邓荔 朱欢欢 江志红

摘要 利用第6次耦合模式比较计划（CMIP6）中的9个全球气候模式的模拟结果，通过CO2浓度达峰时间确定SSP1-1.9和SSP1-2.6两种情景下的全球碳中和时间，预估了全球碳中和下中国区域气候较历史参考期（1995—2014年）的未来变化，分析不同时间达到碳中和下气候响应差异，并与未实现碳中和的SSP2-4.5情景下的气候变化对比。结果表明，SSP1-1.9和SSP1-2.6情景下全球达到碳中和的时间分别为2041年和2063年，相较于历史参考期，SSP1-1.9/SSP1-2.6下中国区域平均年气温上升1.22/1.58 ℃，平均年降水量增加7.1%/9.9%。SSP1-2.6（晚碳中和）较SSP1-1.9（早碳中和）情景下年均温增高约0.36 ℃，最大升温区位于西南及高原地区。对降水而言，晚碳中和较早碳中和全国平均年降水量增加约2.7%。全年及夏季降水量显著增加区主要在西北，新疆地区出现降水增加超过8%的大值区，冬季则集中于黄河中下游，增幅也超过8%。未碳中和的SSP2-4.5情景下中国区域的升温显著强于SSP1-2.6（碳中和）情景，年平均气温高约0.61 ℃，西北地区是升温差别大值区，其中新疆部分地区增加升温超过0.8 ℃。SSP2-4.5较SSP1-2.6情景年降水量在西北地区增加显著，内蒙古西北部最大增加超过10%。有无碳中和对冬季降水影响更大，SSP2-4.5情景下新疆部分地区降水增加比SSP1-2.6下多20%左右，云南部分地区则少15%左右，表明有无碳中和对气候的影响远大于早晚碳中和。

关键词碳中和;预估;气候变化;不同情景

近期公布的IPCC第六次评估报告指出，相对于工业化前，人类活动导致2010—2019年全球地表气温上升了1.07 ℃（0.8～1.3 ℃），其中温室气体造成了1.0～2.0 ℃的升温（IPCC，2021）。CO2作为人为温室气体的主体，其累积排放与全球温升呈近线性关系（Allen et al.，2009;Matthews et al.，2009;Meinshausen et al.，2009;Zickfeld et al.，2009;Collins et al.，2013;Stocker et al.，2013）。全球升溫的最大值将会在CO2开始减少约几十年后出现，并且排放的CO2越多，排放与升温峰值的间隔时间越长（Zickfeld and Herrington，2015）。因此如果不控制碳排放，就很难实现《巴黎协定》提出的“到本世纪末将全球温升控制在2 ℃之内”的长期目标（UNFCCC，2015）。中国是发展中国家也是碳排放大国，为应对气候变化，推动全球气候行动，我国在第75届联合国一般性辩论上提出了“双碳”目标，承诺在2030年前实现碳达峰，在2060年前实现碳中和。

中国地处东亚季风区，地形复杂，区域气候更容易受到全球变化影响，加上我国人口众多，经济正处于快速发展阶段，气象灾害导致的社会经济损失尤为严重。在“双碳”目标提出前，已有不少学者基于《巴黎协定》提出的1.5/2.0 ℃升温阈值对中国区域展开了未来预估研究，发现相较于全球，中国气候变暖幅度更大（胡婷等，2017;江晓菲等，2020;Zhang et al.，2021），极端暖事件明显增多，极端冷事件减少（陈晓晨等，2015;李东欢等，2017;Sun et al.，2019;Aihaiti et al.，2021;Li et al.，2021;Zhang et al.，2021;Zhu et al.，2021）。同时中国大部分地区普遍存在湿润化的趋势，极端降水显著增加（Li et al.，2021）。Shi et al.（2018）基于第5次耦合模式比较计划（CMIP5）数据对3种不同典型浓度路径（RCP2.6、RCP4.5和RCP8.5）下中国区域的气温变化展开了研究，发现1.5/2.0 ℃全球升温阈值之间的额外0.5 ℃温升将对中国区域气温造成显著影响，几乎整个中国区域的平均温度和极端高温、低温上升幅度都将超过0.5 ℃。Zhang et al.（2021）利用最新的CMIP6数据基于共享社会经济路径（SSP1-2.6、SSP2-4.5和SSP5-8.5）预估了在5个特定的全球升温阈值（1.5～5.0 ℃）下中国各地未来极端高温的变化，发现与升温2～5 ℃相比，温升控制在1.5 ℃能够将中国区域极端高温的增加减少36%～87%，进一步佐证了温升控制的紧迫性。必须注意的是，以上研究主要关注不同升温阈值下出现的气候响应差异，这些差异很大程度上来源于情景中不同的温室气体（CO2）排放设计。

