从地球能量收支估算角度理解全球变暖

doi:10.11867/j.issn.1001-8166.2025.006

地球科学进展 ›› 2025, Vol. 40 ›› Issue (1): 57 -67. doi: 10.11867/j.issn.1001-8166.2025.006

从地球能量收支估算角度理解全球变暖

李煦骞¹(

), 李庆祥¹^,²^,³(

)

^1.中山大学大气科学学院，热带大气海洋系统科学教育部重点实验室，广东广州 510275
^2.中国科学院中亚生态与环境研究中心，新疆乌鲁木齐 830011
^3.广东省南方海洋科学与工程实验室（珠海），广东珠海 519082

收稿日期:2024-11-18 修回日期:2024-12-04 出版日期:2025-01-10
通讯作者: 李庆祥 E-mail:lixq223@mail2.sysu.edu.cn;liqingx5@mail.sysu.edu.cn
基金资助:
国家自然科学基金项目(42375022);国家重点研发计划项目(2023YFC3008002)

Understanding Global Warming from the Perspective of Earth’s Energy Budget Estimation

Xuqian LI¹(), Qingxiang LI¹^,²^,³()

^1.School of Atmospheric Sciences, Sun Yat-sen University, Key Laboratory of Tropical Atmosphere-Ocean System (Sun Yat-sen University), Ministry of Education, Guangzhou 510275, China
^2.Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi 830011, China
^3.Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai Guangdong 519082, China

Received:2024-11-18 Revised:2024-12-04 Online:2025-01-10 Published:2025-03-24
Contact: Qingxiang LI E-mail:lixq223@mail2.sysu.edu.cn;liqingx5@mail.sysu.edu.cn
About author:LI Xuqian, research area includes Earth’s energy balance. E-mail: lixq223@mail2.sysu.edu.cn
Supported by:
the National Natural Science Foundation of China(42375022);The National Key Research and Development Program of China(2023YFC3008002)

全文 ( 16 ) 下载PDF ( 99 )

追踪地球系统能量平衡性问题是研究人类活动对气候变化贡献的关键方法之一。能量不平衡直接反映了气候系统复杂的响应与反馈结果，是衡量气候变化的重要指标。然而，长期以来，准确估计地球能量收支一直是一个挑战。对于大气层顶与地表辐射通量的观测普遍存在较高的不确定性，且不同观测数据之间难以相互验证。这种较高的不确定性也导致地球系统能量收支通量变化的估算并不准确，同时由于缺乏高质量、高分辨率的观测数据约束，地表辐射通量的估算一直存在很大挑战。近年来通过海洋热容量/海平面高度数据进行间接估算地球能量收支的方法被广泛应用。利用大部分能量不平衡流向海洋热容量的特点，通过海洋数据观测可以得到不确定性较低的地球能量不平衡估算结果。此外，通过地球系统模式输出的多模式集合的方法，并辅以恰当的加权策略，也能得到地球能量收支的合理估算结果。通过数据整合水平能力的提升和相关技术的发展，气候科学家们正在不断提高对地球能量收支的理解，为理解和应对日益加剧的全球变暖提供了更为精确的科学依据。

关键词: 地球能量收支, 全球变暖, 观测数据, 地球系统模式

Tracking the Earth’s energy imbalance is one of the key methods for studying the contribution of human activities to climate change. Energy imbalance directly reflects the complex responses and feedback of the climate system and is an important indicator of climate change. However, accurately estimating the Earth’s energy budget has long been a challenge. Observations of the top of the atmosphere and surface radiative fluxes have high uncertainties, and it is difficult to validate different observation datasets. In addition, these high uncertainties lead to inaccurate estimates of changes in Earth’s energy budget fluxes. Furthermore, estimating surface radiative fluxes is challenging because of the lack of high-quality, high-resolution observational data. Recently, methods using ocean heat content/sea-level height data for the indirect estimation of the Earth’s energy budget have been widely applied. Considering that most of the energy imbalance flows into the ocean heat content, ocean data observations can yield estimates of the Earth’s energy imbalance with lower uncertainty. Additionally, reasonable estimates of the Earth’s energy budget can be obtained through multi-model ensemble methods using Earth system model outputs, supplemented with appropriate weighting strategies. By improving data integration capabilities and developing related technologies, climate scientists continuously enhance their understanding of the Earth’s energy budget, providing more precise scientific evidence for understanding and addressing increasingly severe global warming.

