气候变化缺失的风险

大量证据表明，大气中温室气体浓度增加的风险和影响非常重大，将影响人类生活和环境的几乎每一个方面，并最终可能是毁灭性的。在普遍预期的物质变化和通常在经济评价中估计的相对较小的总损失之间存在着明显的不一致^1，2．对这种不匹配的部分解释来自“缺失风险”:由于不确定性、由于我们对它们的理解有限或由于现有的经济模型没有足够详细地捕捉到这些风险，这些风险目前没有包括在经济评估中。

不同的物理和社会系统内部和之间的相互作用在确定影响将在何时何地显现的过程中起着至关重要的作用，而对这些相互作用的了解往往很少。这导致了大量且不断增长的不确定性估计，以及广泛的不完全理解和低估的风险^3.．例如，气候变化影响可能引发社会不满、混乱和迁移，以及不稳定和冲突，这些都是非常不确定的，但可能造成严重后果。

将这些风险排除在经济评估之外，相当于将其发生的概率设为零。显然，事实并非如此。类似地，只处理预期的影响水平和报告中心置信度界限的常见做法会削弱决策者处理实际风险范围的能力。总的后果是低估了气候变化的总风险。该视角旨在从自然角度和社会角度识别、分类并提出应对目前气候变化的社会经济评估没有捕捉到的一些最重大风险的方法。作为如何实现这一目标的一个例子，我们展示了如何将不同的影响估计或假设连贯地结合起来。

对气候变化风险的经济评估是企业和社区制定政策和长期规划过程的关键投入。各种研究已经在多个部门预测了气候影响(破坏)的成本^4，5而综合评估模型(IAMs)对碳的社会成本进行了全球估计⁶(在整篇论文中，我们使用IAM这个术语来指代利益-成本型IAMs和详细过程型IAMs，前者将损害作为标准，后者传统上专注于缓解策略的成本-效益分析，但越来越多地发展为整合影响估计)。这种评估通常打算远远超出金融风险，并涉及“非市场”影响，如对生态系统和更广泛的人类福祉的损失。

量化气候风险的目的通常是得出可能影响的概率分布，如海平面上升数米、生物多样性指数下降、受某些类型事件影响的人口或国内生产总值(GDP)损失的百分比。然而，人为的气候变化使气候-社会系统进入了一个以前从未经历过的状态，因此稳健可靠的可能性几乎不存在^7，8，9．然而，即使是基于科学的这种分布的粗略估计，对于阐明气候变化经济影响综合复杂性的特征也是有价值的。事实上，即使在没有可靠的量化指标存在的情况下，我们可能仍然能够设定合理的限制。

经济模型所产生的气候变化影响的分布通常被视为概率分布，但在实践中，它们具有很深的不确定性^7，10．因此，尽管模型在支持政策方面发挥了一定作用，但模型输出不足以促进有效应对许多风险，即使在没有量化指标或存在严重不确定性的情况下，也必须考虑与气候变化相关的风险。

目前，在经济评估中，气候变化的所有风险都没有体现出来。这主要有两个原因。首先，在对物理风险的理解、对这些风险的影响及其非线性社会反馈的经济学理解，以及将这种理解纳入经济模型和分析之间，存在着相当大的时间延迟。其次，高度的不确定性和对物理过程不完全的理解可能会促使科学家在报告它们时持保守态度，或者驱使他们专注于中心估计。

将五种不确定因素区分为经济影响不确定(方框)是有帮助的1，见图。1)．第一个来自未来社会经济政策情景的不确定性(UC1)。这种情景的不确定性将不是我们讨论的重要部分，因为我们关注的是告知政策选择，这通常涉及不同的社会经济和政策情景的比较。第二类是指描述气候和社会系统过程的参数(UC2)，如气候敏感性、消费边际效用的弹性、格陵兰和南极冰盖的冰损失率、与热相关的潜在死亡率增加等。模型不确定性(UC3)源于不同专家和建模中心处理问题结构的方式不同，以及可用于调优的计算和统计参数的选择不同。随着时间的推移，即使是模型上的微小差异也可能导致结果的巨大差异¹¹(一种被提出的类似于蝴蝶效应的蛾蛾效应)。

