玻尔百科一个星球的气候是如何运作的？面对地球天气系统、海洋和冰盖的巨大复杂性，人们很容易迷失在细节之中。然而，支配我们星球温度的基本原理可以通过一些非常简单但功能强大的工具来理解：能量平衡模型（EBMs）。这些模型将气候系统简化至其核心物理学，清晰地揭示了起作用的基本力量。本文旨在满足对气候动力学清晰的第一性原理理解的需求，超越复杂的模拟，揭示驱动变化的核心机制。在接下来的章节中，我们将踏上一段旅程，从 EBMs 的基本“原理与机制”开始，探索能量平衡、反馈和临界点是如何从基础物理学中产生的。然后，我们将扩展视野，审视这些模型的各种“应用与跨学科联系”，展示它们不仅在气候科学中，而且在政策、人工智能乃至人类健康领域所扮演的关键角色。
为了理解一个复杂系统，最优秀的物理学家不会一开始就试图解释每一个微小的细节。相反，他们会问一个更简单的问题：起作用的最基本原理是什么？对于像地球这样围绕恒星运行的行星来说，这个原理就是能量平衡。就像炉子上的水壶一样，行星的温度是能量输入和能量输出之间宏大宇宙平衡行为的结果。这个简单而深刻的思想是所有能量平衡模型（EBMs）的核心。
让我们把地球想象成太空中一个简单的单点。输入的能量是阳光。如果太阳的太阳常数是 （它每单位面积传递的功率），而我们的行星是一个半径为 的球体，它向太阳呈现一个面积为 的圆盘。但这些能量分布在整个旋转球体的表面 上。因此，每单位面积的平均输入能量是 。
然而，并非所有这些能量都被吸收。一个行星，就像一个在晴天穿着白衬衫的人，会反射一部分光。反射的光的比例称为反照率，用 表示。一个被原始积雪覆盖的行星会有很高的反照率，而一个黑暗的、多岩石的行星则会有很低的反照率。因此，吸收的能量是 。
那么输出的能量呢？任何温度高于绝对零度的物体都会辐射能量。对于一个被称为“黑体”的理想化物体，这种辐射的速率由优美而简单的斯特藩-玻尔兹曼定律给出：辐射的能量与其绝对温度 的四次方成正比。因此，出射长波辐射（OLR）是 ，其中 是斯特藩-玻尔兹曼常数。
在平衡状态下，温度是稳定的，意味着输入的能量必须等于输出的能量：
就是这样！这是一个行星最简单的可能的气候模型。由此，我们可以解出平衡温度，。这个方程中的每一项都有清晰的物理意义。这不仅仅是一个公式；它是一个关于行星温度如何由其恒星的亮度和其表面的颜色决定的陈述。
当然，真实世界从未真正处于平衡状态。事物总是在变化。所以，物理学家会问的下一个问题是：如果我们给系统一个轻微的推动，会发生什么？
让我们将能量平衡提炼成一个更通用、更优雅的形式。想象一下，行星有一定的热容量 ——提高其温度需要一些能量。温度的变化率 必须与净能量不平衡成正比。我们可以将其写为：
让我们简化“响应”项。对于平衡点附近的小变化，出射辐射通常表现为线性。我们可以将其近似为 ，其中 是一个常数，告诉我们每升温一度会多辐射多少能量。这个 项是一种稳定作用，被称为普朗克反馈。现在，让我们将所有外部的推动——比如更亮的太阳、捕获热量的温室气体增加——归为一个单独的术语，称为辐射强迫，。我们的方程变得异常简单：
在这里，我们将所有稳定响应捆绑成一个单一的气候反馈参数 。这个方程讲述了一个简单的故事：强迫 推动温度上升，而反馈 则将其推回，试图恢复平衡。
新的平衡温度 是多少？它是推动停止的点，即 ，这立即给我们：
这个结果惊人地简单，却蕴含了无穷的洞见。它告诉我们，最终的温度变化是推动的强迫和抵抗的反馈之间的一场竞赛。要预测气候，我们需要同样好地理解这两者。我们甚至可以用弹性的概念来量化这一点。强迫 变化 1% 会导致平衡温度变化 1%。而反馈强度 变化 1% 也会导致温度变化 1%，但方向相反。在这种简单的观点中，它们在气候博弈中是同样有力的参与者。
我们也可以问关于其他参数的敏感性，比如我们开始时用的反照率。如果反照率发生微小变化，温度会变化多少？通过对我们最初的方程应用微积分，我们可以推导出确切的敏感性 。这些简单的模型让我们能够将像“敏感性”这样的抽象概念转化为具体的、可计算的数字。