Key words: Earth’s Energy Imbalance, Global warming, Observational data, Model simulation

中图分类号:

P467

表1 不同团队得到的 2000— 2014年平均地表能量不平衡估计值及其不确定性范围 (W/m ²)

Table 1 Average surface Earth Energy Imbalance （ EEI） estimates and their uncertainty ranges from different teams for the years 2000-2014

能量平衡组分	Li等 ^{［ 11］}	CMIP6-MME ^{［ 11］}	Wild ^{［ 12］}	Wild等 ^{［ 13- 14］}	Trenberth等 ^{［ 15］}	Kato等 ^{［ 16］}	Stephens等 ^{［ 17］}
入射太阳辐射（rsds）	185.8±6.2	188.3±6.1	187	185（180，188）	160	187	192±11
反射太阳辐射（rsus）	23.7±3.4	24.0±3.9	24	25（23，26）	23	23	23±3
向下长波辐射（rlds）	345.5±5.9	343.4±5.9	344	342（339，347）	333	344	346±9
向上长波辐射（rlus）	401.4±4.6	400.6±4.5	400	398（395，400）	390	398	398±5
地表潜热通量（hfls）	85.8±4.9	85.8±4.9	85	82（72，85）	82	81	88±10
地表感热通量（hfss）	19.6±4.7	19.6±4.7	20	21（20，25）	20	25	24±7
EEI	0.7±1.0	1.7±1.0	1.1	0.7（0.5，0.9）	0.9	0.9	0.6±17

表1 不同团队得到的 2000— 2014年平均地表能量不平衡估计值及其不确定性范围 (W/m ²)

Table 1 Average surface Earth Energy Imbalance （ EEI） estimates and their uncertainty ranges from different teams for the years 2000-2014

能量平衡组分	Li等 ^{［ 11］}	CMIP6-MME ^{［ 11］}	Wild ^{［ 12］}	Wild等 ^{［ 13- 14］}	Trenberth等 ^{［ 15］}	Kato等 ^{［ 16］}	Stephens等 ^{［ 17］}
入射太阳辐射（rsds）	185.8±6.2	188.3±6.1	187	185（180，188）	160	187	192±11
反射太阳辐射（rsus）	23.7±3.4	24.0±3.9	24	25（23，26）	23	23	23±3
向下长波辐射（rlds）	345.5±5.9	343.4±5.9	344	342（339，347）	333	344	346±9
向上长波辐射（rlus）	401.4±4.6	400.6±4.5	400	398（395，400）	390	398	398±5
地表潜热通量（hfls）	85.8±4.9	85.8±4.9	85	82（72，85）	82	81	88±10
地表感热通量（hfss）	19.6±4.7	19.6±4.7	20	21（20，25）	20	25	24±7
EEI	0.7±1.0	1.7±1.0	1.1	0.7（0.5，0.9）	0.9	0.9	0.6±17

图1 最新估算得到的 2006— 2020年大气层顶人为驱动的地球能量不平衡的地球热量储量（据参考文献［ 20］修改）
括号内为1971—2020年的数据

Fig. 1 Updated estimates of anthropogenically driven Top of Atmosphere （ TOA） Earth Energy Imbalance （ EEI） and Earth’s heat inventory for 2006-2020 （ modified after reference ［ 20］）
1971-2020 in parentheses

图2 1960— 2023年 CMIP6模式地球能量不平衡数据及相关观测数据（据参考文献［ 11］修改）
SME和TOA-SME分别为地表EEI和大气层顶EEI的多模式平均值，阴影范围为95%不确定性范围

Fig. 2 Time series of CMIP6 model Earth Energy Imbalance （ EEI） data and related observational data from 1960 to 2023 （ modified after reference ［ 11］）
SME and TOA-SME represent the multi-model mean of surface EEI and Top-Of-Atmosphere EEI， respectively， with the shaded area indicating the 95% uncertainty range

