气候预测作为应对全球变暖的核心科学问题，长期面临模型不确定性高、观测与预测关联性不足的挑战。传统气候模型依赖历史模拟初始化，其预测范围宽泛且难以验证，尤其在多年代时间尺度上，内部变率和模型差异导致预测结果可信度受限。例如，不同排放情景下的升温幅度预测常存在显著分歧，这使得政策制定者难以精准评估气候风险。为突破这一困境，研究人员亟需开发基于观测数据的约束方法，以提升气候预测的准确性和可靠性。
来自多所研究机构的科研团队针对上述问题展开研究，旨在探讨观测约束下的多年代气候预测是否具备作为长期预测的科学依据。研究以耦合模式比较计划第六阶段（CMIP6）模型为基础，结合贝叶斯统计框架下的克里金气候变化法（KCC），系统分析了历史观测数据对未来 20 年及 50 年升温预测的约束效果。研究覆盖低（SSP1-2.6）和高（SSP5-8.5）两种典型排放情景，并通过模拟不同气候敏感性（低、中、高）的模型数据验证方法有效性。相关成果发表于《SCIENCE ADVANCES》，为气候预测理论与政策应用架起重要桥梁。
研究主要采用以下关键技术方法：
- 伪观测验证法：利用 CMIP6 模型中 3 个大集合模拟（CanESM5、ACCESS-ESM1.5、MIROC6）作为伪观测数据，通过 “缺数据” 问题框架检验约束方法的有效性，即将模型模拟的历史和未来数据分别作为观测和预测对象，评估约束后的预测与真实未来值的吻合度。
- 克里金气候变化法（KCC）：基于贝叶斯框架，通过整合历史观测时间序列（如 1851-2023 年全球表面温度）与模型模拟的历史 - 未来交叉协方差矩阵，更新先验预测分布，生成后验预测分布以降低不确定性。
- 经验正交函数（EOF）分析：分解模型间差异的主要模态，揭示历史观测对未来预测的约束来源，例如 EOF1 代表累积升温差异，EOF2 反映非温室气体强迫响应差异。
结果分析
1. EC 性能：观测时段与约束效果的关联性
研究发现，仅使用工业化前（1851-1900 年）数据时，KCC 无法有效降低 50 年预测偏差，因该时段外部强迫弱，升温信号不显著。而包含 1981 年后强强迫响应期的观测数据可显著提升约束效果：在 SSP5-8.5 情景下，使用 1851-2023 年数据的约束预测较原始模型偏差降低超 50%，不确定性范围缩小 55%（如 CanESM5 模拟的不确定性从 1.48°C 降至 0.76°C）。相比之下，仅用 1981 年至今数据的约束效果较弱，不确定性仅减少 30%，表明完整的历史温度演变信息对长期预测至关重要。
2. 观测趋势 vs. 完整时间序列约束
多数研究采用近期线性趋势（如 1981-2020 年）约束预测，但该方法仅利用部分信息。本研究对比发现，结合趋势与截距（即累积升温量）的约束方法可进一步降低偏差，例如在 SSP5-8.5 情景下，使用 1931-2023 年趋势 + 截距的预测偏差比单纯趋势法低 20%。而 KCC 通过完整时间序列建模，捕捉到温度演变的非线性特征（如从准平衡态到快速响应态的过渡），其效果显著优于简单线性模型，印证了多维度数据整合的必要性。
3. 约束信息的来源与不确定性
后验分布分析表明，约束效果主要依赖三要素：历史观测与模型均值的差异（Yo-Xh）、历史 - 未来交叉协方差（Σxf,xh）及观测 - 模型联合不确定性（Σxh,xh+Σo）。1990 年后的强信号期因交叉协方差高，对约束贡献最大。然而，观测期内的自然变率（如年代际低频波动）仍会引入不确定性，表现为历史趋势较强的伪观测对应更高的预测升温，但同一模型内未来变率不受历史趋势影响。这提示需开发分离自然变率与强迫响应的技术以进一步提升精度。
4. 预测技能与政策启示
基于 1901-2023 年观测数据的约束预测展现出显著技能：在 SSP5-8.5 情景下，20 年铅期预测的均方根误差（RMSE）为 0.15°C，50 年铅期为 0.3°C，显著低于原始模型预测（RMSE>0.5°C）。预测结果显示，SSP1-2.6 情景下 2044-2063 年升温 0.8°C（0.6-1.1°C），SSP5-8.5 情景下升温 1.5°C（1.2-1.8°C），且两情景的不确定性区间无重叠，表明减排路径的温度差异可提前识别。这为《巴黎协定》的温控目标评估提供了关键科学依据。
结论与讨论
本研究证实，基于完整观测记录和 KCC 方法的约束预测具备作为长期气候预测的资质。其核心突破在于通过贝叶斯框架整合多源数据，将气候预测从 “模型集合平均” 推进至 “观测条件化预测”，为季节至数十年尺度的预测提供了统一框架。研究同时指出，尽管模型不确定性仍存，但观测记录的延长和变率分离技术（如 EOF 分析）的优化将进一步提升预测精度。
该成果对气候政策制定具有里程碑意义：一方面，高技巧性预测可为基础设施抗险设计（如沿海城市防洪标准）提供精准依据；另一方面，明确的情景差异分析有助于政策制定者量化减排收益，推动全球气候治理向科学驱动型转变。未来研究可进一步纳入海洋热含量、气溶胶强迫等多维度观测，构建更完善的地球系统预测模型，为应对气候变化提供更坚实的科学支撑。
生物通微信公众号
