全球小幅升温，也可能引发极端气候事件

本文探讨了一个重要但常被忽视的问题：全球升温2℃的世界，是否真的比升温3℃或4℃的世界更安全？答案是否定的。研究发现，在粮食主产区干旱、人口密集区强降水引发洪涝、全球森林火灾天气这三大关键领域，当全球平均升温仅达2℃时，部分气候模型所预测的极端影响程度，已超过所有模型在3℃或4℃升温下的平均预测结果。这是因为当前主流风险评估方法存在局限——它通常把高升温水平（如3℃或4℃）下多个气候模型的平均结果当作“最坏情况”，却忽略了不同行业受不同气候因子驱动（例如干旱看土壤湿度、洪涝看短时强降水、林火看气象干燥指数），且各模型在相同升温水平下对这些关键因子的预测差异极大。作者提出一种新方法：不是简单取全球平均，而是先锁定每个行业的关键地理区域（如世界主要粮仓、人口超百万的城市群、全球主要森林带），再计算各模型在这些区域内相关气候影响因子（如干旱频率、5日最大降水量、林火天气指数）相对于工业化前水平的变化值，最后对所有模型按该区域平均变化值排序，取前8%-12%为“最坏情况”，后8%-12%为“最好情况”。这种方法揭示出，升温2℃时的行业级极端风险远超预期：例如，某些模型显示2℃升温下人口密集区的强降水增幅，已高于其他模型在3℃升温下的平均增幅；全球主要粮仓的干旱频率增幅，在2℃时最高可达50%以上，远超3℃平均值；部分森林区域的火灾风险增幅，2℃时已是另一些模型在2℃时增幅的4倍多。这些巨大差异主要源于气候模型本身的结构差异，而非自然气候波动，说明模型改进可降低不确定性。研究还指出，若错误地假设地球上每个地方都同时出现各自模型预测的“最极端”情况（即空间不一致的拼凑），会严重夸大全球风险；而采用本文的空间一致方法，则能更真实反映系统性风险。结论很明确：《巴黎协定》设定的2℃目标绝非安全线，1.5℃温控目标的紧迫性因此更加突出。决策者不能只看模型平均值，必须把合理范围内的极端可能性纳入适应规划和政策制定。