全球人为源排放减少对中国光伏发电潜力的影响
doi: 10.13878/j.cnki.dqkxxb.20250126001
王志立 ， 胡芝尧 ， 雷亚栋 ， 于晓超 ， 李颖芳 ， 张小曳
中国气象科学研究院 灾害天气科学与技术全国重点实验室/中国气象局大气化学重点开放实验室，北京 100081
基金项目: 国家自然科学基金专项项目（42341202） ； 中国气象科学研究院科技发展基金项目（2024KJ004） ； 国家重点科技基础设施项目“地球系统数值模拟设施”（EarthLab）
Impacts of global anthropogenic emissions reductions on photovoltaic potential in China
WANG Zhili ， HU Zhiyao ， LEI Yadong ， YU Xiaochao ， LI Yingfang ， ZHANG Xiaoye
State Key Laboratory of Severe Weather Meteorological Science and Technology/Key Laboratory of Atmospheric Chemistry of CMA,Chinese Academy of Meteorological Sciences,Beijing 100081 ,China
摘要
作为能源需求和碳排放大国，中国利用太阳能光伏发电对于实现能源转型和碳中和目标具有重要意义。然而，碳中和背景下人为源排放减少可能通过改变气象要素影响中国太阳能光伏发电量。本文利用地球系统模式CESM2开展模拟试验，定量评估了碳中和背景下全球人为源二氧化碳和气溶胶排放减少对21世纪中期（2041—2060年）中国光伏发电潜力和极低光伏输出的影响。研究发现，相较于中等排放情景SSP2-4.5，碳中和背景下全球人为源排放减少主要通过改变到达地表的短波辐射通量使21世纪中期中国光伏发电潜力显著增加约4.2%，使极低光伏输出最长持续天数、极低光伏输出天数占比以及极低光伏输出事件发生次数分别显著减少约21.1%、35.3%和56.2%。其中，中国陆地地区人为源排放减少对中国平均光伏发电潜力增加（占总增加量的77%）和极低光伏输出减少（约占总减少量的60%~69%）的贡献占主导。
Abstract

Solar photovoltaic (PV) power generation represents one of the most-competitive and scalable options for low-carbon energy production. As a major energy consumer and carbon emitter, China's large-scale deployment of solar PV is central to achieving its energy transition and carbon neutrality goals. However, PV generation is highly sensitive to meteorological conditions, which are in turn influenced by future changes in anthropogenic emissions under carbon neutrality targets. These interactions introduce significant uncertainty for the long-term planning and optimization of solar PV deployment in China. In this study, we use the Community Earth System Model version 2 (CESM2) to conduct three sets of simulation experiments, combined with a multivariate bias correction algorithm (MBCn) to eliminate systematic model biases. We quantitatively assess the impacts of global anthropogenic carbon dioxide and aerosol emissions reduction, under a carbon neutrality scenario, on changes in PV potential (PVPOT) and the frequency of extremely low PV output events across China during the mid-21st century (2041—2060).

Results show that global anthropogenic emissions reductions under a carbon neutrality pathway significantly increase PVPOT over China by approximately 4.2%, while reducing the maximum duration (PV10D), fraction of days (PV10), and number of events (PV10N) of extremely low PV output by about 21.1%, 35.3%, and 56.2%, respectively, relative to the Shared Socioeconomic Pathway (SSP) 2-4.5, which represents a moderate emission scenario. These findings suggest that global emissions mitigation not only enhances total PV generation potential but also improves the stability of PV output. The reduction of anthropogenic emissions within mainland China accounts for roughly 77%—93% of the total increase in regional mean PVPOT and 62%—92% of the total decrease in extremely low PV output across Northeast China, Central and Eastern China, and Northwest China. In contrast, emissions reductions outside mainland China contribute more substantially to improvements over the Tibetan Plateau, explaining approximately 66% of the total increase in PVPOT and 72%—82% of the reduction in extremely low PV output. These results highlight that achieving the full potential of PV generation in the energy transition requires coordinated global emission reduction efforts. Mechanistically, the observed changes in PVPOT and extremely low PV output are primarily driven by variations in surface downwelling solar radiation, with comparatively smaller contributions from surface air temperature and wind speed.

This study provides new quantitative insights to inform effective PV planning and deployment strategies in China under carbon neutrality. Nevertheless, the findings are subject to certain limitations, as they are based on simulations from a single earth system model. Future studies incorporating multi-model ensembles and evaluating additional renewable energy sources—such as wind energy and hydropower—will be essential for developing a more comprehensive understanding of climate impacts on renewable energy systems under global decarbonization pathways.

