气候模型是研究者预测全球变暖的重要工具，但它们能在多大程度上准确反映未来的情况？最近，加拿大麦吉尔大学的研究团队提出了一种新的预测方法，能够大大降低模型的不确定性。相关研究发表于《气候动力学》。

大气、海洋、冰川、陆地和太阳等都是影响地球气候的因素，将它们汇集于同一个数学模型中，有助于人们更好地了解整个地球系统。但在预测未来时，这些历史数据仍然存在着不确定性。

迄今为止，由于各个模型对气候变化的预测结果范围过大，人们很难根据这些结果确定统一的行动方案。比如，假设大气中二氧化碳浓度增加一倍，按政府间气候变化专业委员会（IPCC）的通用循环模型（GCMs）预测，结果会显示全球平均气温升高的范围在1.9摄氏度~4.5摄氏度，但这一结论过于宽泛，对低纬度地区而言，这种温度变化带来的影响较小，而在其他地区，这种气候变化的幅度是致命的。

因此，有不少人对气候变化研究持怀疑态度——有些模型即便有超级计算机加持，但预测的根据很可能靠不住。但对麦吉尔大学大气与海洋科学系的Bruno Tremblay和其同事而言，这种质疑反而是一种启发：研究者需要采用独立且不同的方法预测气候变化。

GCMs的预测基于各因素之间的理论关系，在新发表的研究中，Tremblay等人以历史气候数据为基础，提出的模型尽可能让假设成分少出现，通过直接观测估算气候敏感性及其不确定性。

与IPCC的模型相比，新方法的不确定性大约降低了一半，前者预估全球可能在2020~2052年间升温1.5摄氏度，新模型的预测结果将这一范围缩小到2027~2042年。此外，研究人员还发现预期的变暖幅度比先前预测的降低了10%~15%。

论文共同作者、麦吉尔大学物理系教授Shaun Lovejoy表示，气候变化模型越准确，政客们的回旋余地就越少。“现在政府终于决定在应对气候变化上采取行动，不能让他们产生即便政策不给力也能避免气候变化带来的危险后果的想法。”（袁柳）