玻尔百科当破纪录的热浪、洪水或干旱发生时，人们不可避免地会问：“这是气候变化引起的吗？”很长一段时间里，答案总是一种令人沮丧的模棱两可，只是将长期趋势与事件频率的增加联系起来，却未能将具体单个事件与气候变化直接挂钩。如今，气候事件归因科学为这个问题提供了严谨的定量回答。它使我们能够超越相关性，建立起人类活动与日益塑造我们世界的极端天气之间的因果联系。本文将揭开这一强大科学领域的神秘面纱。
以下章节将引导您探索这一科学前沿。首先，在“原理与机制”一章中，我们将探讨归因的核心逻辑，深入研究虚拟“反事实”世界的创建，以及用以确定气候变化如何“为天气骰子灌铅”的统计工具。然后，在“应用与跨学科联系”一章中，我们将看到这些知识如何应用于实践，揭示其在公共卫生、水文学和城市规划等不同领域中的关键作用，最终为在一个日益变暖的世界中采取行动提供理性依据。
要理解我们如何将一个特定的天气事件归因于不断变化的气候，我们必须踏上一段有点像科幻小说的旅程。我们需要将我们今天的世界与另一个世界——一个本可能存在的世界——进行比较。这种简单而深刻的比较，正是气候事件归因的核心所在。
想象一场破纪录的热浪。每个人心里都在问：“这是气候变化引起的吗？”要回答这个问题，我们不能孤立地看待这场热浪。我们需要一个对照组，一个比较的基准。但是，我们去哪里找到第二个地球，一个没有经历过工业革命的地球呢？
既然我们无法穿越时空或找到一个平行宇宙，科学家们就自己建造一个。利用物理学定律——动量、质量和能量守恒——并模拟从地球自转到阳光与云层相互作用的万事万物，科学家们构建了极其复杂的计算机模拟，称为地球系统模型（ESMs）。它们不仅仅是天气预报工具，更是我们整个地球的虚拟实验室。
通过这些模型，我们可以创建两组截然不同的实验。第一组是事实世界，也就是我们所处的世界。模型运行时包含了所有已知的气候驱动因素，既有自然的（如太阳输出的变化和火山喷发），也有人为的（如观测到的温室气体、气溶胶的增加和土地利用的变化）。
第二组是反事实世界：一个如果人类工业活动从未显著改变大气层便可能存在的世界。为了模拟这个世界，科学家们运行完全相同的气候模型，但他们“关闭”了人类的影响，通常是将温室气体浓度设置回工业化前（约1850年）的水平。
然而，这个过程充满了科学家必须小心应对的微妙陷阱。例如，一些较简单的归因方法使用仅包含大气的模型，这时必须输入海洋的温度。如果他们在反事实世界中使用了今天观测到的海面温度，他们就会无意中“污染”实验，因为今天的海洋已经被气候变化所加热。这就像在测试新汽车引擎的效果时，却忘了燃料已经被强化过。为了解决这个问题，一种更稳健的方法是使用一个海气完全耦合的模型，让海洋和大气共同演变；或者通过减去估计的变暖信号，煞费苦心地创建出反事实的海洋温度。 这种对一个貌似可信的“假如”世界的精心构建，是所有归因论断得以建立的基础步骤。
现在我们有了两个世界——一个事实世界，一个反事实世界——我们到底要比较什么呢？气候系统本质上是混沌的。“蝴蝶效应”这个著名的理论告诉我们，一个微小到无法察觉的条件变化，可能在几周后导致完全不同的天气结果。因此，用简单的“是或否”来追问气候变化是否导致了某个单一事件，在科学上是毫无意义的。一次热浪仅仅是“天气骰子”的一次投掷结果。
一个更有力、更有意义的问题是：“气候变化如何给骰子灌了铅？”换句话说，人类影响如何改变了这类事件发生的概率？
为了回答这个问题，我们不能只将每个模型（事实和反事实）各运行一次。那样每个世界只会得到一个可能的天气情景。相反，科学家们为每个世界运行一个大型集合预报（ensemble）。他们将模型运行几十次，甚至几百次，每次都从有极微小差异的初始条件开始。这一系列的运行结果为我们提供了每个世界中气候的丰富统计图景，使我们能够简单地计算出某种强度的热浪发生的频率。
根据这些计数，我们可以计算出一些强有力的指标。最直观的是风险比（）。如果一场热浪在反事实世界中每年发生的概率是1%（），但在今天的事实世界中发生的概率是10%（），那么风险比就是 。然后我们就可以说：“由于气候变化，这场热浪发生的可能性增加了10倍。”另一个相关的指标是可归因风险分数（FAR），其公式为 。在这个例子中，FAR将是0.9，这意味着我们可以将该事件当前发生可能性的90%归因于人类影响。
