Nature Climate Change | 极端天气事件归因预测全球气候政策支持

MagicJack

https://mp.weixin.qq.com/s/RbVjfoRrv8_ZC4-gDoEpJg
韧性城市研究室  PKU韧性城市研究室  2025年07月15日

0 论文信息

标题：Extreme weather event attribution predicts climate policy support across the world
期刊：Nature Climate Change
时间：1 July 2025
作者：Viktoria Cologna, Simona Meiler, Chahan M. Kropf et al.
DOI：https://doi.org/10.1038/s41558-025-02372-4

1 摘要

这项研究结合了大规模自然科学和社会科学数据(来自68个国家，N=71,922)，开发了一个暴露于极端天气事件的测量指标，并调查了暴露于极端天气和将极端天气主观归因于气候变化是否能预测气候政策支持。研究发现，大多数人支持气候政策并将极端天气事件与气候变化联系起来。主观归因与五种广泛讨论的气候政策的支持呈正相关，而暴露于大多数类型的极端天气事件并不能预测政策支持。总体而言，这些结果表明主观归因可能促进气候政策支持。

2 引言

气候变化增加了极端天气事件的频率和强度，使全球很大一部分人口面临物理和经济风险。归因于气候变化的极端天气事件的成本估计为每年1430亿美元。尽管全球南方国家面临更大风险，但归因研究和社会科学研究主要集中在全球北方国家和人口。需要减缓行动来减缓气候变化和减轻极端天气事件的影响。公众对气候政策的支持很重要，因为这种支持可以推动政府政策输出，而政策制定者往往响应公众对气候政策的需求。

气候变化心理距离(即认为气候变化在空间、时间和社交上遥远的感知)可能有助于解释社会对此问题的无所作为。如果是这样，随着更多人亲身体验极端天气事件，公众对气候变化的认识和理解可能会增加。然而，先前关于经历极端天气事件与气候变化行动和信念之间关系的研究产生了不一致的发现。特别是，一些研究发现经历极端天气事件会增加对气候变化的信念、关注、对气候政策和绿党的支持以及气候变化适应，而其他研究则没有发现这种关系。

先前研究的不一致可能也由另一个重要因素解释：人们是否将极端天气事件归因于气候变化。最近的研究支持这一假设：将极端天气事件归因于气候变化的人更有可能将气候变化视为风险并报告参与减缓行为。然而，目前还没有关于将极端天气事件主观归因于气候变化的跨国证据。

3 当前研究

本研究采用跨学科设计，通过将使用概率CLIMADA风险建模平台计算出的暴露人口数据与TISP研究中收集的关于极端天气事件主观归因和气候政策支持的全球调查数据进行三角测量。

我们使用标准化指标来比较评估几种极端天气事件(河流洪水、热浪、欧洲冬季风暴、热带气旋、野火、强降水和干旱)的暴露人口规模与气候政策支持之间的关系。具体来说，我们模拟了过去几十年一个国家暴露于极端天气事件的人数相对于总人口的比例。我们将其称为"暴露人口"。

我们的预注册研究解决了以下研究问题：(1)人口层面的极端天气事件暴露是否与气候政策支持相关？(2)主观归因和暴露人口对政策支持是否有交互作用？此外，我们还解决了以下非预注册问题：(1)各国对五种气候政策的公众支持水平如何？(2)各国人民在多大程度上将极端天气事件归因于气候变化(主观归因)，主观归因是否与政策支持相关？

我们假设生活在暴露程度较高国家的人们对减缓性气候政策的支持更强，并且暴露人口与政策支持之间的关系在主观归因较高的个体中更强。我们还假设暴露人口与政策支持之间的关系与人们的收入和居住地区(城市与农村)有关，这可能与他们适应极端事件的潜力有关。

4 气候政策支持

我们评估了对以下五种气候政策的支持程度，使用3点量表(1=完全不，2=中等，3=非常支持)：

1、增加对碳密集型食品(如牛肉和乳制品)的税收

2、提高化石燃料税收

3、扩大公共交通基础设施

4、增加可持续能源的使用

5、保护森林和土地区域

与先前研究一致，增加碳税得到的支持最低，只有22%和29%的人表示非常支持增加对碳密集型食品和化石燃料的税收。相比之下，保护森林和土地区域是最受欢迎的政策选择，82%的人非常支持，只有3%完全不支持。第二受支持的政策是使用可持续能源，75%的人非常支持，只有5%完全不支持。

