为什么当时间范围增加时，气候模型中的误差不会累积?

Question

首先，我想声明一下，我不是气候怀疑论者。我真的很想了解这种现象。希望有人也能详细介绍一下，因为我确实有一些统计学背景。

---

根据《卫报》的文章，“废话连篇”:科学家谴责乔丹·彼得森对气候模型的评论，乔丹·彼得森(Jordan Peterson)声称，气候模型不能依赖，因为随着你对未来的预测，错误会加剧:

彼得森说:“另一个困扰气候模型的问题是，随着时间的推移，模型的误差会急剧增加。所以也许你可以预测一周，三周，一个月或一年，但是你预测的越远，你的模型误差就越大。

“当你试图建立超过100年的模型时，这是一个巨大的问题，因为错误就像利息一样会复利。”

科学家们回应说，这种理解是错误的:

堪培拉新南威尔士大学的气候科学家莎拉·帕金斯-柯克帕特里克博士说，彼得森对气候模型如何工作的描述从根本上是错误的。虽然天气预报越远越不准确，但这与气候建模是不同的过程。[…]

新南威尔士大学气候变化研究中心的史蒂夫·舍伍德教授说，彼得森“犯了把天气和气候混为一谈的古老气候怀疑论者的错误”。

“任何上过气候或大气科学入门课程的人都能发现这个问题，”他说。“天气预报中的错误确实会累积起来，以至于几周后预报就没用了。”

但对于气候，舍伍德说，这些模型的工作方式不同，可以预测气候对不同因素的反应，比如更高水平的二氧化碳。

为什么会这样呢?为什么错误不会累积?

Answer 1

在未来的气候模型中，错误确实会不断累积——这就是为什么预测中包含了一系列可能的结果，而且你看得越远，预测的范围就越广。

例如，请看IPCC第五次评估报告中的数据，政策制定者摘要(SPM):

每个RCP都是一个途径，取决于我们排放多少碳。每维基百科，该数字表示预期辐射强迫，单位为瓦特每平方米(W/m²)在2100年的时候。

SPM解释了每个RCP代表什么:

代表性浓度路径(rcp)用于根据这些因素进行预测，描述了21世纪温室气体排放和大气浓度、空气污染物排放和土地利用的四种不同路径。rcp包括一个严格的缓解情景(RCP2.6)、两个中间情景(RCP4.5和RCP6.0)和一个温室气体排放非常高的情景(RCP8.5)。不采取额外措施限制排放的情景(“基线情景”)导致的路径介于RCP6.0和RCP8.5之间(图SPM.5.a)。RCP2.6代表了一种旨在将全球变暖控制在比工业化前温度高2°C以下的情景。

因此，如果我们继续沿着目前的路线前进，预计气温将上升3至5.5度，海平面将上升0.5至1米。

Answer 2

在天气预报和气候预测的错误之间存在着巨大的混淆。

虽然天气的可预测性基本上仅限于几周，但在气候建模中，我们感兴趣的是模拟天气的统计特性，即使从现在开始10年后某一天的模拟天气完全是随机的。

气候系统极其复杂，但将其与简单的流体动力学进行比较也许是有益的。在湍流管道流动中，我们无法预测每个小漩涡的位置。如果我们有一个初始条件，即使在非常精确的直接数值模拟中，我们也只能在非常有限的时间内准确地跟随它。但这并不重要，因为这样的模拟可以非常准确地捕捉到这种湍流的统计特性。

Answer 3

我们在气候预测中的不确定性随着时间的推移而增加，但这并不是因为(例如)复利积累方式中的累积误差。

在复利中，每次计算都依赖于之前的计算。如果你试图以这种方式建立天气预报，误差很快就会变得巨大，因为天气预报依赖于基于相对小规模的事物(如风速和地表温度．如果我们试图用这些预测的值作为第二天计算的输入，麻烦就来了——我们的错误会迅速滚雪球，因为我们预测的不确定性与测量值相比相当大。正因为如此，我们不会随着时间尺度的增加而积累预测。

气候预测是在更长的时间内进行的，有更大规模的观测(我们说的是几十年，几百年甚至更久)，以及不同的统计模型，但这些模型与现在的天气状况，以及我们对明天或后天天气的预测无关。目前的9摄氏度和有点多云的事实与气候预测无关，就像1904年是有记录以来最冷的一年与明天是否会下雨一样。

实际上，有大量的预测使用了越来越长期和更大规模的数据，从超局部的(“未来五分钟你附近可能会下雨”)到地质的(“未来几千年地球上可能会有一个冰河期”)。你可以找到大部分地区的“长期预测”(这是英国的)，它给出了一个中间的例子，只看一个月左右以后的天气情况，但没有具体的预测。

Answer 4

考虑一个高尔顿的董事会．一颗简单的珠子从木钉的瀑布上落下。我们能预测它会走哪条路吗?

