玻尔百科虽然我们擅长预报明日天气和预测数百年后的气候变化，但要预测未来十年的气候，仍然是一项艰巨的科学挑战。这个中间时间尺度，常被称为“可预报性鸿沟”，对于从农业到基础设施等部门的战略规划至关重要。本文深入探讨年代际气候预测的科学，旨在弥合短期和长期预报之间存在的知识鸿沟。它全面概述了科学家们为提供有技巧且可操作的近期未来预报而正在开发的各种复杂方法。
接下来的章节将引导您了解这一复杂领域。首先，“原理与机制”一章将揭示年代际可预报性的物理基础，重点关注海洋作为气候系统记忆的角色，并探讨用于创建可靠预测的巧妙技术，如初始化和集合预报。随后，“应用与跨学科联系”一章将展示这些预报如何应用于各个学科，从管理区域水资源、预测野火风险到保障公共卫生和规划沿海变化，从而展示这门新兴科学对现实世界产生的深远影响。
涉足年代际预测的世界，就如同踏上了一段通往科学中最具挑战性和最激动人心的前沿之一的旅程。我们对预报几天后天气的能力相当自信，也对地球气候未来数十年乃至数百年的长期轨迹有扎实的把握。但介于两者之间的时间段呢？一个特定地区在五年、七年或十年后的气候会是怎样？这就是所谓的可预报性鸿沟，一个既不完全是天气，也不完全是长期气候变化的时间上的未知领域。
为了弥合这一鸿沟，科学家们正在开发一种“无缝”预测方法。这个想法既简单又深刻：支配明天天气的物理定律，与支配一个世纪后气候的物理定律是相同的。因此，我们应该努力使用一个单一、统一且物理上一致的地球系统模式来涵盖从小时到百年的所有时间尺度。天气预报与年代际预测之间的区别不在于基本物理原理，而在于我们如何设定问题：我们重点初始化什么，如何表示不确定性，以及我们考虑哪些外部驱动因子。
如果你问是什么让年代际预测成为可能，答案不在于轻浮、混乱的大气，而在于深沉、缓慢的海洋。大气的记忆非常短暂；其状态在几周后几乎完全重置。相比之下，海洋是气候系统的巨大飞轮。其巨大的质量和高热容量赋予了它巨大的热惯性。
想象一下海洋的顶层，即与大气持续接触的“混合层”。一个简单的计算表明，仅90米深的混合层，其单位面积热容量 就超过每平方米每开尔文3.6亿焦耳。这是一个巨大的热库。当行星出现能量不平衡——即从太阳接收的能量多于辐射回太空的能量——绝大部分多余的热量被海洋吸收。这个海洋热量吸收的过程并非瞬时发生。海洋储存这些热量，并在数年和数十年间缓慢释放，从而在全球和区域气候上留下可预测的印记。正是海洋热状态的这种缓慢“记忆”，以及冰盖和碳循环等其他缓慢变化的组分，为年代际气候预测提供了物理基础。
如果说海洋的状态是关键，那么任何有用的预测都必须始于一幅精确描绘海洋当前状况的图景——从表层到深渊的温度、盐度和洋流。这个过程被称为初始化。然而，最大的挑战之一也由此产生。
我们的气候模式并非现实世界的完美复制品。每个模式都有自己略微不同的“个性”，即其自身偏好的平均气候或气候吸引子，由于其方程中的微小不完美而与现实有所不同。强迫一个模式从地球的观测状态开始，就像从异体移植器官一样。模式系统会排斥这个初始状态，导致一种称为初始化冲击的现象。
在预报的初始阶段，模式会迅速而系统地“漂移”偏离观测现实，并松弛到其自身偏好的、有偏差的气候状态。这种模式漂移并非真实的气候信号；它是不完美启动造成的人为产物。如果不加以处理，它会完全淹没我们试图探测的微弱、真实的可预报信号。
为应对此问题，科学家们开发了巧妙的技术。一种是进行预积分，即让模式在固定的前工业化条件下运行数百甚至数千个模拟年，直到它达到自身稳定、平衡的状态，不受任何初始冲击的影响。为了进行预测，科学家可以采用一些巧妙的策略，如距平初始化。他们不是强迫模式接受完整的观测温度，而是计算观测的距平（与长期平均值的偏差），并将其加到模式自身稳定、长期的平均状态上。这有助于模式在不排斥其所适应的“世界”的情况下，接受当前气候异常的“消息”，从而显著减少初始冲击和漂移。
