有效辐射强迫的概念及其最新估值:IPCC AR6解读

依据政府间气候变化专门委员会 (IPCC) 第六次评估报告 (AR6) 第一工作组 (WGI) 报告第七章的内容,详细介绍了AR6最新定义的有效辐射强迫 (ERF)及其计算方法,并给出了自工业革命以来 (1750—2019年) 各气候辐射强迫因子ERF的最佳估值。根据AR6的最新评估,工业革命以来总人为ERF的估值为2.72 (1.96~3.48) W·m-2,相较于AR5 估计结果 (1750—2011年) 增长了0.43 W·m-2。2011年后温室气体浓度的增加及其辐射效率的修正是造成总人为ERF增加的主要原因。自工业革命以来温室气体浓度变化造成的ERF为3.84 (3.46~4.22) W·m-2,二氧化碳仍然是其中的最大贡献因素 (56%±16%)。而气溶胶的总ERF (气溶胶-辐射相互作用 (ERFari) 与气溶胶-云相互作用 (ERFaci) 的总和) 为-1.1(-1.7~-0.4) W·m-2,其中ERFari贡献20%~25%,ERFaci贡献接近75%~80%。AR6中气溶胶的总ERF的估算相较于AR5在数值上有所增加,而不确定性有所减少。但由于没有考虑部分重要的调整过程,ERFaci仍然存在较大的不确定性。

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.

IPCC AR6 ； 有效辐射强迫 ； 温室气体 ； 气溶胶

IPCC AR6 ； effective radiative forcing ； greenhouse gases ； aerosols

人类活动、太阳活动变化和火山喷发等因素主要是通过扰动地-气系统的辐射收支，造成辐射强迫来影响全球气候状态（如全球地表气温等）（张华等，2017）。同时，气候系统自身状态在改变后（如地表温度和大气各种状态变量的变化等），也会反过来促使地-气系统在新的状态下达到辐射能量收支平衡，即气候反馈过程（张华等，2021; 王菲等，2022）。张华等（2021）简要解读了政府间气候变化专门委员会（IPCC）第六次评估报告（AR6）第一工作组（WGI）报告第七章（Forster et al.，2021）有关地球辐射收支和气候反馈的主要结论，并简单汇总了AR6给出的自工业革命以来各种人为排放的温室气体和气溶胶及其前体物对有效辐射强迫（ERF）贡献的最佳估值。但值得注意的是，在理解全球平均地表温度对辐射收支扰动的响应过程时，AR6 基于强迫-响应-反馈的理论体系重新定义了ERF。相较于传统的ERF定义（参考IPCC第五次评估报告（AR5）给出的ERF定义，表1），最新定义的ERF不包括地表温度（包括陆面和海面温度）的响应，只考虑平流层温度受到扰动后的变化，对流层温度的响应以及强迫因子对云和大气环流的影响。上述由强迫因子引起的，且与地表温度变化无关的过程称为“调整”。相较于AR5中的“快速调整”，AR6中的“调整”强调了与地表温度的独立性，弱化了其快速性。与反馈相比，“调整”是与全球地表气温变化无关的过程，而反馈是由全球地表气温变化引起的过程。由此可见，AR6最新定义ERF可以更好地区分强迫和反馈。为了与AR6提出的强迫-响应-反馈理论体系相匹配，且更符合ERF的最新定义，需要将大气层顶能量平衡中去除来自陆面温度变化的影响才能给出ERF的近似值。因此AR6推荐的计算ERF的方法也在传统计算方法的基础上进行了修改。

本文介绍了目前已有的若干辐射强迫的定义和特点，并与AR6第七章中相对应的定义进行了比较; 详细介绍了AR6最新定义的ERF及其计算方法; 并总结了自工业革命以来（1750—2019年）各种气候强迫因子ERF的最佳估值。

辐射强迫是衡量不同因素影响气候变化的重要指标之一，通常指因施加了外部扰动而造成的地球系统能量平衡的净变化，通常表示为一段时间内平均的、单位面积上变化的瓦特数，可以量化外强迫引入时发生的能量失衡。辐射强迫在科学界得到了广泛的应用，在比较不同外强迫引起的某些潜在气候响应，尤其是估计全球平均温度变化时提供一个简单而量化的标准。辐射强迫常常表示为两个时间点（如工业革命前和现在）之间净辐射通量的差值，单位为W·m-2。

目前科学界普遍关注的辐射强迫包括瞬时辐射强迫（IRF），平流层温度调整的辐射强迫（SARF）和有效辐射强迫（ERF），每一种辐射强迫均有其优缺点（表1）。在AR6中提出了调整在影响辐射平衡的过程中的重要性，并强调了调整是与地表温度变化无关的过程，在此基础上AR6给出多种辐射强迫的新定义:IRF 定义为施加扰动后，不包括任何调整的大气层顶净辐射通量的变化; SARF定义为施加扰动后，包括平流层温度调整的大气层顶净辐射通量的变化; ERF是指在保持全球地表温度（包括陆面和海面温度）不变的情况下，允许对流层和平流层温度、水汽、云和一些陆面性质（如植被的地表反照率）调整后，大气顶净辐射通量的变化。值得注意的是，AR6中为了使多种辐射强迫定义的辐射通量所在高度保持一致，将IRF和SARF都定义在大气层顶，而在以往的研究中二者普遍定义在对流层顶。新定义下的IRF会与对流层顶的IRF净值存在差异，而SARF净值在大气层顶和对流层顶定义下相同。