轨迹的不确定性(UC4)描述了未来轨迹的内在的、随机的、不确定性。在确定性模型中，如全球气候模型(GCMs)，它产生于它们的非线性动力行为，被称为“初始条件不确定性”。⁷．尽管IAMs通常没有这种形式的混沌可变性，但它们所代表的社会经济系统同样是非线性和可变的，并且可以使用随机表示来探索其中的轨迹不确定性^12，13，14．

最后，模型不足(UC5)指的是我们的模型中已知和未知的局限性:它们对过程的不完整表示可能显著影响它们设计用来表示的真实系统的结果。当量化模型的目的是为政策决策提供信息时，承认模型假设和不足是特别重要的，而增加模型的覆盖率和复杂性往往不会增加其相关性和准确性¹⁵．

虽然在认识论上不同，但参数、模型和轨迹不确定性(UC2-UC4)可以在影响评估中结合，因为它们对决策者来说在功能上是相似的。然而，科学家们对待它们的方式却截然不同。其中，参数不确定性是最容易通过数据收集和实证研究减少的，尽管这可能是一个缓慢的过程。科学进步可能增加或减少模型的不确定性。轨迹不确定性背后的敏感性来自于起始条件的最精细细节¹⁶以及它们大规模的、通用的特征¹⁷．前者是不可约的，而后者至少有可能通过进一步的研究和更好的观察而被约掉⁷．我们认为风险评估应该包括UC2-UC4，以及模型局限性的描述(UC5)，以描述围绕最终结果的综合不确定性。

决策者通常擅长处理不确定性，可以使用低概率/高损害结果和未知概率/高损害结果的信息。例如，第六次政府间气候变化专门委员会(IPCC)的评估报告认为，气候敏感性在2-5°C范围之外的概率高达10%，而这一概率在很大程度上反映了概率分布上尾部的深度不确定性^18，19．高程度变暖的相关风险大大高于公共卫生方面可接受的风险水平(例如，万分之一(参考文献)。^20.))，事实上，尾部概率的不确定性已经被证明对未来福利的经济评估有数量级的影响，因此也会影响减排的价值²¹．甚至不能完全排除人为气候变化导致温室效应失控的可能性²²．决策通常有多个目标，有害的、低概率的结果可能发挥重要作用。因此，重要的是决策者要意识到有害过程，即使它们的可能性是未知的。例如，很难知道气候是否会影响GDP增长率²³将持续到未来，但如果他们这样做，结果将是毁灭性的。此外，当风险不被充分了解或在估计方面存在很大差异时(例如，健康风险)，有时会被排除在外²⁴)．如果只考虑IPCC报告中认为“可能”的风险(66%以上的概率)，那么很大一部分潜在影响的概率将被错误地定为0%。其中一些风险极其复杂，影响跨越多个部门，涉及相当大的路径依赖(例如，生物多样性或生态系统损失)。其中大多数都充满了“深深的不确定性”，科学家们在提供可靠估计的基础上存在分歧(例如，气候导致冲突的可能性)²⁵)．然而，这些挑战并不是将它们纳入政策制定或经济估值的不可逾越的障碍。有机会使用不精确的概率，正式的可能性方法和非正式的可能性方法²⁶例如“未来的故事”，它将物理上的现实和似是而非的未来集中在关注系统的各个方面^27，28．

在这里，我们区分了目前缺失的五类风险，并就如何开始将它们整合到当前和未来的研究中提出了潜在的解决方案。下面的分类是基于它们被排除的原因，这些原因提供了在不久的将来如何使用它们的见解。

失踪的生物物理的影响

一组被遗漏的风险来自于IAMs的校准，它通常已经过时了几十年²⁹．现在认为在当前和未来的变暖水平上有很大可能性的几种风险就是如此，例如大西洋经向翻转环流在2300年崩溃(估计可能性不大)。^30.到2100年永久冻土突然融化(评估为高概率)³¹(也见附图。1)．从改善对气候现象的理解到在经济模型中对其进行估值，这一过程可能很漫长。它通常要求对相关气候驱动因素的理解达到一种超越气候科学界的科学，例如通过政府间气候变化专门委员会报告等媒体。作为这个过程的一部分。为了将气候风险转化为物理影响，常常需要建立生物物理模型;经济学家需要理解社会系统对物质影响的反应，并对这些反应进行福利评估;然后需要将风险纳入IAMs、可计算的一般均衡模型或其他综合分析。这需要多个学科之间的密切合作^32，33．

