[论文解读] Perspectives on the importance of complex systems in understanding ourclimate and climate change -- The Nobel Prize in Physics 2021

Shraddha Gupta, Nikolaos Mastrantonas+2 more|arXiv (Cornell University)|Mar 7, 2022

Ecosystem dynamics and resilience参考文献 49被引用 10

一句话总结

本文综述性论文整合了曼贝、哈塞尔曼和巴黎西因在气候科学领域获得诺贝尔奖的贡献，突出他们对复杂系统——特别是非线性动力学、随机过程和气候建模——的研究如何彻底改变了我们对气候变化的理解。它展示了这些基础性洞见如何促进对人为气候变化信号的更精准检测以及对地球气候系统临界点的预测。

ABSTRACT

The Nobel Prize in Physics 2021 was awarded to Syukuro Manabe, Klaus Hasselmann, and Giorgio Parisi for their 'groundbreaking contributions to our understanding of complex systems' including major advances in the understanding of our climate and climate change. In this perspective article, we review their key contributions and discuss their relevance in relation to the present understanding of our climate. We conclude by outlining some promising research directions and open questions in climate science.

研究动机与目标

• 将2021年诺贝尔物理学奖在气候科学复杂系统方面的贡献置于历史语境中。
• 解释植村秀久的辐射-对流模型如何确立二氧化碳导致变暖的物理基础。
• 分析克劳斯·哈塞尔曼区分自然变异性与人为强迫在气候信号中作用的理论框架。
• 考察乔吉奥·巴黎西在无序系统理论方面的理论进展及其在气候动力学中的应用。
• 识别基于复杂系统理论的气候科学中开放的研究问题与未来研究方向。

提出的方法

• 通过历史与理论发展的叙事综合，梳理气候建模与复杂系统科学的发展脉络。
• 借助概念与数学框架分析诺贝尔奖得主的关键贡献，包括能量平衡模型与随机气候模型。
• 应用“最优指纹法”检测气候数据中的人为信号，该方法由哈塞尔曼形式化提出。
• 整合统计物理中的概念，包括随机共振与非线性动力学，以解释气候变异性。
• 回顾基于网络与动力系统的方法，用于检测气候系统临界点的早期预警信号。
• 借鉴地球系统模型（ESMs）与一般环流模型（GCMs）作为复杂系统原理的计算实现。

实验结果

研究问题

• RQ1 植村秀久在1960年代的气候模型如何确立了大气中二氧化碳浓度与全球气温上升之间的物理联系？
• RQ2 克劳斯·哈塞尔曼的随机气候模型在何种方式上实现了从气候观测中分离自然变异性与人为强迫？
• RQ3 巴黎西对无序系统与自旋玻璃的理论洞见如何应用于理解气候系统的行为？
• RQ4 复杂系统方法在检测气候临界点早期预警信号方面发挥何种作用？
• RQ5 复杂系统原理如何指导未来气候建模与政策相关预测？

主要发现

• 曼贝在1960年代的模型表明，大气中二氧化碳浓度每加倍，全球地表温度将上升1.5–2.0 K，确立了基础性的辐射强迫关系。
• 哈塞尔曼的框架使利用‘最优指纹法’检测人为影响成为可能，其统计显著性已在IPCC第六次评估报告（AR6）中得到证实。
• 巴黎西在随机共振与无序系统方面的研究为理解气候转变（如冰期-间冰期循环）提供了理论工具。
• 将复杂系统理论整合进气候科学，使我们能够更有效地建模跨多个尺度的非线性反馈与涌现行为。
• 临界要素如大西洋经向翻转环流（AMOC）在全球变暖背景下表现出更高的崩溃风险，这已通过基于网络的早期预警指标得到证实。
• 近期基于网络的气候建模进展（如Ludescher等人提出的方法）使利用气候网络动力学预测厄尔尼诺-南方涛动（ENSO）等现象成为可能。