气候科学（三）
即使在建模结果和观察数据之间相对良好地拟合，解释也可能是困难的。 一个原因是，在不同程度上，今天的气候模型已经调整到二十世纪观察。 调整有时通过补偿模型（Petersen 2000）的其他地方（Petersen 2000）的错误来提供性能度量的改进分数，并且由于外部条件的变化，例如，由于温室气体浓度继续上升（STAINForth等，2007; knutti 2008）。 一些气候科学家建议在模型评估中随后进行调整的数据（例如，Randall等，2007：596; Flato等，2013：750）。 然而，Steele和Werndl（2013,2016）争辩说，在某些情况下，使用校准（即，调整）和确认数据的数据是合法的，他们用贝叶斯和频繁的方法说明的东西。 Frisch（2015）倡导他所谓的中度预测主义在这种情况下：如果调整气候模型以实现具有特定变量的数据的良好拟合，这提供了对该模型可以为该变量的其他预测提供相同性能的假设的较少支持（例如，未来的值），与在没有调整的情况下实现良好拟合的情况相比 Frisch在未经调整的情况下成功模拟的理由捍卫这一观点，使我们更有理由认为气候模型准确地代表了塑造感兴趣的变量的关键过程; 如果我们已经对后者充满信心，那么没有调整的成功模拟就没有这样的优势。 在任何情况下，要考虑到模型评估中的调整，重要的是要知道已经完成了哪种调整，此信息通常不易获得（参见第4.2节）。
进一步的并发症是，在许多情况下，在许多情况下，气候模型评估中使用的“观察”是重新分解数据集，其内容部分是基于模型的天气预报（Edwards 1999,12010; Flato等，2013：表9.3;另见上文第3.2节））。 由于天气预报模型和气候模型可以包含一些类似的理想化和简化，因此由于共同的缺陷，在某些方面可能会在某些方面具有人为膨胀的担忧。 鉴定这种拟合的这种人为膨胀可以是具有挑战性的，因为对独立观察的有限可用性，即不用于产生再分析的那些。 然而，Leuschner（2015：370）表明，关注共同假设本身可能是一个有前途的前进方式; 例如，可以通过与实验室实验结果进行比较建立关于气溶胶辐射效果的共同假设的充分性（参见Frigg等，2015B：957）。
最后，当它来评估是否充分的气候模型一些目的，特别是预测的目的，它可以很难知道什么样的适合与过去的气候条件将甚至计数作为证据的一个气候模型充分性-的用途（帕克2009）。 气候模型应该如何准确地模拟过去气候的各种特征，如果是足够的话，可以预测全球平均表面温度的未来变化，在某些特定的错误边缘内？ 这可能很难回答，不仅是因为存在多种方式来实现这种预测精度（例如，通过在贡献变量横跨贡献变量的不同方式分配错误），而且因为模型中的简化和理想化以及调谐组件可能会更好地工作一些外部条件比其他条件，例如，在最近的过去的那些，而不是在将来的情况下假设的那些（见同上）。 Katzav（2014）建议，在实践中，试图确定与过去的条件有什么样的合适，因为气候模型的充分性的证据往往依靠气候模型本身的结果，以一种质疑乞讨。
鉴于这些挑战，今天的气候模型评估通常主要关注模拟建模结果与观察的程度以及表征如何将其改进的模型改善到下一个模型 它倾向于仅达到相对较为温和的结论，关于气候模型的充分性以特定目的。 例如，最近的气候变化（IPCC）报告委员会的结论是，今天的气候模型提供了气候系统条件的“可靠的定量估计”，以支持气候变化检测，归因和投影（见第5节），其中包括这种可信度通过模型如何构建 - 即，即基本物理原则的基础 - 以及它们在广泛的指标上的基础上的基础（参见Randall等，2007; Flato等，2013;另见Knutti 2008）。 结果的可信度判断为更大的空间尺度（即，对全球或大陆尺度的量平均值）和对于较少空间异质的变量（例如，对于温度和压力而不是降水而言）的变量，但是在检测，归因和投影研究中使用的建模结果的预期准确性很少明确定量。 开始向前移动讨论，Baumberger等。 （2017）借鉴哲学和科学资源，概述一个概念框架，旨在帮助评估气候模型的充分性特别目的; 他们指出了与背景知识为相关考虑的经验准确性，鲁棒性和一致性（参见Knutti（2018：11.4），突出了“流程理解”的重要性。
