气候模式所以成为气候预测､气候变化研究的重要工具，除了模式本身对于大气三维流场的热力-动力学特性的描述功能外，就是模式可以采用参数化方案定量处理CO₂､CH₄ 等温室气体的辐射强迫效应^[1-2]，从而确定上述与人类活动有关的温室气体对气候环境的影响程度.但现有气候模式，包括全球环流模式(GCM)和区域气候模式(RCM)，虽然对温室气体的辐射强迫相应进行了比较细致的参数化处理，却未能正确考虑大气CO₂ 浓度的非均匀动态分布.在流行的气候模式CAM3.0 中，CO₂ 的体积混合比取为355×10⁶mol/mol^[3]，而常见的中尺度模式MM5 中，CO₂ 的体积混合比赋值330×10⁶ mol/mol^[4].ICTP(Abdus Salam International Centre for Theoretical Physics)在最新发布的区域气候模式RegCM3.1 和RegCM4.0 的辐射方案中已经考虑了1750—2100 年之间温室气体浓度的年增长^[5-6].尽管如此，季､月､日等年内时间尺度变化并没有考虑在内.在空间上，CO₂ 的体积混合比仍然是以常数的形式赋值，所以也不可能体现出浓度的空间差异.鉴于CO₂ 等温室气体对气候的影响程度不断增加，模式中关于CO₂ 浓度均匀常态分布的“不真实"假定无疑会影响气候模式的模拟(预测)精度.

我国幅员辽阔，南北气候差异明显，植被类型多样，CO₂ 源､汇季节转换明显，人为活动强度大，造成我国范围CO₂ 时空分布很不均匀^[7-8].此外，我国东､中､西部经济发展不平衡，人口密度差异很大，自然生态系统结构迥异，也是造成CO₂ 时空分布不均匀的直接原因^[9].对大气CO₂ 浓度及δ¹³C 本底特征的观测表明，北半球大气CO₂ 浓度年内变化主要源于CO₂ 生物圈交换，观测反映了我国陆地生物圈光合作用和呼吸作用年周期变化对大气CO₂ 浓度的重要影响^[10].我国近年特别是进入新世纪后的造林活动，碳汇功能增加显著，应对全球气候变化贡献巨大，应该在相应的气候模拟中得到反映.

为了能全面､真实和细致地考虑大气CO₂ 浓度非均匀动态分布，弥补气候模式中对CO₂ 浓度变化描述的不足，本文利用现有的大气CO₂ 浓度观测资料，综合考虑不同区域的CO₂ 源(汇)构成，形成模式区域内以月为单位的网格化CO₂ 浓度非均匀动态分布数据模型.由此数据模型驱动气候模式运行，对东亚区2000年3月—2009年2月间的气候变化特征进行了模拟研究，并对大气CO₂ 浓度非均匀动态分布可能引起的区域气候效应进行了初步探讨.进而，按照分析年平均辐射通量变化､云反馈效应以及大气CO₂ 的生理学强迫效应的顺序，由表及里，逐步探求大气CO₂ 浓度非均匀动态分布影响气温变化的可能机制.

根据IPCC 制定的CO₂ 排放清单编制方法¹⁾和我国的具体国情^[11]，影响大气CO₂ 浓度非均匀变化的因素主要包括:能源排放，工业排放，农､林业和土地利用变化排放，以及与人口密度有关的人类活动和废弃物排放等四个方面.考虑到建立模型的难易度，将上述影响因素简化为两类，即，1)人为活动因素:与工业排放､人类活动有关的经济区划；2)自然因素:不同土地利用变化产生的CO₂ 浓度差异.首先分别确定两类影响因素对应的大气CO₂ 浓度空间分布形态，进而确定不同影响因素下大气CO₂ 浓度的季节演变曲线，最后综合构建大气CO₂ 浓度非均匀动态分布模型.网格化的大气CO₂ 浓度模型的区域位置及空间格点设置如图 1 所示，区域中心经纬度位置(35°N，105°E)，网格数为120(经向)×90(纬向)个，格点分辨率60km，采用Lambert投影.

1)http://www.ipcc-nggip.iges.or.jp/public

图 1

Fig. 1

图 1 根据经济发达程度与人口稠密程度拟定的单位土地面积CO2排放量分布图 Fig. 1 ensitDistribution of C02 emission per unit area instituted by the degree of economic development and population density

根据人类活动以及经济发达程度，划分三类经济区划，如图 1所示.一类地区:包括110°E 以东的中国东部区域，东北重工业区，印度海拔1000 m 以下区域，以及包括缅甸､泰国､越南､菲利宾等国在内的东南亚区域.此类地区经济发达､人口稠密，单位土地面积CO₂ 排放量相对最高；二类地区:包括(100°E—110°E，20°N—38°N)范围内的中国中部区域､日本､朝韩半岛.在此类地区中，中国中部区域由于工业技术水平相对落后，单位GDP 产生更多的CO₂ 排放，但是人口密度相对较小，单位土地面积CO₂ 排放量相对较低.日本､韩国虽然经济发达，人口密集，但相比上述一类地区的产业结构更加合理，能源利用率相对要高，单位土地面积CO₂ 排放量相对较低；三类地区:除一､二类以外的陆地区域，此类地区主要为内陆及偏北地区，经济相对落后，人口稀少，单位土地面积CO₂ 排放量低于一类､二类地区；水体本身为CO₂ 自然排放源和汇，单位面积人为净CO₂ 排放量假设为零.按照上述方法拟定的中国区域单位土地面积CO₂ 排放量分布与文献^[12]给出的2006年中国各省区CO₂ 单位土地面积排放分布图十分相似.

