这件事说起来挺反直觉的：有时候，天气预报越准，反而越容易让人不再相信预警。上个月，新西兰惠灵顿就上演了这么一出。气象部门预测将有巨浪侵袭沿海住宅，随即发布了地方紧急状态，数百人紧急撤离。但结果呢？海浪造成的破坏和淹没范围都很有限。社交平台上立刻出现了质疑声：这次的预警是不是反应过度了？会不会反而让大家以后对警报麻木了？

你可能也有类似的感受——手机地震预警响了，结果是轻微晃动；暴雨红色预警发了，结果雨没有想象中大。次数多了，下一次警报再响的时候，你的第一反应可能不是避险，而是犹豫：“这次会不会又是虚惊一场？”

科学家给这种状态起了个名字，叫“预警疲劳”。而他们最近想搞清楚的问题是：当极端天气因为气候变化越来越频繁，我们怎么才能避免整个预警系统“狼来了”的困局？

先说回惠灵顿这次的海浪事件。从气象观测数据来看，科学家其实有充分的理由发出警告。当时的大气条件非常明确：一股持续而强劲的偏南气流，从南极边缘附近一路延伸超过2000公里，直达新西兰北岛的东海岸。这个距离差不多相当于从北京到广州的直线距离，中间几乎没有间断。

说人话就是，风在一个超长的距离上持续地吹，给了海浪足够的时间和空间不断积累能量。这种条件下生成的涌浪，破坏力是实实在在的。有一个波浪浮标记录到的最大波高约为10米，相当于三层楼的高度，而平均波高峰值也接近4米。这绝对是极端事件，不是“可能有点大”那种程度。

那为什么预报对了海浪的大小，却没完全预报对上岸之后的破坏程度呢？答案藏在细节里——而且这些细节，恰好是科学模型目前还抓不完美的。

海浪抵达岸边之后，到底会造成多大范围的海水倒灌，取决于一堆额外的变量：当时是不是刚好碰到高潮位？海岸线具体的地形是陡峭还是平缓？海底的深浅变化是怎样的？风暴在演变过程中的微小路径偏移又会带来什么连锁反应？这些因素当中，哪怕有一两个出现了一点点偏差，最终结果就可能从一个地方到另一个地方出现巨大的差异。

打个比方，就像你知道一盆水会泼到地板上，水量和水速你都算得很准。但地板哪里高哪里低、哪里有个凹槽、哪块地砖缝隙大——这些你事先并不知道。于是水最终流到哪儿、在哪积起来，就会和你的预判差很多。

这正是科学在面对复杂自然系统时的真实处境。科学给出的不是百分百确定的答案，而是基于观测、模型和先前理解得来的概率。惠灵顿那次，科学家能说的是海浪一定会很大，这件事有很高的置信度。但海水会不会淹到具体的某一条街、某一栋房子，这里面就有相当深的“不确定地带”了。

而做决策的人，恰恰就是在这种充满不确定性的情境下被迫采取行动的。如果他们等所有变量都完全确认了再发预警，很可能人就来不及撤了。所以从决策者的角度来看，“宁可虚惊一场，也好过事后追悔莫及”是一种理性的选择。

但问题就出在这里。对决策者来说是理性的冗余，对普通人来说却可能是信任的磨损。一次、两次、三次“过度反应”之后，不管科学家怎么说“这次的置信度很高”，人们脑子里那个问号都会越来越大。

研究人员已经在调查为什么有些人不按照紧急预警中的防护指令去做。他们想弄清楚的不是一个简单的“听话还是不听话”的问题，而是信任机制到底是怎么构建的，又是怎么断裂的。

这背后的心路历程可能比你想象的要复杂。当人们接收到一个预警时，他们的判断链条大致是这样的：首先，这件事的严重程度我能理解吗？第二，这件事跟我有关系吗？第三，我需要采取的行动是我能做到的吗？最后，也是最容易被忽视的一步——我相信发布这个预警的人或机构吗？

一旦第四个环节松动了，前面三个做得再好都可能白费。而“预警疲劳”最可怕的后果恰恰就在这里腐烂：它不是让人不相信某一次的警告，而是让人对整个预警系统本身产生一种慢性的、难以逆转的冷淡。

那怎么办？总不能不发预警吧。研究人员最近提出了一种思路，叫“关系型治理”。名字听起来有点学术，但它的逻辑其实挺朴素。

这种思路的核心是，预警不应该是专家单方面喊、公众单方面听的一次性广播，而应该是一个社区、专家和治理机构之间在事前和事后都在持续对话的网络。信任何以建立？不是靠一次完美的预报，而是在一次又一次坦诚的互通中，渐渐让人们知道：当我收到一条预警时，它背后站着的是谁、他们怎么做的判断、他们承认哪些不确定性，以及当结果和预判不一样时，他们会诚实地解释为什么。

惠灵顿事件之后就有一个值得注意的经验时刻。预警发出前和发出后，如果当事各方能坐下来，不只是复盘“波浪到底有多大”，也复盘“我们当时为什么这样决策”，并且把这些讨论开放给公众，那一次没有被完全命中的预警，反而可能变成一个加固信任的机会。

反过来，如果预警发完就完了，事后没有解释，没有沟通，没有对那些“不确定性”的坦白交代，公众就会自行脑补。而人脑在填补信息空白的时候，通常不会往好的方向补——更常见的结果是冒出一句：“看来就是瞎咋呼。”