这种概率性方法与研究长期趋势有着根本的不同。分析趋势就像是测量几十年来缓慢而无情的海平面上升。而事件归因则像是站在岸边，询问为什么一个特定的浪花比周围的浪花拍得更高，以及上涨的潮水对其所及范围贡献了多少。[@problem_s_id:3864336, 3864357]
在任何归因研究中，一个关键步骤是精确定义我们正在调查的“事件”是什么。我们得到的答案对我们提出的问题极其敏感，而事件的定义就是问题本身。
以干旱为例。干旱仅仅是缺雨吗？如果是这样，我们可以用标准化降水指数（SPI）来定义事件，该指数只考虑降水亏缺。但在一个变暖的世界里，这会遗漏故事的关键部分。更高的温度会增加大气的“渴求”，通过一个称为蒸散的过程从土壤和植物中吸收更多水分。一个地区即使降雨量正常，但如果温度足够高，仍然可能遭受干旱。
一个物理上更完整的定义会使用像标准化降水蒸散指数（SPEI）这样的指数，它既考虑了水分供应（降水），也考虑了由温度驱动的水分需求。选择使用SPEI而非SPI是一个深思熟虑的科学决定，目的是将温度驱动的干燥这一物理机制包含在内。在许多情况下，这个选择可能是能否找到强烈气候变化信号的关键。
这个原则适用于所有极端事件。一场洪水是由河流峰值流量定义的，还是由三天内的总水量定义的？一次热浪是指单日创纪录的高温，还是一周持续的酷热？科学家必须对这些定义保持透明，因为每一个定义都提出了一个关于气候变化如何表现的、略有不同但同样有效的问题。
当一项归因研究得出结论，称某个事件“发生的可能性增加了10倍”时，至关重要的是要理解这意味着什么，以及不意味着什么。一场灾害的总风险（Risk）通常被概念化为三个组成部分的乘积：
气候科学家所实践的气候事件归因，几乎完全是关于量化灾害（Hazard）要素的变化。气候模型告诉我们人为强迫如何改变了物理天气事件的概率。它们告诉我们“天气骰子”是如何被灌铅的。
要归因全部影响——生命损失或经济损失的变化——是一个更为庞大、需要多学科合作的挑战。生活在易发洪水沿海城市的人口（暴露度）可能在50年内增加了两倍，而新的建筑规范可能降低了他们对风灾的易感性（脆弱性）。这些社会动态对最终风险的影响有时甚至可能超过灾害本身的变化。因此，对一场灾难进行完整的归因需要气候科学家、社会科学家、工程师和经济学家之间的合作。
科学是一个系统地理解和减少不确定性的过程。在事件归因中，科学家们对于他们知道什么以及知道到何种程度都保持透明。这些不确定性可以分为几个关键领域。
首先是气候固有的混沌性，即内部变率。如前所述，这通过运行大型集合模拟来管理。
其次，也是更深层次的，是结构不确定性。世界各地的不同科学团队开发了不同的气候模型。虽然它们都基于相同的物理定律，但在如何表示云的形成或海洋涡旋等复杂过程的细节上有所不同。为了解决这个问题，科学家使用多模式集合，在许多不同的模型上运行归因分析。如果所有模型，尽管存在差异，都指向相似的结论（例如，风险比大幅增加），这会让我们对结果有更大的信心。各个模型给出的答案的离散程度为我们提供了结构不确定性的定量度量。
这就引出了稳健性的概念。如果一个归因结论在即使我们对分析进行“敲打测试”后仍然成立，那么它就被认为是稳健的。科学家会系统地改变事件阈值、使用的统计方法、包含的模型集以及其他合理的分析选择。如果实质性结论——例如，风险比显著大于一——在所有这些合理的变动中保持稳定，那么结果就被认为是稳健的。
最后，值得注意的是，归因有不同的哲学思想。我们重点讨论的概率方法，通常称为概率性事件归因（PEA），是最常见的一种。一种补充方法是“故事线”方法。故事线分析不问概率，而是针对一个特定的、已观测到的事件，并有效地保持大气环流模式不变。然后它会问：鉴于该事件的大尺度天气背景已经发生，气候变化带来的额外热量和水分是如何放大其影响的？这是一个更具条件性的问题，为理解气候变化的机制提供了另一个同样有价值的窗口。
通过这个复杂的过程——创建平行世界、提出概率性问题、仔细定义事件以及与不确定性作斗争——科学家现在可以超越将气候变化与异常天气相关联的层面，开始将我们的行为与塑造我们世界的极端事件建立因果联系。
