玻尔百科地球气候是一个复杂而动态的系统，人们常常因混淆其不同的行为模式而产生误解。当每日天气预报和长期变暖趋势吸引公众注意力时，一个同样关键的元素在中间地带运行：气候变率。这指的是在年际到年代际尺度上展开的自然节律和半规律性波动，例如厄尔尼诺现象，它们塑造了生态系统和人类社会。本文旨在揭开气候变率的神秘面纱，解决从天气噪音和气候变化的缓慢进程中辨别其信号的挑战。我们将踏上一段理解这一关键概念的旅程。在第一部分“原理与机制”中，我们将探讨基本的时间尺度、科学家们努力应对的不同类型的不确定性，以及用于解读过去气候和模拟未来气候的方法。随后，在“应用与跨学科联系”部分，我们将看到这些原理在现实世界中的应用，揭示气候变率对从生态学和进化到人类历史进程乃至现代基础设施设计的深远影响。
要真正理解一个事物，你必须不把它看作一个静态的物体，而是一个随时间展开的过程。地球气候也是如此。它不是一张静止的快照，而是一部长得超乎想象、复杂无比的电影，其中的情节和分支情节在截然不同的时间表上演。作为科学家，我们的任务是学会如何观看这部电影，如何区分单帧画面的闪烁与场景的节奏，以及场景的节奏与总体的叙事弧线。
想象一下，你是一位沿海城市的公共卫生官员，正试图保护市民免受高温危害。你通过三个不同渠道获得信息，每个渠道都在讲述一个不同时间尺度的故事。
首先是每日天气报告。它告诉你下周将出现危险的高温，可能比正常温度高出 。这就是天气——大气每日的、混乱的、常常难以预测的情绪波动。你的应对必须同样迅速且具有战术性：发布高温警报、开放避暑中心、探访弱势群体。你正在对系统即时的、短期的抖动做出反应。
接下来，你收到一份季节展望。它告诉你，由于太平洋正在形成的厄尔尼诺现象，整个夏季预计将比平均温度高，比如说高出 。这关乎的不是某一天或某一周，而是整个季节特征的转变。这就是气候变率。它指的是这些在年际到年代际尺度上发生的半规律性、周期性的波动。可以把它们想象成气候的内部节律，即其自然振荡。厄尔尼诺事件、北大西洋涛动、太平洋年代际涛动——这些就是整个生态系统和人类系统必须学会跟上的鼓点。你的规划转向了战略性的季节尺度：你可能会为夏季雇佣更多员工、预先部署物资，并开展公众意识宣传活动。
最后，你读到一份长期气候评估报告。报告指出，在过去50年里，你所在城市的夏季平均温度每十年悄然上升 。这不是暂时的摇摆或周期性模式。这是气候基本统计数据缓慢、无情、单向的转变。这就是气候变化。它既是天气上演的背景，也是气候变率上演的背景。你的应对现在变成了长期的和基础设施层面的：种植更多树木以提供荫凉、强制规定使用反光“清凉”屋顶，以及加固电网。你正在适应游戏规则的永久性改变。
理解这三个不同的时间尺度——天气的狂乱之舞、变率的节律脉动和变化的缓慢前行——是首要且最关键的一步。每一个尺度都需要不同的思维方式和不同类型的行动。在接下来的讨论中，我们将聚焦于那个中间地带：迷人而又影响深远的气候变率世界。
当我们试图预测像气候这样的复杂系统的未来时，我们会遇到不确定性。但并非所有的不确定性都是一样的。区分两种基本类型的不确定性至关重要。
首先是偶然不确定性（aleatory uncertainty），你可以将其理解为一个系统固有的随机性——就像投掷一枚均匀的骰子。即使你了解关于这枚骰子的一切物理知识，你也无法预测单次投掷的结果。你只能描述各种结果的概率。在气候系统中，这对应于内部变率。气候是一个混沌系统；其内部动力学，即洋流、风和气压系统之间错综复杂的相互作用，意味着它的确切轨迹在根本上是不可预测的。即使在一个外部条件完全恒定的世界里，气候仍然会按照自己的时间表产生自己的天气、自己的热浪和自己的厄尔尼诺现象。这是系统不可简化的、内在的“噪音”。
