.，2018b.Identification of typical diurnal patterns for clear-sky climatology of surface urban heat islands［J］.Remote Sens Environ，217：203-220.doi：10.1016／j.rse.2018.08.021.

Li H R，Cui X Q，Weng Y W，et al.，2021a.A rule-based method to downscale provincial level power sector projection results to plant level［J］.MethodsX，8：101448.doi：10.1016／j.mex.2021.101448.

Li H R，Cui X Q，Hui J X，et al.，2021b.Catchment-level water stress risk of coal power transition in China under 2 ℃／1.5 ℃ targets［J］.Appl Energy，294：116986.doi：10.1016／j.apenergy.2021.116986.

Li L H，Zhang Y，Zhou T J，et al.，2022.Mitigation of Chinas carbon neutrality to global warming［J］.Nat Commun，13（1）：5315.doi：10.1038／s41467-022-33047-9.

Lin C G，Yang K，Qin J，et al.，2013.Observed coherent trends of surface and upper-air wind speed over China since 1960［J］.J Climate，26（9）：2891-2903.doi：10.1175／jcli-d-12-00093.1.

Liu D，Li Y，Wang T，et al.，2018.Contrasting responses of grassland water and carbon exchanges to climate change between Tibetan Plateau and Inner Mongolia［J］.Agric For Meteorol，249：163-175.doi：10.1016／j.agrformet.2017.11.034.

McVicar T R，Roderick M L，Donohue R J，et al.，2012.Global review and synthesis of trends in observed terrestrial near-surface wind speeds：implications for evaporation［J］.J Hydrol，416／417：182-205.doi：10.1016／j.jhydrol.2011.10.024.

Miao S Q，Zhan W F，Lai J M，et al.，2022.Heat wave-induced augmentation of surface urban heat islands strongly regulated by rural background［J］.Sustain Cities Soc，82：103874.doi：10.1016／j.scs.2022.103874.

Nie Y Y，Cai W J，Wang C，et al.，2019.Assessment of the potential and distribution of an energy crop at 1-km resolution from 2010 to 2100 in China：the case of sweet sorghum［J］.Appl Energy，239：395-407.doi：10.1016／j.apenergy.2019.01.214.

Nie Y Y，Chang S Y，Cai W J，et al.，2020.Spatial distribution of usable biomass feedstock and technical bioenergy potential in China［J］.GCB Bioenergy，12（1）：54-70.doi：10.1111／gcbb.12651.

Ohmura A，Gilgen H，Hegner H，et al.，1998.Baseline surface radiation network （BSRN／WCRP）：new precision radiometry for climate research［J］.Bull Amer Meteor Soc，79（10）：2115-2136.doi：10.1175／1520-0477（1998）079<2115：bsrnbw>2.0.co;2.

Tang R，He B，Chen H W，et al.，2022.Increasing terrestrial ecosystem carbon release in response to autumn cooling and warming［J］.Nat Clim Change，12：380-385.doi：10.1038／s41558-022-01304-w.

Tang W J，Yang K，Qin J，et al.，2019.A 16-year dataset （2000—2015） of high-resolution （3 h，10 km） global surface solar radiation［J］.Earth Syst Sci Data，11（4）：1905-1915.doi：10.5194／essd-11-1905-2019.

Wang C G，Zhan W F，Liu Z H，et al.，2020.Satellite-based mapping of the Universal Thermal Climate Index over the Yangtze River Delta urban agglomeration［J］.J Clean Prod，277：123830.doi：10.1016／j.jclepro.2020.123830.

Wang K，Dickinson R E，2013.Contribution of solar radiation to decadal temperature variability over land［J］.Proc Natl Acad Sci USA，110（37）：14877-14882.doi：10.1073／pnas.1311433110.

Wang K C，2014.Measurement biases explain discrepancies between the observed and simulated decadal variability of surface incident solar radiation［J］.Sci Rep，4：6144.doi：10.1038／srep06144.

Wang K C，Ma Q，Li Z J，et al.，2015.Decadal variability of surface incident solar radiation over China：observations，satellite retrievals，and reanalyses［J］.JGR Atmospheres，120（13）：6500-6514.doi：10.1002／2015jd023420.

Wang K C，Jiang S J，Wang J K，et al.，2017.Comparing the diurnal and seasonal variabilities of atmospheric and surface urban heat islands based on the Beijing urban meteorological network［J］.J Geophys Res：Atmos，122（4）：2131-2154.doi：10.1002／2016jd025304.

