← 最新论文
📄 地球科学

A review of spatially explicit climate emulators as agile tools for decision-support

对76项研究的这项综述表明,尽管空间显式气候模拟器正作为敏捷的决策支持工具脱颖而出,但其有效性目前受到碎片化格局、缺乏稳健的长期验证、开发与应用之间的错位以及对公平获取问题的担忧的阻碍,因此需要更清晰的定义和更强的跨领域整合。

原作者: Sarah Schoengart, Lukas Gudmunsson, Christopher B. Womack, Carl-Friedrich Schleussner, Sonia I. Seneviratne

发布于 2026-09-30
📖 1 分钟阅读☕ 轻松阅读

原作者: Sarah Schoengart, Lukas Gudmunsson, Christopher B. Womack, Carl-Friedrich Schleussner, Sonia I. Seneviratne

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

关于我们未来的决策,正日益受到气候变化的影响。无论是城市规划新的海堤,农民决定种植什么作物,还是公司评估财务风险,对天气和气候准确、及时信息的的需求都变得迫在眉睫。几十年来,理解这些变化的主要工具一直是地球系统模型(Earth System Model)。这些是庞大的、基于物理学的计算机程序,用于模拟地球的大气、海洋和陆地。它们极其详尽且真实,但运行起来既缓慢又昂贵。单次对未来气候的模拟可能需要在世界最强大的超级计算机上运行数周甚至数月,并产生数个太字节(terabytes)的数据。这种速度限制使得它们难以用于现代决策所需的快速、灵活的测试,因为领导者需要能够快速探索成千上万种“如果……会怎样”的情景。

为了解决这个问题,科学家们开发了一类被称为“模拟器”(emulators)的新型工具。可以将模拟器想象成一个快速、数据驱动的捷径。与其每次都从头开始求解复杂的物理方程,不如让模拟器向那些缓慢、沉重的模型学习。它通过研究由大型模型生成的数据中的模式,然后利用这些模式在几秒钟或几分钟内生成新的、相似的结果。这使得研究人员能够进行大量的模拟,以了解风险和概率,而无需为等待单个结果而等待数月。然而,随着这些工具的激增,整个领域变得拥挤且混乱。有些工具是为短期天气预报设计的,而另一些则是为长期气候预测构建的,两者之间的界限正在变得模糊。

一项由苏黎世联邦理工学院(ETH Zurich)及其他机构的研究人员进行的最新综述,旨在绘制这一快速变化领域的图谱。该团队检查了过去十年发表的76项研究,以了解这些模拟器是如何工作的,它们在哪里取得成功,以及在何处存在不足。他们发现,该领域目前分为三个不同的组别,每一组都有其自身的优势和弱点。第一组由天气模拟器组成。这些是高度先进的工具,通常由深度学习驱动,擅长预测未来几天的天气。它们速度极快且准确,有时甚至能超越传统的预报系统。然而,它们的设计初衷是观察近期未来,通常无法考虑到像二氧化碳水平上升这样的长期变化。它们就像一台非常锐利的相机,能拍出完美的现状照片,却无法预测场景在数年间将如何变化。

第二组是混合型工具,试图弥合天气与气候之间的鸿沟。这些工具试图保留天气模型的速度和结构,同时加入长期驱动因素,例如变化的海洋温度或温室气体浓度。研究人员发现,尽管这些混合模型展现出了潜力,但在长期运行中难以保持稳定。当被要求模拟长达数百年的气候变化时,许多模型会偏离轨道或产生不切实际的结果。它们尚未被证明足以可靠地处理未来气候情景中复杂且不断变化的情况。第三组是传统的气候模拟器。它们专门为长期预测而设计。它们通常比新的深度学习天气工具慢,但在稳定性方面表现更好,也更适合探索未来情景。然而,它们往往依赖较旧的统计方法,并且生成的输出细节较少,侧重于宏观平均值而非决策者所需的精细、高分辨率数据。

该综述强调了两个世界之间的显著脱节。已经彻底改变天气预报的快速人工智能进展,尚未完全改变气候建模。虽然天气工具正变得越来越快、越来越强大,但它们缺乏应对长期气候问题所需的稳健性。相反,气候工具虽然稳定,但往往缺乏新AI驱动方法的那种灵活性和速度。作者认为,这种分离是一个主要的障碍。为了对决策真正有用,一个工具必须具备敏捷性:它必须足够快,以便运行数千种情景;足够灵活,以便处理不同类型的问题;并且足够可靠,以便能够被信任用于长期规划。目前,还没有单一的工具能在这些方面都做得很好。

研究人员还指出了一个准入问题。最先进的天气模拟器通常由大型科技公司开发,或者需要巨大的计算能力来进行训练。这导致只有少数资金充足的机构才能使用最好的工具,而其他人则只能使用较旧、功能较弱的软件。这限制了世界各地科学家和决策者获取所需信息的能力。综述结论指出,要使这些工具真正发挥作用,整个领域需要将这些不同的方法结合起来。他们需要开发更清晰的测试标准,确保这些工具能够处理全范围的未来情景,并让这些工具不仅限于少数专家,而是让所有人都能使用。在此之前,拥有一个快速、灵活且可靠的方式来理解我们变化中的气候的承诺,仍只是部分实现的。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →