當氣候模型失真：如何把不確定性變成決策優勢

構建災難模型

" bdsfid="265">氣候的復雜性使其無法進行精確建模。因此，我們必須利用這種不確定性來發揮我們的優勢。

作者：" bdsfid="269">David Stainforth

編輯：阿K

現今復雜的氣候模型并不等同于現實。事實上，地球的計算機模型與現實相去甚遠——尤其是在區域、國家和地方層面。它們無法體現許多已知對氣候變化至關重要的物理過程，這意味著我們不能依賴它們來提供詳細的局部預測。這令人擔憂，因為我們如何應對人為造成的氣候變化，完全取決于我們對未來的理解。這種理解賦予我們力量：它讓我們洞察自身行為的后果，從而做出明智的決策。它幫助我們思考，如果我們采取強有力的措施減少溫室氣體排放，如果我們只是淺嘗輒止，或者如果我們無所作為，未來將分別走向何方。這些信息使我們能夠評估，作為個人、社區和國家，我們認為值得投入的資金水平，并幫助我們在應對氣候變化的行動與其他財政需求（如健康、教育、安全和文化）之間找到平衡。

對我們許多人而言，這些問題都源于個人經驗和切身感受：我們想知道自己居住、熟悉且情感深厚的地區將會發生什么變化。我們想要的是基于社會不同選擇的本地氣候預測。

那么，我們從哪里獲取這些預測呢？如今，大多數氣候預測源自復雜的計算機氣候系統模型——即所謂的地球系統模型（ESM）。這些模型在氣候變化科學領域無處不在，原因很充分。大氣中溫室氣體的不斷增加，正將氣候系統推向一個前所未有的狀態。這意味著歷史經驗無法再有效指導未來，僅基于歷史觀測的預測已不可靠：信息并不蘊含在觀測數據中，無論如何處理都無法提取。因此，氣候預測的關鍵在于我們對氣候物理過程的理解，而非數據處理。鑒于涉及的物理過程如此繁多——從大氣中熱量和水分的運動，到海洋與冰蓋的相互作用——計算機模型自然成了首選工具。

但問題在于：模型并不等同于現實。

那么，我們能做什么？一種方法是改進模型，使其更精細復雜。但這引出了一個關鍵問題：模型要到何時才足夠逼真，足以預測氣候變化這樣復雜的現象？模型何時才能“達標”？我們目前沒有答案。事實上，科學家們才剛開始研究這個問題，一些人甚至認為，這些模型可能永遠無法精確到足以做出長達數十年的局部氣候預測。

然而，改變我們使用地球系統模型（ESM）的方式，或許能提供一條不同且更有效的途徑，來生成我們所需的局部氣候信息。這樣做意味著我們要正視不確定性，將其視為我們對氣候變化認知的重要組成部分。這也意味著我們要退后一步，承認我們真正需要的并非精確的預測，而是穩健的預測——即便這種穩健性本身就建立在我們承認對未來認知存在巨大不確定性的基礎之上。

在深入探討如何真正繪制本地未來藍圖之前，我想先澄清一個更廣泛的背景。本文批判性地探討了當前氣候變化科學方法的可靠性問題。這種探討可能會被誤讀為淡化人為氣候變化的現實性或嚴重性。但這將是完全錯誤的結論。我對氣候系統物理學的理解告訴我，人為氣候變化的現實性及其對我們社會和文化的嚴重威脅，是毋庸置疑的。事實上，在我的著作《預測我們的氣候未來》（2023）中，我僅用了11個段落概述了為何僅憑高中水平的科學知識，加上對氣候變化社會后果的一些常識性思考，就足以證明這一威脅的嚴重性和規模——足以證明采取變革性行動的必要性。然而，接受這一問題的現實性和重要性，并不意味著其中沒有許多值得探討的細節。氣候變化科學和社會科學都是持續研究的領域，因此我們理應預見到辯論和分歧的存在。

計算機模型很容易被挑出毛病。正如統計學家喬治·博克斯（George Box）所說：“所有模型都是錯誤的，但有些是有用的。”真正的問題是這些模型是否有用。而這取決于你試圖解決的問題。要理解這一點，我們需要深入了解這些模型的工作原理。

