这里是NIPCC报告（第二版）关键章节，欢迎懂得专家反驳或论证。发言的专家请尽可能留下真实姓名，如曲建升先生所说，我承担了国家关于“中国科学家对NIPCC观点的评述”，可惜中国科学家i这个问题关注的不多。我之所以在这里发出来这个 ，主要就是为了征集反映。其实我这里有两个疑问：1.为什么历史气候变暖时期，中国西部是湿润的，中国整体农业经济发达？2.在全球变暖趋势下，为什么最近10年中纬度的中国、美国冬季爆发寒冷事件（先说它们是寒冷事件吧）。请有关专家给出回答。由于传输的原因，图像都省略了。（随便 ，当年中央编译局翻译 考茨基的《论无产阶级专政》，并不意味着中央否定无产阶级专政。i那本书里，考茨基说“无产阶级专政“仅仅是马克思偶然用的的个词，让列宁滥用了。这个说法是考茨基的，当然不是中央 ），标题中IPCC几个字是我加的。原文为“有缺陷的预测”

Ch4     IPCC报告中有缺陷的预测（赖志柱 译）

本章主要研究内容如下：

（1）联合国政府间气候变化专门委员会（IPCC）和世界上几乎所有国家政府都依赖全球气候模型(GCMs)来预测人类相关的温室气体排放对气候的影响。

（2）全球气候模型GCMs系统地高估了气候对二氧化碳(CO2)的敏感性，许多已知的驱动力和反馈都未被很好的模拟，并且建模者为探求人类对气候的影响而将那些与此背道而驰的驱动力和反馈排除在外。

（3）非政府国际气候变化专门委员会（NIPCC）估测二氧化碳从工业化前的水平增加了一倍（从280到560 ppm），这一增加很可能会导致低层大气受到3.7 Wm^-2的气温驱动，初步估计大约升温1℃。

（4）全球气候模型GCMs的4项预测都是由各种来源的真实数据伪造的。特别是，过去18年并没有出现全球变暖现象。

为什么计算模型会有缺陷？

与科学方法不同的是，IPCC和世界上几乎所有的国家政府都十分依靠计算机模型，即全球气候模型或GCMs，该模型作为建模者思辨实验的结果，然而建模者往往并未能详细地理解基本过程。GCMs的结果与运用到该模型的数据和理论一样可靠，而科学家们普遍认为这是有严重缺陷的。如果不能很好的理解自然气候因素和反馈机制，那么GCMs无非就是一种曲线拟合实验，或者通过改变参数，直到结果符合建模者的期望。正如约翰·冯·诺伊曼(John von Neumann)曾说过的那样，“有了四个参数，我就能拟合一头大象了，而有了五个参数，我还能让他卷鼻子”(Dyson，2004)。

科学文献中主要的气候模式充斥着以下缺陷：驱动力和反馈未被很好地理解；数据不足，或不可靠；计算能力不足以解决重要的气候变化过程。气候系统的许多重要元素，包括大气压力、风、云、温度、降水、洋流、海冰和永久冻土，都无法用现有的模式进行适当的模拟。

已知的主要缺陷包括模型校准、非线性模型行为和重要的自然气候相关变化的遗漏。模型校正是有缺陷的，因为它假定自工业革命开始以来所有的温度上升都是由人类的二氧化碳排放造成的。事实上，与人类有关的主要排放只有在20世纪中叶才开始。

更多关于气候模型及其局限性详见第一章气候变化再审视II:物理科学报告中的图3。

图3 全球气候模型的关键事实

（1）气候模型一般假定气候敏感性为3℃，比前工业值高出一倍，而气象观测则与1℃或更低的敏感度一致。

（2）气候模型低估了因温度升高造成的地表蒸发作用，从而导致对全球降水的低估。

（3）尽管研究证明不同的矿物气溶胶（等负载）会导致地表红外辐射通量大约7 - 25 Wm^-2的差异，但气候模型不能充分地表征气溶胶红外辐射的影响。

（4）因固有特性的存在，确定性气候模型不能用来动态预测；为解决这一缺陷，多项技术被引入（尤其是参数化），而技术引入的同时造成了模型预测会产生偏差。

（5）计算能力的局限性限制了气候模型解决重要的气候过程；低分辨率模型未能捕捉到许多重要的区域和较小尺度的现象，如云。

（6）模型校准是缺陷的，因为它假定自工业革命开始以来所有的温度上升都是由于人类的二氧化碳排放造成的；事实上，与人类有关的主要排放只有在20世纪中叶才开始。

（7）非线性气候模型表现出混乱的现象。单个模拟（“运行”）可能显示不同的趋势值。

（8）内部气候振荡(AMO,PDO等)是历史温度记录的主要特征；气候模型甚至都没有试图模拟它们。

（9）气候模型没有考虑到太阳磁场或宇宙射线通量变化的影响，而这两种因素都对气候有重大影响。

来源：“Chapter 1. Global Climate Models andTheir Limitations,”Climate Change Reconsidered II: Physical Science (Chicago, IL: TheHeartland Institute, 2013).