Wang R，Li H R，Cai W J，et al.，2022.Alternative pathway to phase down coal power and achieve negative emission in China［J］.Environ Sci Technol，56（22）：16082-16093.doi：10.1021／acs.est.2c06004.

Wang S S，Zhan W F，Du H L，et al.，2022.Identifying analogs of future thermal comfort under multiple projection scenarios in 352 Chinese cities［J］.Sustain Cities Soc，82：103889.doi：10.1016／j.scs.2022.103889.

Wang X Y，Dickinson R E，Su L Y，et al.，2018a.PM2.5 pollution in China and how it has been exacerbated by terrain and meteorological conditions［J］.Bull Amer Meteor Soc，99（1）：105-119.doi：10.1175／bams-d-16-0301.1.

Wang X Y，Wang T，Guo H，et al.，2018b.Disentangling the mechanisms behind winter snow impact on vegetation activity in northern ecosystems［J］.Glob Chang Biol，24（4）：1651-1662.doi：10.1111／gcb.13930.

Wang X Y，Wang T，Liu D，et al.，2019.Multisatellite analyses of spatiotemporal variability in photosynthetic activity over the Tibetan Plateau［J］.J Geophys Res：Biogeosciences，124（12）：3778-3797.doi：10.1029／2019jg005249.

Weng Y W，Cai W J，Wang C，2021.Evaluating the use of BECCS and afforestation under Chinas carbon-neutral target for 2060［J］.Appl Energy，299：117263.doi：10.1016／j.apenergy.2021.117263.

Wild M，Ohmura A，Schr C，et al.，2017.The Global Energy Balance Archive （GEBA） version 2017：a database for worldwide measured surface energy fluxes［J］.Earth Syst Sci Data，9（2）：601-613.doi：10.5194／essd-9-601-2017.

Yang Y，Zhang J J，Wang C，2018.Forecasting Chinas carbon intensity：is China on track to comply with its Copenhagen commitment？［J］.Energy J，39（2）：63-86.doi：10.5547／01956574.39.2.yyan.

喻朝慶，2019.水-氮耦合機(jī)制下的中國(guó)糧食與環(huán)境安全［J］.中國(guó)科學(xué)：地球科學(xué)，49（12）：2018-2036. Yu C Q，2019.The coupled effects of water and nitrogen on Chinas food and environmental securities［J］.Sci Sin Terrae，49（12）：2018-2036.（in Chinese）.

Yu C Q，Huang X，Chen H，et al.，2019.Managing nitrogen to restore water quality in China［J］.Nature，567（7749）：516-520.doi：10.1038／s41586-019-1001-1.

Zhang G F，Nan Z T，Wu X B，et al.，2019.The role of winter warming in permafrost change over the Qinghai-Tibet Plateau［J］.Geophys Res Lett，46（20）：11261-11269.doi：10.1029／2019gl084292.

Zhang G F，Nan Z T，Yin Z Y，et al.，2021a.Isolating the contributions of seasonal climate warming to permafrost thermal responses over the Qinghai-Tibet Plateau［J］.J Geophys Res：Atmos，126（21）：e2021JD035218.doi：10.1029／2021JD035218.

Zhang G F，Nan Z T，Zhao L，et al.，2021b.Qinghai-Tibet Plateau wetting reduces permafrost thermal responses to climate warming［J］.Earth Planet Sci Lett，562：116858.doi：10.1016／j.epsl.2021.116858.

Zhang G F，Nan Z T，Hu N，et al.，2022.Qinghai-Tibet Plateau permafrost at risk in the late 21st century［J］.Earths Future，10（6）.doi：10.1029／2022ef002652.

Zhang T T，Wang T，Krinner G，et al.，2019.The weakening relationship between Eurasian spring snow cover and Indian summer monsoon rainfall［J］.Sci Adv，5（3）：eaau8932.doi：10.1126／sciadv.aau8932.

Zhang Z T，Wang K C，Chen D L，et al.，2019.Increase in surface friction dominates the observed surface wind speed decline during 1973—2014 in the Northern Hemisphere lands［J］.J Climate，32（21）：7421-7435.doi：10.1175／jcli-d-18-0691.1.

Zhang Z T，Wang K C，2020.Stilling and recovery of the surface wind speed based on observation，reanalysis，and geostrophic wind theory over China from 1960 to 2017［J］.J Climate，33（10）：3989-4008.doi：10.1175／jcli-d-19-0281.1.

Zhang Z T，Wang K C，2021.Quantifying and adjusting the impact of urbanization on the observed surface wind speed over China from 1985 to 2017［J］.Fundam Res，1（6）：785-791.doi：10.1016／j.fmre.2021.09.006.

