玻尔百科鉴于技术、政治和社会中存在的深刻不确定性，预测我们世界在2100年的状态是一项不可能完成的任务。气候科学没有做出单一预测，而是采用了一种更稳健的方法：探索一系列可能的未来。本文深入探讨了共享社会经济路径（SSPs），这是支撑现代气候变化研究的标准化情景框架。它解决了关于我们未来的定性故事与气候模型所需的定量数据之间的关键差距。通过阅读本文，您将对这一基本工具有一个全面的了解。第一章“原则与机制”将解构SSP，解释五个不同的叙事如何被转化为气候模型的连贯输入，以及它们如何被用来梳理不同来源的不确定性。在此之后，“应用与跨学科联系”将展示该框架的力量，说明这些情景如何让科学家评估从海洋酸化到公共卫生和城市规划等不同领域的实际风险和后果。
我们怎么可能对2100年的气候说出任何有意义的话？我们甚至几乎无法预测一周后的天气。我们曾孙辈的世界将由尚未发明的技术、尚未发生的政治转变以及可能与我们截然不同的社会价值观所塑造。将今天的趋势简单外推到遥远的未来是徒劳的，注定会失败。
为我们的气候建模的科学家们理解这种深刻的不确定性。他们的目标不是操作水晶球或发布一个单一、明确的预言。相反，他们进行的是一种更微妙、也更有力的实践：探索可能的未来。他们会问，“如果……会怎样？”如果世界变得更加合作并专注于可持续性会怎样？如果它分裂成相互竞争的集团会怎样？如果我们不惜一切代价追求飞速的技术增长会怎样？这些不是预测；它们是故事，或者说是情景。
但要让一个故事对气候模型有用，它需要的不仅仅是引人入胜的情节。它必须在内部保持一致。一个关于深度全球合作和环境管理未来的故事，不可能与可再生能源技术进展缓慢或能源效率政策薄弱的假设相提并论。这正是情景设计的艺术所在：将定性叙事转化为一套连贯的定量参数。这个过程涉及一种精细的平衡行为，确保这些数字——描述从人口增长到电气化速度的一切——与故事的精神不相矛盾。
为了给这种探索带来秩序，国际气候科学界制定了一套标准化的五个核心故事：共享社会经济路径（SSPs）。可以把它们想象成五种典型的未来，每一种都探讨了人类在减缓气候变化和适应其影响方面可能面临的一系列不同挑战。
每个SSP都是一个由两部分构成的作品。首先是定性叙事，即描述世界在人口、人类发展、经济、治理和技术方面如何演变的丰富故事情节。这就像作曲家在乐谱上做的表情标记——“以活力和激情演奏此段”。
其次是定量驱动因素。这些是为全球经济设定舞台的几个关键变量的协调预测，主要是人口、GDP和城市化。这些驱动因素被气候模型视为外生输入；它们是定义模型必须模拟的世界的边界条件。它们就像交响乐的调号和速度——音乐在其内部展开的基本结构。例如，SSP1“可持续发展”叙事中的高教育水平和低生育率被转化为一条特定的人口定量路径，其中全球人口达到峰值后下降，而SSP3“区域竞争”叙事则导向一个人口持续增长、数量更多的未来。
气候模型本身扮演着管弦乐队的角色。它们接收叙事（表情标记）和定量驱动因素（速度和调号），并将其转化为一场完整的演奏。一个像SSP1中那样技术快速进步的叙事，会让建模者假设太阳能电池板和电池具有高学习率，意味着它们的成本随部署而迅速下降，并假设能源效率改进率很高。这些假设反过来又决定了内生计算的变量，例如经济的能源强度（，即每美元GDP所使用的能源）和能源供应的碳强度（，即每单位能源排放的二氧化碳）。
所以，我们有了这些关于未来社会的丰富故事。但它们如何与气候系统的物理学联系起来呢？其联系是一条清晰的因果链，将我们从人类社会带到地球的能量平衡。
社会经济 () → 排放 () → 浓度 () → 辐射强迫 ()
社会经济到排放： SSPs描述了人类活动的规模和性质（）。人口数量、消费水平以及所使用的技术都决定了温室气体和其他污染物的总排放量（）。
排放到浓度： 这些排放物不会凭空消失。它们流入大气、海洋和陆地。留在大气中的部分增加了这些气体的浓度（）。例如，二氧化碳浓度以百万分率（ppm）为单位进行测量。
浓度到强迫： 温室气体的定义是它们捕获热量的能力。增加它们的浓度就像给地球多盖了一条毯子。地球能量平衡的这种变化被称为辐射强迫（），以瓦特每平方米（）为单位测量。正是这种强迫最终导致了地球的变暖。
