世界气象组织《2023年全球气候状况》报告确认2023年是有观测记录以来最暖的一年。气候变化正在以高温、干旱、洪水、野火和沙尘暴等极端天气的形式吸引人们的广泛关注。世界经济论坛《2024全球风险报告》将气候变化作为首要值得关注的风险。地球作为一个多要素、非线性的开放复杂系统，要素间相互作用关系复杂，往往牵一发而动全身。在人类活动深刻影响下，我们该如何理解并有效应对正在面临的气候变化以及其带来的社会经济等一系列议题，实现人类与地球的可持续发展？
为了能够深入理解人类世背景下地球系统各要素之间复杂的相互作用与演化机制，并为人类应对未来的地球系统科学重大挑战提供一套科学的认知框架，集智俱乐部联合清华大学讲席教授陈德亮、北京师范大学教授樊京芳、东莞理工学院特聘副研究员陈爱芳、南开大学副教授戴启立老师和爱尔兰都柏林大学博士生班崭共同发起「地球系统科学」系列读书会第二季，将组织大家从新的研究范式出发梳理相关文献，并深入研读其中涉及的理论与模型。
从2025年3月4日开始，每周二晚上19:00-21:00，读书会将以线上形式进行，持续时间预计8-10周。读书会详情及参与方式见后文。
我们的地球是一个有生命的有机体，不仅有大气、陆地、海洋之间的物理化学过程，而且生物也会对环境产生重大影响，与环境组成一个相互作用的整体。进入人类世以来，人类更是成为驱动地球系统演变的主导力量，而这反过来对人类自身的可持续发展构成挑战。随着人为温室气体的排放，全球气候持续变暖。世界经济论坛的《2024全球风险报告》将气候变化作为首要值得关注的风险。如果气候变暖持续下去，人类赖以生存的地球生态环境将变得不可持续。因此，理解地球系统中复杂的物理、化学、生物和人类过程对人类与地球的可持续发展具有重要意义。
图1. 全球风险格局：相互联系图 ｜图片来自世界经济论坛《2024年全球风险报告》
据世界气象组织估计，1970-2021年间有报道记录的极端天气事件发生了12000起左右，并且这些事件呈现出无序、遥相关、非线性、同步等复杂系统特征。数学模型是地球系统科学研究的关键，通常从概念模型或玩具模型入手来阐明地球系统的关键过程、特征或反馈，常需要采用复杂科学的原理。2021年，诺贝尔物理学奖的一半首次被授予气候学家真锅淑郎（Syukuro Manabe）和克劳斯·哈塞尔曼（Klaus Hasselmann），以表彰他们对地球气候复杂系统的物理建模、量化可变性和可靠地预测全球变暖的贡献。近年来，高速计算、数字化、大数据、人工智能和机器学习这些技术工具的出现，使我们实时感知、处理和解释大量数据的能力发生了巨大变化。这种新的能力有助于加深我们对地球系统关键过程及其相互作用和非线性行为的理解，特别是人类圈对整个地球系统影响的理解。
因此，此次读书会一方面尝试研讨地球系统科学研究的新范式，站在复杂科学和人工智能的交叉前沿，量化研究气候、生态、环境、经济和社会耦合的地球复杂系统。希望此次的读书会不仅能够让大家学习到地球系统科学研究的前沿理论与研究方法，还能科学地认知诸如强降水、干旱、高温等极端天气事件、生态系统临界点和环境污染等气候变化现象，以及由此引发的社会经济复杂问题。
图2. 「地球系统科学」系列读书会第二季框架
陈德亮，清华大学讲席教授。曾经担任瑞典哥德堡大学的 August Röhss 讲席教授。本科毕业于南京大学，于德国美因茨古腾堡大学师从诺贝尔奖得主Paul Crutzen教授获得博士学位。国际著名的气候学家、具有全球视野的战略科学家、地球系统科学的倡导和践行者和气候降尺度模式专家和先驱者。研究方向包括气候动力学、气候模拟、全球和区域气候变化、地理信息科学和应用气候学等。
樊京芳，北京师范大学教授，德国波茨坦气候影响研究所担任访问教授。博士毕业于中国科学院理论物理研究所。曾在以色列巴伊兰大学物理系，德国波茨坦气候影响研究所分别从事博士后研究工作和助理教授工作。美国哈佛大学和波士顿大学访问学者。研究方向为统计物理，复杂系统临界点理论，地球系统，网络理论，地震和金融市场预测等。以第一作者或通讯作者在Nature Physics，Nature Climate Change, Nature Communications, PNAS等学术期刊发表论文60余篇。
陈爱芳，东莞理工学院特聘副研究员。2020年获瑞典哥德堡大学自然地理学博士学位，同年获“南方科技大学校长卓越博士后”资助赴南方科技大学开展博士后研究；2023年入职东莞理工学院。主要从事全球变化与水文水资源、台风活动、极端气候事件和生态水文等领域研究工作。以第一作者在Science Bulletin，Communications Earth & Environment等学术期刊发表论文10余篇。
戴启立，南开大学副教授。围绕空气污染来源问题，主要从事环境大数据挖掘、空气污染因果推断等方面的研究，致力于研发人工智能辅助的空气污染成因诊断与政策评估技术（AI4Air）、揭示并解耦“空气污染-人类活动-天气气候”的复杂关联。
班崭，博士毕业于爱尔兰都柏林大学。研究方向为 AI4science与复杂系统，研究的系统包括海洋生态系统，生物大分子液液相分离和地球复杂系统，以一作或共一在nature climate change和pnas上发表过论文。
运营模式
预计每周进行一次线上会议，与主讲人等社区成员当面交流，会后可以获得视频回放持续学习。
参与方式
此次读书会线上进行，使用软件为腾讯会议（请提前下载安装）。在扫码完成报名并添加负责人微信后，负责人会将您拉入交流社区（微信群），入群后告知具体的会议号码。报名方式