地球系統模型（ESM）是現代計算機科學的杰出成就，也是極其有用的科研工具。它們將大氣和海洋劃分成網格單元——通常邊長在20到100公里之間——對于每個網格單元，計算機程序會求解一組源自經典物理學的、理論基礎扎實且易于理解的方程，這些方程描述了空氣和水等流體的行為。這被稱為模型的“動力學核心”。可以說，模型的這一部分是基于物理學原理的。

僅僅因為它們是優秀的科研工具，并不意味著它們是可靠的預測引擎。

但僅靠“動力學核心”不足以模擬地球氣候系統。這是因為許多關鍵過程我們尚未完全理解，也缺乏穩健且經過充分驗證的數學模型來描述，例如熱帶和溫帶森林的生長行為。此外，還有許多過程（例如云、大氣對流和海洋渦旋）發生的尺度遠小于網格單元，但對地球氣候的行為卻至關重要。如果模型要模擬氣候變化，就必須包含這些過程。然而，我們無法準確描述這些過程的實際情況，因為我們要么對此知之甚少，要么計算上不可行——或者兩者兼而有之。因此，我們通過稱為“參數化方案”的代碼片段將它們納入模型。這些參數化方案并非對物理過程的直接描述，而是對每個過程如何影響模型其他部分以及與其他部分相互作用的統計表征。云、海洋渦流和許多陸地表面系統就是通過這種方式在模型中“被代表”的。

這種基于物理學的“動力學核心”與統計擬合的“參數化”之間的差異，乍看之下似乎是個最好留給專家們去研究的枯燥問題。但實際上，這場差異對于“氣候科學究竟能在多大程度上揭示未來”的爭論至關重要。

不過，在深入探討之前，我們不妨先回顧一下這些模型取得的巨大成就。它們涵蓋了從大氣動力學到海洋環流、海冰以及一系列陸地表面過程。它們是研究氣候系統不同組成部分如何相互作用的極其寶貴的研究工具。用喬治·博克斯的話來說，它們或許并不完美，但對于許多研究領域而言，無疑非常有用。

然而，僅僅因為它們是優秀的科研工具，并不意味著它們就是可靠的預測引擎。作為有用的科研工具，它們只需體現我們所研究過程的一些關鍵特征即可。但要提供可靠的、跨越數十年的氣候變化局部后果預測，它們需要體現我們認為在氣候變化時間尺度上可能重要的所有相互作用的過程。而且，它們需要以一種現實的方式做到這一點，需要體現我們認為實際正在發生的事情。這些模型或許不必完美——所有模型皆有誤差——但它們必須盡可能接近氣候系統所有相關方面的實際情況。

不幸的是，在數十年的時間尺度上，幾乎萬物都會相互影響。北極海冰的變化可能會影響印度夏季風；北大西洋降雨量的變化可能會影響中非的氣溫模式。“所有相關方面”涵蓋的范圍實在太廣了。

此外，當今的地球系統模型與現實相去甚遠。在許多方面，它們與現實差異巨大。當我們使用這些模型模擬過去時，其輸出結果與現實世界的情況大相徑庭。對于北美中部或中歐等大片區域，這些模型模擬的溫度可能比實際情況高出或低好幾度。這意味著，例如，模型模擬的植被將與觀測結果顯著不同，或者即使吻合良好，也必然是“出于錯誤的原因”。這一點至關重要。這意味著模型無法反映實際發生的進程，因此任何對變化的預測都將存在缺陷。實際上，我們早已知道情況如此，因為模型中缺失了許多進程，而那些通過參數化方案表示的進程往往無法反映其潛在行為。最終結果是，這些模型與現實的差異過大，無法在區域和局部尺度上做出可靠的、跨越數十年的預測。

這導致氣候研究界出現分歧。對于那些希望研究氣候變化區域性后果的人，以及希望支持社會構建氣候適應型系統的人來說，這些模型提供的數據看起來就像是他們所尋求的預測結果。正因如此，這類模擬被廣泛用于這些目的。然而，氣候研究界也普遍承認，這些模型在數十年尺度預測方面并不可靠——人們普遍認為這些模型存在重大缺陷。分歧在于我們應該如何應對：如何才能獲得關于地球未來氣候的更準確信息。

