气候模型何时拨云见日

很难模拟西北太平洋上空的低层积云。资料来源:stocktrekmages，inc .

有时候，气候科学的阴云似乎并没有消散。地球气候的计算机模型在数量、复杂性和计算能力上都成倍增长，但它们仍然不能准确回答公众心中的一些主要问题:到2100年，我们必须建造多高的海堤？未来10年热浪会有多严重？到2030年北极航线会是什么样子？

气候模型一致认为，随着人类温室气体的排放，全球气温将继续上升，但不确定性仍然存在。

加州理工学院的气候学家塔皮奥·施奈德认为气候科学可以做得更好。今年夏天结束时，施耐德领导的学术联盟，在谷歌前首席执行官埃里克·施密特和微软联合创始人保罗·艾伦的支持下，将启动一个雄心勃勃的项目，创造一个新的气候模型。

利用人工智能、卫星成像和高分辨率模拟技术的突破，这个未命名的模型旨在改变气候模型呈现小规模天气现象的方式，如长期困扰天气预报的海冰和云的形成。重点将放在当前模型中不确定性的主要来源:离岸层积云和信风。此外，目前的模型无法预测全球变暖的程度。

五年后，该团队希望其人工智能增强模型能够改变这种情况。“这是一个崇高的目标。”施奈德说。他和他的团队成员刚刚结束了一个研讨会，它聚集了著名的气候科学家和工程师来讨论气候领域的未来。“我们不抱任何幻想，也不四处走动。”施奈德说。

当然，也有人对此表示怀疑。美国已经有许多气候模型，一些人质疑为什么需要另一个来攫取资源。其他人质疑这项技术，以及该项目是否已经提交给美国国家科学基金会和其他机构进行审查。科罗拉多州立大学的气候学家大卫·兰德尔说，团队的非正统方法很难赢得人们的支持。

不确定的现在

气候建模者总是遵循两个原则。首先，他们在模拟中加入了更多的地球特征。其次，他们寻求更高的分辨率。据估计，自20世纪70年代以来，这些模型使用的计算能力增加了1亿倍。随着模型变得越来越复杂，它们更充分地反映了地球的变化无常——未知的未知变成了已知的未知。然而，不确定性仍然存在。

但是所有的模型都以同样的方式工作:它们将地球切割成细胞，每个细胞大约25公里到50公里，并使用一个动态模型框架来模拟大气和海洋的行为。然而，地球上发生的许多事情，例如云的形成，比那些网格发生的规模要小。因此，这些现象必须通过经验法则来间接描述。

然后，建模人员调整不同的旋钮，以最好地代表他们所知道的世界，这一过程称为调优。"这是直觉和经验主义的混合物，还有一些生理观察的规律."施耐德的导师、美国地球物理流体动力学实验室的科学家艾萨克·霍尔德说。

毫无疑问，当前的模型在重塑世界方面做得很好，但是它的缺点也让科学家们疯狂。"雨水落在了错误的地方，并且以错误的速度落下."麻省理工学院的大气科学家保罗·奥格曼说，他曾与施耐德合作过。此外，尤其重要的是，这些模型往往无法模拟通常在美国西海岸形成的厚层积云，从而帮助冷却该地区。

寻求人工智能的帮助

46岁的施耐德并不总是关注云。在早期，他专注于大规模的大气流动，如哈德利圈。然而，他越来越相信气候模型可以更好地整合关于云行为的新数据。

现在，施耐德的努力已经演变成24个人的合作。施奈德认为人工智能可能有助于解决云问题。不久，他们招募了安德鲁·斯图尔特，加州理工学院的计算数学家。该团队在喷气推进实验室找到了更多的新成员，该实验室拥有大量的云数据。

起初，这种新的合作不是为了建立新的气候模型。美国已经有六个著名的模型。施耐德说:“这更像是一个如何构建更好模型的答案。”但是他们想建立一个完整的气候模型，包括他们的创新。这意味着他们需要一台能够使用他们的方程在下一代超级计算机上运行模型的主计算机。