如需用支付宝支付，请在PC端进入读书会页面报名支付：https://pattern.swarma.org/study_group/57第三步：添加负责人微信，拉入对应主题的读书会社区（微信群）。PS：为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会主题和复杂科学问题本身的空泛的哲学和思辨式讨论；如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。
加入社区后可以获得的资源：
完整权限，包括线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。
参与共创任务获取积分，共建学术社区：
读书会采用共学共研机制，成员通过内容共创获积分（字幕修改、读书会笔记、论文速递、公众号文章、集智百科、论文解读等共创任务），积分符合条件即可退费。发起人和主讲人同样遵循此机制，无额外金钱激励。PS：具体参与方式可以加入读书会后查看对应的共创任务列表，领取任务，与运营负责人沟通详情，上述规则的最终解释权归集智俱乐部所有。
阅读材料较长，为了更好的阅读体验，建议您前往集智斑图沉浸式阅读，并可收藏感兴趣的论文。
读书会阅读清单
我们在临界的概念与意义和农业气候模块面向报名读书会的社区成员招募共创，欢迎感兴趣的朋友联系运营负责人。
新研究范式
地球系统模式
推荐语：下一代 ESM 应该采用动态框架，能够在一系列时空尺度上更精确地表示物理过程。基于物理和数据驱动的方法的和谐融合有可能产生实现更高精度和计算效率的 ESM，更好地捕捉地球系统过程的复杂动力学。Pan, Xiaoduo, et al. "Evolution and prospects of Earth system models: Challenges and opportunities." Earth-Science Reviews (2024): 104986.推荐语：这篇文献建议倡议地球作为一个适应复杂系统，新的研究范式应该考虑包括人类世、临界点和地球边界等要素，实现生物物理过程和人类动力学的深度整合，以建立对地球系统真正统一的理解。Steffen W, Richardson K, Rockström J, Schellnhuber H J, Dube O P, Dutreuil S, Lenton T M, Lubchenco J. The emergence and evolution of Earth System Science[J]. Nature Reviews Earth & Environment, 2020, 1(1): 54–63.拥抱复杂科学
推荐语：这篇文章系统介绍了“地球系统”分析的概念，即采用一种全面的方法跨越学科界限，整合多领域的知识，以期全面把握我们地球系统的复杂性，更深刻地理解气候系统的内在机制，为应对气候变化的挑战提供科学依据和策略。Fan, J., Meng, J., Chen, X., & Schellnhuber, H. J. (2024). Complexity science meets Earth system. Science Bulletin.推荐语：这篇发表于PNAS的文章认为，超过2°C这个阈值，有可能激活其他临界级联要素，形成多米诺骨效应，使地球系统不可逆转地达到更高温度，对生态系统、社会和经济造成严重破坏。Steffen, W., Rockström, J., Richardson, K., Lenton, T. M., Folke, C., Liverman, D., ... & Schellnhuber, H. J. (2018). Trajectories of the Earth System in the Anthropocene. Proceedings of the National Academy of Sciences, 115(33), 8252-8259.推荐语：对于由大量相互作用对象组成的复杂系统，遵循吉布斯统计物理理论，将某一时刻所有个体的状态定义为系统的微观状态。观察期间的所有微观状态构成了复杂系统的整体。Chen, X., Liu, T., Ma, X., Xia, Y., Fan, J., & Xie, F. (2024). Eigen Micostate Theory of Complex Systems and its Application in Earth System (No. EGU24-7090). Copernicus Meetings.推荐语：本综述旨在全面概括统计物理、复杂系统科学（如临界现象、网络理论、渗滤、临界点分析、熵）以及机器学习等方法在复杂地球系统研究和应用中的最新科学进展。这些方法的整合为理解地球系统的动力学提供了新的见解和视角。通过应用这些方法，我们可以更好地建模和分析地球系统中的相互关系和非线性效应，揭示系统的复杂性和关键特性。Shang, W. A. N. G., Jun, M. E. N. G., Xiaosong, C. H. E. N., & Jingfang, F. A. N. (2023). An overview of complexity studies on Earth systems. Journal of Beijing Normal University (Natural Science), 59(5), 796-805.推荐语：翻转要素是地球系统的组成部分，在特定阈值下可能会突然且不可逆地从一种状态转变为另一种状态。目前尚不清楚一个系统的翻转会在多大程度上影响其他区域或翻转要素。在这里，文章提出了一种气候网络方法来分析亚马逊雨林地区（ARA）这一重要的临界因素对全球的影响。文章强调了翻转要素是可以链接的，以及级联翻转动力学的潜在可预测性。Liu, T., Chen, D., Yang, L., Meng, J., Wang, Z., Ludescher, J., ... & Schellnhuber, H. J. (2023). Teleconnections among tipping elements in the Earth system. Nature Climate Change, 13(1), 67-74.