大量相关风险的物理影响和人口暴露已经量化(补充表1)．在某些情况下，可以很容易地将影响转化为福利或金钱损失，并可迅速纳入评价。在其他情况下，没有可靠的估值(例如，生物多样性丧失和自然灾害)或恢复力和一般均衡效应是一级问题(例如，水资源压力和移民)。在这种情况下，需要大量的工作将生物物理风险转化为经济风险。经济评估中没有考虑到的最近事态发展的例子包括人口遭受自然灾害的情况^34，35，最新的基于过程的跨多个部门的影响模型相互比较³⁶以及卫生、生产力、农业和能源的新统计模型³⁷．这些影响估计是在现有的IAMs中这些风险表述之外的重大进展^38，39．

造成这一差距的原因可能有以下几种:影响群体内部对影响规模的分歧;不鼓励大团队合作的经济学文化;并且，在某种程度上，有限的资金可用于经济模式的发展。在不久的将来纳入这些风险的过程必须面临多重挑战。经济损失评估需要反映尽可能广泛的可信反应范围的损失函数:经验损失估计的最新进展³⁷朝着正确的方向前进，但面临的挑战是将短期的天气相关影响与长期的气候影响联系起来，并考虑适应的内在性。气候影响实验室正在尝试解决这两个问题。为了解释适应性，他们使用了观察到的温度敏感性变化⁴⁰．为了支持将这些结果作为气候而不是天气的函数纳入经济模型，他们估计了在缩小的预测天气下的影响，然后将这些不确定的影响编入预期气候，这样就可以在没有每日天气或分类部门的模型中模拟它们⁴¹．波茨坦气候影响研究所的平行工作利用经济模型中的过程模型开发了渠道特定的破坏函数(例如，参考文献。⁴²)．然而，将这项工作纳入经济分析需要解决估值、均衡调整和重复计算的问题，这需要跨学科的方法⁴³．

将许多风险纳入经济评估的能力正因在连接气候科学、经济学和建模文化方面的困难而受到削弱。例子包括气候引爆点、冲突和移民，以及气候正义的话题。自然科学家和经济模型学家努力寻找一种共同的语言来讨论气候变化的可能后果。要弥合这些差距，就需要反复召集参与该问题各个方面的研究人员，以合作为重点。

空间和时间极端

影响的空间和人口差异已成为经济损害的核心特征之一:许多地区的贫困和社会经济弱势群体最容易受到风险的影响^5，43．IAMs通常用高度聚合的术语表示世界，只描述全局结果(例如，DICE模型)⁴⁴)或跨多国区域(例如，PAGE¹⁴、基金⁴⁵和大米⁴⁶)及代办代理人。尽管这些变化可以在损伤函数中参数化⁴⁷或弹性参数⁴⁸，这样做会掩盖气候风险的根本来源和后果。

时间极端也可能发挥重要作用。尽管气候变化的影响来自温度变化和海平面上升的长期演变，但许多影响将表现为极端冲击:热浪、风暴和干旱。虽然有许多自然灾害的预测^35，49，它们没有在IAMs中表示，报告的指标通常隐藏了可变性的作用⁴．见补充部分中关于空间和时间极端情况所产生的风险的例子D．

将与极端事件或对不同收入群体的影响有关的小空间和时间尺度与在世界大区域和长时间尺度上运作的IAMs结合起来是一项概念上的挑战。详细的空间研究需要模拟和数据，通常只有少数几个国家可以获得。从单个家庭到国家政策和全球治理，对气候变化反应的系统复杂性和潜在影响进行研究可以在这方面有所帮助。

传统上，收益-成本IAMs的高度聚合方法通过依赖跨期优化，支持它们用于确定全球福利最大化的气候政策。然而，对情景的经济评估并不需要优化，美国和欧洲已经产生了更高分辨率的经济风险评估³³，临界点的后果⁵⁰以及使用经验损失估算的国家级别信息⁵¹．随机优化技术的改进也为研究最佳缓解提供了提高分辨率的途径⁵²．

更好地处理这些特征的一种方法是改进一般处理异质性、可变性和不确定性的方式。我们提出，在考虑模型不足的同时，在高空间和时间分辨率下，将参数、模型和轨迹的不确定性结合起来是一种新兴的方法。首先，影响模型应由按月或以更高频率在几十年周期内获得的精简投入来驱动。这捕捉了气候系统自然变率和气候变化所代表的动态不确定性之间的相互作用。冲击模型中的参数不确定性应该用参数值的概率分布来表示，用Monte Carlos在多个降尺度gcm和多个冲击模型上进行模拟，理想情况下可以从初始条件集合中提取。