最后，值得注意的是，模型评估研究的显着动力是模型改进：模型评估活动可以针对理解为什么模型的结果表现出特殊错误，希望将来改善模型。 然而，Lenhard和Winsberg（2010年）表明，这种气候模型表现的这种“分析理解”在很大程度上超出了。 他们认为气候模型的特征，包括他们的复杂性，他们的模糊模块化（参见第4.2节）及其在模型开发中应用于模型开发中的“克鲁尼奇”的融合修复，以使模型作为整体工作更好 - 通常会使它很难分配很难归咎于仿真性能差，对不同部位的气候模型; 他们争辩，气候造型，面临着各种各样的确认全文（另见Petersen 2000）。 作为经验支持，他们指出了模型交流项目的有限成功（例如，Taylor等，2012）在确定气候模型模拟中的分歧来源。 然而，在本地化误差源和气候模拟中有一些显着的成功。 例如，云流程表示的差异已被确定为气候敏感度估计（Flato等，2013：743）之间的分歧的主要来源。 同样，在气候变化预测的各个方面，越来越多的“紧急约束”的工作体位遍布（参见，例如，2007年曲和大厅和随后的工作; Frigg等，2015C）。 因此，虽然Lenhard和Winsberg肯定是难以实现对气候模型性能的分析理解，但前景似乎有多限制了一个开放的问题。
5.人为气候变化
人类可以通过发射大量二氧化碳和其他气体来改变地球气候的想法并不是一个新的气体（1998年弗莱明;佩戴2008年[2017年，其他互联网资源]）。 在十九世纪末，瑞典化学家Svante Arrhenius计算，大气中的碳酸水平（即，二氧化碳）的水平将使地球的平均表面温度升高几个摄氏度（Arrhenius 1896）。 到了二十世纪中叶，海洋人罗杰·雷尔和同事总结道：
到2000年，大气CO2的增加可能就足以产生可测量，也许是气候变化。 （在Oreskes 2007：83-84中引用）
1988年，气候科学家詹姆斯汉森着名，对美国大会来说，全球变暖已经发生。 同年，世界气象组织和联合国环境规设立了政府间气候变化（IPCC）的政府间委员会
为政策制定者提供定期评估气候变化的科学基础，其影响和未来风险以及适应和缓解的选择。 （IPCC 2013A）
借鉴国际气候科学社区的专业知识，自1990年以来，IPCC大约每五年提供评估报告。[3]
由于IPCC报告有机综合综合巨大的科学研究，因此它们将经常在下面引用。 讨论将主要关注有关物质气候系统的问题，而不是关于气候变化对社会或气候政策选择的影响; 后者，也由IPCC解决，呼吁专业知识延伸到气候科学超越气候科学（见IPCC 2014）。 5.1第5.1节讨论了涉及以下问题的检测和归因研究：以自工工业时间以来，地球气候变化的方式如何？ 人类活动有多少，特别是温室气体排放，促成了变化？ 5.2第5.2节考虑了未来气候变化的预测，特别关注关于基于模型的预测解释的辩论。 第5.3节简要概述了最近与气候变化研究的方法和结论有关的几个争议。 最后，第5.4节注意到人为气候变化问题提出的一些道德问题和挑战。
5.1检测和归因
IPCC定义了气候变化的检测为
展示气候或受气候影响的系统的过程在一些定义的统计学意义上发生了变化，而不提供这一变化的原因。 （IPCC-术语：1452）
他们暗示他们对气候变化引起的外部因素感兴趣，而不是气候系统内部的自然流程，当时补充：
如果单独导致内部可变性的可能性发生的可能性较小，则在观察中检测到鉴定的改变，例如＜10％。 （同上。）
因此，检测需要统计估计，由于内部变异性，感兴趣的数量或场景可能波动。 从乐器记录中估算这一点是挑战性的。 已经从古平衡数据中提取了一些数量的估计数量（Schurer等，2013），但如第4.3节所述，它们通常是从长GCM / ESM模拟中获得的，其中外部条件保持恒定。
在其定期评估中，IPCC对观察气候变化的检测达到了越来越强烈的结论。 IPCC的第五次评估报告得出结论认为，它“几乎是某些”（即概率＞0.99），即自1950年以来的全球平均表面温度的增加不是由于单独的内部变异（BINDOFF等人2013：885）。 也就是说，在可用的证据和专家判断的基础上，科学家评估了变暖是由于内部变异性的概率，低于1％。[4] 实际上，有人指出，即使内部变异性比模拟的估计大3倍，仍然仍然检测到变化（同上：881，引用Knutson等人。2013）。 在气候系统的许多其他方面，也没有在气候系统的许多其他方面被正式检测到变化，而不仅仅是在大气中，而且在海洋和冰冷的层中。
