- 发帖可能变空内容，邪门暂不知所以然
- 『稷下学宫』新认证方式，24年网站打算和努力目标
主题：【读书笔记】IPCC究竟讲了什么？23 气候模型 -- 橡树村
前面讲了一些具体的气候所发生的变化，以及以辐射强迫形式出现的可能导致气候变化的种种因素，现在开始看看这些气候的变化，究竟可能是什么原因造成的，不同的因素贡献能有多少。气候变化与天气变化不同，气候变化指的是可以通过统计等方法来确定的，某种气候现象的平均值或者变化幅度在一个较长时期范围内的变化情况。这个时期，一般不是指的几天几周几个月，甚至也不是说的一两年，而是十年数十年甚至更长的时间。不能仅仅使用几天几周甚至一两年的变化趋势就来对气候变化大趋势做出判断。短时间的变化的确会对长时间的趋势产生影响，但是单纯凭借几天几周甚至一两年的变化就否定一个长时间观察到的变化趋势是非常轻率的。更不能仅使用某个局部地区的变化来否定全球范围内观测到的整体变化，虽然全球的气候变化是由一个个的局部地区的变化组成的，但是毕竟需要把所有地方综合考虑才是全球的综合结果。如果有人因为某个地区的某个短时间的现象来否定、质疑一个长期观察的结果，这样的论断尽可以忽略的。
尽管2009底2010年初在北半球的一些地方出现了罕见的寒冬，但是全球平均下来，这个季节却没有表现出变冷的趋势。上图是一个卫星测量的1979年以来各个月份全球平均的地表气温异常情况，纵坐标零点是1979到1998年的异常平均值。这里面可以看出，2010年1月实际上是卫星进行全球表面温度测量以来最暖的一个一月份，高出1979到1998年一月份的平均温度的0.72摄氏度。很可能大气环流的异常造成了冷空气在部分地区过于集中造成局部地区罕见的寒冬，但是另外有一些地区比同期却要炎热不少。
（注：此图与AR4无关）
气候变化不仅仅各地不同，不同的气候现象，对于外部因素的响应速度也是不同的。大气对于气候的响应最快。能够观察到的大气的气候变化，比如气温的升降、水的蒸腾，降水过程等等一般只需要一天或者数天时间的外部影响就可以产生变化，不过在全球范围内，整个地球大气，特别是南北半球的大气交换还是需要数年时间，对流层大气与平流层大气的交换也往往需要长达数年之久。海洋和冰盖对外部因素的响应就要慢得多了，往往需要数年数十年时间，这样，这些因素反映的往往是一段历史时期的综合结果，很难对一个短期变化作出迅速的反应。另一方面，由于这些气候现象的变化缓慢，其也会对变化迅速的大气产生一定影响，或者叫反馈。所以要判断气候变化的原因，在判断哪一个外因是主要因素之前，首先就需要把这个内部因素分离出来，这就增加了对整个系统进行分析的复杂性。
复杂的气候系统
目前研究者对气候变化进行归因研究主要依赖的工具就是模式（IPCC的正式中文翻译中使用了模式这个词），或者叫模型。这些气候模型实际上是气候系统的数学表达。气候系统非常复杂，考虑的因素众多，不仅仅地球上不同的地域有着完全不同的气候表现，不同的气候现象之间也有相互影响，所以要比较准确地研究气候问题，就很难使用简单直观的方式来演示，所以选用了模型的方法。由于是数学表达，这些模型就可以通过计算机进行计算，对模型进行优化，对过去和现在的气候现象进行分析，并根据模型对未来的气候变化趋势作出预测。当然，既然是用令人看起来不好把握的模型，模型的可信度就是一个需要解决的问题。AR4认为这些气候模型的可信度是相当高的，说起来有三点原因。
气候模型的演变
可以看到从1970年代气候模型提出以来，其复杂性逐渐增加，考虑的因素越来越多
