专栏21未来特征的定义
图2.4说明了CCIAV研究中最常用的未来表征类别之间的关系。因为不同领域的定义各不相同，所以我们在本章中提供了一个统一的类型学。类别是根据全面性和可信性来区分的。
全面性指的是对未来的描述在多大程度上抓住了它所要代表的社会经济/生物物理系统的各个方面。其次，它指出了任何单个元素的特征细节。
可信性是一种主观的衡量方法，用来衡量未来的特征是否可能。不可信期货的可能性被假定为零或可以忽略不计。似是而非的未来可以通过是否赋予特定的可能性来进一步区分。
类似物,
人工实验
难以置信的期货
零或可忽略的可能性
场景
类似物,
场景
预测
敏感性分析
概率期货
预测
敏感性分析
合理的期货
没有归因似然
归因于似然
人工实验。为了研究一个过程或传达一种见解，对未来的描述不考虑合理性(因此通常是不可信的)，遵循连贯的逻辑。人工实验的范围从简单的思想实验到详细的综合建模研究。
图2.4。未来的特征。
敏感性分析。敏感性分析采用的特征包括相对于参考情况对一个或几个变量的任意或逐步调整。这些调整可能是合理的(例如，变化的大小是现实的)，也可能是不合理的(例如，调整变量之间的相互作用被忽略)，但主要目的是探索模型对输入的敏感性，以及可能的输出的不确定性。
类似物。类似物基于记录的条件，这些条件被认为能充分代表研究区域的未来条件。这些记录可以是过去的情况(时间类似物)或来自另一个区域(空间类似物)。他们的选择是根据aogcm等来源的信息进行的;它们用于生成其他方法无法实际获得的详细场景。类似物是可信的，因为它们反映了真实的情况，但可能是不可信的，因为没有两个地方或时期在所有方面都是相同的。
场景。情景是对未来世界可能状态的连贯的、内部一致的、合理的描述(IPCC, 1994;Nakicenovic等人，2000;拉斯金等人，2005)。情景并不是预测或预测(表示被认为最有可能发生的结果)，而是对未来可能如何展开的不确定的可能性的替代图像。它们可能是定性的、定量的，或者两者兼而有之。总体逻辑通常涉及场景的几个组件，例如故事情节和/或系统特定元素的投影。探索性(或描述性)情景根据已知的变化过程描述未来，或作为过去趋势的外推(Carter et al.， 2001)。规范性(或说明性)情景描述了一个预先指定的未来，无论是乐观的、悲观的还是中性的(Alcamo, 2001)，以及实现(或避免)这一未来可能需要的一系列行动。这样的场景通常采用逆向建模方法，通过定义约束，然后诊断满足这些约束的潜在条件的合理组合(见Nakicenovic等人，2007年)。
故事情节。故事情节是关于未来如何发展的定性的、内部一致的叙述。它们描述了变化的社会政治经济驱动因素的主要趋势以及这些驱动因素之间的关系。故事线可能是独立的，但更多的是支撑未来变化的定量预测，与故事线一起构成了一个场景。
投影。预测通常被认为是对未来和通往未来的路径的描述。然而，在这里，我们将预测定义为与集成系统的一个元素(例如，排放、气候或经济增长预测)相关的未来条件的模型派生估计。raybet雷竞技最新投影通常不如场景全面，即使投影的元素受到其他元素的影响。此外，预测可能是概率性的，而情景不赋予可能性。
概率期货。具有归属可能性的期货是概率的。未来在多大程度上被概率化了，差异很大。例如，条件概率期货受制于关于如何表示基础假设的具体和声明的假设。分配的概率也可能是不精确的或定性的。
与2000年到2100年约0.6°C的辐射强迫相关(Meehl等人，2007年)。在几千年的时间尺度上，由海洋热膨胀引起的海平面上升反应要慢得多;假设浓度在2100年稳定在A1B水平，预计到2300年海平面持续上升将在目前水平的基础上上升0.3至0.8米(Meehl等，2007年)。然而，这些承诺运行是不现实的，因为辐射强迫的瞬时稳定是不可能的，这意味着排放率的变化是不现实的(见Nakicenovic等人，2007)。因此，它们只适用于为不可避免的影响设定一个下限(Parry et al.， 1998)。