依据2004年EOS/MODIS卫星资源数据反演得到的1km 高分辨率17类土地覆盖(IGBP)数据，按IPCC 界定的类型分为:林地，草地(农田)，城市，水体，其他土地(裸土､岩石､冰雪)5 类典型生态系统统计，以确定不同土地覆盖类型上大气CO₂ 浓度.由于笔者目前仅有该数据中国区域内的土地覆盖类型资料，而建立驱动模式运行的大气CO₂ 浓度非均匀动态分布模型需要考虑整个东亚区域的土地利用变化.所以，本文以BATS(Biosphere-Atmosphere Transfer Scheme)陆面模式提供的1km 高分辨率20 类地表覆盖类型(GLCC)数据为基础²⁾，使用IGBP 数据更新GLCC 数据中国区的地表覆盖类型，保留其余地区的地表覆盖类型.将更新后的高分辨率地表类型数据映射到图 1 的格点区域，统计网格点60km 范围内地表类型及其各自所占比例，按照统计范围内地表覆盖类型所占比率最高的原则重新定义该格点处的地表覆盖类型.依据表 1 所示的地表覆盖类型归并方案，将IGBP 的17类地表覆盖类型数据和GLCC 的20类地表覆盖数据重新界定为5类典型生态系统地表覆盖.需要说明的是，由于城市较为分散，在60km 网格内所占比重不高，考虑到城市的影响远大于其他地表覆盖类型，因此加大城市的影响权重系数，认为60km 范围内，有达到或超过20%的地表类型为城市时，将该网格的下垫面类型界定为城市.按照上述方法界定后的5 类格点化土地覆盖类型分布如图 2所示.

2)http://edcdaac.usgs.gov/glcc/glcc.html

表 1(Table 1)

表 1 基于IGBP和GLCC多种类高分辨率地表类型资料的归并方案 Table 1 Merging scheme of multi-types and high resolution land use data based on the IGBP and GLCC

表 1 基于IGBP和GLCC多种类高分辨率地表类型资料的归并方案 Table 1 Merging scheme of multi-types and high resolution land use data based on the IGBP and GLCC

图 2

Fig. 2

图 2 用于构建大气CO2非均匀分布模型的土地覆盖类型 Fig. 2 Land use classification for building the dynamical heterogeneous atmospheric C02 concentration data

本文收集整理了5种典型地表类型下大气CO₂浓度的季节变化状况^[13-21]，具体参考站点信息见表 2.采样站点中包括全球本底站(Baseline)､区域本底站(Background)､野外采样站以及城市采样站，大部分站点测量大气CO₂ 浓度的数据长度超过1年.可以看出，以瓦里关为代表的“其他"类型和海洋类型对应的大气CO₂ 浓度的变化较为平稳，波动较小，具有大尺度背景的代表性，而森林､草地和城市的大气CO₂ 浓度变化较为剧烈，波动较大，体现了此类地区受地面植被及其他局地污染源的影响较为明显，具有小尺度背景的区域代表性.另外，东部地区大气CO₂ 浓度高，而西部地区大气CO₂ 浓度低，体现了人类活动的影响.

表 2(Table 2)

表 2 大气CO2浓度参考站点信息 Table 2 Information of referenced stations for atmospheric CO2 concentration

表 2 大气CO2浓度参考站点信息 Table 2 Information of referenced stations for atmospheric CO2 concentration

假定同一经济区内相同的土地覆盖类型对应的大气CO₂ 浓度变化规律是一样的.基于上述参考资料和假定，本文拟定了不同的经济区划与地表覆盖类型条件下大气CO₂ 浓度值(表 3).参照表 3，对网格区域中的每个格点按照所属的经济区划和土地覆盖类型逐一赋值，即可得到全区域大气CO₂ 浓度的空间非均匀分布模型.

将大气CO₂浓度时间演变部分细化为年内变化及年际增长.年内变化主要考虑不同土地覆盖类型条件下生物圈交换的影响.参考表 2 中5 种地表覆盖类型对应的测站实际观测的大气CO₂ 浓度的季节变化规律，给出本文拟定的5 种地表覆盖类型大气CO₂ 浓度月增量曲线，结果见图 3.由图可以看出，大气CO₂ 浓度的季节变化较明显，普遍规律是冬季高､夏季低，反映了北半球陆地生物圈年周期变化对大气圈的强烈影响，体现出北半球陆地生态系统的周期性季节变化和源汇特征^[22].水体和“其他"地表覆盖类型(裸土､岩石､冰雪)受生物圈影响较小，相应大气CO₂ 浓度变化也比较缓和，振幅在5×10⁶(摩尔比浓度，下同)左右.受生态系统影响大的地表覆盖类型(森林､草地/农田､城市)，其大气CO₂季节变化幅度也明显偏大，振幅超过10×10⁶.尤其城市，振幅达到20×10⁶，主要原因是人类生产排放､取暖等，同时植物的季节变化也起到一定作用.年际增长率参考IPCC发布的全球大气CO₂浓度年增长率³⁾.