1	TETT S F B， STOTT P A， ALLEN M R， et al. Causes of twentieth-century temperature change near the Earth’s surface［J］. Nature， 1999， 399： 569- 572.
2	Intergovernmental Panel on Climate Change. Detection and attribution of climate change： from global to regional［M］// Climate change 2013—the physical science basis. Cambridge： Cambridge University Press， 2014： 867- 952.
3	LI Q X， SUN W B， HUANG B Y， et al. Consistency of global warming trends strengthened since 1880s［J］. Science Bulletin， 2020， 65（ 20）： 1 709- 1 712.
4	LI Z C， LI Q X， CHEN T Y. Record-breaking high-temperature outlook for 2023： an assessment based on the China Global Merged Temperature （CMST） dataset［J］. Advances in Atmospheric Sciences， 2024， 41（ 2）： 369- 376.
5	IPCC AR 6 Synthesis Report： climate change 2023［EB/OL］. ［ 2024-06-07］. .
6	HARTMANN D L. Global physical climatology［M］. Cambridge： Academic Press， 2015.
7	BROWN P T， LI W H， LI L F， et al. Top-of-atmosphere radiative contribution to unforced decadal global temperature variability in climate models［J］. Geophysical Research Letters， 2014， 41（ 14）： 5 175- 5 183.
8	STOTT P A， TETT S F B. Scale-dependent detection of climate change［J］. Journal of Climate， 1998， 11（ 12）： 3 282- 3 294.
9	QIAN G Z， LI Q X， LI C， et al. A novel statistical decomposition of the historical change in global mean surface temperature［J］. Environmental Research Letters， 2021， 16（ 5）. DOI： 10.1088/1748-9326/abea34 .
10	PACHAURI R K， MEYE L A. Climate change 2014 synthesis report. contribution of working groups I， II， and III to the fifth assessment report of the Intergovernmental Panel on Climate Change ［M］. Cambridge， UK， and New York， USA： Cambridge University Press， 2014.
11	LI X Q， LI Q X， WILD M， et al. An intensification of surface Earth’s energy imbalance since the late 20th century［J］. Communications Earth & Environment， 2024， 5. DOI： 10.1038/s43247-024-01802-z .
12	WILD M. The global energy balance as represented in CMIP6 climate models［J］. Climate Dynamics， 2020， 55（ 3）： 553- 577.
13	WILD M， FOLINI D， HAKUBA M Z， et al. The energy balance over land and oceans： an assessment based on direct observations and CMIP5 climate models［J］. Climate Dynamics， 2015， 44（ 11）： 3 393- 3 429.
14	WILD M， HAKUBA M Z， FOLINI D， et al. The cloud-free global energy balance and inferred cloud radiative effects： an assessment based on direct observations and climate models［J］. Climate Dynamics， 2019， 52（ 7/8）： 4 787- 4 812.
15	TRENBERTH K E. Understanding climate change through Earth’s energy flows［J］. Journal of the Royal Society of New Zealand， 2020， 50（ 2）： 331- 347.
16	KATO S， ROSE F G， RUTAN D A， et al. Surface irradiances of edition 4.0 Clouds and the Earth’s Radiant Energy System （CERES） Energy Balanced And Filled （EBAF） data product［J］. Journal of Climate， 2018， 31（ 11）： 4 501- 4 527.
17	STEPHENS G L， LI J， WILD M， et al. An update on Earth’s energy balance in light of the latest global observations［J］. Nature Geoscience， 2012， 5： 691- 696.
18	国家能源局. 2023年全社会用电量92241亿千瓦时同比增长6.7%［EB/OL］.（ 2024-01-26）［ 2024-07-20］. .
19	IEA. Electricity market report 2023［R/OL］. ［ 2024-06-03］. .
20	von SCHUCKMANN K， MINIÈRE A， GUES F， et al. Heat stored in the Earth system 1960-2020： where does the energy go？［J］. Earth System Science Data， 2023， 15（ 4）： 1 675- 1 709.
21	CHENG L J， von SCHUCKMANN K， ABRAHAM J P， et al. Past and future ocean warming［J］. Nature Reviews Earth & Environment， 2022， 3（ 11）： 776- 794.