其次是认知不确定性（epistemic uncertainty），它源于一个简单而诚实的承认：我们并非无所不知。这种不确定性就像拥有一张不完整的地图。这种“我们无知的迷雾”，原则上可以通过更多的数据、更好的理论和更强大的计算机来减少。在气候科学中，这种认知不确定性有几种表现形式：
结构不确定性：我们的气候模型中编码的“物理定律”是否正确？世界各地的不同模拟中心在构建其模型，即“大气环流模型”（General Circulation Models, GCMs）时，对云形成等复杂过程使用了略有不同的数学公式和近似方法。这些模型之间的差异代表了我们对完美气候模型结构的不确定性。
参数不确定性：即使在单个模型内部，也存在数十个参数——这些数字必须被设定，以代表那些太小或太复杂而无法直接模拟的过程。冰晶从云中降落的确切速率是多少？水分从特定类型的土壤中蒸发的速度有多快？我们对这些参数精确值的不确定性是认知不确定性的一个主要来源。
情景不确定性：这是一个独特的不确定性。这是关于人类将如何行动的不确定性。我们会迅速过渡到可再生能源，还是继续依赖化石燃料？温室气体排放的未来轨迹不是一个可以预测的物理过程，而是人类选择的结果。我们通过探索一系列对未来合理的“情景”或故事情节来处理这个问题。
气候科学的许多目标是减少认知不确定性——通过更多数据构建更好的模型和约束参数——同时严格地描述偶然不确定性，以便我们理解气候内部混沌可能带给我们的全部可能性。
要了解气候的自然节律，我们需要知道在拥有卫星和温度计之前很久，气候是怎样的。我们需要时间机器。幸运的是，大自然以树木的形式为我们提供了这种机器。每年，树木都会增加一层新的木质部，即一个生长年轮，其属性忠实地记录了那一年的状况。这个被称为树轮气候学（dendroclimatology）的领域，就像学习阅读用木头语言写成的图书馆。
但这里有一个问题。树木不仅对气候做出反应，它也有自己的生命故事。一棵幼树生长旺盛，长出宽阔的年轮。随着年龄增长和体积变大，其生长减慢，年轮也变得更窄。这产生了一个与气候无关的强烈生物学趋势。如果我们想听到气候的微妙信息，我们必须首先剔除树木响亮的自传。
科学的魅力在于，我们可以从第一性原理来理解这种生物学趋势。想象一个半径为 的树干。在第 年，它增加了一个宽度为 的年轮。新木材沉积在一个环形区域，其面积约为 。现在，生物学中一个有趣的观察是，许多树木一旦成熟，每年增加的横截面积大致恒定。如果 是常数，但半径 每年都在变大，那么年轮宽度 必须 变小，与 成比例。这个简单的几何事实解释了我们在年轮宽度数据中看到的大部分生物学趋势！
为了分离气候信号，我们必须执行一个称为去趋势化（detrending）的程序。我们将一条数学曲线拟合到这种可预测的、与年龄相关的下降趋势上，然后用原始的年轮宽度序列除以这条曲线。结果是一个围绕数值1波动的指数，其中的波动代表了年际气候的波动。但这也需要技巧。如果我们使用一条非常刚性的曲线（比如一个简单的负指数函数），我们可能无法捕捉到树木生长的真实、稍显复杂的形状，从而留下一些生物学噪音。但如果我们使用一条非常灵活的曲线（比如平滑样条），我们就有过拟合的风险；曲线可能会弯曲，不仅跟随树木的生长，还可能跟随一些真实、长期的气候周期，从而意外地移除了我们想要寻找的信号！这是偏差和方差之间的经典权衡，是信号处理中的一个基本挑战。
通过小心翼翼地应对这些挑战，科学家们能够以惊人的保真度重建过去的气候变率。我们甚至可以发现，年轮的不同部分讲述着不同的故事。例如，颜色较深的晚材的密度（可以通过光学方法测量为蓝光强度（Blue Intensity））通常比总年轮宽度更能直接、灵敏地记录夏季温度，因为它受前几年情况的影响较小。它具有较少的“生物学记忆”，因此能为我们提供更清晰的高频年际气候变率快照。
