1704440140
1704440141
第二，对天气系统的物理现象（这些物理现象受相对简单的、容易观测的规律支配）有深刻了解，同样会惠及众多气象学家。其实，气候学家可能也拥有同样的优势。我们能够观察云，也能准确推断这些云的运动方式，但如何将这一推断转换为数学术语是极大的挑战。
1704440142
1704440143
气候预测的一个经典案例，是对某些相当重要的巨大云层的运动轨迹进行的成功预测，这些云层最终演变为飓风。伊曼纽尔位于麻省理工学院的办公室编号为54—1814房间，想找到这里并非易事（我在一位很特别的看门人的帮助下才找到这间办公室，这位看门人可能跟我一样，都受到《心灵捕手》这部电影的鼓舞）。从伊曼纽尔的办公室里，可以清楚地看到查尔斯河的全景，也很容易想象到远处飓风的走向：飓风会向剑桥地区倾斜呢？还是会刮到北大西洋呢？
1704440144
1704440145
伊曼纽尔对两种飓风预测进行了区分。一种是单纯的统计区分，“对自己感兴趣的现象进行长期跟踪记录，对自己认为可行的预测指标进行长期跟踪记录，比如在大气中大规模流动的云或海洋温度等所有可获得的信息。不必特意亲身接触这些物理现象，只需将统计数据与你想要预测的事物联系起来即可”。
1704440146
1704440147
设想一股飓风正盘踞在墨西哥湾上空。我们可以针对过去出现过的飓风建立一个数据库，观察其风速、经纬度、海洋温度等数据，找出与这次飓风最为相近的地方。其他飓风是怎样运动的？什么样的飓风会袭击新奥尔良这样人口聚集的地区？什么样的飓风会最终散去？不用依靠所有气象知识，只需一个完善的数据库，我们就可以做出预测。
1704440148
1704440149
这样的统计技术可以提供粗糙但有用的预测数据。实际上倒退30年，当时气象预报预测飓风轨迹的最主要的方法就是纯统计模型。
1704440150
1704440151
然而，此类技术会受到收益递减规律的支配。在美国，飓风并不少见，风暴平均每年都会袭击美国一次。当你将大量的候选变量应用到一个罕见的现象中，就会有过度拟合的危险，会把过去数据中的噪声误当作信号。
1704440152
1704440153
当然，如果你对该系统的结构有所了解，那就还有另外一个方案可供选择。第二种气候预测模型从本质上来讲，就是模拟某个领域中某些部分的物理力学特性。与纯统计模型相比，建立这种模型需要更大的工作量，并且要对该现象发生的根本原因有深刻的了解。但是，这种模型更加准确。这样的模型现在正用于预测飓风路径，而且相当成功。正如前文中提到的那样，20世纪80年代以来，飓风路径预测的准确性已提高了3倍左右，人们提前48个小时就能了解到袭击新奥尔良的卡特里娜飓风的确切登陆位置（虽然不是所有人都相信这一预测）。统计学驱动的系统现在不过是作为基准，用来对这些更加准确的预测进行衡量。
1704440154
1704440155
模型越复杂，预测越糟糕
1704440156
1704440157
阿姆斯特朗和格林对气候预测提出的批评，与他们所作的研究有关。这两位学者对经济学这类几乎不存在可用的物理模型、人们对其因果关系也知之甚少的学科进行过实证研究。野心过于膨胀的预测方法在这些领域频频失败，所以阿姆斯特朗和格林推断，这些方法用于气候预测也会失败。
1704440158
1704440159
任何预测模型的目标都是尽可能地“抓住信号、扫除噪声”。保持两者的平衡有时并非易事，需要有理论依据和保质保量的数据做保证。在经济预测中，数据贫乏，理论研究薄弱，所以阿姆斯特朗才会认为“（经济）模型越复杂，预测越糟糕”。
1704440160
1704440161
在气候预测中，情况更加模糊不清：温室效应理论的影响很大，可以支撑更为复杂的预测模型。然而，气温数据非常嘈杂，总是与预测模型相向而行。哪种考虑才是对的呢？我们可以依据经验处理这个问题，对气候科学中曾经使用过的各种预测方法的成功和失败的状况进行评估。像往常一样，最重要的是看这些预测在现实生活中的效果。
1704440162
1704440163