所有国家的大多数人都支持气候政策(全球均值M=2.37，标准差=0.43，量表范围1=完全不，2=中等，3=非常支持)。这些发现与之前的一项研究一致，该研究表明89%的参与者要求加强气候变化政治行动。我们通过平均参与者对五种政策的支持来计算平均支持度。我们发现不同国家和政策之间的支持存在显著差异。非洲和亚洲国家对气候政策的支持特别高，澳大利亚、哥斯达黎加和英国的平均支持度一般，而捷克、芬兰和挪威等几个欧洲国家的支持度低于全球平均水平。

5 主观归因

参与者通过评估他们认为气候变化在过去几十年中增加了六种极端天气事件(干旱、热浪、野火、大雨、洪水、强风暴)对其国家的影响程度来表明主观归因(1=完全不，5=非常多)。对六个项目的回答取平均值(α=0.92)。在全球范围内，所有国家将极端天气事件主观归因于气候变化的程度都远高于量表中点(M=3.80，标准差=1.02)。

不同极端事件类型的主观归因差异不大。野火的主观归因相对较低(M=3.67，标准差=1.28)，热浪的主观归因较高(M=3.94，标准差=1.16)。然而，主观归因在全球各地区之间存在差异。南美国家，特别是巴西和哥伦比亚的参与者最强烈认为过去几十年极端天气事件的发生受到了气候变化的影响。北欧国家和非洲国家的主观归因最低。非洲国家主观归因较低可以解释为，在整个非洲国家，气候变化意识和人为气候变化信念仍然相对较低。

6 暴露人口与政策支持

暴露人口的规模因极端事件类型而异。虽然几乎所有抽样人口在过去几十年至少经历过一次热浪和强降水，但较少人口暴露于干旱、野火和洪水。匿名数据不允许将参与者地理空间匹配到发生极端事件的特定区域；因此，我们不知道参与者是否个人暴露于这些事件，也无法测试个人层面的暴露是否与政策支持相关。然而，我们可以可靠地估计人口层面的暴露是否与政策支持相关。

我们调查了国家层面的暴露和个人层面的极端事件主观归因是否与更强的气候政策支持相关。在研究不同极端天气事件类型与政策支持之间的关系如何变化时，我们运行了七个分块多级回归模型(每种极端天气事件类型一个)，预测气候政策支持指数。由于参与者按国家聚类，我们的模型包括跨国家的随机截距。分块回归的第一步包括社会人口学变量和暴露人口。在第二步中，我们添加了对特定事件的主观归因以及三个交互项：暴露人口×主观归因、暴露人口×收入和暴露人口×居住地区。

认为气候变化影响了当地极端天气事件的信念预测了对气候政策的支持。随机效应模型显示，主观归因与政策支持之间的关系在北美、澳大利亚和几个欧洲国家显著更强，在秘鲁和南非显著更弱。

对于七种极端天气事件中的五种，暴露人口规模不能预测政策支持。然而，暴露于野火更多的人更支持气候政策。相反，暴露于强降水更多的人对气候政策的支持较少。我们进行了额外的探索性、非预注册的稳健性检查，以调查暴露人口和土地面积以及暴露人口和国家层面的气候变化信念是否对政策支持有交互作用。由于本研究未评估气候变化信念，我们依赖于另一项研究中对本研究中48个国家的国家层面数据。当控制信念和土地面积时，暴露于强降水/野火与政策支持之间的关系不再具有统计学意义，而主观归因与政策支持之间的关系仍然显著。因此，暴露于野火/强降水与政策支持之间的关系应谨慎解释。