表1 传统瞬时辐射强迫（IRF），平流层温度调整的辐射强迫（SARF）和有效辐射强迫（ERF）的定义和特点

Table1 Definition and characteristics of conventional instantaneous radiative forcing (IRF) , stratospheric temperature-adjusted radiative forcing (SARF) and effective radiative forcing (ERF)

根据AR6最新定义的ERF，一个特定强迫因子的ERF是其IRF与调整的总和，所以原则上可以通过计算IRF并逐一或一起加入调整的贡献来“自下而上”得到ERF。但不使用综合的气候模式（如CMIP5，CMIP6）很难得到全球对流层调整或与环流变化相关的调整。

除上述“自下而上”的方式，还有两种方法可以通过模拟获得近似的ERF。第一种是线性回归法:

ΔN=ΔF+αΔT

其中:ΔN表示大气顶净辐射通量的变化; ΔF表示大气顶净辐射通量的扰动（可以用ERF来量化）; α表示气候反馈参数; ΔT是全球地表气温的变化（响应）（张华等，2021; 赵树云等，2021）。将大气顶辐射收支的净变化与强迫因子变化后全球平均地表温度的变化进行线性回归，当ΔT=0时的ΔN即为ERF（ΔF）。基于线性回归法得到的ERF取决于所用数据的时间分辨率。在模拟的前几个月，地表温度变化和平流层温度调整同时发生，这会错误地把平流层温度调整归因于地表温度反馈。而且海表温度变化也会影响线性回归法得到的ERF。同时，在多年代际时间尺度上，大气层顶净辐射与地表温度之间关系曲线的曲率也会造成线性回归法得到的ERF产生偏差。第二种是固定海温和海冰浓度法（fSST方法）:由于地球系统模式中控制地表温度变化是有一定技术难度的，所以大多数模拟研究利用一组包含和不包含强迫因子变化的试验，并仅固定海温和海冰浓度来缩小ΔT项。通过比较两组模拟结果间ΔNfsst的差异给出ERF（ΔFfsst）的近似值。与线性回归法相比，fSST方法得到的ERF中气候系统的内部变率引起的不确定性更小。然而，fSST方法需要进行30 a的积分，或十组成员（每组成员进行20 a积分）的集合才能将估计结果的精度提高到0.1 W·m-2。值得注意的是，上述两种方法都不适用于量化评估ERF量级小于等于0.1 W·m-2的强迫因子。

由于fSST方法没有固定陆地上的近地面温度（陆面温度）变化ΔTland，同时陆面温度的变化还将引起对流层温度和水汽的进一步响应，所以为了符合AR6中对ERF的定义，需要去除这些响应。为了得到ΔTland的响应项，需要预先计算一个内核k（表示每单位陆面温度变化时大气层顶净辐射通量变化），并通过辐射传输模型进行估算（张华等，2021; 赵树云等，2021）。另一种直接计算陆面温度响应项的方法是使用反馈参数α，该方法得到的响应项的值大约是内核方法的两倍。由于ERF近似为fSST方法得到的ERF（ΔFfsst）中减去近地面温度的影响（kΔTland），其中k为负值，因此ERF（ΔFfsst）比AR6定义的ERF小。Andrews et al.（2021）在模式中固定了陆表温度（ΔTland=0），发现4×CO2情况（四倍于工业革命时期大气中二氧化碳浓度，后文中的2×CO2同理是指二倍于工业革命时期大气中二氧化碳浓度）下的ERF比fSST方法得到的ERF大1.0 W·m-2，充分证明了陆面温度响应项的重要性。

总体看，利用固定海温和海冰密集度法（fSST方法）计算ERF比线性回归法更好一些。fSST方法可以从理论上通过与全球地表气温变化是否有关的判断来更清晰地区分强迫和反馈。需要注意的是，利用fSST方法计算ERF时需要利用辐射核技术去除与陆面温度响应有关的大气层顶能量收支变化。

如本文第2节所述，地球系统模式可用于估算ERF，由于不同地球系统模式中的辐射方案之间存在差异（Pincus et al.，2015），仅靠地球系统模式不足以精确计算均匀混合温室气体的ERF。因此，可以用高光谱辐射分辨率传输模式估算的SARF加上地球系统模式估算的对流层调整项得到温室气体的ERF。