此外，改善向政策制定者传达不确定性的方式也很重要。在呈现基于模型的信息时，我们建议将可变性从不确定性中分离出来，也就是说，对一个模型产生影响的概率为1 / 100，以及该数字如何在模型之间变化。最后，需要清楚地说明模型的不足，并表示未建模的风险(例如，用余烬图)。

反馈风险和交互

反馈过程在气候、环境和经济系统内部和系统之间无处不在。关键的、有时被忽视的风险来自气候变化和可变性、人口变化、经济不安全和政治进程的复杂相互作用(补充节)E)．物理风险不是相互独立的，气候变化可以作为催化剂和压力源，加速和恶化条件，导致气候系统和社会临界点的级联效应(图1)。2和补充部分F)．反馈过程通常是重尾分布的来源，因此与黑天鹅事件密切相关(见“深度不确定性”)。然而，这些相互作用在分析中经常被遗漏，从而成为遗漏风险的来源。

反馈系统的复杂性减缓了对它们的理解和建模过程。复合的、连续的和并发的极端情况将导致(对于单个驱动因素)对实质性影响的较低阈值，以及当两个驱动因素对齐时的更深影响⁵³．对这类次级效应的全面缺乏代表导致了对风险的低估。

评估和风险管理框架需要更好地结合不确定性和复杂的级联风险，包括建立在相互作用的部门、参与者、地球物理灾害、情景和故事情节上的系统方法。目前正在开发利用基于主体的建模和可计算的一般平衡模型的方法，但需要付出更多努力来了解它们在气候变化背景下的潜在贡献。

反馈风险的一个重要类别是引爆点⁵⁴．气候、生态和社会引爆点是一个反馈过程的过渡状态，超过这个过程，一个新的吸引力盆地将推动进一步的系统变化，从而产生一种质的不同和自我强化的机制。各种各样的临界点已经被纳入到单个论文的分析中，但要呈现完整的集合一直是一个挑战⁵⁰．

将引爆点和极端气候研究纳入经济评估的一个障碍是，它们在全球气候模式及其相关的缩减产品中没有很好地体现出来。社会科学家指望自然科学家提供概率、时间演化和网格预测来支持他们的工作。这并不总是可能的。要确保气候科学家提供的结果既充分合理，又可以随时纳入经济分析，就需要把这两个学科结合起来。

深的不确定性

深度不确定性描述了不存在稳健概率分布的过程。对于许多影响，在评估危害、暴露、脆弱性和福利方面的一个或多个步骤，在例如其影响的程度和时空概率或频率方面，都存在很大的不确定性(补充节)G)．在某些情况下，用于量化的适当指标并不明确。然而，它们仍然可以(也应该)被考虑到风险评估和规划中。

遭受严重不确定性影响的一类是黑天鹅事件，其特点是其极端性质和持久后果⁵⁵．统计上，黑天鹅事件是重尾分布的结果，这在自然和人类系统中很常见^{54，56，57，58}．这些事件很难预测，因为它们远远超出我们通常观察到的范围，而且往往是由相互关联的不稳定因素引起的。因为它们依赖并触发整个系统的变化，每一个黑天鹅事件都可能极大地改变风险暴露，并迫使开发新的决策环境的需要。随着气候变化的加剧给气候和社会系统带来新的压力，超越历史记录中观察到的极端情况的结果越来越有可能出现。以前认为的“极不可能”事件的高频率需要在气候变化评估中加以考虑。一些例子包括技术突破(无法预见的显著效率提高、新绿色革命的后果等等);治理与地缘政治重组(冲突、贸易集团等);新的气候状况(无法预见的海洋环流或生态系统变化等);融资机制(绿色开发银行、向可再生能源倾斜的补贴等等);疾病爆发(2019冠状病毒病、埃博拉等)。