目前存在兩種觀點。一種觀點認為，現有模型不足以勝任，我們需要改進它們。另一種觀點則認為，在我們了解模型需要改進到什么程度之前，改進它們意義不大。而且，由于我們無法確定計算機模型何時才算“足夠好”，從而對局部氣候做出可靠的、長達數十年的預測，因此后一種觀點傾向于關注如何更巧妙地運用模型和科學認知。

第一種方案組織得井井有條。在2023年7月柏林的一次峰會上，有人呼吁發起一項新的國際氣候建模倡議。這項名為“地球虛擬化引擎”（EVE）的倡議，預計在最初十年內耗資約150億美元。其中大部分資金將用于大幅提升地球系統模型（ESM）的分辨率，將網格單元的尺寸縮小到邊長約1公里。

這種高分辨率模型能提供更“局部”的信息：它們可以區分模擬的悉尼不同郊區，或者模擬的卡爾加里和班夫。但追求高分辨率的必要性主要不在于這些額外細節，而在于其可靠性。還記得那些參數化方案嗎？在地球系統模型（ESM）的模擬大氣中，這些方案包含了對流等關鍵過程，而對流對于在氣候系統中輸送熱量和水分至關重要。那些希望通過提高分辨率來改進模型的人認為，目前由統計擬合的參數化方案表示的過程，屆時將轉而從基于物理的“動力學核心”中產生。也就是說，對流等過程將被“解析”（resolved），從而使模型更好地反映科學認知。這一點至關重要，因為基于科學認知的模型更有可能進行外推（extrapolate）：即使我們沒有過去氣候變化的觀測數據，也能預測未來氣候的變化趨勢。

這是一個很有道理的論點。更高的分辨率確實有可能去除一些參數化。對于其他現象（例如云），提高細節水平或許能讓模型更準確地反映我們對底層物理過程的理解。這些改進將使科學家能夠研究氣候系統中眾多復雜相互作用的更多方面。因此，提高地球系統模型的分辨率將為某些類型的研究創造更好，或者至少是更多的工具。但它能否產生更可靠的氣候預測呢？

我認為答案是否定的。它不會。這使我完全站到了反對陣營。雖然更精細網格的模型分辨率可能更高，但仍會遺漏許多過程——例如大氣化學和海洋生物地球化學的某些方面，而這些過程已被證實至關重要。盡管分辨率有了顯著提升，在模擬從植被等地表效應到大氣、海洋和冰凍圈中的諸多過程時，這些模型仍然需要統計擬合的參數化方案。簡而言之，這些模型仍然遠不能反映我們對現實的理解。

順便一提，值得注意的是，氣候預測需要比天氣預報更接近現實的模型。部分原因是，數十年尺度的預測需要我們納入幾乎所有氣候過程，因為幾乎所有過程都可能影響預測結果。相比之下，天氣預報可以忽略許多過程，因為相關的組成部分（例如海洋溫度或陸地覆蓋）在幾天或幾周的短期天氣尺度上變化不大。另一個重要的區別是，我們可以通過預測和觀測結果的周期性對比來衡量天氣預報的可靠性。而氣候預測無法做到這一點，因此我們對氣候預測的信任主要依賴于模型的真實性——依賴于我們相信這些模型代表了當前科學對地球系統運行方式的理解。

那么，如果我們的模型與現實不夠接近，而更高的分辨率又不是解決辦法，那么另一陣營的方法是什么？他們是誰？他們呼吁什么？

另一陣營其實并非一個統一的群體。他們由來自不同學科、形形色色的學者組成，這些學者都看到了上述問題，并試圖尋找不同的解決之道。他們傾向于從“可能發生什么”而非“已經發生了什么”來思考未來。

該陣營認為，前進的方向有兩種。

第一種方法涉及故事。“故事線”（Storylines）方法建立在我們對氣候系統特定部分的理解之上：例如，印度夏季風、熱帶氣旋的驅動因素，或導致北歐極端洪水的天氣模式。這種方法隨后會描述該系統的這一部分在未來可能發生的合理變化。當然，氣候系統是一個龐大的、由各種不同組成部分構成的集合，它們彼此相互影響，因此不可避免地需要引入關于系統其他部分的專業知識，但在“故事線”方法中，這是通過我們感興趣的方面來進行的。例如，關于海洋環流變化的問題可能只關注其特征，即它們可能對歐洲極端降雨事件產生的具體影響。