1750—2019年，大气中二氧化碳浓度从278 ppm（1 ppm=10-6）增加到410 ppm，其中2011—2019 年间浓度上升19 ppm。同时由于光谱数据的更新以及辐射传输模式包含了氧化亚氮N2O和CO2的重叠吸收带（Etminan et al.，2016），CO2的SARF略有增加（Meinshausen et al.，2020）。利用地球系统模式，基于fSST方法评估对流层调整项可以发现，对流层水汽、云和地表反照率调整放大了CO2的SARF，而对流层温度升高和地表温度响应对CO2的SARF起到相反的作用，二者几乎相互抵消（Vial et al.，2013; Zhang and Huang，2014; Smith et al.，2018，2020b）。但为了符合新的ERF定义，需要将地表温度的响应剔除。Smith et al.（2018）的研究认为不包含地表温度响应的对流层调整为SARF的+5%。因此，AR6选用了Meinshausen et al.（2020）的拟合公式（该公式包含N2O和CO2的重叠吸收带（Etminan et al.，2016），考虑了对流层调整，并剔除了其中与地表温度相关的响应），给出1750—2019年CO2浓度变化造成的ERF最佳估值从AR5的（1.82 ± 0.38）W·m-2（1750—2011年）上调至了（2.16 ±0.26）W·m-2（1750—2019年），其中CO2浓度增加贡献了+0.27 W·m-2，而光谱数据的更新贡献了+0.06 W·m-2。

1750—2019年，大气中CH4的浓度从729 ppb（1 ppb=10-9）增加到1 866 ppb，其中2011—2019 年间浓度上升63 ppb。同时，由于更新的光谱数据中增加了CH4的短波吸收，CH4的SARF相比AR5有大幅增加（Etminan et al.，2016）。不过CH4在短波近红外区域的吸收导致对流层加热，进而造成对流层上部云量减少，这使得CH4的ERF减小（14%±15%）（Smith et al.2018），并抵消了大部分其SARF增加的贡献。AR6给出CH4的ERF最佳估值从AR5的（0.48 ± 0.10）W·m-2（1750—2011年）上调至（0.54 ± 0.11）W·m-2（1750—2019年），其中包括了CH4浓度增加贡献的+0.03 W·m-2，光谱辐射率修正贡献的+0.12 W·m-2，以及对流层调整贡献的-0.08 W·m-2。这里给出的估值为CH4浓度变化造成的ERF，而非其排放变化贡献的ERF。由于CH4排放的增加可以生成更多的对流层臭氧，并造成平流层水汽增加，因此CH4排放变化产生的强迫要大于其浓度变化产生的强迫。

1750—2019年，大气中N2O浓度从270 ppb增加到332 ppb，其中2011—2019年间浓度上升了7 ppb，并造成其辐射强迫增加了0.02 W·m-2。N2O浓度变化造成的对流层调整贡献了0.02 W·m-2（Hodnebrog et al.，2020b）。因此AR6给出N2O的ERF最佳估值从AR5的（0.17±0.06）W·m-2（1750—2011年）上调至（0.21±0.03）W·m-2（1750—2019年）。

由于许多卤化物的寿命很短，可以认为是短寿命气候强迫因子（SLCF）。因此，许多卤化物并不是“均匀混合”的气体，在评估其辐射效率（浓度每增加1 ppb的SARF）时要考虑它们的垂直分布。2018年世界气象组织（WMO）更新了许多卤代化合物的寿命，Hodnebrog et al.（2020a）利用这些新的数据，重新计算了卤化物的平流层温度调整后的辐射效率。AR6基于Hodnebrog et al.（2020a）计算的卤化物辐射效率给出1750—2019年卤化物浓度变化的ERF最佳估计值为（0.408 ± 0.036）W·m-2，相较于AR5的最佳估计值（（0.36±0.036）W·m-2）增加了16%。在ERF的增量中，卤化物辐射效率的增加和对流层调整贡献了+0.034 W·m-2，氯氟烃（CFCs）替代物（HCFCs和HFCs）浓度的增加贡献了+0.014 W·m-2。

由于缺乏工业革命前O3的观测资料，工业革命前到现在对流层O3的辐射强迫主要基于模式模拟研究，因此关于O3的ERF的研究十分有限（MacIntosh et al.，2016; Xie et al.，2016; Skeie et al.，2020）。由于没有足够的研究来评估O3的ERF是否与其SARF不同，且没有足够的证据定量计算O3的对流层调整项，所以AR6中假定O3的ERF与其SARF相等。在以往的研究中，通常将O3强迫分为对流层O3强迫和平流层O3强迫两部分，而这种划分方法十分依赖于对流层顶的选择（Myhre et al.，2013b），同时与O3生产和消耗的划分不符。因此AR6参考Skeie et al.（2020）基于CMIP6给定的O3前体物排放和O3消耗物质浓度计算得到1850—2010年O3的SARF（（0.41±0.12）W·m-2），并利用最新的整个历史时期O3前体物排放数据评估1750—1850年和2010—2019年O3的SARF为0.03 W·m-2和0.03 W·m-2（Checa-Garcia et al.，2018），最终给出1750—2019年期间O3的ERF最佳估计值为0.47（0.24~0.70）W·m-2。该评估值的不确定性（5%~95%范围）达到50%，主要是由于工业化前O3排放的不确定性造成的。

