第一章：地球的“发烧”记录——我们如何知道气候在变化？ / Chapter 1: Earth's Fever Chart: How Do We Know the Climate is Changing?

古代的气候侦探：泛黄日志中的天气密码

1593年，荷兰航海家威廉·巴伦支（Willem Barentsz）的船队被坚冰困在北极斯瓦尔巴群岛的北极熊之冬。在漫长而黑暗的极夜中，船员们记录着“异常严寒”的天气，描述了海冰比往年更早封冻、更晚融化。这些写在简陋纸张上的观察，几个世纪后，成为科学家拼凑过去气候图景的关键碎片。巴伦支不会想到，他笔下的“异常”并非孤例，而是地球气候系统漫长波动中的一环。我们如何知晓今日的“发烧”不同于历史上的任何一次波动？答案并非来自单一的温度计读数，而是一场跨越数百年、融合多学科智慧的“气候侦探工作”。我们像侦探一样，审视自然留下的指纹——树木的年轮、冰层的气泡、沉积物的纹路——同时，我们编织了一张覆盖全球的现代监测天网。这张网告诉我们一个清晰而紧迫的故事：地球的体温正在升高，且升温速度在加快。

自然的档案库：地球自身的记忆载体

地球本身是一本巨大的历史书，每一页都封存着过去气候的信息。这些“自然档案”或“气候代用指标”（proxy indicators），是我们在仪器时代之前了解气候的唯一窗口。它们不是直接的温度计读数，而是与气候变量（如温度、降水）有物理或生物化学关联的 measurable 特征。解读这些档案，需要像破译密码一样，建立可靠的“代用关系”。

冰芯：封存于千年冰中的空气胶囊

极地和高山冰川是地球上最纯净、最连续的档案之一。当雪花层层堆积，在低温下压实成冰，它便成了一个时间胶囊。每一层冰对应一个特定的年份（或季节），而更深处的冰层则来自更遥远的过去。最珍贵的发现是冰中的气泡——当积雪被压实时， trapped 的古空气完全密封在冰晶之间。通过钻取深达数千米的冰芯（如南极东方站冰芯，深达3769米，覆盖80多万年历史），科学家可以提取这些气泡，直接分析其中古代大气的成分。

冰芯揭示的二氧化碳（CO₂）浓度变化，是理解当前变暖的关键。在工业革命前的80多万年间，大气CO₂浓度始终在180至300 parts per million（ppm）之间自然波动，与冰期-间冰期循环高度同步。然而，自1850年以来，这一曲线陡峭上升，突破400 ppm，如今已超过420 ppm。这个数值不仅远高于自然波动范围，而且上升速度是冰芯记录中前所未有的。甲烷（CH₄）等其他温室气体也呈现类似剧增。

冰芯还记录了其他气候信息。冰的氢氧同位素比率（δD 和 δ¹⁸O）与降水形成时的温度密切相关：较轻的同位素在冷期更易从海洋蒸发并凝结于极地，因此冰芯中轻同位素富集指示寒冷期。通过测量这些比率，科学家重建了过去数十万年的温度变化序列。此外，冰芯中的尘埃含量可以指示当时大气的干冷程度和风力强度（冰期时全球更干冷，风力更强，尘埃更多）。

图1：南极东方站冰芯揭示的80万年来大气CO₂浓度（蓝色）与温度（红色，基于氘同位素）变化。两者高度相关，但近百年CO₂浓度陡升，已脱离自然波动范围。 ```mermaid graph TD A[极地/高山积雪] --> B[年复一年压实成冰] B --> C[封存古代气泡与尘埃] C --> D[钻取深冰芯] D --> E[实验室分析] E --> F[1. 气泡气体成分<br>CO₂, CH₄, N₂O浓度] E --> G[2. 氢氧同位素比率<br>δD, δ¹⁸O → 温度] E --> H[3. 尘埃、电导率等<br>→ 大气环流、火山活动] F & G & H --> I[重建过去气候序列] ```