3)ftp://crgd.atmos.uiuc.edu/pub/post-sres/A2-conc.txt

表 3(Table 3)

表 3 不同的经济区划与地表覆盖类型条件下拟定的大气CO2 浓度值（×10-6） Table 3 CO2 concentration (×10-6) drafted for different economic regions and land use types

表 3 不同的经济区划与地表覆盖类型条件下拟定的大气CO2 浓度值（×10-6） Table 3 CO2 concentration (×10-6) drafted for different economic regions and land use types

图 3

Fig. 3

图 3 不同地表覆盖类型大气CO2 浓度月增量曲线 Fig. 3 Monthly atmospheric CO2 concentration increment for different land use types

将大气CO₂ 浓度的空间分布与时间演变相结合，便可得到月尺度大气CO₂ 浓度非均匀动态分布模型(图 4).从图中可以看出，大气CO₂ 浓度的分布形势和量值与前面的设计相符，基本符合CO₂的空间分布及时间演变规律.比如，不同经济区划之间的浓度差异､城市区的高浓度以及冬高夏低的季节演变规律均得以体现.从细节观察，冬季森林地区的CO₂ 浓度较高，这主要是由于木本植物在冬季处于非生长季，呼吸作用大于光合作用，宏观表现出CO₂释放^[13].5—7月间陆地CO₂ 浓度低于海洋，是由于木本和草本植物旺盛生长，光合作用远强于呼吸作用，宏观表现出对CO₂ 强烈吸收所致.统计逐月CO₂ 浓度区域平均，所得的区域平均大气CO₂ 浓度月增量曲线(图略)，振幅在(-7~5)×10⁶之间，与全球本底站瓦里关观测的多年平均季节变化振幅基本一致，趋势相同，相关系数为0.78.求得全年区域平均大气CO₂ 浓度为382.5×10⁶，该值与当前时期IPCC 报告给出的全球大气CO₂ 浓度值基本相当.尽管本文设计的大气CO₂ 非均匀动态分布模型仅是对考虑人类活动和生态系统自然演变的一种可能情况的假设，本身存在着较大的不确定性和不完备性，但是其所描述的大气CO₂ 浓度变化规律基本符合设计区域CO₂ 分布的时空变化特征，较好地代表了该区域大气CO₂ 非均匀动态分布情况.

图 4

Fig. 4

图 4 月尺度大气CO2 浓度非均匀动态分布模型(单位:×10-6mol/mol) Fig. 4 Monthly dynamical heterogeneous atmospheric C02 concentration data set (units：×10-6mol/mol)

本文采用ICTP 于2010 年6 月发布的区域气候模式RegCM4 开展气候模拟研究.相比早期版本，RegCM4 新耦合了一个可选的陆面模式———CLM3.5.CLM3.5是NCAR 为构建其全球气候系统模式CCSM4 而开发的陆面模式，其引入使得RegCM4对陆面的描述更为细致，尤其是CLM3.5耦合了较为完整的碳循环过程，这对于气候反馈的响应过程十分重要^[23].同时，RegCM4 新增了一个表层海温预报方案，该方案基于Zeng(2005)提出的理论框架，改进了海气相互作用过程中表层通量的计算，可以更加真实地反映出大气辐射强迫变化带来的表层海温变化.由于本文模拟区域约1/3 为海洋，上述新增的物理特性使得该版本模式更加适合于本文研究.

模式的水平区域和分辨率设置与网格化大气CO₂ 浓度模型的区域设置相同，垂直方向分为18层，顶层气压设为5hPa.物理参数化方案分别为Emanuel(1991)积云对流参数化､Holtslag(1990)行星边界层方案､Zeng(2005)海洋通量方案以及CCM3(1996)辐射方案，侧边界采用指数松弛方案，缓冲区大小取12个网格.模式陆面过程处理采用了CLM3.5陆面模式.大气模块积分步长定为150s，陆面模式步长定为600s，辐射模块每30 min进行一次计算，侧边界为每6小时更新一次.

模式积分需要的气象场资料选用NCEP 再分析资料(2.5°×2.5°)，海表温场选用OISST 资料⁴⁾.模式从2000年1月1日00时开始积分，到2009年3月1日00 时终止，共积分110 个月，将前两个月作为模式的Spin-up时间，分析后108个月(9年整)的数值计算结果.

4)http://www.cdc.noaa.gov/cdc/data.noaa.oisst.v2.html

拟定三组大气CO₂ 浓度分布情景，具体见表 4.其中，Sce2情景是将Sce3(非均匀动态分布)数据按照空间和时间求平均所得的浓度值来定义的，这样可以保证Sce2和Sce3情景的年总CO₂ 浓度是守恒的，即两个情景CO₂ 的总物质量相同.在三组情景基础上设计了两组对比试验.

表 4(Table 4)

表 4 3组大气C02浓度分布情景 Table 4 Three scenes of atmospheric C02 concentration

表 4 3组大气C02浓度分布情景 Table 4 Three scenes of atmospheric C02 concentration

对比实验一(Exp1):分别在Sce2和Sce1情景下运行模式，此时CO₂ 浓度都是均匀分布，仅存在量值上的差异，对比两次模式运行结果的差异(Exp1试验的偏差分析均按照Sce2 减去Sce1)，用以检验区域气候模式能否对CO₂ 变化做出正确的响应.

对比实验二(Exp2):分别在Sce2和Sce3情景下运行模式，此时大气CO₂ 浓度的年总量值是相等的，不同之处在于分布形式，将大气CO₂ 非均匀动态分布时的模拟结果与均匀分布时的进行对比分析(Exp2试验的偏差分析均按照Sce3 减去Sce2)，研究大气CO₂ 浓度非均匀动态分布对区域气候的影响.

首先分析Exp1 实验结果，以检验模式本身对CO₂ 变化是否能有正确响应.在认定模式方案可行基础上，分析大气CO₂ 浓度非均匀动态分布相对于均匀分布所产生的影响.

