气候科学 climate science (Wendy Parker)
首次发表于 2018 年 5 月 11 日星期五
气候科学研究地球气候系统的结构和动态。它旨在理解全球、区域和局部气候是如何维持的，以及它们随时间如何变化的过程。在这个过程中，它利用了来自气象学、海洋学、物理学、化学等各个领域的观察和理论。这些资源还为气候系统的计算机模型的发展提供了信息，这些模型是当今气候研究的支柱。本文概述了当代气候科学的一些核心概念和实践，以及与之相关的哲学工作。重点主要放在在制作气候数据集以及构建、使用和评估气候模型时出现的认识论和方法论问题上。还讨论了一些关于人为气候变化的关键问题和发现。
1. 引言
气候科学这一领域出现在二十世纪下半叶。虽然有时也被称为“气候学”，但它与之前的气候学领域有明显区别。那个气候学，从十九世纪末（甚至更早）就存在，是一门归纳科学，在许多方面更类似于地理学而不是物理学；它发展了基于经验标准对气候进行分类的系统，并且到了二十世纪中叶，越来越多地专注于从天气观测中计算统计数据（Nebeker 1995；Edwards 2010；Weart 2008 [2017，其他网络资源]；Heymann＆Achermann 即将出版）。相比之下，气候科学旨在解释和预测全球气候系统的运作，涵盖大气、海洋、陆地表面、冰盖等，并且广泛利用理论知识和数学建模。事实上，气候科学的出现与数字计算机的兴起密切相关，这使得通过模拟大气和海洋的大尺度运动成为可能，使用了在其他情况下难以处理的流体动力学方程；这些运动传输质量、热量、湿度和其他塑造典范气候变量的数量，如平均地表温度和降雨量。如今，代表各种气候系统过程的复杂计算机模型是气候研究的重要组成部分。
气候科学的出现也与人为气候变化问题相关。近几十年来，人们对气候变化日益关注，为气候研究带来了大量资金。然而，有一个误解，即气候科学仅仅是研究人为气候变化。相反，气候科学内部一直存在并持续着大量研究，涉及气候系统运行机制的基本问题。这包括有关能量如何在系统中流动的问题，有关特定物理过程在塑造气候中的作用的问题，有关气候系统组成部分之间发生的相互作用的问题，有关系统内自然振荡的问题，有关气候系统反馈的问题，有关气候系统可预测性的问题，等等。
本条目概述了当代气候科学的一些核心概念和实践，以及与之相关的哲学工作。到目前为止，大部分哲学工作集中在气候建模的认识论及与之密切相关的主题上。第 2 节 介绍了一些基本概念：气候系统、气候和气候变化。第 3 节 转向气候数据，强调了在生成三种重要类型的气候数据集时出现的一些复杂性和挑战。第 4 节 侧重于气候建模，简要描述了当今使用的一些主要气候模型类型，然后更详细地考虑了复杂全球气候模型的构建、使用和评估。最后，第 5 节 讨论了气候科学中涉及人为气候变化问题的研究，以及与这些研究相关的一些最近的争议；还提供了一些指向已经出现的关于伦理和气候变化的大量文献。
根据标准的描述，地球的_气候系统_是由大气层、水圈、冰冻圈、岩石圈和生物圈组成的复杂互动系统（IPCC-词汇表：1451）。一些定义似乎更狭窄，将气候系统的范围限制在共同决定典型气候变量值（如平均地表温度和降水量）响应外部影响的大气层、水圈等方面（例如，见美国气象学会 2017a）。无论哪种情况，似乎包括一些人类活动在内，包括释放温室气体到大气中的活动和改变陆地表面的活动，都是气候系统的一部分。然而，在实践中，气候科学家通常将这些人类活动分类为外部影响，与火山喷发（将反射性气溶胶和其他物质喷入大气中）和太阳辐射（是系统的主要能源来源）一起（见 IPCC-词汇表：1454）。将人类活动分类为气候系统外部似乎是一种务实选择——在气候模型中，将人为温室气体排放表示为外生变量更容易，也是一个合理的初步近似——尽管这也可能反映了对于人类是否属于自然的更深层矛盾。
气候是气候系统的一个属性，但对于它是什么样的属性存在不同看法。根据所谓的实际主义观点，气候由气候系统中的实际条件定义。狭义的实际主义定义源自气候学（见 第 1 节），仅涉及天气条件。例如，一个地区的气候通常被定义为其平均天气条件，或者考虑长时间段时这些条件的统计分布（霍顿 2015 年：2；IPCC 词汇表：1450）。世界气象组织设定的分析标准期为 30 年，为一个地区定义了“气候正常”。然而，鉴于气候系统条件的最近变化速度，一些气候科学家建议现在应该在更短的时间段内定义气候正常（阿尔格斯和沃斯 2011 年）。更广义的实际主义气候定义涉及气候系统中各处的条件。例如，气候变化政府间专门委员会（IPCC）更广义地将气候定义为“气候系统的状态，包括统计描述”（IPCC 词汇表：1450）。这些更广义的定义出现在二十世纪下半叶，与通过物理理论增加努力以理解更狭义意义上的气候是如何通过大气、海洋和其他过程维持和改变的有关。这些努力实际上标志着气候科学本身的出现（见 第 1 节）。
一些关于“气候”的其他定义是 Werndl（2016）所称的_模型内在_：它们参考了气候系统模型所指示的条件，而不是实际条件。例如，从动力系统的角度来看，气候通常被认为是气候系统的吸引子，即由气候系统的（完美）数学模型的吸引子所代表的条件（Palmer 1999；Smith 2002）。粗略地说，吸引子是动力模型中变量值倾向于从各种起始值演变而来的一组点。然后，气候系统在有限时间内的实际条件被理解为是从吸引子所代表的可能性集合中的单个实现。这种关于气候的思考方式的一个实际缺陷是，在给定的有限时间段内，条件的分布不一定类似于由（无限时间的）吸引子所代表的条件（Smith 2002；Werndl 2016）。更根本地，标准（自治的）动力系统理论不适用于气候系统模型，其中外部因素如太阳辐射和温室气体浓度随时间显著变化，就像真实的气候系统一样；如何将非自治动力系统理论的资源应用于气候系统是当前的研究领域（例如，Chekroun 等人 2011 年；Drόtos 等人 2015 年）。
Werndl (2016)提供了对气候几个定义的批判性哲学审视，并提出了一个新颖的、模型内在的定义，根据这个定义，气候是在一个适当长但有限的时间段内，根据外部条件的制度和从特定初始状态开始的气候变量值的分布。粗略地说，制度是外部条件变化的模式，在所选时间段的不同子时间段上具有大致恒定的平均值。这个定义是模型内在的，因为它指的是如果气候系统被制度化了一个适当长的时间段，将会获得的条件分布（即气候系统的完美模型所指示的条件）；即使这些时间段相对较短，这个分布也定义了那个制度实际获得的时期的气候。Werndl 的定义避免了她发现的其他定义中的许多问题，但仍然有一些问题，包括在外部条件快速变化时如何使用制度概念。
对_气候变化_的定义与对气候的定义密切相关。例如，认同气候作为吸引子观点的科学家可能将气候变化描述为两个吸引子之间的差异，一个与较早时间存在的一组外部条件相关联，另一个与稍后时间存在的不同一组相关联。相比之下，与更狭窄的实在主义观点相关的气候变化的定义是：
任何在几十年或更长时间内持续的气候要素（如温度、压力或风等）的长期统计数据中的系统性变化。（美国气象学会 2017b）
与前者不同，后者的定义允许气候变化即使在外部条件没有任何变化的情况下也可能发生，这是由于气候系统内部的自然过程（例如，演变缓慢的海洋环流）所致。换句话说，后者的定义允许气候变化可以是气候系统中_内部变异_的表现。
内部变异概念以及气候科学中的各种其他概念，也引发了一些有趣的概念性和经验性问题（Katzav 和 Parker 即将发表）。然而，迄今为止，气候科学的基础在很大程度上尚未被哲学家探讨。
3. 气候数据
气候科学中采用的观测数据的来源和类型非常多样。数据不仅在陆地站收集，还在海洋中的船只和浮标上，飞机上，绕地球轨道的卫星上，通过钻取地球极地的古冰，通过检查树木年轮和海洋沉积物等方式收集。许多挑战出现在气候科学家试图利用这些多样化数据回答有关气候和气候变化问题时。这些挑战既源于数据的特性——它们在空间和时间上存在间断，并且来自具有有限寿命、质量和分辨率不同的仪器和其他来源，也源于气候科学家试图解决的问题的性质，其中包括有关全球范围长期变化的问题。
为了克服这些挑战，气候科学家采用丰富的_数据建模_实践（Edwards 2010；Frigg 等，2015b）。这些实践利用现有观测数据，并应用各种程序进行质量控制、校正、综合和转换。以下将重点介绍其中一些实践，同时介绍三种重要的气候数据集：基于站点的数据集（第 3.1 节），再分析（第 3.2 节）和古气候重建（第 3.3 节）。由于在生产过程中涉及大量数据建模，这些数据集通常被称为_数据产品_。正如下文讨论将表明的那样，气候科学中数据建模实践的一个有趣特点是，它们往往是动态和迭代的：针对几乎相同一组历史观测数据的数据模型会不断得到进一步改进，以解决先前努力的局限性。
3.1 基于站点的数据集
对人们最直接关心的天气和气候条件是那些接近地表的条件，也就是人们居住的地方。协调的陆地观测站网络——测量接近地表温度、气压、降水、湿度以及有时其他变量——始于 19 世纪中叶，并在 20 世纪迅速扩展（Fleming 1998: Ch.3）。如今，全球各地有成千上万的观测站每天观测这些条件，通常由国家气象服务机构监督。近几十年来，人们已经付出了重大努力，汇总过去地表观测记录，以制作对气候变化研究有用的长期全球数据集（例如 Menne 等，2012 年；Rennie 等，2014 年）。这些持续的努力涉及国际合作以及重要的“数据抢救”活动，包括成像和数字化纸质记录，有时还得到公众的帮助。
获取数字化的站点数据，然而，这只是第一步。正如爱德华兹（2010: 321）强调的那样，“...如果你想要全球数据，你必须创造它们”。为了构建对气候研究有用的全球温度数据集，成千上万的站点记录，相当于数百万个单独的观测记录，被合并，经过质量控制，同质化并转换为网格。记录来自多个来源，_合并_的目的是避免冗余，同时最大限度地增加站点覆盖的全面性（Rennie 等人，2014）。_质量控制_的程序旨在识别并删除错误数据。例如，全球历史气候网络-日常（GCHN-Daily）数据库的生成涉及 19 个自动化质量保证测试，旨在检测重复数据、气候异常值以及空间、时间和内部不一致性（Durre 等人，2010）。_同质化_试图消除站点时间序列中由非气候因素引起的跳跃和趋势，例如，因为仪器被新仪器替换、附近建筑物建造或观测时间发生变化。同质化方法依赖于站点元数据，如果可用的话，以及物理理解和统计技术，例如变点分析（Costa＆Soares，2009）。最后，对于许多目的，拥有_网格化_数据集是有用的，提供网格上点的温度值，其中每个点与一个空间区域相关联（例如，2° 纬度 ×2° 经度）。从一组站点转换为网格涉及进一步的方法选择：哪些站点应影响分配给给定网格点的值，如果相关区域在一段时间内没有报告站点该怎么办，等等。在实践中，科学团体做出不同的方法选择（Hartmann 等人，2013）。
基于格点站点的温度、降水和其他变量数据集已经被开发出来（例如，Harris 等人，2014 年）。表面温度数据集引起了特别关注，因为它们在努力量化最近全球变暖程度方面发挥着作用。这些温度数据集的三个主要来源是 NASA 的戈达德太空研究所（GISS）、东安格利亚大学的气候研究单位（CRU）和美国国家环境信息中心（NCEI）。这些团体定期开发他们的数据集的新版本，反映了额外数据的获取以及方法创新，例如，解决不均匀性的额外来源（参见 Hansen 等人，2010 年；Jones 等人，2012 年；Lawrimore 等人，2011 年）。尽管在生成这些数据集时涉及许多不同的方法选择，但对于从中得出的二十世纪全球陆地表面温度变化的分析，尤其是对于二十世纪下半叶，存在着良好的一致性。然而，气候怀疑论者表示担忧，认为这些分析夸大了二十世纪末的变暖。这最近激发了一个第四个独立分析，由非政府组织伯克利地球进行；利用更大量的站点记录集，并使用一种完全不同的地理统计方法来处理不均匀性，他们的分析证实了其他数据集中看到的二十世纪全球变暖（Rohde 等人，2013 年）。
3.2 再分析
就地_观测远离地表的条件的数据远不及地表观测丰富。无线电探空仪是一种携带仪器的气球，通过大气层上升测量压力、温度、湿度和其他变量，现在每天在世界各地数百个站点发射两次，但它们并不能提供均匀的全球覆盖（Ingleby 等，2016 年）。卫星携带的仪器可以提供全球覆盖，并且在天气和气候研究中具有重要价值，但它们并不直接测量关键气候变量如温度的垂直剖面；这些变量的近似值必须从辐射测量中以复杂的方式推断出来。一个最近建立的由数千个海洋浮标组成的系统，被称为_Argo，大约每 10 天在海洋的前 2000 米采集温度和盐度的局部剖面（Riser 等，2016 年）。虽然在一个世纪前有时会进行远离地表条件的观测（例如，使用连接到风筝上的温度计），但这些数据来源都是最近才存在的。
一种弥补观测中的空间和时间间隙的方法是进行统计插值。然而，从 1990 年代开始，气候科学家们也开始采用一种不同类型的方法，称为_数据同化_（Kalnay 2003）。数据同化最初是在天气预报的背景下开发的，它利用基于物理的模拟模型的一个或多个预测，估计大气或海洋的三维状态，不仅使用可用的观测数据，还使用预测数据。预测构成了感兴趣时间点大气或海洋状态的第一猜测估计；这个估计会根据该时间点附近收集的观测数据进行更新。在日常天气预报中，得到的最佳估计被称为_分析_，它为天气预测模型提供了初始条件。为了为气候研究生成长期数据集，数据同化会针对一系列过去的时间（例如，数十年内每 12 小时）进行迭代处理，为序列中的每个时间点生成一个回顾性分析或_再分析_（Bengtsson & Shukla 1988；Edwards 2010）。
大气再分析数据集在气候研究中被广泛使用，因为它们提供了完整的网格化数据，在长时间段内以规律的时间步长提供地表和上空的数据，涵盖了广泛的变量，包括一些难以用仪器测量的变量。许多再分析数据集涵盖了二十世纪的几十年，并利用尽可能多的可用观测数据进行生产（参见 Dee 等人 2016 年的概述）；当卫星数据可用时，这可能会导致每个分析时段中的观测次数达到数百万次。一个有趣的例外是美国国家海洋和大气管理局的 20 世纪再分析（20CR）项目：它涵盖了整个二十世纪，仅同化地表气压观测和观测到的月海表温度和海冰分布（Compo 等人 2011 年）。20CR 不受任何陆地温度观测的影响，然而其结果表明，与基于站点的温度数据集中观察到的情况类似，二十世纪全球变暖的情况。
20CR 被描述为提供了独立的“观测”证实了基于站点数据集中观察到的二十世纪变暖（Compo 等人 2013 年）。更一般地，尽管计算机预测在再分析中起着核心作用，许多气候科学家将再分析数据称为“观测”并将其用作此类目的：研究气候系统动态，评估气候模型，寻找近期气候变化原因的证据等。然而，其他气候科学家强调，再分析不应与“真实”观测混淆（例如，Schmidt 2011 年）。Parker（2017 年）认为，数据同化与传统观测和测量之间的差异并不像人们想象的那么大；她认为数据同化可以被理解为一种仍在发展中的复杂测量过程。
3.3 古气候重建