驱动力和反馈

前一节讨论全球气候模型存在缺陷的原因，比如说相关的驱动力和反馈未被很好的模拟，从而导致模型的不可靠等。在许多类似案例中，气候科学家正在用观点或最佳猜测来代替数据。同样糟糕的是，科学文献中被大量记录下来的驱动力和反馈机制被排除在外使情况变得更糟。许多驱动力和反馈由于与许多建模者寻求人类对气候影响的目标背道而驰而往往被忽略。

政府间气候变化专门委员会(IPCC)没有考虑到的因素包括：大气水汽增强引起的低空云层的增加、二甲基硫(DMS)的海洋排放、以及自然和工业气溶胶的出现和总冷却效应。这些过程可能会抵消大部分甚至是全部因CO2浓度上升而引起的变暖。图4总结了第2章气候变化再审视II物理科学中出现的关于驱动力和反馈的一些发现。

图4 气温驱动力及反馈机制的关键事实

（1）二氧化碳比工业前的水平增加一倍(从280到560 ppm)，很可能会导致低层大气受到3.7Wm^-2的气温驱动，初步估计大约升温1℃。

（2）IPCC模型强调正反馈的重要性，他们认为水汽的增加使温度升高3 - 6℃，然而实证数据却表明变暖的数量级要低于0.3- 1℃。

（3）在冰芯样品中，温度的变化要早于同期大气二氧化碳的变化几百年；同时，经过漫长的历史和地质记录，温度和二氧化碳也被分开；因此，二氧化碳不能作为温度变化的主要驱动力因子。

（4）大气甲烷(CH4)在过去20年的水平远远低于IPCC评估报告中的预测值。IPCC的温度预测包含了这些夸大的CH4估计值，需要相应地向下修正。

（5）以目前的升温速率，永久冻土或海底天然气水合物的融化不太可能释放出危险量的甲烷。

（6）氧化亚氮(N2O)的排放量预计会随着CO2浓度和温度的升高而下降，这表明它是一个气候变化的负反馈机制。

（7）其他对气候敏感性的负反馈要么被IPCC忽略要么被低估，包括：大气水汽增强引起的低空云层的增加，二甲基硫(DMS)海洋排放的增加，以及自然和工业气溶胶的出现和总冷却效应。

来源：“Chapter 2. Forcings and Feedbacks,” ClimateChange Reconsidered II: Physical Science (Chicago, IL: The HeartlandInstitute,2013).

然而，GCMs的另一个缺陷是非线性气候模型表现出混乱的状态。因此，单个模拟(“运行”)可能显示不同的趋势值(Singer, 2013b)。内部气候振荡（大西洋多年代际振荡（AMO）、太平洋年代际振荡（PDO）等）是历史温度记录的主要特征，而GCMs甚至都没有试图模拟它们。类似地，这些模型都没有考虑到太阳磁场或宇宙射线通量变化的影响，而这两种现象都对气候有显著的影响。

我们认为目前的GCMs无法准确预测未来10年的气候，更不必说被政策制定者采纳的100年预测了。因此，这些模型运算的结果不应用来指导公共政策的制定，除非它们被证实并显示具有预测价值。

失败的预测

GCMs的4项预测是由各种来源的真实数据伪造的：

失败预测1：大气中二氧化碳的加倍会导致温度升高3-6℃

普遍认为，大气中二氧化碳浓度增加一倍导致辐射强迫增加了3.7 Wm^-2。把这种强迫等同于温度需要考虑正反两方面的反馈。IPCC模型将水蒸气的增加带来的正反馈考虑在内，而将其负反馈诸如低层云层的相伴增加等排除在外，因此模拟的结果为3℃或其以上的温室效应。

IPCC忽视了越来越多的证据，而这些证据表明气候对二氧化碳的敏感性远低于其模型假设（(Spencer andBraswell, 2008; Lindzen and Choi, 2011）。Monkton等人引用了27篇同行评议的文章“气候敏感性低于当前的中央估计值”(Monckton et al.2015)。文章清单如图5所示。

图5 研究发现气候敏感性低于IPCC的假设

Michaels, P.J.,Knappenberger, P.C., Frauenfeld, O.W., et al. 2002. Revised 21^stcentury temperature projections. Climate Research 23: 1–9.