我敦促大家，不要将预测过程缩减为一系列的“车贴标签”式的标语口号。简单性原理（“在其他条件相同的情况下，简单的解释比复杂的解释更好。”）这类启发法看似诱人，却难以为我们所用。与用于预测疾病爆发的 SIR 模式一样，有些预测模型中的假设既简单又简洁，这样的情况我们已经遇到过很多，但是这样的模型却过于天真，无法提供成熟的预测。而在地震预测中，那些复杂得离谱的预测方案在软件程序包里功能齐全，在实际应用中却漏洞百出，真可谓华而不实。
1704440164
1704440165
“模型越复杂，预测越糟糕”，这句话就是在告诫人们，“不要在食谱中加入过多的盐”。你在做事之前是不是把它搞得很复杂，或者说在其中加了很多“盐”呢？如果你想越来越擅长作预测，就要“相信自己的厨艺，相信自己的味蕾”。
1704440166
1704440167
气候预测中的3类不确定性
1704440168
1704440169
认识到预测中的局限性只是成功的一半，在这一点上，气候预测者已经做得相当好了。气候学家敏锐地意识到不确定性的存在：在政府间气候变化专门委员会于1990年公布的3份报告中，“不确定”和“不确定性”这两个术语出现了159次。政府间气候变化专门委员会建立了一整套命名法，用于表达对某一研究发现的赞成或确定程度。比如，在报告中，当“可能”这个词单独出现时，意味着某一预测实现的概率为66%，而当“几乎确定”这个词出现时，意味着对某一个预测怀有99%或更强的信心。
1704440170
1704440171
然而，警惕不确定性是一回事，适当准确地估计到不确定性又是另一回事。像政治民调这类问题，我们可以依靠强大的历史证据数据库：美国总统大选前一个月，如果一名候选人在民调中领先10个点，那么他最终赢得美国总统大选的概率是多少？我们可以查阅过去几十场美国总统大选的情况，进而依据经验得出一个答案。
1704440172
1704440173
但是，气候预测者建立的那些模型不能依靠此类技术。人类只有一个地球，我们要不时地对其气候演变进行预测，这种预测需要跨越未来几十年的时间。尽管气候学家也许已经考虑到预测中会存在不确定性，却仍然不能确定预测中究竟有多少不确定性。对于任何学科的预测者而言，这样的问题都是极具挑战性的。
1704440174
1704440175
尽管如此，我们还是有可能将气候预测中的不确定性分为3个组成部分。加文·施密特是汉森的同事，与汉森同在宇航局工作，他是一个说话带刺儿的伦敦人，也是实地天气网站的博文合著者，施密特的办公室位于纽约晨边高地，我是在他办公室附近的酒吧与他碰面的。
1704440176
1704440177
施密特拿出一张餐巾纸，在上面画出一张如图12–3所示的图表，说明了气候学家面临的三大突出问题。在气候预测过程中，这3种不同类型的不确定性不同程度地存在着。
1704440178
1704440179
1704440180
1704440181
1704440182
图12-3 全球变暖预测中的不确定图示
1704440183
1704440184
第一种类型，施密特称之为“初始条件的不确定性”，这是与温室信号抗争的短期因素，影响着我们对气候的体验。温室效应是一种长期现象，会被日复一日、年复一年的各种事件所掩盖，从而变得模糊不清。
1704440185
1704440186
初始条件的不确定性的最为明显的例子就是天气，如果用于气候预测，那它代表的只是噪声，而不是信号。气候变化委员会最近预测，下个世纪的气温可能会升高2摄氏度，相当于每10年升高0.2摄氏度，或每年升高0.02摄氏度。可是，在温带地区，当昼夜温差达到15摄氏度、季节温差达到30摄氏度时，这样的信号是很难察觉的。
1704440187
1704440188
我是在2011年拜访施密特的。事实上，就在我们会面的前几天，纽约和美国东北部其他几个地区就出现了反常的10月暴雪。中央公园的积雪达到33.2毫米，创下了10月降雪的纪录，而在康涅狄格州、新泽西州和马萨诸塞州情况更加严重，几百万居民的家中同时断电。
1704440189