气候科学家也对遥远过去的气候感兴趣，在气象仪器出现之前。这些古气候研究依赖于_代用品_：自然环境的方面，根据物理和生物物理原理进行“解释，以代表过去某种气候相关变化的组合”（IPCC-词汇表：1460）。例如，深冰芯中氧同位素的比率变化以及微小动物化石壳中的氧同位素的变化被用作温度变化的代用品。通过树木年轮、珊瑚、湖泊沉积物、钻孔和其他来源获得的气候相关变量的额外代用品（PAGES-2K-Consortium 2013；Masson-Delmotte 等人 2013）。
通过基于代理的古气候重建，特别是在半球或全球范围内，涉及一系列方法论挑战。这里只提到一些。首先，正如上面的描述所暗示的，代理往往反映了多个环境因素的影响。例如，树木年轮不仅受温度影响，还受降水、土壤质量、云层覆盖等影响，这使得确切推断温度等感兴趣的单一变量变得更加困难。其次，代理通常必须使用最近利用气象仪器进行的观测进行校准，但仪器记录仅涵盖地球历史上很短的时期，远古时期塑造代理的因素可能有所不同。第三，同一类型的代理可能地理覆盖范围有限：冰芯仅在极地发现，树木年轮在没有明显生长季节的地方不存在，等等。第四，不同类型代理的时间分辨率可能差异显著——从一年到一个世纪甚至更长的时间——当试图将多个代理一起使用时，增加了复杂性。基于这些原因和其他原因，量化与代理重建相关的不确定性也是一个重大挑战（Frank 等，2010 年）。
尽管面临这些挑战，气候科学家们已经制作出覆盖各个地区、时期和与气候相关变量（包括温度、降水、水流量、植被等）的古气候重建。特别是温度重建一直是一个争议焦点（见 5.3 节），部分原因是因为它们支持了像这样的结论，来自《政府间气候变化专门委员会（IPCC）第五次评估报告》：1983 年至 2012 年这段时期“极有可能”（即概率>0.95）是过去 800 年中最温暖的 30 年时期（Masson-Delmotte 等人，2013 年：386 页）。Vezér（2016a）指出，对这类结论的推断可以被描述为一种多证据推理形式，因为它们涉及多个温度重建，这些重建受不同的代理、方法假设和统计技术的影响（另见 Oreskes，2007 年）。
4. 气候建模
气候系统模型，特别是计算机模拟模型，已经成为气候科学理论研究和应用研究中的核心。在概述一些常见类型的气候模型后（第 4.1 节），本节主要关注大气-海洋一般环流模型和地球系统模型，讨论它们构建的一些显著特点（第 4.2 节），它们最重要的一些用途（第 4.3 节），以及它们如何被评估（第 4.4 节）。重点放在这些复杂的气候模型上，因为它们吸引了哲学家们最多的关注，并且因为它们在当今的气候研究中发挥着特别重要的作用，包括气候变化研究。
4.1 气候模型的类型
气候科学家经常谈到气候模型的“层次结构”或“谱系”，从简单到复杂不等。气候模型的复杂性随着以下因素增加：所代表的空间维度数量；代表这些维度的分辨率；模型中包含的气候系统组成部分和过程的范围；以及这些过程被赋予现实而非简化表示的程度。因此，更复杂的模型往往在计算上也更具挑战性。以下讨论介绍了几种模型类型，展示了不同复杂程度（有关其他类型，请参见 Stocker 2011；McGuffie＆Henderson-Sellars 2014）。这里讨论的类型是基于物理学的，从某种程度上说，它们在很大程度上基于物理理论。也已经为某些目的开发了基于数据驱动或“经验”的气候模型，但这种模型较少见，只会顺便提及。
在最简单的气候模型中，能量平衡模型（EBMs）是其中之一，旨在以高度概括的方式表示地球表面的能量预算（McGuffie＆Henderson-Sellars 2014：第 3 章）。这些模型通常以地表温度作为其唯一的因变量，其构建既使用物理理论（例如，Stefan-Boltzmann 方程）又使用经验参数（例如，代表地球反照率和大气发射率）。零维 EBMs 将整个气候系统表示为一个单点。当系统处于辐射平衡时，可以手动使用它们来计算全球平均地表温度的估算值。一维（1-D）和二维（2-D）EBMs 采用类似的能量预算方法，但表示不同纬度和/或经度的平均温度，并以粗略的方式考虑它们之间的热量传输（有关早期示例，请参见 Sellers 1969）。一维和二维 EBMs 的方程通常借助数字计算机来求解。
中等复杂度的地球系统模型（EMICs）有各种形式，但往往既全面又高度理想化（Claussen 等，2002 年）。 EMIC 可能不仅包括大气、海洋、陆地表面和海冰的表示，还包括一些生物圈过程、冰盖和海洋沉积过程的表示。然而，这些表示通常相对简单或粗糙。例如，EMIC 的大气组件可能是一个二维增强版本的 EBM，即能量湿度平衡模型。海洋可能使用流体动力学方程在三维中明确模拟，但空间时间分辨率较低。（有关示例和更多细节，请参见 Flato 等人 2013 年：表 9.2 和 9.A.2。）EMIC 的相对简单和粗糙使其在计算上效率高，从而可以用来模拟千年时间尺度上的气候系统。
在光谱的复杂端，耦合海洋-大气_气候环流模型_（GCMs）模拟三个空间维度中的大气和海洋运动，通常以可用超级计算能力允许的最高分辨率。它们还包括对陆地表面和海冰的表示，并试图考虑所有这些组件之间的重要相互作用。 GCMs 起源于仅涉及大气的气候环流模型，这些模型受早期天气预报模型的启发（Edwards 2000; Weart 2010）。最新一代的气候模型，地球系统模型（ESMs），通过合并与大气化学、气溶胶和/或海洋生物地球化学相关的额外模型组件来扩展 GCMs（Flato 等人 2013: 747）。在 GCMs 和 ESMs 中，数值方法用于估计在三维网格上一组点处流体动力学方程的离散化版本的解。[2] 近几十年来，随着计算能力的增加，大气网格点的水平间距已从几百公里减少到约 100 公里，垂直层数已从约 10 增加到约 50，时间步长为 10-30 分钟（McGuffie＆Henderson-Sellers 2014: 282）。尽管分辨率增加，许多重要过程——包括云的形成和降水、辐射传递和化学反应——仍发生在亚网格尺度上；考虑这些过程的影响是一个重大挑战，如下一节所讨论的。
另一种重要的气候模型是_区域气候模型_（RCM）。像 GCM 和 ESM 一样，RCM 旨在全面并融入基于实际的、理论为基础的气候系统过程表征。然而，与 GCM 和 ESM 不同，RCM 仅代表全球的一部分（例如一个大陆或国家），这使它们能够在不超出可用计算能力的情况下具有更高的时空分辨率。有了这种更高的分辨率，RCM 可以明确模拟较小尺度的过程，并且还有潜力揭示条件的空间变化——例如由于复杂的地形，这是 GCM/ESM 无法解决的。这些特点使 RCM 成为研究区域气候变化的有吸引力的工具（例如 Mearns 等人 2013 年）。然而，一个挑战是以物理一致的方式指定模拟区域的水平边界条件；在实践中，这些边界条件通常受到来自 GCM/ESM 模拟结果的启发。
4.2 构建气候模型
目前，全球各地的建模中心拥有几十个最先进的 GCMs/ESMs（参见 Flato 等人 2013 年：表 9.1）。这些是庞大的模型，在某些情况下涉及超过一百万行的计算机代码；即使在当今的超级计算机上，使用它们进行感兴趣的模拟也需要相当长的时间。从零开始构建一个 GCM/ESM 需要广泛的知识和专业知识（参见 Lahsen 2005）。因此，今天的许多 GCMs 和 ESMs 是建立在早期模型的基础之上的（Knutti 等人 2013）。这样的模型通常具有分层历史，其中一些代码部分最初是几年甚至几十年前开发的，有时是由不再在建模中心工作的科学家开发的，而其他部分则是后来添加或升级的。即使在不同的建模中心，有时也会有共同的计算机代码部分，无论是直接共享还是独立从早期模型借用。
许多当今的气候科学模型/地球系统模型具有明显的模块化设计：它们由几个组件模型组成，对应于气候系统的不同部分——大气、海洋、陆地表面等——以及一个“耦合器”，用于在组件系统的空间边界相遇处传递信息，并必须考虑组件模型的时空分辨率存在的任何差异（Alexander＆Easterbrook 2015）。通常，这些组件模型是经过修改的具名独立模型的版本。例如，美国国家大气研究中心的 Community Earth System Model version 1.2（CESM1.2）包含了 Community Atmosphere Model（CAM）和 Parallel Ocean Program（POP）的扩展。这种模块化旨在使得可以更轻松地为不同的建模研究重新配置气候科学模型/地球系统模型，例如，在必要时用更简单的海洋模型替换。然而，Lenhard 和 Winsberg（2010）认为，复杂的气候模型实际上只表现出“模糊”的模块化：为了使整个模型运行良好，一些组件模型的细节将被调整以与其他组件的特定特征相匹配，并尝试弥补它们的特定局限性。
每个 GCM/ESM 中的组件模型依次包含对气候系统该部分内运行的许多重要过程的表示。例如，对于大气模型，通常区分“动力学”和“物理”（参见，例如，Neale 等，2010 年）。动力学（或“动力核心”）是一组流体动力学和热力学方程，反映了动量、质量和能量的守恒，以及一个状态方程。这些方程用于模拟大尺度大气运动，这些运动传输热量、质量和水分；可以解决的运动尺度取决于模型的网格网格。 “物理”包括对影响网格尺度条件的次网格过程的表示：辐射传输、云形成、降水等。这些过程被_参数化_，即表示为动力核心中明确计算的网格尺度变量的函数（例如，温度、压力、风、湿度）。每当次网格过程显着影响解决尺度变量时，在气候模型的其他组件中也需要参数化。
构建参数化类似于一个工程问题，目标是找到一个“足够的替代品”（Katzav 2013a），用有限的一组因素来替代对子网格过程的显式模拟。这是一项具有挑战性的任务。对于网格尺度变量的给定值，通常存在许多可能的子网格条件的实现。参数化的标准方法是确定性的，旨在估计子网格过程对平均值的贡献，这些平均值是在与给定网格尺度条件相一致的许多可能实现中得出的（McFarlane 2011）。一种日益流行的替代方法是_随机_参数化，旨在估计由与网格尺度条件相一致的实现集合中的单个随机选择成员所做的贡献（Berner et al. 2017）。通常，任一类型的参数化都受物理理解的启发，但也至少部分地包含从观测中得出的元素（另请参见 Sundberg 2007；Guillemot 2010）；这就是为什么参数化经常被描述为“半经验性”的原因。因为气候模型既包含被接受的物理理论，又包含这种半经验性的工程元素，有时被描述为具有混合的现实主义-工具主义地位（Parker 2006；Katzav 2013a；另请参见 Goodwin 2015）。
参数化还导致气候模式/地球系统模式中组件模型内的模糊模块化：哪些参数化与给定气候模型最契合在一定程度上取决于其他子格点过程已经如何表示以及这些其他表示引入的误差（另请参见 Lenhard＆Winsberg 2010 年关于“生成巩固”）。然而，即使是最佳的参数化通常也存在显著局限性。事实上，如何充分参数化子格点过程仍然是气候建模中不确定性的主要来源。参数化的差异，特别是云过程，解释了气候系统对增加的温室气体浓度响应模拟之间差异的很大部分（Flato 等人 2013 年：743）。这是对参数化的新方法的动机之一：_超参数化_涉及通过将过程的一维或二维模型（例如，云形成）耦合到每个 GCM/ESM 格点来以简化方式明确模拟子格点过程（Randall 等人 2013 年；Gramelsberger 2010）。这是一种多尺度建模方法，相对于传统参数化需要显着额外的计算能力。
气候模型的构建不可避免地涉及一些_调整_或_校准_，这涉及对参数值或模型的其他元素进行（通常是临时的）调整，以改善模型性能，通常是通过与观测结果的拟合度来衡量。被针对的观测结果因情况而异；它们可能涉及个别过程，也可能涉及全局的系统级变量，比如全球平均地表温度（参见 Mauritsen 等人 2012 年；Hourdin 等人 2017 年）。要调整哪些参数取决于寻求更好拟合度的观测结果，但通常是在参数化内进行调整，调整那些最佳值显著不确定的参数。模型进行调整的程度通常没有详细记录或报告（但参见 Mauritsen 等人 2012 年的一个有启发性的例子）。最近，有呼吁更透明地报告调整策略和目标（Hourdin 等人 2017 年），部分原因是关于调整的信息与模型评估相关（见 第 4.4 节）。然而，一个有趣的问题是，到底什么算作调整，因为即使没有与一组观测数据进行正式的定量比较，模型制定者也可能熟悉这些数据，并可能在模型发展中做出选择——这些选择本来可能有所不同——期望这些选择将改善模型在已见数据方面的性能。
一个进一步的问题涉及气候模型构建中社会和伦理价值观的作用。Winsberg (2010, 2012; Biddle & Winsberg 2009) 认为，这些价值观通过塑造模型发展的优先事项以及归纳风险考虑（例如，在决定以某种方式而不是另一种方式来表征气候系统过程时，以减少模型结果出现特别负面的非认识后果的风险）来影响气候模型的构建（以及结果）。他认为，社会和伦理价值观在气候模型构建中发挥作用，每当没有决定性的、纯粹认识论的理由支持认为某种模型构建选项是最佳选择时。Parker (2014a) 对此提出异议，指出实用因素的重要性，例如实施的便利性、当地专业知识和计算需求。Intemann (2015) 认为，社会和伦理价值观可以在合法地影响气候模型构建，包括通过 Winsberg 确定的途径，当这有助于促进研究的民主认可的社会和认识目标时。
气候模型用于许多目的；这里只提到了一些（另见 Petersen 2012：第 5 章）。一个重要的用途是_表征_气候系统的特征，这些特征通过现有观测很难了解。例如，气候系统的内部变异通常是从长期 GCM/ESM 模拟中估计的，其中外部条件保持在工业化前水平（Bindoff 等，2013 年）。内部变异很难从仪器记录中估计，因为记录相对较短，并反映了不仅是自然内部过程的影响，还有不断变化的外部条件，如温室气体浓度上升。内部变异的估计反过来在寻求在观测中检测气候变化的研究中发挥重要作用（见 第 5.1 节）。
气候模型也被科学家用作寻求_解释_和_理解_的工具。在气候科学中，通常寻求的解释是因果关系的；气候科学家寻求准确描述气候系统过程、条件和特征如何共同导致感兴趣的气候现象，包括气候变化。Parker（2014b）指出气候模型促进了这种解释的几种方式：通过充当观测的替代品，对其分析可以提出解释性假设并帮助填补可能性解释的空白；通过让科学家测试与解释相关的假设，例如，模型中表示的一组因果因素足以产生现象（另见 Lorenz 1970）；以及作为可以操纵和研究的实验系统，以便深入了解其运作方式，这可以帮助思考气候系统本身的运作方式。在后者方面，Held（2005）呼吁加大努力开发和系统研究“具有持久价值的等级制度”——一系列模型，从高度理想化到非常复杂，这些模型的构建使它们彼此之间存在已知关系，以便更容易诊断它们行为差异的根源；他认为，研究这种等级制度对于 21 世纪气候理论的发展至关重要。