树轮：年轮里的气候日记

树木在生长季节形成明显的年轮——春夏季形成较宽、颜色较浅的早材，夏秋季形成较窄、颜色较深的晚材。年轮的宽度、密度、细胞大小等特征，对生长季的温度、降水、生长季长度等气候因子极为敏感。例如，在水分受限的地区（如美国西部、地中海地区），年轮宽度主要反映夏季干旱程度；而在寒冷地区（如北美 boreal forest），年轮密度与生长季温度关系更密切。

通过采集老树（甚至古树）的样本，并测量其年轮特征，科学家可以建立“年轮-气候”统计模型，反演过去数百甚至上千年的气候。著名的“美国西部树轮干旱指数”显示，近几十年发生的特大干旱（如2000-2018年）在過去500年中是前所未有的。树轮还帮助校准和验证其他代用记录，构建更长、更连续的气候序列。

但树轮作为代用指标也有局限。树木生长受多种因子（竞争、火灾、病虫害、人类活动）影响，需要仔细筛选样本（如取核心样而非断面，避免中心腐朽），并使用统计方法分离气候信号。此外，树木寿命有限，通常只能延伸至一两千年，而冰芯能覆盖数十万年。

珊瑚、湖海沉积与石笋：海洋与陆地的另一本史书

热带珊瑚骨骼在生长过程中会形成像年轮一样的条带状结构，其密度、化学成分（如锶钙比、氧同位素 δ¹⁸O）与海表温度、盐度、降水密切相关。高分辨率的珊瑚记录可以重建过去几百年热带海洋温度变化，例如，加勒比海珊瑚记录显示，近几十年的海表温度是过去500年最高。

湖泊和海洋沉积物中的有孔虫、硅藻等微体生物壳体的同位素和物种组成，可以指示水温、盐度和营养状况。湖芯中的沉积纹层（varves）像树轮一样，可以精确到年甚至季节。洞穴石笋（如中国石花洞、美国福克斯洞）的氧同位素和生长率，则记录了陆地降水和水文循环的变化。

这些多样的代用指标，从不同角度、不同区域，共同描绘了一幅气候变化的拼图。它们共同表明：过去两千年，北半球经历了一个缓慢的降温趋势（可能由于轨道因素），直到20世纪突然逆转，出现急剧变暖。这种“ hockey stick ”形状的温度曲线（平缓下降后陡峭上升）已被多种独立代用记录反复证实。

现代的天网：全球监测网络的诞生

如果说自然档案是气候的“历史学家”，那么现代仪器监测网络就是气候的“实时体检仪”。它的建立，标志着气候科学从定性描述迈向定量精确测量的转折点。

地面气象站：最基础的体温计网络

全球气温的直接测量始于17世纪，但系统化、标准化的全球气象观测网络直到19世纪中叶才逐步建立。1853年，国际气象组织（WMO前身）成立，推动了观测标准的统一。如今，全球陆地和岛屿上分布着超过9000个符合世界气象组织（WMO）标准的官方气象站，它们每天定时（如世界时00:00, 06:00, 12:00, 18:00）测量气温、降水、气压、风速等要素。

然而，原始数据存在大量“噪声”：站点迁移、仪器更换、观测时间改变、城市热岛效应等，都会引入人为偏差。因此，科学家必须进行繁琐而严格的“均一化”处理。例如，美国国家海洋和大气管理局（NOAA）的全球历史气候网络（GHCN）数据集，对每个站点的历史记录进行数十项质量检查，识别并修正突变点，最终筛选出约4000个高质量、分布相对均匀的站点，作为计算全球平均气温的基础。