这就把我们带到了情景谜题的最后一块。SSPs告诉我们社会经济背景。但它们本身并没有指定一个气候结果。为此，我们必须将一个SSP与一个气候目标配对。方便的是，科学家们使用了一套预定义的强迫目标，以其大约在2100年的强迫水平来标记（例如，、 或 ），这些目标最初是作为代表性浓度路径（RCPs）开发的。
这就创造了一个强大的可能性矩阵。一个完整的情景被指定为一个配对，比如SSP2-4.5。这对模型提出了一个非常具体的问题：“在一个‘中庸之道’的世界（SSP2）中，需要采取什么样的政策和技术变革才能到2100年将辐射强迫限制在？”这种优雅的结构使得科学家们能够系统地探索，根据我们所走的社会经济路径不同，达到某个气候目标的挑战有何不同。
现在我们遇到了一个科学方法论中微妙而优美的问题。想象一下，你正在协调一个有几十个不同气候建模中心的全球项目。你要求他们都运行SSP2-4.5情景。你究竟应该给他们什么信息？
你可能会认为答案很简单：给他们都提供相同的温室气体排放路径。但这里有个问题。这些复杂的模型各自对地球碳循环有不同的表述。模型A模拟的海洋吸收大气中二氧化碳的效率可能比模型B中的海洋略高。
这意味着，即使你给两个模型完全相同的排放量，它们最终模拟出的大气浓度也会不同！而由于强迫取决于浓度，它们最终模拟出的辐射强迫也会不同。问题在于，这些模型不再运行相同的实验了。它们结果的差异是其不同物理响应和它们意外创造的不同强迫的混杂。碳循环中一个看似微小的差异可能会产生巨大的影响。例如，两个模型之间60 ppm的二氧化碳浓度差异——这是碳循环反馈差异可能导致的一个合理结果——可能导致超过的强迫差异，这是一个气候上巨大的差异。
为了解决这个困境并确保公平比较，科学家们采用了一种巧妙的实验设计。对于情景实验的主要集合（ScenarioMIP），他们选择在浓度层面上进行协调。
浓度驱动实验： 在此模式下，所有模型都接收到完全相同的温室气体大气浓度时间序列。这保证了每个模型都经历完全相同的辐射强迫。因此，它们预测的变暖差异是由于其内部物理机制的差异——它们的气候敏感性、云反馈等等。这使得科学家们能够清晰地分离和研究气候预测中的一个关键不确定性：模型的物理响应。
排放驱动实验： 为了研究碳循环本身的不确定性，同时运行了一组并行的实验（通常作为C4MIP项目的一部分）。在这里，所有模型都接收到完全相同的排放路径。它们模拟的浓度和变暖结果的离散程度，直接衡量了因我们对地球海洋和生态系统将如何处理未来排放的理解不完整而产生的不确定性。
这种双管齐下的方法是一个优美的例子，展示了科学比对项目如何被设计来系统地梳理不同来源的不确定性。
这整个精心设计的框架——包括叙事、路径和协调实验——旨在做一件事：帮助我们理解和描述我们对未来的愿景中的不确定性。我们可以将这些不确定性分为三大类。
情景不确定性： 这是关于人类将选择哪条道路的不确定性。我们会遵循SSP1还是SSP3？这不是一个科学不确定性，而是一个社会不确定性。它是长期气候预测不确定性的主要来源。
模型（或结构）不确定性： 这反映了我们对气候系统知识的不完整。不同的模型使用不同的方程和近似来表示复杂过程，如云的形成或海洋涡流。在同一情景下，不同模型结果的离散程度让我们能够把握这种不确定性。
内部变率： 这是气候系统固有的、混沌的“噪音”。即使没有任何外部强迫的变化，由于El Niño等现象，气候也会年复一年、十年复十年地波动。
这个框架最引人入胜的洞见是，这些不确定性的相对重要性如何根据你提出的问题而变化。想象一下，气候变化的“信号”是我们试图听到的音乐，而“噪音”是系统的内部变率。
对于一个近期（例如2040年）、区域性预测（例如地中海地区的降雨量），信号仍然很小。不同的SSP还没有足够的时间产生大的分歧。与此同时，自然区域变率的噪音非常大。在这种情况下预测气候，就像试图在一个非常嘈杂、混乱的房间里听到微弱的旋律。主导的不确定性是内部变率的随机性。
但对于一个世纪末（例如2100年）、全球平均预测，情况完全翻转。到那时，来自不同SSP的信号已经变得巨大且差异极大。一个SSP1世界和一个SSP5世界之间的差异是强迫上的巨大差异。同时，当我们在全球范围和几十年时间尺度上取平均值时，内部变率的混沌噪音实际上相互抵消了。这就像微弱的旋律变成了震耳欲聋的警报，而背景的嘈杂声则被完全淹没了。
