[论文解读] Can we believe in high climate sensitivity?

J. D. Annan, J. C. Hargreaves|ArXiv.org|Dec 11, 2006

Climate variability and models参考文献 18被引用 5

一句话总结

本文挑战了近期基于观测的概率分析所得出的高气候敏感度估计（S > 6°C）的可信度，认为这些结果源于不切实际的均匀先验分布和数据使用不完整。通过应用更合理的先验分布和全面的观测数据（尤其是ERBE卫星辐射数据）进行适当的贝叶斯推断，本文表明高敏感度极不可能成立，95%的上限接近4°C，而非6°C。

ABSTRACT

The climate response to anthropogenic forcing has long been one of the dominant uncertainties in predicting future climate change (Houghton et al, 2001). Many observationally-based estimates of climate sensitivity (S) have been presented in recent years, with most of them assigning significant probability to extremely high sensitivity, such as P(S>6C)>5%. However, closer examination reveals that these estimates are based on a number of implausible implicit assumptions. We explain why these estimates cannot be considered credible and therefore have no place in the decision-making process. In fact, when basic probability theory is applied and reasonable assumptions are made, much greater confidence in a moderate value for S (~2.5C) is easily justified, with S very unlikely to be as high as 4.5C.

研究动机与目标

• 挑战基于观测的估计中对极高气候敏感度（S > 6°C）赋予显著概率的可信度。
• 识别使用均匀（‘无知’）先验分布所导致的缺陷，这些先验分布过度偏向高敏感度值。
• 证明结合多个观测数据集，尤其是独立于模型的卫星辐射数据（ERBE），可得出更稳健且适中的敏感度估计。
• 主张忽略大量观测证据而仅依赖孤立数据集会导致不一致且不适合决策的概率评估。
• 倡导采用一致的贝叶斯框架，整合所有相关数据和合理的先验分布，以生成适用于政策制定的可辩护气候敏感度估计。

提出的方法

• 应用贝叶斯概率理论，使用贝叶斯定理：f(S|O) = f(O|S)f(S)/f(O)，其中f(S|O)为后验分布，f(S)为先验分布，f(O|S)为似然函数，f(O)为归一化常数。
• 批评使用均匀先验分布（如U[0,10]或U[0,20]）的不合理性，表明其赋予P(S>6°C) ≥ 40%的高概率，这在物理上不可行，且并非真正‘无知’。
• 以Forster & Gregory（2006）的ERBE卫星数据结果作为似然函数模型，该模型在反馈参数L = 1/S上为高斯分布，避免了模型依赖性。
• 将均匀先验分布的结果与基于专家意见的先验分布（如Webster & Sokolov, 2002）及长尾先验分布进行比较，以检验结果的稳健性。
• 将ERBE似然函数与Annan & Hargreaves（2006）及Hegerl et al.（2006）的先验分布结合，显示后验分布更加尖锐。
• 评估数据截断和先验分布边界对后验结果的影响，表明在使用不当先验时，后验结果对先验选择极为敏感。

实验结果

研究问题

• RQ1 为何许多近期基于观测的估计对气候敏感度超过6°C的概率赋予非可忽略值（例如>5%）？
• RQ2 作为‘非信息性’先验的均匀先验分布——常被用于表示无知——在气候敏感度问题上是否真正合理？
• RQ3 在包含全面观测数据（尤其是独立于模型的ERBE数据）的情况下，如何影响气候敏感度的后验估计？
• RQ4 能否通过一个整合了先验知识与多源数据的一致性贝叶斯框架，得出更可辩护且适中的气候敏感度估计？
• RQ5 当使用合理先验分布和完整数据集时，气候敏感度在95%可信区间内的上限是多少？

主要发现

• 如U[0,10°C]或U[0,20°C]等均匀先验分布并非非信息性，反而赋予高敏感度过高的先验概率，例如P(S>6°C) ≥ 40%。
• 使用上限为20°C的均匀先验分布，会使S的先验期望值达到10°C，这与物理上的合理性严重不符。
• 当使用ERBE卫星辐射数据（基于直接观测且独立于气候模型）作为似然函数时，S的后验分布变得高度集中且有界。
• 将ERBE似然函数与合理先验分布结合后，S的95%上限概率边界降至不超过4°C，远低于常被引用的6°C阈值。
• 在合理先验和完整数据整合下，后验分布表明S > 4.5°C的可能性极低，95%上限可信区间稳稳低于4°C。
• 本文结论认为，在使用可信先验和全面数据的正确贝叶斯推理下，S > 6°C具有显著概率的观点在逻辑上无法成立。