到目前为止，我们一直假设反馈参数 是一个常数。这是一个非常稳定、行为良好的世界。但如果反馈本身依赖于温度呢？
最著名的例子是冰-反照率反馈。当行星冷却时，冰盖增长。冰是高反射性的（高反照率），所以它将更多的阳光反射回太空，这导致进一步的冷却，从而产生更多的冰。这是一种正反馈，或称放大反馈。相反，当行星变暖时，冰融化，露出下面更暗的陆地或海洋。这降低了反照率，导致行星吸收更多的阳光并进一步变暖。
让我们将此添加到我们的模型中。我们可以用参数 表示稳定的普朗克反馈，用参数 表示不稳定的冰-反照率反馈。气候的稳定性现在取决于这两种力量之间斗争的结果。一个简单的分析表明，如果入射的太阳辐射 太高，放大的冰-反照率反馈可能会压倒稳定的普朗克反馈。存在一个临界值 ，超过这个值，气候就会变得不稳定，并可能失控进入一个非常热的状态。这个由相互竞争的反馈冲突产生的临界阈值，是气候临界点的数学体现。
如果我们将反照率更戏剧化地建模为一个开关，这个想法会变得更加有趣。想象两种截然不同的状态：一个寒冷的、冰封的行星，具有高反照率 ；以及一个温暖的、多水的行星，具有低反照率 。如果我们绘制输入和输出的能量曲线，我们会发现一些非凡之处。在一定的太阳强迫范围内，不是一个，而是三个可能的平衡温度。其中两个是稳定的：一个深度冰冻的“雪球地球”和一个类似我们自己的温暖温和状态。第三个，在中间，是一个不稳定的临界点。
这意味着，在完全相同的日照量下，地球可以存在于两种完全不同的稳定气候中！这种性质被称为双稳态。行星处于哪种状态取决于它的历史。
想象我们温暖的地球，我们慢慢调低太阳的“旋钮”。温度下降，但我们在很长一段时间内仍保持在温暖的分支上。然后，在太阳强迫的一个临界值 处，温暖状态消失了。气候灾难性地崩溃，一直下降到寒冷的“雪球”状态。现在，假设我们想融化这个雪球。我们必须把太阳的“旋钮”调回去。但行星仍然处于冰冻状态。我们必须将太阳强迫增加到远超 的一个新的、更高的临界值 ，雪球状态才会消失，气候才会突然跳回温暖状态。这种现象，即变化的路径很重要，系统的状态取决于其历史，被称为滞后现象。它是冰-反照率反馈强大非线性的直接而深刻的后果。
到目前为止，我们的模型都是无时间性的，专注于平衡状态。但是达到平衡需要多长时间？答案由系统的热容量 决定。对于地球来说，绝大部分热容量不在薄薄的大气层中，而在于深邃、寒冷的海洋。
这一认识引导我们走向一个稍微复杂的模型：一个双箱 EBM。我们想象一个表面箱（大气和海洋混合层），其热容量小、响应快，与一个深海箱相耦合，后者热容量巨大、响应非常慢。
这个简单的双层结构绝妙地解释了现代气候科学中一个最关键的区别：瞬时气候响应（TCR）和平衡气候敏感度（ECS）之间的差异。ECS 是我们的星球在强迫发生变化（如 CO₂ 浓度加倍）后，可能在数百年或数千年后，当整个海洋有时间变暖并达到新的平衡时，最终会达到的温度。而 TCR 则是我们在此过程中，仅在几十年后经历的变暖。
在这个瞬变期间，地表变暖，但它不断向广阔、寒冷的深海损失大量热量。这种“海洋热量吸收”对地表变暖起到了强大的制动作用。因此，TCR 总是小于 ECS。一个简单的 EBM 优雅地表明，这两者的比率与辐射反馈的强度（）和海洋热量吸收的效率（）有关，其著名的近似公式为 。海洋的热惯性意味着总有我们尚未经历的“管道中的变暖”。
从单一方程到双箱模型的这段旅程，将我们带到关于科学过程的最后一个关键点。我们有一个模型的层级结构，从这些简单的 EBMs 一直到在超级计算机上运行、以惊人细节解析风、洋流和生物地球化学的综合地球系统模型（ESMs）。那么，我们为什么还要费心于这些简单的模型呢？
答案是简约原则，或称奥卡姆剃刀。我们应该使用能够捕捉回答我们问题所需核心物理学的最简单模型。如果我们想了解一个反馈的基本机制、一个临界点的性质，或者瞬时变暖和平衡变暖之间的区别，一个简单的 EBM 不仅是足够的——它往往是更优越的。它将机制赤裸裸地揭示出来。当我们接近这样一个临界点时，这些模型甚至预测系统从小扰动中恢复的速度将急剧减慢，这种现象被称为“临界减速”，有朝一日可能成为突发性气候变化的早期预警信号。