从长远来看，我们地球气候未来的最大不确定性来源，不是我们模型的物理学，也不是天气的混乱。是我们自己。是我们选择书写的故事。
我们已经看到，共享社会经济路径（SSPs）不仅仅是抽象的叙事，而是关于人类社会未来的结构化、定量的故事。但讲述这些故事的意义何在？答案是，它们不仅仅用于思考；它们是行动的工具。它们是一场宏大的、现实生活戏剧的剧本，通过科学模型的机制运行这些剧本，我们可以在不同的剧场中观看戏剧的展开：浩瀚的海洋、陆地上错综复杂的生命之网、我们城市熙熙攘攘的基础设施，甚至是我们自身健康的微妙平衡。
在本章中，我们将踏上一场跨学科之旅，看看这个单一的框架如何为科学家们提供一种统一的语言，以探索我们共同的未来。我们将发现，在可持续发展世界（SSP1）和化石燃料驱动增长的世界（SSP5）之间的选择，并非一场抽象的政治辩论，而是一个对我们世界每个部分都具有具体、可计算后果的选择。
让我们从地球宏大的物理系统开始，首先是海洋。更具挑战性的SSP所特有的大气二氧化碳（）上升，不仅仅是捕获热量。它溶解到海洋中，引发一系列化学反应。这不是猜测；这是基本物理和化学的直接后果，例如支配气体在液体中溶解的Henry’s Law。地球系统模型在不同SSP的轨迹驱动下，充当了地球碳酸盐化学的细致记账员。在像SSP5-8.5这样的高排放情景下，这些模型预测海洋值会持续下降——这个过程被称为海洋酸化。相比之下，在像SSP1-2.6这样的可持续情景下，酸化程度大大减轻。这两个未来之间的差异，以简单的单位衡量，代表了关于无数海洋生物生存能力的深刻选择，从建造珊瑚礁的珊瑚到构成海洋食物网基础的浮游生物。
海洋也通过其自身的体积来揭示其对我们选择的响应。全球平均海平面上升不是单一现象，而是几种效应共同作用的结果，每种效应都随着SSP-RCP框架所描述的能量失衡节拍而前进。首先是热膨胀（空间效应分量）：随着海洋变暖，它会膨胀。海洋环流总模型（OGCMs）在与某个SSP一致的表面热通量驱动下，借助海水状态方程计算这种膨胀。其次是来自融化的陆地冰（质量效应分量）的新增水量。这涉及模拟成千上万个独立冰川的命运，每个冰川都对当地温度和降水的变化作出响应，以及格陵兰和南极洲巨大冰盖的行为。这些不是简单的冰块；它们是动态系统，其流动受复杂方程支配，其稳定性受到其表面变暖的空气和其海洋边缘变暖的水的双重威胁。对未来海平面的全面预测需要一个模型族，每个模型处理谜题的不同部分，但都在SSP提供的相同一致故事情节下工作。这展示了一个统一框架在协调对一个多方面全球挑战的科学连贯理解方面的巨大力量。
常言道，气候是你的期望，天气是你的遭遇。SSP所描述的全球平均温度缓慢、看似不可阻挡的上升可能感觉遥远。但其后果在此时此地通过我们所经历的天气特征的变化而感受到。
考虑降雨。一个更暖的大气可以容纳更多的水分——根据Clausius-Clapeyron关系，温度每升高一摄氏度，水分含量增加约7%。这个简单的物理定律对极端降水有着深远的影响。它表明，下雨时，雨可能会下得更大。为了量化这一点，我们可以求助于极值统计理论。Fisher–Tippett–Gnedenko定理告诉我们，年最大日降雨量的分布通常可以用广义极值（GEV）分布来描述。在变化的`气候中，这个分布不再是平稳的；其参数——位置（平均值）、尺度（变异性）和形状（尾部行为）——随时间演变。通过将这些参数与特定SSP下预测的全球平均地表温度联系起来，我们可以估计“50年一遇的风暴”的强度可能会如何变化。曾经罕见的事件可能会变得更加普遍，未来的极端事件可能会达到没有历史先例的水平。SSPs让我们看到，我们用来建造城市和设计防洪设施的基准并非固定不变，而是移动的目标，其未来位置由我们今天选择的社会经济路径决定。
气候的物理变化在生物世界中回响。地球上的每一种物种都适应了一套特定的环境条件——它的气候生态位。随着这些条件的改变，物种必须适应、迁移或灭绝。
SSPs通过全球气候模型运行时，为我们提供了未来气候的地图。生态学家随后将这些地图作为物种分布模型（SDMs）的输入，这些模型试图预测一个物种的气候生态位未来将位于何处。这是一项艰巨的任务，充满了通常被称为“不确定性级联”的挑战。它始于社会经济故事（SSP）的选择，流经各种气候模型（GCMs）之间的结构差异，受到将气候数据降尺度到局部水平的方法的影响，并最终取决于生态模型本身的假设。因此，使用情景和模型的集合并非科学混乱的标志，而是思想诚实的体现。这是一种系统性地探索所有可能未来范围并描绘我们知识边界的方法。