其中一些深层次的不确定性和黑天鹅事件可以通过场景来探索。情景作为广义叙述和基于模型的定量预测的结合，在过去的气候科学中一直被采用⁵⁹．重要的是，气候叙事反映了全球经济多个地区和部门连续发生的、同时发生的事件。目前使用的共享社会经济路径(ssp)涵盖了一系列的社会经济未来，但这些场景不一定能捕捉到对过去的破坏性偏离⁶⁰．要真正评估深层次的不确定性，需要更多地关注情景的多样性和稳健性⁶¹．交叉影响平衡等计算技术可用于系统地探索大量场景和场景空间的覆盖范围。或者，可以研究(政策)战略对破坏的脆弱性。许多项目都建立在故事情节的基础上^{27，28，62，63，64}．推测故事情节可以开始一个迭代的过程，通过全球和区域的建模练习和故事情节的改进可以提供见解。

需要指出的是，在多模型相互比较和摄动物理和参数研究中对模型不确定性的评估无法提供可靠的概率，这是因为模型之间的共享特征、对可能性的有限探索以及在概念上缺乏定义“模型空间”形状的任何基础，而概率必须在模型空间中建立⁷．然而，从这些集合中得到的不确定性是考虑深度不确定性的起点。示例应用包括使用历史数据的模型评估和开发多部门、多模型预测^65，66，67．

对于IAMs(和捕捉影响的其他模型)和一般的经济损失综合过程，也应启动类似的对深度不确定性的反思过程。虽然国际计量管理系统过去曾进行过相互比较，但一个协调一致的相互比较项目将更广泛地侧重于考虑目前所缺少的或未充分纳入的内容的影响。

未知的风险

最后，我们应该认识到在学术文献中完全没有发现的另一组风险。全球环境-人类耦合系统可能以许多意想不到或尚未研究过的方式被破坏。我们认为目前环境满足人类需求的许多方式是理所当然的，但并不是所有这些功能都是已知的，更不用说它们对气候变化的敏感性了。人口可能会以不可预测的方式对环境的变化做出反应，从而推动具有自身生命力的社会运动。

由于这些风险是完全未知和无法量化的，我们不能在估值中直接包括它们，但我们仍然可以在决策中考虑到未确定的风险。有一些方法可以做到这一点。首先，我们可以考虑一种预防原则，认为我们可能希望保持我们长期以来的历史经验，即使在没有明确识别的风险的情况下。预防原则已嵌入《巴黎协定》，是详细过程综合评估结果的基础，这些结果确定了特定缓解情景的成本效益实施方案⁶．我们可以通过将未来世界与仪器记录所经历的条件范围进行比较来了解我们所面临的风险(例如，见图。3.）⁶⁸．预防原则将促使经济福利计算与地球边界或其他偏离历史范围的情况相结合⁶⁹．

其次，有规范的、伦理的论点来维持地球的自然状态，例如，基于权利的要求，不让人们面临不适当的风险^70，71．他们的论点是，经济制度应符合其利益相关者所持有的价值观，因此，全面的经济评价应考虑到对每个社区所声明的优先事项的侵犯。

第三，即使我们不知道风险的本质，复杂性科学的结果也提供了监测风险指纹的方法⁷²．这些可以提供早期预警信号，并建议在看不到明确危险的情况下提高复原力。

改善我们对气候变化影响经济评估中缺失风险的表述和理解是一个长期目标。它需要在气候、影响和经济科学界之间加强协调，更好地用数据、系统理解和最新的气候科学为经济预测提供依据，以及更好地表示复杂的、相互作用的、异质系统。上面描述的不同类型的缺失风险需要不同的方法来向前推进。此外，当组合不同类型的信息源以产生全面的评估时，需要进行基础工作来理解派生健壮的、可操作的信息的基础——我们应该避免潜在的误导、模型敏感的数据。

我们可以在这一广泛议程中区分出三个重叠的阶段。凭借现有的知识，我们已经可以通过从事详细的综合工作，更好地描绘气候变化的总体风险。这一阶段依赖于整理现有知识，准备更好的叙述，并在遗漏风险的背景下解释结果。第二阶段包括绘制出当前模型所遗漏的空间，并分析改进现有模型或开发更好的非基于模型的方法在哪些方面可能有价值。这一阶段包括改进对定量经济评估的科学投入，改进对不确定性的表述，并就影响建模参与探索国际综合管理系统的潜在行为和模型相互比较。最后，还有一个长期议程，需要有针对性的资金支持跨学科、模型方法和建模实验类型的密集参与，旨在强有力地测试政策相关结论对初始状态、结构模型误差和随机行为和假设的非线性后果的敏感性。