2.4.3敏感性分析
灵敏度分析(见方框2.1)通常应用于许多基于模型的CCIAV研究，以调查系统的行为，假设重要驱动变量中有任意的，通常有规律间隔的调整。它已成为评估气候变化敏感性的标准技术，能够在多变量气候空间上构建冲击响应面(例如，van Minnen等人，2000年;raybet雷竞技最新Miller等人，2003)。响应面越来越多地与未来气候的概率表示结合起来构建，以评估影响风险(见第2.4.8节)。raybet雷竞技最新灵敏度分析，排放采样不确定性，自然气候变化raybet雷竞技最新deraybet雷竞技最新sai(2005)利用气候变化预测、气候变化预测和气候影响来评估拟议的水资源管理适应措施的稳健性。敏感性分析也被用作研究土地利用变化的一种手段，通过对区域进行任意调整，例如+10%的森林，-10%的农田，这些区域的变化要么是空间显式的(Shackley和Deanwood, 2003)，要么不是(Ott和Uhlenbrook, 2004;van Beek和van Asch, 2004;Vaze等人，2004)。
2.4.4类似物
时间和空间模拟应用于一系列的CCIAV研究。最近报道的最常见的时间类似物是历史上的极端天气事件。这些类型的事件在人为气候变化下可能更频繁地发生，需要采取某种形式的适应措施。raybet雷竞技最新某一给定物的适宜性raybet雷竞技最新气候条件作为模拟物使用，需要专家对其效用(即，它在多大程度上代表了影响脆弱性的关键天气变量)及其在气象上的合理性(即，它在多大程度上复制了预期的未来气候条件)进行判断。raybet雷竞技最新被判断为本世纪末可能发生或非常可能发生的极端事件(见表2.2)的例子包括欧洲2003年的热浪(见第12章，第12.6.1节)和孟加拉国(Mirza, 2003a)和挪威(Nffiss等人，2005)与夏季强降水有关的洪水事件。其他极端事件被认为是潜在的类似事件，但对其未来变化的可能性知之甚少(Christensen等人，2007a)，包括El Niño-Southern振荡(ENSO)相关事件(Glantz, 2001;Heslop-Thomas等人，2006)和中欧的强降水和洪水事件(Kundzewicz等人，2005)。还应注意，这种类似事件的适宜性通常应连同有关伴随的平均气候变化的信息一并考虑，这些变化可能减轻或加剧对极端事件的脆弱性。raybet雷竞技最新
空间模拟在CCIAV分析中也有应用。例如，对选定的欧洲城市2071年至2100年的模式模拟气候raybet雷竞技最新进行了分析(Hallegatte等人，2007年)。在欧洲，显示其当前平均气温和季节性降水与未来城市预测之间最接近的模型网格框被确定为空间类似物。然后，这些“流离失所”的城市被用作分析气候变化下的经济影响和适应需求的启发式工具。raybet雷竞技最新一个相关的方法是寻找在地球上没有现代气候类似物(“新”气候)或未来不再有现代气候raybet雷竞技最新的地区(“消失”气候:见Ohlemuller等人，2006;Williams等人，2007)。这些研究的结果与生态系统和生物多样性面临的风险有关。
2.4.5故事情节
CCIAV研究的故事线(见框2.1)越来越多地采用多尺度的多部门和多压力源方法(Holman等人，2005a, b) (Alcamo等人，2005;勒贝尔等人，2005年;Kok等，2006a;Westhoek等人，2006b)，并利用利益相关者启发(Kok等人，2006b)。随着它们变得更加全面，它们所包含的信息的复杂性和丰富性的增加有助于解释适应能力和脆弱性(Metzger et al.， 2006)。故事情节的发展也是主观的，所以更全面的故事情节可以有不同的，但同样合理的解释(Rounsevell et al.， 2006)。例如，“区域”的概念可以在故事情节中以不同的方式解释——世界区域、民族国家或国家以下的行政单位。这可能会对故事情节在局部范围内的特征产生深远影响，限制了它们的可重复性和可信度(Abildtrup等人，2006)。另一种选择是将当地的故事情节(在这种规模上被认为是可信的)与全球场景联系起来。