CO₂ 作为大气中主要的温室气体，其含量增加引起的最直接气候效应就是近地面层气温的增加.图 5给出了模式分别在Sce2(CO₂ 浓度382.5×10⁶)和Sce1(CO₂ 浓度280×10⁶)情景下运行9年所得到的平均气温差异.可以看出，模式区域内明显升温，尤其是陆地区域，升温幅度一般大于0.12℃.海洋上空升温幅度稍低，普遍低于0.08 ℃，由南向北升温幅度逐渐降低.全区域平均温度升高0.11 ℃.在日本海及北海道地区有小幅降温区，细看可以发现，模式区域右上角区域的升温幅度也不太大，这可能是由于侧边界影响所致.

图 5

Fig. 5

图 5 Exp1试验中平均气温变化 (a)2m 气温；(b)气温的“纬向平均-高度”分布. Fig. 5 Average temperature increment change in the Exp1 (a) 2 m temperature； (b) “zonal mean-altitude” distribution of temperature.

从气温的“纬向平均-高度"分布上看(图 5b)，300hPa以下表现为一致的升温，而300hPa以 上则出现与低空反向的降温效应.这表明，增加的大气CO₂趋向于使对流层增温而使平流层降温，这是一种平流层反馈效应^[24]，与文献^[25]的研究结果相一致.总体上看，RegCM4区域气候模式可以正确地反映出大气CO₂ 浓度增加所带来的气温升高，表明该模式可以用于研究大气CO₂ 浓度非均匀动态分布产生的气温变化.

图 6 为Exp2 试验的平均气温偏差.首先，从2m气温偏差中可以看出(图 6a)，相对CO₂ 浓度均匀常态分布假定，在考虑了大气CO₂ 浓度非均匀动态分布后，大部分地区表现出降温(温室效应减弱)，降温幅度较大的区域有中国中､西部地区､东北地区以及印度北部等地区，普遍降低-0.03~-0.15 ℃.温度增加区域主要为内蒙古中西部､京津唐地区､长江三角洲经济区､东南沿海一带以及印度东南部等地区.升温明显的区域主要为工业和经济发达地区，即受人类活动影响大的地区，这些地区CO₂ 浓度和排放强度都比较高.全区域平均气温降低约-0.01 ℃.《中国应对气候变化的政策与行动》白皮书报道:中国近百年来(1908—2007 年)地表平均气温升高了1.1℃，即平均每10 年增温约0.11 ℃，而非均匀动态CO₂ 分布的减温效果约相当于这一数字的10%.这是我们在对未来气候变化趋势作预测时需要注意的问题.如果我们仍采用均匀常态的CO₂ 分布假设，那么，就有可能将温室效应夸大10% 左右.因此，对未来气候变化趋势的预模拟研究，采用相对真实的CO₂ 分布至关重要.

图 6

Fig. 6

图 6 Exp2试验中年平均气温变化 (a)2 m气温；（b)气温的“纬向平均-高度”分布 Fig. 6 Average temperature increment change in the Exp2 (a) 2 m temperature； (b) “zonal mean-altitude” distribution of temperature.

从气温的“纬向平均-高度"分布上看(图 6b)，200hPa以下主要表现为降温，降温中心在30°N—40°N 之间，约900~700hPa高度，中心降温幅度约为-0.04 ℃，而200hPa以上的平流层主要表现为升温，与Exp1相同，平流层反馈效应使得平流层温度变化总是与对流层相反.

图 7为不同经济区划与地表覆盖类型条件下温度增量的月与季节演变.从不同经济区划看(图 7a)，1—5月各经济区温度变化均不明显，从5月份开始气温对CO₂ 浓度的变化逐渐敏感，各个经济区在夏季均表现出降温，降温幅度最大的是第二经济区，季降幅为-0.14 ℃，其次为第一经济区，季降幅为-0.07℃.10月下旬到12月份，各经济区均表现为增温，其中，第一经济区增温最为明显.

图 7

Fig. 7

图 7 Exp2试验中不同经济区划（a)与地表覆盖类型（b)温度增量的月与季演变曲线 Fig. 7 Monthly and seasonal 2m temperature increment change of d i ferent (a) economic regions and (b) land use types

从不同地表覆盖类型看(图 7b)，1—5 月间，除城市外，其余地表类型温度变化不明显.夏季，所有地表类型均表现为降温，其中草地类型降温幅度最大，季降幅接近-0.06 ℃，森林次之，城市降温最小.到了秋季，降温幅度普遍减小，城市转为升温，“其他"类型降温幅度最大，这可能与该地表类型在秋季CO₂ 浓度较低有关系.各地表覆盖类型中升温最明显的是城市，除夏季略有降温以外，其余季节均表现为升温，说明城市地区CO₂ 的高浓度对温度的影响非常显著.

从全区域平均气温月变化来看(图 7b中黑线)，冬春季温度变化不明显，夏秋季表现为降温，其中夏季降温最明显，季降幅-0.04 ℃，这与CO₂ 浓度的冬高夏低较为一致，两者相关系数为0.80，说明气温的变化确实是由CO₂ 浓度的变化导致的.另外，冬季温度不变，而夏季降温，说明考虑了大气CO₂浓度非均匀动态分布后，减弱了季节循环.

进一步给出不同的经济区划与土地利用结合条件下2m 气温的平均变化(表 5)，用以综合比较分析土地利用与经济区划相结合分区时各区的气温变化.