“关系型治理”在实操层面意味着什么？第一，在危险事件到来之前，需要有常态化的科普沟通，让公众理解某种灾害在本地到底意味着什么、预警的流程是什么、预报里的“高置信度”和“低置信度”分别长什么样。第二，在预警发出的那段时间，信息不仅要告诉人们“要做什么”，还要告诉人们“我们已知什么、未知什么，以及为什么此时必须行动”。第三，也是被很多人忽略的——事件结束后，要有一个清晰的回顾渠道，告诉公众“实际发生了什么，和我们当初的预判有什么区别，是什么因素造成了这些区别”。

这套机制保护的不只是一次预警的公信力，它保护的是整个社会在面对越来越频繁的极端天气时，还能保持高效的集体行动能力。因为说到底，再先进的监测设备、再精密的模型，最终起作用的还是要看一个个活生生的人收到预警之后愿不愿意动、敢不敢信。

还有一个更微妙的问题隐藏在“关系型治理”的底层逻辑里——谁来对“虚惊一场”的代价负责？在当前的预警体系下，公众承担了预警不准的心理代价，而决策者承担的是不预警的问责风险。这两边如果不匹配，就容易导致决策者倾向于“宁滥勿缺”，而公众在反复被“滥”之后变得“宁缺毋滥”。这实际上是一个责任分配不均衡的问题，而“关系型治理”的长期价值之一，就是通过持续的对话，让风险和责任这两个东西在各方之间被看见、被讨论、被重新分配。

让我们再回到惠灵顿的海浪。事后复盘时，科学家给出的观测数据是确凿的：10米的波高和4米的平均波峰，2000公里的风区长度，极地边缘南风的长时间维持。这些数据构成了警告的坚实基础。但同样确凿的是，局部淹没的范围没有像最坏打算那样大。如果只盯住“没淹那么厉害”这个结果，而忽略了导致预警发出的那些扎实物理条件，公众的认知就会往“不可信”的方向偏。而这也恰恰是需要事后沟通来校准的地方。

研究人员强调的是一个很容易被忽略的事实：在极端事件面前，科学能够给出的始终是“概率”，而不是“确定性”。有些人希望科学像天气预报App那样，能精确告诉某条街几点下雨、下多大。但在巨浪、山洪、风暴潮这种多变量耦合的复杂系统中，能做到的更多是框定一个可信的概率区间。如果你期待的是一个绝对精确的“是”或“否”，那失望几乎是必然的——而“预警疲劳”恰恰就由这每一次的失望慢慢堆叠而成。

这还带出另一个值得琢磨的点：公众对预警的疲劳程度，其实和他们对不确定性的容忍度高度相关。如果一个社会平时没有机会接触到“科学不确定性”这个概念，不知道什么叫“模型误差”，那当预警中的不确定性暴露出来的时候，人们的反应就容易走向两个极端——要么过度恐慌，把可能当必然；要么过度失望，把概率当谎言。“关系型治理”想要培养的，正是那种中间状态的能力：能理解不确定性的存在，也能在不确定中做出合理判断。

当然，说起来容易做起来难。哪怕是在信息透明度相对较高的国家，事后的解释也很少能完整传递到每一个收到过预警的人那里。媒体的注意力在事件结束后迅速转移，公众的关注度断崖式下跌，这时候再去做精细的复盘沟通，很容易陷入“没人听”的尴尬。这个问题目前还没有完美的解法，但研究人员认为，至少可以把事后沟通变成预警流程的一个标准化环节，而不是可做可不做的“附加题”。

还有一个容易被忽视的参与者——社交媒体。在惠灵顿事件中，社交平台上的讨论很快就从“发生了什么”转向了“是不是反应过度了”。这种转向的速度往往比任何官方复盘都要快，一旦“反应过度”的叙事形成惯性，后续的理性解释就很难追赶了。这提示了一个绕不开的现实：如果治理机构不在舆论场上主动参与叙事建构，别人就会替你建构。而要参与，靠的不是删帖或者灌水式的辟谣，而是在预警前就积累的、长期存在的、有血有肉的沟通关系。

说穿了，“预警疲劳”并不是公众的无理取闹，也不是科学家的无能，更不是决策者的怯懦。它是一种结构性的紧张：科学的速度赶不上天气变化的速度，沟通的节奏赶不上信息扩散的节奏，信任的修复赶不上怀疑的生长。而解开这个结的唯一办法，不是让任何一方闭嘴，而是让信息和解释在事前、事中、事后都能流动起来，让彼此的期待逐渐对齐。

值得一提的是，研究人员并没有把这个问题局限在某一个国家或某一类灾害。他们提出的“关系型治理”框架，对于任何需要频繁面对不确定性预警的领域——地震早期预警、洪水预测、野火蔓延——都有潜在的参考价值。核心逻辑是相通的：当警报必须频繁响起的时候，保护人们反应能力的唯一办法，就是让每一次警报前后的对话都是完整的、诚实的、可追溯的。

结尾或许可以留下一个开放但不太轻松的问题：如果未来十年，我们所在的地方需要发出的各种极端天气预警数量是现在的两倍甚至更多，那我们现在的信任储备，到时候还够用吗？而这个问题，其实从现在开始就值得认真想一想了。