地球温暖化的真相是什么？“气候模型是错误的”的真正含义——科学家指出精密化竞争的极限

地球温暖化的真相是什么？“气候模型是错误的”的真正含义——科学家指出精密化竞争的极限

“对模型的反叛”这一刺激性词汇

“研究者对气候模型的反叛”。这样的刺激性标题并不意味着人为全球变暖的科学共识崩溃。相反，它是关于理解全球变暖的长期使用的计算机模拟在何种目的、何种精度下使用的科学内部方法论争。

气候模型基于物理法则计算大气和海洋流动、辐射、云、海冰、植被、碳循环等。世界各地的研究机构开发的模型群再现了过去的气候，并比较了温室气体增加和未增加的情况，成为考虑未来风险的基础。

然而，地球并不是实验室的装置。无法准备两个相同的地球来改变条件，也无法等待2100年的观测结果来评估预测方法。模型不是现实的复制品，而是从复杂的地球中通过数学公式和假设截取的工具。这一显而易见的事实在政策场合和新闻标题中往往不易显现。


问题的核心是“更细致是否意味着更准确”

理解此次争论的关键之一是2026年7月发表在PLOS Climate上的法国国家气象研究中心的埃尔韦·杜维尔的论文。作为IPCC第六次评估报告第一工作组的总编写者，他论述了所有气候模型都不能完全与现实一致，但如果正确限定目的则极为有用。

特别提出质疑的是细化网格，以1公里规模表现地球的超高分辨率模型的竞争。分辨率提高后，传统上平均化处理的积云和海洋涡流等可能更直接地表现出来。对于希望了解局部暴雨或沿海变化的地方政府来说，细致的地理信息具有吸引力。

然而，“细致”并不自动意味着“准确”。如果云和辐射的相互作用、土壤和森林的碳吸收、海洋的长期变化等机制存在误差，仅细化网格也无法消除不确定性。高分辨率化需要庞大的计算资源，集中于一次精密计算会使改变初始条件和参数的多次试验变得困难。

杜维尔的估算表明，从当前一代转向公里级模型所需的计算资源，包括缩短时间步长的负担，典型情况下可能达到约1000倍。这里的问题不是超级计算机的性能本身，而是有限资源是用于“一张超精密的未来图”，还是用于比较“粗糙度不同的众多未来”的优先顺序。


不是一个未来，而是“未来的集合”

气候的未来大致有三种不确定性。

第一种是未来温室气体排放量的社会经济情景的不确定性。能源政策、技术创新、人口、战争、经济、国际合作无法仅通过物理法则预测。IPCC的情景不是“预言”，而是设定条件下的比较材料。

第二种是如何表现云、气溶胶、海洋、碳循环等的模型不确定性。不同研究机构的模型基于共同的物理法则，但细微过程的表现和调整方法不同。因此，即使是相同的排放情景，结果也会有所不同。

第三种是气候系统自身的自然变动。海洋和大气以混沌方式变动，仅改变初始条件就可能导致特定地区几十年规模的降雨和气温变化看起来不同。即使全球平均的长期变暖趋势相同，某些地区可能暂时趋势减弱，而另一些地区则可能增强。

因此，研究者不是只运行一个模型一次，而是使用初始条件稍有不同的大规模集合。杜维尔指出，根据目的，有时5次试验足够，而有时需要超过100次试验。比起精细的一次影像，包含波动的众多结果更有助于洪水对策、农业、水资源、城市规划的判断。


“气候敏感度”不是一个确定值

围绕气候模型的讨论中，经常出现“二氧化碳增加一倍时，最终地球平均气温上升多少度”的平衡气候敏感度。IPCC第六次评估报告将最佳估计值评为3度，高可能性范围为2.5～4度，非常高可能性范围为2～5度。

看到这个范围就认为“科学什么都不知道”是错误的。二氧化碳捕获热量，人类活动是近年变暖的主要原因，与包括云反馈在内的最终温度响应有幅度是可以共存的。

此外，平衡气候敏感度并不是“到2100年必定上升3度”的预报。它是指固定二氧化碳浓度增加一倍，等待包括海洋在内的气候系统长期平衡时的响应。现实中本世纪的气温还受排放量、二氧化碳以外的温室气体、大气污染物、自然变动等影响。


承认局限不是宣告失败

气候模型中存在的错误和调整也容易使争论过热。2025年公布的关于ICON模型开发者的研究调查了如何在超过100万行的巨大代码中发现、修正和传达错误。开发者不是判断模型没有任何错误，而是从实用上判断是否足以回答特定问题。