必須認識到，這種“故事線”方法并非憑空捏造敘事。相反，這些變化必須與我們對相關過程的科學理解相一致；我們需要能夠以可信的方式描述不同類型的變化是如何發生的。只要能做到這一點，“故事線”就能為我們探索未來各種氣候行為提供途徑，以便我們在制定應對氣候變化的社會決策時加以考慮。“故事線”可以根據特定地點和問題進行設計，并且側重于利用科學專業知識和理解，而非計算機模型。

然而，真正有效的氣候敘事的關鍵在于，它們應該始終成組出現：一系列敘事共同反映了特定地區或特定類型氣候事件可能發生的不確定性。構建這些敘事的學者必須深入思考在特定研究領域內所有可信的氣候行為。

這種方法的一個例子是2018年的一項研究，該研究探討了全球變暖可能導致印度夏季風發生怎樣的變化，以及這些變化可能對印度南部的水資源產生怎樣的影響。我曾參與這項研究，團隊由英國利茲大學氣候變化適應學教授蘇拉杰·德賽（Suraje Dessai）領導。該項目表明，對氣候系統中潛在相互作用的科學思考，能幫助我們更好地理解氣候變化對社會重大影響的不確定性。

這個項目也讓我意識到，“故事線”方法面臨著一個有趣的社會學障礙。這個障礙源于氣候變化研究中復雜計算機模型的主導地位。正因為這種主導地位，我們理應預料到專家意見會基于模型所呈現的行為，而不是僅僅反映專家對氣候系統過程的理解。在我們的研究過程中，我們不得不努力說服專家們，我們希望了解的是他們對印度夏季風過程的專業知識，而不僅僅是他們對模型中印度夏季風響應的了解。

因此，“故事線”方法并非簡單的解決方案。它們需要精心設計，而且側重于專家而非計算機，所以要大規模應用，就需要對大量具備必要專業知識的人員進行培訓和認證。盡管如此，我仍然很欣賞這種方法，因為它們顯然建立在我們已有認知的基礎上。

然而，還有另一種探索未來可能情況的方法，這種方法同樣需要用到地球系統模型（ESM）。與其不斷改進這些模型——追逐一個足夠逼真、能夠做出可靠氣候預測的虛幻目標——我們不如讓它們對大氣中溫室氣體的增加做出不同的響應。我們的目標應該是響應的多樣性。我們需要大量的模型，它們共同展現未來在對我們重要的尺度上可能發生的各種變化。這種方法意味著，我們需要設計一套能夠整體發揮作用的模型集合，將它們作為一個整體來使用，而不是關注單個模型并逐一分析它們的影響。

這里的觀點是，雖然所有地球系統模型（ESM）都與現實差異巨大，無法單獨用于氣候預測，但它們都概括了真實世界氣候系統的關鍵特征。正因如此，它們是優秀的科研工具。例如，如果我們通過改變參數化方案中的假設來調整模型，就可以創建替代版本。許多這樣的替代“模型版本”與原始模型一樣可信，但可能會向我們展示未來氣候變化的不同可能路徑，尤其是在局部尺度上。此外，如果我們發現無法使模型達到某些類型的響應，那么我們就獲得了一種新的信息：一條新的證據線，它或許表明地球（或任何與我們地球略有相似的星球）無法以某種方式響應氣候變化。

這第二種方法并非空想。過去25年間，許多項目都生成了模型版本集合。這些集合被稱為“擾動物理集合”（perturbed physics ensemble），其中規模最大的當屬牛津大學于2003年啟動的氣候預測項目（CPDN）開展的一項實驗。該實驗采用“公共資源分布式計算”模式：公眾自愿貢獻自己的計算機，在閑置時運行模型版本。坦白地說，氣候學家邁爾斯·艾倫（Myles Allen）最初提出了這個項目的想法，而我也是聯合創始人之一——因此，我對這些實驗格外感興趣也就不足為奇了。

CPDN實驗生成了對溫室氣體增加反應各異的新模型版本。從這些模型版本中可以得出一些明確的信息。例如，所有6203個通過基本相關性一致性檢驗的模型版本都顯示出全球變暖（這在意料之中，是基本的物理規律），而且每個模型都顯示北歐冬季降雨量增加，地中海盆地夏季降雨量減少。