一个就是这些模型建立的基础。模型都是建立在基本的物理定律之上的，比如质量守恒定律，能量守恒定律等等已经在所研究的条件下经过了时间考验的基本定律。不同的气候现象，可以使用不同的物理原理来进行表达，所考虑的气候现象越多，那么对于气候的代表性就越好，得到的结果也就更加可靠。不过人们对于很多气候现象的理解仍然有限，还不了解很多过程精确的物理模型；气候系统本身也非常庞大，影响了完全精确的物理模型的直接应用，所以模型里面也包括了很多的物理近似，以及通过数学离散的方法对大体系进行的估计。或者说，对于大量的不确定的体系，模型往往使用简化了的物理模型，引入参数来对气候进行描述。很显然这就不是完全的理论推导了，这些参数的选取会直接影响到模型的可靠程度。这些参数有一些是可以直接或者间接测量的，有的数据会比较准确，有的只能测量到一个变化范围，也有一些参数还无法测量。无论如何，在模型的建立过程中，调整这些参数，使得模型可以更好地代表气候系统就是非常重要的工作。调整参数是有一些指导原则的，比如对于参数的变化范围、参数的自由度等等都有一些做法，确保参数本身的合理性。调整参数是建立模型过程中一个很重要的工作，往往需要使用某一个特定的气候现象对参数进行调整，得出可以最好地描述这个特定气候现象的一套参数。需要指出的是，如果使用了某组观测的数据来对模型的参数进行调整，那么就不能再使用这组观测数据来说明这个模型的可靠程度了。
一个对工业化之前海水浅层温度以及100米深洋流长期平均值的模拟
地球的表面是非常复杂的，各个区域都有自己的地理特点，所以各个区域的不同也是需要考虑的问题。在实践上，各个不同区域的地理特征都是模型的一部分，而现代的模型已经可以对各个不同的区域进行模拟，然后再考虑邻近区域之间的互相影响，最终得到可以代表全球范围的气候特征。当然这个分辨率越高越好，所代表的地理信息就越详细，不过分辨率提高也就意味着对数据的要求增加，同时计算量的增加也是惊人的。AR4的时候有一些模型已经可以精确到几个经纬度。随着人们对于气候过程的理解越来越充分，对于各个局部地区的数据越来越多，纳入气候模型的气候过程就越来越多，所研究的各个区域的面积也越来越小，对地球表面的地理信息的表述也就越来越准确，这样，模型的可信程度也就在逐渐增加。当然这是一个渐进的过程。从气候问题忽然成了国际热点以后，相关研究的进步还是很快的。另外需要指出的是，气候系统与天气系统虽然有关，但是模型还是有很大区别的。气候模型本身并不需要跟踪和预报单个天气系统的细节，所以对于初始条件的要求并不像气象系统那么高，对于初始条件的变化也不会像气象模型那样能够对气候模型的模拟带来很大影响，这是天气模型与气候模型的一个重要区别。对于气候模型而言，辐射强迫的重要性更加明显。
上图，观察到的地球表面年平均温度（温度等高线）与多个模型的平均偏差（以颜色表示）
下图，典型的模型的标准方差
第二个原因就是这些模型对当前气候进行模拟的能力。对模型的能力进行评估的一个重要方法就是把模型的模拟结果与大气、海洋、冰雪、地表等等的观测结果进行对比。目前有多个模型对气候进行研究，国际上为了协调不同的研究，有专门的协调机构对模型本身进行检查，收集发布在共同条件下开展的模型试验的模拟结果，对模型进行全面公开的评价。通过这些相互对比，对模型的评估水平提高很快，应该可以说出现重大错误的可能性越来越小。在AR4的时候，模型在很多重要的平均气候特征方面，比如大气温度、降水、辐射和风的大尺度分布，以及海洋温度、海流和海冰覆盖的大尺度分布，都有了很多进步。模型还对许多跨越不同时间尺度观测到的气候变异分布形态的重要方面进行了模拟。比如模拟过重要季风系统的前进与后退，温度的季节性偏移，风暴的路径和雨带，温带地面气压的半球尺度起伏变化等等，结果都还不错。模型的预测能力也是非常重要的评价指标。不过由于气候模型所预测的现象周期长，并且最近数十年的辐射强迫变化在历史上是没有的，所以监测预测能力的手段较少，不能像天气系统那样可以进行经常性的检验。不过模型的预测能力还是得到了初步的检验，使用模型对几天时间到季节的气候变化进行预测，展示了几个气候模型的初值预测能力，能够在较短时间尺度上表述大气环流的重要特征以及季节和年际变异的各个方面。这种能力提高了模型的可信程度，说明这些模式可以代表气候系统中的一些关键的物理过程，增强了人们对于模型的信心。还是要提醒注意的是，对于气候模型的预测与天气模型的预测要求是不同的，气候模型对于预报几天以上的天气的能力存在局限性，但是这个局限性与其预测长期气候变化的能力是无关的。