归属过程旨在确定观察到的气候变化的原因。 它采用基本的物理推理观察到的变化与潜在原因的预期效应以及定量研究的预期效应。 后者包括指纹研究，其中气候模型用于模拟一段时间内发生的时间，如果特定的因果因子（或因子集）正在发生变化，而其他潜在的因果因子被保持恒定; 由此产生的靶变量或场的模拟模式 - 通常是时空图案 - 是该因子的“指纹”（或因素集）。 然后科学家们执行回归风格的分析，寻找最能拟合观察的指纹的线性组合，并检查残差是否与内部变异性统计上一致（参见，例如Bindoff等，2013：Box 10.1）。 如果是这样，则可以从分析中提取考虑的不同因果因子的贡献的估计。 由于与观察数据相关的不确定性，响应模式和各种方法选择，归因研究为每个因素产生了一系列估计贡献。[5]
与检测一样，与归因相关的IPCC结论随着时间的推移而增长更强，并且已经涵盖了更多的变量和字段。 在第五次评估报告中，IPCC得出的结论是，自1950年以来的全球平均表面温度的增加超过1950年的一半以上，这是“极其可能的”（即，概率＞0.95）是由于人为温室气体排放和其他人为因子迫使（Bindoff等，2013：869）。 该结论是通过多种指纹研究的信息，以及物理推理和专家判断。 后者承包归因锻炼的关键假设（例如，没有显着的原因被忽视）和相关的作用在决定指纹研究中产生的面值概率应该被降级（例如，来自鉴于剩余的不确定性和认可这些研究的局限性，“几乎肯定”）“非常可能”。 对于各种其他变化，包括自20世纪60年代以来的20世纪70年代以来的冰川自20世纪70年代以来的全球平均海平面的增加，IPCC结束了人类影响的（即，概率＞0.66），人类影响发挥作用（同上：869-871）。
关于检测和归属的结论与临时的“不构成”，如果不构成的话，关于最近的气候变化的现实和原因的“共识”的立场。 然而，对这些事项有科学共识的程度本身就成为辩论的主题。 例如，通常报道，97％（或更多）气候科学家认为温室气体的人为排放导致全球气候变化（Cook等，2016）。 对科学文学的分析以及科学家的调查，已经进行了展示（或挑战）这一共识的存在。 这种关注共识似乎误导：重要的是，有什么证据表明科学索赔，不仅仅是一些百分比的科学家赞同它（另见Interemann 2017）。 然而，专家之间的共识可以作为科学索赔的间接证据 - 这表明科学证据有利于甚至强烈支持索赔 - 至少如果共识是“以正确的方式制作”（Odenbaugh 2012）。 从一项过程中出现的共识，这些过程可以自由地向共享偏见或Groupthink（Ranalli 2012），或者不要求被调查的人具有相关的专业知识，这可能很小。 相比之下，尽管“努力辩论和彻底审查了替代解释范围”（同上：187）之后，“尽管有关键缔约方在”彻底审查“（同上：187）可能是重要的; 由这种共识提供的间接证据可能对无法评估科学证据本身的非专家有用。 Ranalli（2012）建议，关于气候变化的现实和原因的辩论方面的缔约方通常会持有类似的看法，了解有关可靠的科学共识，但不同意气候共识符合标准的程度。
为了支持有关检测和归因的共识职位，Oreskes（2007）认为，研究符合各种科学可靠性模型：它具有强烈的归纳基地，它已经产生了非凡的正确预测，它幸免于难持续努力伪造的努力，它已经发现了一系列的证据，即所有这一气候科学家都有周围的，并且鉴于所有这一气候科学家的结论是，最近观察到的变暖的最佳解释包括一个显着的人为组分。 她还强调，增加大气浓度的二氧化碳的核心思想将使气候成为首先从基本的身体理解中出现，而不是来自气候系统的计算机模型。 在一个补充分析中，Lloyd（2010年，2010年）为归属研究提供了气候模型的辩护，并认为涉及多种气候模型的研究 - 这涉及与温室气体辐射性质的类似假设，但在其上有所不同经验支持的其他气候系统流程的陈述 - 提供了增强的支持，因为结论是温室气体（部分）对观察到的最近变暖的良好解释; 她认为这些研究说明了一种独特的模型稳健性，它包含了多种证据的考虑，并且这种稳健性是“确认的美德”（参见Vezér2016b）。 鲁棒性和各种-的证据注意事项也是突出显示的帕克（2010），在一个不同的方式; 鉴于正规研究，例如指纹研究，往往依赖有争议或虚假的假设，她们认为他们对证明检测和归因索赔非常重要。 Winsberg（2018年：Ch.11＆12）批判性地审查和综合了最近的大部分工作，在气候科学中的鲁棒性上，借鉴了鲁棒性分析的稳健性分析作为解释性推理。