Douglass, D.H.,Pearson, B.D., and Singer, S.F. 2004. Altitude dependence of atmospherictemperature trends: climate models versus observation. GeophysicalResearch Letters 31: L13208. doi: 10.1029/2004GL020103.

Landscheidt, T.2003. New Little Ice Age instead of global warming? Energy& Environment 14 (2): 327–350.

Chylek, P. andLohmann, U. 2008. Aerosol radiative forcing and climate sensitivity deducedfrom the Last Glacial Maximum to Holocene transition. GeophysicalResearch Letters 35: L04804. doi: 10.1029/2007GL032759.

Monckton ofBrenchley, C. 2008. Climate sensitivity reconsidered. Physics& Society 37: 6–19.

Douglass, D.H. andChristy, J.R. 2009. Limits on CO2 climate forcing from recent temperature data of earth. Energy& Environment 20: 1–2.

Lindzen, R.S. andChoi, Y-S. 2009. On the determination of climate feedbacks from ERBE data. GeophysicalResearch Letters 36: L16705. doi: 10.1029/2009GL039628.

Spencer, R.W. andBraswell, W.D. 2010. On the diagnosis of radiative feedback in the presence ofunknown radiative forcing. Journal of Geophysical Research 115: D16109. doi:10.1029/2009JD013371.

Annan, J.D. andHargreaves, J.C. 2011. On the generation and interpretation of probabilistic estimatesof climate sensitivity. Climate Change 104: 324–436.

Lindzen, R.S. andChoi, Y-S. 2011 On the observational determination of climate sensitivity andits implications. Asia-Pacific Journal of Atmospheric Sciences 47: 377–390.

Monckton ofBrenchley, C. 2011. Global brightening and climate sensitivity. In: Zichichi,A. and Ragaini, R. (Eds.) Proceedings of the 45th Annual International Seminar onNuclear War and Planetary Emergencies, World Federation of Scientists.London, UK: World Scientific.

Schmittner, A.,Urban, N.M., Shakun, J.D., et al. 2011. Climate sensitivity estimated from temperaturereconstructions of the last glacial maximum. Science 334: 1385–1388. doi:10.1126/science.1203513.

Spencer, R.W. andBraswell, W.D. 2011. On the misdiagnosis of surface temperature feedbacks fromvariations in Earth’s radiant-energy balance. RemoteSensing 3: 1603–1613. doi: 10.3390/rs3081603.

Aldrin, M.,Holden, M., Guttorp, P., et al. 2012. Bayesian estimation of climate sensitivity based ona simple climate model fitted to observations of hemispheric temperature andglobal ocean heat content. Environmetrics 23: 253–271. doi: 10.1002/env.2140.

Hargreaves, J.C.,Annan, J.D., Yoshimori, M., et al. 2012. Can the last glacial maximum constrain climatesensitivity? Geophysical Research Letters 39: L24702. doi:10.1029/2012GL053872.

Ring, M.J.,Lindner, D., Cross, E.F., et al. 2012. Causes of the global warming observed since the19th century. Atmospheric and Climate Sciences 2: 401–415. doi:10.4236/acs.2012.24035.

van Hateren, J.H.2012. A fractal climate response function can simulate global averagetemperature trends of the modern era and the past millennium. ClimateDynamics 40: 2651–2670, doi: 10.1007/s00382-012-1375-3.

Lewis, N. 2013. Anobjective Bayesian improved approach for applying optimal fingerprinttechniques to estimate climate sensitivity. Journal ofClimate 26: 7414–7429. doi: 10.1175/JCLI-D-12-00473.1.

Masters, T. 2013.Observational estimates of climate sensitivity from changes in the rate ofocean heat uptake and comparison to CMIP5 models. ClimateDynamics 42: 2173–2181. doi: 101007/s00382-013-1770-4.

Otto, A., Otto,F.E.L., Boucher, O., et al. 2013. Energy budget constraints on climate response. NatureGeoscience 6: 415–416. diuL19,1938/ngeo1836.

Spencer, R.W. andBraswell, W.D. 2013. The role of ENSO in global ocean temperature changesduring 1955-2011 simulated with a 1D climate model. Asia-PacificJournal of Atmospheric Sciences 50: 229-237. doi:10.1007/s13143-014-0011-z.