太阳能光伏发电是能源行业中具有成本竞争力的清洁能源发电方式（IEA，2023）。中国作为能源需求和碳排放大国，大规模部署太阳能光伏有助于增加可再生能源在能源系统中的占比，构建绿色可持续能源系统，实现能源去碳化（Huang and Zhai，2021；Liu L B et al.，2022；Zhang L B et al.，2022）。2022—2023年，中国新增太阳能光伏装机容量占全球总量的80%以上（IEA，2024）。在气候变化背景下，中国未来能源需求可能会进一步增加，部分地区的增加量将超过25%（van Ruijven et al.，2019）。预计中国太阳能光伏装机容量到2030年和2060年需分别达到1 163 GW和4 113 GW（Liu S Y et al.，2022）。同时，太阳能光伏发电量及其空间分布对辐射、气温、风速等多种气象要素具有敏感性（AlSkaif et al.，2020；Chen et al.，2022）。为更好地发挥光伏发电对中国实现能源转型和气候目标的促进作用，需要加强对未来气候背景下太阳能光伏发电量的预估研究。
未来，在碳中和背景下，全球人为源二氧化碳（CO2）排放量预计会显著减少。大量减少的人为源CO2通过减缓温室效应影响气候变化。此外，与CO2同源的人为气溶胶排放也会明显减少，并进一步通过直接和间接气候效应影响气候变化（McCoy et al.，2022；Gao et al.，2023；Jiang et al.，2023）。气溶胶气候效应具有复杂的机制，且短期内对区域乃至全球气候的影响比CO2更强（Persad et al.，2023）。Ma et al.（2022）研究发现，碳中和背景下人为源气溶胶排放减少所产生的持续净变暖效应将导致21世纪全球平均地表温度每年升高约0.01 K。因此，人为源CO2和气溶胶排放协同减少或将显著影响未来气候变化，且该影响具有较大不确定性。这将对中国太阳能光伏发电的未来长期规划和部署造成极大挑战。Lu et al.（2022）研究发现，中国光伏发电潜力在高排放情景下将显著减小，到2100年将造成每年经济损失约250亿美元；相反，在低排放情景下，到2100年将带来每年约226 TWh的额外发电，并产生约180亿美元的经济效益。因此，亟需结合碳中和背景下全球人为源CO2和气溶胶排放变化及其气候影响，定量预估中国未来光伏发电量的变化。
目前，已有研究基于典型浓度路径（representative concentration pathways，RCPs）和共享社会经济路径（shared socioeconomic pathways，SSPs）分析了全球气候变化对中国光伏发电潜力的影响（Zhang J T et al.，2022；Niu et al.，2023；Zhang Y Q et al.，2024）。但由于上述路径对中国区域人为源CO2和气溶胶排放变化的描述与减排背景下相应排放量不符（Cheng et al.，2021a；Wang et al.，2021；Zhang et al.，2023），所以可能会影响对中国未来光伏发电量的预估。相比之下，由清华大学自主研发的中国未来排放动态评估模型（DPECv1.2）中的准时碳达峰、碳中和与清洁空气协同路径（on-time peak-net zero-clean air）对中国陆地地区未来人为源CO2和气溶胶排放趋势的描述更符合实际（Tong et al.，2020；Cheng et al.，2021b；Chen et al.，2023）。将SSPs与DPECv1.2的准时碳达峰、碳中和与清洁空气协同路径相结合，能够有效解决SSPs情景对中国区域具体减排措施描述不充分的问题，并将进一步提高预估结果的可靠性。其次，在评估人为源排放减少引起的气候变化对光伏发电量的影响时，应该同时考虑光伏发电潜力平均态和极低光伏输出（Zhang J T et al.，2022）。目前，科学界对于极低光伏输出的预估研究较少。最后，至今仍没有研究将碳中和背景下中国陆地地区人为源排放减少对中国光伏发电的影响从全球人为源排放减少的影响中解析出来，而相关研究结果对于碳中和配套措施的实施及光伏电站的选址和布局均具有重要参考价值。
基于此，本研究将SSPs情景与DPECv1.2的准时碳达峰、碳中和与清洁空气协同路径相融合，利用通用地球系统模式（CESM2）开展了3组（每组包含5个样本）模拟试验，定量分析了碳中和背景下全球人为源CO2和气溶胶排放减少对21世纪中期（2041—2060年）中国光伏发电量（包括极低光伏输出）变化的影响，在此基础上对比了中国陆地地区和中国陆地地区之外减排在其中的各自贡献。
1 资料与方法
1.1 情景描述
本研究使用了3个未来全球排放情景。1）全球未实现碳中和的参照情景SSP2-4.5（以下简写为SSP245）：该情景下人为源排放趋势与近期现实最为接近，且到2100年不会实现净零排放（O'Neill et al.，2016；Fricko et al.，2017；Pedersen et al.，2021）。2）全球碳中和情景GCN：该情景是低排放情景（SSP1-2.6）与清华大学的准时碳达峰、碳中和与清洁空气协同路径的融合，具体为将SSP1-2.6情景下中国陆地地区的人为源CO2和主要气溶胶及其前体物排放用DPECv1.2的准时碳达峰、碳中和与清洁空气协同路径的数据进行替换。在SSP1-2.6情景下，预计到2063年将实现全球碳中和（邓荔等，2022）。DPECv1.2数据可从网站http://meicmodel.org.cn下载（Tong et al.，2020；Cheng et al.，2021b；Chen et al.，2023）。3）中国碳中和情景CNCN：制作方法与GCN情景相似，但是将SSP1-2.6换成了SSP245。该情景下的人为源排放路径是SSP245与DPECv1.2的准时碳达峰、碳中和与清洁空气协同路径的融合。在全球尺度上，它仅反映了碳中和背景下中国陆地地区人为源CO2和气溶胶排放变化。另外，值得注意的是，DPECv1.2排放数据的时间跨度为2020—2060年，因此本研究使用中国多尺度排放清单模型（MEICv1.4）提供的排放数据，对2015—2019年中国陆地地区人为源CO2和气溶胶排放数据进行补充。
1.2 试验设计
本研究采用美国国家大气研究中心（NCAR）开发的CESM2开展多集合模拟试验。CESM2是一个包括大气、陆地、陆地冰、海洋、海冰、海浪和径流模块的全耦合地球系统模式，各个模块通过一个耦合器连接（Danabasoglu et al.，2020）。为对比不同情景下中国光伏发电量变化的差异，本研究首先采用CESM2默认的历史排放及下垫面等数据驱动模式模拟1990—2014年气候变量。其中，模式输出的1995—2014年气候变量用于计算参考期光伏发电量。然后，本研究将历史模拟试验的结果作为重启文件，分别用SSP245、CNCN和GCN三种未来情景（对应的三组模拟试验分别表示为EXP_SSP245、EXP_CNCN和EXP_GCN）下的人为源排放数据驱动CESM2模拟2015—2060年气候变化（表1）。其中，模式输出的2041—2060年气候变量用于计算21世纪中期光伏发电量。历史模拟试验和三种未来情景下的模拟试验均采用5个集合成员。通过对比模式输出的不同情景下气象要素、光伏发电量等相对于参考期的变化，量化碳中和背景下人为源排放减少对中国光伏发电的影响。具体而言，GCN与SSP245的情景间差异可以反映碳中和背景下全球人为源CO2和气溶胶排放减少（以下简写为全球人为源排放减少）对中国太阳能光伏发电的影响；CNCN与SSP245的情景间差异可以反映碳中和背景下中国陆地地区人为源CO2和气溶胶排放减少（以下简写为中国陆地地区人为源排放减少）对中国太阳能光伏发电的影响；GCN与CNCN的情景间差异可以反映碳中和背景下中国陆地地区之外的人为源CO2和气溶胶排放减少（以下简写为中国陆地地区之外的人为源排放减少）对中国太阳能光伏发电的影响。
表1试验设计
Table1Experimental design
1.3 多变量协同偏差订正算法