Zhong Z Q，He B，Wang Y P，et al.，2023.Disentangling the effects of vapor pressure deficit on northern terrestrial vegetation productivity［J］.Sci Adv，9（32）：eadf3166.doi：10.1126／sciadv.adf3166.

Zhou C L，Wang K C，Ma Q，2017.Evaluation of eight current reanalyses in simulating land surface temperature from 1979 to 2003 in China［J］.J Climate，30（18）：7379-7398.doi：10.1175／jcli-d-16-0903.1.

Zhou C L，Wang K C，Qi D，2018.Attribution of the July 2016 extreme precipitation event over Chinas Wuhang［J］.Bull Amer Meteor Soc，99（1）：S107-S112.doi：10.1175／bams-d-17-0090.1.

Zhou C L，Chen D L，Wang K C，et al.，2020.Conditional attribution of the 2018 summer extreme heat over Northeast China：roles of urbanization，global warming，and warming-induced circulation changes［J］.Bull Amer Meteor Soc，101（1）：S71-S76.doi：10.1175／bams-d-19-0197.1.

·ARTICLE·

Interactions of natural and anthropogenic parameters over the land：progress of the National Key R&D Program of China for Global Change and Response

WANG Kaicun1，WANG Can2，LI Longhui3，WANG Tao4，WU Guocan5，F(xiàn)U Yongshuo6，MA Qian5，ZHANG Jingyong7，CAI Wenjia8，CAO Jing9，YU Chaoqing10，ZHU Huasheng5，NAN Zhuotong3，CHEN Min3，ZHANG Jing5，JI Duoying5，SHEN Miaogen5，TANG Wenjun4，HE Bin5，ZHAN Wenfeng11

1College of Urban and Environmental Sciences，Peking University，Beijing 100871，China;

2School of Environment，Tsinghua University，Beijing 100084，China;

3College of Geographical Sciences，Nanjing Normal University，Nanjing 210023，China;

4Institute of Tibetan Plateau Research，Chinese Academy of Sciences，Beijing 100085，China;

5Faculty of Geographical Sciences，Beijing Normal University，Beijing 100875，China;

6Institute of Water Science，Beijing Normal University，Beijing 100875，China;

7Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;

8Department of Earth System Science，Tsinghua University，Beijing 100084，China;

9School of Economics and Management，Tsinghua University，Beijing 100084，China;

10College of Ecology and Environment，Hainan University，Haikou 570228，China;

11International Institute of Earth System Science，Nanjing University，Nanjing 210023，China

Abstract With the support of the National Key Research and Development program，the project proposed a new method for the detection and correction of inhomogeneity of the observed land surface climate data，solved the problem of the detection and correction of the gradual inhomogeneity，and constructed the station and grid data set for the homogenized surface solar radiation，air temperature，ground temperature，wind speed and precipitation in China.The conclusions on the trend of surface wind speed，warming pattern in China and its formation mechanism have been revised.Multi-source data were integrated to construct and validate historical and future datasets of key anthropogenic factors affecting natural systems such as power plants，population，biomass energy，water withdrawal，nitrogen emissions，and carbon dioxide emissions at the km，watershed，or county level.Scenarios of future key anthropogenic factors were constructed，methane and nitrous oxide emission scenarios under carbon neutrality targets and future scenarios used to drive global models were developed，and the mitigation effects of Chinas carbon neutrality on global warming were estimated，and it was found that Chinas carbon neutrality had significant mitigation effects on long-term and medium-term global warming.The safety threshold and overshoot time of water nitrogen emission in each province of China are given，the relationship between grain yield and nitrogen fertilization in China is expounded，and effective ways to reduce water nitrogen emission under the premise of ensuring food security are proposed.It is pointed out that the reconstruction of urban and rural nutrient cycling system is a necessary way to ensure food security and restore water quality at the same time.It is found that the interannual change of global water vapor deficit is significantly related to the interannual change of atmospheric carbon dioxide concentration rising rate，which illustrates the important role of water vapor deficit change in regulating ecosystem productivity and the complex influence of multi-factor coupling on ecosystem productivity change.A more comprehensive and detailed assessment of the socio-economic and natural ecological impacts of Chinas various pathways to carbon neutrality is recommended to ensure that the goal of carbon neutrality is achieved in synergy with other sustainable development goals.

Keywords climate change;future scenarios;Carbon Neutral;land surface process;ecosystem productivity;food security

doi：10.13878／j.cnki.dqkxxb.20240103001

（責(zé)任編輯：張福穎）