人工智能驱动
推荐语：新一代人工智能技术具有整合多源数据, 识别潜在信息, 学习已有 “经验” 等优势, 有望为气候研究和应用提供新的助力，帮助我们理解气候系统演变机理, 气候服务以及预估未来全球变化情景。陈德亮, 谭显春, 彭喆, 闫洪硕, & 程永龙. (2024). 人工智能在气候研究和服务中的机遇与挑战. 气候变化研究进展, 0.Materia, Stefano, et al. "Artificial intelligence for climate prediction of extremes: State of the art, challenges, and future perspectives." Wiley Interdisciplinary Reviews: Climate Change 15.6 (2024): e914.推荐语：人工智能以前所未有的方式加速和加深了我们对地球系统的理解。人工智能在地球科学领域面临哪些值得注意的挑战？人工智能在地球科学领域的未来是什么？这篇论文进行了概述。Zhao, T., Wang, S., Ouyang, C., Chen, M., Liu, C., Zhang, J., ... & Wang, L. (2024). Artificial intelligence for geoscience: Progress, challenges and perspectives. The Innovation.推荐语：可解释机器学习 （IML） 发展迅速，为提高我们对复杂地球系统的理解提供了新的机会，例如量化特定环境中的关系，生成有关潜在机制的假设以及评估基于过程的模型。Jiang, Shijie, et al. "How interpretable machine learning can benefit process understanding in the geosciences." Earth's Future 12.7 (2024): e2024EF004540.推荐语：过去几十年来，地球系统模型不断改进，但与观测结果相比的系统误差和气候预测的不确定性仍然存在。这主要是由于亚网格尺度或未知过程的不完美表示。在这里提出了一种具有人工智能的下一代地球系统建模方法，需要加速模型、机器学习集成、地球观测的系统使用和现代化基础设施。Eyring, V., Gentine, P., Camps-Valls, G., Lawrence, D. M., & Reichstein, M. (2024). AI-empowered next-generation multiscale climate modelling for mitigation and adaptation. Nature Geoscience, 1-9.推荐语：气候建模和分析面临着增强预测和气候信息的新需求。开发保真度更高的基于机器学习的地球系统模型，并通过模拟器提供新功能，用于大型集合的极端事件预测、增强的极端事件检测和归因方法，以及先进的气候模型分析和基准测试。利用这种潜力需要解决关键的机器学习挑战，特别是泛化、不确定性量化、可解释的人工智能和因果关系。Eyring, V., Collins, W. D., Gentine, P., Barnes, E. A., Barreiro, M., Beucler, T., ... & Zanna, L. (2024). Pushing the frontiers in climate modelling and analysis with machine learning. Nature Climate Change, 14(9), 916-928.推荐语：在这篇综述中概述了机器学习在气候物理学方面的成就。讨论如何使用机器学习来解决观测数据重建、次网格尺度现象表示和气候（和天气）预测方面长期存在的问题。最后，考虑利用机器学习研究复杂系统的好处和主要挑战。Bracco, A., Brajard, J., Dijkstra, H. A., Hassanzadeh, P., Lessig, C., & Monteleoni, C. (2024). Machine learning for the physics of climate. Nature Reviews Physics, 1-15.推荐语：这篇文献基于卷积神经网络实现了从每日降水场和年度平均地表气温数据中追踪气候变暖的指标，并实现了很好的预测能力。Ham, YG., Kim, JH., Min, SK. et al. Anthropogenic fingerprints in daily precipitation revealed by deep learning. Nature 622, 301–307 (2023).推荐语：这篇文章提出将地球系统中的时空上下文数据纳入深度学习算法中，提高跨多个时间尺度的季节性预测和远程空间联系建模的预测能力。Reichstein M, Camps-Valls G, Stevens B, Jung M, Denzler J, Carvalhais N, Prabhat. Nature Publishing Group, 2019. Deep learning and process understanding for data-driven Earth system science[J]. Nature, 2019, 566(7743): 195–204.