這表明，生成新模型版本的過程可以產生清晰的信息。但當然，這個過程也會產生很大的不確定性。例如，在CPDN實驗中，北歐冬季降雨量的增幅從不到10%到超過50%不等，而該地區/季節的相關氣溫增幅則從低于2攝氏度到超過8攝氏度不等。不過，不必過分認真對待這些數字；該實驗使用的是一個舊模型，其海洋環境高度理想化，并且大氣溫室氣體的變化情景也刻意設定得不切實際——之所以如此設定，是因為該模型旨在解決與全球氣候整體敏感性相關的特定研究目標。這里的重點在于它所產生的各種可能性，而不是絕對數值本身。

如何才能更好地理解我們未來的氣候？現有的實驗（例如CPDN項目）已經展示了如何利用我們的模型來探索未來的可能性，但迄今為止，還沒有專門設計用于研究應在局部尺度上考慮的各種未來氣候行為的實驗，也沒有任何實驗旨在生成能夠為社會決策提供信息的模型版本。事實上，利用現有的地球系統模型（ESM）來實現這一點需要龐大的計算資源，而且成本非常高昂。但是，我們不應忽視此類投資的可能性——畢竟，高分辨率的EVE計劃正在尋求數十億美元的資金用于ESM研究。如果這些資金能夠到位，那么開發能夠解決EVE所針對的相同問題的模型版本將是更明智的使用方式。

探索多種可能的應對方案，而非僅僅提高現有模型的分辨率，也改變了基于模型的預測中根本的科學問題。過去，這個問題類似于：“一個模型何時才足夠現實，能夠預測未來的氣候？”而從多樣性的視角來看，我們需要問的是：“一個模型何時太過不切實際，以至于無法提供關于未來氣候的有效信息？”這是一個意義深遠且至關重要的轉變，氣候變化科學和社會科學都需要接受它。

但專注于高分辨率建模的危險之處不僅在于我們無法回答“模型何時才足夠接近現實”這個問題，還在于投資于這種方法也意味著我們缺乏探索不確定性的能力，這必然會導致人們對模型預測結果過度自信。這一點尤其令人擔憂，因為地球系統模型正越來越多地被用于指導我們社會各方面的決策和投資。因此，對基于模型的預測過度自信可能會導致錯誤的決策：這些決策是基于模型中設想的未來情景而制定的，而不是基于我們對現實中各種可能未來情景的理解。

相比之下，“擾動物理集合”和“故事線”方法則側重于探索和描述我們的不確定性。將不確定性置于核心地位至關重要。當我們進行投資或賭博時，我們不會僅僅基于我們認為最可能的結果，我們會考慮所有可能的結果——理想情況下，這些結果應該用概率來描述，盡管這并非總是可行。氣候變化也是如此。我們不應僅僅基于對未來可能發生情況的最佳估計來制定計劃，還應考慮我們預見的各種可能結果。

我們對不確定性的認識也是我們對氣候變化認識的一部分。我們應該接受這種認識，拓展它，并加以利用。如果我們充分理解不確定性，就能將自身的價值觀應用于我們愿意承擔的風險。因此，不確定性必須成為適應規劃的核心，同時也是我們評判氣候政策和能源轉型價值的視角。在我看來，希望為社會做出貢獻的氣候研究人員和建模人員應該專注于理解、描述和量化不確定性，并避免陷入尋求能夠做出可靠預測的氣候模型的陷阱。

因為這樣的模型或許永遠不會存在。

作者

大衛·斯坦福斯（David Stainforth），他是倫敦政治經濟學院格蘭瑟姆氣候變化與環境研究所的教授級研究員。他是《預測我們的氣候未來：我們知道的、我們不知道的以及我們無法知道的》（2023 年）一書的作者。

我們是誰

我們的世界不止有一種聲音 | 獨立·多元·深度

日新說深耕國際議題，秉持普世價值與人文精神，致力于多元視角講述與思考我們的世界。

歡迎關注我們其他平臺賬號（騰訊新聞、微博、頭條、B站、百度、小宇宙）：日新說Copernicium

每日更新，敬請期待，若想投稿或加入讀者社群請添加小編微信：rixinshuo114

文章僅供交流學習，不代表日新說觀點，觀點不合，歡迎投稿~