IPCC全球升温1.5 ℃特别报告也指出为了将全球升温控制在1.5 ℃之内，需要在2050年左右达到净零碳排（IPCC，2018）。目前针对碳中和下中国气候变化的研究已开始引起关注。徐北瑶等（2022）基于RCP4.5情景和中国未来排放动态预测模型模拟的2030年排放数据，研究发现中国“双碳”目标下的减排政策有利于PM2.5、O3和CO2浓度减少，但会导致2030年我国部分地区气温较2015年上升。在实现碳中和以及低增温目标的政策调整下，21世纪全球气溶胶的减少会减缓CO2减少带来的冷却效应，不利于对北半球特别是北极地区的升温控制（Ma et al.，2022）。Chen et al.（2021）针对中国的“双碳”目标自行设计了碳减排路径，发现在全球其他国家维持一定排放仅中国实现“双碳”目标的路径下，21世纪末全球温升将减少0.16～0.21 ℃。但上述研究仅分析了实现碳中和对21世纪气候变化影响，没有对达到碳中和时的气候变化展开研究。杨晨辉等（2022）聚焦于“双碳”背景下赣江流域的气候变化，发现相比于“高碳”路径，21世纪“双碳”路径下赣江流域水资源更丰富且极端水文事件强度更低，说明是否达到碳中和对区域气候有重要影响。但这一研究中“双碳”路径下碳中和时间的选取是基于政策目标，而不是基于碳中和定义以及耦合模式中未来情景下全球CO2的排放，研究某一情景下达到全球碳中和时我国气候变化的预估。另一方面，CMIP6的模拟预估是基于社会经济路径和排放路径共同构成的新情景框架（Moss et al.，2010）进行的，SSP1-1.9和SSP1-2.6情景可在21世纪的不同时段到达碳中和（O’Neill et al.，2016;Gidden et al.，2019;Tebaldi et al.，2021），实际上反映了减排的快慢，那么或早或晚达到全球碳中和时区域气候响应是否存在差异呢？显然这直接关系到我国减排政策的实施，也是制定趋缓和适应未来气候变化政策的科学依据。

由上可见，目前有关碳中和对未来气候变化影响的研究正日趋关注，但达到碳中和时气候变化的相关研究不多，缺乏特定SSP情景下达到全球碳中和时中国区域气候变化的响应研究。特别是在不同情景下或早或晚达到全球碳中和时，中国区域气候响应是否存在差异？能否达到碳中和对中国区域气候变化的影响等问题的认识尚很不足。故本文基于CO2浓度变化确定SSP1-1.9和SSP1-2.6情景下的全球碳中和时间，并分析当全球达到碳中和时中国区域气温、降水相较于历史时段的变化，同时关注全球不同时间达到碳中和时以及有无碳中和下中国区域气候的响应差异。

1 资料与方法

1.1 资料

本文使用截至2022年3月CMIP6官网上可获得的CMIP6模式输出的2015—2100年大气中的CO2质量数据（单位：kg），SSP1-1.9情景下有2个模式的CO2数据可下载，SSP1-2.6和SSP2-4.5情景下则有8个（表1）。考虑到给出碳数据的模式较少，本文添加了模式互比较项目的输入数据集（input4MIPs）中相同时段给定的CO2浓度数据（单位：ppm;1 ppm=1×10-6，下同）。结合2种数据以提高本文碳中和时间选取的可靠性。历史和未来预估的模式资料亦来自CMIP6，基本信息如表2所示。由于CMIP6官网上可获得的SSP1-1.9情景下模式数据有限，3个情景下的预估仅选取了9个模式2015—2100年气温、降水的月数据。历史时段则为1995—2014年，与IPCC AR6中一致。观测资料使用1995—2014年0.5°×0.5°的CN05.1格点观测的逐月气温、降水数据（吴佳和高学杰，2013）。为了便于分析比较，模式与观测资料统一插值到1°×1°。