为了研究当前和未来的变率，我们转向另一个重要工具：气候模型。这些不是水晶球，而是在超级计算机上运行的巨大虚拟实验室——“盒子里的地球”——我们可以在其中进行在真实地球上不可能完成的实验。
这些实验中最精妙的一个旨在分离和量化内部变率——即气候中偶然的、混沌的组成部分。它被称为初始条件大样本集合（Initial-Condition Large Ensemble, ICLE）。这个想法简单而强大。我们采用一个单一的气候模型，其物理过程和参数都是固定的。我们确定一个外部强迫（如二氧化碳浓度）的路径。然后，我们不是运行一次模型，而是运行数百次。每次运行之间唯一的区别是对大气初始条件的极微小的、“蝴蝶翅膀”般的调整——相当于将太平洋上空某一点的温度改变百万分之一度。
因为气候系统是混沌的，这些微小的初始差异导致模拟的气候在短短几周后就彼此完全分道扬镳。数百次运行中的每一次都遵循其独特、合理的路径。其中一次可能在欧洲出现连续的严冬，另一次可能在北美出现持续的干旱——所有这些都发生在完全相同的外部气候变化强迫之下。这些运行的集合并没有给我们一个单一的预测；它给了我们一些更有价值的东西：一个概率分布。整个集合中结果的分布范围是模型内部变率的直接度量。
这使我们可以提出这样的问题：“发生像我们刚刚看到的那么强烈的热浪的概率是多少？”如果我们的100个集合成员中有5个自发地产生了这样的热浪，我们可以估计其概率约为0.05。这是现代事件归因科学的基础。当然，这只是一个估计。我们可以使用标准的统计理论（二项分布或其贝叶斯等价物）为这个数字设定置信区间，告诉我们在有限的模型运行次数下，我们对概率估计的确定程度有多高。
一个相关的问题是，我们需要多少次运行，或者我们需要运行一个模型多长时间？一个使用固定的前工业时期强迫的、非常长的模拟（piControl运行）也可以描绘出内部变率。但这里有一个微妙之处。一年的气候并不是一次独立的抛硬币；今天的海洋状况会持续影响未来数月或数年的大气。这被称为自相关。这种“记忆”意味着，模拟中每连续一年的信息量都比前一年少。一个具有中等程度年际记忆（比如，自相关系数 ）的200年模拟，可能只包含与一个完全没有记忆的系统的67年模拟相同数量的独立信息。为了解决这个问题，统计学家使用了有效自由度的概念。理解这一点对于正确设计实验和解释其结果至关重要——它告诉我们确定气候内部混沌的特征有多么困难。
我们经历了一段旅程，从简单地望向窗外看天气，到构建数字地球的复杂过程。我们已经看到，我们随口所说的“气候”其实是一场丰富的交响乐，由在不同时间表上演奏的各种过程组成。我们学会了区分随机掷骰子（内部变率的偶然不确定性）和我们自身知识的空白（认知不确定性）。我们发现了如何从古树的日记中读取气候历史，以及如何通过运行庞大的模拟集合来探索其可能的未来。
为什么这一切都很重要？考虑最后一个例子。一位生态学家观察到某种花每年开花的时间越来越早。一个天真的分析可能只是将这些日期拟合成一条直线，并宣称存在每十年提前两天的趋势。但有了我们更深入的理解，我们知道这是一个危险的过度简化。这个趋势并非在真空中发生；它是对气候变化的响应。真正的机制是植物对温度的敏感性，而温度本身既有长期趋势，也有多年的波动和摆动。
一个更复杂的分析，一个尊重气候变率复杂性的分析，会将开花日期与温度数据进行回归分析。这将分离出植物真正的敏感性 。这种稳健的、机理性的理解使我们能够将强迫气候趋势的影响与自然周期的影响分开，并做出更可靠的预测。这不仅仅是描述一个现象，而是真正理解它之间的区别。
这就是科学探索的魅力所在。这是一个不断剥离层次、在复杂中发现简单、用清晰的定量理解取代模糊印象的过程。通过学会区分和描述气候变率的多个方面，我们学会了在宏大的气候交响乐中听清每一种乐器的声音。