此外，气候模型被用来进行_预测_。也许会认为，由于混沌，气候预测是不可能的。但混沌对于精确预测系统轨迹——其状态在一段时间内的时间顺序序列——是一个障碍，而不是(必然)对于预测一个或多个轨迹的_统计特性_；气候预测关注的是后者。针对从一年到十年左右的时期的气候短期预测，使用了基于物理和经验的模型（例如，Meehl 等人 2014 年；Krueger 和 von Storch 2011 年）。对于这些预测，对于预测时段内外部条件实际上会是怎样做出了假设，并且预测从基于观测的对近期气候系统状态的估计开始。然而，更为人所知的是使用气候模型进行长期有条件的预测，被称为_投影_。这些是对未来气候在特定外部条件_情景_下会是怎样的预测，而不假设任何这些情景实际上会发生，并且它们通常从一个旨在代表模拟时期开始时的气候的初始状态启动，尽管这个初始状态并非直接从观测中估计得出（参见 第 4.4 节）。气候变化预测已成为气候研究的一个主要焦点，并将在下文的 第 5.2 节 中进一步讨论。
最近有人呼吁在气候模拟实践中进行学科层面的变革，以更好地实现刚提到的一些目的。例如，为了改进气候变化预测，Shukla 等人（2009 年）呼吁在气候模拟中进行“革命”，使专业知识和计算能力集中在少数几个国际模拟中心，从而实现更高分辨率的模拟。Katzav 和 Parker（2015 年）对此等主要提议进行了批判性审查，并反思它们的潜在利益和成本。
4.4 评估气候模型
气候模型的评估贯穿整个模型开发过程。参数化和组件模型通常会被单独“脱机”测试，以查看它们的表现如何（Randall 等人，2007 年），并在它们未达预期时进行调整以尝试改进。同样，不同模型组件耦合时也会进行测试和调整。这种评估可以具有定性和定量两个维度。例如，可以检查模型的气候基本上看起来是否真实，是否具有显著特征（例如大气环流）大致在正确的位置上。定量评估会产生_性能指标_的分数。这些指标可以包括保守性和稳定性的度量 - 模型实现大气顶层能量平衡的接近程度如何？ - 以及模型输出与观测数据之间的拟合度量。然而，在模型开发过程中进行的评估很少在出版物中报告。相反，报告的是模型的特征，包括它在完全构建、调整并准备发布供科学使用之后的表现。
气候模型评估可以有许多不同的目标。一个基本动机只是了解气候模型与气候系统之间的关系。借用 Giere（2004）的语言，我们可以说一个目标是了解气候模型与气候系统在哪些方面以及在哪些程度上是_类似的_（Lloyd 2010）。例如，气候科学家可能调查特定的全球环境模型是否在北美地区的温度上呈现出与目前实际系统中发生的季节循环大致相符的情况。评估工作也可以着眼于理解在过程和机制水平上行为相似性。在这方面，Lloyd（2009，2010，2015）指出模型结果与各种指标上的观测之间的契合度，对模型组件的独立支持以及研究结果的稳健性是相关的考虑因素。气候模型评估的第二个常见目标，与第一个密切相关，是了解模型是否_适用于特定目的_（Parker 2009；Baumberger 等，2017）。如在 第 4.3 节 中讨论的，科学家们使用气候模型进行各种目的：表征气候系统属性（例如内部变异性），对未来气候变化在特定情景下的预测等。许多评估活动旨在为对气候模型适用性的结论提供信息，从而间接地为对模型对内部变异性的估计、对未来气候变化的预测等的信心水平提供信息。
关于气候模型的成分的已知信息——例如，它们与被接受的理论密切吻合或涉及大量简化——可以提供理由认为该模型在特定方面与气候系统相似（或不相似）或对特定目的足够（或不足）（Baumberger 等人，2017 年）。但气候科学家还通过将模型结果与观测结果进行比较来寻求关于相似性和适用性的证据（另请参见 Guillemot，2010 年）。如上所述，这些比较可以是定性的或定量的。在某些情况下，相对容易判断模型数据比较是否为支持或反对有关模型系统相似性或气候模型适用于特定目的的假设提供了证据。主要候选者包括那些假设涉及模型结果与广泛观察到的气候系统行为之间仅存在粗略匹配的情况。因此，例如，政府间气候变化专门委员会（IPCC）能够报告
非常有信心，模型再现了全球范围年平均地表温度在历史时期的一般特征，包括 20 世纪下半叶更快的变暖，以及大规模火山喷发后紧随其后的降温。（Flato 等人，2013 年：743）
在许多其他情况下，然而，评估模型数据比较提供了模型与气候系统相似性或其特定目的的适用性程度的难度更大。存在许多复杂因素。
首先，建模结果与观测数据之间的差异可能并非由于气候模型的缺陷。气候数据集可能存在错误或具有被低估或未报告的不确定性。事实上，在不止一种情况下，已经发现模型数据冲突在很大程度上被有利于模型的方式解决（参见，例如，Lloyd 2012）。也有一些情况，建模结果与数据之间的拟合不佳被认为部分原因是由于对模拟期间外部条件（例如，气溶胶浓度）的假设错误（例如，Santer 等人 2014 年，2017 年）。更为根本的是与气候模拟的初始条件相关的问题（另请参见 Schmidt＆Sherwood 2015）。往往，针对特定时期的模拟是从一个代表性状态启动的，该状态是在让气候模型在外部条件下运行一段时间后达到的，这些外部条件类似于假定在感兴趣时期开始时存在的条件；这种模型的“启动”是为了让其各个组成部分相互平衡。由于这个代表性状态与感兴趣时期开始时的实际条件略有不同（例如，1900 年 1 月 1 日），并且由于气候系统被认为是混沌的，即使模型完美地表示所有气候系统过程，也不能指望模拟在整个时期内与观测密切跟踪；目标是使气候模拟与观测之间的差异不大于从其他与感兴趣时期开始时的外部条件一致的初始状态运行完美模型时产生的差异（即，不大于源自内部变异性的差异）。
解释即使在模拟结果和观测数据之间有相对良好的契合度时，解释也可能很困难。一个原因是，在不同程度上，当今的气候模型已经调整到二十世纪的观测数据上。调整有时通过补偿模型中其他地方的错误来提高性能指标的得分（Petersen 2000），并且随着外部条件的变化，例如，随着温室气体浓度继续上升（Stainforth 等人 2007 年；Knutti 2008 年），错误的稳定性并不被保证。一些气候科学家认为，在调整中使用的数据随后不能用于模型评估（例如，Randall 等人 2007 年：596；Flato 等人 2013 年：750）。然而，Steele 和 Werndl（2013 年，2016 年）认为，在某些情况下，使用数据进行校准（即调整）和确认是合理的，他们用贝叶斯和频率学方法来说明这一点。Frisch（2015 年）在这种情况下提倡他所称的_中度预测主义_：如果气候模型被调整以使特定变量的数据拟合良好，那么与在没有调整的情况下达到良好拟合相比，这对于支持该模型能够对该变量的其他预测（例如，未来值）提供的假设的支持较少（另请参见 Stainforth 等人 2007 年；Katzav 等人 2012 年；Mauritsen 等人 2012 年；Schmidt＆Sherwood 2015 年）。Frisch 基于这样的观点辩护，即成功模拟而无需调整使我们更有理由认为气候模型准确地表达了塑造感兴趣变量的关键过程；如果我们已经对后者有信心，那么成功模拟而无需调整就不会具有这样的优势。无论如何，在模型评估中考虑调整，了解已进行的调整是很重要的，而这些信息通常不容易获得（请参见[第 4.2 节](https://plato.stanford.另一个复杂因素是，在许多情况下，用于气候模型评估的“观测”是再分析数据集，其内容在一定程度上由基于模型的天气预报确定（Edwards 1999, 2010; Flato 等人 2013 年: 表 9.3; 另请参见 第 3.2 节 以上）。由于天气预报模型和气候模型可以包含一些相似的理想化和简化，人们担心再分析与气候建模结果之间的契合在某些方面可能因共同的缺陷而被人为夸大。鉴别这种契合的人为夸大可能具有挑战性，因为独立观测的可用性有限，即未用于生成再分析的观测。然而，Leuschner（2015 年: 370）建议，关注共享假设本身可能是一个有前途的方法；例如，通过与实验室实验结果的比较，可以建立关于气溶胶辐射效应的共享假设的适当性（另请参见 Frigg 等人 2015b: 957）。
最后，当涉及评估气候模型在某些情况下的适用性，特别是用于预测的情况时，要知道什么样的与过去气候条件相符才能作为气候模型适用于特定目的的证据，可能是困难的（Parker 2009）。如果一个气候模型要足够准确地模拟过去气候的各种特征，以便预测未来全球平均地表温度的变化在某个指定的误差范围内，那么应该有多准确呢？这个问题很难回答，不仅因为有多种实现这种预测准确性的方法（例如，通过在贡献变量之间分配误差），而且因为模型中的简化和理想化，以及调整的组件，可能在某些外部条件下比在其他条件下更有效，例如，在最近过去的条件下而不是在未来情景中假设的条件下（见前述）。Katzav（2014）建议，在实践中，试图确定与过去条件相符的何种程度才能作为气候模型适用于特定目的的证据，通常会依赖于气候模型本身的结果，这种做法是自相矛盾的。
鉴于这些挑战，气候模型评估今天通常主要集中于描述模拟结果与观测结果的吻合程度，并表征这种吻合程度从一代模型到下一代的改善；它往往只得出相对温和的结论，关于气候模型对特定目的的适用性。例如，最近的《政府间气候变化专门委员会》(IPCC)报告得出结论，今天的气候模型提供了支持气候变化检测、归因和预测的“可信的定量估计”(见 第 5 节)，这种可信度既受到模型构建方式的支持——即，它们基于基本物理原理——也受到它们在各种指标上的表现的支持(见 Randall 等人，2007 年；Flato 等人，2013 年；另见 Knutti，2008 年)。结果的可信度被认为在较大空间尺度上更高(即，在全球或大陆尺度上平均的量)以及对于空间异质性较小的变量(例如，对于温度和压力而言，而不是降水)。但在检测、归因和预测研究中使用的建模结果的预期准确性很少被明确量化。为了推动讨论，Baumberger 等人(2017 年)借鉴哲学和科学资源，概述了一个旨在帮助评估气候模型对特定目的的适用性的概念框架；他们指出经验准确性、稳健性以及与背景知识的一致性是相关考虑因素(另见 Knutti (2018: 11.4)，强调“过程理解”的重要性)。
最后值得注意的是，模型评估研究的一个重要动机是模型改进：模型评估活动可以致力于理解为什么模型的结果表现出特定错误，希望在未来改进模型。然而，Lenhard 和 Winsberg（2010）认为，对气候模型性能的“分析理解”在很大程度上是难以实现的。他们认为，气候模型的特征，包括其复杂性、模糊的模块化结构和其包含的“权宜之计”——在模型开发中应用的不成体系的修复措施，往往会使很难将模拟性能不佳归因于气候模型的不同部分；他们认为，气候建模面临着一种特别具有挑战性的_确认性整体主义_（也请参阅 Petersen 2000）。作为经验支持，他们指出模型比较项目（例如 Taylor 等人 2012 年）在确定气候模型模拟中分歧来源方面取得了有限的成功。然而，在定位气候模拟中的错误和分歧来源方面也取得了一些显著成功。例如，云过程表征的差异被确定为气候敏感性估计中分歧的主要来源（Flato 等人 2013 年：743）。同样，关于“新兴约束”的研究已经揭示了气候变化预测各个方面的差异来源（请参见 Qu＆Hall 2007 年及后续工作；Frigg 等人 2015c）。因此，虽然 Lenhard 和 Winsberg 无疑是正确的，即很难实现对气候模型性能的分析理解，但前景有多么有限似乎是一个悬而未决的问题。
5. 人为气候变化
人类通过排放大量二氧化碳和其他气体来改变地球气候的想法并不新鲜（Fleming 1998; Weart 2008 [2017,其他互联网资源]）。十九世纪末，瑞典化学家斯万特·阿兰尼乌斯计算出，在大气中使碳酸（即二氧化碳）的水平翻倍会使地球平均表面温度升高几摄氏度（Arrhenius 1896）。到了二十世纪中叶，海洋学家罗杰·雷维尔和同事得出结论：
到 2000 年，大气中二氧化碳的增加量可能足以在气候上产生可测量且可能显著的变化（摘自 Oreskes 2007: 83–84）
1988 年，气候科学家詹姆斯·汉森（James Hansen）在美国国会作证，声称全球变暖已经在发生。同年，世界气象组织和联合国环境规划署成立了气候变化政府间专门委员会（IPCC）。
为决策者提供定期评估气候变化科学基础、其影响和未来风险以及适应和减缓选择的科学依据。（IPCC 2013a）
借助国际气候科学界的专业知识，自 1990 年以来，气候变化评估报告大约每五年发布一次。
由于 IPCC 报告有助于综合大量科学研究，因此在接下来的讨论中将经常引用它们。讨论将主要集中在有关物理气候系统的问题，而不是有关气候变化对社会影响或气候政策选择的问题；后者也是 IPCC 所关注的，需要的专业知识远远超出气候科学范围（请参阅 IPCC 2014）。5.1 节 讨论了检测和归因研究，关注以下问题：地球气候自工业化前发生了哪些变化？人类活动，尤其是温室气体排放，对这些变化产生了多大影响？5.2 节 考虑了未来气候变化的预测，特别关注基于模型的预测解释的争论。5.3 节 简要概述了与气候变化研究方法和结论相关的几个最近的争议。最后，5.4 节 指出了由人为气候变化问题引发的一些伦理问题和挑战。
5.1 检测和归因
气候变化的检测被 IPCC 定义为
气候或受气候影响的系统以某种明确定义的统计意义发生变化的过程，而不提供该变化的原因。(IPCC 术语表：1452)
当他们补充说时，他们暗示他们对气候变化感兴趣是由外部因素引起的，而不是气候系统内部的自然过程
检测到的变化如果仅由内部变异引起的偶然性发生的可能性被确定为较小，例如<10%。(同前引文。)
因此，检测需要对由于内部变异而导致的感兴趣的数量或领域可能波动的统计估计。从仪器记录中估计这一点是具有挑战性的。已从古气候数据中提取了一些数量的估计值(Schurer 等，2013)，但正如 第 4.3 节 中所指出的那样，通常它们是从长期保持外部条件恒定的 GCM/ESM 模拟中获得的。
在其定期评估中，气候科学家对气候变化在观测中的检测达成了越来越强烈的结论。气候变化专门委员会第五次评估报告得出结论， “几乎可以肯定” （即概率>0.99），自 1950 年以来全球平均地表温度上升并非仅由内部变异引起（Bindoff 等，2013: 885）。也就是说，科学家根据现有证据和专家判断评估，认为温暖是由内部变异引起的概率不到 1%。[4]的确，有人指出，即使内部变异比模拟估计值大三倍，变化仍然会被检测到（同上：881，援引 Knutson 等人，2013 年）。气候系统的许多其他方面也已正式检测到变化，不仅仅是在大气中，还包括在海洋和冰冻圈中。
_归因_的过程旨在确定气候变化的观察结果的原因。它既运用基本的物理推理——观察到的变化在定性上与潜在原因的预期影响一致（或不一致），也运用定量研究。后者包括指纹研究，在这些研究中，气候模型被用来模拟如果特定因素（或一组因素）在变化，而其他潜在因素保持恒定时，在一段时间内会发生什么；得到的模拟变量或领域的变化模式——通常是时空模式——就是该因素（或一组因素）的“指纹”。然后科学家进行回归式分析，寻找最能拟合观察结果的指纹的线性组合，并检查残差是否与内部变异具有统计一致性（参见例如 Bindoff 等人 2013 年：第 10.1 节）。如果是这样，那么可以从分析中提取出对考虑的不同因果因素的贡献的估计。由于与观测数据、响应模式和各种方法选择相关的不确定性，归因研究为每个因素产生了一系列估计的贡献。