在了解了事件归因的原理之后，我们可能会感到某种满足感。我们构建了一台逻辑机器，它能在一个充满混沌天气的世界中，凭借智慧和谨慎，识别出气候变化那微弱却持续的指纹。但物理学家，或任何有好奇心的人，绝不应满足于仅仅建造一台漂亮的机器。我们必须启动它，看看它能做什么！这些知识的目的何在？它将引向何方？
本章讲述的就是这段从原理到实践的旅程。我们将看到反事实世界和风险比这些抽象概念如何成为公共卫生、水文学、经济学乃至人工智能等不同领域的强大工具。这不仅仅是一项指责过去的学术活动；它是关于“那又如何？”的科学，是我们在一个被我们主动重塑的星球上航行未来的关键指南。
在我们将科学应用于世界之前，我们必须首先坦诚地面对我们用来观察世界的工具。一个好的科学家热爱他的工具，但他也了解其缺陷。气候模型是宏伟的仪器，但并非完美。它们存在偏差，就像一个略微扭曲的镜头。气候科学家的一个常见任务是“校正”模型的输出，使其更好地匹配真实世界的统计数据——这个过程被称为偏差校正。
一种流行的技术叫做分位数映射（quantile mapping），它本质上是在问：“如果模型说在其世界中这是一个百年一遇的事件，那么在真实世界中，与百年一遇事件相对应的温度是多少？”这是一种将模型的概率阶梯与观测的概率阶梯对齐的巧妙方法。然而，盲目应用这类方法存在巨大风险，尤其是在我们关注极端事件——即我们想要归因的事件时。如果模型世界和真实世界的“极端”有着根本的不同类型怎么办？一个模型的温度分布可能具有表现良好的、类似高斯分布的尾部，而由更复杂物理学支配的真实世界，其尾部可能更“重”，需要用极值理论来描述。在这里使用简单的校正方法就像试图把方钉敲入圆孔；你可能能强行塞入，但却扭曲了你所寻求的信息。你冒着用纯粹的统计假象取代模型物理的风险，可能高估或低估了事件的真实极端性。这是一个深刻的教训：我们的归因陈述的可靠性，取决于我们对所使用的统计工具的理解程度。
“清晰洞察”的挑战延伸到了人工智能这一新前沿。科学家们正越来越多地使用复杂的机器学习模型来预测天气和理解极端事件的驱动因素。但如果我们用来训练人工智能的数据本身就有偏见呢？想象一下，我们想让一个AI学习导致极端降雨的原因，但我们的历史数据集由于某种原因，只包含极少数最强风暴的例子。AI从这个贫乏的资料库中学习，可能会对世界产生扭曲的理解。它可能会低估某个造成暴雨的关键因素的重要性，仅仅因为它没有足够多地看到它在实际中发挥作用。解决方案很巧妙地回到了归因的核心逻辑：我们必须对数据进行统计上的重新加权，给予采样不足的极端事件更高的重要性。我们告诉AI：“多关注这些罕见的案例；它们掌握着我们所追寻的秘密。”通过这种方式，支撑归因科学的采样和概率基本原则，为明智地使用最先进的新技术提供了必要的护栏。
到目前为止，我们的旅程一直将极端事件视为发生在针尖上——一个单一的温度读数，一个单一的雨量计。但大自然并非如此井然有序。一场热浪会覆盖整个地区；一个风暴系统会在整个流域降下暴雨。要真正理解气候变化的影响，我们必须从点到面，拥抱世界的空间性和相互关联性。
以一场大洪水为例。归因单个地点的峰值降雨量只是故事的一部分。气候变化可能也在改变风暴系统的空间足迹，或改变整个流域降雨强度的相关方式。要回答这个问题，需要在数学上实现一次飞跃，进入空间极值理论这个美妙的世界。这些工具让科学家不仅能模拟一个点上发生极值的概率，还能模拟整个区域内极值的联合概率，同时考虑到它们的空间依赖性。这使我们能够提出一个更有力的问题：气候变化是否正在使大范围、空间上连贯的风暴更有可能发生？。
这种相互关联性不仅是空间上的，也关乎不同类型灾害之间的相互作用。我们称之为“复合事件”。想象一下热浪和干旱同时发生。两者单独发生就很糟糕，但它们共同作用可能对农业和野火风险造成灾难性后果。关键的归因问题不仅仅是“气候变化是否使热浪更可能发生？”和“它是否使干旱更可能发生？”。更深层的问题是：“气候变化是否使热浪在干旱期间更可能发生？”归因科学通过比较条件概率使我们能够回答这个问题。我们可以使用气候模型集合来计算在我们的事实世界中热浪在干旱期间发生的频率，并将其与没有我们影响的反事实世界中的频率进行比较。这个“相互作用指数”告诉我们，气候变化是否正在加剧不同灾害之间险恶的耦合关系，从而创造出我们在孤立研究每种灾害时可能预料不到的新的风险水平。