气候与生态的这种相互作用对人类健康有直接后果，特别是通过媒介传播疾病。以皮肤利什曼病为例，这是一种由沙蝇传播的皮肤病。像大多数昆虫一样，沙蝇媒介只在特定的温度范围内繁殖。随着世界在特定SSP情景下变暖，曾经对沙蝇来说太冷的地区可能成为新的适宜栖息地。一个简单的变暖趋势可能导致疾病风险发生复杂且高度非线性的地理转移。一个以前因其凉爽气候而受到保护的高地村庄，可能突然成为新的传播热点，而一个低地地区可能变得太热，不适合媒介生存。通过将媒介已知的热偏好与SSP的温度预测进行建模，流行病学家可以预测这些变化并指导公共卫生干预。这是一个发人深省的相互关联的例证：全球经济发展路径可以直接改变一个偏远山区社区患寄生虫病的风险。
最终，气候变化的影响是以人类的福祉来衡量的。SSPs为评估我们社会的风险和我们面临的选择提供了一个不可或缺的框架。
想象你是一家电力公司的规划师。你的主要职责是确保灯火通明。要为2050年做到这一点，你需要预测未来的需求和供应。SSPs是关键。SSP的社会经济部分提供了人口和经济增长的预测，这有助于预测基准能源需求。其气候部分，源自相关的RCP，提供了未来温度的预测，这对于估算空调的峰值需求至关重要，以及降水和积雪的变化，这决定了水电的可用性。通过在特定的SSP-RCP情景下，利用一组气候模型对电网进行压力测试，工程师可以识别潜在的短缺，并就建设新发电厂或加固电网做出明智的决策。正是在这里，抽象的情景变成了涉及数十亿美元和数百万人生命的具体风险评估。
与人类健康的联系甚至更为直接。我们如何将像“SSP2-4.5”这样的全球叙事转化为特定城市儿童的具体风险？这个过程涉及一系列模型。首先，我们获取在该情景下运行的全球气候模型的粗略输出。然后，我们使用统计方法对这些信息进行“降尺度”，校正其偏差并创建对当地天气的现实预测。最后，我们可以应用一个本地定义的与健康相关的阈值——例如，将任何超过历史第95百分位温度的日子定义为“热浪日”——来计算一个学童在未来学年可能面临的高风险天数。
这种通用方法构成了现代气候-健康影响评估的支柱。将社会经济未来（SSPs）与气候未来（RCPs）配对的情景矩阵，提供了一个强大的二维空间来探索风险。SSP为我们提供了社会背景：有多少人面临风险？由于年龄或贫困，他们有多脆弱？RCP为我们提供了环境危害：天气会变得多热？空气会变得多污染？通过在健康影响函数中结合这些因素，例如一个对数线性模型，其中相对风险（）由给出，我们可以预测未来的归因死亡人数。更重要的是，这个框架允许我们测试干预措施的有效性。我们可以问：在像SSP3-RCP7.0这样充满挑战的未来，投资于凉爽屋顶（减少）或更清洁的能源（减少）会在多大程度上降低死亡人数？这就是使用SSPs进行积极、循证的公共政策的精髓。
尽管SSPs功能强大，但我们必须记住它们不是什么：它们不是预言。我们存在于一种“深度不确定性”的状态中——我们无法为人类将遵循SSP1还是SSP5的路径分配一个单一的、客观的概率。这对决策构成了深远的挑战。基于气候模型集合的概率性预测是一个重要工具，但如果基础情景本身的概率是未知的，其基础就会动摇。
这就是一个补充概念“故事线”变得无比宝贵的地方。故事线方法不是试图用单一的概率分布来涵盖所有可能性，而是涉及探索特定的、物理上自洽的、且常常具有挑战性的“如果……会怎样”的情景。例如：“如果一个持续的大气阻塞模式导致了前所未有的热浪会怎样？”或“如果大西洋经向翻转环流显著减慢会怎样？”这些故事线不附带概率。相反，它们用于对我们的计划进行压力测试，以应对模型集合的随机抽样可能遗漏的特定、可能的脆弱性。
SSPs、概率集合和有针对性的故事线共同构成了一个丰富而复杂的工具包。它们没有给我们一个水晶球来看到一个单一、确定的未来。它们提供了更有价值的东西：一个结构化的、科学的框架来运用我们的想象力。它们让我们能够探索我们集体选择的后果，理解我们的脆弱性，并在面对一个深度不确定的世界时，做出更明智、更稳健的决策。这是科学的最佳体现，不是作为绝对真理的提供者，而是作为驾驭复杂性不可或缺的指南。