即使有一个完美初始化的模式，大气的混沌性质也带来了另一个根本性问题。单一的预报只代表一种可能的未来，其价值有限。这就像试图预测一个通过高尔顿板下落的单个小球的最终位置；其路径基本上是随机的。真正的预测在于大量小球的最终分布。
这就是集合预报背后美妙的想法。我们不是只运行一次模式，而是运行多次——可能是10次、50次，甚至100次——每次都从一个略有不同的初始条件开始。这些初始扰动非常微小，完全在观测不确定性的范围内，但混沌的蝴蝶效应导致这些单个预报的轨迹迅速分化。
通过分析整个预报集合，我们可以将可预报的与不可预报的分离开来：
可预报信号是所有集合成员共有的部分。通过将所有预报平均起来创建集合平均，随机、混沌的天气“噪声”相互抵消，从而揭示出由海洋缓慢演变和外部强迫（如温室气体）驱动的潜在信号。
内部变率，或称“噪声”，由各个集合成员之间的离散度或方差表示。这种离散度并非失败；它是一条至关重要的信息。它直接估算了预报的不确定性，告诉我们预报的可信度有多高。
这种概率性方法标志着预测未来含义的深刻转变。我们从确定性问题“温度将是多少？”转向更诚实、更科学严谨的问题“不同未来温度的概率是多少？”
我们的预测技巧有极限吗？即使有完美的模式和无限大的集合，我们能实现完美的预测吗？答案是响亮的“不”。原因在于，真实世界本身就由可预报的信号和不可预报的噪声部分（其自身的内部变率）组成。我们试图预测的对象本身就部分是随机的。
预报的技巧从根本上受到气候系统自身信噪比的限制。如果可预报信号相对于内部噪声较强，技巧就可以很高。如果信号很弱，我们就会受到根本性的限制。这个概念可以被形式化为一个相关性上限，即无论预报多么复杂，都无法超越的理论最高技巧。内部变率的这个“噪声基底”为我们的雄心设定了绝对的界限。认识到未来的某些方面本质上是不可知的，这既令人谦逊又充满美感。
将所有这些部分整合在一起，我们看到现代年代际预测是物理学、数学和计算科学的交响曲。它需要统一、无缝的模式，细致的初始化和漂移校正协议，以及复杂的集合技术。整个事业建立在极其严谨的科学基础上，其中实验设计的每个组成部分——从模式版本到编译器标志再到后处理软件——都必须被精确记录，以确保结果在数十年间是可复现和可比较的。
然而，这个领域远未被完全攻克。当今驱动研究的最迷人的谜题之一是信噪比悖论。科学家们发现，许多年代际预测模式表现出惊人的高技巧（它们的集合平均与现实关联度很高），尽管其内部信噪比看起来非常低。主流假说认为，模式正确地捕捉了现实世界可预报信号的位相或时间，但系统性地低估了其振幅。这不是失败，而是一个关键线索。它告诉我们，我们的模式走在正确的轨道上，但其物理机制中的某些东西导致它们对可预报性驱动因子的响应过于微弱。这个悖论，就像科学中所有好的悖论一样，为更深入的理解和下一代更可靠、改进的气候模式指明了方向。这是一个完美的例子，说明科学不是事实的集合，而是一个动态、自我修正、激动人心的发现之旅。
在了解了年代际气候预测的复杂机制之后，我们现在来到了探索中最激动人心的部分：这一切究竟有何用途？如果说上一章是关于理解一个非凡新引擎的设计，那么本章就是要体验它的实际应用。我们将看到，这些处于天气和长期气候变化之间迷人中间地带的预测，并非仅仅是学术上的好奇心。相反，它们正成为应对我们近期未来挑战不可或缺的工具，其应用延伸至农业、工程、生态学乃至公共卫生领域。