与检测一样，气候科学与归因相关的 IPCC 结论随着时间的推移变得更加坚定，并涵盖了更多的变量和领域。在他们的第五次评估报告中，IPCC 得出结论认为，自 1950 年以来全球平均地表温度增加的一半以上是由人为温室气体排放和其他人为影响所致，这是“极有可能的”（即概率>0.95）（Bindoff 等，2013 年：869）。这一结论得出依据了多个指纹研究，以及物理推理和专家判断。后者支持了归因练习的关键假设（例如，没有被忽视的重要原因），并在决定指纹研究中产生的面值概率应在多大程度上降级（例如，从“几乎肯定”降级到“极有可能”）以考虑到剩余的不确定性和这些研究的已知局限性。对于其他各种变化，包括自 1970 年代以来全球平均海平面上升和自 1960 年代以来冰川消退等变化，IPCC 得出结论认为人类影响至少“可能”（即概率>0.66）发挥了作用（同上：869-871）。
这些关于检测和归因的结论与最近气候变化的现实和原因相关的“共识”立场一致，如果不构成的话。然而，关于这些问题是否存在科学共识本身已经成为一个争论话题。例如，经常有报道称，97%（或更多）的气候科学家同意人为排放的温室气体正在引起全球气候变化（Cook 等，2016 年）。对科学文献的分析以及对科学家的调查已经进行，以证明（或挑战）这一共识的存在。这种关注共识的做法似乎有些误导：重要的是有关于科学主张的充分证据，而不仅仅是一些科学家的百分比支持它（另见 Intemann，2017 年）。然而，专家之间的共识可以作为科学主张的间接证据——表明科学证据支持或甚至强烈支持该主张——至少如果共识是“以正确方式产生的”（Odenbaugh，2012 年）。从容许共同偏见或群体思维自由发展的过程中产生的共识（Ranalli，2012 年），或者不要求受调查者具有相关专业知识的共识，可能具有很少的证据价值。相比之下，“艰难获得的”共识——即使在独立思考和批判性方面的当事人不情愿之后，经过“激烈辩论和对各种替代解释的彻底审查”之后出现的共识（同上：187）可能是重要的；这种共识提供的间接证据对于无法自行评估科学证据的非专家可能是有用的。Ranalli（2012 年）指出，在关于气候变化的现实和原因的辩论的对立方通常对于什么构成可靠的科学共识持有类似观点，但对气候共识是否符合标准的程度存在分歧。
支持关于检测和归因的共识立场，奥雷斯克斯（2007）认为，支撑这一立场的研究符合各种科学可靠性模型：它有一个强大的归纳基础，它做出了一些重要的正确预测，它经受住了持续的证伪努力，它揭示了一系列一致的证据，并且鉴于所有这些，气候科学家得出结论，即对最近观察到的变暖的最佳解释包括一个重要的人为成分。她还强调，增加的二氧化碳大气浓度会使气候变暖的核心思想首先源自基本的物理理解，而不是来自气候系统的计算机模型。在一项互补分析中，劳埃德（2010，2013）为归因研究中使用气候模型进行辩护，并认为涉及多个气候模型的研究——这些模型包括对温室气体辐射特性的类似假设，但在其他气候系统过程的经验支持表示上略有不同——为温室气体是（部分）解释最近观察到的变暖提供了增强支持；她认为这样的研究展示了一种独特的_模型稳健性_，其中包括多样性证据考虑，并且这种稳健性是一种“确认美德”（另见 Vezér 2016b）。帕克（2010）也以不同的方式强调了稳健性和多样性证据的考虑；她认为，鉴于正式研究，如指纹研究，通常依赖于有争议或错误的假设，它们对证明检测和归因主张的重要性至关重要。温斯伯格（2018：第 11＆12 章）对气候科学中关于稳健性的大部分最新工作进行了批判性审视和综合，借鉴了舒帕巴赫（2016）对稳健性分析作为解释推理的描述。
Katzav (2013b)认为证据的另一个视角——Mayo（1996）的严格测试框架——并认为自 1950 年以来全球平均地表温度增加超过一半是由人为因素引起的这一说法在 Mayo 看来并未经受严格测试，即使考虑到各种证据，从严格测试的角度来看，他认为我们仍然缺乏支持这一结论的充分证据。他建议一些较弱的归因说法——比如声称人为因素在 1950 年后的变暖中起到了_某种_作用——可能是在 Mayo 苛刻意义上有充分证据支持的说法。
5.2 预测未来气候变化
气候科学家还试图了解，如果温室气体排放和其他人为推动因素以特定方式发展，未来气候将如何变化。这些信息对政策制定者可能具有重要意义，他们可能选择实施推动某些未来情景并远离其他情景的政策，对许多其他决策者也是如此（例如，保险公司决定提供哪些政策）。气候模型已经成为预测未来条件的重要工具。对于给定的情景，通常会使用不同的气候模型或模型版本制作一组预测；这在一定程度上受到如何构建能够提供高度准确预测的气候模型的不确定性的驱使（Parker 2006；Betz 2009）。这种不确定性反过来既源于对气候系统内部某些过程的有限理论理解，也源于有限的计算能力，这限制了现有知识如何在模型中实施（请参阅 第 4.2 节 中有关参数化的讨论）。
不同类型的集合研究探讨了建模中不同不确定性来源的后果。一个多模型集合(MME)研究探讨了结构不确定性，即关于建模方程应采用的形式以及这些方程应如何求解的不确定性。MME 研究的一个例子是耦合模式比较项目第 5 版(CMIP5)，该项目使用了世界各地不同建模中心开发的几十个气候模型进行了预测(参见 Flato 等人 2013 年:表 9.1)。一个扰动物理学集合(PPE)包括同一气候模型的多个版本，这些版本在模型内的一个或多个参数分配的数值上有所不同。使用 PPE 的研究示例包括 climateprediction.net 项目(Stainforth 等人 2005 年)和英国气候预测(UKCP09)项目(Murphy 等人 2009 年)。PPE 探讨了参数不确定性，即关于应分配给给定模型结构内参数的数值的不确定性。在初始条件集合(ICE)中，同一模型或模型版本被分配不同的初始条件。ICE 可以探讨初始条件不确定性，即关于应从中启动模拟的初始模型状态的不确定性，并且它们通常与其他两种集合类型之一结合使用(有关更多讨论，请参见 Werndl 即将发表的内容)。
当涉及解释集合预测时，出现了各种观点和方法。在光谱的一端，有用于从集合结果推断（气候未来变化的概率）的统计方法。例如，一些多模式集合研究采用了一种类似于“真实加误差”框架：通过将集合成员视为围绕真实中心的可能模型分布的随机抽样来估计概率（例如，Tebaldi 等人 2005 年）。然而，今天的多模式集合在过去数据上的表现表明它们并未围绕真实中心（Knutti 等人 2010a）。另一种“统计上无法区分”的框架允许通过假设集合成员和真实（即未来条件的完美观测）来自同一统计分布来估计概率。通过检查过去的数据，Annan 和 Hargreaves（2010 年）发现这一假设对于一个著名的多模式集合（CMIP3 集合）在某些变量上大致成立。然而，Bishop 和 Abramowitz（2013 年）认为，如果无法区分性假设准确，那么今天的多模式集合的结果缺乏一些应该具备的统计特性。他们提出了一种另类的“复制地球”框架，涉及后处理多模式集合的预测，以使其显示出那些期望的统计特性；然而，Bishop 和 Abramowitz 似乎并不坚持认为后处理的分布应被视为概率分布。贝叶斯方法也已经得到发展。例如，UKCP09 项目使用了贝叶斯 PPE 方法，为英国制定了到 2100 年的气候变化概率预测，以精细的时空分辨率（Murphy 等人 2009 年）。 那种方法论将参数不确定性视为对于在给定性能指标下哪个模型是最佳的不确定性，并试图借助来自 MME 的结果来解释最佳模型与完美模型之间的差异（Rougier 2007; Sexton 等人 2012）。
科学家和哲学家对从集合结果推断概率的方法提出了许多批评。正如上文所暗示的，一些批评观点指出，研究背后的统计假设并不成立。其他人则认为，对于未来气候变化的不确定性比精确概率所暗示的更深，要么是因为量化结构模型不确定性所带来的挑战（例如 Stainforth 等人 2007; Hillerbrand 2014; Parker 2014a），要么是因为气候系统可能的未来状态（即结果空间）本身是不确定的（Katzav 等人 2012）。换句话说，这些批评者认为，概率不确定性估计具有虚假的精度，从这个意义上说，它们对于实际知识状态是误导性的。Frigg 等人（2013, 2014, 2015a）认为，对于像 UKCP09 这样的 PPE 研究，这些概率在另一方面也可能是误导性的，即因为它们与从没有结构误差的模型获得的概率有明显差异。他们指出，对于非线性系统，即使有少量结构模型误差也可能导致非常误导性的概率——这是他们所称的“天蛾效应”（灵感来自“蝴蝶效应”，与初始条件误差有关；另请参阅 Mayo-Wilson 2015，Lawhead 即将发表）。然而，Winsberg 和 Goodwin（2016）认为，需要进行更多工作来证明天蛾效应对于概率气候预测是否像 Frigg 等人所声称的那样具有毁灭性（另请参阅 Goodwin 和 Winsberg 2016）。
一些对概率方法持批评态度的人主张对当今的集合投影研究结果有一种非常不同的解释，即这些投影表明根据当前的理解，发生变化是（仅仅）可能的。例如，Stainforth 等人（2007）认为，使用最先进的气候模型产生的投影范围构成了未来变化的“不可折扣的包络”，一组不应被忽视的可能变化；这并不意味着包络之外的变化是可折扣的。同样，Katzav（2014）认为，气候变化预测经常可以被解释为指示_真实的_ 可能性：
如果目标领域的一种情况相对于时间_t_是一个真实的可能性，当且仅当（a）它的实现与在可能实现的期间内目标领域中事物的基本方式是兼容的，且（b）我们在_t_时的知识不排除在该期间内实现它。（2014: 236）
Betz (2015)认为，即使对集合结果进行可能性解释也可能难以证明，因为很难表明气候模型中使用的与事实相反的假设不会导致与背景知识不一致的预测；在他看来，尽管不是 Katzav 的看法，但这种一致性对于预测指示严重可能性是必要的。因此，这里的分歧部分取决于某事成为严重/真实可能性所需的条件。
还有一些中间观点。其中一种观点认为，今天的集合投影研究是对不确定性的不完美调查，其结果在专家在得出有关未来气候变化的结论时应与所有其他可用信息一起考虑；这些结论可能采取各种形式，具体取决于所考虑的变量（参见，例如，Kandlikar 等人 2005 年；Mastrandrea 等人 2010 年）。例如，在其最近的评估报告中，IPCC 依赖于集合建模结果、背景知识和专家判断，得出了关于不同情景下近地表全球平均温度变化的“可能”范围；专家们认为温度变化很_可能_（即概率>0.66）会落在 CMIP5 集合结果的 5%至 95%范围内（Collins 等人 2013 年：1031）。例如，对于被称为 RCP6.0 的中等排放情景，结论是 2081-2100 年全球平均温度很_可能_比 1986-2005 年间高 1.4 至 3.1 摄氏度（ibid.）。因此，IPCC 不仅断言了 CMIP5 集合预测的变化是可能性，但他们没有进一步赋予单一的完整概率密度函数来描述温度变化值。
与集合解释问题交织在一起的是权重问题，即是否给予某些预测比其他预测更大的权重。这在某些方法中是必不可少的一部分，但在多模式集成研究中，通常会给予参与模型相等的权重，正如气候变化政府间专门委员会的方法所示。这有时被称为“模型民主”或“一模型一票”（Knutti 2010）。模型民主最初的动机之一是确定包含在多模式集成中的最先进模型中哪一个会给出未来条件最准确的预测的困难（见 第 4.4 节）。尽管存在这种困难，但最近有人主张根据至少一些预测变量，有充分理由认为某些模型比其他模型更具技巧，而且一模型一票的方法未能考虑模型之间的依赖性，即多模式集成可能包括几个彼此变体的模型（Knutti 等人 2017）。然而，一个关键挑战是选择和结合相关的性能指标和其他标准，为给定的预测变量分配适当的权重（Gleckler 等人 2008；Knutti 等人 2010b；Weigel 等人 2010）。然上述讨论的基本解释问题仍然存在，即如何解释加权集合的结果。
有许多其他与集合气候预测相关的在哲学上有趣的问题（Frame 等人，2007 年）；这里只提及一些。首先，如何设计集合研究以便以期望的方式探索不确定性？今天的 MME 研究并未系统地探索结构性不确定性，目前还不清楚如何做到这一点；如何定义相关模型空间以及如何对其进行抽样存在疑问（Murphy 等人，2007 年）。其次，稳健结果有多重要？气候科学家经常假设预测之间的一致性具有特殊的认识意义——例如，我们可以对这些预测变化更有信心（Pirtle 等人，2010 年）——但 Parker（2011 年）认为很难证明这一点。还有关于如何量化一致性或稳健性的程度的问题（参见 Collins 等人，2013 年：第 12.1 节），以及关于集合成员独立性意味着什么的问题，这是解释稳健性重要因素（Annan 和 Hargreaves，2017 年）。最后，非认识价值在多模式结果中有多大影响？Winsberg（2010 年，2012 年；另见 Biddle＆Winsberg，2009 年）通过模型构建确定了影响途径（请参见 第 3.2 节），这反过来影响了从集合结果产生的概率性不确定性估计，尽管不一定会引起对“一厢情愿思考”的担忧。Parker（2014a）提出，通过以更能反映实际不确定性程度的粗略方式来表示不确定性，例如使用 IPCC 不精确的概率区间，可能会减弱价值影响；然而，在实践中这种价值影响是否可以避免仍不清楚。
5.3 最近的争议
气候“持异议者”挑战“主流”气候科学的关键结论，例如 IPCC 的结论，在各种公共场合：博客、报纸专栏、电视和广播采访、国会听证会，偶尔还包括科学期刊。被视为持异议者的人有很多种，从认为头条归因声明不够有充分理由的气候科学家（他们通常被描述为气候“怀疑论者”）到来自气候科学以外、其主要动机是阻止气候政策的个人和团体，有时通过“制造怀疑”气候变化的现实性或严重性；他们通常被标记为气候“否认者”（参见，例如，Oreskes＆Conway 2010；Ranalli 2012）。（然而，对这些标签的使用有所不同。）持异议者在制造或维持与气候科学相关的一系列公共争议中发挥了作用。以下简要讨论其中四个，并附上一些最近反映持异议者异议影响的哲学作品。