22	CHENG L J， TRENBERTH K E， FASULLO J， et al. Improved estimates of ocean heat content from 1960 to 2015［J］. Science Advances， 2017， 3（ 3）. DOI： 10.1126/sciadv.1601545 .
23	ABRAM N， GATTUSO J P， MASSON-DELMOTTE V， et al. Special report on the ocean and cryosphere in a changing climate［M］. Cambridge： Cambridge University Press， 2019： 73- 129.
24	NEREM R S， BECKLEY B D， FASULLO J T， et al. Climate-change-driven accelerated sea-level rise detected in the altimeter era［J］. Proceedings of the National Academy of Sciences of the United States of America， 2018， 115（ 9）： 2 022- 2 025.
25	LOEB N G， MAYER M， KATO S， et al. Evaluating twenty-year trends in Earth’s energy flows from observations and reanalyses［J］. Journal of Geophysical Research： Atmospheres， 2022， 127（ 12）. DOI： 10.1029/2022JD036686 .
26	SMITH D M， ALLAN R P， COWARD A C， et al. Earth’s energy imbalance since 1960 in observations and CMIP5 models［J］. Geophysical Research Letters， 2015， 42（ 4）： 1 205- 1 213.
27	CHENG L， FOSTER G， HAUSFATHER Z， et al. Improved quantification of the rate of ocean warming［J］. Journal of Climate， 2022， 35（ 14）： 4 827- 4 840.
28	RAGHURAMAN S P， PAYNTER D， RAMASWAMY V. Anthropogenic forcing and response yield observed positive trend in Earth’s energy imbalance［J］. Nature Communications， 2021， 12（ 1）. DOI： 10.1038/s41467-021-24544-4 .
29	HODNEBROG Ø， MYHRE G， JOUAN C， et al. Recent reductions in aerosol emissions have increased Earth’s energy imbalance［J］. Communications Earth & Environment， 2024， 5. DOI： 10.1038/s41467-021-24544-4 .
30	MINIÈRE A， von SCHUCKMANN K， SALLÉE J B， et al. Robust acceleration of Earth system heating observed over the past six decades［J］. Scientific Reports， 2023， 13（ 1）. DOI： 10.1038/s41598-023-49353-1 .
31	BARKSTROM B R. The Earth Radiation Budget Experiment （ERBE）［J］. Bulletin of the American Meteorological Society， 1984， 65（ 11）： 1 170- 1 185.
32	JIAO B Y， LI Q X， SUN W B， et al. Uncertainties in the global and continental surface solar radiation variations： inter-comparison of in situ observations， reanalyses， and model simulations［J］. Climate Dynamics， 2022， 59（ 7）： 2 499- 2 516.
33	OHMURA A， GILGEN H， HEGNER H， et al. Baseline surface radiation network （BSRN/WCRP）： new precision radiometry for climate research［J］. Bulletin of the American Meteorological Society， 1998， 79（ 10）： 2 115- 2 136.
34	GILGEN H， WILD M， OHMURA A. Means and trends of shortwave irradiance at the surface estimated from global energy balance archive data［J］. Journal of Climate， 1998， 11（ 8）： 2 042- 2 061.
35	AUGUSTINE J A， DELUISI J J， LONG C N. SURFRAD： a national surface radiation budget network for atmospheric research［J］. Bulletin of the American Meteorological Society， 2000， 81（ 10）： 2 341- 2 357.
36	WILD M， OHMURA A， SCHÄR C， et al. The Asian Surface Radiation Budget Network （ASRB）［J］. Journal of Geophysical Research： Atmospheres， 2017， 122（ 1）： 265- 286.
37	TRENBERTH K E. The ASRB and its contribution to understanding the global energy balance［J］. Journal of Climate， 2020， 33（ 4）： 1 351- 1 362.
38	YU L S， JIN X Z， WELLER R. Multidecade global flux datasets from the Objectively Analyzed air-sea Fluxes （OAFlux） project： latent and sensible heat fluxes， ocean evaporation， and related surface meteorological variables［R］. Woods Hole Oceanographic Institution， 2008.
39	CURRY J A， SCHRAMM J L， ROSSOW W B， et al. Overview of Arctic cloud and radiation characteristics［J］. Journal of Climate， 1996， 9（ 8）： 1 731- 1 764.
