📄 earth_science

Deep-learning climate emulator ACE2 reveals a global decrease in tropical cyclone frequency in the 15th Century under an El Niño-like sea surface temperature pattern

通过使用基于深度学习的 ACE2 模拟器，本研究揭示了 15 世纪的一种类厄尔尼诺海表温度模式如何通过增强垂直风切变和使中层对流层更加干燥，从而导致全球热带气旋频率的下降，进而展示了深度学习在古气候分析中对于改进未来预测的效用。

原作者： Mu-Ting Chien, Wenchang Yang, Eric D. Maloney, Gabriel A Vecchi, Elizabeth A. Barnes

发布于 2026-07-23

📖 1 分钟阅读☕ 轻松阅读

原作者： Mu-Ting Chien, Wenchang Yang, Eric D. Maloney, Gabriel A Vecchi, Elizabeth A. Barnes

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，地球就像一个巨大的、旋转着的空气与水组成的浴缸，海洋表面的温度就像是一个庞大且混乱的天气机器的恒温器。当海水以特定的模式变暖或变冷时，它不仅仅改变了温度；它还改变了大气层呼吸、伸展和扭转的方式。这个机器产生的最戏剧性的产物之一就是热带气旋——那些我们称之为飓风或台风的旋转风暴。长期以来，科学家们一直试图弄清楚海洋的温度模式是如何控制这些风暴的数量的。问题在于，我们只有一段非常短的现代风暴“录像”，大约只有80年，这还不足以看清气候与风暴如何共同起舞的完整故事。为了解决这个谜团，研究人员正在使用一种新型工具：人工智能。把这些人工智能工具想象成不是在思考的机器人，而是极其快速、超级聪明的学生，他们已经如此透彻地学习了过去几十年的天气，以至于他们可以预测如果游戏规则（海洋温度）发生轻微变化，天气会是什么样子。这篇论文使用这种人工智能来回顾过去，模拟了一个在天气卫星出现之前很久的时期，观察当海洋看起来有点像“厄尔尼诺”年份时，发生了什么。

故事始于一群想要知道15世纪（特别是1351年至1550年间）热带气旋发生了什么的科学家。那是地球正在变冷的时期，进入了一个通常被称为“小冰期”的阶段。虽然全球整体在变冷，但海洋并没有均匀地冷却。相反，太平洋形成了一种看起来很像“厄尔尼诺”的模式，即赤道附近的水温比平时更高，而海洋的其他部分则较冷。研究人员使用了一种深度学习气候模拟器ACE2（它就像一个经过现代数据训练的超快速天气模拟器）来进行了一次虚拟实验。他们将那个时代的海洋温度输入给AI，并观察随之发生的风暴情况。

结果清晰且令人惊讶。在这些模拟中，全球热带气旋的总数显著下降。具体而言，与最活跃的20年（1401–1420年）相比，热带气旋的数量减少了约13.1%（对比1461–1480年）。这种下降并非偶然；它与一个非常强大的传统计算机模型（HiRAM）所预测的结果相吻合，甚至与在大西洋沿岸发现的海洋沉积物中的线索相一致，这些沉积物就像是过去风暴的化石记录。论文指出，这种减少发生是因为“类厄尔尼诺”的海洋模式改变了大气运动的方式。

为了理解风暴为何消失，科学家们使用了一个巧妙的技巧。他们将造风的过程分解为两个步骤：首先是“种子”的诞生（大气中一个可能变成风暴的小扰动），其次是该种子成长为一场全面飓风的“概率”。他们发现，种子的数量并没有发生太大变化；大气仍在产生大量的微小扰动。然而，这些种子生存并成长为大型风暴的“概率”却骤降。这就像是育儿室里挤满了婴儿，但它们成长的条件却极其糟糕。

罪魁祸首是“类厄尔尼诺”的海洋模式。由于赤道太平洋较暖，导致空气在那里上升得更强烈。这加强了一个被称为哈德里环流（Hadley circulation）的巨大大气传送带。随着这个传送带变强，它会将干燥的空气向下压，并在风暴通常形成的区域增加风切变（即高度方向上风速和风向的变化）。想象一下，当你试图在强风横着吹、且沙子极度干燥的情况下建造一个沙堡；那就是大气层对这些风暴所呈现的状态。干燥的空气和更强的风在风暴变强之前就将其撕碎了。论文明确指出，这不仅仅是因为整个世界变冷了；事实上，当他们运行一个单独的实验，让海洋在没有“类厄尼诺”模式的情况下均匀冷却时，风暴的数量并没有下降得那么多。正是温度变化的特定形状起到了关键作用。

研究人员还测试了相反的情景：“类拉尼娜”模式，即赤道较冷。在那个模拟中，风暴的数量实际上增加了。这表明，海洋的温度模式是全球风暴活动的“主开关”。虽然这项研究依赖于计算机模拟而非来自1400年代的直接观测，但AI模拟器、传统模型以及沉积物记录都讲述了同一个故事，这使得研究结果具有很高的可信度。论文得出结论，要预测未来我们可能面临多少场风暴，我们不能仅仅观察地球变热了多少；我们必须准确理解海洋的温度模式将如何转变，因为这种模式决定了大气层会变成一个风暴工厂，还是一个风暴坟场。