图2：全球气象站分布示意图（基于GHCN-Monthly v4数据）。点越密集，代表该区域站点越多，但全球分布仍不均匀，尤其在海洋、沙漠、极地稀疏，需要其他数据补充。 ```mermaid graph LR A[全球9000+气象站] --> B[原始数据收集] B --> C[质量检查<br>（缺失值、极端值、单位）] C --> D[均一化处理<br>（断点检测、调整）] D --> E[筛选高质量站点<br>（约4000个）] E --> F[网格化与空间插值] F --> G[全球平均气温时间序列] ```

海洋的温度：从船舶到浮标阵列

海洋覆盖地球71%的面积，储存了全球变暖90%以上的多余热量。因此，监测海洋温度至关重要。早期海洋温度数据主要来自商船和科研船在航行中通过引擎进水口测量的“船载海温”。这些数据覆盖了主要航道，但时空分布极不均匀，且测量深度（通常为船底几米）和方法（桶温、引擎进水口温）随时间变化，偏差校正极其复杂。

20世纪50年代后， expendable bathythermograph（XBT）和 Argo浮标阵列革命性地改善了海洋观测。Argo计划自2000年启动，如今在全球海洋部署了超过3800个自主剖面浮标。每个浮标下沉至2000米深度，测量温度和盐度剖面，然后上浮至海面，通过卫星将数据传回。这提供了前所未有的、覆盖全球（除极地边缘海）的、标准化的海洋内部三维温度数据。

卫星遥感：上帝视角的全球扫描

1970年代以来，卫星提供了观测地球的“上帝视角”。搭载在极轨和静止轨道卫星上的传感器，可以测量：

• **地表温度（LST）**：通过红外和微波辐射计，反演陆地、海洋和冰面的实际温度。例如，NASA的MODIS和NOAA的AVHRR传感器提供了自1981年以来的全球LST数据。
• **海冰范围与厚度**：被动微波辐射计（如NASA的SMOS、CryoSat-2）可以穿透云层，监测极地海冰的日变化和长期趋势。
• **冰川与冰盖物质平衡**：通过雷达和激光测高卫星（如ICESat-2），测量冰面高度变化，推算冰量损失。
• **其他**：如植被指数、地表反照率、海平面高度等。

卫星数据具有全球覆盖、高时空分辨率的优势，但也是间接测量，需要复杂算法反演，且记录历史相对较短（约40年），需与地面数据融合使用。

拼图合而为一：从多元数据到全球变暖“体温图”

单一数据集都有其局限和偏差。气候科学的强大之处，在于独立研究团队使用不同方法、不同数据源，却得出了惊人一致的结论。全球变暖的“体温图”正是这样拼合而成的。

主要全球温度数据集

目前国际公认的四大全球温度数据集及其主要机构：

1. NASA GISTEMP：由美国宇航局戈达德空间研究所维护，使用约6000个气象站（陆）和船/浮标（海）数据，覆盖1880年至今。其独特之处在于使用海冰范围数据估算极地高纬度地区（传统站点稀疏）的温度，并使用海洋数据调整陆地邻近站点。 2. NOAA GlobalTemp：由美国海洋和大气管理局气候数据中心维护，使用GHCN数据，并采用独特的“国际地表温度”（ISTI）数据库，站点数量更多，对海冰区域的处理方式略有不同。 3. 英国HadCRUT：由英国气象局哈德莱中心与东英吉利大学气候研究所合作维护，是历史最悠久的 dataset，覆盖1850年至今。它严格使用有观测数据的网格单元，因此早期（19世纪）全球覆盖率较低，但近年来与NASA、NOAA高度一致。 4. Berkeley Earth：一个独立非营利组织，旨在以完全透明的方式处理数据。它使用了比官方更多的原始数据（包括许多非官方站点），并采用更先进的统计方法处理站点偏差和空间插值。结果同样清晰显示变暖趋势。

尽管数据来源、处理方法、空间插值技术各异，这四大数据集的年际变化相关系数超过0.98，长期升温趋势几乎一致。 例如，1880-2020年全球平均气温上升幅度，各数据集均在1.0-1.1°C之间（相对于1951-1980年基线）。这种高度收敛，是科学结论可靠性的最强证据。