正如我们所见，其奥秘在于地球的记忆。当混乱的大气在数周内忘记其状态时，广阔、缓慢移动的海洋和巨大的冰盖则像巨大的飞轮，承载着气候系统的动量长达数年甚至数十年。年代际预测就是一门解读这些飞轮初始状态——它们的温度、盐度、洋流——并计算未来十年该动量将把整个系统带向何方的科学。它并非要预测2035年某个周二是否下雨，而是要预报未来气候的特征：一个可能比过去十年更热、更干旱、更多风暴，或遭受更持久干旱的十年。这种远见是一种新的力量，而我们才刚刚开始学习如何运用它。
一个全球气候预测，无论多么复杂，都可能感觉像是地球的一张模糊照片。它或许能告诉我们某个大陆将变暖，但山谷里的农民或城市水库的管理者想知道的是在他们自己的地方会发生什么。填充他们水库的降雨会变得不那么可靠吗？这正是年代际科学最实际的应用之一——统计降尺度——发挥作用的地方。
想象一下，如果只测量总输入和总输出来试图理解复杂管道网络中的水流，你会错过每根独立管道中所有重要的流动细节。全球气候模式与此非常相似；它们的“像素”可达百公里宽，将山脉或沿海平原的独特特征平均化了。降尺度是一门艺术，它利用我们对局地物理的知识，将大尺度预报转化为高分辨率预报。
例如，我们知道山区的降水并非随机。它取决于大尺度大气环流、空气中的水分含量，以及至关重要的地形本身。当湿润空气被迫沿山坡爬升时，它会冷却并以雨或雪的形式释放水分。通过构建一个学习了这些关系的统计模型——将位势高度和湿度等大尺度变量与海拔、坡度和风向等局地因素联系起来——我们就可以利用“模糊”的年代际预报，推断出特定流域可能发生的降雨变化。如果预测到未来十年西风会增强，我们的降尺度模型就会将其转化为西坡降雨增多而东坡出现“雨影”的预报。这些信息对于规划农业投资、管理水电站运营以及评估未来洪水风险而言，是极其宝贵的。
除了局地温度和降雨，年代际预测还为更宏大的问题提供了线索：地球上巨大天气系统的未来行为。我们大多数人生活的中纬度地区，其特点是高压和低压系统——即行进在我们天气图上带来风雨的气旋和反气旋——无休止的演变。这些风暴并非凭空产生；它们是斜压不稳定的产物，这一过程从温暖的赤道和寒冷的两极之间的根本温差中获取能量。
一个地区的“风暴性”取决于一种微妙的平衡。由南北温度梯度驱动的风的垂直切变，为风暴提供燃料。但大气的静力稳定度，即衡量其抵抗垂直运动强弱的指标，则起到了刹车作用。可以把它想象成山坡上的一个球：山坡越陡（类似于温度梯度），球滚动的可能性就越大；但草地越粘（类似于大气稳定度），让球动起来就越困难。
气候模式预测，大气不同部分的增温速率不同，这将改变这种稳定度。年代际预测可以为我们提供这些结构变化的10年展望。如果一个预报表明低层大气的增温速度快于其上方的空气，这意味着静力稳定度的增加。这会对风暴形成起到更强的抑制作用，可能导致未来十年中纬度气旋减弱或频率降低。相反，稳定度的降低可能预示着一个更多风暴的时期。通过预报这些基本参数，我们可以预测风暴路径可能向极地移动，或天气系统强度的变化，这对于保险业、海岸防御规划和弹性基础设施设计是至关重要的信息。
年代际预测最深刻和最令人惊讶的应用之一，或许在于预报海平面上升。你可能会认为，如果像格陵兰冰盖这样的巨大冰体融化，融水会均匀散开，导致全球各地的海平面上升相同的高度。这似乎显而易见。但宇宙往往比我们想象的更巧妙、更有趣。
格陵兰冰盖如此巨大——堪称一座冰山山脉——以至于它对其周围的海洋产生显著的引力，将海水吸引向自身，从而在局部形成海平面凸起。当这个冰盖融化时会发生什么？两件事。首先，融水被加入海洋，这倾向于使全球海平面上升。但其次，冰盖的质量减少，其对周围海洋的引力减弱。这使得曾经堆积在格陵兰周围的海水得以流走。