表 5(Table 5)

表 5 不同的经济区划与土地利用结合条件下2 m气温的平均变化（×10-2℃） Table 5 5 Average 2 m temperature changes of different economic regions and land use types (×10-2℃ )

表 5 不同的经济区划与土地利用结合条件下2 m气温的平均变化（×10-2℃） Table 5 5 Average 2 m temperature changes of different economic regions and land use types (×10-2℃ )

从表 5可以看出，所有经济区划内的森林和草地类型都表现为降温，第一､二经济区内的城市和“其他"类型都为升温，第三经济区内的“其他"类型为降温.说明植物生态系统对环境的改善是有益的，考虑了植物的固碳作用后，相应区域表现出降温效应.而受人类活动影响的城市释放了更多的CO₂，对环境起到破坏的作用，因此考虑了CO₂ 非均匀后，城市表现出升温.“其他"类型多为裸土或荒漠，植被覆盖常年不超过10%，固碳效应弱，对环境很难起到改善作用.

CO₂ 的直接效应是通过改变大气透射率而改变温度.如果仅从CO₂ 直接效应的角度分析，应当得到以下结论:冬季CO₂ 浓度升高应当导致近地面层升温；第三经济区CO₂ 浓度最低，降温幅度理应大于第一､二经济区；夏季森林区降温幅度应当大于草地，等.而且，Sce2 和Sce3 两个情景的年总CO₂浓度是相同的，如果气温的变化仅由CO₂ 的直接效应所决定，那么区域内年平均气温差应当为零，但试验结果并非如此.说明本文试验中的降温效应并非仅由CO₂ 自身浓度变化引起的直接效应所致，而是CO₂ 作为诱因，引发了其他的反馈效应，与CO₂ 的直接效应共同作用，导致气温降低.下面对大气CO₂浓度非均匀动态分布影响气温变化的可能机制进行分析.

长波云辐射强迫(LWCF)和短波云辐射强迫(SWCF)的定义^[26]为:LWCF=F₁^c-F₁，SWCF=F_s^c-F_s 其中，F是TOA 出射辐射通量，下标l和s分别表示长波和短波，上标c表示晴空条件，无上标表示云天条件.短波云辐射强迫一般为负值，为行文方便，将其量值的减小(负值越大)称之为加强，表明向外反射出更多的太阳短波辐射；长波云辐射强迫一般为正值，故将其量值的加大(正值越大)称之为加强，表明更多的长波辐射被拦截在大气层内.

表 6给出了Exp2试验模拟的区域年平均大气辐射通量偏差.通过研究考虑大气CO₂ 浓度非均匀动态分布后辐射通量的变化与能量收支，分析降温的原因.

表 6(Table 6)

表 6 ExP2试验模拟大气辐射通量和云量偏差 Table 6 Bias of atmospheric radiative

表 6 ExP2试验模拟大气辐射通量和云量偏差 Table 6 Bias of atmospheric radiative

在晴空条件下，和Sce2 情景相比，Sce3 情景下模拟的大气层顶入射短波辐射(SW)增加了0.4×10^-2W·m^-2，射出长波辐射(OLR)减少了1.2×10^-2W·m^-2，而大气吸收的短波辐射增加了0.5×10^-2W·m^-2，同时地表入射短波辐射减少约0.1×10^-2W·m^-2，2 m 气温略增0.1×10^-2℃.表明考虑大气CO₂ 浓度非均匀动态分布后，大气吸收太阳短波辐射以及拦截长波辐射能力均有增强，在不考虑云存在的情况下，Exp2实验结果将会是增温.

在云天条件下，和Sce2 相比，Sce3 情景下模式模拟的云天入射短波和射出长波分别减少了2.0×10^-2W·m^-2和0.4×10^-2W·m^-2，说明CO₂ 非均匀使大气透射率降低，拦截长波辐射的能力加强，但是云的存在使更多的短波辐射被反射出地球，其净效应是-1.6×10^-2W·m^-2，即在云天条件下，总辐射(能量)收支是减少的.在地表，入射的短波辐射减少3.2×10^-2W·m^-2，直接导致了近地面层气温的降低，平均2 m 气温降低约1.3×10^-2℃.另外，从云辐射强迫的变化来看，短波云辐射强迫有所增强，反射的太阳短波辐射增加了2.4×10^-2W·m^-2，而长波云辐射强迫有所减弱，拦截的长波辐射减少了0.8×10^-2W·m^-2，表明由云反射出去的短波辐射增加了，而云的温室效应(拦截长波辐射的能力)也有所减弱，两者综合效果是从地球射出的辐射能量更多.相比较而言，短波辐射强迫增强是长波辐射强迫减弱的3倍，故短波云辐射强迫的增强是对流层内降温的主要原因.

根据云对辐射影响机理的不同，将云分为中低云和高云，这里的高云主要指7､8km 以上的砧云(anvil)，将中低云统一称为低云.

云天条件下，云量的变化导致了辐射通量的变化，而辐射通量的改变直接导致近地面温度的升高或降低^[27].图 8 给出了Sce3 相对于Sce2 情景下2m高度上温度增量与低､高云量增量之间的关系.因为2m 高度上温度增量的变化包含了高､低云共同的影响，所以对两幅图一起分析.以降温区为例(ΔT<0)，两图中实线代表的趋势表明高､低云量增加导致温度降低.虽然高云量增加导致了向下长波辐射量的增加，但其量值远小于因低云量增加所带来的太阳短波辐射量的减少，因此综合效应与低云的影响相同.两图中虚线所代表的趋势表明高､低云量减少导致温度降低.这是因为此时低云总量较少，而高云总量较多，即高云影响占主导作用.将分布1､3象限的散点看成云温室效应起主要作用(高云主导)，分布在2､4象限的散点看成云的降温效应起主要作用(低云主导).显然，在Exp2实验模拟的大部分时间里低云变化产生的温度效应具有决定性的作用.由表 6 可见，考虑了大气CO₂ 非均匀动态分布后，平均总云量(百分比)增加了约0.09，平均高云量减少了0.04，平均低云量增加了0.13.因此，低云量的增加是导致降温效应的主要原因.