本研究对CESM2模拟的历史和未来气候变量采用多变量协同偏差订正算法（multivariate bias correction algorithm，MBCn）进行偏差订正（Cannon，2018）。MBCn既具有分位数映射算法的优点（Cannon et al.，2015），又考虑了不同变量之间的依赖关系（Cannon，2018）。因此，该算法已被涉及多变量复合影响的研究用于订正模式模拟结果（Meng et al.，2022；Lei et al.，2023；Li et al.，2024）。在应用MBCn时，需要用到历史观测数据、历史模拟数据以及未来模拟数据。具体实现步骤为：1）使用一个均匀分布的随机正交矩阵分别将历史观测数据、历史模拟数据以及未来模拟数据进行旋转。2）通过分位数差值映射（quantile delta mapping，QDM）方法得到历史模拟数据和未来模拟数据的偏差订正数据集。QDM可通过将模式输出的未来模拟数据和历史模拟数据分位数的差值与历史观测数据分位数相加的方式，保留模式预估结果的趋势变化（Cannon et al.，2015）。3）对得到的偏差订正数据集进行回旋。4）重复以上3个步骤，直到模拟结果的多变量分布与观测数据基本匹配。本研究使用的历史观测数据为欧洲中期天气预报中心第五代大气再分析数据集（ERA5）1995—2014年地表向下短波辐射通量、地表气温和地表风速数据。利用MBCn，本研究分别完成了对每个集合成员输出的1995—2014年和不同情景下2041—2060年相应气候变量的独立偏差校正。经检验，偏差订正后的多集合模拟结果与ERA5再分析数据得到的1995—2014年中国三种气象要素空间分布的差异明显减小（图1）。
1.4 光伏发电潜力的计算和极低光伏输出指数
光伏发电潜力指实际天气条件下太阳能发电量与标准测试条件下太阳能发电量的比值。在光伏装机容量不变的条件下，光伏发电潜力可以用来表示太阳能光伏发电量的大小。光伏发电潜力（PVPOT）的计算公式（Jerez et al.，2015；Bichet et al.，2019；Feron et al.，2021；Park et al.，2022；Zhang J T et al.，2022；Lei et al.，2023；Qin et al.，2024；Ren et al.，2024）如下：
PVPOT=PRIISTC。
(1)
其中：I和ISTC分别表示实际天气条件下和标准测试条件下到达太阳能板的短波辐射通量，ISTC取值为1000 W·m-2；PR指性能比，用于解释电池温度对太阳能板发电效率的影响。
PR=1-γTcell -TSTC
(2)
其中：γ表示不同太阳能板材料对性能比的影响，对于单晶硅电池板取值为0.005℃-1；Tcell和TSTC分别指实际天气条件下和标准测试条件下的电池温度，TSTC取值为25℃。对于Tcell，可由实际天气条件下地表向下短波辐射通量（I）、地表气温（T）和地表风速（V）计算得到：
Tcell=c1+c2T+c3I+c4V∘
(3)
其中：c1、c2、c3、c4为参数，影响气象条件对Tcell的作用，分别取值为4.3℃、0.943、0.028℃·W-1·m2和-1.528℃·m-1·s。由上述公式可以发现，地表向下短波辐射通量、地表气温和地表风速对光伏发电潜力的影响是复杂的。例如，地表向下短波辐射通量的增加既可能提高光伏输出功率，也可能通过降低太阳能板的光电转化效率进而减小光伏发电潜力。
图1模式模拟的（偏差订正前（a—c）、后（d—f））参考期（1995—2014年）中国地表向下短波辐射通量（a、d；单位：W·m-2）、地表气温（b、e；单位：K）和地表风速（c、f；单位：m·s-1）与观测的差异
Fig.1Differences between model-simulated ( (a—c) before and (d—f) after bias correction) and observed variables in China during the reference period (1995—2014) : (a, d) surface downwelling solar flux (units: W·m-2) , (b, e) surface air temperature (units: K) , and (c, f) surface wind speed (units: m·s-1)
本研究采用3个指数评估极低光伏输出的变化。首先，参考极端事件发生概率评估方式计算极低光伏输出阈值（Perkins and Alexander，2013）。具体步骤为：1）将计算的1995—2014年逐日光伏发电潜力使用15 d滑动窗口进行采样。经采样，每个日历日将对应300个数据（即：20组以该日历日为中心前后7 d的数据）。2）计算采样后每个日历日光伏发电潜力的概率密度分布。3）将该分布的第十百分位对应的数值作为该日历日的极低光伏输出阈值。经上述步骤计算得到的极低光伏输出阈值集合共包含365个数据，考虑了季节变化对极低光伏输出阈值的影响。然后，用极低光伏输出阈值计算三个极低光伏输出指数，包括光伏发电潜力低于极低光伏输出阈值的天数占比（PV10；单位：%）、年度极低光伏输出事件发生次数（PV10N；单位：次）和光伏发电潜力低于极低光伏输出阈值的最长连续天数（PV10D；单位：d）。其中，极低光伏输出事件的定义是光伏发电潜力至少连续3 d低于极低光伏输出阈值。
1.5 研究区域
为了更好地描述气象要素、光伏发电潜力和极低光伏输出等的变化，本研究将中国陆地区域分为东北地区、中东部地区、西北地区和青藏高原地区（图2）。其中，东北地区表示38.5°N以北、120°E以东的中国陆地区域；中东部地区表示38.5°N以南、100°E以东的中国陆地区域；西北地区表示38.5°N以北、120°E以西的中国陆地区域；青藏高原地区表示38.5°N以南、100°E以西的中国陆地区域。
图2研究区域（东北地区（NEC）、中东部地区（CEC）、西北地区（NWC）和青藏高原地区（QXP））
Fig.2Study area, including Northeast China (NEC) , Central and Eastern China (CEC) , Northwest China (NWC) , and the Qinghai-Xizang Plateau (QXP)
2 结果分析
2.1 气象要素的变化
碳中和背景下人为源排放减少对21世纪中期中国地表向下短波辐射通量、地表气温和地表风速都有不同程度的影响（图3）。首先，GCN与SSP245情景下地表向下短波辐射通量变化的差异表明，全球人为源排放减少将使中国地表向下短波辐射通量显著增加（图3a）。东北地区、中东部地区和青藏高原南部地区的增加更明显。其中，东北地区和中东部地区地表向下短波辐射通量显著增加主要是因为中国陆地地区人为源排放减少（图3b）。中国陆地地区之外的人为源排放减少对地表向下短波辐射通量变化的影响主要位于青藏高原南部地区，这可能与印度等南亚国家的人为源气溶胶减排相关（图3c）。其次，由GCN与SSP245情景下地表气温变化的差异可以发现，全球人为源排放减少将使21世纪中期中国平均地表气温增加约0.48 K（图3d）。中国陆地地区人为源排放减少是中东部地区地表气温明显增加的主要原因，中国陆地地区之外的人为源排放减少使中国部分地区增温超过0.20 K（图3e和f）。上述温度异常说明人为源气溶胶排放减少导致的增温效应抵消且超过了CO2减排带来的降温效应（Wang et al.，2023）。此外，对于地表风速而言，碳中和背景下全球人为源排放减少使其在中东部地区显著增加，在东北地区、西北地区和青藏高原地区以减小为主，但集合成员间一致性不高（图3g）。其中，中国陆地地区人为源排放减少主要使中东部地区地表风速显著增加，使西北地区东部地表风速显著减小（图3h）。中国陆地地区之外的人为源排放减少主要使青藏高原地区地表风速显著减小（图3i）。
2.2 光伏发电潜力和极低光伏输出的变化
GCN与SSP245情景下21世纪中期中国光伏发电潜力相对于参考期变化的差异表明，碳中和背景下全球人为源排放减少将使中国光伏发电潜力显著增加，与地表向下短波辐射通量具有相似的空间分布特征（图4a）。在东北地区、中东部地区和青藏高原南部地区，光伏发电潜力增加更明显。其中，中国陆地地区人为源排放减少是东北地区、中东部地区光伏发电潜力显著增加的主要原因（图4b）。尤其是在四川、湖北等地，CNCN情景下的光伏发电潜力比SSP245情景高出约9%以上。GCN和CNCN的情景间差异反映出中国陆地地区之外的人为源排放减少是青藏高原南部地区光伏发电潜力显著增加的主要原因，它使部分区域光伏发电潜力的增幅达到6%以上（图4c）。另外，由于中国年平均光伏发电潜力在东南部最小（Chen et al.，2023），并且该地区人口密集、能源需求大（Tang et al.，2023），所以碳中和背景下全球人为源排放减少对中东部地区光伏发电潜力的显著增加作用有助于缓解该地区光伏发电量与电力需求之间的矛盾。