1.2 方法

当前碳中和的定义较为宽泛（邓旭等，2021），本文按照IPCC给出的定义：与某一主体相关的人为CO2排放被人为CO2清除量所平衡（IPCC AR6），因此碳中和時间的确定可以从人为CO2排放净零和CO2浓度达峰两个角度考虑。根据SSP情景的设计，SSP1-1.9与SSP1-2.6情景可以在21世纪中叶达到碳中和（O’Neill et al.，2016;Gidden et al.，2019;Tebaldi et al.，2020），因此选择SSP1-1.9和SSP1-2.6情景作为碳中和情景。考虑到目前可获取的人为CO2排放数据较为有限，利用表1数据，根据CO2浓度的峰值时间找出2个情景下到达碳中和的时间，并以该年份为中心，向前取9 a，向后取10 a共20 a作为本文的“碳中和时期”。同时为比较分析碳中和对于气候调控的影响，根据不同情景下获得的碳中和时间，在CO2排放持续上升的SSP2-4.5情景下分别取对应的20 a气候态作为未达到碳中和的气候变化对照。

本研究采用多模式集合方法进行未来预估，分析SSP1-1.9和SSP1-2.6情景下全球碳中和时期中国区域的气温和降水较历史参考期（1995—2014年）的变化。同时比较2个碳中和情景间的温度和降水变化差异，以分析早晚碳中和下的气候响应差异。最后将SSP1-2.6情景下气温和降水的变化与未出现碳中和的SSP2-4.5情景下的变化对比，分析有无碳中和对中国区域气候的影响。

2 结果

2.1 历史模拟评估

为检验本研究中使用的CMIP6模式对中国区域气候的模拟能力。图1给出了观测资料与CMIP6模式模拟的1995—2014年中国区域气温、降水气候态空间分布。模式较为合理地模拟出中国区域气温由南向北递减及降水由东南沿海向西北内陆递减的分布特征。由图1e可知，模式模拟温度整体为冷偏差，其中青藏高原为冷偏差的大值区，局地偏差大于4 ℃。就降水而言，大部分区域为湿偏差，青藏高原为湿偏差的大值区，局地偏差达60%;新疆北部部分地区及长江以南为较弱的干偏差（图1f）。

使用泰勒图进一步检验了模式模拟中国区域历史参考期气温降水的表现，以验证模式模拟与观测资料的一致程度。由图1g可知模式间存在一定的模拟差异，且对温度的模拟优于降水。模式模拟年气温与观测的空间相关系数大于0.9，中心化的均方根误差在0.25～0.50;而模拟降水与观测的空间相关系数在0.45～0.86，中心化的均方根误差大于0.50。集合平均能在一定程度上改善模拟效果，集合平均模拟的年气温和降水与观测的空间相关系数分别为0.97和0.82，中心化的均方根误差分别为0.26和0.62，且空间标准差均在1.10之内。总体而言，模式能较好地模拟出中国区域气温、降水气候态的空间分布，且气温的模拟优于降水。

2.2 全球碳中和时间

根据IPCC AR6给出的碳中和定义可知，在碳中和背景下人为CO2排放达到净零，报告同时指出只有当人为CO2排放净零后CO2浓度才会开始下降，即CO2浓度达到峰值的时间与人为CO2排放达到净零的时间是基本一致的。因此在目前CMIP6模式中可获得的CO2相关数据有限的情况下，本文使用CMIP6模式输出的大气中的CO2质量，并补充增加了input4MIPs中的CO2浓度，以CO2浓度达峰的时间确定不同情景到达碳中和的时间。图2给出了CO2浓度的时间变化，2种数据模拟的CO2变化基本一致。

图2中SSP1-2.6与SSP2-4.5情景的结果并没有显示表1中所有模式的集合结果，因为NorESM2-LM、NorESM2-MM和TaiESM1这3个模式在量级上与另外5个模式存在一定差异，但CO2的变化趋势一致。在CO2浓度达峰这一条件下，SSP1-1.9情景下全球达到碳中和的时间为2041年，CO2浓度为440 ppm;SSP1-2.6情景下达到碳中和的时间则为2063年，CO2浓度为474 ppm，2个情景相差约20 a。按照1.2节方法中的定义，SSP1-1.9情景下的“碳中和时期”为2032—2051年;SSP1-2.6情景下的“碳中和时期”为2054—2073年。2个情景下以浓度达峰得到碳中和时间可能与净零碳排条件下得到的时间存在一定差异，需要注意在本研究中确定碳中和时间的前提条件。