观测手段与数据同化
推荐语：模型与观测是地球系统科学中两种基本的研究手段，本文介绍了数据同化在地球系统科学主要分支领域的应用，追溯了数据同化与理性主义和经验主义方法论的协同演进，分析了它与估计理论和控制论的渊源，回顾了国内数据同化近期研究进展，展望了走向统一的地球系统数据同化所面临的挑战。李新, 刘丰, 方苗. 模型与观测的和弦: 地球系统科学中的数据同化[J]. 中国科学: 地球科学, 2020, 50(9): 1 185-1 194 (Li Xin, Liu Feng, Fang Miao. Harmonizing Models and Observations: Data Assimilation in Earth System Science[J].推荐语：数据同化在促进“科学”理解和作为地球系统科学的“工程工具”方面发挥着双重作用。这篇文章进行了全面的综述，阐明了 LDA 的理论和方法发展及其独特特征。这包括在解决地表过程中的强非线性、探索机器学习方法在数据同化中的潜力、量化多尺度空间相关性引起的不确定性以及同时估计模型状态和参数方面的突破。Li, X., Liu, F., Ma, C., Hou, J., Zheng, D., Ma, H., ... & Huang, C. (2024). Land data assimilation: Harmonizing theory and data in land surface process studies. Reviews of Geophysics, 62(1), e2022RG000801.推荐语：地球数字孪生的概念设想将地球大数据与基于物理的模型融合在一个交互式计算框架中，从而能够监测和预测环境和社会扰动，以用于可持续治理。数据同化为将高分辨率观测数据纳入地球系统模型提供了框架，特别是在新一代人工智能技术背景下。Li, Xin, et al. "Big Data in Earth system science and progress towards a digital twin." Nature Reviews Earth & Environment 4.5 (2023): 319-332.推荐语：数据同化和机器学习方法的集成有助于将多源观测纳入物理模型，从而能够更准确地估计蒸散量和总初级生产力。He, Xinlei, et al. "Innovative approach for estimating evapotranspiration and gross primary productivity by integrating land data assimilation, machine learning, and multi-source observations." Agricultural and Forest Meteorology 355 (2024): 110136.推荐语：文章提出了面向科学数据全生命周期的动态安全评估模 型、安全指标体系, 以及评估方法, 形成了科学数据安全评估机制。Nie Xiaowei, Pan Xiaoduo, Li Xin, Wang Shouyang, Jin Jing, Yang Yang,面向科学数据全生命周期的动态安全评估机制, Chinese Science Bulletin, 2024.
临界的概念与意义（开放招募共创）
临界是一个来自物理学的概念，但被广泛应用在气候、生态、大脑、社会等复杂系统的研究中。在这个主题，我们想理清临界的概念，理解临界背后具体的意义。推荐语：这篇文献介绍了临界点的含义，评估了人为因素下气候系统中潜在的政策相关临界要素，编织了一份未来可能出现的临界点要素清单。Lenton T M, Held H, Kriegler E, Hall J W, Lucht W, Rahmstorf S, Schellnhuber H J. Tipping elements in the Earth’s climate system[J]. Proceedings of the National Academy of Sciences, 2008, 105(6): 1786–1793.Scheffer M, Bascompte J, Brock W A, Brovkin V, Carpenter S R, Dakos V, Held H, van Nes E H, Rietkerk M, Sugihara G. Early-warning signals for critical transitions[J]. Nature, 2009, 461(7260): 53–59.推荐语：这篇文献强调了临界点对人类的威胁，以及呼吁采取政治和经济行动减少温室气体排放。Lenton T M, Rockström J, Gaffney O, Rahmstorf S, Richardson K, Steffen W, Schellnhuber H J. Nature Publishing Group, 2019. Climate tipping points — too risky to bet against[J]. Nature, 2019, 575(7784): 592–595.推荐语：多个社会科学框架表明，气候临界点的深度不确定性和感知的抽象性使其无法有效地触发行动和设定治理目标。这种框架还促进了基于温度的政策基准和气候系统特性之间的混淆。在自然和人类系统中，我们倡导使用更清晰、更具体的语言来描述标记为临界点的现象，并批判性地评估不同的框架是否、如何以及为什么可以支持科学理解和气候风险管理。Kopp, R. E., Gilmore, E. A., Shwom, R. L., Adams, H., Adler, C., Oppenheimer, M., ... & York, R. (2024). ‘Tipping points’ confuse and can distract from urgent climate action. Nature Climate Change, 1-8.