区域平均光伏发电潜力对未来全球人为源排放减少的响应在所有子区域都是稳健的（图4d）。相较于SSP245情景，碳中和背景下全球人为源排放减少使中东部地区平均光伏发电潜力增加约7.9%。其中，中国陆地地区人为源排放减少使其增加约6.7%，约占总增加量的85%。东北地区和青藏高原地区的区域平均光伏发电潜力在全球人为源排放减少的影响下分别增加约2.6%和2.8%。中国陆地地区人为源排放减少对东北地区平均光伏发电潜力增加的贡献约占该地区总增加量的93%，而对青藏高原地区平均光伏发电潜力增加的贡献仅约占该地区总增加量的34%。西北地区平均光伏发电潜力对全球人为源排放减少的响应相对最小，约增加1.4%。中国陆地地区人为源排放减少对该地区平均光伏发电潜力增加的贡献约占总增加量的77%。总体而言，碳中和背景下全球人为源排放减少使21世纪中期中国平均光伏发电潜力增加约4.2%，中国陆地地区人为源排放减少的贡献占主导（约占总增加量的77%）。
由GCN与SSP245情景下21世纪中期中国三个极低光伏输出指数相对于参考期相对变化的差异可以发现，碳中和背景下全球人为源排放减少对极低光伏输出具有空间一致的减少作用（图5a、d、g）。东北地区、中东部地区和青藏高原南部地区的极低光伏输出减少最明显，且具有较好的集合成员间一致性。这说明碳中和背景下全球人为源排放减少不仅会增加中国光伏发电总量，而且会减少中国极低光伏输出的发生，从而有助于提高光伏发电的稳定性。具体而言，CNCN与SSP245的情景间差异反映出中国陆地地区人为源排放减少对三个极低光伏输出指数的显著减少作用主要体现在东北地区和中东部地区，对西北地区极低光伏输出的减少作用相对较小，对青藏高原南部地区的极低光伏输出具有增加作用，但集合成员间一致性较弱（图5b、e、h）。GCN与CNCN的情景间差异反映出中国陆地地区之外的人为源排放减少对三个极低光伏输出指数的显著减少作用主要体现在青藏高原南部地区，对东北地区、中东部地区和西北地区的部分区域具有增加作用，但集合成员间一致性较弱（图5c、f、i）。
图321世纪中期（2041—2060年）中国地表向下短波辐射通量（a—c；单位：W·m-2）、地表气温（d—f；单位：K）和地表风速（g—i；单位：m·s-1）相对于参考期（1995—2014年）变化的情景间差异（斜线区域表示5个集合成员中至少有4个集合成员与该变化信号一致）：（a、d、g）EXP_GCN减EXP_SSP245；（b、e、h）EXP_CNCN减EXP_SSP245；（c、f、i）EXP_GCN减EXP_CNCN
Fig.3Inter-scenario differences in projected changes of (a—c) surface downwelling solar flux (units: W·m-2) , (d—f) surface air temperature (units: K) , and (g—i) surface wind speed (units: m·s-1) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . Hatched regions indicate areas where at least four of the five ensemble members agree on the sign of the change. Panels represent (a, d, g) EXP_GCN minus EXP_SSP245; (b, e, h) EXP_CNCN minus EXP_SSP245; and (c, f, i) EXP_GCN minus EXP_CNCN
碳中和背景下全球人为源排放减少对四个子区域平均极低光伏输出的减少作用均具有较高的集合成员间一致性（图6）。由GCN与SSP245情景下21世纪中期平均极低光伏输出相对于参考期相对变化的差异可以发现，全球人为源排放减少使中国平均PV10减少了约35.3%。中东部地区和青藏高原地区的区域平均PV10减少量分别达到了约47.1%和40.4%；东北地区平均PV10的减少量次之，约为32.8%；西北地区平均PV10减少量相对最小。全球人为源排放减少使中国平均PV10N减少了约56.2%。青藏高原地区平均PV10N的减少量达到了约86.2%，中国陆地地区之外的人为源排放减少对该地区平均PV10N减少的贡献约占总减少量的75%；中东部地区、东北地区和西北地区平均PV10N分别减少约57.7%、49.7%和34.0%，中国陆地地区人为源排放减少对这三个子区域平均PV10N减少的贡献占各区域总减少量的69%~86%。此外，碳中和背景下全球人为源排放减少使中国平均PV10D减少了约21.1%。中东部地区平均PV10D减少量最多，达到约32.5%；青藏高原地区和东北地区的平均PV10D减少量次之，中国陆地地区人为源排放减少对这两个子区域平均PV10D减少的贡献分别约占相应总减少量的18%和92%；西北地区平均PV10D减少量最小。总体而言，碳中和背景下中国陆地地区人为源排放减少对中国平均PV10、PV10N和PV10D减少的贡献占主导，分别约占总减少量的68%、60%和69%。
图421世纪中期（2041—2060年）中国光伏发电潜力（PVPOT）相对于参考期（1995—2014年）相对变化的情景间差异（单位：%；a—c的斜线区域和d柱状图中的斜线柱表示5个集合成员中至少有4个集合成员与该变化信号一致）：（a）EXP_GCN减EXP_SSP245；（b）EXP_CNCN减EXP_SSP245；（c）EXP_GCN减EXP_CNCN；（d）区域平均差异
Fig.4Inter-scenario differences in the relative change of photovoltaic potential (PVPOT) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . units:%.Hatched regions in panels (a—c) and hatched bars in panel (d) indicate areas or regions where at least four of the five ensemble members agree on the sign of the change: (a) EXP_GCN minus EXP_SSP245; (b) EXP_CNCN minus EXP_SSP245; (c) EXP_GCN minus EXP_CNCN; (d) regional mean differences
2.3 气象要素对光伏发电潜力和极低光伏输出变化的贡献
光伏发电潜力受地表向下短波辐射通量、地表气温和地表风速的共同影响。本研究通过固定其中两个气象要素、改变另外一个气象要素的方法，分离了三种气象要素对GCN与SSP245情景间21世纪中期中国光伏发电潜力和极低光伏输出差异的单独贡献。总的来说，全球人为源排放减少引起的地表向下短波辐射通量增加对中国光伏发电潜力增加和极低光伏输出减少的贡献占主导，地表气温和地表风速的影响相对较小（图7）。具体而言，减排引起的地表向下短波辐射通量增加对中国光伏发电潜力增加具有空间上高度一致的显著正贡献（图7a）。地表气温的增加对光伏发电潜力的增加具有较弱的负贡献，对西北地区光伏发电潜力增加的负贡献相对较大（图7b）。地表风速的变化对中东部地区光伏发电潜力的增加具有集合成员间一致的正贡献，可归因于该地区地表风速显著增加带来的冷却效应提高了光伏组件性能（Nahani et al.，2024），但该贡献相对较弱（图7c）。地表向下短波辐射通量增加对东北地区和中东部地区极低光伏输出的减少具有集合成员间高度一致的正贡献（图7d、g、j）。地表气温的增加对PV10的减少具有集合成员间一致的较弱负贡献，而对PV10N和PV10D减少的贡献在大部分区域没有达到集合成员间一致性（图7e、h、k）。地表风速变化对极低光伏输出的影响相对很小，并且没有明显的空间分布特征（图7f、i、l）。
3 结论与讨论
本文利用CESM2开展模拟试验，分析了碳中和背景下全球人为源排放减少对21世纪中期中国光伏发电潜力及极低光伏输出的影响，并区分了中国陆地地区和中国陆地地区之外的人为源排放减少对该影响的各自贡献，得到了以下主要结论：
图521世纪中期（2041—2060年）中国极低光伏输出天数占比（PV10；a—c；单位：%）、极低光伏输出事件发生次数（PV10N；d—f；单位：%）和极低光伏输出最长持续天数（PV10D；g—i；单位：d）相对于参考期（1995—2014年）相对变化的情景间差异（斜线区域表示5个集合成员中至少有4个集合成员与该变化信号一致）：（a、d、g）EXP_GCN减EXP_SSP245；（b、e、h）EXP_CNCN减EXP_SSP245；（c、f、i）EXP_GCN减EXP_CNCN