Lewis, N. andCurry, J.A. 2014. The implications for climate sensitivity of AR5 forcing andheat uptake estimates. Climate Dynamics 10. doi:1007/s00382-014-2342-y.

Loehle, C. 2014. Aminimal model for estimating climate sensitivity. EcologicalModelling 276: 80–84. doi: 10.1016/j.ecolmodel.2014.01.006.

McKitrick, R.2014. HAC-robust measurement of the duration of a trendless subsample in aglobal climate time series. Open Journal of Statistics 4: 527–535. doi:10.4236/ojs.2014.47050.

Monckton ofBrenchley, C. 2014. Political science: drawbacks of apriorism inintergovernmental climatology. Energy & Environment 25: 1177–1204.

Skeie, R.B.,Berntsen, T., Aldrin, M., et al. 2015. A lower and more constrained estimate of climatesensitivity using updated observations and detailed radiative forcing timeseries. EarthSystem Dynamics 5: 139–175. doi:10.5194/esd-5-139-2014.

Lewis, N. 2015.Implications of recent multimodel attribution studies for climate sensitivity. ClimateDynamics doi:10.1007/s00382-015-2653-7RSS.

来源：Monckton, C., Soon, W. W-H., Legates,D.R., and Briggs, W.M. 2015. Keeping it simple: the value of an irreduciblysimple climate model. Science Bulletin 60 (15): 1378–1390, footnotes 7 to 33.

失败预测2：在过去的15年里，二氧化碳至少造成温升0.3℃

IPCC支持的全球气候模型预测大气在21世纪的第一个15年内至少会升温0.3℃，而事实上在那个时期，气温根本没有上升。图6显示了1997年到2015年的全球气温，该图来源于遥感系统获取和报道的卫星数据，由Monckton等人(2015)制作完成。由图可以看出从1997年1月到2015年6月温度降低0.01℃。由图可以看出，从1997年1月至2015年6月温度降低0.01℃的趋势明显。图7来源于 John Christy博士的2016年国会证词，该图生动地刻画了GCMS未能预测出这一趋势。

图6 1997年1月-2015年6月RSS全球低层对流层月平均温度异常现象

来源：Monckton et al., 2015.

图7 1979-2015年气候模型预测全球气温的失败

注:每5年全球（“对流层中层”或“MT”）大气温度的均值（1979-2015年），红色为102个IPCC CMIP5气候模式的均值；绿色为UAH、 RSS、 NOAA 3种卫星数据集的均值；蓝色为NOAA、UKMet、RICH、RAOBCORE 4种气球数据集的均值。资料来源：Christy ,2016年。

关于气候对二氧化碳的敏感性，超过15年没有变暖的趋势证明基于IPCC假设的GCMs是无效。在2008年的气候报告中，国家海洋和大气管理局(NOAA)报告说:“由于模型内部的气候变异性，模拟时，在十年或低于十年的间隔内出现接近零甚至是负数的趋势是很常见的。”模拟排除了（在95%的水平）15年或更长时间间隔的零趋势，意味着在这段时间间隔内，观测到的没有变暖的现象与预期的当前变暖率不符（Knight et al.，2009）。这种“差异”是存在的，实际上已经延续至18年内气候没有变暖，模型已然失效。

IPCC的作者将非驱动力模型（以及不完全的驱动力模型）的输出结果与反映20世纪全球温度的数据集进行对比（HadCRUT，英国气象办公室）。结果发现，数据集比模型预测的变暖趋势更为显著，然后得出的错误结论是：这种“过度”变暖一定是由人类温室效应所引起的。然而事实并没有过度变暖，首先，因为这些假设模型有完整的知识、信息和能力而数据集并没有；其次是因为不同于IPCC认可的HadCRUT的全球气温曲线，各种数据集并没有展示出20世纪后半期有变暖的趋势。参见图8所示。

图8 气温上升证据不足

地表温度在1942 -1995和1979 - 1997之间的差异，被陆地、海洋和大气位置的数据集记录下来。

除非另有说明，资料由指定的政府机构提供。

来源1：Gouretski et al., 2012；来源2：Anderson et al., 2013。

失败预测3：热带地区的对流层上层应存在热点。

气象气球探空仪和MSU卫星二者的观测表明：在对流层中，随着高度的增加，变暖的趋势保持不变或降低（Douglass et al., 2007;Singer,2011; Singer, 2013a）。图9中，左图是热带中层对流层温度趋势的模拟结果，可参见美国气候变化科学计划报告的图1.3F(Karl et al., 2006)。该图表明热带地区的上层对流层应该出现一个“热点”。同样，右图来源于美国气候变化科学计划报告的图5.7E。该图表明，由哈德利中心无线电探测资料得到的观测温度与美国分析结果相一致。模型所预测的热带中层对流层温升现象在观测数据中并没有得到显示。

图9 温度随纬度和海拔高度的变化趋势（温室模型预测VS观测）

来源：Karl et al., 2006, pp. 25,116.