40	ROBERTS J B， CLAYSON C A， ROBERTSON F R， et al. Predicting near-surface atmospheric variables from special sensor microwave/imager using neural networks with a first-guess approach［J］. Journal of Geophysical Research： Atmospheres， 2010， 115（ D19）. DOI： 10.1029/2009JD013099 .
41	WORLEY S J， WOODRUFF S D， REYNOLDS R W， et al. ICOADS release 2.1 data and products［J］. International Journal of Climatology， 2005， 25（ 7）： 823- 842.
42	LOEB N G， WIELICKI B A， DOELLING D R， et al. Toward optimal closure of the Earth’s top-of-atmosphere radiation budget［J］. Journal of Climate， 2009， 22（ 3）： 748- 766.
43	L’ECUYER T S， BEAUDOING H K， RODELL M， et al. The observed state of the energy budget in the early twenty-first century［J］. Journal of Climate， 2015， 28（ 21）： 8 319- 8 346.
44	WILD M， OHMURA A， SCHÄR C， et al. The Global Energy Balance Archive （GEBA） version 2017： a database for worldwide measured surface energy fluxes［J］. Earth System Science Data， 2017， 9（ 2）： 601- 613.
45	GCOS. The 2022 GCOS implementation plan ［EB/OL］. （ 2022）［ 2024-07-16］. .
46	LEVITUS S， ANTONOV J I， BOYER T P， et al. Warming of the world ocean［J］. Science， 2000， 287（ 5 461）： 2 225- 2 229.
47	MARTI F， BLAZQUEZ A， MEYSSIGNAC B， et al. Monitoring the ocean heat content change and the Earth energy imbalance from space altimetry and space gravimetry［J］. Earth System Science Data， 2022， 14（ 1）： 229- 249.
48	von SCHUCKMANN K， PALMER M D， TRENBERTH K E， et al. An imperative to monitor Earth’s energy imbalance［J］. Nature Climate Change， 2016， 6： 138- 144.
49	LOEB N G， DOELLING D R， WANG H L， et al. Clouds and the Earth’s Radiant Energy System （CERES） Energy Balanced and Filled （EBAF） Top-Of-Atmosphere （TOA） edition-4.0 data product［J］. Journal of Climate， 2018， 31（ 2）： 895- 918.
50	STAMMER D， BALMASEDA M， HEIMBACH P， et al. Ocean data assimilation in support of climate applications： status and perspectives［J］. Annual Review of Marine Science， 2016， 8： 491- 518.
51	PALMER M D， ROBERTS C D， BALMASEDA M， et al. Ocean heat content variability and change in an ensemble of ocean reanalyses［J］. Climate Dynamics， 2017， 49（ 3）： 909- 930.
52	MEYSSIGNAC B， BOYER T， ZHAO Z X， et al. Measuring global ocean heat content to estimate the Earth energy imbalance［J］. Frontiers in Marine Science， 2019， 6. DOI： 10.3389/fmars.2019.00432 .
53	HAKUBA M Z， FREDERIKSE T， LANDERER F W. Earth’s energy imbalance from the ocean perspective （2005-2019）［J］. Geophysical Research Letters， 2021， 48（ 16）. DOI： 10.1029/2021GL093624 .
54	KIEHL J T， TRENBERTH K E. Earth’s annual global mean energy budget［J］. Bulletin of the American Meteorological Society， 1997， 78（ 2）： 197- 208.
55	PALMER M D， MCNEALL D J. Internal variability of Earth’s energy budget simulated by CMIP5 climate models［J］. Environmental Research Letters， 2014， 9（ 3）. DOI： 10.1088/1748-9326/9/3/034016 .
56	EYRING V， COX P M， FLATO G M， et al. Taking climate model evaluation to the next level［J］. Nature Climate Change， 2019， 9： 102- 110.
57	DONG X， JIN J B， LIU H L， et al. CAS-ESM2.0 model datasets for the CMIP6 Ocean Model Intercomparison Project phase 1 （OMIP1）［J］. Advances in Atmospheric Sciences， 2021， 38（ 2）： 307- 316.
58	QIAO L， ZUO Z Y， XIAO D. Evaluation of soil moisture in CMIP6 simulations［J］. Journal of Climate， 35（ 2）： 779- 800.