Winterstein et al.（2019）定量评估了由CH4引起的平流层水汽变化的SARF约为0.09 W·m-2（1850—2014年），略大于AR5的评估值（（0.07±0.05）W·m-2）。同时CH4引起的平流层水汽变化的云调整为负值，所以CH4引起的平流层水汽变化的ERF近似为0 W·m-2。然而Wang and Huang（2020）的研究认为由于高云减少和对流层上部变暖，CH4引起的平流层水汽变化的ERF为（0.05±0.05）W·m-2。由于相关研究较少，且未达成统一结果，所以平流层水汽的ERF有待进一步的研究。值得注意的是，对流层上层-平流层下层区域变暖或变冷的物质调整也可能造成平流层水汽的变化，且应作为其ERF的一部分。

人类活动，尤其是生物质燃烧和化石燃料燃烧，使气溶胶及其前体物的排放量大幅增加，从而导致工业革命以来大气气溶胶浓度增加。气溶胶浓度的变化导致大气对入射太阳辐射的散射和吸收作用发生变化（气溶胶-辐射相互作用），也影响了云的微观和宏观物理过程，从而影响云的辐射特性（气溶胶-云相互作用）。气溶胶浓度变化在空间和时间上的不均匀性，不仅影响了地球的辐射能量收支，还影响了区域空气质量。

气溶胶-辐射相互作用的ERF（ERFari）可以分成瞬时辐射强迫分量（IRFari）和由此引发的调整的总和。同样，人为气溶胶-云相互作用（通过改变云滴和/或冰晶的数浓度和尺度大小）的ERF（ERFaci，在AR5与之前的评估报告以及很多研究中称之为“气溶胶间接效应”）也可分为瞬时强迫分量（IRFaci）和由此引发的云水含量或云量的调整。ERFaci主要是由大气气溶胶浓度变化导致的云凝结核数量变化引起的。同时，大气中的冰核粒子数量也可能发生变化，从而影响混合相云和卷云（冰云）的性质，最终对ERFaci产生贡献。

AR6基于观测和模式模拟两方面的研究证据给出ERFari和ERFaci的估计结果，并从而得到气溶胶总ERF（ERFaci+ERFari）。需要注意的是，基于模式模拟可以得到2014年或者之后的年份相对于1750年的ERF估计结果，而基于观测估算结果通常限制于近10年内（2010—2020年）。

首先介绍一下基于观测的评估。近年来（2011—2020年），很多研究基于气溶胶遥感或大气成分数据同化再分析估算IRFari（Quaas et al.，2008; Bellouin et al.，2013b; Ma et al.，2014; Rémy et al.，2018; Kinne，2019），给出的最新IRFari估计值都在AR5的IRFari最佳估值范围内（（-0.35±0.5）W·m-2; Boucher et al.，2013），并进一步加深了对人为气溶胶辐射吸收性的了解。因此AR6综合近年来的研究成果给出基于观测获得的IRFari最佳估值为（-0.4±0.4）W·m-2，相较于AR5的中值略偏向负值，且不确定性范围有所减少。

其次是基于模式模拟的评估。由于观测研究仅可用于估计IRFari，而相关的调整项和由此产生的ERFari则需要使用全球气候模式来计算。目前的排放清单中，大多数主要气溶胶化合物及其前体物的全球排放量较高，且有增加的趋势。但其中硫酸盐气溶胶前体物SO2的排放是一个例外，近几十年来SO2的排放量近似恒定（Hoesly et al.，2018）。Myhre et al.（2017）结合修正的排放量，基于多模式模拟得到IRFari变化趋势，发现近年来（2000年后）气溶胶的IRFari的变化趋势相对平稳。在AR5中，黑碳气溶胶（BC）对于IRFari不确定性的贡献十分显著，且与气球观测相比，模式低估了BC的辐射吸收能力（Boucher et al.，2013）。综合考虑排放清单时间分辨率的影响（Wang et al.，2016）、气球观测站的代表性（Wang et al.，2018）、吸收反演与模式比较的相关问题（Andrews et al.，2017），以及黑碳气溶胶老化，生命期和平均光学参数方面的新认知（Peng et al.，2016; Zanatta et al.，2016; Lund et al.，2018b），Lund et al.（2018a）将CEDS（Community Emissions Data System，社区排放数据系统）的排放数据输入到化学传输模式中，并给出1750—2014年IRFari的估计结果，约为-0.17 W·m-2。参考上述研究结果，AR6给出基于模式模拟的1750—2014年IRFari的最佳估计值为（-0.2±0.2）W·m-2，其绝对值小于AR5给出的最佳估值（（-0.35±0.5）W·m-2）（Myhre et al.，2013a），可能是由于有机气溶胶吸收性更强，BC的吸收参数得到更新，以及硫酸盐冷却作用略微减少。

ERFari的调整主要是由云的变化引起的，也可由温度直减率和大气中水汽变化引起，这些调整都主要与吸收性气溶胶（如BC）有关。基于降水驱动因素响应模式比较项目（PDRMIP）的模拟结果，发现对于BC而言，约30%~50%的IRFari被云的调整（具体而言是低云增加与高云减少）和温度直减率抵消（Stjern et al.，2017; Smith et al.，2018; Takemura and Suzuki，2019; Zhao and Suzuki，2019）。虽然基于气溶胶化学模式比较项目（AerChemMIP）的模拟结果认为BC存在负的调整，但该结论还存在很多不确定性（Allen et al.，2019）。