SSP2-4.5情景下CO2在21世纪持续增加，本文将该情景作为无碳中和背景下气候变化的参照。SSP2-4.5情景下选取与SSP1-2.6情景下“碳中和时期”对应的20 a作为无碳中和背景下气候变化的对比。SSP2-4.5情景下2063年的CO2浓度为546 ppm，与同年SSP1-2.6情景下相差72 ppm。

2.3 碳中和下中国区域的气候预估

2.3.1 碳中和下的气候变化

为了分析未来全球碳中和时期中国区域的气候变化，图3给出了相对于历史参考期，SSP1-1.9和SSP1-2.6情景下碳中和时期中国区域气温变化的空间分布。由图3可知，碳中和时期中国区域整体均升温显著。SSP1-1.9/SSP1-2.6情景下中国区域分别升温1.22 ℃（0.8～1.6 ℃）/1.58 ℃（1.1～2.0 ℃）。其中，SSP1-1.9情景下黄河下游地区升温幅度最大，超过1.5 ℃;华南和西南部分区域的升温低于全国平均水平。SSP1-2.6情景下升温大值区位于西藏北部和黄河下游地区，超过1.8 ℃，云南地区升温幅度最小。冬夏对比，SSP1-1.9/SSP1-2.6情景下夏季区域（JJA）平均气温上升约1.23/1.57 ℃，新疆和西藏北部出现升温大值区，局地升温幅度超过1.8/2.1 ℃。SSP1-1.9/SSP1-2.6情景下冬季区域平均气温升幅分别为1.11/1.62 ℃。冬季（DJF）升温大值区主要分布在东北、西藏以及长江以南地区，升温最高超过1.5/2.1 ℃。总体而言，碳中和时期中国区域较历史时期升温显著，黄河下游地区年均升温幅度最大。夏季升温大值区主要在北方地区，而冬季升温大值区则主要在南方地区。

碳中和时期中国区域降水较历史参考期整体增加（图4）。SSP1-1.9/SSP1-2.6情景下年降水的相对变化分别在（1.6%～12.1%）/（5.6%～13.7%）。SSP1-1.9情景下中国区域平均年均降水增加约为7.1%，华南、华北及东北等地降水相对增加幅度较大，达10%以上。新疆部分区域年降水减少。SSP1-2.6情景下中国区域年均降水增加9.9%，且整体变化显著。内蒙古西部降水增加最多，增幅超过15%。就冬夏季节变化而言，夏季降水的相对变化与年变化相似，SSP1-1.9/SSP1-2.6情景下区域平均降水分别增加约6.5%/9.3%。冬季降水增加幅度较大，SSP1.19/SSP1-2.6情景下区域平均增幅分别为10.7%/13.7%。SSP1-1.9情景下，河套地区冬季降水显著增加并且增加幅度最大，局地增幅甚至超过25%。SSP1-2.6情景下冬季降水增幅达25%的大值区进一步向东向南扩展，包含黄河及长江中游地区。2个情景下中国区域年和季节降水都增加，且冬季降水增幅大于年与夏季，冬季黄河及长江的中游地区出现增幅超过25%的大值区。

2.3.2 早晚碳中和下的气候响应差异

由2.2节可知，SSP1-1.9和SSP1-2.6情景达到全球碳中和的时间分别为2041年和2063年，2个情景间相差了20 a。SSP1-2.6情景下（晚碳中和）中国区域较历史参考期的平均温度和降水升幅都大于SSP1-1.9情景（早碳中和）。图5进一步给出了不同碳中和时期中国区域气温变化差异的空间分布。由图可见，SSP1-2.6情景下中国区域平均的年均温比SSP1-1.9情景高出0.36 ℃（0.2～0.7 ℃），其中西南和高原区域的温度差异较大，超过0.4 ℃。夏季SSP1-2.6情景较SSP1-1.9情景高约0.35 ℃，差异较大的区域主要位于西北地区。冬季2个情景间中国区域温升幅度的差别更大，区域平均约为0.51 ℃，升幅差异的大值区位置与年变化接近，高原局地温差可达0.8 ℃。可见，虽然最终都达到了碳中和，但SSP1-2.6情景下持续的20 a碳排仍会带来显著升温，尤其是在西南及高原地区。