这引导我们进行最重要的视角转变：从归因灾害到归因影响。最具破坏性的洪水不一定是由最大的降雨量造成的，而是由大雨落在无法吸收它的地面上造成的。因此，对洪水的恰当归因研究必须不仅仅以降水量来定义其“事件”，而应以强降雨和前期土壤高湿度相结合来定义。事件变成了大气与地表之间的一场对话。通过基于工业化前的基线来确定降雨量和土壤饱和度的阈值，我们可以问，在当今世界，这种特定的、危险的条件组合发生的频率增加了多少。这是气象学和水文学之间的一座美丽的桥梁，也是使归因科学与我们所关心的现实世界后果直接相关的关键。
事件归因最深刻的应用或许在于将气候变化与人类健康联系起来。在这里，抽象的大气物理学被转化为具体而紧迫的人类生命代价。
以一场致命的热浪为例。我们当然可以归因气象事件本身。但我们可以更进一步。利用流行病学中已确立的温度与死亡率之间的关系，我们可以进行第二层归因。这个过程是反事实思想的一个绝佳应用。首先，我们计算在观测到的热浪期间发生的超额死亡人数。然后，我们提出关键问题：如果热浪发生在没有人类活动导致的变暖的反事实、更凉爽的世界里，本会发生多少死亡？这两个数字之间的差额，就是可直接归因于气候变化所导致的热浪增温部分的死亡人数。这种强大的技术使我们从关于天气的陈述转向关于死亡率的陈述。
我们可以用两种方式应用这一方法。对于单个特定事件，我们可以估计气候变化对那次热浪影响所造成的死亡人数。但我们也可以着眼于长期趋势，比较当今世界整个夏季的总预期死亡率与反事实世界的情况，以量化一个季节内变暖对公共卫生的累积负担。这些方法提供了两种同样有效的方式来计算热浪造成的超额死亡中可归咎于气候变化的部分，一种基于影响的比较，另一种基于概率的比较。
健康影响并不仅限于高温。气候变化正在重绘地球上的生命地图。随着温暖的气温向山坡高处和两极蔓延，它们可以为蚊子等疾病媒介创造新的栖息地。想象一个高原地区，曾经因过于凉爽而无法让疟疾滋生，现在随着气温上升，病例数也随之增加。变暖是罪魁祸首吗？回答这个问题就像一场艰巨的科学探案。简单的相关性是不够的。科学家必须建立周密的统计模型，将所有其他同时发生变化的事情都考虑进去：蚊帐使用率是否增加了？诊断方法是否改进了？土地利用模式是否改变了？只有通过细致地解释这些“混杂因素”，我们才能在一个复杂、不断演变的社会噪音中分离出气候的信号。这项处于气候科学、生态学和流行病学交叉领域的工作，对于预测和准备应对传染病不断变化的疆界至关重要。
我们在最重要的地方结束我们的旅程：决策领域。事件归因科学不仅仅是历史记录，它更是指引未来的工具。
首先，它迫使我们在沟通风险时必须精确。假设一项研究发现，气候变化使一次罕见的灾难性事件发生的可能性增加了五倍。风险比 听起来令人震惊。但如果绝对概率只是从每年百万分之一变为每年百万分之五呢？概率的绝对变化 是微小的。相反，一个更常见的事件，比如中度热浪，其发生的可能性可能只增加了一倍（），但其绝对概率可能从0.1增加到0.2——这意味着社区必须忍受的炎热天数大幅增加。 和 都只讲述了部分事实；一个明智的分析会同时呈现两者，为社会理解变化提供了完整的背景信息。
最重要的是，归因可以直接作为适应行动演算的输入。想象你是一位城市规划者，正在决定是否投资数百万美元建造一道新的海堤。这个决定取决于成本效益分析。效益是建墙后你将避免的预期损失。这部分预期损失中有一部分是“自然的”——它本来就会存在。但另一部分是由人为气候变化创造的额外风险。
归因科学使我们能够估算这部分由人类引起的额外风险。我们可以构建一个决策规则：只有当减轻风险中可归因部分所带来的预期收益超过措施的成本时，才投资于该适应措施。风险比（）成为这个等式中的一个关键变量。在给定成本和潜在损失的情况下，它可以告诉我们证明投资合理性所需的最小 值。突然之间，一项归因研究不再仅仅是一篇学术论文。它变成了一个市长可以用来为行动辩护的数字，一场诉讼中的证据，一个国家适应计划的基石。
至此，科学完成了一个循环。我们从变化的大气的物理学出发，建立了一个逻辑框架来检测其影响，并追踪了其在地球生物和非生物系统中层层递进的影响。现在，我们发现这些知识又回馈给我们，为我们自己的选择提供了理性基础。事件归因科学，源于对世界现状的好奇，已成为塑造我们理想世界不可或缺的指南。