可靠地预估未来全球变暖幅度，是评估气候风险、制定减缓与适应策略的核心科学基础，也是联合国政府间气候变化专门委员会（IPCC）评估中的关键问题之一。然而，不同气候模式对未来变暖的预估仍存在显著差异，这一不确定性制约着气候风险判断的精度。

 

　　人类活动引起的历史变暖记录了气候系统对外部强迫的真实响应，因此天然包含约束未来变化的重要信息。既有研究证明，全球平均增温可以有效降低未来预估不确定性。但气候变暖在空间上的显著异质性意味着，更丰富、更具判别力的信息可能蕴含在历史增温的空间格局之中，长期以来却未被充分利用。

 

　　华东师范大学河口海岸全国重点实验室李超教授联合软件工程学院陈曦教授等，在格点尺度上系统挖掘1971–2020年全球地表气温增暖的空间格局信息，借助机器学习建立历史格点变暖与未来全球变暖之间的跨模式涌现关系，将依赖单一指标的未来全球变暖预估约束拓展为基于空间场信息的高维约束框架。

 

　　结果表明，引入历史增暖空间格局后，未来全球变暖预估的不确定性大幅降低：预估方差减少约70%，显著优于仅基于全球平均增温趋势的约束方法（约48%）,并凸显出实现 《联合国气候变化框架公约》（UNFCCC）温升控制目标的更高紧迫性（图1）。例如，在中等排放情景（SSP3-7.0）下，本世纪中叶全球升温超过2℃的概率由约70%上升至80%以上。

 

　　此外，北极海冰边缘区、青藏高原、热带西太平洋与印度洋以及南大洋等区域构成约束未来变暖的关键区域。这些区域承载着冰雪–反照率反馈、热带对流及云–辐射反馈等重要气候过程，其对全球变暖的响应敏感度既相对稳定，又具有显著的模式间差异，成为约束未来升温的“信息热点”。

 

　　研究表明，历史增温的空间格局包含关于气候系统响应的关键信息，可以转化为对未来变暖的有效约束。通过机器学习识别高维空间中的稳定关系并提取最具约束信息的区域，观测的历史增暖格局可用于约束未来预估并大幅降低模式间差异，从而为提升气候预测可靠性和支撑气候风险评估提供了一条新路径。

 

　　该研究于2026年3月3日在线发表于Nature Communications。河口海岸全国重点实验室李超教授为论文第一作者兼通讯作者，软件工程学院陈曦教授为共同通讯作者。其他作者包括河口海岸全国重点实验室硕士研究生吴俊豪、王梓航，以及加拿大皇家科学院院士，维多利亚大学Francis Zwiers教授和Xuebin Zhang教授。研究得到国家重点研发计划项目（2024YFF0808800）、国家自然科学基金重点项目（42430609）及上海市促进产业高质量发展专项项目（250668）支持。