对流层温度争议。气候模型模拟表明，上升的温室气体浓度将导致地表和大气层在地表上方 8-12 公里的温暖，这一层被称为_对流层_。卫星和探空仪是监测这一层温度的主要手段。对这些数据的分析始于 1990 年代初，当时仅有大约十年的卫星数据可用，表明对流层中缺乏变暖（Spencer & Christy 1990）。乍一看，这对气候科学构成了挑战，并成为否认人为气候变化威胁的异见者的关键证据。随着时间的推移，额外的研究揭示了用于估计对流层温度趋势的卫星和探空仪数据中的众多问题，其中许多问题与同化有关（NRC 2000；Karl 等，2006）。更近期的观测估计表明对流层一直在变暖，尽管观测到的趋势仍倾向于比模拟中的要小一些，但主流观点是，在考虑到涉及的重大不确定性时，观测和模型之间“没有根本性的差异”（Thorne 等，2011）。然而，辩论仍在继续（参见，例如，Christy 等，2010；Santer 等，2017）。Lloyd（2012）指出，这场争议在一定程度上涉及“直接经验主义者”观点与更微妙的“复杂经验主义者”观点之间的冲突，前者认为观测数据是对现实的裸露反映，优先于模型，后者则持更加微妙的观点（另见 Edwards 2010：417）。
冰球棍争议。冰球棍争议集中在一些关于北半球平均近地表温度演变的第一个千年尺度古气候重建上。这些重建与仪器温度记录相结合，表明温度在 1900 年左右开始急剧上升之前经历了长时间的缓慢下降；它们的形状让人联想起一个冰球棍（例如，Mann 等人 1998 年，1999 年）。这些重建在 IPCC 第三次评估报告中占据重要地位（Albritton 等人 2001 年），并构成 IPCC 得出“20 世纪 90 年代可能是千年中最温暖的十年”的结论的证据之一（Folland 等人 2001 年：102）。发表文献中的持异议批评主要有两条线索。一种认为在制作重建过程中使用的数据和统计方法存在问题（McIntyre＆McKitrick 2003 年，2005 年），而另一种则诉诸于额外的代理数据和替代方法来解释这些数据，以挑战晚二十世纪变暖的独特性（Soon 等人 2003 年）。主流气候科学家对这些挑战提出了直接回应（例如，Mann 等人 2003 年；Wahl＆Ammann 2007 年），此后的额外研究已经使用各种代理重建出新的更长时间序列，这些重建也支持了晚二十世纪异常温暖的结论（Masson-Delmotte 等人 2013 年）。然而，持异议者继续批评温度重建及由此得出的结论，理由各不相同；最近的批评对象是 Marcott 等人 2013 年。从对立立场出发的有关争议的专著包括 Montford 2010 和 Mann 2012。 [6]
气候门事件。2009 年，大量电子邮件被从东安格利亚大学气候研究单位盗取并未经授权公开。这些电子邮件的作者包括世界各地多家机构的气候科学家。一些持异议者主要关注其中的几段文字，声称这些电子邮件揭示了气候科学家篡改数据以支持人为气候变化共识立场，并以各种方式压制合法的持异议研究（例如，通过阻止其发表或拒绝分享数据）。随后进行了多项独立调查，全部证明了气候科学家并未犯有异议者所指控的科学欺诈和不端行为（例如，Russell 等，2010 年）。然而，一些调查发现，气候科学家在回应持异议者要求提供用于估算全球温度变化的站点数据时，透明度不够（同上：11）。尽管获得了无罪释放，调查发现，在一些国家，这一被广为人知的“气候门”事件显著降低了公众对气候科学的信任（Leiserowitz 等，2013 年）。
停滞争议。1990 年代全球平均近地表温度显著上升，但在后期 90 年代至 2010 年代初期间出现了很少增长。到了 2000 年代中期，持不同意见者开始声称全球变暖已经停止，气候模型（和气候科学）因此根本存在缺陷，因为它们预测了更多的变暖。这里的部分问题在于沟通：与决策者和公众分享的图表通常突出显示气候模型预测的平均值，这平滑了单个模拟中看到的显著变异性，并暗示了相对稳定的变暖；事实上，观测到的变暖速率与一些模型预测中看到的并没有太大不同（参见 Schmidt 2012; Risbey 等 2014）。此外，类似于观测中看到的十年时间尺度上的温度显著变化，并不是完全意外的，考虑到气候系统内部变异性（Easterling＆Wehner 2009）。然而，到 2010 年代初期，气候科学家面临越来越大的压力，要对表面变暖明显放缓给出详细解释，当时被称为“停滞”或“暂停”，并解释为什么大多数模型预测了更多的变暖。在 IPCC 第五次评估报告中进行了初步分析（参见 Flato 等 2013 年：第 9.2 框）。识别了一系列潜在的解释因素——与外部强迫、内部变异性、海洋热量吸收和观测数据误差有关——持不同意见者将其描述为借口。随后的调查发现了来自大多数假设因素的实际贡献的证据，尽管对它们相对重要性的讨论仍在继续（有关该主题的大量文献已经出现，参见 Medhaug 等 2017 年的概述）。与此同时，自 2014 年以来，全球平均温度再次显著上升，部分原因是 2015/16 年发生了强烈的厄尔尼诺事件。
反对派的异议以各种方式影响了气候科学的实践。最明显的是，有时研究被定向（至少部分地）用来反驳反对派的主张和论点。例如，最近一篇与对流层温度趋势相关的研究论文（Santer 等，2017 年）明确表明是对美国参议院作证过程中提出的反对派主张的回应（另请参见 Lewandowsky 等，2015 年关于“渗漏”和停滞争议）。此外，Brysse 等（2013 年）认为，来自反对派的压力以及被指责过度警告的风险可能部分解释了气候科学家在与气候变化相关的预测中倾向于谨慎的倾向。汇总这些思路，Biddle 和 Leuschner（2015 年）指出，反对派的异议至少以两种方式阻碍了科学进展：
通过（1）迫使科学家回应看似无休止的不必要和无益的异议和要求，以及（2）营造一种气氛，使科学家害怕讨论某些话题和/或不像他们认为适当的那样坚决地捍卫假设。（Biddle & Leuschner 2015: 269）
他们认为，虽然持不同意见在科学上通常是认识上富有成效的，但气候变化否认者表达的异议往往是认识上有害的（另见 Biddle 等人 2017 年；Leuschner 2018 年）。
5.4 伦理学与气候变化
人为气候变化问题引发了一系列具有挑战性的伦理问题。其中大部分超出了本篇气候科学条目的范围。尽管如此，这里仍然提供了一个非常简要的讨论，因为这些问题很重要，而且关于这个主题的完整条目尚未提供。
基本的伦理问题是：关于人为气候变化应该采取什么行动，由谁来采取？这个问题的提出是因为有充分的证据表明气候变化已经对人类和非人类自然产生了有害影响，并且因为预计继续高排放温室气体的速率将在未来带来额外和更具破坏性的危害（Field 等人 2014）。然而，试图解决这个基本的伦理问题会引发更进一步的复杂问题，涉及全球和代际公正的问题，以及关于我们对非人类自然的伦理义务的问题。以下只是一些例子：一些国家，包括那些过去排放大量温室气体的国家，是否有责任承担更多的气候变化减缓和适应成本，而不是其他国家？（参见，例如，Baer 等人 2009；Caney 2011；Singer 2016：第 2 章。）在考虑减缓气候变化的行动时，如何权衡对未来世代的危害和利益与影响当今人们的利益？（参见，例如，Broome 2008；Gardiner 2006。）应如何考虑气候变化对非人类自然的影响，包括生物多样性的丧失？（参见，例如，Palmer 2011。）在提出的地球工程解决方案中，例如向平流层注入硫酸盐气溶胶或在海洋中播种吸收碳的浮游植物，是否在伦理上可接受？（参见，例如，Gardiner 2010；Preston 2013。）有大量且不断增长的哲学文献涉及这些问题及相关问题；一些选集和专著包括 Arnold 2011；Broome 2012；Gardiner 2011；Gardiner 等人 2010；Garvey 2008；Maltais 和 McKinnon 2015，Preston 2016；Shue 2014；Singer 2016。
Bibliography
Albritton, Daniel L., L. Gylvan Meira Filho, Ulrich Cubasch, et al., 2001, “Technical Summary”, in Houghton et al. 2001: 21–83.
Adler, Carolina E. and Gertrude Hirsch Hadorn, 2014, “The IPCC and treatment of uncertainties: topics and sources of dissensus”, WIREs Climate Change, 5(5): 663–676. doi:10.1002/wcc.297
Alexander, K. and S.M. Easterbrook, 2015, “The software architecture of climate models: a graphical comparison of CMIP5 and EMICAR5 configurations”, Geoscientific Model Development, 8(4): 1221–1232. doi:10.5194/gmd-8-1221-2015
American Meteorological Society, cited 2017a, “Climate System”, Glossary of Meteorology, available online.
–––, cited 2017b, “Climate Change”, Glossary of Meteorology, available online.
Annan, James D. and Julia C. Hargreaves, 2010, “Reliability of the CMIP3 ensemble”, Geophysical Research Letters, 37(2): L02703. doi:10.1029/2009GL041994
–––, 2017, “On the meaning of independence in climate science”, Earth System Dynamics, 8(1): 211–224. doi:10.5194/esd-8-211-2017
Arguez, Anthony and Russell S. Vose, 2011, “The Definition of the Standard WMO Climate Normal: The Key to Deriving Alternative Climate Normals”, Bulletin of the American Meteorological Society, 92(6): 699–704. doi:10.1175/2010BAMS2955.1
Arnold, Denis G. (ed.), 2011, The Ethics of Global Climate Change, New York: Cambridge University Press. doi:10.1017/CBO9780511732294
Arrhenius, Svante, 1896, “On the Influence of Carbonic Acid in the Air Upon the Temperature of the Ground”, Philosophical Magazine, Series 5, 41: 237–276, available online.
Baer, Paul, Tom Athanasiou, Sivan Kartha, and Eric Kemp-Benedict, 2009, “Greenhouse Development Rights: A Proposal for a Fair Global Climate Treaty”, Ethics, Place & Environment, 12(3): 267–281. doi:10.1080/13668790903195495
Baumberger, Christoph, Reto Knutti, and Gertrude Hirsch Hadorn, 2017, “Building confidence in climate model projections: an analysis of inferences from fit”, WIREs Climate Change, 8(3): e454. doi:10.1002/wcc.454
Bengtsson, L. and J. Shukla, 1988, “Integration of Space and In Situ Observations to Study Global Climate Change”, Bulletin of the American Meteorological Society, 69(10): 1130–1143. doi:10.1175/1520-0477(1988)069<1130:IOSAIS>2.0.CO;2
Berner, Judith, Ulrich Achatz, Lauriane Batté, Lisa Bengtsson, Alvaro de la Cámara, Hannah M. Christensen, Matteo Colangeli, et al., 2017, “Stochastic Parameterization: Toward a New View of Weather and Climate Models”, Bulletin of the American Meteorological Society, 98(3): 565–587. doi:10.1175/BAMS-D-15-00268.1
Betz, Gregor, 2009, “Underdetermination, Model-Ensembles and Surprises: On the Epistemology of Scenario-Analysis in Climatology”, Journal for General Philosophy of Science, 40(1): 3–21. doi:10.1007/S10838-009-9083-3
–––, 2015, “Are climate models credible worlds? Prospects and limitations of possibilistic climate prediction”, European Journal for Philosophy of Science, 5(2): 191–215. doi:10.1007/s13194-015-0108-y
Biddle, Justin and Eric Winsberg, 2009, “Value Judgments and the Estimation of Uncertainty in Climate Modeling”, in P.D. Magnus and J. Busch (eds.) New Waves in the Philosophy of Science, New York: Palgrave MacMillan, pp.172–97.