年均降水情况。上图为观测值，下图为模拟结果
第三个原因就是模型对于过去气候和气候变化特征的再现能力。使用模型来模拟古气候取得了一些进展。对于6000年前的全新世中期温暖气候的模拟，对于21000年前的末次冰盛期的模拟，模型都可以再现许多重要的气候特征，比如上一个冰期中海洋变冷的大小和主要尺度分布形态。古气候毕竟数据稀少，人们了解有限，精确模拟是不可能的。模型的再现能力的真正考验还是对仪器测量时代气候变化的模拟。这方面，一个最重要的实例就是对过去一个世纪时间内的全球温度趋势的模拟，如下图所示。这个模拟中既包括了自然因素对气候的影响，也包括了人为因素对气候的影响。这个再现水平还是不错的。对于数据更加充分的1980年代以后气候的模拟，模型的再现能力也禁住了考验，一些观测到的变化，比如夜晚温度上升幅度高于白天的气温上升幅度，比如北极变暖程度较大，比如在重要火山喷发之后的小规模、短时间的全球变冷以及随后的恢复，都可以在模型中得到体现。此外，本文开始的时候提到过，模型作出的对过去二十年全球温度的预估在总体上与其后对该时期进行的观测基本一致。
对20世纪全球平均气温的模拟与实测值的比较
黑线为实测值，粗红线为多个模型平均结果，细黄线为各个单独模型的模拟结果
当然这些模型还有很多问题。一般来讲，建立在全球基础上的模型，对于小尺度的模拟，误差比较大。在大尺度范围内，大部分的模拟结果还算不错，但是重大的大尺度问题仍然存在。比如在模拟热带降水，模拟厄尔尼诺南方涛动ENSO，在模拟一个叫做Madden-Julian震荡的30-90天尺度上观测到的热带风和降雨的变化的大尺度问题上，模型还有很大问题。造成这些误差的原因，主要是许多重要的小尺度过程还不能够在模型中被显著地表达，当这些小尺度过程与大尺度过程相互作用的时候，还只能使用近似表达，这样就影响了模型的精确程度。这方面的部分原因来自于对相关科学过程的认知水平不足，部分原因源于对某些物理过程进行观测的局限性，还有一部分原因源于计算能力的限制。模型里面最大的不确定性来自于对云的表述，以及云对气候变化的响应。云本身是一个非常重要的辐射反馈，对云的模拟带来的不确定性对整个体系的影响很大。实际上，不同的模型之间得到结果的区别，很大程度上来源于对云的模拟的不同。这方面，一些模型已经取得了一些进步，改进了对于极端事件的模拟，但是对于云和降水的模拟总的来说还是一个大难题。模拟还包括海洋水体结构、径向翻转环流，海洋能量输送等等，这方面，北半球的结果略好一些，南半球的模拟情况较差，不同模型之间的差距不小，这样，对于海洋热吸收的模拟就会带来不确定性。已经有对一些气候变率模式，如NAM，PNA，PDO等大气海洋变率进行模拟，有一些模型可以模拟ENSO的重要方面，但是问题还是不少，而对于大气季节内震荡的模拟也还很不理想。总的来说气候模型取得了不少进步，但是仍然存在很多问题。
对1980-1999年海冰分布的模拟。上图为北半球，下图为南半球，左边为三月份，右边为九月份。红线为实际观测值，色带为预测到该范围的模型的数量
综上所述，AR4认为，气候模型提供的有关未来气候的变化，特别是大陆及其以上尺度的气候变化的可靠量化估算已经具有相当高的可信度，已经成为一个模拟和了解气候的极为重要的工具，特别在较大尺度的问题上，已经可以提供可靠的和量化的对未来气候变化的估算。另外值得一提的是，在气候模型发展的几十年里面，这些模型始终可以提供一个因为温室气体增加而引起的气候显著变暖的清晰图像。
IPCC数次报告对全球平均气温的预测，可以看到气候模型在全球平均气温方面的预测能力
黑色为实际观测值，浅蓝色为1990年发布的第一次预测，褐色为1995年发布的第二次预测，绿色为2001年发布的第三次预测
橡树村:【读书笔记】IPCC究竟讲了什么？24 归因方法和不确定
本帖一共被 4 帖 引用 (帖内工具实现)