多系统耦合的地球复杂系统
气候复杂系统
气候变化
推荐语：气候变化是指世界不同地区气候模式的长期变化。这篇综述论文考虑了全球不同领域的气候变化缓解和转型，如人类健康、作物生产力和相关的经济影响。结论强调，政府监测通过负责任的资源管理对国家的长期增长至关重要。Rawat, A., Kumar, D., & Khati, B. S. (2024). A review on climate change impacts, models, and its consequences on different sectors: a systematic approach. Journal of Water and Climate Change, 15(1), 104-126.推荐语：气候变化以复杂的方式影响了早期人类的生存、适应和进化。在这篇综述中，我们介绍了有关过去气候变化对人类物种进化轨迹影响的最新知识。推荐语：Timmermann, A., Raia, P., Mondanaro, A., Zollikofer, C. P., Ponce de León, M., Zeller, E., & Yun, K. S. (2024). Past climate change effects on human evolution. Nature Reviews Earth & Environment, 1-16.Jézéquel, A., Bastos, A., Faranda, D., Kimutai, J., Le Grix, N., Wilson, A. M., ... & Zscheischler, J. (2024). Broadening the scope of anthropogenic influence in extreme event attribution. Environmental Research: Climate, 3(4), 042003.
极端天气事件
推荐语：每年的全球热带气旋个数一直保持在约90个，但其基本物理学和机制仍然难以捉摸。本研究构建了一个结合全球主要发展区域、恢复时间和影响半径的理想模型阐释热带气旋的时空特征。Zhou, Yufeng, and Yanluan Lin. "A toy model for the global annual number of tropical cyclones." Earth's Future 12.11 (2024): e2024EF004839.推荐语：高排放情景下热带气旋会使长期热浪急剧增加造成更大范围的停电事件，迫切需要采取气候适应行动，例如战略性地下化配电网络和开发分布式能源，以提高沿海电力系统的弹性。Feng, Kairui, Min Ouyang, and Ning Lin. "Tropical cyclone-blackout-heatwave compound hazard resilience in a changing climate." Nature communications 13.1 (2022): 4421.推荐语：全球天气系统高度非线性相互作用的多变量动力学产生的相干性，对局部恶劣天气事件进行定量表征和预测，是一项重大挑战。文章描述了一种称为熵场分解 （EFD） 的新型计算方法在全球天气系统中的应用，该方法能够有效地表征非线性多变量相互作用物理系统中的相干时空结构。Frank, L. R., Galinsky, V. L., Zhang, Z., & Ralph, F. M. (2024). Characterizing the dynamics of multi-scale global high impact weather events. Scientific Reports, 14(1), 18942.推荐语：利用机器学习和深度学习技术对极端大气事件进行分析、表征、预测和归因的综述。Salcedo-Sanz, S., Pérez-Aracil, J., Ascenso, G., Del Ser, J., Casillas-Pérez, D., Kadow, C., ... & Castelletti, A. (2024). Analysis, characterization, prediction, and attribution of extreme atmospheric events with machine learning and deep learning techniques: a review. Theoretical and Applied Climatology, 155(1), 1-44.推荐语：近年来，来自不同学科（包括物理、生命和社会科学）的研究人员如何研究极端事件。具体而言，相关术语、定义和分析工具是如何使用的？研究重点与最近的极端事件有何影响？如何将这些不同的方法联系起来和整合，以帮助我们理解极端事件？最后，目前的差距和进一步研究的途径是什么？Alvre, J., Broska, L. H., Rübbelke, D. T. G., & Vögele, S. (2024). Studying Extreme Events: An Interdisciplinary Review of the Latest Research. Heliyon.推荐语：极端天气事件正在涌现出增多、增强、季节性和复合性等特征。Zhang, W., Clark, R., Zhou, T., Li, L., Li, C., Rivera, J., ... & Hu, S. (2024). 2023: Weather and Climate Extremes Hitting the Globe with Emerging Features.