最后，有些风险被视为无关紧要，因为它们要经过很长时间才能产生可衡量的影响。未来的福利损失通常会在成本效益计算中折现(减少)。在本文中我们不讨论折扣，但我们提供一些意见。首先，贴现本质上是一种伦理决策，因此决策者在应用学术经济文献中的常见惯例时应谨慎，并可能从对未贴现损失流的更多认识中受益。其次，在经济负增长的风险下，对未来进行贴现可能在经济或社会上都不明智(例如，在拉姆齐贴现下)⁷³)．第三，除了标准折扣之外，还有其他选择(例如，参考文献。⁷⁴)，但需要最佳实践。

快速量化缺失风险

“缺失风险本体论”一节中讨论的许多风险都有相当多的信息，但这些信息并没有以一种能够导致全面量化的方式进行整合。在这里，我们提出了一种说明性的一般方法，将关于不确定但不断增长的风险集合的不确定信息和定性信息结合起来。该框架突出了现有知识的空白，旨在迅速降低纳入大量当前缺失风险的障碍。

有条件的温度变化ΔT，我们假定每种风险我可以用可能的后果或影响的不精确和可能主观的分布来描述，x_我≈f_我(ΔT)，是可能影响的概率分布。出于我们的目的，我们不知道量化x_我只要该指标在所有风险中都是一致的:例如，它们可以是在每个生命周期中损失的相当于福利的GDP的百分比，或受到负面影响的生命的百分比。假设每个分布包含所有形式的不确定性(UC2-UC5)。

我们可以区分个体风险之间的两种大致形式的相互依赖。首先，不确定性形式背后的驱动因素可以共享，因此一种风险的高影响与另一种风险的高影响是相关的。例如，干旱和野火造成的损害都取决于降水变化，即使考虑了温度变化，它们也可能相互关联。然而，这指向了另一种形式的相互依赖:重复计算。如果同一个地区同时面临干旱和野火的风险，其中一个地区的损失可能已经在估算另一个地区的损失时考虑进去了。

我们使用copula方法来解决这两个问题，它简化了这些相互依赖关系的表示，并在补充部分详细说明一个．这个简单的框架将理解总缺失风险的问题分解为一系列离散的和累积的步骤:(1)确定度量风险的通用度量;(2)估计或以其他方式产生代表每种风险损失的概率分布;(3)确定一对对风险之间的不确定性相关性;(4)确定对风险之间的重复计算程度。

此外，可以在不回顾现有评估的情况下合并额外的风险，允许以分布式的方式包含更多遗漏的风险。用于步骤2、3和4的估计可能是主观的，肯定会涉及深度的不确定性，但它们允许我们更好地理解风险及其在各种假设下的相互作用。

作为该框架的一个说明性应用，我们结合了近期文献中对一系列风险的估计，包括自然灾害、生态系统影响、冲突、移民、海平面上升、冷热死亡率和经济增长影响(补充表)1)．作为一个涵盖所有风险的一致指标，我们用2010年在不同变暖水平下的人口来描述被破坏的生命数量。因此，这里提出的结果并没有提供将这些风险纳入经济评估的完整路径，因为福利损失没有被量化。

我们在图中展示了这些风险及其综合影响。4．就受影响人口的中心估计而言，最大的风险是多部门能源风险(2℃时为46%，4℃时为85%)和相对冲突风险(2℃时为32%，4℃时为75%)。然而，热浪、生产力和水资源压力都有尾部风险(95%分位数)，即全球四分之一以上的人口受到影响。这些风险也可以组合成一个平滑的函数形式，潜在地适用于iam风格的模型(图。4 b)．如果常用的度量标准是经济损失(例如，国内生产总值的损失)，则结果可以在IAMs中以损害函数的形式使用。

这里我们只讨论了事件对人口的负面影响，但也有相互纠缠的积极影响。其中一些是直接的，如某些部门的经济增长加快，以及较温和的寒冬挽救了生命。此外，适应和迁移可以显著降低总体风险。

要了解2°C、3°C和4°C全球平均地表温度异常的风险，不仅需要报告模型提供的现有风险，还需要纳入新的风险类别以及可能极大改变未来社会系统背景和人为气候变化风险的破坏性未知风险的潜力。人们希望，认识到这些“缺失的风险”将提高在可信的变暖情景下对与气候变化相关的后果的总体解释水平。