“随机”技巧或有望打造气候科学更佳模型—资
时间:2017-12-07

  “随机”技能或有望创造一个更好的气候科学模型

  事实上,随机技术被广泛应用于经济,物理,工程和天气预报。但他们从来没有在气候模式中找到命运。

  图片来源:CULTURA RM / ALAMY

  三名统计人员去打猎,发现一只鸭子。第一枪太高,子弹穿过鸭头,第二枪低一点,子弹飞到鸭腹下面,第三名统计员跳起来,跳起来,最后喊了一声: !

  这可能不是狩猎水禽的最好方法,但是在研究人员的栖息地,研究人员发现,类似的无目的方法在预测复杂的系统行为方面非常有效。事实上,随机技术被广泛应用于经济,物理,工程和天气预报。但是他们从来没有在最受关注和最有争议的预测地区的气候模型中找到自己的位置。

  在气候模拟领域,研究人员经常以确定性的解决方案为目标:获得更详细和更复杂的数据模拟,以便了解气候如何对诸如温室气体排放等投入作出反应。虽然这些结论具有科学价值,但一些批评者指出,由于其自​​身的复杂性,该模型变得不实用。

  结果很差

  房子本来有两层,但现在有八层。它承受所有的重量,墙壁开裂。澳大利亚莫纳什大学的气候模拟专家克里斯蒂安·雅各布(Christian Jakob)说,你有两种选择进入内部,加强基础或者建造一个新家。

  现在,一些研究人员正在呼吁彻底改革:这些模型应该随机调整。例如,在本月底,英国“皇家哲学会A”的一个特刊将发表14篇关于随机气候模式框架的论文。

  气候模式预测效果不佳的一个主要原因是,这不是他们设计的目的。研究人员主要为了另一个目标而设计它们:在全球范围内探索系统不同部分的相互作用。这些模型首先将大气划分为箱形元素的巨大三维网格,通常长100公里,高1公里。基于物理定律的方程式用于描述每个箱体内的变量如何影响相邻箱体的匹配变量,主要是压力,温度,湿度和风速。

  对于比网格小的运行过程,比如云的形成,科学家通过使用他们在过去几年中结合网格元素提炼的确定性公式来表征他们的典型行为。然后,通过使用超级计算机来处理整个网格来解决这些方程。

  这种方法已经被证明对于探索地球的气候系统非常有用,例如化石燃料排放,大气二氧化碳和全球气候变化之间的相互作用,但是在预测地球的哪些地方,何时以及未来的天气如何变化。

  例如,去年,政府间气候变化专门委员会(IPCC)的科学家系统地比较了20个关键气候模式的预测结果与过去60年的气候数据。美国迈阿密大学气候学家Ben Kirtman和IPCC第五次评估报告的短期内容表示,结果令人失望,这些模型在预测全球平均地表温度方面效果较好,并且具有一定的预测性在大西洋的价值,但在预测广阔的太平洋中几乎没有用处。

  障碍

  Kirtman提到,最全面的模型不一定是最有效的。正如气候学家详细说明叶子的生长和白蚁的分布,因为他们在模拟过程中添加了成分,模型变得臃肿,慢慢得出结论。这是一个根本性的问题。他说他们正在试图添加一切。而且,这些模型中的一些不能很好地模仿自然,Jakob补充说:一些旧的问题还没有解决。模拟降雨和云层形成等事件进展缓慢。

  大部分问题都可以归结为电网解决方案。事实是,模型的细节水平并不完全依赖于科学的约束。提倡基于气候模型的方法的英国牛津大学(Oxford University)的物理学家蒂姆·帕尔默(Tim Palmer)说,它完全是计算机大小。粗略地说,计算能力增加了一个数量级,网格尺寸必须减半。典型的水平网格尺寸从70年代的500公里下降到今天的100公里,10年后将减少到10公里。但是帕尔默指出,即使这对云层建模等极其重要的小规模现象也不是什么大的帮助。

  另一方面,计算机科学家在获得这些细节之前遇到了物理障碍:功耗。 Exascale器件(每秒1018个浮点运算)即将到来,但问题是你可能需要100兆瓦运行它。帕尔默说。这些能源足以为10万人口的城镇提供足够的电力。

  面对这些障碍,帕尔默等人开创了新的起点。他们说,气候模型制造商需要退后一步,从天气预报中获得灵感,尤其是欧洲ECMWF开发的技术。

  自20世纪90年代以来,ECMWF的研究人员通过在模型中引入随机方法来重新组织世界的天气预报,这些技术也被称为蒙特卡罗方法,是由曼哈顿在第二次世界大战期间计划的科学家首先开发的,以模拟中子扩散遍历材料,其思想类似于滚动骰子或重复旋转轮子:多次计算产生了一系列不同的结果,然后通过对结果进行聚合并与经验观察进行比较来优化模型,现在相关技术被广泛使用在物理学和工程学的许多分支,甚至电脑生物学家用它来模拟细胞膜或蛋白质。

  注入新的活力

  为了将这种方法应用于天气预报,ECMWF模型专家将小的随机扰动引入原始天气条件。使用稍微不同的原始条件多次运行模型一种称为复合模型的方法可以更准确地预报天气。世界上大部分的主要天气预报都采用了这种方法。

  帕尔默说,密切相关的方法将改变气候模式。时间尺度上的一个主要区别是:与天气模型制造商不同,他们可以很快地发现预测是否准确,气候研究人员需要思考未来几十年的情况。为了优化模型,他们必须输入特定年份的气候记录,看看它如何预测未来十年的气候模式。

  帕尔默还指出,随机模型将控制气候系统的组成部分,这对传统的确定性模型来说太不稳定了。他提到,例如,热带雷暴系统对全球气候系统非常重要。但是由于它们的核心只有几公里宽,普通的模型网格就无法抓住它们,固定的数学描述中包含着重大的错误。

  研究人员还提出了几种互补的方法,将这些方法纳入气候模式。这些想法包括通过允许晶体管级别的随机误差来使超级计算机运行得更快,并且通过在不同规模上建模不同的进程来减少计算机负载等等。

  在另一种方法中,模型专家将提取现有气候模型的特定组成部分,例如模拟云层形成的子程序,并用随机等值替代。美国纽约大学数学科学基础研究所的数学家安德鲁·马伊达(Andrew Majda)和他的同事也这样做。他发现,将随机云模拟插入NCAR气候模式几乎可以复制出重要的热带气候模式。

  一些研究人员认为,只有在建立新的气候模式时,才能对这种方法进行测试。理想情况下,我认为我们需要从头开始重新设计模型。帕尔默说,你确实想要在基本层面上建立随机性,使之更符合物理学的基本定律。

  其他人可能会更进一步,根据气候记录统计数据预测气候变化。伦敦经济和政治科学学院的伦纳德·史密斯(Leonard Smith)及其同事艾玛·萨克林(Emma Suckling)报告了一个实验结果,他们在过去的半个世纪中从不同的地点提取了全球气候资料,并将这些资料引入了最为突出的气候模型,用简单的统计预测结果比较模型结果。结果表明,简单的模型表现最好。无论如何,Kirtman说:我想我们还有很多东西要学。 (张章)(原题为“气候科学增添一点休闲”)

  中国科学通报(2014-06-24第3版国际)

  阅读更多信息

  科学报告摘要(英文)