Biddle, Justin B. and Anna Leuschner, 2015, “Climate Skepticism and the Manufacture of Doubt: Can Dissent in Science be Epistemically Detrimental?” European Journal for Philosophy of Science, 5(3): 261–278. doi:10.1007/s13194-014-0101-x
Biddle, Justin B., Ian James Kidd and Anna Leuschner, 2017, “Epistemic Corruption and Manufactured Doubt: The Case of Climate Science”, Public Affairs Quarterly, 31(3): 165–187.
Bindoff, Nathaniel L., Peter A. Stott, et al., 2013, “Detection and Attribution of Climate Change: from Global to Regional”, in Stocker et al. 2013: 867–952 (ch. 10).
Bishop, Craig H. and Gab Abramowitz, 2013, “Climate model dependence and the replicate Earth paradigm”, Climate Dynamics, 41(3–4): 885–900. doi:10.1007/s00382-012-1610-y
Bradley, Richard, Casey Helgeson, and Brian Hill, 2017, “Climate Change Assessments: Confidence, Probability, and Decision”, Philosophy of Science, 84(3): 500–522. doi:10.1086/692145.
Broome, John, 2008, “The Ethics of Climate Change”, Scientific American 298(6): 96–102. doi:10.1038/scientificamerican0608-96
–––, 2012, Climate Matters: Ethics in a Warming World, New York: W.W. Norton.
Brown, Matthew J. and Joyce C. Havstad, 2017, “The Disconnect Problem, Scientific Authority, and Climate Policy”, Perspectives on Science, 25(1): 67–94. doi:10.1162/POSC_a_00235
Brysse, Keynyn, Naomi Oreskes, Jessica O’Reilly, and Michael Oppenheimer, 2013, “Climate change prediction: Erring on the side of least drama?”, Global Environmental Change, 23(1): 327–337. doi:10.1016/j.gloenvcha.2012.10.008
Calel, Raphael and David A. Stainforth, 2017, “On the physics of three integrated assessment models”, Bulletin of the American Meteorological Society, 98(6): 1199–1216. doi:10.1175/BAMS-D-16-0034.1
Caney, Simon, 2011, “Climate Change, Energy Rights and Equality”, in Arnold 2011: 77–103. doi:10.1017/CBO9780511732294.005
Chekroun, Mickaël D., Eric Simonnet, and Michael Ghil, 2011, “Stochastic climate dynamics: Random attractors and time-dependent invariant measures”, Physica D: Nonlinear Phenomena, 240(21): 1685–1700. doi:10.1016/j.physd.2011.06.005
Christy, John R., Benjamin Herman, Roger Pielke, Philip Klotzbach, Richard T. McNider, Justin J. Hnilo, Roy W. Spencer, Thomas Chase, and David Douglass, 2010, “What Do Observational Datasets Say about Modeled Tropospheric Temperature Trends since 1979?”, Remote Sensing, 2(9): 2148–2169. doi:10.3390/rs2092148
Claussen, M., L.A. Mysak, A.J. Weaver, et al., 2002, “Earth system models of intermediate complexity: Closing the gap in the spectrum of climate system models”, Climate Dynamics, 18(7): 579–586. doi:10.1007/s00382-001-0200-1
Collins, Matthew, Reto Knutti, et al., 2013, “Long-term Climate Change: Projections, Commitments and Irreversibility”, in Stocker et al. 2013: 1029–1136 (ch. 12).
Compo, G.P., J.S. Whitaker, P.D. Sardeshmukh, et al., 2011, “The Twentieth Century Reanalysis Project”, Quarterly Journal of the Royal Meteorological Society, 137(654): 1–28. doi:10.1002/qj.776
Compo, G.P., P.D. Sardeshmukh, J.S. Whitaker, et al., 2013, “Independent confirmation of global land warming without the use of station temperatures”, Geophysical Research Letters, 40: 3170–3174. doi:10.1002/grl.50425
Cook, John, Naomi Oreskes, Peter T. Doran, et al., 2016, “Consensus on consensus: a synthesis of consensus estimates on human-caused global warming”, Environmental Research Letters, 11(4): 048002. doi:10.1088/1748-9326/11/4/048002
Costa, Ana Cristina and Amílcar Soares, 2009, “Homogenization of Climate Data: Review and New Perspectives Using Geostatistics”, Mathematical Geosciences, 41(3): 291–305. doi:10.1007/s11004-008-9203-3
Dee, Dick, John Fasullo, Dennis Shea, John Walsh, and National Center for Atmospheric Research Staff (eds.), 2016, “The Climate Data Guide: Atmospheric Reanalysis: Overview & Comparison Tables”, available online, last modified 12 Dec 2016.
Drótos, Gábor, Tamás Bódai, and Tamás Tél, 2015, “Probabilistic Concepts in a Changing Climate: A Snapshot Attractor Picture”, Journal of Climate, 28(8): 3275–3288. doi:10.1175/JCLI-D-14-00459.1
Durre, Imke, Matthew J. Menne, Byron E. Gleason, Tamara G. Houston, and Russell S. Vose, 2010, “Comprehensive Automated Quality Assurance of Daily Surface Observations”, Journal of Applied Meteorology and Climatology, 49(8): 1615–1633. doi:10.1175/2010JAMC2375.1
Easterling, David R. and Michael F. Wehner, 2009, “Is the Climate Warming or Cooling?”, Geophysical Research Letters, 36(8): L08706. doi:10.1029/2009GL037810
Edwards, Paul N., 1999, “Global climate science, uncertainty and politics: Data-laden models, model-filtered data”, Science as Culture, 8(4): 437–472. doi:10.1080/09505439909526558
–––, 2000, “A Brief History of Atmospheric General Circulation Modeling”, in David A. Randall (ed.), General Circulation Model Development: Past, Present, and Future, San Diego, CA: Academic Press, pp. 67–90.
–––, 2010, A Vast Machine: Computer Models, Climate Data, and the Politics of Global Warming, Cambridge, MA: MIT Press.
Field, Christopher B., Vicente R. Barros, David Jon Dokken, Katherine J. Mach, Michael D. Mastrandrea, et al., 2014, “Technical Summary”, in Christopher B. Field, Vicente R. Barros, David Jon Dokken, Katherine J. Mach, Michael D. Mastrandrea, et al. (eds.) Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, New York: Cambridge University Press, pp. 35–94, available online.
Flato, Gregory, Jochem Marotzke, et al., 2013, “Evaluation of Climate Models”, in Stocker et al. 2013: 741–866 (ch. 9).
Fleming, James Rodger, 1998, Historical Perspectives on Climate Change, New York, Oxford University Press.
Folland, Christopher K., Thomas R. Karl, J.R. Christy, et al., 2001, “Observed Climate Variability and Change”, in Houghton et al. 2001: 99–181.
Frame, D.J., N.E. Faull, M.M. Joshi, and M.R. Allen, 2007, “Probabilistic climate forecasts and inductive problems”, Philosophical Transactions of the Royal Society A, 365(1857): 1971–1992. doi:10.1098/rsta.2007.2069
Frank, David, Jan Esper, Eduardo Zorita, and Rob Wilson, 2010, “A noodle, hockey stick, and spaghetti plate: a perspective on high-resolution paleoclimatology”, WIREs Climate Change, 1(4): 507–516. doi:10.1002/wcc.53
Frigg, Roman, Seamus Bradley, Hailiang Du, and Leonard A. Smith, 2014, “Laplace’s Demon and the Adventures of His Apprentices”, Philosophy of Science, 81(1): 31–59. doi:10.1086/674416
Frigg, Roman, Leonard A. Smith, and David A. Stainforth, 2013, “The Myopia of Imperfect Climate Models: The Case of UKCP09”, Philosophy of Science, 80(5): 886–897. doi:10.1086/673892
–––, 2015a, “An assessment of the foundational assumptions in high-resolution climate projections: the case of UKCP09”, Synthese, 192(12): 3979–4008. doi:10.1007/s11229-015-0739-8
Frigg, Roman, Erica Thompson, and Charlotte Werndl, 2015b, “Philosophy of Climate Science Part I: Observing Climate Change”, Philosophy Compass, 10(12): 953–964. doi:10.1111/phc3.12294
–––, 2015c, “Philosophy of Climate Science Part II: Modelling Climate Change”, Philosophy Compass, 10(12): 965–977. doi:10.1111/phc3.12297
Frisch, Mathias, 2013, “Modeling Climate Policies: A Critical Look at Integrated Assessment Models”, Philosophy and Technology, 26(2): 117–137. doi:10.1007/s13347-013-0099-6
–––, 2015, “Predictivism and old evidence: a critical look at climate model tuning”, European Journal for Philosophy of Science, 5(2): 171–190. doi:10.1007/s13194-015-0110-4
Gardiner, Stephen M., 2006, “A Perfect Moral Storm: Climate Change, Intergenerational Ethics and the Problem of Moral Corruption”, Environmental Values 15(3): 397–415. doi:10.3197/096327106778226293
–––, 2010, “Is ‘Arming the Future’ with Geoengineering Really the Lesser Evil? Some Doubts About the Ethics of Intentionally Manipulating the Climate System”, in Gardiner et al. 2010.
–––, 2011, A Perfect Moral Storm: The Ethical Tragedy of Climate Change, New York: Oxford University Press. doi:10.1093/acprof:oso/9780195379440.001.0001
Gardiner, Stephen, Simon Caney, Dale Jamieson, and Henry Shue, 2010, Climate Ethics: Essential Readings, New York: Oxford University Press.
Garvey, James, 2008, The Ethics of Climate Change: Right and Wrong in a Warming World, London: Continuum.
Giere, Ronald N., 2004, “How Models Are Used to Represent Reality”, Philosophy of Science, 71(5): 742–52. doi:10.1086/425063
Gleckler, P.J., K.E. Taylor, and C. Doutraiux, 2008, “Performance metrics for climate models”, Journal of Geophysical Research—Atmospheres, 113(D6): D06104. doi:10.1029/2007JD008972
Goodwin, William M., 2015, “Global Climate Modeling as Applied Science”, Journal for General Philosophy of Science, 46(2): 339–350. doi:10.1007/s10838-015-9301-0
Goodwin, William M. and Eric Winsberg, 2016, “Missing the Forest for the Fish: How Much Does the ‘Hawkmoth Effect’ Threaten the Viability of Climate Projections?”, Philosophy of Science, 83(5): 1122–1132. doi:10.1086/687943
Gramelsberger, Gabriele, 2010, “Conceiving processes in atmospheric models—General equations, subscale parameterizations, and ‘superparameterizations’”, Studies in History and Philosophy of Modern Physics, 41(3): 233–241. doi:10.1016/j.shpsb.2010.07.005
Guillemot, Hélène, 2010, “Connections between simulations and observation in climate computer modeling. Scientist’s practices and ‘bottom-up epistemology’ lessons”, Studies in History and Philosophy of Modern Physics, 41(3): 242–252. doi:10.1016/j.shpsb.2010.07.003
Hansen, J., R. Ruedy, M. Sato, and K. Lo, 2010, “Global Surface Temperature Change”, Reviews of Geophysics, 48: RG4004. doi:10.1029/2010RG000345
Harris, I., P.D. Jones, T.J. Osborn, and D.H. Lister, 2014, “Updated high-resolution grids of monthly climatic observations—the CRU TS3.10 Dataset”, International Journal of Climatology, 34(3): 623–642. doi:10.1002/joc.3711
Hartmann, Dennis L., Albert M.G. Klein Tank, Matilde Rusticucci, et al., 2013, “Observations: Atmosphere and Surface Supplementary Material”, in Stocker et al. 2013: 2SM-1–2SM-30 (ch. 2SM).
Havstad, Joyce C. and Matthew J. Brown, 2017, “Neutrality, Relevance, Prescription, and the IPCC”, Public Affairs Quarterly, 31(4): 303–324.
Hegerl, Gabriele and Francis Zwiers, 2011, “Use of models in detection and attribution of climate change”, WIREs Climate Change, 2(4): 570–591. doi:10.1002/wcc.121
Heymann, Matthias and Dania Achermann, forthcoming, “From Climatology to Climate Science in the 20th Century”, in Sam White, Christian Pfister, and Franz Mauelshagen (eds.), Palgrave Handbook of Climate History, Palgrave MacMillan UK.
Held, Isaac N., 2005, “The gap between simulation and understanding in climate modeling”, Bulletin of the American Meteorological Society, 86(11): 1609–1614. doi:10.1175/BAMS-86-11-1609
Hillerbrand, Rafaela, 2014, “Climate Simulations: Uncertain Projections for an Uncertain World”, Journal for General Philosophy of Science, 45(S1): 17–32. doi:10.1007/s10838-014-9266-4
Houghton, John, 2015, Global Warming: The Complete Briefing, fifth edition, Cambridge: Cambridge University Press.
Houghton, John T., et al. (eds.), 2001, Climate Change 2001: The Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge: Cambridge University Press, available online.
Hourdin, Frédéric, Thorsten Mauritsen, Andrew Gettelman, et al., 2017, “The Art and Science of Climate Model Tuning”, Bulletin of the American Meteorological Society, 98(3): 589–602. doi:10.1175/BAMS-D-15-00135.1
Ingleby, Bruce, Mark Rodwell and Lars. Isaksen, 2016, “Global Radiosonde Network Under Pressure”, ECMWF Newsletter No. 149: 25–30. doi:10.21957/cblxtg
Intemann, Kristen, 2015, “Distinguishing Between Legitimate and Illegitimate Values in Climate Modeling”, European Journal for Philosophy of Science, 5(2): 217–232. doi:10.1007/s13194-014-0105-6
–––, 2017, “Who Needs a Consensus Anyway? Addressing Manufactured Doubt and Increasing Public Trust in Climate Science”, Public Affairs Quarterly 31(3): 189–208.
IPCC, 2013a, “What is the IPCC?”, 30 August 2013. IPCC Fact Sheet, available online, accessed August 2, 2017.
–––, [IPCC-glossary] 2013b, “Annex III: Glossary”, Serge Planton (ed.), in Stocker et al. 2013: 1447–1465.
–––, 2014, Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, Rajendra K. Pachauri and Leo Meyer (eds.)]. Geneva: IPCC, available online.
