編譯 胡德良

颶風“埃洛伊塞”（Eloise）過后，莫桑比克一所學校遭受了洪災(zāi)。教育的中斷對生活、生計和經(jīng)濟造成損害和影響可能長達幾十年

如果沒有新的模型、更合理的指標和更多的投資，一連串的極端事件可能會阻礙聯(lián)合國可持續(xù)發(fā)展目標的實現(xiàn)。

氣候變化正在引發(fā)越來越多的極端事件——從風暴和干旱到洪水和颶風。隨著地球變暖的加劇，發(fā)生災(zāi)害的風險也在增加，而且這些風險在許多環(huán)境和社會系統(tǒng)中相互作用和影響。熱浪可能會引發(fā)森林火災(zāi)，導(dǎo)致空氣污染，從而損害公眾健康；干旱會造成收成減少，導(dǎo)致食品價格波動，繼而可能會加劇社會動蕩或移民增加。

為了到2030年能夠?qū)崿F(xiàn)聯(lián)合國可持續(xù)發(fā)展目標（SDGs），各國紛紛制定了相應(yīng)的戰(zhàn)略。然而，大多數(shù)國家的戰(zhàn)略中幾乎沒有考慮到災(zāi)害的多米諾效應(yīng)。

2015年，聯(lián)合國制定了17項可持續(xù)發(fā)展目標，包括從“零饑餓（SDG2）”到“擔負得起的清潔能源（SDG7）”再到“可持續(xù)發(fā)展的城市和社區(qū)（SDG11）”等。許多國家正在努力實現(xiàn)這些目標，但并沒有充分考慮極端天氣的影響。以德國為例，該國在氣候行動方面起到了帶頭作用，其2018年的可持續(xù)發(fā)展戰(zhàn)略長達60頁，但“災(zāi)害”一詞只出現(xiàn)了一次，也沒有對災(zāi)害事件的增加所帶來的影響進行分析。

現(xiàn)在，許多人認識到氣候變化正在使火災(zāi)、洪水、熱浪和風暴更加頻繁，更加嚴重，或者兩種情況兼而有之。然而，這種認識并沒有使研究或政策發(fā)生改變，部分原因在于人們對此仍然認識不足。對決策者來說，未來的災(zāi)難是不真實的，我們經(jīng)歷過如此多這樣的情況——政府缺乏對大流行的準備，盡管多年來人們一直警告說，類似COVID-19的情況肯定會到來，只是時間早晚的問題。其他障礙還包括：國家治理和國際治理不足，溝通方面也存在挑戰(zhàn)。對于量化這些復(fù)雜的連鎖反應(yīng)，研究界還沒有提供所需的跨學科模型。

因此，許多為了實現(xiàn)SDGs所做的努力將會像紙牌摞起來的房子一樣，一震就倒。新冠肺炎大流行說明了這一點：一場災(zāi)難就會使全球在貧困、饑餓、兒童免疫接種、教育不平等、婦女工作等方面的進展遭遇挫折。我們在全球范圍內(nèi)做出努力的過程中，需要更加有力地應(yīng)對變暖的世界，深刻認識各種風險不斷變化和相互關(guān)聯(lián)的本質(zhì)。

要想準備充分，不僅僅是資金和工程的問題，也涉及知識和遠見方面的問題。不幸的是，極端氣候造成的不同風險相互關(guān)聯(lián)，相互依賴，這是造成未來災(zāi)難的最重要的潛在原因之一，這種原因也是研究最少的一個方面，而這種研究涉及社會科學和自然科學的方方面面。

現(xiàn)在該怎么辦？研究人員必須為決策者創(chuàng)建更加容易理解和更加有用的模型。在可能的情況下，研究人員應(yīng)該重新設(shè)計可持續(xù)發(fā)展的目標和指標，使其充分反映面對熱浪、火災(zāi)、旱災(zāi)、洪災(zāi)、颶風、泥石流等自然災(zāi)害時的脆弱性。此外，還需要說服政治家，讓他們投資于預(yù)防措施和適應(yīng)機制。

認識風險

事實上，1992年的聯(lián)合國環(huán)境與發(fā)展會議已經(jīng)認識到極端氣候會危及發(fā)展?！?015至2030年仙臺框架》中也指出了這一點，該框架是“減少和預(yù)防全球范圍內(nèi)的災(zāi)害、降低風險”的全球性協(xié)議。然而，在這些想法上的進展甚微。

倒是也有一些做準備工作的案例。在荷蘭和意大利的威尼斯，攔洪壩是為了防備未來海平面的上升。但是，對于海平面上升帶來的洪澇問題在認識上比較容易把握，但復(fù)雜的混合事件帶來的影響卻更加難以把握，有時這些事件是反直覺的，在空間和時間上的聯(lián)系有著很大的跨度。