MagicJack

（接上篇）

我们测试了暴露人口规模和主观归因是否交互影响政策支持，正如先前研究中调查的那样。我们发现主观归因显著调节了暴露人口与政策支持之间的关系。具体而言，主观归因调节了暴露人口与政策支持之间的关系，对于热浪和热带气旋，暴露人口与政策支持之间的关系在主观归因较高的参与者中更强，而对于强降水和欧洲冬季风暴，暴露人口与政策支持之间的关系在主观归因较高的参与者中较弱。然而，我们发现河流洪水、干旱和野火的交互效应相反：随着主观归因增加，暴露人口与政策支持之间的关系减弱。换句话说，对于主观归因高的个体，政策支持已经很高，较少依赖于对这些极端事件的暴露。相比之下，对于主观归因低的个体，政策支持随着对干旱、洪水和野火的暴露增加而增加。

7 研究方法

数据集
本研究依赖于为TISP Many Labs研究收集的数据集。有关数据收集策略的详细信息可以在参考文献65中找到。参与者被要求仔细阅读同意书(根据IRB协议号IRB22-1046批准)，其中包括有关研究的一些一般信息和数据的匿名性。只有同意参与研究的参与者才能继续进行研究。

样本和加权
数据收集在调查中，这些调查使用了年龄(五个区间：18-29岁，30-39岁，40-49岁，50-59岁，60岁及以上，各占比20%)和性别(两个区间：50%男性，50%女性)的配额。为了生成在性别、年龄和教育方面对目标人群具有代表性参数且具有更精确标准误差的模型，我们使用了后分层权重。具体来说，我们计算了国家层面的后分层权重、每个国家的样本大小权重、完整样本的后分层权重以及用于多级分析的重新调整的后分层权重。

问卷中包含的主要测量
气候政策支持：参与者被问及："许多国家已经出台了减少碳排放和缓解气候变化的政策。这可能包括旨在减少温室气体的法律的实施。请表明你对以下政策的支持程度：1)提高对天然气和化石燃料或煤炭的碳税，2)扩大公共交通基础设施，3)增加风能和太阳能等可持续能源的使用，4)保护森林和土地区域，5)增加对碳密集型食品(如牛肉和乳制品)的税收。"响应选项范围从1=完全不，2=中等，3=非常支持，以及4=不适用。响应选项4在分析中被编码为缺失。

主观归因：参与者被问及："接下来的问题是关于气候变化和天气事件。当你回答它们时，请考虑你的国家。你认为气候变化在多大程度上增加了过去几十年以下天气事件的影响？1)洪水，2)热浪，3)强风暴，4)野火，5)大雨，6)干旱。"响应选项范围从1=完全不，到5=非常多。

分析
为了估计主观归因、暴露人口和三个交互项(暴露人口×主观归因；暴露人口×收入对数(美元)；暴露人口×居住地区(城市与农村))之间的关系，我们使用了具有跨国家随机截距的分块多级回归模型。此外，我们计算了具有随机效应的模型，以估计主观归因对气候政策支持的影响如何在不同国家之间变化。我们按国家均值和标准差对所有自变量进行了缩放，除了国家层面的变量"暴露人口"，我们使用总均值和总标准差进行了缩放。

我们估计了两个量表的可靠性：主观归因和气候政策支持。全球样本中主观归因的量表可靠性非常高，Cronbach's alpha=0.92，omega=0.92。主观归因在67个国家的可靠性概述(范围从omega=0.74到omega=0.95)可以在补充表10中找到。全球样本中气候政策支持的量表可靠性可以接受，Cronbach's alpha=0.61，omega=0.62。气候政策支持在66个国家的可靠性概述(范围从omega=0.40到omega=0.75)可以在补充表11中找到。为了进一步评估我们的政策支持量表的稳健性，我们运行了一个多分并行分析，使用主轴因子分析来检查应该保留多少个因子进行探索性因子分析(EFA)。并行分析确定应保留两个因子进行EFA。因此，我们运行了一个EFA，使用未加权最小二乘因子分析和promax斜交旋转来检查两个因子载荷。我们的项目清楚地加载在两个因子上，与扩大公共交通、保护区和增加可再生能源相关的项目加载在因子1(标记为“绿色转型”)上，与增加肉类和乳制品以及化石燃料税收相关的两个项目加载在因子2(标记为“税收”)上。税收子量表具有良好的内部可靠性(omega=0.73)。绿色转型子量表仍然具有可接受的可靠性(omega=0.61)，与总量表的可靠性相当(omega=0.62)。

