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
1704440190
中央公园正好有一个相当完整的气温纪录，可以追溯到1869年。在图12–4中，我绘制了跨越1912~2011年整整100年的月平均气温，从图中可以观察到四季气温的剧烈波动（变化虽然剧烈，但也能够预见），从高温到低温再回到高温，有些年份较高，有些年份较低。从这些例子中可以看出，与天气相比，气候信号几乎无法察觉，但这一信号确实是存在的：中央公园在100年的时间里平均气温降低了约15.6摄氏度。
1704440191
1704440192
1704440193
1704440194
1704440195
图12-4 1912-2012年中央公园（纽约市）的月平均气温
1704440196
1704440197
而在为期1~10年的时间里，气温也会出现周期性波动。其中之一被称为“ENSO 循环”（厄尔尼诺–南方涛动现象）。每次循环会历经3年左右的时间，是由热带太平洋地区的水温变化引起的。在发生厄尔尼诺现象的年份，若该循环充分发挥威力，就会给北半球大部分地区带来更加温暖的天气，也会降低墨西哥湾飓风的活动频率。在发生拉尼娜现象的年份，情况正好相反，这时的太平洋水温较低。除此之外，人们对 ENSO 循环的了解相对较少。
1704440198
1704440199
初始条件的不确定性的第二个案例是太阳的活动周期，平均约为11年，在这一个周期里，太阳会发出略强或略弱的辐射。（这一点通常可以通过太阳黑子这个更高一级的太阳活动来衡量。）但太阳的活动周期不怎么规律，比如，太阳的第二十四个活动周期中，人们预期太阳黑子在2012年或2013年的活动量最大（因此会出现更高的气温），但实际上这一现象却推迟了。太阳的休眠期有时可以持续几十年，17世纪末18世纪初的蒙德极小期持续了近70年，这段时期内几乎没有太阳黑子活动，因此欧洲和北美地区的温度大幅走低。
1704440200
1704440201
最后一个案例是向大气喷发硫黄的火山的周期性休眠。火山喷发释放的气体具有反温室效应的作用，可以使地球降温。1991年皮纳图博火山爆发，此后两年里，全球温度降低了约0.2摄氏度，与温室效应在10年里带来的温度升高幅度相当。
1704440202
1704440203
时间跨度越大，就越容易忽略这些中期效应。在1~10年的时间跨度内，中期效应都能够主导温室效应的信号，但超过这一时长，它们就会日渐式微。
1704440204
1704440205
第二种不确定性会随着时间的推移而增加，施密特称之为参数的不确定性。这一类型的不确定性涉及大气中二氧化碳或其他温室气体的浓度。在较小的时间跨度内，大气成分还是可预测的。工业活动持续不断，二氧化碳迅速进入大气层并长期滞留。（据估计，二氧化碳的化学反应半衰期约为30年。）即使主要工业国家同意立即制定出实质性的减排措施，想要使大气中的二氧化碳的增长速度放缓也需要数年的时间，更不要说实现负增长了。施密特对我说：“你我永远都无法等到二氧化碳浓度降低的那一天，就连你的下一代也等不到。”
1704440206
1704440207
由于气候模型依赖于对大气中二氧化碳浓度的特定假设，这不仅使未来50年或100年的预测变得非常复杂，也会对近期的预测产生轻微的影响，影响程度主要取决于影响二氧化碳排放的政治和经济决策。
1704440208
1704440209
第三种不确定性是结构的不确定性。这种不确定性是气候学家及其批评者最为担忧的不确定性类型，因为该类型最难定量，与我们对气候系统动力学的了解程度及我们能否很好地用数学方法表现这种模型紧密相关。结构不确定性的增强速度较为缓慢，而在气候这样的动态系统模型中，错误也会自我强化。