故事情节本身可以是一个终点(例如，Rotmans et al.， 2000)，但通常为定量场景提供基础。在故事情节和模拟(SAS)方法(Alcamo, 2001)中，通过对定性故事情节的解释来估计输入参数的模型进行量化。参数估计往往是主观的，使用专家判断，尽管更客观的方法，如成对比较，已用于提高内部一致性(Abildtrup等人，2006)。类似物和利益相关者启发也被用于估计模型参数(例如，Rotmans等人，2000;伯杰和博尔特，2004;Kok等，2006a)。此外，参与式方法在协调长期情景与利益相关者的短期、政策驱动的需求方面很重要(Velazquez等人，2001;沙克利和迪安伍德，2003年;Lebel et al.， 2005)。
2.4.6场景
自第三次评估报告以来，情景开发方面的进展解决了全球变化驱动因素与CCIAV评估所需的区域情景之间的一致性和可比性问题(有关审查，见Berkhout等人，2002年;卡特等人，2004年;帕森等人，2006)。从全球范围缩小到次全球范围的许多方法正在出现，其中一些方法依赖于支撑全球场景的叙事情节。
在第三次评估报告期间，大多数CCIAV研究利用了气候情景(许多基于IS92排放情景)，但很少应用与此同时raybet雷竞技最新的社会经济、土地利用或其他环境变化情景。那些使用了一系列资源来开发它们的公司。IPCC关于排放情景的特别报告(SRES:见Nakicenovic等人，2000年)为构建一系列相互一致的气候和环境提供了机会raybet雷竞技最新non-climatic场景。SRES情景最初是为了提供未来温室气体排放的情景，也伴随着社会、经济和技术发展的故事情节，可用于CCIAV研究(框2.2)。
自第三次评估报告以来，越来越多地采用SRES情景，本卷中评估的大量采用未来特征的影响研究利用了SRES情景因此，这些场景将在第2.4节中的一系列盒装示例中突出显示。对于其他一些研究，特别是关于适应和脆弱性的实证分析，这些情景的相关性有限，因此没有被采用。
虽然SRES情景是专门为应对气候变化而制定的，但其他几个主要的全球情景-raybet雷竞技最新
建筑演习旨在探索与全球环境变化相关的不确定性和风险。最近的例子包括:到2100年的千年生态系统评估情景(MA:见Alcamo等人，2005年)，到2050年的全球情景组情景(GSG:见Raskin等人，2002年)，到2032年的全球环境展望情景(GEO-3:见UNEP 2002年)。Raskin等人(2005)和Westhoek等人(2006a)对这些练习进行了审查和比较，他们观察到许多练习应用了与SRES情景中使用的假设相似的假设，在某些情况下使用了相同的模型来量化主要驱动因素和指标。所有的练习都采用了故事线和模拟(SAS)方法(在2.4.5节中介绍)。此外，它们都包含对CCIAV研究有用的重要特征;其中一些练习(例如MA和GEO-3)比原始SRES情景更进一步，不仅描述了不同社会经济路径下可能的排放，而且还包括了气候变量的可想象结果及其对生态和社会系统的影响。raybet雷竞技最新这有助于说明风险和应对可能影响的可能应对战略。
第三次评估中将与CCIAV分析相关的情景分为五类:气候、社会经济、土地利用和土地覆盖、其他环境(主要是大气成分)和海平面情景(Carter et al.， 2001)。raybet雷竞技最新以下各节描述了这些类别中的每一类以及另外四个类别的最新进展:技术情景、适应情景、缓解情景和情景集成。
继续阅读:当前sensitivityvulnerability
这篇文章有用吗?