这与飞机设计或药物效果判定不同意义上，并不是科学的弱点。明确模型的适用范围，验证结果是否符合目的，是模型科学的基本态度。危险的是，用户在不知条件的情况下，将细致的区域预测视为确定的未来。

另一方面，过去的模型整体上并非无力。比较1970年代以来公布的地球平均气温预测与后来的观测的研究表明，考虑到实际的辐射强迫差异，许多模型一致地捕捉到了随后的变暖。模型不是指定日期和地点预测未来天气的水晶球，但作为考虑温室气体增加对全球平均长期响应的工具具有实绩。

因此，此次批评并不是“因为模型偏离所以不需要温暖化对策”的说法。相反，它是对将不完整的模型推销为完整地球复制品，并将政策判断责任交给计算结果的警告。


为何研究者将“同事的沉默”视为问题

模型开发成为巨大的国际项目，与研究经费、计算机资源、国家间技术竞争、气候服务市场相结合。更高分辨率和华丽的可视化更容易解释研究计划的吸引力。相反，“即使精密化也存在不消失的不确定性”“根据用途，运行多个现有模型更有效”的解释则显得平淡。

此外，在围绕气候变化的政治对立强烈的环境中，公开谈论模型的弱点可能被用于否定温暖化。因此，如果科学家犹豫不决地进行正当的内部批评，当外部发现问题时，反而可能损害对科学的信任。

不隐藏不确定性进行讨论，并不是削弱科学共识的行为。区分“什么是相当确定的，什么仍有幅度，在哪些用途上信赖度降低”才是信任的条件。


社交媒体上看到的三种反应

公开的社交媒体帖子和文章分享的反应并不是民意调查，不显示反应的总体量或比例。在此前提下，讨论大致分为三个方向。

第一种反应是将“模型是错误的”解读为对迄今为止温暖化预测整体的否定。对基于不确定计算推进高额脱碳政策的质疑也在此重合。这种担忧作为政策成本的讨论是重要的，但将模型的局部和长期限制以及显示人为温暖化的观测和物理法则一并否定是跳跃性的。

第二种反应是欢迎批评作为科学健康的自我修正。认为比起装作精确，公开条件和误差幅度，结合多样的模型和观测更好。在介绍论文的研究相关者的帖子中，也提出了模型可能低估近期变化的情况，以及物理过程和调整的关系应更透明的问题。

第三种反应是不确定性不是“不采取行动的理由”，而是“假设偏差并准备的理由”。在堤坝、排水、中暑对策、农业品种、水源管理等投资中，不仅需要单一的中心预测，还需要包括偏差到不利一侧的稳健选择。这与保险相同，不能因为无法准确预言事故的日期而认为保险无意义。

在社交媒体上，专业的“预测”“投影”“情景”“集合”的区别容易被压缩为一个“命中/偏离”。如果只分享刺激性的标题，可能与研究者的主张相反，模型批评成为否定科学的材料。


日本需要的不是“分辨率”，而是使用方法的设计

在台风、暴雨、酷暑、大雪、干旱等地区差异大的灾害中，日本对细致气候信息的需求很高。地方政府和企业必须在具体的地区单位上判断工厂和数据中心的选址、河流整治、农作物、电力需求。

然而，认为地图越细致，准确度越高是危险的。即使显示以数公里为单位的色块，也不一定能以相同精度了解几十年后特定地点的降水量。信息提供方需要显示不仅是平均值，还包括模型间的幅度、自然变动、情景依赖性、数据的局限性。使用者也应选择在多个条件下损失较小的计划，而不是优化单一数值。

维护日本的观测网也变得重要。杜维尔指出，对于下一次IPCC评估，现有地球系统模型的局限性以上，缺乏连续管理的观测数据可能成为障碍。卫星、海洋浮标、气象雷达、地面观测、河流和积雪数据是评估、改进和连接现实的基础。


正确的问题不是“是否相信”

是否相信气候模型——这个二选一的问题过于粗糙。应该问的是，该模型为何而作，在何种时间和空间尺度上经过验证，设定了哪些假设，无法表现什么，如何显示结果的幅度。

全球平均的长期变暖、地区几十年后的降水、明年的台风活动、特定堤坝所需的高度是不同的问题。无法用相同的模型、相同的分辨率、相同的信赖度回答。

气候科学的成熟可能不是最终完成一个完整的地球复制品。测量不完整性，比较不同模型，通过观测约束，即使偏离也能连接到不易破坏的决策。现在要求这种方向转变的声音，以“研究者的反叛”形式浮现。

承认模型的局限性会让科学看起来较弱。但实际上恰恰相反。展示不明之处，解释即便如此可以判断什么。这样的态度才是科学在围绕气候的政治噪音中恢复信任的最可靠途径。


出处URL

相关文章