Zelinka et al.（2014）利用CMIP5模拟结果估计2000年相对于1850年的ERFari为（-0.27±0.35）W·m-2，但其中未包括吸收性气溶胶改变大气热力结构而引起的云的调整（在AR5中称之为气溶胶的半直接效应）。同样，Smith et al.（2020b）基于辐射强迫模式比较计划（RFMIP）的模拟结果也给出了ERFari为（-0.25±0.35）W·m-2。AR6参考上述研究的结果，并增加5%来考虑陆表的冷却作用的贡献（Smith et al.，2020a），给出基于模式模拟的1750—2014年ERFari的值为（-0.25±0.25）W·m-2。

综合上述两方面证据的评估，基于观测和模式模拟估计的IRFari分别为（-0.4±0.4）W·m-2和（-0.2±0.2）W·m-2，均在（-0.45~-0.05）W·m-2的范围内（该值是利用基于观测的人为气溶胶光学厚度和基于模拟得到的相关气溶胶光学特性综合得到的）（Bellouin et al.，2020）。因此，1750—2014年IRFari估值为（-0.25±0.2）W·m-2。基于模式模拟得到的ERFari估值为（-0.25±0.25）W·m-2，相较于模式模拟得到的IRFari（（-0.2±0.2）W·m-2）更偏向负值，说明ERFari中包含较弱的负调整（-0.05 W·m-2）。将上述调整加到1750—2014年IRFari估计结果中（（-0.25±0.2）W·m-2），考虑到该调整带来的额外不确定性，最终得到ERFari估计结果为（-0.3±0.3）W·m-2。

人为气溶胶颗粒可作为额外的云凝结核（CCN）使云滴数浓度（Nd）增加，并由此影响水云（Twomey，1959）。在液水含量不变的情况下，增加云滴数浓度将使得云滴有效半径（re）减小，云反照率增加，并引起负的瞬时辐射强迫（IRFaci）。随后，云会通过降低云滴碰并效率来进行调整，从而延迟或抑制降水。降水过程通常会缩短云的寿命，从而降低云水路径（LWP，即垂直方向上液态水的积分）和/或云量（Cf）大小，因此任何气溶胶导致的降水延迟或抑制都会使得云水路径和/或云量增加。上述调整过程可能导致ERFaci比IRFaci大很多。然而，观测表明，向非降水云中添加气溶胶却会产生相反的效果（即造成云水路径和/或云量减少）（Lebsock et al.，2008; Christensen and Stephens，2011）。这主要是因为，在富含气溶胶的环境中，较小液滴的蒸发会增强，同时与周围空气的混合作用增强，从而加速云的消散。气溶胶也可以作为冰核粒子（INPs），使过冷水云产生更多的冰晶粒子，从而改变云的辐射特性和/或寿命。然而有研究发现，人为气溶胶（尤其是BC）在混合相态云中作为冰核粒子的能力十分微弱，可以忽略不计（Vergara-Temprado et al.，2018）。在冰云或卷云中（云温度低于-40℃），冰核粒子可以在相对湿度远低于云滴自发冻结所需的相对湿度条件下形成冰晶。因此人为冰核粒子可以影响冰晶数量，从而影响云的辐射特性。已有实验室中的研究表明，在卷云的温度下（低于-40℃），某些类型BC的确可以作为冰核粒子（Ullrich et al.，2017; Mahrt et al.，2018），这表明人类活动对卷云中冰核粒子的影响不可忽视。此外，人为排放还可以直接影响卷云中可进行自发冻结的云滴数量。

首先介绍基于观测的评估。近年来（2011—2020年），基于观测研究气溶胶-云相互作用主要是分析卫星反演中气溶胶和云之间的统计关系，更好地理解反演中的不确定性。研究表明云量和/或云水路径与气溶胶之间存在正相关关系（Nakajima et al.，2001; Kaufman and Koren，2006; Quaas et al.，2009），但非气溶胶-云相互作用（包括在云周围高相对湿度环境下气溶胶的吸湿增长（Grandey et al.，2013），以及在反演云时附近气溶胶对碎云和云边缘的散射造成的污染（Várnai and Marshak，2015; Christensen et al.，2017））显著影响上述统计关系。此外，还可以通过研究云量和/或云水路径与云滴数浓度之间的关系来反应气溶胶和云之间的统计关系。研究普遍认为云量和云滴数浓度间存在正相关关系（Christensen et al.，2016，2017; Gryspeerdt et al.，2016; Rosenfeld et al.，2019），而云水路径与云滴数之间的关系仍存在争议（Michibata et al.，2016; Sato et al.，2018; Gryspeerdt et al.，2019; Rosenfeld et al.，2019; Toll et al.，2019）。为了更好地基于观测研究气溶胶排放和云调整的因果关系，部分研究利用在清洁大气中注入气溶胶及其前体物进行研究，这种排放情况包括船舶尾迹（Christensen and Stephens，2011; Goren and Rosenfeld，2014），火山喷发（Gassó，2008; Yuan et al.，2011; Ebmeier et al.，2014; Malavelle et al.，2017; McCoy et al.，2018; Gryspeerdt et al.，2019）和气溶胶源下风向的云（Toll et al.，2019）。除了云水路径和云量的调整外，卫星观测数据还记录了云顶温度和气溶胶光学厚度与气溶胶指数的比（AOD/AI）存在负相关关系（Koren et al.，2005），但由于卫星反演可能存在虚假关系（Gryspeerdt et al.，2014），因此二者是否存在系统性的因果关系尚不清楚。目前，只有少数研究基于卫星观测资料证明冰云的确对人为气溶胶存在响应（Gryspeerdt et al.，2018; Zhao et al.，2018），但无法定量给出冰云IRFaci或ERFaci的估计结果。