海洋气候
推荐语：研究首次在地球系统模型中观察到大西洋翻转环流崩溃事件的完整过程，并开发了一种基于物理的、可观测的AMOC崩溃的早期警示信号：大西洋南部边界AMOC诱导的最小淡水输送量。一系列实证数据分析表明，当今的AMOC正走向崩溃。van Westen, R. M., Kliphuis, M., & Dijkstra, H. A. (2024). Physics-based early warning signal shows that AMOC is on tipping course. Science advances, 10(6), eadk1189.推荐语：文章使用一种称为轨迹自适应多级分裂 （TAMS） 的极端事件预测算法计算大西洋翻转环流在指定时间窗口内崩溃的概率。Jacques-Dumas, V., van Westen, R. M., & Dijkstra, H. A. (2024). Estimation of AMOC transition probabilities using a machine learning based rare-event algorithm. Artificial Intelligence for the Earth Systems.推荐语：基于数据同化和深度学习方法重建在政权变迁背景下的研究大西方翻转环流模型。Bauchot, P., Drémeau, A., Sévellec, F., & Fablet, R. (2024). Neural Data Assimilation for Regime Shift Monitoring of an Idealized AMOC Chaotic Model. Authorea Preprints.
农业气候（开放招募共创）
推荐语：气候变化改变了温度、降水和风速等环境因素，直接或间接地影响了作物的生长周期、极端天气事件的频率以及病虫害的发生模式，最终影响了作物的产量和品质。本文综述了该领域的最新研究进展，总结了全球气候变化对农业生产的影响以及农业活动对气候变化的反馈机制，并提出了应对全球气候变化的农业生产策略。本文旨在为保障农业生产的可持续发展提供科学依据和建议。Yuan, X., Li, S., Chen, J., Yu, H., Yang, T., Wang, C., ... & Ao, X. (2024). Impacts of global climate change on agricultural production: a comprehensive review. Agronomy, 14(7), 1360.推荐语：气候变化对夜间温度的影响远远大于对日间温度的影响——夜间平均温度的升幅甚至是日间升幅的3倍。这意味着，大米品质的持续下降可能是我们不得不面对的严峻现实。Liu, X., Ciais, P., Makowski, D. & Liang, J. Geophys. Res. Lett. 51, e2024GL110557 (2024).Wollburg, P., Markhof, Y., Bentze, T., & Ponzini, G. (2024). Substantial impacts of climate shocks in African smallholder agriculture. Nature Sustainability, 1-10.
人类-地球复杂系统
气候变化与供应链系统
推荐语：这篇文献综述了认知气候变化与管理相关复杂性的视角，管理学涉及的领域包括食物、水、健康、基础设施和保险，并综述了相关的定量统计与建模方法。Raymond, C., Horton, R. M., Zscheischler, J., Martius, O., AghaKouchak, A., Balch, J., ... & White, K. (2020). Understanding and managing connected extreme events. Nature climate change, 10(7), 611-621.推荐语：这项研究基于一个全球高分辨率灾害足迹分析模型，全面评估了2060年气候变化引发的热应力对社会经济系统的影响。这包括极端热浪导致的健康损害（额外死亡）、劳动效率降低（由于高温和湿度导致的日常工作效率下滑）以及间接损失（因供应或需求不足引起的生产停滞）。Sun, Y., Zhu, S., Wang, D., Duan, J., Lu, H., Yin, H., ... & Guan, D. (2024). Global supply chains amplify economic costs of future extreme heat risk. Nature, 627(8005), 797-804.Orji, I. J., & Ojadi, F. I. (2024). Redefining supply chain sustainability: introducing the context of extreme weather events. Business Process Management Journal, 30(6), 1943-1975.推荐语：本文探讨了气候风险对企业绩效和全球供应链的影响。Nora M. C. P. and C. M. Schiller, 2024, “Climate Change and Adaptation in Global Supply-Chain Networks”, The Review of Financial Studies, 37(6): 1729–1777.推荐语：使用全球贸易建模框架研究了最新的新冠疫情对全球供应链的影响。Guan, D., Wang, D., Hallegatte, S., Davis, S. J., Huo, J., Li, S., ... & Gong, P. (2020). Global supply-chain effects of COVID-19 control measures. Nature human behaviour, 4(6), 577-587.