图5b给出了早晚碳中和下中国区域降水响应的差异，可以看到SSP1-2.6情景（晚碳中和）预估的中国区域年平均降水普遍比SSP1-1.9情景（早碳中和）增加的更多，区域平均增加约2.7%。中国大部分地区降水增加，其中西北地区增加较多，新疆地区出现降水增加超过8%的大值区。夏季降水差异的空间分布与年降水变化相似，新疆部分地区差异较大。2个情景间冬季降水的差异整体不显著，但SSP1-2.6情景下黄河中下游地区降水较SSP1-1.9情景增加超过8%，而云南及内蒙古部分地区降水较SSP1-1.9情景减少达6%。总的来说，SSP1-2.6情景（晚碳中和）预估中国区域的降水要略多于SSP1-1.9情景（早碳中和），較晚碳中和主要会造成新疆部分地区夏季降水显著增加，黄河中下游地区冬季降水增加。

2.4 有、无碳中和下中国区域的气候响应差异

相较于大气中CO2浓度持续上升的SSP2-4.5情景，碳中和情景下的升温得到了一定控制。两个碳中和情景与SSP2-4.5情景间气候差异的空间分布相近，此处只展示SSP1-2.6情景结果。由图6可见，SSP2-4.5情景下中国区域年气温相较于SSP1-2.6情景增加约0.61 ℃（0.3～0.9 ℃），西北地区气温差异最大，部分区域达0.8 ℃。夏季情景间温度变化差异的空间分布与年变化相近。冬季SSP2-4.5情景较SSP1-2.6情景预估中国区域平均气温偏强约0.54 ℃，其中北方地区差异显著，东北地区偏强甚至超过1.0 ℃，而长江以南则差异不显著。总的来说，SSP2-4.5情景下中国区域的温升要强于碳中和情景，西北地区为年和夏季温度差异的大值区。有无碳中和对冬季气温影响更大，东北地区出现了差异超过1.0 ℃的最大值区。

与碳中和情景相比，未碳中和情景下北方部分地区降水相对增加，南方地区降水减少（图6）。与SSP1-2.6情景相比，SSP2-4.5情景下年均降水增加了0.7%（-6.2%～12.3%），西北及高原北部部分地区降水增加显著，其中内蒙古西北部差异最大，增加超过10%;长江以南地区降水显著减少，华南地区降水减少达5%。夏季降水差异分布与年变化近似，但差异基本不显著。SSP2-4.5情景下冬季降水较SSP1-2.6情景增加2.0%，东北西部及西北地区降水增加显著，新疆部分地区增加超过20%;而南方地区降水显著减少，其中西南地区为降水减少的大值区，云南局地减幅达15%。总体而言，SSP2-4.5情景下年降水量增加略强于SSP1-2.6情景，其中内蒙古西北部降水增加最多，局地超过10%;而华南地区则是降水减少的大值区，局地减少超过5%。冬夏对比，有无碳中和下冬季降水差异更显著，SSP2-4.5情景下新疆部分地区降水增加比SSP1-2.6情景下多20%左右，云南部分地区则少15%左右。

3 结论与讨论

本文利用CMIP6和input4MIPs的CO2浓度数据确定了SSP1-1.9和SSP1-2.6情景下全球达到碳中和的时间。预估了2个情景下中国区域在全球碳中和时期较历史参考期的气候变化，并分析了早晚碳中和下的响应差异，还将SSP1-2.6情景与SSP2-4.5情景下的预估进行对比以分析有无碳中和的气候变化差异。主要结果如下：

1）CMIP6模式能较好地模拟出中国区域气温和降水气候态的空间分布，且对气温的模拟优于降水。以CO2浓度达峰时间确定了2个情景下全球达到碳中和的时间。SSP1-1.9情景下全球达到碳中和的时间为2041年，SSP1-2.6情景下则为2063年。

2）与历史参考期相比，碳中和时期气温显著上升，SSP1-1.9/SSP1-2.6情景下中国区域分别升温1.22 ℃（0.8～1.6 ℃）/1.58 ℃（1.1～2.0 ℃）。2个情景下升温大值区均出现在北方地区，黄河下游地区升温分别超过1.5/1.8 ℃。夏季升温大值区主要在北方地区，而冬季升温大值区则主要在南方地区。中国区域降水整体增加，SSP1-1.9/SSP1-2.6情景下区域平均年降水量分别增加7.1%/9.9%，大值区主要位于华南、华北及东北地区。夏季降水变化与年总量变化一致，冬季降水增幅更大，黄河及长江中下游地区增幅超过25%。