然而，Katzav（2013B）考虑了另一种关于证据 - 梅奥（1996年）严重检测框架的视角 - 并认为自1950年以来全球平均表面温度的一半以上的一半以来归因于人为强迫尚未通过即使在有关众多证据考虑因素的情况下，在梅奥的感觉中严重测试; 从严重的测试角度来看，他争辩，我们仍然缺乏良好的证据。 他建议一些较弱的归因索赔 - 例如，人类迫使人为迫使在1950年级的变暖中有一些作用 - 可能是梅奥苛刻的感觉有良好的证据。
5.2投射未来的气候变化
气候科学家还寻求了解未来的气候会如何发生变化，如果温室气体排放和其他人为强迫因素是以特定的方式演变。 这些信息对政策制定者来说可能是重大兴趣，他们可能会选择实施推向一些未来情景，远离他人的政策，以及许多其他决策者（例如，保险公司决定提供哪些政策）。 气候模型已成为制定未来条件的预测的重要工具。 对于一个特定的场景，通常使用不同的气候模型或型号版本进行投影的集合; 这是出于中的一部分的不确定性有关如何构建一个气候模型，可以提供高度准确的预测（帕克2006;贝迪2009）。 这种不确定性反过来源于对气候系统中操作的一些过程的有限理论理解以及有限的计算能力，这会计解如何在模型中实现现有知识（参见第4.2节中参数化的讨论）。
不同类型的集合研究探讨了不同不确定性在建模中的后果。 多模型集合（MME）研究探讨结构不确定性，这是对建模方程所采取的形式的不确定性以及应该如何解决这些方程。 MME研究的一个例子是耦合型号的Intercomparison项目版本5（CMIP5），其使用在世界各地的不同型号中心开发的几十个气候模型产生了预测（参见Flato等，2013：表9.1）。 扰动 - 物理集合（PPE）由同一气候模型的多个版本组成，其中版本在分配给模型中的一个或多个参数的数值中不同。 采用PPE的研究的例子包括ClimatePrictiction.NET项目（Stainforth等，2005）和英国气候预测（UKCP09）项目（Murphy等，2009）。 PPES探针参数不确定性，即关于应分配给给定模型结构中的参数的数值的不确定性。 在初始条件集合（ICE）中，相同的型号或型号版本被分配了不同的初始条件。 ICES可以探测初始条件不确定度，这是对应启动模拟的初始模型状态的不确定性，并且它们通常与其他两种类型的合并组合使用（参见WERNDL即将到来进一步讨论）。
谈到解释集合投影时，出现了一系列视图和方法。 在频谱的一端，有统计方法用于从集合结果推断出概率（最新的气候变化）。 例如，一些MME研究已经采用了“真实加上误差”框架的基础：通过将集成成员视为随机绘制的概率从真相为中心的可能模型的分布（例如，Tebaldi等，2005）来估计。 然而，今天的MME的表现暗示他们没有以真理为中心（KNUTTI等人。2010A）。 替代的“统计 - 无法区分”框架允许通过假设集合成员和真相（即，对未来条件的完美观察）来估计概率。 检查过去的数据，Annan和Hargreaves（2010）找到此假设以大致占据一个显着的MME（CMIP3合奏），至少用于一些变量。 然而，主教和阿布拉莫特茨（2013年）认为，如果假设无法区分准确，那么今天的MME的结果缺乏一些应出现的统计特性。 他们提出了一种替代的“复制 - 地球”框架，其涉及后处理MME投影，使得它们显示那些所需的统计特性; 然而，主教和Abramowitz似乎并没有坚持，后期分布被认为是概率分布。 也开发了贝叶斯方法。 例如，UKCP09项目使用贝叶斯PPE方法，以2100为英国的良好时滞分辨率产生概率的气候变化预测（Murphy等人2009）。 该方法处理的参数不确定度为哪种模型是在给定的模型类中的最佳（在给定的性能度量）中，并试图在MME（Rougier 2007; Sexton的结果的帮助下最佳模型和完美模型之间的差异。等等。2012）。