59	BURKE E J， ZHANG Y， KRINNER G. Evaluating permafrost physics in the Coupled Model Intercomparison Project 6 （CMIP6） models and their sensitivity to climate change［J］. The Cryosphere， 2020， 14（ 9）： 3 155- 3 174.
60	BODAS-SALCEDO A， WILLIAMS K D， RINGER M A， et al. Evaluation of cloud-related radiative properties in the Hadley Centre climate model using CALIPSO data［J］. Journal of Geophysical Research： Atmospheres， 2008， 113（D 00A 13）.
61	WILD M. Short-wave and long-wave surface radiation budgets in GCMs： a reviewbased on the IPCC-AR4/CMIP3 models［J］. Tellus A： Dynamic Meteorology and Oceanography， 2008， 60（ 5）. DOI： 10.1111/j.1600-0870.2008.00342.x .
62	TANG T， SHINDELL D， FALUVEGI G， et al. Comparison of effective radiative forcing calculations using multiple methods， drivers， and models［J］. Journal of Geophysical Research： Atmospheres， 2019， 124（ 8）： 4 382- 4 394.
63	XU Z F， HOU Z L， HAN Y， et al. A diagram for evaluating multiple aspects of model performance in simulating vector fields［J］. Geoscientific Model Development， 2016， 9（ 12）： 4 365- 4 380.
64	TEBALDI C， KNUTTI R. The use of the multi-model ensemble in probabilistic climate projections［J］. Philosophical Transactions Series A， Mathematical， Physical， and Engineering Sciences， 2007， 365（ 1 857）： 2 053- 2 075.
65	RANDALL D A， WOOD R A， BONY S， et al. Climate models and their evaluation ［M］// Climate change 2007： the physical science basis. contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change. Cambridge： Cambridge University Press， 2007.
66	COLLINS M， GROUPS T C M. El Niño- or La Niña-like climate change？［J］. Climate Dynamics， 2005， 24（ 1）： 89- 104.
67	FLATO G， MAROTZKE J， ABIODUN B， et al. Evaluation of climate models［M］// Climate change 2013： the physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change. Cambridge： Cambridge University Press， 2013.
68	WILD M， FOLINI D， SCHÄR C， et al. The global energy balance from a surface perspective［J］. Climate Dynamics， 2013， 40（ 11）： 3 107- 3 134.
69	WANG Q Y， ZHANG H， YANG S， et al. An assessment of land energy balance over East Asia from multiple lines of evidence and the roles of the Tibet Plateau， aerosols， and clouds［J］. Atmospheric Chemistry and Physics， 2022， 22（ 24）： 15 867- 15 886.
70	KNUTTI R. The end of model democracy？［J］. Climatic Change， 2010， 102（ 3）： 395- 404.
71	SANDERSON B M， WEHNER M， KNUTTI R. Skill and independence weighting for multi-model assessments［J］. Geoscientific Model Development， 2017， 10（ 6）： 2 379- 2 395.
72	MISHRA N， PRODHOMME C， GUEMAS V. Multi-model skill assessment of seasonal temperature and precipitation forecasts over Europe［J］. Climate Dynamics， 2019， 52（ 7）： 4 207- 4 225.
73	RUANE A C， MCDERMID S P. Selection of a representative subset of global climate models that captures the profile of regional changes for integrated climate impacts assessment［J］. Earth Perspectives， 2017， 4（ 1）. DOI： 10.1186/s40322-017-0036-4 .
74	MERRIFIELD A L， BRUNNER L， LORENZ R， et al. Climate model Selection by Independence， Performance， and Spread （ClimSIPS v1.0.1） for regional applications［J］. Geoscientific Model Development， 2023， 16（ 16）： 4 715- 4 747.
75	LIU Z. Bayesian assessment of CMIP6 surface net radiation predictions for Köppen-Geiger climate zones［J］. International Journal of Climatology， 2023， 43（ 12）： 5 387- 5 400.
76	TEBALDI C， MEARNS L O， NYCHKA D， et al. Regional probabilities of precipitation change： a Bayesian analysis of multimodel simulations［J］. Geophysical Research Letters， 2004， 31（ 24）. DOI： 10.1029/2004GL021276 .