一名美国海军专家前来报到。弗兰克·吉拉尔多是加州海军研究生院的应用数学家，也是下一代天气和气候模型数学引擎的驱动力。他的非静力统一大气模型是为现代并行计算设计的。它可以在同一模型中求解各种精度方程，这将使新模型能够实时放大云层并给出低分辨率的地球测量。

新模型的关键输入是模拟低云图像及其行为。这些模型被称为大涡流模拟(LES)，建立在全球范围内，跨越几个世纪。这些模型在一小块大气的生命周期中复制了几天，而细胞只有10米。在这个分辨率下，云形成的关键直接受到物理定律的影响。西雅图华盛顿大学的云科学家Chris brether说，这些结果有时与现实非常相似。

几年前，布雷顿领导了一个项目，利用大涡模拟研究气温上升2摄氏度如何影响低海洋云。因此，有两种情况，两者都会加剧气候变暖。其他证据，包括实际的云观测，也表明“低云会放大气候变暖”劳伦斯利弗莫尔国家实验室的大气科学家斯蒂芬·克莱因说。

这些突破还没有进入全球气候模型，因为没有实现这一目标的技术途径。但是施耐德的团队正在努力工作:一个能模拟云行为几天的LES可以在一个超过100公里的细胞中运行。他们的大涡模拟是基于一个叫做巨蟒云大涡模拟(PyCLES)的模型，该模型关注低云。

“这些模拟可能并不完美。”施奈德说，“但它们比我们拥有的任何型号都好。”新模型还将使用人工智能来研究观察到的和模拟的云，并根据所学的方法改进模拟全球云的经验法则。

未来仍然未知。

无论如何，将人工智能集成到气候模型中是一项持续的工作。包括布雷顿团队和加州大学欧文分校气候模型专家迈克尔·普里查德在内的研究人员训练了一个高分辨率大气模拟的人工智能网络。然后，他们用人工智能代替了一些经验规则，比如上升的空气中温度和湿度变化的速度。

但是神经网络和气候不容易“合作”这些算法在分类和其他问题上做得最好——例如，从数百万张照片中学习狗的外貌。但是当涉及到训练数据以外的东西时，它可能会崩溃——例如，骆驼。

出于这个原因，斯图尔特和施耐德并没有期望通过神经网络来指导新模型的人工智能。相反，他们寻求一种妥协:在传统的经验规则和纯人工智能之间。他们希望开发能够使用云知识的代码，然后用其学习能力填补空白，本质上取代建模者的手动调优。

但成功远非板上钉钉。斯图尔特说:“也许我们所做的最终并没有改善现状，”但即便如此，它应该会激发气候建模领域的新想法。“我认为这是最坏的情况。我们不能完全失败。我希望我们能做得更多。”施奈德说。

此外，当施耐德组建团队并制定整体计划时，他仍然面临一个大问题:谁将支持他们的梦想？

美国*资助另一种气候模式似乎不太可能。甚至在唐纳德·特朗普总统提议削减气候科学经费之前，前总统巴拉克·奥巴马的*就已经在研究美国是否需要支持这么多的气候模型。

幸运的是，科技慈善家——尤其是在海洋领域投入巨资的微软联合创始人保罗·艾伦——正在寻找能够引起轰动的东西。他们在寻找风险投资，但同时他们也有巨大的潜在回报:他们可以让气候预测更加准确。

微软电脑工程师克里斯·绘梦罗说，这个项目中包含的雄心、目标和创新正是艾伦想要资助的类型。

施耐德的团队成员雄心勃勃，并开始热切期待这一突破。他们一直生活在人类驱动的气候变化及其顽固的不确定性之中，这构成了他们整个成年生活的现实。是透过云层看太阳的时候了。(鲁也编)

中国科学新闻(2018-08-07第三版国际版)