技术摘要：深度学习气候模拟器 ACE2 揭示了 15 世纪在类厄尔尼诺海表温度模式下全球热带气旋频率的下降

问题陈述
准确预测年度热带气旋（TC）频率对于减轻社会灾害至关重要，但由于多尺度气候相互作用的复杂性以及现代仪器记录（约 80 年）的短暂性，这一任务仍然具有挑战性。目前的全球气候模型（GCMs）对全球变暖情景下的未来热 tropical 气旋频率提出了相互矛盾的预测：一些模型预测全球频率会下降，而另一些则预测会增加。这种不确定性主要源于缺乏共识，即在温室气体诱导的变暖背景下，大规模海表温度（SST）模式将如何演变，以及这些模式如何控制全球热带气旋频率。虽然古气候代用指标（如沉积物、珊瑚）提供了更长的时间跨度，但其空间分布稀疏，因此需要全球模拟来提供空间一致且时间连续的数据。能够解析热带气旋的高分辨率动力模型在进行长期古气候模拟时，计算成本极高。

研究方法
本研究采用了 Ai2 气候模拟器版本 2（ACE2），这是一种基于深度学习的气候模拟器，利用球面傅里叶神经算子在 ERA5 再分析数据（1940–2000 年，2010–2020 年）上进行了训练。ACE2 提供了一种比动力模型更高效的替代方案，能够进行稳定的数千年积分，同时保持全球空气质量和水分守恒。

研究设计包含三个主要部分：

古气候模拟（公元 1351–1550 年）： ACE2 和高分辨率动力模型（HiRAM，50 公里分辨率）受最后千年重建的海表温度（SST）和海冰（LMR 2.1）驱动，以模拟向小冰期过渡期间的热带气旋。研究重点关注公元 1351 年至 1550 年期间，特别是对比了“高”活动期（公元 1401–1420 年）和“低”活动期（公元 1461–1480 年）。
验证： 利用美国东海岸和加勒比地区 12 个站点的沉积物覆盖代理数据对模拟的大西洋热带气旋频率进行验证，这些数据是过去一千年中大西洋盆地热带气旋活动的最佳估计值。
理想化实验： 利用 ACE2 的计算速度优势，作者通过修改 SST 模式进行了时间切片实验，以分离全球平均 SST 冷却与特定 SST 模式的影响。实验包括：
- CTL： 气候平均 SST（1401–1420 年）。
- EXP1： 平均 SST（1461–1480 年），表现出类厄尔尼诺异常（赤道冷舌区升温，其他地区降温）。
- EXP2–EXP4： 通过变化来隔离赤道冷舌升温（EXP2）、移除该升温（EXP3）或将其反转为类拉尼娜状态（EXP4），同时保持与 EXP1 相同的全球平均 SST 冷却水平。

研究利用“种子概率框架”来诊断热带气旋频率的变化。该框架将热带气旋计数 ( $N_{TC}$ ) 近似为前兆扰动（“种子”， $N_{Seed}$ ）与增强概率（ $P$ ）的乘积。概率由三个环境因素得出：潜在强度（PI）、垂直风切变和湿熵亏缺（中层对流层干燥度）。

关键结果

15 世纪热带气旋减少： ACE2 和 HiRAM 模拟均显示，15 世纪（特别是 1461–1480 年相比于 1401–1420 年）全球热带气旋频率显著下降。ACE2 集合平均显示全球热带气旋频率下降了 13.1%，年计数从 3 7.8 次降至 32.8 次。这种下降在大多数盆地中是一致的，除了西太平洋，并且与沉积物代理记录所指示的大西洋热带气旋活动在这一时期的重大下降相吻合。
SST 模式的作用： 全球频率的下降主要归因于特定的 SST 模式，而非仅由全球平均 SST 冷却引起。高、低活动期之间的 SST 异常类似于类厄尔尼诺模式，其特征是赤道太平洋冷舌区升温，而其他地区降温。
理想化实验结果：
- 在类厄尔尼诺模式下（EXP1），全球热带气旋频率下降了 7.5%，具有 99.9% 的统计显著性。
- 隔离赤道冷舌升温的实验（EXP2）也显示了显著下降（-3.5%），表明该特征是主要驱动因素。
- 移除冷舌升温（EXP3）导致下降趋势不够稳健，且具有较高的成员间变率。
- 类拉尼娜模式（EXP4，冷舌降温）导致全球热带气旋频率增加了 2.9%，显著性大于 99.5%。
变化机制： 利用种子概率框架，研究发现类厄尔尼诺场景下的全球热带气旋减少，80.6% 是由从“种子”到“热带气旋”的转换概率降低驱动的，仅有 19.2% 是由种子数量减少驱动的。概率的降低主要是由于非赤道区域垂直风切变增加和中层对流层更加干燥（饱和水分亏缺增加）造成的。这些环境变化与由于类厄尔尼诺模式引起的增强经向 SST 梯度所导致的哈德里环流加强有关。

意义与主张
本文声称展示了使用深度学习气候模拟器进行古气候热带气旋研究的可行性，为通过高效视角观察过去一千年热带气旋与气候的相互作用提供了独特手段。研究建立了全球热带气旋频率与 SST 模式（特别是经向 SST 梯度和赤道冷舌变率）之间的强联系，而非仅仅取决于全球平均温度。

作者认为，这些发现强调了约束未来 SST 模式预测的必要性，以准确评估未来的热带气旋频率，并指出目前模型预测（通常为类厄尔尼诺型）与观测记录（通常为类拉尼娜型）之间存在分歧。此外，研究强调，只要有能解析热带气旋的模拟数据，前工业时期气候是理解热带气旋变率的天然实验室。作者也谦虚地建议，尽管 ACE2 已被证明有效，但未来的工作需要开发具有更多垂直层以更好地表示高层对流层的下一代模拟器，并扩大热带气旋代理数据的覆盖范围（例如西太平洋），以充分利用这些模拟能力。

技术摘要：深度学习气候模拟器 ACE2 揭示了 15 世纪在类厄尔尼诺海表温度模式下全球热带气旋频率的下降

类似论文