Fig.5Inter-scenario differences in the relative changes of (a—c) the fraction of days with extremely low photovoltaic output (PV10; units: %) , (d—f) the number of extremely low photovoltaic output events (PV10N; units: %) , and (g—i) the maximum duration of extremely low photovoltaic output events (PV10D; units: %) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . Hatched regions indicate areas where at least four of the five ensemble members agree on the sign of the change: (a, d, g) EXP_GCN minus EXP_SSP245; (b, e, h) EXP_CNCN minus EXP_SSP245; (c, f, i) EXP_GCN minus EXP_CNCN
1）碳中和背景下全球人为源排放减少将使中国中东部地区地表向下短波辐射通量、地表气温和地表风速相较于SSP245情景显著增加（增幅分别约为13.7 W·m-2、0.64 K和0.04 m·s-1）。其中，中国陆地地区人为源排放减少是中东部地区三种气象要素显著增加的主要原因（占比分别约为84%、68%和68%）。这与Ren et al.（2024）仅考虑中国地区气溶胶人为源排放减少的模拟结果类似。因此，中国陆地地区人为源气溶胶排放显著减少可能主导了全球人为源减排对中国中东部地区三种气象要素变化的影响。
2）碳中和背景下全球人为源排放减少使中国光伏发电潜力相较于SSP245情景增加（约4.2%）、极低光伏输出相较于SSP245情景减小（PV10、PV10N和PV10D分别减小约35.3%、56.2%和21.1%）。不同子区域平均光伏发电潜力的增加和极低光伏输出的减小均具有集合成员间较高的一致性。这表明全球人为源排放减少不仅有助于中国光伏发电总量的增加，而且有助于提高中国光伏发电的稳定性。
图621世纪中期（2041—2060年）中国各区域平均极低光伏输出天数占比（PV10；a; 单位：%）、极低光伏输出事件发生次数（PV10N；b; 单位：%）和极低光伏输出最长持续天数（PV10D；c; 单位：%）相对于参考期（1995—2014年）相对变化的情景间差异（斜线柱表示5个集合成员中至少有4个集合成员与该变化信号一致）
Fig.6Inter-scenario differences in the regional mean relative changes of (a) the fraction of days with extremely low photovoltaic output (PV10; units: %) , (b) the number of extremely low photovoltaic output events (PV10N; units: %) , and (c) the maximum duration of extremely low photovoltaic output events (PV10D; units: %) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . Hatched bars indicate regions where at least four of the five ensemble members agree on the sign of the change
3）中国陆地地区人为源排放减少主导了21世纪中期中国东北地区、中东部地区和西北地区区域平均光伏发电潜力的增加和极低光伏输出的减少。中国陆地地区之外的人为源排放减少使21世纪中期青藏高原南部地区平均光伏发电潜力增加、极低光伏输出减少。因此，发挥光伏发电在能源转型中的重要作用需要全球共同努力，通过采取积极的减排措施来提高光伏发电输出功率及其稳定性。
4）碳中和背景下全球人为源排放减少主要通过改变地表向下短波辐射通量影响中国光伏发电潜力和极低光伏输出。地表向下短波辐射通量的增加对中国光伏发电潜力的增加和极低光伏输出的减少均具有明显的正贡献。然而，地表气温和地表风速的贡献相对较小。
本研究对于碳中和背景下中国光伏发电的有效规划和部署具有重要的参考价值，有助于实现光伏发电效率与能源需求、电网调度及土地利用等方面的平衡（Zhang D et al.，2024）。但是，由于仅使用了一个地球系统模式开展模拟试验，本研究的结果可能存在一些局限性，所以今后可以结合多个模式开展类似的研究。此外，未来还可以进一步评估碳中和背景下气候变化对其他可再生能源（如风能、水能等）的影响。
图7全球人为源排放减少引起的地表向下短波辐射通量（a、d、g、j）、地表气温（b、e、h、k）和地表风速（c、f、i、l）变化对21世纪中期（2041—2060年）中国光伏发电潜力（PVPOT；a—c）、极低光伏输出天数占比（PV10；d—f）、极低光伏输出事件发生次数（PV10N；g—i）和极低光伏输出最长持续天数（PV10D；j—l）变化的贡献（单位：%；斜线区域表示5个集合成员中至少有4个集合成员与该变化信号一致）
Fig.7Contributions of (a, d, g, j) surface downwelling solar flux, (b, e, h, k) surface air temperature, and (c, f, i, l) surface wind speed changes induced by global anthropogenic emissions reduction to the projected changes in (a—c) photovoltaic potential (PVPOT) , (d—f) the fraction of days with extremely low photovoltaic output (PV10) , (g—i) the number of extremely low photovoltaic output events (PV10N) , and (j—l) the maximum duration of extremely low photovoltaic output events (PV10D) in China during the mid-21st century (2041—2060) . Hatched regions indicate areas where at least four of the five ensemble members agree on the sign of change.units: %
图1模式模拟的（偏差订正前（a—c）、后（d—f））参考期（1995—2014年）中国地表向下短波辐射通量（a、d；单位：W·m-2）、地表气温（b、e；单位：K）和地表风速（c、f；单位：m·s-1）与观测的差异
Fig.1Differences between model-simulated ( (a—c) before and (d—f) after bias correction) and observed variables in China during the reference period (1995—2014) : (a, d) surface downwelling solar flux (units: W·m-2) , (b, e) surface air temperature (units: K) , and (c, f) surface wind speed (units: m·s-1)
图2研究区域（东北地区（NEC）、中东部地区（CEC）、西北地区（NWC）和青藏高原地区（QXP））
Fig.2Study area, including Northeast China (NEC) , Central and Eastern China (CEC) , Northwest China (NWC) , and the Qinghai-Xizang Plateau (QXP)