我们进一步进行了三个非预注册的稳健性检查。我们进一步进行了国家土地面积(平方公里)与暴露人口的交互作用、国家层面气候变化信念与暴露人口的交互作用以及两个气候政策支持子量表(税收和绿色转型)的分析。气候变化信念的数据来自Climate Many Labs研究，由Our World in Data处理，而土地面积的数据来自世界银行(2024)编制的多个来源和参考文献。本文中的“国家”一词既指主权国家，也指未被承认为主权国家的地区。

影响模型CLIMADA
在本研究中，我们使用了开源的、概率性的CLIMADA(CLIMate ADAptation)风险建模平台，用于从不同灾害中计算暴露人口的明确空间网格，分辨率为150弧秒(赤道约4.5公里)。CLIMADA旨在以全球一致的方式模拟气候和天气相关灾害的相互作用、资产或人口对这种灾害的暴露以及暴露的基础设施和人员的特定脆弱性。该平台作为一个社区项目开发和维护，Python 3源代码在GNU通用公共许可证(v.3)的条款下公开可用。

暴露
我们使用了2020年发布的网格化世界人口(GPW)数据集v.4.11(CIESIN, 2018)，来绘制国家的人口暴露图。选择GPW数据集是因为其高空间分辨率以及全面一致的覆盖范围，提供了30弧秒(赤道约1公里)粒度的人口计数估计，我们将其聚合以匹配我们风险模型中使用的150弧秒分辨率。

灾害
本研究分析了七种类型的极端天气事件：干旱、河流洪水、热浪、强降水、热带气旋、野火和欧洲冬季风暴，这些构成了我们风险模型中的输入灾害层。我们计算了这些事件的暴露人口。

本研究中的每种灾害都是基于其独特特征及其对暴露人口的潜在影响来定义的，选择的底层数据集确保所有涉及国家的一致覆盖。其中一些灾害是从事件角度评估的(例如热带气旋、野火)，而其他则是作为年度汇总措施评估的(例如河流洪水、热浪)。灾害要么是从历史记录(热带气旋、欧洲冬季风暴、野火)、参考期的气候再分析(热浪、强降水)或历史气候模型(干旱、河流洪水)推断的。在多个(气候)模型对灾害建模有贡献的情况下，我们计算了暴露人口的多模型中位数影响。

对于干旱，我们使用了基于土壤湿度的"长期"定义70，这种方法主要捕捉农业影响，可能导致对人口的间接影响。此外，数据集提供了年度最大值，不代表单一干旱事件，这可能限制我们对某些地区风险分析的深度。

在本研究的河流洪水案例中，使用的数据集代表了大河流和河流洪水，而沿海或雨水洪水不包括在内。我们注意到"强降水"作为一种不同的灾害，可以作为雨水或山洪的代理。此外，由于考虑完整网格单元受影响的方法，可能存在对受影响区域的高估。

对于热浪和极端降水事件，我们基于与20年参考期1980-1999的偏差来表征灾害。我们使用ERA-5再分析数据来显示观测到的趋势，作为参考期与更近期的20年期间2000-2019之间的变化。最后，变化显示为多模型中位数。

2000-2019历史时期的野火使用卫星图像来推导热异常进行评估。如果温度超过300 K，则认为网格单元受到影响。历史时期由MODIS卫星任务的数据可用性决定。该方法不区分有意和无意的火灾，数据集仅捕捉网格点特定的年度最大值。

最后，在我们的预注册中，我们广泛将热带气旋和欧洲冬季风暴归类为"风暴"。通常，热带气旋在热带和亚热带地区占主导地位，而我们建模的冬季风暴主要在欧洲观测到。鉴于它们不同的地理发生，这两种风暴类型的影响可以被认为是附加的或互补的。然而，高纬度地区的热带气旋影响，风暴经常经历温带过渡(例如2012年的桑迪，2019年的多利安，2020年的菲奥娜)，由于其起源被包括在热带气旋类别中。虽然这种分类确保了与我们框架的一致性，但与热带和亚热带相比，建模这些暴露具有更高的不确定性。此外，风暴影响是相对于人口规模表达的，与经历类似风暴频率的人口密集地区相比，这可能导致人口稀少地区的暴露比例不成比例地高。我们依赖历史记录来评估两种风暴灾害的影响，读者应考虑到这些考虑因素来解释高纬度的结果。