Jones, P.D., D.H. Lister, T.J. Osborn, C. Harpham, M. Salmon, and C.P. Morice, 2012, “Hemispheric and large-scale land-surface air temperature variations: An extensive revision and an update to 2010”, Journal of Geophysical Research: Atmospheres, 117(D5): D05127, doi:10.1029/2011JD017139
Kalnay, Eugenia, 2003, Atmospheric Modeling, Data Assimilation and Predictability, Cambridge: Cambridge University Press. doi:10.1017/CBO9780511802270
Kandlikar, Milind, James S. Risbey and Suraje Dessai, 2005, “Representing and Communicating Deep Uncertainty in Climate-Change Assessments”, Comptes rendus Géoscience, 337(4): 443–455. doi:10.1016/j.crte.2004.10.010
Karl, Thomas R., Susan J. Hassol, Christopher D. Miller and William L. Murray (eds.), 2006, Temperature Trends in the Lower Atmosphere: Steps for Understanding and Reconciling Differences, Washington, DC: U.S. Climate Change Science Program and Subcommittee on Global Change Research, available online.
Katzav, Joel, 2013a, “Hybrid Models, Climate Models, and Inference to the Best Explanation”, The British Journal for the Philosophy of Science, 64(1): 107–129. doi:10.1093/bjps/axs002
–––, 2013b, “Severe Testing of Climate Change Hypotheses”, Studies in History and Philosophy of Modern Physics, 44(4): 433–441. doi:10.1016/j.shpsb.2013.09.003
–––, 2014, “The Epistemology of Climate Models and Some of Its Implications for Climate Science and the Philosophy of Science”, Studies in History and Philosophy of Modern Physics, 46(May): 228–238. doi:10.1016/j.shpsb.2014.03.001
Katzav, Joel, Henk A. Dijkstra, and A.T.J. (Jos) de Laat, 2012, “Assessing Climate Model Projections: State of the Art and Philosophical Reflections”, Studies in History and Philosophy of Modern Physics, 43(4): 258–276. doi:10.1016/j.shpsb.2012.07.002
Katzav, Joel and Wendy S. Parker, 2015, “The Future of Climate Modeling”, Climatic Change, 132(4): 375–387. doi:10.1007/s10584-015-1435-x
Katzav, Joel and Wendy S. Parker, forthcoming, “Issues in the Theoretical Foundations of Climate Science”, Studies in History and Philosophy of Modern Physics, doi:10.1016/j.shpsb.2018.02.001
Knutson, Thomas R., Fanrong Zeng, and Andrew T. Wittenberg, 2013, “Multi-Model Assessment of Regional Surface Temperature Trends: CMIP3 and CMIP5 Twentieth-Century Simulations”, Journal of Climate, 26(22): 8709–8743. doi:10.1175/JCLI-D-12-00567.1
Knutti, Reto, 2008, “Should We Believe Model Predictions of Future Climate Change?”, Philosophical Transactions of the Royal Society A, 366(1885): 4647-4664. doi:10.1098/rsta.2008.0169
–––, 2010, “The End of Model Democracy?”, Climatic Change, 10(3–4)2: 395–404. doi:10.1007/s10584-010-9800-2
–––, 2018, “Climate Model Confirmation: From Philosophy to Predicting Climate in the Real World”, in Lloyd and Winsberg 2018: 325–351 (Ch. 11).
Knutti, Reto, Reinhard Furrer, Claudia Tebaldi, Jan Cermak, and Gerald A. Meehl, 2010a, “Challenges in Combining Projections from Multiple Climate Models”, Journal of Climate, 23(10): 2739–2758. doi:10.1175/2009JCLI3361.1
Knutti, Reto, Gabriel Abramowitz, Matthew Collins Veronika Eyring, Peter J. Gleckler, Bruce Hewitson, and Linda Mearns, 2010b, “Good practice guidance paper on assessing and combining multi model climate projections”, in Stocker et al. 2010: 1–14.
Knutti, Reto, David Masson, and Andrew Gettelman, 2013, “Climate Model Genealogy: Generation CMIP5 and How We Got There”, Geophysical Research Letters, 40(6): 1194–1199. doi:10.1002/grl.50256
Knutti, Reto, Jan Sedláček, Benjamin M. Sanderson, Ruth Lorenz, Erich M. Fischer, and Veronika Eyring, 2017, “A Climate Model Projection Weighting Scheme Accounting for Performance and Interdependence”, Geophysical Research Letters 44(4): 1909–1918. doi:10.1002/2016GL072012
Krueger, Oliver and Jin-Song Von Storch, 2011, “A Simple Empirical Model for Decadal Climate Prediction”, Journal of Climate, 24(4): 1276–1283. doi:10.1175/2010JCLI3726.1
Lahsen, Myanna, 2005, “Seductive Simulations? Uncertainty Distribution Around Climate Models”, Social Studies of Science, 35(6): 895–922. doi:10.1177/0306312705053049
Lawhead, Jon, forthcoming, “Structural Modelling Error and the System Individuation Problem”, The British Journal for the Philosophy of Science.
Lawrimore, Jay H., Matthew J. Menne, Byron E. Gleason, Claude N. Williams, David B. Wuertz, Russell S. Vose, and Jared Rennie, 2011, “An Overview of the Global Historical Climatology Network Monthly Mean Temperature Data Set, Version 3”, Journal of Geophysical Research, 116(D19): D19121. doi:10.1029/2011JD016187.
Leiserowitz, Anthony A., Edward W. Maibach, Connie Roser-Renouf, Nicholas Smith, and Erica Dawson, 2013, “Climategate, Public Opinion, and the Loss of Trust”, American Behavioral Scientist, 57(6): 818–837. doi:10.1177/0002764212458272
Lenhard, Johannes and Eric Winsberg, 2010, “Holism, Entrenchment and the Future of Climate Model Pluralism”, Studies in History and Philosophy of Modern Physics, 41(3): 253–262. doi:10.1016/j.shpsb.2010.07.001
Lewandowsky, Stephan, Naomi Oreskes, James S. Risbey, Ben R. Newell, and Michael Smithson, 2015, “Seepage: Climate change denial and its effect on the scientific community”, Global Environental Change, 33: 1–13. doi: 10.1016/j.gloenvcha.2015.02.013
Leuschner, Anna, 2015, “Uncertainties, Plurality, and Robustness in Climate Research and Modeling. On the Reliability of Climate Prognoses”, Journal for General Philosophy of Science, 46(2): 367–381. doi:10.1007/s10838-015-9304-x
–––, 2018, “Is It Appropriate to ‘target’ Inappropriate Dissent? on the Normative Consequences of Climate Skepticism”, Synthese, 195(3): 1255–1271. doi:10.1007/s11229-016-1267-x
Lloyd, Elisabeth A., 2009, “I—Varieties of Support and Confirmation of Climate Models”, Aristotelian Society Supplementary Volume, 83(1): 213–232. doi:10.1111/j.1467-8349.2009.00179.x
–––, 2010, “Confirmation and Robustness of Climate Models”, Philosophy of Science, 77(5): 971–984. doi:10.1086/657427
–––, 2012, “The Role of ‘complex’ Empiricism in the Debates About Satellite Data and Climate Models”, Studies in History and Philosophy of Science, 43(2): 390–401. doi:10.1016/j.shpsa.2012.02.001
–––, 2015, “Model Robustness as a Confirmatory Virtue: The Case of Climate Science”, Studies in History and Philosophy of Science, 49(2): 58–68. doi:10.1016/j.shpsa.2014.12.002
Lloyd, Elisabeth A. and Eric Winsberg (eds.), 2018, Climate Modeling: Philosophical and Conceptual Issues, Palgrave MacMillan Press.
Lorenz, Edward N., 1970, “Climatic Change as a Mathematical Problem”, Journal of Applied Meteorology, 9(3): 325–329. doi:10.1175/1520-0450(1970)009<0325:CCAAMP>2.0.CO;2
Maltais, Aaron and Catriona McKinnon, 2015, Ethics of Climate Change Governance, London: Rowman and Littlefield.
Mann, Michael E., 2012, The Hockey Stick and the Climate Wars: Dispatches from the Front Lines, New York: Columbia University Press.
Mann, Michael E., Raymond S. Bradley, and Malcolm K. Hughes, 1998 “Global-Scale Temperature Patterns and Climate Forcing Over the Past Six Centuries” Nature, 392(6678): 779–787. doi:10.1038/33859
–––, 1999, “Northern Hemisphere Temperatures During the Past Millennium: Inferences, Uncertainties, and Limitations”, Geophysical Research Letters, 26(6): 759–762. doi:10.1029/1999GL900070
Mann, Michael, Caspar Amman, Ray Bradley, Keith Briffa, Philip Jones, Tim Osborn, Tom Crowley, et al., 2003, “On Past Temperatures and Anomalous Late-20th Century Warmth”, Eos, 84(27): 256–258. doi:10.1029/2003EO270003
Marcott, S.A., J.D. Shakun, P.U. Clark and A.C. Mix, 2013, “A Reconstruction of Regional and Global Temperature for the Past 11,300 Years”, Science, 339(6124): 1198-1201. doi:10.1126/science.1228026
Masson-Delmotte, Valérie, Michael Schulz, et al., 2013, “Information from Paleoclimate Archives”, in Stocker et al. 2013: 383–464.
Mastrandrea, Michael D., Christopher B. Field, Thomas F. Stocker, Ottmar Edenhofer, Kristie L. Ebi, David J. Frame, Hermann Held, Elmar Kriegler, Katharine J. Mach, Patrick R. Matschoss, Gian-Kasper Plattner, Gary W. Yohe, and Francis W. Zwiers, 2010 “Guidance Note for Lead Authors of the IPCC Fifth Assessment Report on Consistent Treatment of Uncertainties. Intergovernmental Panel on Climate Change (IPCC)”, 6–7 July 2010, Jasper Ridge, CA, available online, accessed August 4, 2017.
Mauritsen, Thorsten, Bjorn Stevens, Erich Roeckner, Traute Crueger, Monika Esch, Marco Giorgetta, Helmuth Haak, et al., 2012, “Tuning the Climate of a Global Model”, Journal of Advances in Modeling Earth Systems, 4(3): M00A01. doi:10.1029/2012MS000154
Mayo, Deborah G., 1996, Error and the Growth of Experimental Knowledge, Chicago: University of Chicago Press.
Mayo-Wilson, Conor, 2015, “Structural Chaos”, Philosophy of Science, 82(5): 1236–1247. doi:10.1086/684086
McFarlane, Norman, 2011, “Parameterizations: Representing Key Processes in Climate Models Without Resolving Them”, WIREs Climate Change, 2(4): 482–497. doi:10.1002/wcc.122
McGuffie, Kendal and Ann Henderson-Sellers, 2014, The Climate Modelling Primer, fourth edition, Chichester: Wiley Blackwell.
McIntyre, Stephen and Ross McKitrick, 2003, “Corrections to the Mann et al. (1998) Proxy Data Base and Northern Hemispheric Average Temperature Series”, Energy & Environment, 14(6): 751–771. doi:10.1260/095830503322793632
–––, 2005, “Hockey Sticks, Principal Components, and Spurious Significance”, Geophysical Research Letters, 32(3): L03710. doi:10.1029/2004GL021750
Mearns, L. O., S. Sain, L. R. Leung, M. S. Bukovsky, S. McGinnis, S. Biner, D. Caya, et al., 2013, “Climate Change Projections of the North American Regional Climate Change Assessment Program (NARCCAP)” Climatic Change, 120(4): 965–975. doi:10.1007/s10584-013-0831-3.
Medhaug, Iselin, Martin B. Stolpe, Erich M. Fischer, and Reto Knutti, 2017, “Reconciling Controversies about the ‘Global Warming Hiatus’”, Nature, 545(7652): 41–47. doi:10.1038/nature22315
Meehl, Gerald A., Lisa Goddard, George Boer, Robert Burgman, Grant Branstator, Christophe Cassou, Susanna Corti, et al, 2014, “Decadal Climate Prediction: An Update from the Trenches”, Bulletin of the American Meteorological Society, 95(2): 243–267. doi:10.1175/BAMS-D-12-00241.1
Menne, Matthew J., Imke Durre, Russell S. Vose, Byron E. Gleason, and Tamara G. Houston, 2012, “An Overview of the Global Historical Climatology Network-Daily Database”, Journal of Atmospheric and Oceanic Technology, 29(7): 897–910. doi:10.1175/JTECH-D-11-00103.1
Montford, Andrew W., 2010, The Hockey Stick Illusion: Climategate and the Corruption of Science, London: Stacey International.
Murphy, J.M., B.B.B Booth, M Collins, G.R Harris, D.M.H Sexton, M.J Webb, 2007, “A Methodology for Probabilistic Predictions of Regional Climate Change from Perturbed Physics Ensembles”, Philosophical Transactions of the Royal Society A, 365(1857): 1993–2028. doi:10.1098/rsta.2007.2077
Murphy, J.M., D. Sexton, G. Jenkins, et al., 2009, UK Climate Projections Science Report: Climate Change Projections, Exeter: Met Office Hadley Centre, available online.
National Research Council (NRC), 2000, Reconciling Observations of Global Temperature Change, Washington, DC: National Academy Press. doi:10.17226/9755
–––, 2006, Surface Temperature Reconstructions for the Last 2,000 Years, Washington, DC: National Academy Press. doi:10.17226/11676
Neale, Richard B., Jadwiga H. Richter, Andrew J. Conley, Sungsu Park, Peter H. Lauritzen et al., 2010, “Description of the NCAR Community Atmosphere Model (CAM 4.0)”, NCAR Technical Note (NCAR/TN-485+STR), Boulder, CO: National Center For Atmospheric Research, available online, accessed August 1, 2017.
Nebeker, Frederik, 1995, Calculating the Weather: Meteorology in the 20th Century, New York: Academic Press.
Odenbaugh, Jay, 2012, “Climate, Consensus and Contrarians”, inWilliam P. Kabasenche, Michael O’Rourke, and Matthew H. Slater (eds.), The Environment: Philosophy, Science and Ethics, Cambridge, MA: MIT Press, pp.137–150. doi:10.7551/mitpress/9780262017404.003.0008
Oreskes, Naomi, 2007, “The Scientific Consensus on Climate Change: How Do We Know We’re Not Wrong?”, in Joseph F.C. DiMento and Pamela Doughman (eds.), Climate Change: What It Means for Us, Our Children, and Our Grandchildren, Cambridge: MIT Press, pp. 65–99.
Oreskes, Naomi and Erik M. Conway, 2010, Merchants of Doubt: How a Handful of Scientists Obscured the Truth on Issues from Tobacco Smoke to Global Warming, London: Bloomsbury Press.