AR6结合一些基于卫星观测资料估计水云全球IRFaci的研究（平均值为（-0.7±0.5）W·m-2）（表2），参考云量调整（（-0.5±0.4）W·m-2）和云水路径调整（（0.2±0.2）W·m-2）的研究成果（Gryspeerdt et al.，2017，2019），给出ERFaci的值和不确定性范围是（-1.0±0.7）W·m-2。与IRFaci相比，ERFaci的不确定性范围更大，说明ERFaci的调整项仍存在更大的不确定性。

其次介绍基于模式模拟的评估。在AR5中，ERFaci是气溶胶总ERF和ERFari的残差，主要是由于气溶胶总ERF更容易利用现有模式定量估算。AR5给出的气溶胶总ERF和ERFari估计结果分别为-0.9和-0.45 W·m-2，因此得出ERFaci估计值为-0.45 W·m-2。这一数值与AR5中基于地球系统模式“自下而上”的ERFaci估计值（-1.4 W·m-2）有较大差异。近年来（2011—2020年），为了更进一步确定ERFaci的大小，许多研究都基于CMIP5和CMIP6的多模式结果和单一模式对气溶胶的ERFaci进行估算（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），并普遍认为ERFaci的最佳估值为（-0.86± 0.57）W·m-2。由于地球系统模式中描述重要的次网格尺度过程的能力还很有限，因此在气溶胶及其前体物从排放到降水的形成过程中，地球系统模式对气溶胶-云相互作用的模拟仍存在挑战，其中有效辐射强迫（ERFaci）通常只包括层状云中的气溶胶-云的相互作用，而很少包括气溶胶与混合相云、深对流云和冰云的相互作用。AR6以近年来研究给出的ERFaci最佳估值（（-0.86± 0.57）W·m-2）为基础，并基于CMIP6集合平均结果得到ERFaci的调整项为-0.2 W·m-2（Smith et al.，2020b），考虑卷层云调整对ERF的微小贡献，同时鉴于目前地球系统模式中没有考虑部分重要过程而扩大ERFaci的不确定性，给出基于模式模拟的ERFaci最佳估值为（-1.0± 0.8）W·m-2。

综合上述两方面证据的评估，基于观测评估的ERFaci（（-1.0 ± 0.7）W·m-2）与仅基于模式评估的ERFaci（（-1.0 ± 0.8）W·m-2）具有较好的一致性。因此AR6最终给出的ERFaci的最佳估值为（-1.0 ± 0.7）W·m-2，不确定范围主要源于现有研究没有考虑部分重要的调整过程。

在AR5中给出气溶胶总ERF（ERFari+aci）的最佳估值为-0.9（-1.9~-0.1）W·m-2（Boucher et al.，2013）。AR6基于卫星资料获取的IRFari、模式模拟获取的IRFari和ERFari、卫星资料获取的IRF/ERFaci以及基于模式模拟获取的ERFaci（图1），给出1750—2014年ERFari和ERFaci估计结果分别为（-0.3±0.3）W·m-2和（-1.0±0.7）W·m-2。因此1750—2014年气溶胶总ERF的估计值为-1.3（-2.0~-0.6）W·m-2。ERFaci对气溶胶总有效辐射强迫的贡献最大（75%~80%）。由于大多数模拟和观测的气溶胶ERF评估结果截止于2014年或2014年以前，因此2014—2019年对气溶胶ERF变化的研究有限。然而，由于已更新的排放清单中气溶胶及其前体物减少，该时期全球气溶胶光学厚度也减少，因此假设气溶胶总ERF在2014—2019年为+0.2 W·m-2。综上，气溶胶在1750—2019年的总ERF为-1.1（-1.7~-0.4）W·m-2。

表2 卫星观测资料计算的全球IRFaci

Table2 Global IRFaci calculated from satellite observations

图1 基于不同证据线的气溶胶有效辐射强迫估值（引自AR6 Figure 7.5）

Fig.1 Net aerosol effective radiative forcing (ERF) from different lines of evidence (Original from AR6 Figure 7.5)