非认证会员，回复需要确认。要抢不着，村长能不能给个马扎坐坐。
忘了说，谢村长的宝。
另外，模型的可信度与模型的复杂度并不具有直接的关系，并不是越复杂的模型结果就越准确。因为模型的复杂度，本身就增加了计算算法的复杂度，算法的收敛性很多时候会由于模型复杂度的增加而降低，而且模型复杂度的增加导致更多的待定参数需要标定，更有可能的是这些参数耦合效应很明显，这就潜在增加了模型预测结果的不稳定性。
看那张模型预测与实际数据比较图，发现以1960年为界，1960年以后两个结果一致性很好，但是对于1960年以前的数据，模型预测趋势线的斜度比实际要低一些，我非常怀疑人们是在使用1960年以后的数据对这些模型参数进行“标定”（所谓的通过调整参数），如果是这样的话，那就有问题了。因为通过调整参数，人们基本上能得到任何想要的结果，于是1960年以后的模型的模拟结果看起来很漂亮，但是使用模型对1960年以前的情况进行“预测”的时候，结果就不那么漂亮了。
不知道，有没有人使用1960年以前的数据标定参数，然后用这些参数对1960年以后的情况进行预测，结果还是那么的“一致”么？
说实话，对于这么复杂的问题，计算模型与实际数据（1960年以后）竟然能够如此接近，我非常怀疑大家是在玩“调整参数的游戏”。
看了所有村长写的笔记，我目前的观点是：
使用目前的气候模型能够对相对大的时间尺度范围内对全球气候变化进行定性地预测，但是试图使用其得出任何比较让人信服的定量化的结论还为时尚早。
我不怀疑近50年观察到的全球变暖的整体趋势，这有大量的观测数据作为依据。但我怀疑以下这个根据模型预测得出的结论：二氧化碳是导致全球变暖的主要因素，如果不加以控制，会导致到2100年全球平均气温比现在上升2度。这个结论有点草率。
本帖一共被 1 帖 引用 (帖内工具实现)
说实话，模型我自己不做，基本不懂，看了文献也没用。所以只能是IPCC报告里面有什么就写什么。究竟参数是怎么调整的，我没概念，需要去翻文献了，看看河里面相关专业人士能不能提供解释。IPCC报告中提到了一个原则，就是不能用自己来验证自己。就是确定参数的时候所使用的气候现象，不能用于检验这个模型的可靠程度。具体如何实现的，就不知道了。另外不同的模型有不同的调整参数的方法，使用不同的体系，不过最终得到的结果还是有相似性的。后面讲到具体气候现象的归因的时候会多介绍几个模拟结果。
提到的复杂性与可靠程度的问题，是在局域化的地方。模型所研究的格子越来越小，从十个纬度经度五个纬度经度发展到两个纬度经度等等，所讲的复杂性指的是这个变化，并不是模型本身结构的复杂程度。当然这样的复杂性同样会带来无法拟和的问题，但是的确随着分辨率的提高，模拟结果改进还是不小的。
另外一个复杂性是所包含的气候状态越来越多。一些原来没有考虑到的影响气候的因素逐渐被纳入，模型本身就会越来越复杂。这方面的复杂性的增加，应该对可靠程度有贡献，不过的确也会增加系统的不确定性。
1960年代以后的模拟结果也并不都是好的，下面是下一节会用到的一个图，是模拟的各个大陆的气温变化。可以看到1960年代以后也有模拟得并不令人满意的地方。
另外很有趣这些模型的综合结果与实际测量非常接近，但是如果观察单个的模型，差异还是不小的。这种使用多个模型的结果进行平均的方法，我还不清楚可靠性如何。这种做法IPCC报告中很多见。
你说的这个不是物理模型的“复杂度”，而是计算模型的广义几何域网格密度，这个基本是与计算算法收敛性有关，一般来说，随着网格密度增加，通过同样的物理模型给出的计算结果会趋于同一值，这个值就可以作为这个物理模型给出的数值解。
人们先建立物理模型（各种方程），然后将物理模型（特别是几何域）离散化，发展出相应的计算模型，通过计算可以得到相应物理模型的数值解。基本上物理模型决定了预测的结果，数值算法保证人们能得到“收敛的”数值解。
