归因不是问“谁造成了这场灾害”
一场洪水、热浪或干旱发生后，公众最常问的问题是：“气候变化造成了吗？”这个问法把三个不同问题压成了一句。降雨是否足以漫堤，是物理危险问题；堤坝、住房和预警为何没有保护居民，是暴露与脆弱性问题；人为温室气体增加是否改变了这类事件的概率或强度，才是极端事件归因的问题。
归因研究通常不声称气候变化“单独制造”了一次具体灾害。它试图估计：在现实的、已经变暖的气候中发生该事件，与一个没有人为增暖的反事实世界相比，事件发生的可能性或强度改变了多少。这一区分既避免“任何灾害都是气候变化”的过度断言，也避免“天气总会变，所以气候变化无关”的错误推论。
反事实：科学家如何比较两个不存在的世界
归因的核心是反事实比较。现实世界只有一个，科学家不能把同一场热浪在“无人排放温室气体”的地球上重演一次。因此研究者把观测记录、气候模型和统计极值理论组合起来，构造两个条件分布：一个包含现代人为强迫，另一个尽可能移除人为温室气体和气溶胶影响。
若现实气候下达到某阈值的概率为 P1，反事实气候下为 P0，二者的比值 P1/P0 被称为风险比。风险比大于一，表示人为变暖使这类事件更常见；也可报告可归因风险份额，表示新增风险在总风险中的比例。另一些研究不以概率为中心，而问“在相同天气环流条件下，变暖使这次高温多高、这场降水多强”。这类情景线方法特别适合解释热力学机制，例如更暖空气能容纳更多水汽，但它不自动回答事件发生概率增加多少。
一项归因研究的五步
第一步是定义事件。不能在看完灾害损失后任意挑选最夸张的三天、最严重的区域或最有利的指标。研究必须说明时间窗、地理范围、变量和阈值，例如“某流域连续三日面平均降雨”或“某城市夜间最低温超过历史百分位”。第二步是检查观测。仪器站、再分析数据、卫星产品和水文资料各有覆盖和偏差。短记录、站点迁移、城市化和缺测会改变趋势。数据稀缺地区尤其不能把单一产品当作真相。
第三步是验证模型能否表示相关过程。研究高温时，模型需要合理再现当地温度分布与趋势；研究强降水时，还要再现季风、地形抬升、热带气旋或阻塞高压。不能再现事件统计特征的模型，不应被直接用来量化归因。第四步是在现实和反事实条件下运行大集合，或对观测极值分布做非平稳统计拟合。集合不是为了制造更多“独立现实”，而是抽取内部变率在同一外部强迫下的可能表现。
第五步是报告区间、模型差异和失效条件。可信结论必须说明它估计的是概率、强度还是两者；结论适用于哪个区域和季节；哪些环流或数据不确定性仍未解决。
为什么高温归因通常更强，降雨和干旱更难
高温与全球平均增暖之间有直接的能量学联系，观测趋势也较清楚。因此对许多区域性极端高温，归因结论往往较稳健。极端降水也受热力学增湿影响，但其位置、持续时间和强度还受对流、地形、风暴路径和环流控制。模型的空间分辨率与对流参数化会显著影响结果。干旱最难，因为“干旱”并非单一变量。气象干旱看降水，农业干旱看土壤水分，水文干旱看径流与地下水，社会经济干旱还取决于灌溉、蓄水、需求和治理。温度升高会增加蒸散需求，但土地利用与取水也可能放大或掩盖信号。
热带气旋、野火和复合洪水同样需要谨慎。研究可对降雨、风速、海平面增水或火险天气分别归因，却不能把这些分量不经检验地加成一个“灾害归因百分比”。
归因对象是危险，不是损失
一场极端降雨是否变得更可能，与它造成多少死亡和经济损失不是同一件事。损失取决于危险、暴露和脆弱性的乘积。相似雨量落在湿地、富裕城市和缺少排水的非正规住区，后果完全不同。人口增长、沿海开发、保险缺口、预警失效和政治排斥，都会改变灾害账单。因此，归因研究若进入损失与责任讨论，需要接入水文、工程、公共卫生、社会学和政治经济学证据。只用气候模型推算“气候变化造成了多少损失”，常会把暴露增长误当成气候信号。
更成熟的灾害归因把物理归因与影响归因分开：前者评估气候危险变化，后者追问风险为何落在某些群体身上。
预注册与事后选择
快速归因研究往往在新闻周期内发布，这有公共价值，也带来方法风险。事件已经发生，研究者很容易在众多时间窗、阈值、模型和变量中选择最显著的一种。事先建立区域、变量、质量控制和统计流程的协议，可以减少这种自由度。快速初步报告应与同行评审后的完整研究区分，明确哪些结论仍是初步的。
公开数据、代码、模型配置和事件定义同样重要。归因不是一个由专家宣布的神秘数字，而应是一条可检查的证据链。
如何读一份归因声明
先问它定义的到底是什么事件。若媒体把“百年一遇洪水”直接解释为“气候变化造成的洪水”，应追问这个重现期基于哪个站网、哪段历史、是否考虑土地利用变化。再看比较的是概率还是强度。风险增加两倍，不等于每次灾害损失增加两倍；强度增加 1°C，也不等于城市热死亡必然增加同样比例。