量化气候变化对经济的影响
推荐语：这篇文章从所有可用的欧洲经济区研究中收集数据，将这些数据与这些事件的社会经济成本数据相结合，并对缺失的数据进行推断，以估计过去二十年气候变化导致的极端天气的全球成本。Newman, R., & Noy, I. (2023). The global costs of extreme weather that are attributable to climate change. Nature Communications, 14(1), 6103.推荐语：世界气象学会 （WMO）。WMO 极端天气、气候和水灾造成的死亡率和经济损失地图集（1970-2019 年）World Meteorological Society (WMO). WMO Atlas of mortality and economic losses from weather, climate, and water extremes (1970–2019). Retrieved from https://library.wmo.int/doc_num.php?explnum_id=10769 (2021B).推荐语：通过整合气候、流行病学和混合投入产出以及可计算的一般均衡全球贸易模型，开发了一个灾害足迹分析框架。以估计本世纪中叶计算高温事件的社会经济影响。Sun, Y., Zhu, S., Wang, D., Duan, J., Lu, H., Yin, H., ... & Guan, D. (2024). Global supply chains amplify economic costs of future extreme heat risk. Nature, 627(8005), 797-804.推荐语：持续的气候变化已经以多种方式和多种规模影响着经济和社会生活。但这些变化对全球经济或当地生活方式的影响并没有任何确定性。相反，这些影响是通过体制机制和政治决策来引导的。本专题探讨了气候变化影响的传导机制，特别是在金融保险方面。Collier, S. J., Elliott, R., & Lehtonen, T. K. (2021). Climate change and insurance. Economy and Society, 50(2), 158-172.
碳排放的有效管理与调控
推荐语：本综述深入探讨了氢及其衍生物氨作为实现全球碳中和的关键能源载体的关键作用。Evro, S., Oni, B. A., & Tomomewo, O. S. (2024). Carbon neutrality and hydrogen energy systems. International Journal of Hydrogen Energy, 78, 1449-1467.推荐语：这篇文章提取了 200 多个国家的温室气体和气候关系。研究调查了影响全球气候动态、土壤过程和温室气体排放并受其影响的复杂反馈机制Han, H., Zeeshan, Z., Talpur, B. A., Sadiq, T., Bhatti, U. A., Awwad, E. M., ... & Ghadi, Y. Y. (2024). Studying long term relationship between carbon Emissions, Soil, and climate Change: Insights from a global Earth modeling Framework. International Journal of Applied Earth Observation and Geoinformation, 130, 103902.推荐语：本研究基于IPCC的行政区域方法和算了2020-2021期间中国47个经济部门17中种化石燃料的的水泥生产的能源相关的排放，为设计碳峰值和中和战略提供了及时的蓝图，特别是在大流行后可持续恢复和碳减排的背景下。Xu, J., Guan, Y., Oldfield, J., Guan, D., & Shan, Y. (2024). China carbon emission accounts 2020-2021. Applied Energy, 360, 122837.推荐语：文章介绍了动态综合气候和经济模型的最新版本——DICE-2023。DICE-2023模型的修订涵盖了对风险处理、碳和气候模块、非工业温室气体处理以及折现率等重大改变，且所有主要组件都得到了更新。Barrage, L., & Nordhaus, W. (2024). Policies, projections, and the social cost of carbon: Results from the DICE-2023 model. Proceedings of the National Academy of Sciences, 121(13), e2312030121.推荐语：文章将地球气候系统作为一个复杂系统，纳入社会、政治、经济和技术因素的复杂相互作用中，发现跨越个人、社区、国家和全球尺度的连接对政策制定、减排结果具有决定性影响。研究对未来不同场景下的碳排放轨迹进行了预测，分析了不同程度减排政策、社会对气候变化的认知水平以及碳中和技术等因素会如何影响最终的气候变化走向。Moore, F. C., Lacasse, K., Mach, K. J., Shin, Y. A., Gross, L. J., & Beckage, B. (2022). Determinants of emissions pathways in the coupled climate–social system. Nature, 603(7899), 103-111.生态-地球复杂系统
生态系统中的临界点研究进展
文章开发了一种通用的数据驱动和机器学习方法来预测非自主动力学系统中未来可能出现的临界点，并使用来自不同领域的示例验证该框架。推荐语：Panahi, S., Kong, L. W., Moradi, M., Zhai, Z. M., Glaz, B., Haile, M., & Lai, Y. C. (2024). Machine learning prediction of tipping in complex dynamical systems. Physical Review Research, 6(4), 043194.推荐语：Moinat, L., Kasparian, J., & Brunetti, M. (2024). Tipping detection using climate networks. arXiv preprint arXiv:2407.18727.亚马逊森林退化（Amazon forest dieback）推荐语：气候变化、森林砍伐和火灾可能会导致世界上最大的雨林变得干燥。Amigo, Ignacio. "When will the Amazon hit a tipping point?." Nature 578.7796 (2020): 505-508.稀树草原和旱地退化（savanna and dryland degradation）推荐语：非洲稀树草原生态系统中已观察到树木已经侵入了以前以草本植物为主的区域。