[1]	韩岩松, 姜伟, 肖玉雯, 雍阳阳, 余克服. 全球变化背景下热带气旋主要变化特征及影响因素[J]. 地球科学进展, 2023, 38(5): 515-532.
[2]	朱欢欢, 姜胜, 江志红. 基于可靠性集合平均方法的全球1.5/2.0 °C变暖下中国极端气候的未来预估[J]. 地球科学进展, 2022, 37(6): 612-626.
[3]	王澄海, 张晟宁, 张飞民, 李课臣, 杨凯. 论全球变暖背景下中国西北地区降水增加问题[J]. 地球科学进展, 2021, 36(9): 980-989.
[4]	田凤云,吴成来,张贺,林朝晖. 基于CAS-ESM2的青藏高原蒸散发的模拟与预估[J]. 地球科学进展, 2021, 36(8): 797-809.
[5]	于德永,郝蕊芳. 生态系统服务研究进展与展望[J]. 地球科学进展, 2020, 35(8): 804-815.
[6]	徐一丹,李建平,汪秋云,林霄沛. 全球变暖停滞的研究进展回顾[J]. 地球科学进展, 2019, 34(2): 175-190.
[7]	黄平, 周士杰. 全球变暖下热带降水变化研究回顾与挑战^*[J]. 地球科学进展, 2018, 33(11): 1181-1192.
[8]	董文杰, 袁文平, 滕飞, 郝志新, 郑景云, 韦志刚, 丑洁明, 刘昌新, 齐天宇, 杨世莉, 阎东东, 张婧. 地球系统模式与综合评估模型的双向耦合及应用[J]. 地球科学进展, 2016, 31(12): 1215-1219.
[9]	林霄沛, 许丽晓, 李建平, 罗德海, 刘海龙. 全球变暖“停滞”现象辨识与机理研究[J]. 地球科学进展, 2016, 31(10): 995-1000.
[10]	谢榕, 刘亚文, 李翔翔. 大数据环境下卫星对地观测数据集成系统的关键技术[J]. 地球科学进展, 2015, 30(9): 855-862.
[11]	谢榕, 刘亚文, 李翔翔. 大数据环境下卫星对地观测数据集成系统的关键技术[J]. 地球科学进展, 2015, 30(8): 855-862.
[12]	张学珍, 于志博, 郑景云, 郝志新. 植物挥发性有机物的气候与环境效应研究进展[J]. 地球科学进展, 2015, 30(11): 1198-1209.
[13]	陈幸荣, 蔡怡, 谭晶, 黄勇勇, 汪雷. 全球变暖hiatus现象的研究进展[J]. 地球科学进展, 2014, 29(8): 947-955.
[14]	陈仁升, 阳勇, 韩春坛, 刘俊峰, 康尔泗, 宋耀选, 刘章文. 高寒区典型下垫面水文功能小流域观测试验研究[J]. 地球科学进展, 2014, 29(4): 507-514.
[15]	余克服, 张光学, 汪稔. 南海珊瑚礁: 从全球变化到油气勘探—第三届地球系统科学大会专题评述[J]. 地球科学进展, 2014, 29(11): 1287-1293.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Understanding Global Warming from the Perspective of Earth’s Energy Budget Estimation

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Understanding Global Warming from the Perspective of Earth’s Energy Budget Estimation