图321世纪中期（2041—2060年）中国地表向下短波辐射通量（a—c；单位：W·m-2）、地表气温（d—f；单位：K）和地表风速（g—i；单位：m·s-1）相对于参考期（1995—2014年）变化的情景间差异（斜线区域表示5个集合成员中至少有4个集合成员与该变化信号一致）：（a、d、g）EXP_GCN减EXP_SSP245；（b、e、h）EXP_CNCN减EXP_SSP245；（c、f、i）EXP_GCN减EXP_CNCN
Fig.3Inter-scenario differences in projected changes of (a—c) surface downwelling solar flux (units: W·m-2) , (d—f) surface air temperature (units: K) , and (g—i) surface wind speed (units: m·s-1) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . Hatched regions indicate areas where at least four of the five ensemble members agree on the sign of the change. Panels represent (a, d, g) EXP_GCN minus EXP_SSP245; (b, e, h) EXP_CNCN minus EXP_SSP245; and (c, f, i) EXP_GCN minus EXP_CNCN
图421世纪中期（2041—2060年）中国光伏发电潜力（PVPOT）相对于参考期（1995—2014年）相对变化的情景间差异（单位：%；a—c的斜线区域和d柱状图中的斜线柱表示5个集合成员中至少有4个集合成员与该变化信号一致）：（a）EXP_GCN减EXP_SSP245；（b）EXP_CNCN减EXP_SSP245；（c）EXP_GCN减EXP_CNCN；（d）区域平均差异
Fig.4Inter-scenario differences in the relative change of photovoltaic potential (PVPOT) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . units:%.Hatched regions in panels (a—c) and hatched bars in panel (d) indicate areas or regions where at least four of the five ensemble members agree on the sign of the change: (a) EXP_GCN minus EXP_SSP245; (b) EXP_CNCN minus EXP_SSP245; (c) EXP_GCN minus EXP_CNCN; (d) regional mean differences
图521世纪中期（2041—2060年）中国极低光伏输出天数占比（PV10；a—c；单位：%）、极低光伏输出事件发生次数（PV10N；d—f；单位：%）和极低光伏输出最长持续天数（PV10D；g—i；单位：d）相对于参考期（1995—2014年）相对变化的情景间差异（斜线区域表示5个集合成员中至少有4个集合成员与该变化信号一致）：（a、d、g）EXP_GCN减EXP_SSP245；（b、e、h）EXP_CNCN减EXP_SSP245；（c、f、i）EXP_GCN减EXP_CNCN
Fig.5Inter-scenario differences in the relative changes of (a—c) the fraction of days with extremely low photovoltaic output (PV10; units: %) , (d—f) the number of extremely low photovoltaic output events (PV10N; units: %) , and (g—i) the maximum duration of extremely low photovoltaic output events (PV10D; units: %) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . Hatched regions indicate areas where at least four of the five ensemble members agree on the sign of the change: (a, d, g) EXP_GCN minus EXP_SSP245; (b, e, h) EXP_CNCN minus EXP_SSP245; (c, f, i) EXP_GCN minus EXP_CNCN
图621世纪中期（2041—2060年）中国各区域平均极低光伏输出天数占比（PV10；a; 单位：%）、极低光伏输出事件发生次数（PV10N；b; 单位：%）和极低光伏输出最长持续天数（PV10D；c; 单位：%）相对于参考期（1995—2014年）相对变化的情景间差异（斜线柱表示5个集合成员中至少有4个集合成员与该变化信号一致）
Fig.6Inter-scenario differences in the regional mean relative changes of (a) the fraction of days with extremely low photovoltaic output (PV10; units: %) , (b) the number of extremely low photovoltaic output events (PV10N; units: %) , and (c) the maximum duration of extremely low photovoltaic output events (PV10D; units: %) across China during the mid-21st century (2041—2060) relative to the reference period (1995—2014) . Hatched bars indicate regions where at least four of the five ensemble members agree on the sign of the change
图7全球人为源排放减少引起的地表向下短波辐射通量（a、d、g、j）、地表气温（b、e、h、k）和地表风速（c、f、i、l）变化对21世纪中期（2041—2060年）中国光伏发电潜力（PVPOT；a—c）、极低光伏输出天数占比（PV10；d—f）、极低光伏输出事件发生次数（PV10N；g—i）和极低光伏输出最长持续天数（PV10D；j—l）变化的贡献（单位：%；斜线区域表示5个集合成员中至少有4个集合成员与该变化信号一致）
Fig.7Contributions of (a, d, g, j) surface downwelling solar flux, (b, e, h, k) surface air temperature, and (c, f, i, l) surface wind speed changes induced by global anthropogenic emissions reduction to the projected changes in (a—c) photovoltaic potential (PVPOT) , (d—f) the fraction of days with extremely low photovoltaic output (PV10) , (g—i) the number of extremely low photovoltaic output events (PV10N) , and (j—l) the maximum duration of extremely low photovoltaic output events (PV10D) in China during the mid-21st century (2041—2060) . Hatched regions indicate areas where at least four of the five ensemble members agree on the sign of change.units: %
表1试验设计
Table1Experimental design
