Nature：预知未来碳排放轨迹，且看气候-社会系统的复合反馈

导语

全球气候变暖是人类当前面临的最严峻的集体挑战，对气候变化的强度和速度进行预测，是一个亟需跨学科合作解决的问题。Nature 杂志2月16日发表的论文，将地球气候系统作为一个复杂系统，纳入社会、政治、经济和技术因素的复杂相互作用中，发现跨越个人、社区、国家和全球尺度的连接对政策制定、减排结果具有决定性影响。研究对未来不同场景下的碳排放轨迹进行了预测，分析了不同程度减排政策、社会对气候变化的认知水平以及碳中和技术等因素会如何影响最终的气候变化走向。

研究领域：地球气候复杂系统，社会复杂性，反馈，耦合系统

郭瑞东 | 作者

梁金 | 审校

邓一雪 | 编辑

论文题目：

Determinants of emissions pathways in the coupled climate–social system

论文链接：

https://www.nature.com/articles/s41586-022-04423-8#Abs1

1. 地球气候作为社会反馈的一部分

按照当前的温室气体排放水平，人类将无法达成巴黎协定设定的目标——控制平均气温升高在1.5~2摄氏度[1]。要达成这一目标，碳中和必需以前所未有的速度开展[2]。

之前预测碳排放轨迹的研究只关注气候系统本身，而将影响地球气候的关键因素看成外生变量——这意味着这些模型的预测忽略了社会、政治、经济和技术因素之间的复杂相互作用。

新研究的亮点，首先在于提供一个结构化的对嵌入在社会经济反馈中的地球系统进行建模的示例；其次，通过对模拟结果的系统性分析，可以找到影响气候变化关键的反馈、连接和临界点；第三点，通过对可能的减排策略与之前的策略进行对比，可以将21世纪可能的排放轨迹通过聚类形成5簇，发现哪些因素及机制对排放轨迹影响最大。

2. 社会系统中的反馈影响气候变化

图1展示了影响社会系统的机制如何运作，其中每条线代表一种反馈机制。从气候变化（Climate）这个最终节点倒推，影响气候变暖速度和强度的是温室气体排放量（Emissions）；而气候变化带来的影响（例如极端天气事件）会影响公众对气候议题的认知（Cognition），同时气候变化可能带来冻土融化，从而释放更多的甲烷（一种比CO2影响更大的温室气体）（Emissions）。

决定排放量的是各国的减排政策（Policy），以及有多少普通人及企业愿意执行这样的政策（Adoption）。决定政策制定的因素包括大众对气候议题的观点（Opinion），以及政治利益间的互动。决定政策执行强弱的因素，不仅包括政策本身，还包括政策执行后由于社会压力和规模效益带来的正反馈（促使政策执行的门槛降低）。最复杂的是大众的观念，不仅受到对气候话题认知的影响，还受到社交网络中其它人的影响。

图1. 影响气候变化的反馈机制作用图

在对气候变化的观念建模时，将人群分为支持、中立和反对三种，同时对影响观念改变的规劝分为强（使人变得更相信）和弱（使人变得中立）。对政策进行建模时，将碳税的多少作为一个连续的光谱，评价减排政策。对是否采取政策的建模方式，是个人可以选择是否采取能够带来显著减排的措施。最后，对于认知建模时，研究者考虑了两种不完美认知：基线改变（由于气候变暖，对何为正常气候的认识被扭曲），以及对气候异常现象带有偏见的接受。

3. 认知偏差影响减排程度

1、个人行动促成临界点到来

在谈论个人对气候变化的影响时，一个常见的观念是个人的影响微乎其微。然而，该研究指出，如果有足够多的人采取行动，那么两种反馈机制，即社会压力（身边的人都采取了减排措施）以及边做边学（即采取减排措施使个人生活成本不断降低），会带来显著的变化。

下图中横轴是对减排策略的支持程度，纵轴是能增加减排行为的可信度带来的影响。在不改变模型中其它参数的前提下，只改变描述公众参与的两个变量，就能决定 2100 年气候变化的程度，且这样的变化存在一个临界点，越过临界点后会产生急剧的变化。这意味着普通人的积极参与是有意义的，可通过连锁反应改变世界。

图2. 在其它参数不变的情况下，描述个人是否采取减排措施的两个参数变化后，2100年全球气候变暖的程度，其中蓝色区域和红色区域之间存在突然的剧烈变化。

2、政府认知偏差影响减排

在政府对碳排放征税后，减排技术就会有经济激励去不断优化，开启正向循环。但由于政策制定者偏向于接受既有观念，这被称为现状偏差（status quo bias）。该研究对比了不同程度现状偏差下的总排放量，如图3所示。首先看到由于现状偏差的存在，只有支持减排者的比例大于特定阀值时（纵轴），才可能采取减排措施——即存在临界点。其次，在较严重的现状偏差存在时（即政府对民众的意见不关心，需要更高比例的支持者才会采取减排政策），采取减排措施会更晚，这会导致在相同减排力度下有更多的碳排放。这说明政府内的认知偏差会影响减排的程度。