图 8

Fig. 8

图 8 Exp2试验中区域月平均（a)中低云增量和（b)高云增量与气温增量之间的关系（△T<0对应降温区，△T>0对应升温区） Fig. 8 Scatter diagram of (a) middle and low cloud amount increment and 2 m temperature increment, (b) high cloud amount increment and 2 m temperature increment in the Exp2 (△T<0 means the region of decreased temperature,△T>0means the region of increased temperature)

图 8中，集中在0附近的散点基本为冬季月份，表明在冬季云量变化较小，对应辐射通量的变化也很小，因此，温度的改变就不明显.这是前文所述1—5月间温度变化不明显的原因.

为进一步明确低云量与气温变化的时空对应关系，图 9给出了气温增量与低云量增量的“纬向平均-月份"以及“高度-月份"分布.对比图 9a和图 9b可见，低云量的变化主要发生在5—10 月份的30°N—50°N 地区，这与气温变化的时间和范围是相符的，低云量增加(减少)的时间和纬度基本对应了气温降低(升高)的时间和纬度.低云量变化与气温变化基本同时发生，或略有提前，说明低云通过影响短波辐射进而影响温度的过程很快.

图 9

Fig. 9

图 9 9 Exp2试验中（a)低云量增量和（b)气温增量的“纬向平均-月份”以及（c)云量增量和（d)气温增量的“高度-月份”分布 Fig. 9 “Zonal mean-month” distribution of (a) lowcloud increment and (b) temperature increment,and “altitude-month” distribution of (c) cloud increment and (d) temperature increment in the Exp2

从云量和气温的“高度-月份"分布(图 9c，9d)的对比中可以看出:6月份高､低云量均有增加.低云量的增加导致短波辐射强迫加强，进而导致气温降低，而高云量的增加也加强了长波辐射强迫，这抵消了一部分因低云量增加所带来的降温效应.8､9 月份低云量增加，高云量减少.高云量的减少减弱了向下的长波辐射强迫，宏观表现出降温作用，这与低云量增加带来的降温效应共同作用，导致了8､9 月高空气温的较大幅下降.同时，更多的向上辐射也导致了平流层温度的升高.总的来说，大气CO₂ 浓度的非均匀动态分布影响了云的分布，主要是低云，使之趋于增加，进而导致气温降低，这种作用在5—10月份的30°N—50°N地区尤为明显.

图 10揭示了比湿的空间变化，与图 6b进行对比:从水平分布看，比湿增加区域为30°N—40°N，这正是气温降低中心区域，20°N—25°N 以及50°N 附近也同时对应了比湿的减少和气温的升高，这中间隐含了云的作用；从垂直分布看，比湿增加区主要集中在700hPa以下，这为低云的形成提供了更好的水汽条件.进一步通过水汽通量散度增量和垂直速度增量(图略)分析表明水汽的动力输送机制并不是导致中低空水汽增加的主要原因，比湿增加量值从地面向高空递减，说明了水汽是由地面生成，进而通过扩散机制抬升到高空的.从湿度增量的“纬向平均-月份"分布来看(图略)，湿度增加(减少)的纬度和时间与低云量增量增加(减少)的纬度和时间(图 9a)吻合较好.以上分析，一方面表明湿度的改变是低云量改变的原因，另一方面，近地面层比湿先增加，进而扩散到空中为低云量的增加提供了水汽条件，表明陆面对CO₂ 浓度变化存在响应机制.

图 10

Fig. 10

图 10 Exp2试验中比湿增量的“纬向平均-高度”分布 Fig. 10 “Zonal mean-altitude” distribution of specific humidity increment in the Exp2

已有研究表明，CO₂ 浓度影响植物的气孔直径，进而影响蒸发通量，这被认为是CO₂ 生物学强迫^[28-29].直到近年，一些研究表明这一效应对气候敏感度有显著的影响^[30-32].关于解释这种现象的理论，Joshi(2008)通过CO₂ 浓度加倍实验指出，增加的CO₂ 瞬时通过气孔关闭减少了叶表面的蒸发，这在更加干燥､温暖的边界层中引起了低云量的减少，进而引起了辐射强迫的调整^[33-34].在2009年，Doutriaux-Boucher通过区分海洋与陆地辐射效应证明了这种影响低云的现象主要发生在陆地上，并指出土地利用变化对CO₂ 影响气候有非常重要的作用.目前，对这一效应的了解还很少，尽管如此，这一效应在辐射强迫以及与气温相关的反馈效应方面有不明确的重要作用^[35].

基于上述观点，本文认为大气CO₂ 浓度非均匀分布对低云影响的一个可能途径为:夏天，大气CO₂浓度主要表现为降低，而植物的气孔阻力随CO₂ 浓度的降低而减小，这是由于随着外界CO₂ 浓度的降低，胞间CO₂的浓度越来越小，为了维持胞间CO₂的浓度，植物通过调节气孔的张合程度，使气孔变得更大进行适应.气孔阻力的减小在加大植物吸收外界CO₂ 的同时，也增加了植物与大气间水分的交换^[36]，这种作用一方面通过蒸发冷却降低了环境温度，另一方面，大气湿度增加，进而通过水汽抬升导致低云的增加；冬天，植物处于非生长季，光合作用和蒸腾作用强度大大减弱，植物对CO₂ 浓度变化的生理学响应减弱，湿度和低云改变不明显.另外，由于不同植物固碳能力的差异，其光合作用和蒸腾作用的差异也较大，这便导致不同类型下垫面对大气CO₂ 浓度响应不同，对低云的影响也不同，进而影响到气温的差异.