AlSkaif T, Dev S, Visser L, et al., 2020. A systematic analysis of meteorological variables for PV output power estimation[J]. Renew Energy, 153: 12-22. DOI: 10. 1016/j. renene. 2020. 01. 150.
Bichet A, Hingray B, Evin G, et al., 2019. Potential impact of climate change on solar resource in Africa for photovoltaic energy: analyses from CORDEX-AFRICA climate experiments[J]. Environ Res Lett, 14(12): 124039. DOI: 10. 1088/1748-9326/ab500a.
Cannon A J, Sobie S R, Murdock T Q, 2015. Bias correction of GCM precipitation by quantile mapping: how well do methods preserve changes in quantiles and extremes?[J]. J Climate, 28(17): 6938-6959. DOI: 10. 1175/jcli-d-14-00754. 1.
Cannon A J, 2018. Multivariate quantile mapping bias correction: an N-dimensional probability density function transform for climate model simulations of multiple variables[J]. Climate Dyn, 50(1): 31-49. DOI: 10. 1007/s00382-017-3580-6.
Chen S, Lu X, Nielsen C P, et al., 2022. Improved air quality in China can enhance solar-power performance and accelerate carbon-neutrality targets[J]. One Earth, 5(5): 550-562. DOI: 10. 1016/j. oneear. 2022. 04. 002.
Chen Y W, Yue X, Tian C G, et al., 2023. Assessment of solar energy potential in China using an ensemble of photovoltaic power models[J]. Sci Total Environ, 877: 162979. DOI: 10. 1016/j. scitotenv. 2023. 162979.
Cheng J, Tong D, Liu Y, et al., 2021a. Comparison of current and future PM2. 5 air quality in China under CMIP6 and DPEC emission scenarios[J]. Geophys Res Lett, 48(11): e2021GL093197. DOI: 10. 1029/2021GL093197.
Cheng J, Tong D, Zhang Q, et al., 2021b. Pathways of China's PM2. 5 air quality 2015—2060 in the context of carbon neutrality[J]. Natl Sci Rev, 8(12): nwab078. DOI: 10. 1093/nsr/nwab078, 2021.
Danabasoglu G, Lamarque J F, Bacmeister J, et al., 2020. The community earth system model version 2 (CESM2)[J]. J Adv Model Earth Syst, 12(2): e2019MS001916. DOI: 10. 1029/2019MS001916.
邓荔, 朱欢欢, 江志红, 2022. 不同情景达到碳中和下中国区域气候变化的预估[J]. 大气科学学报, 45(3): 364-375. Deng L, Zhu H H, Jiang Z H, 2022. Projection of climate change in China under carbon neutral scenarios[J]. Trans Atmos Sci, 45(3): 364-375. DOI: 10. 13878/j. cnki. dqkxxb. 20220323015. (in Chinese).
Feron S, Cordero R R, Damiani A, et al., 2021. Climate change extremes and photovoltaic power output[J]. Nat Sustain, 4(3): 270-276. DOI: 10. 1038/s41893-020-00643-w.
Fricko O, Havlik P, Rogelj J, et al., 2017. The marker quantification of the Shared Socioeconomic Pathway 2: a middle-of-the-road scenario for the 21st century[J]. Glob Environ Change, 42: 251-267. DOI: 10. 1016/j. gloenvcha. 2016. 06. 004.
Gao J Y, Yang Y, Wang H L, et al., 2023. Climate responses in China to domestic and foreign aerosol changes due to clean air actions during 2013—2019[J]. npj Climate Atmos Sci, 6: 160. DOI: 10. 1038/s41612-023-00488-y.
Huang M T, Zhai P M, 2021. Achieving Paris Agreement temperature goals requires carbon neutrality by middle century with far-reaching transitions in the whole society[J]. Adv Climate Change Res, 12(2): 281-286. DOI: 10. 1016/j. accre. 2021. 03. 004.
IEA, 2023. Snapshot of global PV markets 2023[R].
IEA, 2024. Clean energy market monitor-march 2024[R]. Jerez S, Tobin I, Vautard R, et al., 2015. The impact of climate change on photovoltaic power generation in Europe[J]. Nat Commun, 6: 10014. DOI: 10. 1038/ncomms10014.
Jiang J, Zhou T J, Qian Y, et al., 2023. Precipitation regime changes in High Mountain Asia driven by cleaner air[J]. Nature, 623(7987): 544-549. DOI: 10. 1038/s41586-023-06619-y.
Lei Y D, Wang Z L, Wang D Y, et al., 2023. Co-benefits of carbon neutrality in enhancing and stabilizing solar and wind energy[J]. Nat Climate Change, 13(7): 693-700. DOI: 10. 1038/s41558-023-01692-7.