原则上讲，是的毕竟这只是机制。如果它碰到第一个木钉的位置在它中心的左边，它就会向左移动。非常精确地测量初始状态，您就可以预测接下来发生的一切。

但这显然是无望的实际上预测整个路线，这太敏感了。即使在开始时最微小的变化也意味着它会以略微不同的旋转偏离第一个钉子，然后这又会改变第二个钉子的行为，所以在两次迭代之后，预测肯定是错误的。无论如何，这种行为都是公正的随机然后，尽管遵循确定性微观动力学。

大致相同的原因是天气预报在一周以上几乎没有用。

然而，我们可以很有信心地说，在1000排钉子之后，珠子会停在中间的某个地方。严格来说不是这样的不可能的它向左移动的频率是向右移动的两倍，但这种可能性非常小，以至于我们可能更担心这块板会被飞机撞向实验室而毁了。

如果所有的钉子都有轻微的偏差，使得珠子向右移动的可能性增加了5%，从观察第一排的几个珠子来看，这是不明显的——看起来仍然是完全不可预测的。然而,它将在1000行后的分布移位峰中表现明显。

Answer 5

引用中的说法并不是问题标题所要问的。气候模型做随着时间的推移，错误会不断累积，就像天气模型(以及大多数试图预测几乎任何事物未来的模型)一样。

这句话的意思是气候模型不是基于天气模型的。天气模型被设计用来产生非常高精度的预测(至少相对于气候模型而言)。这要求他们使用非常精确的(和最近的)输入到模型中，例如当前的表面温度、压力梯度、风场、急流/条纹位置、锋面边界、温度和高空风等，以便预测从现在开始的几天内特定地点在特定时间的可能天气。

气候模型不仅仅是将今天的天气观测数据输入到GFS、NAM和EURO模型中，然后获取2072年1月31日下午3点的预测情况。相反，他们的输入是长期(通常是几十年或更长时间)的平均值，目的是预测长期(通常是几十年或更长时间)的平均值。这并不意味着错误不会随着时间的推移而积累;它的功能。但误差不会像天气预报那样随着时间累积，因为输入(和输出)会随着时间累积远不像天气预报那么容易变化，因为要在很长很长的一段时间内进行平均。

与几乎任何类型的时间数据一样，尤其是像天气观测这样的可变数据，长时间内的平均值通常是多比瞬时观测更稳定。随着时间的推移，错误仍然在积累，只是没有那么快了。

Answer 6

我的理解是，这两种模型中的错误都是由方法上的细微差异造成的。

在天气模型中，完整的纳维-斯托克斯方程得到了解决。由于这些方程的非线性和混沌性质，通过改变初始条件(如温度)，在时间演化中产生了不确定性T_0美元或者其他先验函数。

另一方面，气候模型的混沌度是从它们中平均出来的，因此改变初始条件不会在长期演化中产生变化。这种变化源于演化参数的不确定性，比如云凝结压力。

Answer 7

气候模型不是独立于物理现实而存在的纯粹数学构造;各种参数代表了真实世界的情况，建模试图尽可能地结合已知的气候过程。

模型中这些过程和相互作用的表示力求与已知的物理过程一致;如果模拟得很好，它就不能做一些物理上不可能的事情——比如几十年的温室效应增强，出站红外减少，但海洋没有变暖。或统计上不可能就像我怀疑彼得森想象的那种偏向一个方向的不确定性误差的迭代序列，即概率钟形曲线在统计上不太可能，但在物理上可能的尾部被认为与钟形曲线靠近中间的尾部一样有可能。

我们真的应该假设气候科学家的真正意图是更好地理解气候过程的相互作用，并产生他们被要求提供的更准确的气候预测。否则，操纵气候数据或建模以支持政治议程或掩盖无能或骗取拨款的指控，应该有证据，并提交给有关当局。

回溯法——利用已知的过去真实世界的条件，在已知真实世界条件的时间框架内对气候进行建模——是检验它们工作效果的绝佳方法。