Local temperatures rapidly depart from historical experience beyond 1.5°C
本研究利用在气候模拟数据上训练的神经网络证明，尽管目前全球仅有极小比例的陆地经历着永久超过 1.5°C 全球变暖历史记录的温度，但随着进一步变暖，这一区域正在迅速扩张，使得在全球 3°C 的当前政策轨迹下，绝大多数人口和大部分地上生物量都将面临前所未有的局部高温。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，科学家们一直在追踪地球平均气温的上升，观察全球温度计如何攀升并超过工业化前的基准线。但对于生活在特定城镇、城市和森林的人们来说，这个故事不仅仅关乎全球平均值，更关乎他们每天经历的局部天气。气候科学中一直存在着一个关键问题：热量在何时变得永久？出现一个打破纪录的酷暑之夏，与未来局部气候再也无法回到人类社会和自然生态系统所习惯的温度范围，这两者之间存在本质区别。科学家称之为“暖态”（warm state），即一种年平均气温始终高于历史记录最高水平的状态，不再回归往昔凉爽的状态。了解这种转变何时发生至关重要，因为我们的基础设施、农作物和生态系统都是建立在“气候最终会回归其历史常态”这一假设之上的。如果这种回归不再发生，那么设计我们世界的参考点也将随之消失。
牛津大学的研究人员通过提出一个不同的问题，解决了这一不确定性。他们并没有试图预测某个特定城市打破热量记录的确切年份，而是问道：在给定的全球变暖水平下，一个局部温度在余下的世纪里，有很大可能性会永久性地高于其历史最大值的概率是多少？为了回答这个问题，研究团队转向了一个庞大的计算机模拟库。他们利用一种被称为神经网络的先进人工智能程序，在408个不同的气候模拟上进行了训练。这些模拟代表了各种可能的未来，但研究人员专注于一条与当前全球政策承诺最为接近的路径——在这种情景下，温室气体排放量持续上升但最终趋于稳定。该程序学会了识别每个位置气候模式的特征，例如温度自然波动的程度以及变暖趋势加速的速度。随后，它利用这些知识来计算当世界达到特定的变暖里程碑时，一个地方进入永久“暖态”的概率：即比工业化前高出1.5摄氏度、2摄氏度、2.5摄氏度和3摄氏度。
结果揭示了一个严峻且加速发展的现实。在全球变暖1.5摄氏度时，情况相对受控。在这些模拟中，只有极小比例的陆地面积（仅2.2%）极有可能已经进入了这种永久性的暖态。然而，仅仅增加0.5摄氏度的变暖，情况就会发生剧变。当全球变暖达到2摄氏度时，被锁定在这种全新且前所未有的气候中的陆地面积急剧扩张，覆盖了全球40.3%的陆地表面。这不仅是地理上的转变，更是人类层面的转变。到全球变暖达到2摄氏度时，目前居住在地球上的近一半人口将处于年平均温度不再跌回历史最高水平的地区。随着变暖持续到2.5摄氏度和3摄氏度，这些数字还会进一步攀升，最终使全球96%的人口和近80%的地上植物暴露在这些持续的、打破纪录的条件下。
该研究还阐明了为什么之前的估计可能会产生误导。早期的研究通常将气候模型视为一个单一、统一的声音，通过将它们平均化来寻找气候发生变化的精确日期。牛津大学的研究团队发现，这种方法忽略了一个关键细节：自然、随机天气变化的作用。在他们的模拟中，两个运行相同情景的完全相同的气候模型，可能会对像奥斯陆这样的城市产生截然不同的结果。在一次运行中，这座城市可能在2058年进入永久暖态；而在另一次运行中，这种情况可能直到2091年才会发生。这种长达数十年的差异是由天气的自然起伏造成的，这些起伏既可能延迟也可能加速热量变得永久的时刻。通过训练他们的神经网络来考虑这些局部波动和每个位置的具体历史，研究人员创建了一个比简单平均值更可靠的工具。他们通过测试从未见过的气候模型验证了其方法，证明了该程序能够根据一个地方独特的气候历史来准确预测结果，而不是仅仅基于全球平均值进行猜测。
这些发现对于我们如何看待未来具有深远意义。研究表明，从一个“偶尔打破纪录”的气候向一个“永久超过纪录”的气候的转变，并不是一个缓慢、线性的下滑过程，而是一个在变暖1.5至2摄氏度之间急剧加速的快速扩张过程。热带地区最先经历这种转变，因为其天气自然波动较小，使得变暖信号更加清晰。然而，研究强调，这并非遥远的未来问题；这是一个当前的政策已经在为世界设定轨迹的过程。模拟显示，在最接近当今政治承诺的排放路径下，快速增长的人类份额和地球植被都将致力于面对一个局部气候不再具有历史类比物的未来。这项研究并不声称能预测每个城市发生这种情况的确切年份，但它提供了一张高度可信的风险图谱，表明避免这种与过去永久脱离的窗口正在迅速关闭，且跨越这一阈限的后果比此前理解的要广泛得多。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。