Li Y F, Wang Z L, Lei Y D, et al., 2024. Sorely reducing emissions of non-methane short-lived climate forcers will worsen compound flood-heatwave extremes in the Northern Hemisphere[J]. Adv Climate Change Res, 15(4): 737-750. DOI: 10. 1016/j. accre. 2024. 05. 003.
Liu L B, Wang Y, Wang Z, et al., 2022. Potential contributions of wind and solar power to China's carbon neutrality[J]. Resour Conserv Recycl, 180: 106155. DOI: 10. 1016/j. resconrec. 2022. 106155.
Liu S Y, Jiang Y C, Yu S Y, et al., 2022. Electric power supply structure transformation model of China for peaking carbon dioxide emissions and achieving carbon neutrality[J]. Energy Rep, 8: 541-548. DOI: 10. 1016/j. egyr. 2022. 10. 085.
Lu N, Yao L, Qin J, et al., 2022. High emission scenario substantially damages China's photovoltaic potential[J]. Geophys Res Lett, 49(20): e2022GL100068. DOI: 10. 1029/2022GL100068.
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.
McCoy I L, Vogt M A, Wood R, 2022. Absorbing aerosol choices influences precipitation changes across future scenarios[J]. Geophys Res Lett, 49(8): e2022GL097717. DOI: 10. 1029/2022GL097717.
Meng Y, Hao Z C, Feng S F, et al., 2022. Multivariate bias corrections of CMIP6 model simulations of compound dry and hot events across China[J]. Environ Res Lett, 17(10): 104005. DOI: 10. 1088/1748-9326/ac8e86.
Nahani P, Eslami M, Hamzehzarghani R, 2024. Effects of wind on cooling and performance of photovoltaic arrays: a case study CFD modeling[J]. Energy, 293: 130596. DOI: 10. 1016/j. energy. 2024. 130596.
Niu J Y, Qin W M, Wang L C, et al., 2023. Climate change impact on photovoltaic power potential in China based on CMIP6 models[J]. Sci Total Environ, 858: 159776. DOI: 10. 1016/j. scitotenv. 2022. 159776.
O'Neill 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.
Park C, Shin S W, Kim G, et al., 2022. What determines future changes in photovoltaic potential over East Asia?[J]. Renew Energy, 185: 338-347. DOI: 10. 1016/j. renene. 2021. 12. 029.
Pedersen J S T, Santos F D, van Vuuren D, et al., 2021. An assessment of the performance of scenarios against historical global emissions for IPCC reports[J]. Glob Environ Change, 66: 102199. DOI: 10. 1016/j. gloenvcha. 2020. 102199.
Perkins S E, Alexander L V, 2013. On the measurement of heat waves[J]. J Climate, 26(13): 4500-4517. DOI: 10. 1175/JCLI-D-12-00383. 1.
Persad G, Samset B H, Wilcox L J, et al., 2023. Rapidly evolving aerosol emissions are a dangerous omission from near-term climate risk assessments[J]. Environ Res Climate, 2(3): 032001. DOI: 10. 1088/2752-5295/acd6af.
Qin Y, Zhou M, Hao Y T, et al., 2024. Amplified positive effects on air quality, health, and renewable energy under China's carbon neutral target[J]. Nat Geosci, 17(5): 411-418. DOI: 10. 1038/s41561-024-01425-1.
Ren L L, Yang Y, Wang H L, et al., 2024. Co-benefits of mitigating aerosol pollution to future solar and wind energy in China toward carbon neutrality[J]. Geophys Res Lett, 51(13): e2024GL109296. DOI: 10. 1029/2024GL109296.
Tang W J, Qi J W, Wang Y, et al., 2023. Dense station-based potential assessment for solar photovoltaic generation in China[J]. J Clean Prod, 414: 137607. DOI: 10. 1016/j. jclepro. 2023. 137607.
Tong D, Cheng J, Liu Y, et al., 2020. Dynamic projection of anthropogenic emissions in China: methodology and 2015—2050 emission pathways under a range of socio-economic, climate policy, and pollution control scenarios[J]. Atmos Chem Phys, 20: 5729-5757. DOI: 10. 5194/acp-20-5729-2020.
van Ruijven B J, De Cian E, Sue Wing I, 2019. Amplification of future energy demand growth due to climate change[J]. Nat Commun, 10(1): 2762. DOI: 10. 1038/s41467-019-10399-3.
Wang P Y, Yang Y, Xue D K, et al., 2023. Aerosols overtake greenhouse gases causing a warmer climate and more weather extremes toward carbon neutrality[J]. Nat Commun, 14(1): 7257. DOI: 10. 1038/s41467-023-42891-2.
Wang Z L, Lin L, Xu Y Y, et al., 2021. Incorrect Asian aerosols affecting the attribution and projection of regional climate change in CMIP6 models[J]. npj Climate Atmos Sci, 4: 2. DOI: 10. 1038/s41612-020-00159-2.
Zhang D, Huang X D, Zhong J T, et al., 2023. A representative CO2 emissions pathway for China toward carbon neutrality under the Paris Agreement's 2 ℃ target[J]. Adv Climate Change Res, 14(6): 941-951. DOI: 10. 1016/j. accre. 2023. 11. 004.
Zhang D, Zhu Z H, Chen S, et al., 2024. Spatially resolved land and grid model of carbon neutrality in China[J]. Proc Natl Acad Sci U S A, 121(10): e2306517121. DOI: 10. 1073/pnas. 2306517121.
Zhang J T, You Q L, Ullah S, 2022. Changes in photovoltaic potential over China in a warmer future[J]. Environ Res Lett, 17(11): 114032. DOI: 10. 1088/1748-9326/ac9e0b.
Zhang L B, Du Q, Zhou D Q, et al., 2022. How does the photovoltaic industry contribute to China's carbon neutrality goal?Analysis of a system dynamics simulation[J]. Sci Total Environ, 808: 151868. DOI: 10. 1016/j. scitotenv. 2021. 151868.
Zhang Y Q, Gao Y, Xu L R, et al., 2024. Assessment of future solar energy potential changes under the shared socio-economic pathways scenario 2-4. 5 with WRF-chem: the roles of meteorology and emission[J]. Atmos Environ, 318: 120232. DOI: 10. 1016/j. atmosenv. 2023. 120232.

Address：No.219, Ningliu Road, Nanjing, Jiangsu, China

Postcode：210044

Tel：025-58731158