如果没有新的模型、更合理的指标和更多的投资,一连串的极端事件可能会阻碍联合国可持续发展目标的实现。

17.1

飓风“埃洛伊塞”(Eloise)过后,莫桑比克一所学校遭受了洪灾。教育的中断对生活、生计和经济造成损害和影响可能长达几十年

气候变化正在引发越来越多的极端事件——从风暴和干旱到洪水和飓风。随着地球变暖的加剧,发生灾害的风险也在增加,而且这些风险在许多环境和社会系统中相互作用和影响。热浪可能会引发森林火灾,导致空气污染,从而损害公众健康;干旱会造成收成减少,导致食品价格波动,继而可能会加剧社会动荡或移民增加。

为了到2030年能够实现联合国可持续发展目标(SDGs),各国纷纷制定了相应的战略。然而,大多数国家的战略中几乎没有考虑到灾害的多米诺效应。

2015年,联合国制定了17项可持续发展目标,包括从“零饥饿(SDG2)”到“担负得起的清洁能源(SDG7)”再到“可持续发展的城市和社区(SDG11)”等。许多国家正在努力实现这些目标,但并没有充分考虑极端天气的影响。以德国为例,该国在气候行动方面起到了带头作用,其2018年的可持续发展战略长达60页,但“灾害”一词只出现了一次,也没有对灾害事件的增加所带来的影响进行分析。

现在,许多人认识到气候变化正在使火灾、洪水、热浪和风暴更加频繁,更加严重,或者两种情况兼而有之。然而,这种认识并没有使研究或政策发生改变,部分原因在于人们对此仍然认识不足。对决策者来说,未来的灾难是不真实的,我们经历过如此多这样的情况——政府缺乏对大流行的准备,尽管多年来人们一直警告说,类似COVID-19的情况肯定会到来,只是时间早晚的问题。其他障碍还包括:国家治理和国际治理不足,沟通方面也存在挑战。对于量化这些复杂的连锁反应,研究界还没有提供所需的跨学科模型。

因此,许多为了实现SDGs所做的努力将会像纸牌摞起来的房子一样,一震就倒。新冠肺炎大流行说明了这一点:一场灾难就会使全球在贫困、饥饿、儿童免疫接种、教育不平等、妇女工作等方面的进展遭遇挫折。我们在全球范围内做出努力的过程中,需要更加有力地应对变暖的世界,深刻认识各种风险不断变化和相互关联的本质。

要想准备充分,不仅仅是资金和工程的问题,也涉及知识和远见方面的问题。不幸的是,极端气候造成的不同风险相互关联,相互依赖,这是造成未来灾难的最重要的潜在原因之一,这种原因也是研究最少的一个方面,而这种研究涉及社会科学和自然科学的方方面面。

现在该怎么办?研究人员必须为决策者创建更加容易理解和更加有用的模型。在可能的情况下,研究人员应该重新设计可持续发展的目标和指标,使其充分反映面对热浪、火灾、旱灾、洪灾、飓风、泥石流等自然灾害时的脆弱性。此外,还需要说服政治家,让他们投资于预防措施和适应机制。

认识风险

事实上,1992年的联合国环境与发展会议已经认识到极端气候会危及发展。《2015至2030年仙台框架》中也指出了这一点,该框架是“减少和预防全球范围内的灾害、降低风险”的全球性协议。然而,在这些想法上的进展甚微。

倒是也有一些做准备工作的案例。在荷兰和意大利的威尼斯,拦洪坝是为了防备未来海平面的上升。但是,对于海平面上升带来的洪涝问题在认识上比较容易把握,但复杂的混合事件带来的影响却更加难以把握,有时这些事件是反直觉的,在空间和时间上的联系有着很大的跨度。

17.2

2018年,一场野火导致俄克拉荷马州的电力线发生爆炸,这种基础设施的崩溃会产生影响深远的连锁反应

例如,2018年,南加州陡峭的山坡上发生了野火,然而在一个月之后,倾盆大雨造成了灾难性的泥石流。另一个案例是:经过一个潮湿的冬天之后,会有大量的植物生长,但如果接下来是一个炎热干燥的夏天,那么就会因林木燃料积聚而造成很大的火灾风险。河流防洪工程需要同时考虑干旱和水流量大的问题,因为堤坝中的干料遇旱会产生收缩、开裂,变得不稳定。

极端天气会引起恶性循环,使自然、社会和经济等各领域变得越来越脆弱。例如,在21世纪初,莫桑比克发生了旱灾和洪灾,摧毁了基础设施和农作物,在住房、就业、教育和社会关系方面产生了多米诺效应。为了恢复生活,各个家庭不得不卖掉房子或土地,或者让孩子们去打工,这样长期的收入和福祉就受到了影响。全国食品消费下降了1/4以上,洪灾地区健康状况不佳的儿童增加了4倍,学校出勤率急剧下降,贫困率上升了17.5个百分点。

只是在过去几年里,这些跨越不同系统的连锁反应才得到学术界的高度关注,然而社会方面的问题仍然没有得到深刻的认识。

修改模型

目前的大多数模型不能预测这些复杂的情况,这些模型可能没有顾及农业、生态系统、家庭、公司、金融机构、社会凝聚力和治理之间的关系。然而,所有这些相互关系都应该能够通过模型明确地模拟出来,并对间接的长期影响进行量化。