失败预测4：二十世纪后期，两极地区比地球上其他地区变暖快。

20世纪后期，北极的多数区域以及南极半岛的西部都出现了气候变暖现象，但自20世纪50年代以来，南极冰盖东部就一直在降温(O’Donnell et al., 2010)。更多数据和阐述参见文章第6章。

一般来说，用实证数据评估GCMs预测结果表明，GCMs表现很差。在当代气候模型的广泛测试的综合报告中，Idso和Idso写道:“我们发现（并证实）目前的顶级气候模型历经2418次失败之后才准确地预测了一系列气候现象。有了这个极其糟糕的成功记录，人们一定会非常想知道，该如何相信目前的气候模型能够预测明天、未来几十年、一百年甚至更长时间的气候”(Idso and Idso, 2015)。

参考文献：

Anderson, D., et al. 2013. Globalwarming in an independent record of the last 130 years. GeophysicalResearch Letters 40: 189–193, doi:10.1029/2012GL054271.

Christy, J.R.2016. Testimony to the U.S. House Committee on Science, Space & Technology(February 2). https://www.heartland.org/policy-documents/testimony-john-r-christy-addressing-noaas-recent-temperature-claims.

Douglass, D.H.,Christy, J.R., Pearson, B.D., and Singer, S.F. 2007. A comparison of tropicaltemperature trends with model predictions. InternationalJournal of Climatology 28: 1693–1701. doi: 10.1002/joc.1651.

Dyson, F. 2004. Ameeting with Enrico Fermi. Nature 427: 297.

Gouretski, V.V.,Kennedy, J. J. J., Boyer, T.P., and Köhl, A. 2012. Consistent near-surfaceocean warming since 1900 in two largely independent observingnetworks, GeophysicalResearch Letters, doi: 10.1029/2012GL052975.

Idso, S.B. andIdso, C.D. 2015. Mathematical Models vs. Real-World Data:Which BestPredicts Earth’s Climatic Future? Center for the Study of Carbon Dioxide and Global Change.

Karl, T.R.,Hassol, S.J., Miller, C.D., and Murray, W.L. 2006. (Eds.) TemperatureTrends in the Lower Atmosphere: Steps for Understanding and ReconcilingDifferences. A report by the Climate Change Science Program and Subcommittee onGlobal Change Research. http://www.climatescience.gov/Library/sap/sap1-1/finalreport/default.htm.

Knight, J.,Kennedy, J., Folland, C., Harris, G., Jones, G.S., Palmer, M., Parker,D.,Scaife, A., and Stott, P. 2009. Do global temperature trends over the lastdecade falsify climate predictions? Bulletin ofthe American Meteorological Society 90 (2009): S22–S23.

Lindzen, R.S. andChoi, Y.-S. 2011. On the observational determination of climate sensitivity andits implications. Asia-Pacific Journal of Atmospheric Sciences 47: 377–390. doi:10.1007/s13143-011-0023-x.

Mears C.A. andWentz, F.J. 2009. Construction of the RSS V3.2 lower tropospheric dataset fromthe MSU and AMSU microwave sounders. Journal ofAtmospheric and Oceanic Technology 26: 1493–1509.

Monckton, C.,Soon, W.W.-H, Legates, D.R., and Briggs, W.M. 2015. Keeping it simple: thevalue of an irreducibly simple climate model. ScienceBulletin 60 (15): 1378–1390.

O’Donnell, R.,Lewis, N., McIntyre, S., and Condon, J. 2010. Improved methods for PCA-basedreconstructions: case study using the Steig et al. (2009) Antarctic temperaturereconstruction. Journal of Climate 24: 2099–2115.

Singer, S.F. 2011.Lack of consistency between modelled and observed temperature trends. Energy& Environment 22: 375–406.

Singer, S.F.2013a. Inconsistency of modelled and observed tropical temperature trends. Energy& Environment 24: 405–413.

Singer, S.F.2013b. Overcoming chaotic behavior of general circulation climate models(GCMs). Energy& Environment 24: 397–403.

Spencer, R.W. andBraswell, W.D. 2008. Potential biases in feedback diagnosis from observationsdata: a simple model demonstration. Journal ofClimate 21: 5624–5628.