例如，2018年，南加州陡峭的山坡上發(fā)生了野火，然而在一個月之后，傾盆大雨造成了災(zāi)難性的泥石流。另一個案例是：經(jīng)過一個潮濕的冬天之后，會有大量的植物生長，但如果接下來是一個炎熱干燥的夏天，那么就會因林木燃料積聚而造成很大的火災(zāi)風險。河流防洪工程需要同時考慮干旱和水流量大的問題，因為堤壩中的干料遇旱會產(chǎn)生收縮、開裂，變得不穩(wěn)定。

2018年，一場野火導(dǎo)致俄克拉荷馬州的電力線發(fā)生爆炸，這種基礎(chǔ)設(shè)施的崩潰會產(chǎn)生影響深遠的連鎖反應(yīng)

極端天氣會引起惡性循環(huán)，使自然、社會和經(jīng)濟等各領(lǐng)域變得越來越脆弱。例如，在21世紀初，莫桑比克發(fā)生了旱災(zāi)和洪災(zāi)，摧毀了基礎(chǔ)設(shè)施和農(nóng)作物，在住房、就業(yè)、教育和社會關(guān)系方面產(chǎn)生了多米諾效應(yīng)。為了恢復(fù)生活，各個家庭不得不賣掉房子或土地，或者讓孩子們?nèi)ゴ蚬ぃ@樣長期的收入和福祉就受到了影響。全國食品消費下降了1/4以上，洪災(zāi)地區(qū)健康狀況不佳的兒童增加了4倍，學校出勤率急劇下降，貧困率上升了17.5個百分點。

只是在過去幾年里，這些跨越不同系統(tǒng)的連鎖反應(yīng)才得到學術(shù)界的高度關(guān)注，然而社會方面的問題仍然沒有得到深刻的認識。

修改模型

目前的大多數(shù)模型不能預(yù)測這些復(fù)雜的情況，這些模型可能沒有顧及農(nóng)業(yè)、生態(tài)系統(tǒng)、家庭、公司、金融機構(gòu)、社會凝聚力和治理之間的關(guān)系。然而，所有這些相互關(guān)系都應(yīng)該能夠通過模型明確地模擬出來，并對間接的長期影響進行量化。

這是一項嚴峻的挑戰(zhàn)，但是，基于行為主體的模型可以提供幫助。在這種方法中，隨著對不斷變化的條件做出反應(yīng)，需要對主體（個人、組織或團體）的相互關(guān)系進行模擬。長期以來，持有批評意見的人一直認為：這種模型太過復(fù)雜和不確定，無法產(chǎn)生可靠的結(jié)果。但是，得益于海量數(shù)據(jù)、改進的人工智能（AI）和更強的計算能力，目前這種技術(shù)正在走向成熟。

業(yè)已證明，在過去社會比較簡單的系統(tǒng)中，這樣的模型起到了作用。例如，在公元900年至1200年期間，北美中西部反復(fù)出現(xiàn)干旱，模型顯示了當時的卡霍基亞人應(yīng)對反復(fù)干旱的方式。此外，在預(yù)估奧地利遭遇大洪水后將會出現(xiàn)怎樣的風險方面，這些模型也顯示出潛力。研究人員估計出洪水對建筑及基礎(chǔ)設(shè)施、信貸供應(yīng)和政府財政所造成的影響——這些都是阻礙災(zāi)后重建的因素。

不管利用什么工具，更多的研究人員都需要利用經(jīng)濟數(shù)據(jù)和人口普查數(shù)據(jù)來繪制復(fù)雜的社會系統(tǒng)。這種方法需要利用高質(zhì)量的統(tǒng)一協(xié)調(diào)的數(shù)據(jù)，但是擁有這些數(shù)據(jù)信息通常還不夠。重要的是，大數(shù)據(jù)工作需要與社會科學家的定性工作相結(jié)合，其中包括人類學家、經(jīng)濟學家、歷史學家和考古學家的工作，這些工作具有文化敏感性和地方特色。

數(shù)據(jù)科學和人工智能在災(zāi)害防備、災(zāi)害應(yīng)對和災(zāi)害恢復(fù)中發(fā)揮著越來越重要的作用。例如，分析衛(wèi)星圖像和其他地球觀測數(shù)據(jù)，能夠幫助確定在何處可以提供最有效的人道主義援助，而人工智能能夠支持早期預(yù)警系統(tǒng)和風險評估。準確的數(shù)據(jù)、模型和治理之間會相互作用的一個例子是：在2020年5月，颶風“安攀”（Amphan）襲擊之前，印度和孟加拉國約有300萬人收到早期預(yù)警，進行了準備工作，完成了撤離行動。在預(yù)測長期的脆弱性方面，人工智能有著很大的發(fā)展和利用空間。