这是一项严峻的挑战,但是,基于行为主体的模型可以提供帮助。在这种方法中,随着对不断变化的条件做出反应,需要对主体(个人、组织或团体)的相互关系进行模拟。长期以来,持有批评意见的人一直认为:这种模型太过复杂和不确定,无法产生可靠的结果。但是,得益于海量数据、改进的人工智能(AI)和更强的计算能力,目前这种技术正在走向成熟。

业已证明,在过去社会比较简单的系统中,这样的模型起到了作用。例如,在公元900年至1200年期间,北美中西部反复出现干旱,模型显示了当时的卡霍基亚人应对反复干旱的方式。此外,在预估奥地利遭遇大洪水后将会出现怎样的风险方面,这些模型也显示出潜力。研究人员估计出洪水对建筑及基础设施、信贷供应和政府财政所造成的影响——这些都是阻碍灾后重建的因素。

不管利用什么工具,更多的研究人员都需要利用经济数据和人口普查数据来绘制复杂的社会系统。这种方法需要利用高质量的统一协调的数据,但是拥有这些数据信息通常还不够。重要的是,大数据工作需要与社会科学家的定性工作相结合,其中包括人类学家、经济学家、历史学家和考古学家的工作,这些工作具有文化敏感性和地方特色。

数据科学和人工智能在灾害防备、灾害应对和灾害恢复中发挥着越来越重要的作用。例如,分析卫星图像和其他地球观测数据,能够帮助确定在何处可以提供最有效的人道主义援助,而人工智能能够支持早期预警系统和风险评估。准确的数据、模型和治理之间会相互作用的一个例子是:在2020年5月,飓风“安攀”(Amphan)袭击之前,印度和孟加拉国约有300万人收到早期预警,进行了准备工作,完成了撤离行动。在预测长期的脆弱性方面,人工智能有着很大的发展和利用空间。

改进指标

在努力建模的同时,研究人员应该帮助重新制定可持续发展目标的指标,使这些指标能够更好地跟踪在实现弹性可持续发展方面取得的进展。

良好的指标能够说明可变性和脆弱性。例如,在成功实现零饥饿目标(SDG2)方面,指标之一是国内食品价格波动指数,这一指标说明了谷物、植物油、乳制品、肉类和糖的价格指数平均值的标准偏差。因此,该指标考虑到了每年粮食供应的确定性和稳定性,但是这一点会受到极端气候的影响。这一指标的变化对于了解临时性食物匮乏带来的影响非常重要,而临时性食物匮乏对穷人的影响更大,因为他们要把收入的很大一部分花在食物上。然而,这个指标只是针对全国范围进行定期报告,而不是针对某些区域或某些地方的范围进行报告。

17.3

在2020年漫长的季风季节里,韩国的一位农民在暴雨和洪水之后恢复了自己的稻田

大多数其他SDG目标和指标完全忽略了风险和可变性。例如,“优质水体的比例”和“细颗粒物的年平均水平”等指标,只是以年平均值来衡量。为了揭示这些系统的脆弱性,并跟踪探索这种脆弱性随世界变暖而发生变化的方式,增加可变性指标和测量将会成为重要的第一步。

在过去的几年里,研究人员试图绘制出“可持续发展目标关系网”——SDGs之间相互关系的网状图,像这样的重要工作有助于了解不同国家各种SDGs之间的协同作用和平衡关系。还应该将可持续发展目标的指标以及仙台灾害风险指标编入反映系统性风险的复合指标中。不过,需要做更多的工作来理解如何才能实现这一点,并探索哪些模型和数据可能会有所帮助。

投资目标

针对现实的、相互作用的风险来建立模型,跟踪探索脆弱性,对风险进行量化,这些对于帮助决策者和投资者决定将资金和注意力投向何处是至关重要的。

例如,许多研究人员专注于培育更加富有营养的作物,以帮助实现零饥饿。他们需要了解,未来的干旱是否会使这些品种的培育遭遇失败,哪些作物、什么样的种植组合或耕作方法会对生物多样性、生态系统的恢复或大约5亿小农户产生不利影响,从而影响其他SDGs的实现。以观测数据为基础的系统模型,将有助于确定哪些因素应该得到修正,以提高灾后的恢复水平。

对于政治家们来说,在恢复措施方面进行大量投资可能不易做到,他们很难向选民证明这样做是合理的,因为这种投资通常不会立即得到回报,而且未来的极端事件在时间上和规模上都是未知的。但从长远来看,如果不进行这样的投资,付出的代价就会大得多——目前的新冠肺炎大流行已经表明了这一点。

2019年的一份关于中低收入国家的报告发现:对电力、水与卫生、交通这三个部门基础设施的投资,如果比正常水平多3%,那么将会使这些基础设施在经历极端事件之后更有弹性,更易于恢复。该报告还发现:从长远来看,每投资1美元,就会有4美元的回报,而且随着极端气候事件的升级,得到的回报将会更大。基础设施的改善可以避免直接损害,防止灾后经济活动发生中断。例如,1962年,德国汉堡经历了风暴潮之后,投资22亿欧元用于防洪;从那时起,估计这座城市已经避免的损失超过了200亿欧元。

幸运的是,风险评估规则不需要重新制定,因为这些风险评估规则在保险行业中已经成熟,如在地震灾害方面的评估等。现在的挑战是,需要对不断变化的风险和极端气候事件的深远影响进行建模、量化和调整适应。在一个变暖的世界中,这些行动是不可避免的,而且行动得越早越好。

资料来源 Nature