涌现约束（Emergent Constraints)：如何减小对气候变化趋势预估的不确定性？

从1979年的查尼报告开始，对未来100年全球平均表面温度变化趋势的预估一直在1.5-4.5度之间，最新的国际模式比较计划很可能会更新这一估计，向相对更高的气候敏感度（climate sensitivity）靠拢。事实上，近期发表的几个著名气候模式（如美国GFDL、NCAR、DOE的三个气候模式和英国的哈得莱气候研究中心）的最新版本都给出了5度以上的气候敏感度。

业外可能会以为这些模式无非是计算机里变魔术似的数字游戏。实际上这些模式几十年来的发展背后是成千上万大气、海洋、计算机、植物生态、地球生物化学、土壤物理、冰川、水文学家一起协同的不懈努力。而用来检验这些模式的是遍布全球的大气、海洋、陆表的直接观测和卫星遥测。如果大家觉得用来预报每天天气的数值预报模式比较可信（因为现在的天气预报已经相当准确），那么也就不应该认为气候模式只是纸上谈兵的数字游戏，因为气候模式的组成和原理和天气预报模式是基本上一致的。

天气预报的精度和准确度可以得到每天实测天气状况的检验，但我们无法在现时检验十年、五十年、一百年以后的气候。那么有没有办法从已有的气候观测出发，约束对未来气候变化的估计呢？事实上，在过去的二十年中，已经有了这方面的尝试，相关的方法现在被统一称为“Emergent Constraints” ( 观测涌现约束，简称涌现约束)。其基本出发点是通过短期气候变率中模式变量之间的关系（比如云反照率和温度的关系）和实测中对应关系的比较，挑选出那些相对比较可靠的模式。这样通过对模式可靠度的不同赋值，增加可靠模式的权重，减小不可靠模式的权重，减小对未来气候预估的不确定性。

最近来自法国国家研究中心的青年科学家Florent Brient对“涌现约束”方法的概念和发展做了一个比较详细的回顾和展望，文章发表在2020年第一期的大气科学进展 （Advances in Atmospheric Sciences)上。在新一轮气候模式比较数据开始陆续上线的时刻，可以期望对“涌现约束”的研究会有一个新的热潮。

文章链接： https://link.springer.com/article/10.1007/s00376-019-9140-8

        链接2: F Brient (2020), Reducing Uncertainties in Climate Projections with Emergent Constraints: Concepts, Examples and Prospects