3）2个情景达到碳中和的时间存在先后，较晚碳中和的SSP1-2.6情景与较早碳中和的SSP1-1.9情景相比，中国区域平均年气温升高约0.36 ℃，年降水增加约2.7%，较晚达到碳中和会引起中国区域显著升温，特别是西南及高原地区。与较早碳中和的SSP1-1.9情景相比，较晚到达碳中和会造成年及夏季降水在西北大部分地区显著增加，新疆地区增加超过8%，冬季则在黄河中下游地区增加达8%。

4）未碳中和的SSP2-4.5情景下中国区域的升温要显著强于SSP1-2.6情景，区域平均年气温比SSP1-2.6高约0.61 ℃，西北地区气温差异较大，最大超过0.8 ℃。夏季气温差异分布与年变化相近，冬季东北地区出现了差异超过1.0 ℃的大值区。SSP2-4.5情景下年降水量增加略多于SSP1-2.6情景，年降水在西北地区增加显著，内蒙古西北部最大增加超过10%。能否碳中和对冬季降水影响更大，SSP2-4.5情景下新疆部分地区降水增加比SSP1-2.6情景下多20%左右，云南部分地区少15%左右。

研究发现达到碳中和对中国区域的气候变化有很大影响，与未实现碳中和的情景相比，达到碳中和能在很大程度上控制温升，并在一定程度上增加西南地区降水，同时减缓西北地区的降水增加。早达到碳中和相较于晚碳中和也可以调控中国区域的温升，减少西北大部分地区夏季降水的增加，以及黄河中下游地区冬季降水的增加。但有无碳中和对中国气候的影响远大于早晚碳中和。必须注意的是，本文对碳中和下中国区域的气候响应研究结果存在一定的不确定性，一方面，本研究中碳中和时间仅由CO2浓度变化确定，因此在碳中和时间的确定上还存在不确定性;另一方面，模式的模拟性能由于物理框架、参数化设置、分辨率等的不同而存在差异，本文仅用了9个气候模式，模式数量相对较少，可能会导致预估结果的不确定性，后续需要加入更多的模式。同时也可以通过各种优化集合方案进行预估（Eyring et al.，2019），以减小预估的不确定性。

参考文献（References）

Aihaiti A，Jiang Z H，Zhu L H，et al.，2021.Risk changes of compound temperature and precipitation extremes in China under 1.5 ℃ and 2 ℃ global warming[J].Atmos Res，264：105838.doi：10.1016/j.atmosres.2021.105838.

Allen M R，Frame D J，Huntingford C，et al.，2009.Warming caused by cumulative carbon emissions towards the trillionth tonne[J].Nature，458（7242）：1163-1166.doi：10.1038/nature08019.

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.

陳晓晨，徐影，姚遥，2015.不同升温阈值下中国地区极端气候事件变化预估[J].大气科学，39（6）：1123-1135. Chen X C，Xu Y，Yao Y，2015.Changes in climate extremes over China in a 2 ℃，3 ℃，and 4 ℃ warmer world[J].Chin J Atmos Sci，39（6）：1123-1135.（in Chinese）.

Collins W J，Fry M M，Yu H，et al.，2013.Global and regional temperature-change potentials for near-term climate forcers[J].Atmos Chem Phys，13（5）：2471-2485.doi：10.5194/acp-13-2471-2013.

邓旭，谢俊，滕飞，2021.何谓“碳中和”？[J].气候变化研究进展，17（1）：107-113. Deng X，Xie J，Teng F，2021.What is carbon neutrality？[J].Clim Change Res，17（1）：107-113.doi：10.12006/j.issn.1673-1719.2020.261.（in Chinese）.

Eyring V，Cox P M，Flato G M，et al.，2019.Taking climate model evaluation to the next level[J].Nat Clim Chang，9（2）：102-110.doi：10.1038/s41558-018-0355-y.

Gidden M J，Riahi K，Smith S J，et al.，2019.Global emissions pathways under different socioeconomic scenarios for use in CMIP6：A dataset of harmonized emissions trajectories through the end of the century[J].Geosci Model Dev，12（4）：1443-1475.doi：10.5194/gmd-12-1443-2019.