MagicJack

（接上篇）

暴露人口的定义
在本研究中，我们将"暴露人口"定义为在给定时间段内暴露于特定天气相关灾害的国家总人口的平均年比例。时间段的概述可以在补充表13中找到。这是通过将在研究期间至少经历过一次灾害的每个150弧秒网格单元中的个体数量相加，然后根据GPW数据集将其除以国家的总人口来计算的。因此，这个指标是相对的，不反映暴露的严重性或个体被不同事件反复影响的潜力。此外，在美国等大国，不同的灾害可能影响不同的地区人口(例如西海岸的野火与东部的热带气旋)，不幸的是，这在我们的人口层面聚合中没有捕捉到。暴露人口以占总人口的百分比呈现，为我们研究中包括的68个国家提供了比较分析的标准化测量。

8 讨论总结

本研究提供了全球证据，表明将极端天气事件主观归因于气候变化与更大的气候减缓政策支持相关。总体而言，不同的极端天气事件似乎与气候政策支持有不同的关系。这种模式突出了考虑不同类型事件的比较分析的重要性。

我们还提供了主观归因很高的证据，特别是在拉丁美洲。这可能是因为在拉丁美洲，人为气候变化的信念和自我报告的个人极端天气事件经历很高，而且拉丁美洲国家的人们最有可能报告气候变化将极大地伤害他们和后代，并且气候变化应该是政府的高度优先事项。因此，在一些拉丁美洲国家，主观归因与政策支持之间的关系较弱可能是由于天花板效应。

与先前的研究一致，我们还发现主观归因与暴露于欧洲冬季风暴、热浪、强降水和热带气旋交互影响气候政策支持。仅仅暴露于极端天气事件可能不足以增加政策支持，除非个体将这些事件与气候变化联系起来。虽然更大的极端事件暴露与政策支持无关(野火除外)，但我们不能排除极端天气事件频率随时间的变化可能足以改变支持。尽管如此，我们的数据表明，如果个体将极端天气事件归因于气候变化，无论事件是否更频繁，对气候政策的支持都更高。反向因果关系也是可能的：支持气候政策的人更有可能将极端天气归因于气候变化。需要纵向面板研究来调查这种关系的性质和方向。

这些发现也可能有助于解释先前关于极端天气事件经历与减缓行为之间关系的不一致结果。这些研究中很少有评估参与者是否将这些事件与气候变化联系起来，因此遗漏了一个关键的控制变量。因此，我们强烈建议未来的研究评估主观归因。我们在预注册模型中发现暴露于强降水与政策支持之间存在负相关关系。强降水的主观归因相对较低。这证实了先前的发现，即人们常常未能将极端降雨与气候变化联系起来。与这一论点一致，一项调查10个国家(2006-2018)气候变化报道主题的媒体分析发现，关于极端天气事件的媒体报道主要集中在天气异常以及火灾、飓风和风暴上。暴露于强降水更多的国家可能因此更不愿意支持气候政策，因为他们不太可能将这些事件与气候变化联系起来。我们的调节分析显示，强降水暴露对政策支持的负面影响在主观归因低的人群中最强。这进一步强调了需要更多关于气候变化沟通的研究，涉及通常不与气候变化相关联的极端天气事件类型，如强降水，因为这些事件可能作为"可教时刻"。然而，应该注意的是，暴露于强降水与政策支持之间的关系在我们的探索性分析中不再显著，这些分析包括了暴露人口与土地面积和气候变化信念的交互作用。因此，这一发现应谨慎解释。

野火是唯一一种在控制主观归因时正向预测气候政策支持的极端天气事件类型，尽管在包括暴露与土地面积和气候变化信念交互作用的模型中，这种效应不再显著。几项先前的研究同样报告了野火暴露与气候政策支持之间的正相关关系。这种正相关关系可以解释为野火通常导致广泛和可见的损害，并且由于烟雾暴露与个人健康问题相关。另一项研究发现，在直接经历过野火的澳大利亚成年人中，45%增加了个人气候行动主义，进一步证明了野火对行为意图的影响。