简单模型并非旨在预测下周二伦敦的天气。它们是思想的工具。它们揭示了支配行星命运的复杂能量之舞中优美、潜在的统一性。它们是通往理解之路上不可或缺的第一步。
在探索了能量平衡原理之后，您可能会觉得这些模型虽然优雅，但不过是学术上的玩具——只是对一个远为复杂的世界的简单勾勒。但事实远非如此。能量平衡模型（EBM）的真正魔力不在于其复杂性，而在于其清晰性。它是一面锐利的透镜，一把物理学家的瑞士军刀，让我们能够穿透纷繁的细节，揭示一个系统的基本运作方式。它的应用既广泛又深刻，从气候科学的核心，延伸到人工智能的前沿，甚至深入到我们自身健康的个人领域。
在其核心，EBM 是一个理解世界的工具。想象你是一位行星医生，试图检查地球的生命体征。你有地表温度的测量数据，显示它已经上升了一定幅度。你还有来自数千个海洋浮标的数据，显示海洋正在稳定地积聚热量。你如何将这些碎片拼凑起来，诊断这个星球的状况？EBM 提供了框架。通过将地球系统视为一组相连的能量库，比如上层海洋和深层海洋，我们可以为每一个库写下能量平衡方程。这些平衡的总和告诉我们一个简单而有力的故事：驱动气候变化的总净强迫必须等于辐射回太空的能量加上储存在系统中的能量。利用海洋变暖和地表温度上升的真实世界观测数据，这个简单的模型使我们能够估算出地球总能量不平衡的大小以及导致它的净辐射强迫的大小。这是一个美丽的例子，说明一个简单的物理定律如何将看似分散的测量数据统一成一个连贯的诊断。
当然，这个诊断的好坏取决于我们的测量。但在这里，EBM 同样提供了关键的洞见。我们关于行星能量收支最关键的测量数据来自卫星，比如 CERES 任务中的那些卫星，它们不知疲倦地测量着入射的阳光和出射的辐射。但如果这些仪器存在微小到几乎无法察觉的校准偏差呢？如果反射阳光的读数偏低了百分之零点几，而出射热量的读数偏高了百分之零点几呢？EBM 的核心方程，通过反馈参数 将能量不平衡 与强迫 和温度变化 联系起来（），揭示了其后果。测量到的能量不平衡中的一个小的、系统性的误差会直接传播为我们对气候反馈参数估计的偏差，而后者是预测未来变暖最关键的量之一。这个分析表明，模型不仅仅是数据的被动接收者；它是一个主动的工具，用于理解我们观测能力的极限和其所带来的影响。
也许，EBMs 最引人入胜的启示来自于我们加入一点非线性特性时。真实世界并不总是简单和成比例的。考虑冰-反照率反馈：随着地球变暖，冰融化，露出下面更暗的海洋或陆地。这个更暗的表面吸收更多的阳光，导致进一步变暖，从而融化更多的冰。当我们将这个反馈纳入 EBM，使用一个简单的函数，其中反照率在温度超过冰点时急剧下降，一些非凡的事情发生了。模型揭示，对于相同数量的入射太阳能，地球可以有不止一个稳定的气候状态。它可以存在于一个温暖、大部分无冰的状态（像我们自己的一样），但它也可能“卡”在一个完全被冰覆盖的“雪球地球”状态。在这两者之间存在一个不稳定的平衡，一个临界点。这个简单的模型展示了气候突变和滞后现象的可能性——即通往寒冷状态的路径与返回温暖状态的路径是不同的。EBM 以这种形式揭示了气候系统深层的、非线性的“个性”。
除了诊断气候的现状，我们还迫切希望预测其未来。在这里，EBM 充当了不可或缺的概念指南。气候预测中无数的不确定性来源——从未来排放到云的响应——可能会让人不知所措。然而，含时 EBM 提供了一幅极其简单的画面，展示了这些不确定性如何演变。通过将辐射强迫的不确定性视为一个统计变量，我们可以求解模型，得到一个简洁的解析表达式，描述预测温度的方差如何随时间增长。解显示不确定性从零开始，优雅地增长到一个饱和点，其增长的时间尺度由系统的热容量和反馈参数决定。这个简单的结果为理解来自最先进气候模型的复杂集合预报的行为提供了理论框架。