数据整合与可视化：一张清晰的体温图

将多元数据整合，科学家绘制了多维度“体温图”：

• **全球平均气温异常时间序列**：最著名的图表之一。横轴为年份，纵轴为相对于基准期（如1850-1900年或1951-1980年）的温度异常（°C）。曲线显示：20世纪前半叶缓慢上升，后半叶加速，1998年后的二十年是有记录以来最暖的二十年，2016、2020、2023年连续打破最暖年纪录。

• **全球温度分布图（时空热力图）**：将全球划分为网格，每个网格显示特定年份或季节的温度异常。这种图直观显示变暖并非均匀的“烤面包”，而是“斑马纹”：高纬度地区（尤其是北极）升温幅度是全球平均的2-3倍（极地放大效应），陆地升温快于海洋，夜间最低温上升快于白天最高温。

• **累积温度上升图**：将每年温度异常累加，直观显示变暖的“债务”积累。自1970年代以来，曲线急剧上翘，表明变暖加速。

图3：全球平均气温异常变化（1850-2023）。黑色线为NASA GISTEMP数据，浅色带为不确定性范围。红色柱表示每年是否超过1951-1980年平均值。可见近二十年持续高于历史均值。 ```mermaid graph TD A[多元数据源<br>气象站/船舶/浮标/卫星] --> B[数据收集与质控] B --> C[偏差校正<br>（城市热岛、仪器变更等）] C --> D[空间插值与网格化] D --> E{独立数据集生成} E --> F[NASA GISTEMP] E --> G[NOAA GlobalTemp] E --> H[HadCRUT] E --> I[Berkeley Earth] F & G & H & I --> J[交叉验证与共识] J --> K[全球变暖趋势确立<br>1880-2023: +1.1°C] K --> L[多维度可视化<br>时间序列/空间分布/累积曲线] ```

我们知道了什么：一个不容置疑的共识

综合自然代用记录与现代仪器监测，科学界得出了关于气候变化的坚实结论：

1. 气候确实在变化：地球平均表面温度在上升。自1880年有广泛仪器记录以来，全球平均气温已上升约1.1°C。过去50年的升温速率（约0.2°C/十年）是过去2000年中前所未有的。 2. 变化是多方面的：变暖不仅体现在气温上，还表现为：海平面上升（约20厘米，主要来自海水热膨胀和冰川融化）、极端高温事件增加、强降水事件增多、北极海冰范围急剧缩小（夏季最小范围每十年减少约13%）、冰川普遍退缩、海洋热含量持续增加（上层2000米海洋吸热速率加速）。 3. 变化的速度和规模超出自然变率：通过对比代用记录，近几十年的变暖速度，在至少过去2000年（可能更久）的尺度上，是异常的。自然因素（太阳活动、火山喷发）无法解释这种快速变暖。气候模型模拟显示，只有当加入人类活动产生的温室气体排放时，才能重现观测到的变暖模式。 4. 人类活动是主要驱动因素：政府间气候变化专门委员会（IPCC）第六次评估报告（AR6，2021-2023）明确指出：“毋庸置疑，人类活动的影响已使大气、海洋和陆地变暖。” 观测到的大气、海洋和冰冻圈的变化是前所未有的，且与人类对气候系统的影响（主要是温室气体排放）一致。

然而，科学也承认不确定性：这些不确定性主要不在于“是否变暖”，而在于“未来变暖的具体幅度、区域影响细节、临界点（tipping points）何时触发”等。例如，云反馈的强弱、气溶胶的冷却效应、冰盖动力过程等，仍是研究前沿，导致不同气候模型对未来升温的预估存在范围（如SSP2-4.5情景下，2100年可能升温2.1-3.5°C）。但所有情景都指向持续变暖，且低排放路径与高排放路径的结果差异巨大。