在了解了气候变率的原理之后，我们可能会倾向于将其视为一个抽象的统计概念——衡量围绕平均值的波动。但这样做无异于只见树木，不见森林。我们所发展的思想不仅仅是描述性的；它们是强有力的透镜，通过它们我们可以解读地球的历史，理解生命的复杂舞蹈，并应对未来的挑战。气候系统的“波动”和“摆动”正是关键所在。它们是一股基本力量，塑造着从单一物种的命运到我们文明的整体架构的一切。现在让我们来探索其中一些非凡的联系。
想象一下在听一场交响乐。大提琴部分一个悠长持续的音符可能代表一个长期趋势，比如温室气体导致的变暖。但叠加于此的是长笛的颤音、鼓的节拍以及小提琴的渐强——这些是气候自然的、内部的变率。气候科学家的巨大挑战就是扮演指挥家的角色，辨别音乐的哪一部分来自哪种乐器。我们如何判断一个特别响亮的渐强音只是乐团的自然动态，还是有外部演奏者加入了进来？
这就是检测与归因（Detection and Attribution）科学。为了分离出特定强迫（如工业气溶胶）的“指纹”，科学家们使用一种巧妙的技术。他们模拟每种强迫在空间和时间上会产生的独特变化模式——即其标志性声音。然后，他们查看观测到的气候记录 ，看其中包含了多少每种标志性特征。这不是简单的相关性分析；而是一种复杂的回归分析，它考虑了背景噪音的已知结构，即由其协方差矩阵 表示的自然内部变率。通过统计方法滤除气候系统的自然嗡鸣，我们可以自信地说，例如，观测到的20世纪温度变化模式包含了温室气体变暖和气溶胶冷却的独特指纹。
这对于长期趋势非常有效，但对于单一的、戏剧性的事件——破纪录的热浪、毁灭性的洪水——又该如何呢？气候变化导致了那个事件吗？这个问题有点不恰当。一个更好的、我们可以回答的问题是：“人为气候变化是否使这个事件更有可能发生，或更强烈？”为了解决这个问题，科学家们使用了一种强大的反事实推理方法。他们使用气候模型模拟两个世界：我们生活的真实世界，包含所有的人为强迫 ()；以及一个可能存在的反事实世界，一个工业革命从未发生过的世界 ()。
通过对这两个世界进行数千次模拟，他们可以估计在每个世界中发生特定极端事件（如降水量 超过阈值 ）的概率。然后我们可以计算风险比（Risk Ratio），，它告诉我们由于我们的影响，该事件发生的可能性增加了多少倍。这种方法使我们能够做出科学上严谨的陈述，例如，“2021年的热浪因气候变化而发生的可能性至少增加了150倍”，从而将抽象的全球趋势转变为我们所经历的天气的具体现实。
气候变率的影响远超物理世界；它正是生命随之起舞的节拍器。对任何生物体来说，环境不是一个静态的背景，而是一个动态的舞台。考虑一个动物种群。它的长期生存取决于其平均增长率。但在一个波动的世界里，算术平均值是一个谎言。真正重要的是几何平均增长率，或者等价地，增长率对数的平均值，。
现在，对大多数生物体而言，它们的福祉与气候之间的关系不是一条直线。存在一个最佳条件，当气候偏向任一极端——过热或过冷、过湿或过干时，情况会逐渐变差。这意味着它们的对数增长率 是一个凹函数，就像一个倒置的“U”形。这里蕴含着一个深刻而非直觉的真理。由于这种曲率，坏年份对种群的伤害比好年份的帮助更大。一次干旱的负面影响并不会被随后一年完美的降雨完全抵消。因此，仅仅增加环境方差 ，即使平均气候保持不变，也会降低长期增长率 。一个在稳定气候中繁荣的种群，可能仅仅因为环境波动的幅度增加而被推向灭绝。这就像一个走钢丝的人：决定生存的不是平均位置，而是摇摆的幅度。
这种基本压力在宏大尺度上塑造了生命。例如，我们观察到高纬度地区的物种往往比其热带亲属拥有更广的地理分布范围——这一模式被称为拉波波特法则（Rapoport's rule）。为什么？一个有说服力的解释在于气候变率。靠近两极的季节性温度波动远大于赤道。在这些高变率环境中进化的生物体被选择具有更强的生理耐受性。一只必须忍受严冬和暖夏的鸟类，进化出了在宽广温度范围内茁壮成长的能力。这种内在的耐受性反过来又使其能够成功地栖息在更广的纬度带，从而产生了这种全球模式。
