当我们谈起气候变化时，有一件事是肯定的，那就是，全球变暖就在我们眼前。
在过去的一个世纪里，地球已经升温了约1摄氏度。考虑到人类在大气中排放的温室气体的积累，这种变暖实际上与基础物理学告诉我们的预期是一致的。
那么，问题其实并不在于是否在变暖，而是在于地球将升温多少度，变暖的速度会有多快。对于这些预测，研究人员通常需要依赖计算机模型来生成何时发生、如何发生的情景。
但现有的模型在预测未来变暖上仍然存在着分歧，尤其是，类似极端降水这样的特征将如何变化，仍然有很大的不确定性，而且这些不确定性的量化程度很低。
许多科学家一直致力于构建更好的模型，做出更准确的预测。其中一项努力来自气候模拟联盟（CliMA），这个联盟由多所高校和科研机构组成，其中的研究人员借助目前可用的大数据和日益增长的算力，并将它们用于处理并模拟地球系统。
联盟目前正将地球观测和高分辨率模拟融合到一个模型中，这个模型能够比现有的气候模型更可靠地表征重要的小尺度特征，比如云和湍流。团队的目标是建立起一个新的气候模型，预测未来关键变量的变化，包括云量、降水和海冰范围，结果的不确定性至少比现有模型降低一半。
天气预报与气候预测有什么不同
天气预报的时间范围在10天左右，而气候模型则是为了预测10年、100年，甚至更久之后会发生什么。
气候模型的物理学原理与天气预报有些相似之处，但回答的问题却不同。
比如，天气预报会告诉我们每天的温度区间，可能会有多少降水，以及在一个特定的地方和时间上风速和风向情况。
但气候模型则着眼于更大的图景。针对整个地球和个别地区，它们会追溯平均条件将如何变化，例如在未来的一年里，预计会有多少雨或雪？高温和低温以及云量和现在相比将有什么不同？海洋的涨潮将到什么程度？飓风、季风、暴风雪、洪水、干旱、野火……这些极端情况我们如何准备应对？
在过去50年间，使用数据来改进天气预报的计算机模型是一个成功的科学故事。现在，研究人员的目标是在未来气候的预测中取得同等的成功。
构建一个更好的模型
现有的气候模拟会将全球划分为一个大网格，然后计算网格中的每个部分正在发生什么，以及这些部分如何相互作用。任何一个模型的准确性部分取决于模型能够观测到的地球的分辨率，换句话说，就是网格的分区大小。
目前，可用的计算机处理能力的限制意味着，这些分区的大小通常不能小于每边几十千米。从全球尺度来说，这看起来似乎已经很小了，但是对于气候模拟而言，细节决定成败。在过大的网格中，细节就会被忽视。
气候模型将地球表面和大气划分成网格盒，并计算其中的温度、风和洋流。就像一张图像的像素一样，这些独立的网格越小，最终建立的模型就越清晰和准确。但云量的变化太小了，在全球模型中无法显示，但在有限的区域内，它们可以在高分辨率模拟中得以展示。（图／Nature Climate Change, 2017）
举个例子，低空的云，就像你在海岸上空可能看到的那些云，对于调节地球温度至关重要，它们可以反射阳光。但它们的范围通常太小了，很容易被现有的模型忽略。
类似的，北极海冰的变化也会对地球表面的各种区域产生广泛的影响。但是，很难预测海冰在未来将如何变化，因为它对上空的云量密度和下方的洋流温度都很敏感，而目前的模型暂时还无法解决这些问题。
随着温度不断攀升，科学界显然需要一种新的策略，将气候模型与今天产生的大量数据融合的新思维。
将镜头拉近一些
为了捕捉这些小尺度特征的大尺度影响，CliMA团队计划使用高分辨率的模拟，在全球选定的地区对这些特征进行详细模拟。
这些模拟将被嵌套在一个更大的气候模型中。这样一来，我们就有了一个能够“特写”选定区域的模型，从而带来有关这些地区的详细的局部气候信息，并为其他地方的小尺度过程的模拟提供信息。
海洋吸收了气候系统中积累的大部分热量和碳。然而，它到底吸收了多少，具体则取决于上层海洋的湍流旋涡。但是，这些旋涡太小了，在气候模型中无法表示出来，将嵌套的高分辨率模拟与新获得的测量数据相融合，就可以让海洋预测的准确性得到质的飞跃。
此外，新模型还将使用数据同化和机器学习工具来训练，让它们可以实时自我改进，同时利用地球观测和嵌套的高分辨率模拟两者的成果。
走在时间前面
加州理工学院气候学家、CliMA联合创始人塔皮奥·施耐德（Tapio Scheider）介绍，科学家的目标是走在我们对气候系统进行的非自然实验的前面，在气候系统自行揭开答案之前，提供准确和可操作的气候预测。
希望在一切为时已晚之前，我们就有机会找到应对和缓解这种变化，且有效适应这种变化的方法。
#创作团队：
撰文：Måka
排版：雯雯
#参考来源：
https://magazine.caltech.edu/post/a-model-climate
https://scienceexchange.caltech.edu/topics/sustainability/climate-change-predictions
#图片来源：
封面图&首图：Caltech
发表于 2022-6-6 00:10
收藏
分享