为了证实上述观点，给出Exp2 试验中模式地表植被生理变化及相应大气要素变化的统计量，考虑到大气CO₂ 浓度非均匀分布效应主要发生在夏､秋季以及植被类型一般具有纬度带分布特征，因此仅对6—11 月间的各物理量按照纬向平均进行统计，结果见图 11.可以看出，各统计增量的变化均具有明显的纬度分布特征，大致可划分为3 个特征区域:25°N 以南､25°N—40°N 和40°N 以北.

图 11

Fig. 11

图 11 Exp2试验中6—11月（a)气孔阻力，（b)冠层蒸腾，（c)冠层蒸发，（d)地表蒸发，（e)2m比湿，（f)地表吸收短波辐射，(g)2m气温，（h)地表气压，G)C〇2浓度的增量的纬向平均变化.虚线为5纬度滑动平均 Fig. 11 Zonal mean increment change of (a) stomatal resistance, (b) canopy transpiration, (c) canopy evaporation, (d)ground evaporation, (e) 2 m specific humidity, (f) absorbed solar radiation, (g) 2 m air temperature, (h) surface pressure，(i) C02 concentration in the Exp2，the dashed line means five-latitude moving average

25°N 以南气孔阻力(图 11a)主要表现为增大，与此相对应，植物冠层蒸腾作用强度(图 11b)减弱，冠层蒸发量(图 11c)和土地蒸发量(图 11d)相应减弱，蒸发量的减少导致了2m 湿度(图 11e)的降低，近地面层水汽含量减少，低云量降低，短波辐射强迫减弱，导致到达地面的短波辐射量(图 11f)增加，进而2m 温度(图 11g)升高.

25°N—40°N 表现出与25°N 以南相反的效应，从图 9b也可看出，该区是主要降温区域.受CO₂ 浓度降低影响，25°N—40°N 之间气孔阻力明显减弱，植物冠层蒸腾作用加强，植物叶面和土地的蒸发量增加，导致了2 m 湿度增加，近地面层水汽含量增加，低云量增加，短波辐射强迫增强，导致到达地面的短波辐射量减少，进而2m 温度降低.

按照上述各物理量之间的响应关系，表 7给出了各相互作用物理量之间的相关系数及显著性t检验结果，可以看出，CO₂ 生理学强迫过程中的物理量之间的响应是显著的，而非模式“噪音".

表 7(Table 7)

表 7 CO2 生理学强迫过程中各物理量间相关性的显著性t检验 Table 7 The significance test of correlation coefficient between the interaction physical variables in CO2 physiological forcing effect

表 7 CO2 生理学强迫过程中各物理量间相关性的显著性t检验 Table 7 The significance test of correlation coefficient between the interaction physical variables in CO2 physiological forcing effect

40°N 以北气孔阻力变化不明显，植物的蒸腾作用强度变化也不明显，植物冠层蒸发量向北逐渐降低，土地蒸发量和2 m 湿度变化均不明显，温度在40°N—50°N 之间有小幅降低.从CO₂ 浓度(图 11i)变化来看，40°N 以北CO₂ 浓度明显降低，按照之前给出的理论，气孔阻力和气温都应表现出明显的降低才对.但是，实际情况并非如此.这主要是由于气压调整所致.从图 11h 中可以看出，40°N 以北气压明显增大，气压的加强导致了大气CO₂ 分压的增加，这加大了大气CO₂ 分压与胞间CO₂ 分压之差，进而导致植物气孔阻力的增加，与CO₂ 浓度增加产生的效应是相同的.因此气压的加强抵消了CO₂ 浓度降低产生的效应，相应气温降低的幅度缩小.

为了进一步证明气压调整对CO₂ 生理强迫的抑制效应，给出地面气压增量的“纬向平均-月份"分布，见图 12.可以看出，气压调整主要发生在40°N以北，5—6月份首先发生了气压的降低，到了7 月份气压转为升高.对比图 9a，9b中的低云量和温度变化，可以发现:在6月份45°N 附近的气压降低区正好对应一个明显的低云增加区(图 9a)和降温区(图 9b).一方面气压降低有利于减小胞间与大气之间的CO₂ 分压差，进而减小气孔阻力；另一方面，较低的气压有利于低云的形成.到了7月份气压升高，虽然CO₂ 浓度降低了，但是大气CO₂ 分压却明显增大，这导致了气孔阻力增大，蒸发的水汽减少，低云量减少，进而出现了增温.

对气压调整的一个可能解释是:从统计意义上讲，在开放的大气中，温度越高，气压越低，温度越低，气压越高.6—8 月份CO₂ 浓度逐月降低，尤其高纬度地区CO₂ 浓度降低十分明显，因而在该地区产生了较明显的降温，温度的降低直接导致了气压的升高，一方面减小了因CO₂ 浓度变化导致的气孔阻力降低，另一方面阻碍了低云的形成，降温幅度变小，气压的升高直到完全抵消了CO₂ 浓度降低的效应，即温度开始升高为止.同理，温度如果一直升高，则气压会降低，减少大气CO₂ 分压，使气孔阻力减小，与CO₂ 浓度降低的作用相同.所以气压总会向着CO₂ 浓度变化的相反方向调整，即气压对CO₂ 生理强迫总是产生抑制效应.前文所述的第三经济区降温幅度小于第二经济区以及森林降温幅度小于草地就是由气压调整导致的.