然而，知道将会发生什么，与知道为什么会发生是两回事。在我们这个机器学习时代，我们被强大的“黑箱”预测算法所包围，这些算法常常无法提供解释。然而，气候科学要求归因。我们需要知道观测到的变暖中有多少是由于温室气体，又有多少是由于（比如说）太阳活动的变化。在这里，EBM 作为一个完美的“白箱”模型大放异彩。它的简单性和物理基础使其成为因果分析的理想选择。我们可以借鉴现代统计学和人工智能的工具，比如 do-演算，来提出形式化的反事实问题。例如：“如果通过某种干预，将温室气体强迫设置为零，那么温度轨迹会是怎样的？”EBM 提供了一个直接的、解析的答案，完美地分离出了所讨论强迫的因果效应。这表明，简单的物理模型远非过时，它们正成为确保我们在气候科学中应用人工智能不仅具有预测性，而且具有可解释性的重要工具。
来自能量平衡模型的洞见并不局限于实验室或学术期刊；它们处于气候政策的前沿。对于政策制定者来说，最关键的概念之一是“剩余碳预算”——即在超过像 这样的温度阈值之前，我们还能排放多少 。计算这个预算的复杂之处在于， 并不是我们排放的唯一物质。几十年来，我们排放的工业污染物产生了反射阳光的气溶胶，发挥了冷却效应，掩盖了部分温室气体造成的变暖。随着我们为拯救生命而清洁空气，这种冷却效应将减弱，其所掩盖的变暖将被“揭开”。EBM 是量化这种效应的完美工具。通过将气溶胶的逐步清除建模为辐射强迫中一个随时间变化的斜坡函数，我们可以计算出“管道中”的额外变暖。这部分额外变暖必须从我们的预留空间中减去，从而减少剩余的碳预算。EBM 使这个复杂但至关重要的相互作用变得具体和可量化。
面对迅速缩小的碳预算，一些人开始考虑更激进的干预措施，通常称为地球工程。其中一个提议是太阳辐射管理（SRM），旨在通过向平流层注入反射性气溶胶等方式，模仿火山爆发，从而刻意为地球降温。需要多大程度的干预呢？EBM 提供了一个惊人简单的一阶答案。如果我们发现自己正处于“超调”温度目标的轨道上，模型会准确告诉我们需要多少来自 SRM 的负强迫，以抵消我们排放所产生的过量正强迫，并将净强迫——从而使温度——带回到目标水平。它将问题框定为行星能量账本上一个直接的抵消问题，为这种行星尺度的干预提供了一个关键但发人深省的规模感。
一个真正基本概念的力量，取决于其影响范围。能量平衡原理就是这样一个概念，它的回响可以在最意想不到的地方找到。思考一下构建和测试 EBM 的过程。我们收集关于强迫和温度的数据，并试图估计模型的参数，如热容量 和反馈参数 。但如果我们的强迫数据非常平滑且变化缓慢呢？EBM 揭示了一个微妙的问题：系统的响应主要由长期反馈 主导，而热容量 的影响变得难以区分。存在一种“权衡”，即 和 的不同组合可以产生非常相似的结果。这种参数可识别性问题并非气候科学所独有。在一个展示物理学统一性的优美例证中，这在数学上类似于地球物理学中的一个经典模糊性问题：试图通过重力测量来确定地壳的结构。长波长的重力异常既可以由一个深而密的物体解释，也可以由一个浅而密度较低的物体解释。在气候和重力问题中，高频（快速变化）信息的缺乏都造成了一种根本性的模糊。研究同一个星球完全不同方面的科学家面临着同样的数学挑战。
也许最令人愉快和个人化的联系来自预防医学领域。是什么决定了我们体重的长期变化？其核心是一个能量平衡问题。我们身体组织中储存的能量变化率，就是我们消耗的能量（摄入的卡路里）减去我们支出的能量（消耗的卡路里）。我们可以为人体建立一个 EBM，其中储存的能量被分为脂肪和瘦肉组织，每种组织都有不同的能量密度（每公斤卡路里）。给定每日的卡路里盈余或赤字，这个简单的模型可以惊人准确地预测由此产生的体重变化。我们在气候系统中讨论的负反馈在这里甚至有一个类似物：随着一个人的体重变化，他们的新陈代谢率也会变化，从而影响“能量支出”项。支配我们星球温度的同一个基本原理，也支配着我们浴室体重秤上的数字。
从诊断地球的发烧到思考其未来，从逆理论的抽象挑战到我们自身生理的 конкрет现实，这个谦逊的能量平衡模型一次又一次地证明了其价值。它证明了基于物理学的简单推理的力量，并优美地提醒我们，最深刻的科学原理往往是那些揭示我们周围世界隐藏统一性的原理。