土地利用变化、凝结尾迹和航空引起的卷云以及冰雪上沉积的光吸收粒子等强迫因子也会造成人为ERF。自工业革命以来，太阳辐照度、银河宇宙射线和火山爆发变化造成的辐射强迫之和代表了总（人为+自然）ERF中的自然贡献。

土地利用强迫是指直接由人类活动而非气候过程引起的地表性质变化。土地利用变化影响地表反照率。例如，森林砍伐通常会使反照率较小的森林地区转换为反照率较大的耕地，从而产生负辐射强迫; 而造林和再造林则产生正辐射强迫。更精确的变化还取决于森林、农作物和下层土壤的性质。土地利用变化也会影响植被表面的蒸腾作用（Devaraju et al.，2015）。土地灌溉会直接影响水汽蒸发，人类活动导致全球蒸发量增加了32 500 m3·s-1（Sherwood et al.，2018）。蒸发和蒸腾作用的变化会影响潜热收支，但不会直接影响大气层顶的辐射通量。大气中水汽的寿命很短，因此蒸发变化对水汽温室效应的影响可以忽略不计。然而，蒸发可以通过调整过程（特别是造成低云量的变化）来影响ERF。土地利用变化会影响大气中温室气体（例如CO2，CH4，N2O）的排放或清除，并对气候产生很大的影响（Ward et al.，2014）。土地利用变化还会影响沙尘和生物挥发性有机化合物（BVOCs）的排放，并进一步造成大气中气溶胶、O3和CH4浓度的变化。Andrews et al.（2017）基于HadGEM2-ES模式计算了1860—2005年地表反照率变化导致的ERF（-0.47 W·m-2），但由于HadGEM2-ES模式会高估北方树木和灌木的变化量，因此上述结果可能高估了与土地利用变化相关的ERF。Smith et al.（2020b）基于CMIP6模式定量估计土地利用的IRF为（-0.15 ± 0.12）W·m-2（1850—2014年），ERF（剔除了地表温度响应造成的调整）为（-0.11 ± 0.09）W·m-2。同时Ghimire et al.（2014）基于MODIS和AVHRR观测资料分析了土地利用变化对反照率变化的贡献，并将地表反照率与特定地区的土地覆盖类型建立联系，再结合历史土地利用类型，得出1700—2005年土地利用变化的SARF为（-0.15±0.01）W·m-2，而1850—2005年土地利用变化的SARF为-0.12 W·m-2，与Smith et al.（2020b）的估值相一致。因此，AR6根据Ghimire et al.（2014）给出的土地利用变化的SARF（（-0.15±0.01）W·m-2），加上历史灌溉贡献的-0.05（-0.1~0.05）W·m-2（Sherwood et al.，2018），得到1750—2019年土地利用变化的ERF估计结果为（-0.20 ± 0.10）W·m-2。

关于尾迹和航空引起的卷云ERF的定量估计还十分有限。AR6根据Lee et al.（2021）估计的2018 年尾迹和航空引起的卷云的 ERF 为 0.057（0.019~0.098）W·m-2，粗略地给出1750—2019年尾迹和航空引起的卷云的 ERF 为 0.06（0.02~0.10）W·m-2。该方面的研究还有待深入。

吸光粒子（LAPs）可以通过改变地表反照率进而影响辐射收支和气候。例如BC和其他吸光气溶胶沉降在积雪表面而使其变暗，从而吸收更多的热量并加速积雪的融化。AR6根据有限的研究（Boucher et al.，2013; Vaughan et al.，2013; Lin et al.，2014; Namazi et al.，2015; Yasunari et al.，2015）给出冰雪中吸光粒子的SARF为+0.08（0.00~0.18）W·m-2。由于可参考的研究较少，且一致性较差，因此还需要进一步研究。

总太阳辐照度（TSI）的变化属于自然源外部强迫因素。由于太阳活动的周期变化（11 a），因此，总太阳辐照度存在周期变化。在过去的三个周期中，总太阳辐照度的峰、谷振幅的最大值和最小值之间相差约 1 W·m-2。IRF可以简单地通过ΔTSI×（1-albedo）/4得出（Stephens et al.，2015），该方法与波长无关，其中行星反照率（albedo）通常取为 0.29，ΔTSI代表太阳总辐照度的变化。由于总太阳辐照度是由地球横截面的单位面积进行计算，而IRF使用地球表面的单位面积，因此分母为4。考虑温度调整和对流层调整，并根据总太阳辐照度时间变化序列，历史时期由于太阳变率导致的 ERF 可以用0.72×ΔTSI×（1-albedo）/4表示。AR6利用完整的太阳辐射的周期变化，而非太阳辐射的极小值，评估太阳辐射的 ERF。以公元前 6755 年到公元 1744完整太阳周期的平均值得到工业革命前总太阳辐照度，以及最近的一个太阳周期（2009—2019年）总太阳辐照度的平均值代表2019年的总太阳辐照度，AR6给出的工业革命以来太阳辐射的 ERF为0.01 W·m-2，不确定性为-0.06~0.08 W·m-2。