第三，看不确定区间和模型一致性。区间跨过一并不等于“没有影响”，可能表示数据不足以区分影响；区间很窄也不代表没有遗漏过程。最后，看作者是否讨论暴露与脆弱性。没有这一步，归因只能解释危险如何改变，不能解释谁承担后果。
争议与边界
归因研究有时被误解为司法上自动成立的因果证明。科学归因可以为损失与损害、保险和规划提供证据，但法律责任还涉及义务、可预见性、损害链条和管辖规则。另一个争议是全球模型与地方经验的距离。模型可能正确给出区域平均升温，却无法代表山谷、海岸或非正规住区的微气候。与地方气象机构、社区知识和影响数据共同工作，是提高正当性与可用性的条件。
归因也不能替代减灾。即使某次事件的人为气候信号很小，预警、避难、住房与基础设施仍可能挽救生命。反之，即使归因信号很强，减排与适应也不能被简化成一次灾后的公关回答。
跨域连接
- 统计学：归因的核心是反事实比较——现实世界只有一个，科学家用两个条件分布回答"没有人为增暖，这场热浪有多大概率"。风险比 P1/P0 就是同一事件在两个分布下的概率之比；推论：旧气候里百年一遇的阈值在新气候下可能变成几十年一遇，沿用旧分布的设计标准会系统性偏低。
- 气候建模：归因有一步常被忽略：先验证模型能否再现该类事件的统计特征。大集合不是制造更多"独立现实"，而是抽取内部变率在同一强迫下的可能表现；推论：不能再现事件统计的模型应被剔除——归因结论的强度受模型验证约束，而非仅受计算量约束。
- 蒙特卡洛方法：两个"世界"的概率分布无法解析写出，只能靠大集合采样逼近——这是蒙特卡洛思想在气候科学中的标准应用。推论：样本不足时风险比的区间必然变宽，"区间跨过一"常常不是"没有影响"，而是数据不足以区分影响。
- 风险与不确定性：保险业默认历史损失是未来的稳定样本，归因研究直接动摇这一假设——危险的分布已经在移动。推论：沿用平稳假设定价的产品会系统性低估风险，保费与可保性的变化正是这一统计断裂在市场上的显影。
- 公共卫生：归因估计的是危险概率的变化，而死亡取决于热浪路径上的医疗容量、预警与住房。推论：同样的归因信号，在预警完备与缺失的地区对应完全不同的死亡负担——物理归因与影响归因必须分开做，否则无法解释风险为何落在某些群体身上。
为什么这关乎决策
极端事件归因最重要的用途不是在灾后寻找一句口号，而是校准未来决策。它告诉城市规划者哪些危险分布已经改变，告诉公共卫生部门预警阈值不能永远沿用旧气候，告诉保险和财政部门历史损失不再是稳定的未来样本。但它也提醒我们：气候风险不是由物理信号单独决定。科学能比较两个气候世界，社会必须决定如何让现实世界少一些可避免的伤害。
参考文献
- IPCC. (2021). Climate Change 2021: The Physical Science Basis, Chapter 11: Weather and Climate Extreme Events in a Changing Climate.
- Stott, P. A., et al. (2016). Attribution of extreme weather and climate-related events. WIREs Climate Change, 7(1), 23-41. DOI: 10.1002/wcc.380.
- Vautard, R., et al. (2021). Pathways and pitfalls in extreme event attribution. Climatic Change, 166, 13. DOI: 10.1007/s10584-021-03071-7.
- Shepherd, T. G. (2016). A common framework for approaches to extreme event attribution. Current Climate Change Reports, 2, 28-38. DOI: 10.1007/s40641-016-0033-y.
延伸阅读
- National Academies of Sciences, Engineering, and Medicine. (2016). Attribution of Extreme Weather Events in the Context of Climate Change.
- World Weather Attribution. Methodology and event studies.