本周看到一件事，我差点以为自己看错了

大家有没有这种感觉：总有人说气候科学已经搞清楚了，我们有这些高大上的数据库，能精确追踪我们往大气里排放了多少碳。但实际上呢？可能并没有那么"清楚"。

这项研究发现了大问题

北亚利桑那大学的一个研究团队刚刚发表了他们的发现。老实说，看完之后我整晚都在想气候政策的事。他们这次检查的是 Climate TRACE 数据库——就是那个由前副总统戈尔联合创立的数据联盟——结果发现了相当严重的问题。

具体来说，他们发现 Climate TRACE 对城市车辆二氧化碳排放量的统计，平均低估了约 70%。某些城市的数据偏差更大。印第安纳波利斯和纳什维尔，低估幅度超过 90%。这不是什么四舍五入的误差，这是直接把答案弄反了。

研究团队把 Climate TRACE 的数据和 Vulcan 排放数据库做了对比。Vulcan 的数据来自交通记录和实际能源消耗测量，可以算是"地面实况"——你真正去统计实际发生的事，而不是靠卫星估算。

为什么这很重要？

这里开始让我脑子转不过来了。我们用这些排放数据库来做很多事：

• 制定气候行动的政策
• 追踪各国是否在实现减排目标
• 决定把钱投到哪里减少污染
• 看看我们的努力到底有没有效果

如果基础数据错了——尤其是错在让排放量看起来"比实际更好"的方向——那我们基本就是在蒙眼飞行。用可能严重失真的数据来做万亿美元级别的决策。

领导这项研究的北亚利桑那大学凯文·加维教授说：

"我们永远不可能完美准确地估算排放量，但我们必须确保与政策制定者和公众分享的数据是无偏的，并且符合最佳实践和最严格的科学标准。没有这一点，我们就会误导决策者，并可能失去公众对我们应对气候变化能力的信任。"

这个警告相当直白。

AI 的问题？

这里我得小心点，因为我真的认为人工智能在气候监测方面有巨大潜力。Climate TRACE 项目用 AI 分析卫星图像来估算全球排放，这确实是创新之举，也确实有必要。没有技术辅助，我们不可能在地球上的每个角落都进行实地测量。

但问题在于——我觉得这适用于很多领域的 AI 炒作——一个工具再先进，也不代表它自动就是准确的。老话说"垃圾进，垃圾出"还是有道理的。如果 AI 训练用的数据不完整，或者方法本身有问题，它会自信满满地给你一个错误的答案。

研究人员并不是说要抛弃 AI。他们说的是：把这些估算和真实世界的数据进行验证，对不确定性保持透明，坚持严格的科学标准。就是那些做不出精彩标题，但确实很重要的东西。

对气候行动意味着什么？

我觉得我们需要退后一步，想想这项研究实际告诉了我们什么。

首先，它提醒我们，气候科学虽然极其重要，但仍然是一个充满真实不确定性的 evolving 领域。这不是弱点，是诚实。发现这些错误的科研人员不是气候否认论者——他们是科学家，做的是好科学应该做的事：检查并标记问题。

其次，如果有什么区别的话，这应该让我们更坚定地采取积极的气候行动，而不是相反。如果排放情况比我们以为的更糟，那紧迫性就更高了，而不是更低。

第三，我们需要更好的地面监测投资。卫星和 AI 是有力的工具，但它们需要用实际测量来验证。Gurney 的团队开发的 Vulcan 项目——追踪精确到社区和道路的排放——代表了我们需要的细致、可验证的数据。

总结

我懂，这很复杂。我们谈的是数据库、方法论、卫星算法——这些确实不太适合餐桌聊天。

但为什么我觉得这跟我们每个人都有关系呢：我们被要求做出重大的生活方式改变，支持昂贵的政策来应对气候变化。我们绝对应该这么做——压倒性的科学证据表明我们需要行动。但我们有权知道，用来指导这些决策的数据是尽可能准确的。

好消息是，科学家们正在发现这些错误。这正是同行评审和独立验证应该做的事。Climate TRACE 团队已经被告知这些问题，他们应该会改进方法论。

我希望这能带来更多对气候数据独立验证的投资——更多像 Gurney 这样的科学家去仔细检查大型数据库，更多对卫星估算的地面验证，以及对不确定性的更多透明。

基于准确数据的气候行动，永远比基于自信假设的行动更强大。

来源：ScienceDaily - Major errors found in Al Gore-founded Climate TRACE database