与我们的假设相反，暴露人口与政策支持之间的关系在主观归因高的干旱、洪水和野火个体中较弱。一个可能的解释是，这三种极端天气事件允许可以直接减少灾害本身的管理策略，如人工防洪、灌溉系统、计划烧除和土地使用政策。因此，人们可能更支持与执法或经济法规相关的政策，而不是气候变化减缓。相比之下，虽然强降水、风暴和热浪因气候变化而加剧，并且可以通过解决气候变化来缓解，但一旦发生，我们只能管理其影响，而不能防止其发生。未来的研究应调查这些交互作用，并探讨暴露人口规模是否调节主观归因与政策支持之间的关系，而不是主观归因调节暴露人口与政策支持之间的关系。

我们的暴露人口测量有优点和局限性。虽然暴露人口的标准化指标允许比较不同事件在不同国家的影响，但它是一个相对指标(即相对于国家的总人口)，并不反映暴露的严重性或个体反复暴露于不同事件的可能性。此外，该指标不考虑复合事件的暴露，即当两个或多个事件以相互作用的组合发生时。无法得出研究中的参与者是否直接暴露于这些事件的结论。因此，该指标反映了这些事件的更广泛人口层面暴露，而不是个人层面暴露。数据不能说明个人层面的暴露是否与政策支持相关。然而，可以可靠地得出结论，人口层面的暴露与政策支持无关。一些极端天气事件不太可能直接经历(例如洪水或飓风)，但它们仍然得到广泛的媒体报道。因此，分析人口层面暴露的方法允许研究超越个人事件暴露的影响。应该注意的是，对于一些极端天气事件(例如热浪和强降水)，大多数人在过去几十年的某些时候受到这些事件的影响，因此方差较低。

由于暴露人口的测量包括过去几十年，这里的估计对于暴露的影响可能是保守的。研究人员发现，事件的时间接近性对气候变化关注很重要：事件越近，对气候变化关注的影响越大。由于其中一些事件不常发生(例如热带气旋)，本研究中包括的较长时间具有优势，它们允许在全球背景下比较几种不同事件的影响。

通过使用人口层面暴露于极端天气事件的测量，本文发现主观归因预测气候政策支持，而暴露于本研究中考虑的七种极端事件中的五种不能预测政策支持。总体而言，确保主观归因可能是增加气候政策支持的重要方式。实验研究可以专注于找到有效的沟通策略，以增加公众的主观归因，帮助发展因果模型。极端天气事件越来越多地在新闻和社交媒体上与气候变化联系起来，但需要更多研究来研究全球南方极端天气事件及其归因的沟通。

MagicJack

（接上篇）

9 重要图表分析

1.气候政策支持全球证据

2.极端天气事件主观归因

3.各国暴露人口分布

4.多级模型预测结果

5.主观归因与暴露人口的交互作用

气候政策支持全球证据图：直观展示了全球范围内对五种主要气候政策的支持程度差异，特别是揭示了税收政策与绿色转型政策之间的支持度差距。

主观归因分布图：显示了不同国家将极端天气归因于气候变化的程度，南美国家的主观归因最高，而北欧和非洲国家最低，这一地理分布模式对理解文化和社会因素对气候认知的影响至关重要。

暴露人口分布系列图：详细展示了七种不同类型极端天气事件在全球各国的暴露程度，其中热浪和强降水的暴露范围最广，而野火和热带气旋的暴露更具区域性特征。

多级模型结果图：总结了统计分析的核心发现，明确显示主观归因对政策支持的显著预测作用，而大多数类型的极端天气暴露本身并不直接预测政策支持。

交互作用图：揭示了主观归因如何调节暴露与政策支持之间的关系，这种调节作用在不同类型极端天气事件中表现出不同的模式，对理解公众气候态度形成机制具有重要价值。

这些图片共同构成了研究的核心证据链，从描述性统计到多变量分析，从全球分布模式到心理机制探索，全面支持了研究的主要结论。