胡婷，孙颖，张学斌，2017.全球1.5和2 ℃温升时的气温和降水变化预估[J].科学通报，62（26）：3098-3111. Hu T，Sun Y，Zhang X B，2017.Temperature and precipitation projection at 1.5 and 2 ℃ increase in global mean temperature[J].Chin Sci Bull，62（26）：3098-3111.doi：10.1360/N972016-01234.（in Chinese）.

IPCC，2018.“Summary for Policymakers” in global warming of 1.5 ℃.An IPCC special report on the impacts of global warming of 1.5 ℃ above pre-industrial levels and related global greenhouse gas emission pathways，in the context of strengthening the global response to the threat of climate change，sustainable development，and efforts to eradicate poverty[R].Korea.

IPCC，2021.Climate change 2021：the physical science basis[R]//Masson-Delmotte V，Zhai P M，Pirani A，et al.Contribution of Working Group I to the Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge and New York：Cambridge University Press.

江曉菲，江志红，李伟，2020.全球增温1.5和2 ℃下中国东部极端高温风险预估[J].大气科学学报，43（6）：1056-1064. Jiang X F，Jiang Z H，Li W，2020.Risk estimation of extreme high temperature in Eastern China under 1.5 and 2 ℃ global warming[J].Trans Atmos Sci，43（6）：1056-1064.doi：10.13878/j.cnki.dqkxxb.200201011001.（in Chinese）.

李东欢，邹立维，周天军，2017.全球1.5 ℃温升背景下中国极端事件变化的区域模式预估[J].地球科学进展，32（4）：446-457. Li D H，Zou L W，Zhou T J，2017.Changes of extreme indices over China in response to 1.5 ℃ global warming projected by a regional climate model[J].Adv Earth Sci，32（4）：446-457.doi：10.11867/j.issn.1001-8166.2017.04.0446.（in Chinese）.

Li T，Jiang Z H，Treut H L，et al.，2021.Machine learning to optimize climate projection over China with multi-model ensemble simulations[J].Environ Res Lett，16（9）：094028.doi：10.1088/1748-9326/ac1d0c.

Ma X F，Huang G，Cao J J，2022.The significant roles of anthropogenic aerosols on surface temperature under carbon neutrality[J].Sci Bull，67（5）：470-473.doi：10.1016/j.scib.2021.10.022.

Matthews H D，Gillett N P，Stott P A，et al.，2009.The proportionality of global warming to cumulative carbon emissions[J].Nature，459（7248）：829-832.doi：10.1038/nature08047.

Meinshausen M，Meinshausen N，Hare W，et al.，2009.Greenhouse-gas emission targets for limiting global warming to 2 ℃[J].Nature，458（7242）：1158-1162.doi：10.1038/nature08017.

Moss R H，Edmonds J A，Hibbard K A，et al.，2010.The next generation of scenarios for climate change research and assessment[J].Nature，463（7282）：747-756.doi：10.1038/nature08823.

ONeill B C，Tebaldi C，van Vuuren D P，et al.，2016.The scenario model intercomparison project （ScenarioMIP） for CMIP6[J].Geosci Model Dev，9（9）：3461-3482.doi：10.5194/gmd-9-3461-2016.

Shi C，Jiang Z H，Chen W L，et al.，2018.Changes in temperature extremes over China under 1.5 ℃ and 2 ℃ global warming targets[J].Adv Clim Change Res，9（2）：120-129.doi：10.1016/j.accre.2017.11.003.

Stocker B D，Roth R，Joos F，et al.，2013.Multiple greenhouse-gas feedbacks from the land biosphere under future climate change scenarios[J].Nat Clim Chang，3（7）：666-672.doi：10.1038/nclimate1864.

Sun C，Jiang Z，Li W，et al.，2019.Changes in extreme temperature over China when global warming stabilized at 1.5 ℃ and 2.0 ℃[J].Sci Reports，9：14982.doi：10.1038/s41598-019-50036-z.

Tebaldi C，Debeire K，Eyring V，et al.，2021.Climate model projections from the Scenario Model Intercomparison Project（ScenarioMIP） of CMIP6[J].Earth Syst Dyn，12（1）：253-293.doi：10.5194/ESD-12-253-2021.

UNFCCC，2015.Adoption of the Paris Agreement[R].Geneva，Switzerland：United Nations Office at Geneva.

吳佳，高学杰，2013.一套格点化的中国区域逐日观测资料及与其它资料的对比[J].地球物理学报，56（4）：1102-1111. Wu J，Gao X J，2013.A gridded daily observation dataset over China region and comparison with the other datasets[J].Chin J Geophys，56（4）：1102-1111.doi：10.6038/cjg20130406.（in Chinese）.