在气候模型里面，网格的细化会导致初始数值的变化。增加网格密度之后，原本“平滑”的地理数据就会变得有波动，这样就增加了变化，引入这些更加具体的地形、水文数据之后，小网格所得到的一些气候现象就会与大网格不同，最终对结果产生影响。
气候模型的部分在IPCC第八章。因为技术摘要里面没提，我不打算深入写了。现在写的部分是根据摘要和常见问题解答的内容写的。完整的内容在这里，外链出处
但是我知道,一定有很多是我其实没弄明白的.因为这跟数学"模型"有关了.
报告中相关错误的介绍，不知道村长看过没有。IPCC errors: facts and spin
这完全是初级错误，要是犯这么初级的错误，都估计都不用混了……
除了模式以外，其它的很多方法都会使用以往的数据做“标定”，但是如果要校验性能的话，绝不能使用那些做“标定”的数据的。
有不少对批评的回应。回复也很热闹。
多谢。
使用1960年以前的数据标定参数，然后将预测结果与1960年以后的数据进行比较，与你这里说的“绝不能使用那些做标定的数据”有什么矛盾之处么？为什么你说是“低级错误”呢？
如果是很简单的方法（只有几个参数的那种）的话，你这么怀疑是完全没有理由的。如果是非常复杂的模式的话，由于考虑的物理过程非常之多，要调整的参数也是非常多的，不太可能通过简单的调整去标定。
One thing cited often nowadays is that given regional differences, that 2 degree warming would mean 3 degree for Africa--it is claimed cited out of IPCC.
I know the poles and large land masses tend to warm more than the global average. But don't know much details about it in IPCC.
Would you please brief us about what does IPCC say about this issue: what are the regional difference in comparison with the global average? Based on both historical data and model projection.
Also, how does China fare in comparison to global average?
Thanks in advance.
还要一些时间才能讲到。
看图吧，比较直接，下面是三个不同前提的预测结果：
几个大洲的比较
世界平均的预测
应该说非洲还是基本上接近世界平均的温升甚至很多地区是略低的。大幅度温升更多地体现在高纬度地区。中国可能在世界平均或者略高的样子。个人感觉说非洲温升幅度更高的说法可能有问题，你的理解是正确的。
20世纪的温升情况，前面讲过一些，在第三章。可以见下面这个图：
中国不同地区的表现还是不同的，另外整个20世纪与20世纪最后30年的表现也有不同。整个20世纪中国的整体温升幅度不大，不过在20世纪最后30年，幅度可能略高于世界平均，不过地区差异仍然明显。
希望有帮助。
无疑气候模型是很复杂的，这就是我怀疑之所在，系统的参数非常多，这样是很容易通过调整参数来得到任何想要的模拟结果的。气候模型中涉及到的种种物理机制，很多都是耦合在一起的，因此设计单独的实验标定参数几乎不可能，这也是为什么图中给出了那么多的模型计算结果，这明显是在合理区间内变换参数得到的，那么另外的问题就是如何对结果平均化的问题。
让我非常“疑惑”的是在这么多不确定因素的情况下，为什么这个平均化的结果竟然会与实测数据如此接近？不“调整”是不可能的。
OK,即便因为气候模型太复杂，没有别的更好办法，那么你在下结论的时候就不应该说对这个模型的定量化预测结果很有把握。
这样空对空谈论无意，等我有时间仔细看过IPCC报告关于气候模型的细节再讨论。