数学家们首次利用统计力学改善了气候变化的检测与归因，使他们能够将人类引起的气候变化“信号”与自然气候变异的“噪音”区分开来。这一进展增强了识别气候变化的能力，并对重大气候转变发出早期警报。
气候变化科学理论的一个重要进展为研究人员提供了最可靠的框架，以连接观察到的气候变化与人为和自然因素，以及检测可能气候灾难的早期预警信号。
莱斯特大学的数学家瓦莱里奥·卢卡里尼与科学家米卡埃尔·切克伦之间的国际合作，利用了气候科学中的统计力学原理。该合作专注于将气候变化信号与自然波动的“背景噪音”区分开，识别潜在的“临界点”，比如大西洋洋流的潜在崩溃或亚马逊雨林的破坏。
这一理论突破为探索气候变化及其相关风险开辟了新方法，源于对驱动这些变化机制的更深入理解。
该研究发表在《物理评论快报》上，为科学家在气候变化归因方面提供了更大的信心，并识别我们何时可能接近临界点，从而使他们能够采取预防措施。这也将为政策制定者提供关于评估气候变化所使用方法的必要清晰度。
临界点指的是我们气候系统中的关键阈值，这可能导致重大变化和对环境的有害影响。像大西洋经向翻转环流的潜在崩溃（可能导致该地区降温）或亚马逊雨林的生态崩溃等事件对地球生命构成严重威胁。然而，根据气候数据确定我们何时接近这些临界点是具有挑战性的。
关键挑战在于区分气候变化的证据，特别是临界点的接近与固有的自然气候变异。“人类驱动的气候变化”信号常常在环境变化的“噪音”中淹没。莱斯特大学的研究人员发现，当前仅依赖统计方法的研究方法，对于影响我们气候的动态过程提供了有限的见解。它们通常仅提供气候的快照，而没有揭示其如何达到该状态。
通过采用统计力学的原则，该研究使我们能逆向工程该快照，以理解其形成方式。他们开发了一个数学模型，能够动态复制相关过程并识别变化的原因。这一创新方法使他们能够对人类引起的气候变化信号进行“指纹识别”，评估其影响，显著提高了对气候临界点的早期预警检测能力。
莱斯特大学计算机与数学科学学院的首席作者瓦莱里奥·卢卡里尼教授表示：“归因于气候数据的人类影响是一项复杂的问题，涉及广泛的影响。气候变化怀疑论者质疑如何将一个高度可变系统中的强迫力与特定原因联系起来。气候始终在变化。我们如何有效反制该观点并展示我们当前的观察是由于人类活动造成的？科学界已经发展出坚实的反驳，但这些主要依赖于统计而非动态推理。”
“我们的突破将系统的物理学和支配其演化的规律与我们的观察联系起来。显而易见，研究变化的最佳方法在于这些影响我们所观察内容的演化规律，这正好与我们正在研究的气候强迫相一致。”
来自加州大学洛杉矶分校和魏茨曼科学研究所的米卡埃尔·切克伦博士表示：“这是一项重大的进展，因为它确认了多年来用于判断气候变化的检测和归因方法是有根据的。我们展示了如何优化这些方法，并强调其可能的缺陷。我们在理解气候动态及气候变异与变化之间的关系上取得了重大进展。”