变率不仅塑造单个物种，还编排了它们之间的相互作用。生物防治，即捕食者控制害虫种群，通常依赖于精巧的时机。捕食者必须在其猎物丰富时出现。气候变率可能会打乱这种同步性。如果捕食者和猎物对温度线索的反应不同，一个更暖或更不稳定的春天会造成“物候错配”。想象一下捕食者来到派对，但食物已经离开了。这种错配，被建模为一个随机变量 ，其方差取决于气候变率 ，可能导致生物防治失败和随后的害虫爆发。通过量化错配 超过临界阈值的概率，我们可以将增加的气候变率与更频繁的、代价高昂的农业害虫爆发直接联系起来。
正如对物理气候一样，我们也可以将检测和归因的工具应用于这些生物系统。我们看到整个北半球的春天都来得更早了——植物开花更早，鸟类迁徙更早。这仅仅是自然变率，还是对人为变暖的响应？通过建立将物候学与气候联系起来的统计模型，然后用反事实的“仅自然”气候模拟来驱动这些模型，我们可以确定在一个没有人类影响的世界里我们预期会发生的变化。观测到的变化几乎普遍与“仅自然”的世界不一致，但与包括人为变暖在内的世界完全一致。气候变化的指纹不仅在温度计里，它们还在花瓣上和鸟鸣中。
也许最引人注目的是，气候变率一直是一只无形的手，塑造着我们人类自己的故事。我们的心智本身可能就是它的产物。更新世（Pleistocene）时期见证了我们人属（Homo）的崛起，那是一个气候极不稳定的时代，巨大的冰盖在惩罚性的周期中进退。变异选择假说（variability selection hypothesis）提出，这个混乱的世界正是塑造人类认知的熔炉。生存的关键不是完美适应任何一种环境——无论是稳定的稀树草原还是茂密的森林——而是成为适应能力本身的大师。面对不可预测的变化，对解决问题、社会学习和行为灵活性的强烈选择压力，可能正是推动人类大脑显著扩张的原因。从某种意义上说，我们是混沌之子。
这一主题在更近的历史中回响。“健康一体”（One Health）框架认识到，人类健康与动物和环境的健康密不可分。气候变率是可能打破这种微妙平衡并促进传染病出现的关键驱动因素。思考一下人类历史上最大的灾难之一：黑死病。14世纪小冰期增加的气候变率可能为其铺平了道路。一个温暖湿润的年份之后紧跟着一个寒冷湿润的年份，可能会造成一个致命的“繁荣与萧条”周期。好年景让啮齿动物（鼠疫的宿主）数量激增。接下来的坏年景导致食物锐减，给数量过多的啮齿动物种群带来压力，并引发大规模的动物流行病。随着老鼠死亡，它们身上成群的受感染跳蚤抛弃了正在下沉的船，去寻找新的宿主——通常是住在附近的人类。人类住所内温暖潮湿的微气候则为这些跳蚤提供了过冬和传播疾病的完美避风港，为一场大流行病创造了完美风暴。
这个故事今天仍在继续，在我们构建现代世界的过程中。例如，我们的能源系统不仅必须能够抵御平均气候的变化，还必须能抵御其变率的变化。以一个太阳能发电厂为例。我们知道，较高的环境温度会降低光伏（PV）板的效率——这是平均气候变化的直接后果。但变率呢？未来的气候也可能以更频繁的间歇性云层为特征，这意味着照射到面板上的辐照度变得更加不稳定。虽然这可能不会改变一天内的平均发电量，但它会急剧增加短期波动。为了保持电网稳定，电网运营商必须采购更多快速响应的“调节储备”来缓冲这些波动。因此，气候变率的增加直接转化为建设可靠可再生能源系统的实际经济成本和工程挑战。
从我们物种的深远历史到我们电网的经济学，气候变率的触角无处不在。它不是一种学术上的好奇心，而是我们世界的一个核心组织原则。理解它，就是对万物——物理的、生物的和人类的——相互联系获得更深刻、更统一的认识。