图3：政策制定者不同程度的现状偏差对全球2020-2100年碳排放量的影响。

3、社会认知模式影响气候变化

气候变暖的影响会作用到每个人身上，但人们对气候变化的基线却可能随时间变化。例如之前觉得暴雨是气候变化引起的，会改变对气候变暖这一话题的认知；但等暴雨经常出现时，新闻便很少关注了——这样的认知偏差被称为“移动的基线”。该研究对比了是否存在移动的基线这一认知偏差时，2050年预期会有多少人反对减排政策，如图4所示。可以看出当存在认知偏差时，反对减排政策的人数显著增加，尤其是当大部分人对气候变化的认知存在有偏见的吸收时。这意味着社会的普遍认知模式会对气候变化的程度产生影响。

图4. 对比存在与不存在移动的基线这一认知偏差时，反对减排政策者的比例

4. 未来地球气候走向的五种可能性

在使用不同的参数组合对地球气候及其所依赖的社会系统进行仿真，进行10万次模拟后，可以将排放轨迹聚类为5簇，如图5所示。

1. 黄色粗线的模拟占全部模拟的48.4%，可以看成是基准模型，该场景下，2100年的气温相比1990年上升2.3摄氏度。
2. 黑色粗线对应采取激进措施（包括较短的延迟，对民众更高效的劝说，以及更多的碳中和措施）的模拟（占比28.2%），这时能够将全球气温的改变控制在1.8度，仍没有达到巴黎协定设定的1.5度的目标。
3. 绿色线条对应的技术困难（例如碳中和技术发展及部署缓慢，减排措施的规模效应不明显）场景下（占比18%），尽管减排措施的严历程度相近，但碳达峰出现的更晚，升温将达到3度。
4. 剩下的是两种出现概率不大的场景。其中蓝色细线对应对气候变化的认识来的太晚，平均气温到2100年将上升3.1摄氏度。
5. 浅蓝色细线对应于几乎什么都不做时会发生什么，这种情况下，平均气温到2100年将上升3.6度。

图5. 气候社会耦合系统中未来的排放轨迹聚类为5类。左边代表减排政策的严厉程度，右图表示每年的全球碳排放量。图中线的粗细代表该类在所有模拟中所占的比例，越粗占比越高。

将上述10万种模拟结果作为训练数据集，通过随机森林模型，可根据模型参数进行回归。在树模型中，在越靠近根节点进行判定的特征，重要性就越高。由此，将2030年支持减排措施者的比例，以及至2100年的总排放量作为目标变量，根据不同特征出现在树模型的哪一层对其重要性进行衡量，可以得到哪些因素及机制的影响更显著。

从图6可以看到，对于2030年碳排放的支持者比例，影响最大的三个因素分别是对减排政策的宣传力度——包括使对该问题中立者支持政策的强劝说，和使对该问题持反对意见者保持中立的弱劝说，以及存在多严重的现状偏差。而决定2100年排放量的最关键因素，是由减排措施带来的碳排放减少力度最大值，其次是延迟减排的时间——越早行动，累积的减排量越高。

图6. 使用随机森林模型预测（左）2030年支持减排政策者的比例，（右）截止2020-2100年总排放量，不同的特征出现的分布堆叠柱状图。

5. 总结

该研究指出，社会-政治-技术反馈进程对于气候政策和排放结果具有决定性意义，未来的相关研究需要把地球系统看作复杂系统，把宏观世界和微观世界的相互作用关系作为切入点去研究。

这意味着需要针对具体问题，跨学科研读文献，找出所有可能的影响机制，从而建立一种独特的、经过深思熟虑的建模方法。通过这样的模型，能够为碳交易中的政策制定（例如设定碳价）提供依据。该模型还指出，媒体报道方式是否避免移动的基线这一认知偏差，以及个人采取减排措施，也可能产生对地球气候变化发挥出乎意料的影响。

参考文献：

1. Sognnaes, I. et al. A multi-model analysis of long-term emissions and warming. Nat. Clim. Change 8, 493 (2021).

2. IPCC. in Special Report on Global Warming of 1.5 °C (eds Masson-Delmotte, V. et al.) p15 (WMO, 2018).

地球系统科学读书会

从加拿大极端热浪，到德国的洪灾，从澳大利亚的森林大火，到中国河南的特大暴雨，极端天气已经成为新常态。气候变化正以我们所能感知的态势发生着。2021年诺贝尔物理学奖的一半被授予气象学家真锅淑郎和气象学家克劳斯·哈塞尔曼，“以表彰对地球气候的物理建模、量化变化和可靠地预测全球变暖”，表达了对人类命运的关切，也展现出从复杂系统视角研究地球气候环境的必要性。

集智俱乐部将组织地球系统科学读书会，自2021年12月14日开始，每周二晚上19:00-21:00，持续时间预计 7-8 周，重点探讨近年来系统科学、人工智能等学科为地球系统科学提供的创新研究方法，尤其是统计物理与深度学习在地球系统科学中的应用，共读前沿文献，激发科研灵感。欢迎从事相关研究、对相关领域有浓厚兴趣的探索者报名参与交流。

详情请点击：

推荐阅读

点击“阅读原文”，报名读书会