PAGES-2K-Consortium, 2013, “Continental-Scale Temperature Variability During the Past Two Millennia”, Nature Geoscience, 6(5): 339–346. doi:10.1038/ngeo1797
Palmer, Clare, 2011, “Does Nature Matter? The Place of the Non-Human in the Ethics of Climate Change”, in Arnold 2011: 272–291. doi:10.1017/CBO9780511732294.014
Palmer, T.N., 1999, “A Nonlinear Dynamical Perspective on Climate Prediction”, Journal of Climate, 12(2): 575–591. doi:10.1175/1520-0442(1999)012<0575:ANDPOC>2.0.CO;2
Parker, Wendy S., 2006, “Understanding Pluralism in Climate Modeling”, Foundations of Science, 11(4): 349–368. doi:10.1007/s10699-005-3196-x
–––, 2009, “II—Confirmation and Adequacy-for-Purpose in Climate Modelling”, Aristotelian Society Supplementary Volume, 83(1): 233–249. doi:10.1111/j.1467-8349.2009.00180.x
–––, 2010, “Comparative Process Tracing and Climate Change Fingerprints”, Philosophy of Science, 77(5): 1083–1095. doi:10.1086/656814
–––, 2011, “When Climate Models Agree: the Significance of Robust Model Predictions”, Philosophy of Science, 78(4): 579–600. doi:10.1086/661566
–––, 2014a, “Values and Uncertainties in Climate Prediction, Revisited”, Studies in History and Philosophy of Science, 46(June): 24–30. doi:10.1016/j.shpsa.2013.11.003
–––, 2014b, “Simulation and Understanding in the Study of Weather and Climate”, Perspectives on Science, 22(3): 336–356. doi:10.1162/POSC_a_00137
–––, 2017, “Computer Simulation, Measurement and Data Assimilation”, The British Journal for the Philosophy of Science, 68(1): 273-304. doi:10.1093/bjps/axv037
Petersen, Arthur C., 2000, “Philosophy of Climate Science”, Bulletin of the American Meteorological Society, 81(2): 265–271. doi:10.1175/1520-0477(2000)081<0265:POCS>2.3.CO;2
–––, 2012, Simulating Nature: A Philosophical Study of Computer-Simulation Uncertainties and Their Role in Climate Science and Policy Advice, Boca Raton: Taylor & Francis.
Pirtle, Zachary, Ryan Meyer, and Andrew Hamilton, 2010, “What Does it Mean When Climate Models Agree? A Case for Assessing Independence Among General Circulation Models”, Environmental Science & Policy, 13(5): 351–361. doi:10.1016/j.envsci.2010.04.004
Preston, Christopher J., 2013, “Ethics and Geoengineering: Reviewing the Moral Issues Raised by Solar Radiation Management and Carbon Dioxide Removal”, WIREs Climate Change 4(1): 23–37. doi:10.1002/wcc.198
––– (ed.), 2016, Climate Justice and Geoengineering: Ethics and Policy in the Atmospheric Anthropocene, London: Rowman and Littlefield.
Qu Xin and Alex Hall, 2007, “What Controls the Strength of Snow Albedo Feedback?”, Journal of Climate, 20(15): 3971–3981. doi:10.1175/JCLI4186.1
Ranalli, Brent, 2012, “Climate Science, Character and the ‘Hard-Won’ Consensus”, Kennedy Institute of Ethics Journal, 22(2): 183–210. doi:10.1353/ken.2012.0004
Randall, David A., Richard A. Wood, Sandrine Bony, et al., 2007, “Climate Models and Their Evaluation”, in S. Solomon et al. (eds.) Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge: Cambridge University Press, pp. 589–662 (ch. 8), available online.
Randall, David, Mark Branson, Minghuai Wang, Steven Ghan, Cheryl Craig, Andrew Gettelman, and James Edwards, 2013, “A Community Atmosphere Model with Superparameterized Clouds”, Eos, 94(25): 221–222. doi:10.1002/2013EO250001.
Rehg, William and Kent Staley, 2017, “‘Agreement’ in the IPCC Confidence Measure”, Studies in History and Philosophy of Modern Physics, 57(February): 126–134. doi:10.1016/j.shpsb.2016.10.008
Rennie, J.J., J.H. Lawrimore, B.E. Gleason et al., 2014, “The International Surface Temperature Initiative Global Land Surface Databank: Monthly Temperature Data Release Description and Methods”, Geoscience Data Journal, 1(2): 75–102. doi:10.1002/gdj3.8
Risbey, James S., Stephan Lewandowsky, Clothilde Langlais, Didier P. Monselesan, Terence J. O’Kane, and Naomi Oreskes, 2014, “Well-Estimated Global Surface Warming in Climate Projections Selected for ENSO Phase”, Nature Climate Change, 4(9): 835–840. doi:10.1038/NCLIMATE2310
Riser, Stephen C., Howard J. Freeland, Dean Roemmich, Susan Wijffels, Ariel Troisi, Mathieu Belbéoch, Denis Gilbert, et al., 2016, “Fifteen Years of Ocean Observations with the Global Argo Array”, Nature Climate Change, 6(2): 145–153. doi:10.1038/NCLIMATE2872
Rohde, Robert, Richard A. Muller, Robert Jacobsen, Elizabeth Muller, Saul Perlmutter, Arthur Rosenfeld, Jonathan Wurtele, Donald Groom, and Charlotte Wickham, 2013, “A New Estimate of the Average Earth Surface Land Temperature Spanning 1753 to 2011”, Geoinformatics and Geostatistics: An Overview, 1(1): 1. doi:10.4172/2327-4581.1000101
Rougier, Jonathan, 2007, “Probabilistic Inference for Future Climate Using an Ensemble of Climate Model Evaluations”, Climatic Change, 81(3–4): 247–264. doi:10.1007/s10584-006-9156-9
Russell, Muir, Geoffrey Boulton, Peter Clarke, David Eyton and James Norton, 2010, The Independent Climate Change Emails Review, available online, accessed August 5, 2017.
Santer, Benjamin D., Céline Bonfils, Jeffrey F. Painter, Mark D. Zelinka, Carl Mears, Susan Solomon, Gavin A. Schmidt, et al., 2014, “Volcanic Contribution to Decadal Changes in Tropospheric Temperature”, Nature Geoscience, 7(3): 185–189. doi:10.1038/ngeo2098
Santer, Benjamin D., Susan Solomon, Giuliana Pallotta, Carl Mears, Stephen Po-Chedley, Qiang Fu, Frank Wentz, et al., 2017, “Comparing Tropospheric Warming in Climate Models and Satellite Data”, Journal of Climate, 30(1): 373–392. doi:10.1175/JCLI-D-16-0333.1
Schmidt, Gavin A., 2011, “Reanalyses ‘R’ Us”, posted July 26, 2011, available online, accessed August 1, 2017.
–––, 2012, “Short term trends: Another proxy fight”, posted November 1, 2012, available online, accessed August 10, 2017.
Schmidt, Gavin A. and Steven Sherwood, 2015, “A Practical Philosophy of Complex Climate Modelling”, European Journal for Philosophy of Science, 5(2): 149–169. doi:10.1007/s13194-014-0102-9
Schupbach, Jonah N., 2016, “Robustness Analysis as Explanatory Reasoning”, The British Journal for the Philosophy of Science, 69(1): 275–300. doi:10.1093/bjps/axw008
Schurer, Andrew P., Gabriele C. Hegerl, Michael E. Mann, Simon F. B. Tett, and Steven J. Phipps, 2013, “Separating Forced from Chaotic Climate Variability over the Past Millennium”, Journal of Climate, 26(18): 6954–6973. doi:10.1175/JCLI-D-12-00826.1
Sellers, William D., 1969, “A Global Climatic Model Based on the Energy Balance of the Earth-Atmosphere System”, Journal of Applied Meteorology, 8(3): 392–400. doi:10.1175/1520-0450(1969)008<0392:AGCMBO>2.0.CO;2
Sexton, David M. H., James M. Murphy, Mat Collins, and Mark J. Webb, 2012, “Multivariate Probabilistic Projections Using Imperfect Climate Models Part I: Outline of Methodology”, Climate Dynamics, 38(11–12): 2513–2542. doi:10.1007/s00382-011-1208-9
Shue, Henry, 2014, Climate Justice: Vulnerability and Protection, New York: Oxford University Press.
Shukla, J., R. Hagedorn, M. Miller, T. N. Palmer, B. Hoskins, J. Kinter, J. Marotzke, and J. Slingo, 2009, “Strategies: Revolution in Climate Prediction is Both Necessary and Possible: a Declaration at the World Modeling Summit for Climate Prediction”, Bulletin of the American Meteorological Society, 90(2): 175–178. doi:10.1175/2008BAMS2759.1
Singer, Peter, 2016, One World Now: The Ethics of Globalization, New Haven: Yale University Press.
Smith, L.A., 2002, “What Might We Learn from Climate Forecasts?”, Proceedings of the National Academy of Sciences, 99(supplement 1): 2487–2492. doi:10.1073/pnas.012580599
Soon, Willie, Sallie Baliunas, Craig Idso, Sherwood Idso, and David R. Legates, 2003, “Reconstructing Climatic and Environmental Changes of the Past 1000 Years: A Reappraisal”, Energy & Environment, 14(2): 233–296. doi:10.1260/095830503765184619
Spencer R.W. and J.R. Christy, 1990, “Precise Monitoring of Global Temperature Trends from Satellites”, Science, 247(4950): 1558–1562. doi:10.1126/science.247.4950.1558
Stainforth, D.A., T. Aina, C. Christensen, et al., 2005, “Uncertainty in Predictions of the Climate Response to Rising Levels of Greenhouse Gases”, Nature, 433(7024): 403–406. doi:10.1038/nature03301
Stainforth, D.A., M.R Allen, E.R Tredger, and L.A Smith, 2007, “Confidence, Uncertainty and Decision-Support Relevance in Climate Predictions”, Philosophical Transactions of the Royal Society A, 365(1857): 2145–2161. doi:10.1098/rsta.2007.2074
Steele, Katie and Charlotte Werndl, 2013, “Climate Models, Calibration and Confirmation”, The British Journal for the Philosophy of Science, 64(3): 609–635. doi:10.1093/bjps/axs036
–––, 2016, “The Diversity of Model Tuning Practices in Climate Science”, Philosophy of Science, 83(5): 1133–1144. doi:10.1086/687944
Stocker, Thomas, 2011, Introduction to Climate Modelling, Berlin: Springer-Verlag. doi:10.1007/978-3-642-00773-6
Stocker, Thomas F., et al. (eds.), 2013, Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, New York: Cambridge University Press, available online.
Sundberg, Mikaela, 2007, “Parameterizations as Boundary Objects”, Social Studies of Science, 37(3): 473–488. doi:10.1177/0306312706075330
Taylor, Karl E., Ronald J. Stouffer, and Gerald A. Meehl, 2012, “An Overview of CMIP5 and the Experiment Design”, Bulletin of the American Meteorological Society, 93(4): 485–498. doi:10.1175/bams-d-11-00094.1
Tebaldi, Claudia, Richard L. Smith, Doug Nychka, and Linda O. Mearn, 2005, “Quantifying Uncertainty in Projections of Regional Climate Change: A Bayesian Approach to the Analysis of Multimodel Ensembles”, Journal of Climate, 18(10): 1524–1540. doi:10.1175/JCLI3363.1
Thompson, Erica, Roman Frigg, and Casey Helgeson, 2016, “Expert Judgment for Climate Change Adaptation”, Philosophy of Science, 83(5): 1110–1121. doi:10.1086/687942
Thorne, Peter W., John R. Lanzante, Thomas C. Peterson, Dian J. Seidel, and Keith P. Shine, 2011, “Tropospheric Temperature Trends: History of An Ongoing Controversy”, WIREs Climate Change, 2(1): 66–88. doi:10.1002/wcc.80
Vezér, Martin A., 2016a, “Variety-Of-Evidence Reasoning About the Distant Past: A Case Study in Paleoclimate Reconstruction”, European Journal for Philosophy of Science, 7(2): 257–265. doi:10.1007/s13194-016-0156-y
–––, 2016b, “Computer Models and the Evidence of Anthropogenic Climate Change: An Epistemology of Variety-Of-Evidence Inferences and Robustness Analysis”, Studies in History and Philosophy of Science: Part A, 56(April): 95–102. doi:10.1016/j.shpsa.2016.01.004
Wahl, Eugene R. and Caspar M. Ammann, 2007, “Robustness of the Mann, Bradley, Hughes Reconstruction of Northern Hemisphere Surface Temperatures: Examination of Criticisms Based on the Nature and Processing of Proxy Climate Evidence”, Climatic Change, 8(1–2)5: 33–69. doi:10.1007/s10584-006-9105-7
Weart, Spencer, 2008, The Discovery of Global Warming, second edition (revised and updated), Cambridge, MA: Harvard University Press.
Weart, Spencer, 2010, “The Development of General Circulation Models of Climate”, Studies in History and Philosophy of Modern Physics, 41(3): 208–217. doi:10.1016/j.shpsb.2010.06.002
Weigel, Andreas P., Reto Knutti, Mark A. Liniger and Christof Appenzeller, 2010, “Risk of Model Weighting in Multimodel Climate Projections”, Journal of Climate, 23(15): 4175–4191. doi:10.1175/2010JCLI3594.1
Werndl, Charlotte, 2016, “On Defining Climate and Climate Change”, The British Journal for the Philosophy of Science, 67(2): 337–364. doi:10.1093/bjps/axu048
–––, forthcoming, “Initial Conditions Dependence and Initial Conditions Uncertainty in Climate Science”, The British Journal for the Philosophy of Science. doi:10.1093/bjps/axy021
Winsberg, Eric, 2010, Science in the Age of Computer Simulation, Chicago: Chicago University Press.
–––, 2012, “Values and Uncertainties in the Predictions of Global Climate Models”, Kennedy Institute of Ethics Journal, 22(2): 111–137. doi:10.1353/ken.2012.0008
–––, 2018, Philosophy and Climate Science, Cambridge: Cambridge University Press.
Winsberg, Eric and William Mark Goodwin, 2016, “The Adventures of Climate Science in the Sweet Land of Idle Arguments”, Studies in History and Philosophy of Modern Physics, 54(May): 9–17. doi:10.1016/j.shpsb.2016.02.001
Yohe, Gary and Michael Oppenheimer, 2011, “Evaluation, Characterization, and Communication of Uncertainty by the Intergovernmental Panel on Climate Change—An Introductory Essay”, Climatic Change, 108(4): 629–639. doi:10.1007/s10584-011-0176-8
Academic Tools
Other Internet Resources
Weart, Spencer, 2017, The Discovery of Global Warming (online supplement to Spencer 2008), published at the website of the Center for History of Physics of the American Institute of Physics.
Related Entries
ethics: environmental | justice: global | science: and pseudo-science | scientific knowledge: social dimensions of | simulations in science
最后更新于
