热浪为何提前来袭？专访德国马克斯-普朗克气象研究所所长

来源：第一财经

今年北半球多地史无前例地提前遭遇高温天。

5月以来，法国、英国、西班牙等欧洲多国气象机构陆续录得35摄氏度以上的高温天天气；在亚洲，印度更是自4月起就遭遇了极端高温湿热天气，持续的热浪已波及印度多个行业。

“人类正处于一个充满‘变化不可解释’的气候新纪元。”近日，全球气候变化与地球系统建模领域的顶尖研究机构德国马克斯-普朗克气象研究所所长、美国地球物理联合会会士比约恩·史蒂文斯（Bjorn Stevens）在接受第一财经记者采访时表示，“卫星数据显示，当前地球能量失衡增速是预期的两倍，预示着地球对二氧化碳的敏感度可能比预想高出3至4倍。”

世界气象组织（WMO）5月28日的报告预测，中太平洋热带地区五年平均气温将呈现厄尔尼诺现象的趋势，尤其是在2027年和2028年，该报告主要作者预计2026年底将出现厄尔尼诺现象。

比约恩·史蒂文斯（记者吴军/摄）

“高温模式”为啥来得这么早

今年北半球缘何提早进入“高温模式”？史蒂文斯表示：“目前有两个关键因素在起作用，一个是公众耳熟能详的全球变暖，另一个则可能是相对陌生的大气环流变化，比如季风的变动、梅雨出现时间的变化等。”

史蒂文斯解释，全球变暖现象几乎在地球的每个角落都在发生，“全球变暖会加剧水文循环——也就是水分从地表蒸发到大气中，再从大气中降落的过程，这一过程与气温有着非常简单直接的关联”。

世界气象组织认为，2026年至2030年间，有高达86%的概率，某一年气温将超过2024年，成为有记录以来最热的年份。根据该机构统计，目前2024年是有记录以来最热的一年，全球气温比工业化前水平高出1.55摄氏度。

至于大气环流的变化，史蒂文斯解释道：“比如季风来得更早或更晚、甚至消失，都有可能影响气温的高低，去年日本就有关于季风可能不再到来的讨论。当然不同城市之间的气候差异很大，这在很大程度上与大气环流有关。”

随着大气环流的变化，气候会出现突然的剧烈波动。史蒂文斯举例，在非洲萨赫勒地区的干湿区边界，如果湿润区稍微向北移动一点，就会给之前干旱地区的气候带来巨大变化。

值得注意的是，世界气象组织今年首次将“地球能量不平衡”（EEI）列为独立的关键指标。根据该机构定义，这一物理量衡量的是地球从太阳获得的能量与向外太空辐射的能量之间的差额。由于温室气体浓度持续攀升、气溶胶排放减少等因素，地球正在“收入”大于“支出”，导致整个气候系统积累越来越多的热量。

对此，史蒂文斯告诉记者：“过去26年左右，我们一直在测量进入地球系统的净能量流。在一个稳定的系统中，这个数值应该是零；而随着温室气体导致地球变暖，我们预计这个数值会增加，而且它确实在增加。这本身并不令人惊讶，这就是全球变暖的体现。但令人担忧的是，这个数值的增长幅度大约是我们预期的两倍，而我们对此尚无法解释。”

他还表示，在某种程度上，这是因为地球变得更“暗”了，但科学界目前并不真正清楚为什么地球会变暗，“我们观察到的实际情况是云系模式在变化，这与大气环流的变化有关，但地球变暗确实是导致能量失衡加剧的原因——至于为什么会变暗，我们还不知道。”

AI在气候治理中能做什么

史蒂文斯表示，如果对当前的气候治理漠不关心，灾难性的后果便是，地球肯定会变得暖和得多，海平面也会大幅上升，“还会出现许多我们无法预料的事情——这就是危险所在。在地球治理方面，拥有一张规划未来的‘地图’，对于我们与自然环境的和谐共处至关重要。”

那么，当前火热的人工智能（AI），在极端气候的预测、应对，甚至参与气候的全球治理方面能发挥哪些作用？史蒂文斯认为，AI与传统的研究手段是互补的。“在我看来，人工智能的优势在于信息压缩能力。现在人们使用人工智能，大多是为了获取那些理论上可以找到，但难以定位的信息——人工智能会读取所有相关内容，但它的表现不会超过其训练数据。人们希望通用人工智能能够超越其训练范围，但目前这样的例子其实很少。”他说道。

不过，史蒂文斯强调，人工智能压缩海量信息、快速解答复杂问题的能力非常强大，它让科研人员能以更人性化、更快捷、更具互动性的方式获取已有的信息，从而为研究提供参考。

史蒂文斯对中国在利用AI参与全球气候治理方面的贡献印象深刻。他特别提到：“在人工智能领域，中国企业在开放工具使用权限方面走在前列。尤其在气候领域，人工智能的使用已经有所体现，相信未来会逐步延伸到其他科技领域。”

史蒂文斯还介绍：“在与中国同行的交流中，大家都关心如何建立一个利用最新科学和技术发展的信息系统，让普通民众能够看到未来世界的样子，并鼓励他们以力所能及的行动参与全球气候治理。”

展望未来，在史蒂文斯看来，如果未来人工智能所呈现的信息、所依据的训练数据是可控制、可监管的，那么可以期待一个信息更灵通的社会。而要真正释放这一能力的潜力，他认为，还需要几项关键支持：接入百亿次级别的计算资源，建立训练数据及其表现形式的标准，加强研究与实际应用之间的互动，并持续推进地球系统监测能力的完善。