到达大气层的银河宇宙射线（GCR）通量的变化受到太阳活动的影响，同时二者与对流层电离过程相联系并对大气中新粒子的形成产生影响。研究指出，银河宇宙射线通量较大的时期与气溶胶和云凝结核浓度的增加相关，因此也与云特性相关（Dickinson，1975; Kirkby，2007）。Gordon et al.（2017）认为由于近百年时间来大气层离子浓度的变化较小，因此，银河宇宙射线不太可能通过云粒子成核影响当今的气候。一些研究基于相关性和理论等方面进一步探究了银河宇宙射线与气候系统特性之间的关系（Svensmark et al.，2009，2016，2017），但都受到了许多研究的质疑（Kristjansson et al.，2008; Calogovic et al.，2010; Laken，2016）。因此AR6认为1750—2019 年期间，银河宇宙射线的 ERF可以忽略不计。

强烈的火山喷发将 SO2 喷入平流层从而产生较大的一次性负辐射强迫。SO2气体会在平流层中形成散射性硫酸盐气溶胶，该气溶胶可能会持续数月，从而减少入射的太阳辐射。但由于火山喷发的偶发性，因此，AR6没有给出从工业革命前至现在的平流层火山气溶胶的ERF估计结果。同时，对流层中火山气溶胶的寿命较短（几周），因此，对于强度较弱的火山喷发事件，其全球ERF可以忽略不计。因此，AR6根据Myhre et al.（2013b）基于平流层气溶胶光学厚度（SAOD）计算火山气溶胶 SARF的方法，参考现有的相关研究（Gregory et al.，2016; Schmidt et al.，2018; Marshall et al.，2020），以Toohey and Sigl（2017）给出的公元前500年到1749年的气溶胶平均浓度作为工业革命前的浓度，并在此基础上用SAOD的异常来计算平流层火山气溶胶的ERF估计结果为每单位SAOD（-20±5）W·m-2。由于目前硫酸盐气溶胶对冰云的影响还存在分歧。同时，火山喷发造成的反照率变化未产生明显的全球ERF。因此，二者对火山气溶胶ERF的贡献暂且忽略。

政府间气候变化专门委员会（IPCC）第六次评估报告（AR6）重新定义了有效辐射强迫（ERF）。新定义下的ERF将地表温度（包括陆面温度和海面温度）的响应全部剔除，并更好地区分了强迫和反馈。如图2所示，基于ERF的最新定义，AR6给出工业革命以来（1750—2019年）总人为ERF为2.72（1.96~3.48）W·m-2。相较于AR5评估结果增加了0.43 W·m-2（1750—2011年）。上述增长包括了2011年以后温室气体（包括卤化物）在大气中浓度上升（+0.34 W·m-2）、向上修正其辐射效率（+0.15 W·m-2）以及重新估算O3和平流层水汽ERF（+0.10 W·m-2）的贡献。温室气体对总人为ERF增长的贡献（-0.59 W·m-2）被总气溶胶ERF部分抵消。温室气体（包括O3和CH4氧化反应产生的平流层水汽在内）在1750—2019年的ERF为3.84（3.46~4.22）W·m-2，CO2仍然是温室气体ERF中的最大贡献因素（56%±16%）。气溶胶在1750—2019年的总ERF为-1.1（-1.7~-0.4）W·m-2，气溶胶-云相互作用的贡献接近75%~80%，气溶胶-辐射相互作用贡献20%~25%。

目前，部分气候强迫因子ERF的估计还是基于少量或单一的研究成果，尤其是平流层水汽、尾迹和航空引起的卷云和部分自然强迫，评估结果可参考的研究成果较少，且一致性较差，因此还需要进一步研究。定量化评估对流层调整项的研究成果还十分有限，对于部分调整项的理解仍存在争议，且现有研究没有考虑部分重要的调整过程，从而造成气候强迫因子（尤其是气溶胶-云相互作用）ERF评估结果仍然存在较大的不确定性。例如，不同种类的气溶胶在长距离传输过程中不断地进行内部、外部混合，生成新的混合气溶胶，这一过程将不断改变原有气溶胶的化学和光学特性，并产生不同的辐射强迫（Zhou et al.2018）。现有大多数的气候模式中并没有考虑上述调整过程，主要是由于内部混合气溶胶光学特性较复杂，且观测事实较少。因此，加强观测系统建设，改进和完善模式中气溶胶物理过程参数化，深入理解气溶胶和云相互作用及其对天气、气候的影响机理，有助于更精确的 ERF定量化评估。

图2 1750—2019年各强迫因子的有效辐射强迫（强迫因子包括二氧化碳、其他均匀混合温室气体、臭氧、平流层水汽、地表反照率、尾迹和航空卷云、气溶胶、总的人类活动和太阳辐射; 引自AR6 Figure 7.6）

Fig.2 Change in effective radiative forcing (ERF) from 1750 to 2019 by contributing forcing agents (carbon dioxide, other well-mixed greenhouse gases (WMGHGs) , ozone, stratospheric water vapour, surface albedo, contrails and aviation-induced cirrus, aerosols, anthropogenic total, and solar; original from AR6 Figure 7.6)