令人震惊的结果是，对于靠近格陵兰的地方，如冰岛或北欧，尽管冰盖向海洋倾注融水，短期内海平面实际上可能下降！与此同时，对于远场地区——如美国东海岸或南太平洋的低洼岛屿——效果是双重的：它们不仅接收到自己那份融水，还接收了从格陵兰迁移过来的水。这些遥远地方的海平面上升幅度超过全球平均水平。这种独特的、空间变化的的海平面变化模式被称为引力“指纹”。
因此，对冰盖融化速率的年代际预测不仅仅是针对全球的一个单一数字。它们是复杂海平面方程模型的输入，可以预报地球上每一条海岸线的具体风险。对于像迈阿密或雅加达这样的城市来说，知道未来十年当地海平面上升幅度将比全球平均水平低20%还是高20%，对于规划和适应而言，是关乎存亡的重要问题。
气候变化的触角深入生物圈，年代际预测正成为生态学家和保护管理者试图理解和管理这些影响的重要工具。
对于单个物种而言，气候变化意味着它们历史上的栖息地可能变得不再适宜。一个地区持续变暖和干旱的年代际预报可用于驱动物种分布模型，这些模型预测某种植物或动物的适宜分布范围可能如何变化。这使得保护主义者能够识别物种可能持续存在的未来避难所，或规划有助于它们迁移到新的、更适宜地区的廊道。这个过程的一个关键部分是坦诚面对不确定性。年代际预报不是一个单一的、确定性的真理；它是一个概率性陈述。因此，最好的生态预测会使用一套气候模式的预测结果，并将这种不确定性传递到生态模型中，从而得出的不是一个单一答案，而是一个物种一系列可能的未来。
在更大尺度上，年代际预测可以帮助我们预见整个生态系统的变化，特别是通过其对野火等扰动机制的影响。野火的频率、规模和严重程度并非随机；它们受到温度、湿度和土壤湿度等气候变量的强烈影响。对美国西部或澳大利亚等地区未来将出现一连串更热、更干燥年份的年代际预报，是火灾风险升高的直接警告。当这些气候信息被输入到复杂的状态与转换模型中时，土地管理者可以模拟景观可能如何变化。一片森林在火灾后会恢复并重新生长，还是会被灌木丛等不同的生态系统所取代？这些明确将气候预测与扰动动态耦合的模型，对于规划林火燃料处理、部署消防资源以及在快速变化的世界中管理我们的自然景观至关重要。
最终，最重要的应用是那些保护人类生命和福祉的应用。“行星健康”领域认识到，人类健康与地球自然系统的健康密不可分，而年代际气候预测正被证明是该领域的一个强大工具。
许多传染病由蚊子和蜱虫等媒介传播，其地理范围和季节性活动对温度和降水高度敏感。一个地区未来十年更暖更湿的展望，可能预示着登革热、莱姆病或疟疾等疾病的传播媒介范围即将扩大。这些信息是先进流行病学模型的关键输入，这些模型可以融合气候数据、植被的卫星图像以及人类活动模式数据，以创建精细的风险地图，从而指导公共卫生监测和控制工作。
这种联系可能更加直接和显著。在半干旱的非洲“脑膜炎带”，毁灭性的流行性脑脊髓膜炎疫情在历史上一直与旱季有关，人们认为旱季的低湿度和高粉尘浓度会损害咽喉的黏膜屏障，从而促进细菌入侵。指向一段持续干旱和沙尘暴活动增加时期的年代际预报，将意味着流行病风险的增加。这样的预报可以为公共卫生机构和国际组织提供提前部署医疗物资和开展大规模预防性疫苗接种活动所需的时间，从而可能挽救数万人的生命。
我们探讨的应用仅仅是个开始。从优化农业作物选择到管理能源部门的金融风险，预测未来十年气候特征的能力正在改变我们进行前瞻性决策的能力。年代际预测不是一个完美的水晶球，但它是一个有科学依据的水晶球。它用概率取代猜测，让我们得以一窥气候系统展开的路径。通过理解其语言并欣赏其力量，我们可以学会展望未来——不是带着确定性，而是带着智慧。