改進指標

在努力建模的同時，研究人員應(yīng)該幫助重新制定可持續(xù)發(fā)展目標的指標，使這些指標能夠更好地跟蹤在實現(xiàn)彈性可持續(xù)發(fā)展方面取得的進展。

良好的指標能夠說明可變性和脆弱性。例如，在成功實現(xiàn)零饑餓目標（SDG2）方面，指標之一是國內(nèi)食品價格波動指數(shù)，這一指標說明了谷物、植物油、乳制品、肉類和糖的價格指數(shù)平均值的標準偏差。因此，該指標考慮到了每年糧食供應(yīng)的確定性和穩(wěn)定性，但是這一點會受到極端氣候的影響。這一指標的變化對于了解臨時性食物匱乏帶來的影響非常重要，而臨時性食物匱乏對窮人的影響更大，因為他們要把收入的很大一部分花在食物上。然而，這個指標只是針對全國范圍進行定期報告，而不是針對某些區(qū)域或某些地方的范圍進行報告。

在2020年漫長的季風季節(jié)里，韓國的一位農(nóng)民在暴雨和洪水之后恢復(fù)了自己的稻田

大多數(shù)其他SDG目標和指標完全忽略了風險和可變性。例如，“優(yōu)質(zhì)水體的比例”和“細顆粒物的年平均水平”等指標，只是以年平均值來衡量。為了揭示這些系統(tǒng)的脆弱性，并跟蹤探索這種脆弱性隨世界變暖而發(fā)生變化的方式，增加可變性指標和測量將會成為重要的第一步。

在過去的幾年里，研究人員試圖繪制出“可持續(xù)發(fā)展目標關(guān)系網(wǎng)”——SDGs之間相互關(guān)系的網(wǎng)狀圖，像這樣的重要工作有助于了解不同國家各種SDGs之間的協(xié)同作用和平衡關(guān)系。還應(yīng)該將可持續(xù)發(fā)展目標的指標以及仙臺災(zāi)害風險指標編入反映系統(tǒng)性風險的復(fù)合指標中。不過，需要做更多的工作來理解如何才能實現(xiàn)這一點，并探索哪些模型和數(shù)據(jù)可能會有所幫助。

投資目標

針對現(xiàn)實的、相互作用的風險來建立模型，跟蹤探索脆弱性，對風險進行量化，這些對于幫助決策者和投資者決定將資金和注意力投向何處是至關(guān)重要的。

例如，許多研究人員專注于培育更加富有營養(yǎng)的作物，以幫助實現(xiàn)零饑餓。他們需要了解，未來的干旱是否會使這些品種的培育遭遇失敗，哪些作物、什么樣的種植組合或耕作方法會對生物多樣性、生態(tài)系統(tǒng)的恢復(fù)或大約5億小農(nóng)戶產(chǎn)生不利影響，從而影響其他SDGs的實現(xiàn)。以觀測數(shù)據(jù)為基礎(chǔ)的系統(tǒng)模型，將有助于確定哪些因素應(yīng)該得到修正，以提高災(zāi)后的恢復(fù)水平。

對于政治家們來說，在恢復(fù)措施方面進行大量投資可能不易做到，他們很難向選民證明這樣做是合理的，因為這種投資通常不會立即得到回報，而且未來的極端事件在時間上和規(guī)模上都是未知的。但從長遠來看，如果不進行這樣的投資，付出的代價就會大得多——目前的新冠肺炎大流行已經(jīng)表明了這一點。

2019年的一份關(guān)于中低收入國家的報告發(fā)現(xiàn)：對電力、水與衛(wèi)生、交通這三個部門基礎(chǔ)設(shè)施的投資，如果比正常水平多3%，那么將會使這些基礎(chǔ)設(shè)施在經(jīng)歷極端事件之后更有彈性，更易于恢復(fù)。該報告還發(fā)現(xiàn)：從長遠來看，每投資1美元，就會有4美元的回報，而且隨著極端氣候事件的升級，得到的回報將會更大?；A(chǔ)設(shè)施的改善可以避免直接損害，防止災(zāi)后經(jīng)濟活動發(fā)生中斷。例如，1962年，德國漢堡經(jīng)歷了風暴潮之后，投資22億歐元用于防洪；從那時起，估計這座城市已經(jīng)避免的損失超過了200億歐元。

幸運的是，風險評估規(guī)則不需要重新制定，因為這些風險評估規(guī)則在保險行業(yè)中已經(jīng)成熟，如在地震災(zāi)害方面的評估等?，F(xiàn)在的挑戰(zhàn)是，需要對不斷變化的風險和極端氣候事件的深遠影響進行建模、量化和調(diào)整適應(yīng)。在一個變暖的世界中，這些行動是不可避免的，而且行動得越早越好。

資料來源Nature