图 12

Fig. 12

图 12 Exp2试验中地面气压增量的“纬向平均-月份”分布 Fig. 12 “Zonal mean-month” distribution of surface pressure increment in the Exp2

以上分析指明了大气CO₂ 的生理学强迫改变了地表蒸发量，进而改变了低云的分布，对温度变化有着重要的作用.为进一步检验这种作用的真实性，本文在Sce3和Sce2情景基础上又设计了对比试验三(Exp3):使用BATS 陆面模式替换Exp2 试验中条件下的气候模拟的CLM3.5陆面模式，其余设置均与Exp2 试验相同，将大气CO₂ 非均匀动态分布时的模拟结果与均匀分布时的进行对比分析(Sce3-Sce2).因为BATS陆面模式的陆地/植被参数均是固定的^[27]，因此Exp3试验中没有包含CO₂ 的生理学强迫作用.图 13给出了Exp3试验模拟的年平均气温增量的“纬向平均-高度"分布，对比图 6b，可以看出Exp3试验并未表现出明显的对流层降温趋势，而且温度变化幅度明显小于Exp2试验.说明大气CO₂ 浓度非均匀变化仅通过CO₂ 自身的温室效应难以产生显著的温度变化，同时，说明大气CO₂ 的生理学强迫及其产生的云反馈效应对于改变对流层温度有重要作用.

图 13

Fig. 13

图 13 Exp3试验中年平均气温增量的“纬向平均-高度”分布 Fig. 13 “Zonal mean-altitude” distribution of annual mean temperature increment in the Exp3

本文利用现有的大气CO₂ 浓度观测信息，综合考虑不同经济区划与土地覆盖类型对应的CO₂ 浓度差异及其季节变化规律，构建模式区域内以月为单位的网格化大气CO₂浓度非均匀动态分布数据模型.由此数据模型驱动RegCM4-CLM3.5区域气候模式运行，对东亚区2000 年3 月—2009 年2 月之间的气候变化特征进行了模拟.利用数值模拟的结果，对大气CO₂ 浓度非均匀动态分布可能引起的区域气候效应及其影响气温变化的机理进行了研究.结果表明:

(1) 相对CO₂ 浓度均匀常态分布假定，考虑大气CO₂ 浓度非均匀动态分布后，区域内温度以降低为主(温室效应减弱)，中心区域陆地降温幅度较大，海洋区域和模式区边缘降温幅度稍低，气温升高的区域主要为人类活动影响大的地区，区域平均气温降低约-0.01 ℃.对流层内主要为降温，降温中心在30°N—40°N 之间，约900~700hPa高度，中心降温幅度约为-0.04 ℃，平流层升温.

(2) 从不同经济区划看，1—5 月各区气温变化不明显，夏季均表现为降温，降幅最大的是第二经济区，季降温-0.14 ℃.10月下旬到12月份，各经济区均表现为增温，第一经济区增温最明显；从不同地表覆盖类型看，夏季均表现为降温，草地类型降幅最大，季降温接近-0.06 ℃，森林次之，城市最小.城市除夏季外均表现为升温，秋季升温幅度最大，季升幅为0.05 ℃；从全区域平均气温季节变化看，冬春季变化不明显，夏秋季表现为降温，其中夏季降温最明显，季降幅-0.04 ℃，与CO₂ 浓度季节演变曲线的相关系数为0.80.

(3) 对年平均大气辐射通量偏差进行分析表明:在晴空条件下，大气吸收太阳短波辐射以及拦截长波辐射能力均有增强，如果不考虑云的存在，模拟结果为增温；在云天条件下，云反射出去的短波辐射增加，而云拦截的长波辐射量也有所减弱，两者综合效果是从地球射出的辐射能量更多，其净效应大于CO₂ 浓度非均匀使大气透射率降低所产生的温室效应.低云增量以及其反射太阳短波辐射增量的变化幅度远大于高云增量及其增加的向下长波辐射增量的变化，因而低云量的改变对温度影响占有主导地位.低云量的变化主要发生在5—10月份的30°N—50°N 地区，这与气温变化的时间和范围是相符的.冬季云量变化较小，对应辐射通量的变化也很小，这是1—5月间温度变化不明显的原因.(4)大气CO₂ 浓度的变化影响了大气与植物胞间CO₂ 分压差，陆地植被通过改变气孔阻力适应这种变化，气孔阻力的变化直接影响到植物与大气间水分的交换，这种作用一方面通过蒸发冷却改变环境温度，另一方面，蒸发水分改变了大气湿度，进而通过水汽扩散到空中影响低云的分布.冬季，植物处于非生长季，CO₂ 的生理学强迫减弱，湿度和低云改变不明显.夏季，植物生理作用旺盛，受大气CO₂浓度降低的影响，植物气孔阻力减小，冠层蒸发量增加，通过水汽抬升，导致低云量增加，引起降温效应.

本文结论表明:目前的气候模式对CO₂ 的增温效果可能夸大10%左右，采用相对真实的CO₂ 非均匀动态分布对于准确预测未来气候变化趋势至关重要.大气CO₂ 对于局地气候环境的影响，不局限于温室效应的增温作用，植物通过适应CO₂ 浓度变化所作的自我生理调节，也会对近地层气候环境造成影响，这是未来设计模拟气候变化的气候模式时需要认真对待的问题.现有观测还明确显示^{[13, 37]}:大气CO₂ 浓度存在明显的日变化，变化幅度可达(20~40)×10⁶.可以预想，如果考虑大气CO₂ 浓度的日变化，白天CO₂ 浓度将会更低，导致的生理学强迫会更强，产生降温幅度也将更大，这是一个值得深入研究的问题.