该变化可能意味着热带草原正处于向森林转变的一个关键转折点。Gillson, Lindsey. "Evidence of a tipping point in a southern African savanna?." Ecological complexity 21 (2015): 78-86推荐语：植被模式源于非线性的水-植被-土壤反馈。植被的移除引起的扰动可以触发干旱地区侵蚀和荒漠化。Saco, Patricia M., et al. "Vegetation and soil degradation in drylands: non linear feedbacks and early warning signals." Current Opinion in Environmental Science & Health 5 (2018): 67-72.湖泊富营养化（lake eutrophication）推荐语：论文中讨论了湖泊生态系统中的各种重大变化，并探讨了是否可以识别、预测或预防这些临界点，以及与气候变化相关的驱动因素和反馈。Hessen, Dag Olav, et al. "Lake ecosystem tipping points and climate feedbacks." Earth System Dynamics Discussions 2023 (2023): 1-34.珊瑚礁和红树林死亡（coral reef and mangrove die-offs）推荐语：论文强调了珊瑚礁生态系统面临的威胁，并提出了评估这些生态系统对气候变化敏感性阈值的方法。Pearce-Kelly, Paul, et al. "Assessment of warm-water coral reef tipping point thresholds." Earth System Dynamics Discussions 2024 (2024): 1-31.渔业的崩溃（the collapse of fisheries）推荐语：文章在一个被过度捕捞的鱼群中观察到折叠分叉（fold bifurcations）的发生，通过将多变量鱼群种群指数与多环境变量胁迫指数作图，揭示了状态转变（shift mechanism）的机制，表明观察到的种群转变是对过度捕捞和气候变化综合效应的非线性响应。Vasilakopoulos, Paraskevas, and C. Tara Marshall. "Resilience and tipping points of an exploited fish population over six decades." Global change biology 21.5 (2015): 1834-1847.
海岸带复杂系统研究
Zhang, Wei-Ping, et al. "Elevated temperature as the dominant stressor on the harmful algal bloom-causing dinoflagellate Prorocentrum obtusidens in a future ocean scenario." Science of The Total Environment 952 (2024): 175946.Zhang, Wei-Ping, et al. "Divergent responses of an armored and an unarmored dinoflagellate to ocean acidification." Harmful Algae (2024): 102772.Chen, Shi, et al. "Functional vertical connectivity of microbial communities in the ocean." Science Advances 10.21 (2024): eadj8184.
环境-地球复杂系统
推荐语：面向未来汽车电动化转型的环境效益？利用机器学习模型评估洛杉矶机动车排放控制的环境影响。Yang, J., Wen, Y., Wang, Y., Zhang, S., Pinto, J. P., Pennington, E. A., ... & Seinfeld, J. H. (2021). From COVID-19 to future electrification: Assessing traffic impacts on air quality by a machine-learning model. Proceedings of the National Academy of Sciences, 118(26), e2102705118.推荐语：雾霾事件的形成是污染排放增强还是气象不利？基于可解释机器学习分析框架的空气污染成因量化评估方法。Hou, L., Dai, Q., Song, C., Liu, B., Guo, F., Dai, T., ... & Feng, Y. (2022). Revealing drivers of haze pollution by explainable machine learning. Environmental Science & Technology Letters, 9(2), 112-119.推荐语：中国北方清洁供暖政策成效如何？结合机器学习与因果推动的政策评估新方法。Song, C., Liu, B., Cheng, K., Cole, M. A., Dai, Q., Elliott, R. J., & Shi, Z. (2023). Attribution of air quality benefits to clean winter heating policies in China: combining machine learning with causal inference. Environmental Science & Technology, 57(46), 17707-17717.推荐语：编辑社论｜环境领域顶刊ES&T系列中关于AI和机器学习赋能大气化学领域的精选论文集。Silva, S. J., Evans, M., Hou, L., Dai, Q., Song, C., Liu, B., ... & Minet, L. (2023). Artificial Intelligence and Machine Learning in Atmospheric Chemistry. Environ. Sci. Technol, 57(46), 18246-18258.推荐语：微软开发的地球大气AI基础大模型Aurora ，实现全球尺度空气污染物浓度的预测以及更快更高分辨率的天气预报。Bodnar, Cristian, et al. "Aurora: A foundation model of the atmosphere." arXiv preprint arXiv:2405.13063 (2024).
扫码前往斑图页面了解第二季详情
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