徐北瑶，王体健，李树，等，2022.“双碳”目标对我国未来空气污染和气候变化的影响评估[J].科学通报，67（8）：784-794. Xu B Y，Wang T J，Li S，et al.，2022.Assessment of the impact of “dual-carbon” goal on future changes in air pollution and climate in China[J].Chin Sci Bull，67（8）：784-794.（in Chinese）.

杨晨辉，王艳君，苏布达，等，2022.SSP“双碳”路径下赣江流域径流变化趋势[J].气候变化研究进展，18（2）：177-187. Yang C H，Wang Y J，Su B D，et al.，2022.Runoff variation trend of Ganjiang River Basin under SSP “Double Carbon” path[J].Clim Change Res，18（2）：177-187.（in Chinese）.

Zhang G W，Zeng G，Yang X Y，et al.，2021.Future changes in extreme high temperature over China at 1.5 ℃—5 ℃ global warming based on CMIP6 simulations[J].Adv Atmos Sci，38（2）：253-267.doi：10.1007/s00376-020-0182-8.

Zhu H H，Jiang Z H，Li L，2021.Projection of climate extremes in China，an incremental exercise from CMIP5 to CMIP6[J].Sci Bull，66（24）：2528-2537.doi：10.1016/j.scib.2021.07.026.

Zickfeld K，Herrington T，2015.The time lag between a carbon dioxide emission and maximum warming increases with the size of the emission[J].Environ Res Lett，10（3）：031001.doi：10.1088/1748-9326/10/3/031001.

Zickfeld K，Eby M，Matthews H D，et al.，2009.Setting cumulative emissions targets to reduce the risk of dangerous climate change[J].PNAS，106（38）：16129-16134.doi：10.1073/pnas.0805800106.

Projection of climate change in China under carbon neutral scenarios

DENG Li，ZHU Huanhuan，JIANG Zhihong

Key Laboratory of Meteorological Disaster of Ministry of Education/Joint International Research Laboratory of Climate and Environment Change/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster，Nanjing University of Information Science and Technology，Nanjing 210044，China

This paper presents projections of regional climate change over China under carbon neutrality against the historical reference period （1995—2014），based on an ensemble of nine model simulations from the Coupled Model Intercomparison Project Phase 6 （CMIP6）.The time of carbon neutrality globally is determined by the time of peak CO2 concentration under two scenarios，namely SSP1-1.9 and SSP1-2.6.The results are compared with what produced by the SSP2-4.5 scenario，in which carbon neutrality cannot be achieved.The respective times to reach carbon neutrality under the SSP1-1.9 and SSP1-2.6 scenarios are 2041 and 2063.Compared with the reference period，the areal-mean annual temperature in China increases by 1.22/1.58 ℃ under the SSP1-1.9/SSP1-2.6 scenarios，and the areal-mean annual precipitation increases by 7.1%/9.9%.The areal-mean annual temperature increases by 0.36 ℃ under the SSP1-2.6 （late carbon neutrality） in comparison to the SSP1-1.9 （early carbon neutrality），with the strongest warming located in southwestern China and on the Tibet Plateau.For precipitation，the areal-mean annual precipitation increases by 2.7% in the later carbon neutral period compared to the earlier carbon neutral period.The annual and summer precipitations increase significantly in northwestern China，with an increase greater than 8% occurring in Xinjiang.In winter，the region that has an increase of precipitation above 8% is located in the middle and lower reaches of the Yellow River.The warming under the SSP2-4.5 scenario is significantly stronger than that under the SSP1-2.6 scenario，with the regional mean temperature being about 0.61 ℃ higher.The largest warming is located in northwestern China，with an increase of greater than 0.8 ℃ in some parts of Xinjiang.The annual precipitation increases more significantly in northwestern China under the SSP2-4.5 scenario than that under the SSP1-2.6 scenario，with a maximum increase of above 10% in northwestern Inner Mongolia.The winter precipitation increases by more than 20% in some areas of Xinjiang，and decreases by more than 15% in Yunnan.The results of this study show that the presence or absence of carbon neutrality has a much greater impact on climate than the time （early or late） of carbon neutrality.

carbon neutrality;future projections;climate change;scenarios

doi：10.13878/j.cnki.dqkxxb.20220323015

（責任编辑：袁东敏）