从记录到行动：本章的启示与后续章节的桥梁

本章我们像侦探一样，追溯了气候变化的证据链：从巴伦支船员的日志，到南极冰芯中封存的上古空气；从北美落基山脉树轮的宽窄，到覆盖全球的卫星与浮标网络。这些看似零散的线索，经科学方法的严谨拼接，共同指向一个无可辩驳的结论——地球的体温正在升高，而且人类活动是主因。

这不仅是科学结论，更是我们所有行动的逻辑起点。如果气候没有变化，或变化纯属自然，那么应对策略将完全不同。正是因为确立了“变化真实、人类驱动、速度空前”这一基石，后续讨论“为什么变暖”（温室气体物理化学原理、人类活动各行业贡献）、“有何影响”（生态系统、粮食安全、健康、经济）、“如何应对”（减缓和适应）才具有紧迫性和现实意义。

下一章，我们将深入温室效应的物理核心，解释那层看不见的“大气毯子”是如何捕获热量，以及人类如何通过燃烧化石燃料，加厚了这条毯子。我们将从基础的辐射传输方程出发，理解这个驱动整个气候系统的核心引擎。

---

侧边栏：什么是“全球平均气温”？ 它不是一个可以直接测量的物理量，而是通过成千上万个地面站和海洋观测点的数据，经过严格的统计处理（网格化、空间加权平均）计算出来的衍生指标。其计算需考虑：

• **空间分布不均**：站点在陆地密集、海洋稀疏，需插值。
• **时间均一化**：消除站点迁移、仪器变更等非气候因素导致的“断点”。
• **基准期选择**：通常选一个30年 period（如1951-1980）作为“正常”参考，计算每年相对于这个基准的“异常”。使用“异常”而非绝对温度，可消除区域固有气候差异，突出变化信号。
• **海洋数据处理**：船测数据需校正船只、测量方法、夜间辐射冷却等偏差，浮标数据相对更可靠但历史短。

因此，任何一条看似简单的全球变暖曲线，背后都是海量数据和复杂算法的结晶。

延伸阅读与数据源（电子版交互链接）：

• NASA全球气候变化可视化：https://climate.nasa.gov/
• NOAA气候监测数据门户：https://www.ncei.noaa.gov/access/monitoring/
• IPCC AR6决策者摘要（中文）：https://www.ipcc.ch/site/assets/uploads/2023/04/AR6_SYR_SPM_CN.pdf
• Berkeley Earth温度数据分析：http://berkeleyearth.org/data/
• 冰芯数据库（NOAA）：https://www.ncdc.noaa.gov/data-access/paleoclimatology-data/datasets/ice-core

关键术语表（首次出现时标注）：

• **代用指标（Proxy Indicator）**：自然载体（如冰芯、树轮）中记录的、与气候变量相关的物理或生物化学特征。
• **均一化（Homogenization）**：气候数据预处理步骤，识别并修正由非气候因素（如站点搬迁、仪器更换）引起的数据不连续点。
• **全球平均气温异常（Global Average Temperature Anomaly）**：相对于基准期的全球平均温度变化值，是监测气候变化的黄金标准指标。
• **极地放大效应（Polar Amplification）**：高纬度地区（尤其是北极）升温幅度显著大于全球平均的现象，主要由冰雪-反照率反馈等机制驱动。

气候代用指标的校准与验证：将自然密码转化为温度数字

自然档案中封存的并非直接的温度读数，而是与气候变量存在统计关系的物理或化学特征。将这些“密码”转化为可信的温度序列，是气候重建中最关键也最富挑战性的步骤，其核心是建立稳健的“代用-气候”校准函数。

校准过程：科学家首先选择一个时间重叠期（通常是近几十年有仪器记录的时期），同时测量代用指标值（如树轮宽度指数、冰芯同位素值）和对应的气象站温度数据。然后使用统计方法（如线性回归、主成分分析、机器学习