“随机”技巧或有望打造气候科学更佳模型

事实上，“随机”技术广泛应用于经济、物理、工程、天气预报等领域。但是他们从未在气候模型中找到自己的家。

资料来源:CULTURA RM/ALAMY

三个统计学家去打猎，发现了一只鸭子。第一枪射得太高，子弹越过了鸭子的头部。第二枪有点低，子弹飞到了鸭子的腹部。第三个统计学家跳上跳下，最后喊道:“找到了！”

这可能不是猎杀水禽的最佳方式，但在它们的栖息地，研究人员发现类似的无目标方法在预测复杂系统的行为方面非常有效。事实上，“随机”技术广泛应用于经济、物理、工程、天气预报等领域。然而，他们从未在最受欢迎和最有争议的预测领域——气候模型——找到自己的家。

在气候模型领域，研究人员通常着眼于确定性解决方案:从越来越详细和复杂的数据模拟中获得气候如何对温室气体排放等输入因素做出反应的单一图表。这些结论具有科学意义，但一些批评家指出，由于其自身的复杂性，该模型已不再实用。

结果很差。

“房子过去有两层，但现在有八层。它承受了所有的重量，墙壁正在开裂。”澳大利亚莫纳什大学的气候模型专家克里斯蒂安·雅各布说，“你有两个选择。你可以进去加固地基，或者是时候盖一栋新房子了。”

现在，一些研究人员呼吁彻底改革:这些模型应该根据随机线进行修改。例如，本月底，《英国皇家哲学杂志》的一期特刊将发表14篇论文，展示随机气候模型的框架。

气候模型预测结果不佳的主要原因之一是，这不是它们的设计初衷。研究人员设计它们主要是为了另一个目标: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由盒状元素组成的巨大三维网格，水平边缘通常长100公里，高1公里。基于物理定律的方程用于描述每个盒子中的变量如何影响相邻盒子中的匹配变量，主要是压力、温度、湿度和风速。

对于在比网格小的尺度上运行的过程，例如云的形成，科学家将他们在过去几年中改进的确定性公式与网格元素相结合，来描述他们的典型行为。然后，通过使用超级计算机处理整个网格来求解这些方程。

事实证明，这种方法在探索地球气候系统方面非常有用，例如，化石燃料排放、大气中的二氧化碳和全球气候变化之间的相互作用。然而，当有必要预测未来气候将在何处、何时以及有多严重变化时，就很难满足要求。

例如，去年，*间气候变化专门委员会(IPCC)的科学家系统地将20个重要气候模型的预测与过去60年的气候数据进行了比较。迈阿密大学的气候学家、IPCC第五次评估报告短期预测部分的合著者本·柯特曼说，结果令人失望。这些模式在预测全球平均表面温度方面有很好的效果，在大西洋有一定的预测价值，但在预测广阔的太平洋方面效果甚微。

障碍

柯特曼提到，最全面的模式不一定是最有效的。随着气候学家继续在模拟过程中添加组件——详细描述树叶生长和白蚁分布——这些模型变得臃肿且运行缓慢，无法得出更好的结论。“这是一个根本性的问题。”他说，“他们试图增加一切。”此外，有些模型不能很好地模拟自然，雅各布补充道:“一些老问题还没有解决。在模拟降雨和云形成等事件上，进展非常缓慢。”

大多数问题可以归因于网格分辨率。"事实是，模型的细节水平并不真正依赖于科学约束."蒂姆·帕尔默是英国牛津大学的物理学家，他提倡对气候模型采用随机方法，他说，“这完全取决于计算机的大小。”粗略地说，计算能力将增加一个数量级，网格大小将减半。典型的水平网格尺寸已经从20世纪70年代的500公里下降到今天的100公里，并将在10年内下降到10公里。然而，帕尔默指出，即使这样，对于模拟极其重要的小尺度现象，如云的形成，也不会有很大帮助。

另一方面，在科学家得到这些细节之前，计算机可能会遇到一个物理障碍:能量消耗。“数十亿的次级设备(每秒1018个浮点运算)即将出现，但问题是你可能需要100兆瓦来运行它。”帕默说。这种能量足以为一个10万人口的城镇提供足够的电力。

面对这些障碍，帕默和其他人支持一个新的起点。他们表示，气候建模者需要退后一步，从天气预报中获得灵感，尤其是英国欧洲中期天气预报中心开发的技术。

自20世纪90年代以来，ECMWF研究人员通过在模型中引入随机方法重组了世界天气预报。这些技术也被称为蒙特卡罗方法，是由曼哈顿计划的科学家在第二次世界大战期间首次开发出来的，用来模拟中子如何扩散穿过物质。这个想法类似于反复掷骰子或旋转轮盘:多重计算产生一系列不同的结果，然后通过汇总结果并将其与经验观察进行比较来“优化”。目前，相关技术广泛应用于物理学和工程学的许多分支，甚至计算机生物学家也用它们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模型专家在原始天气条件中引入了小的随机扰动。通过使用稍微不同的原始条件(一种称为复合模型的方法)运行该模型几次，该中心产生了更准确的天气预报。这种方法已被世界上最重要的天气预报所采用。

帕尔默说，紧密联系的方法将改变气候模型。一个主要的区别在于时间尺度:与能够快速发现预测是否准确的天气建模者不同，气候研究人员必须考虑未来几十年的情况。为了优化模型，他们必须输入某一年的气候记录，观察它如何预测未来十年的气候模式。

帕尔默还指出，随机模型将能够控制气候系统的组成部分，这些组成部分对于传统的确定性模型来说过于不稳定，难以处理。例如，他提到热带雷暴系统对全球气候系统“非常重要”。但是因为它们的核心只有几千米宽，普通的模型网格无法捕捉它们，固定的数学描述包含“主要错误”

研究人员还提出了几种补充方法，将这些方法纳入气候模型。这些想法包括通过允许晶体管级的随机误差使超级计算机运行得更快，以及通过在不同尺度上模拟不同过程来减轻计算机负担。

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，如模拟云形成的子程序，并用随机等效物代替它们。纽约大学库朗数学科学研究所的数学家安德鲁·马依达和他的同事们正在做这项工作。他发现在国家大气研究中心(NCAR)的气候模型中插入随机云模拟几乎会复制一个重要的热带天气模型。

一些研究人员认为，只有当一个新的气候模型被创建时，这样的方法才能被测试。"理想情况下，我认为我们需要从头开始设计模型."帕尔默说，“你真的想在基本层面上建立随机性，让它更符合物理学的基本定律。”

其他人可能走得更远，根据气候记录统计数据预测气候变化。伦敦政治经济学院的伦纳德·史密斯和他的同事艾玛·萨克林报道了一个实验结果。他们从过去半个世纪的不同地点提取全球气候数据，将数据引入最优秀的气候模型，并将预测结果与简单统计模型的结果进行比较。结果表明，简单模型的性能最好。不管怎样，柯特曼说，“我认为我们还有很多要学。”(张章)(原名“给气候科学增加一点“随机性”)

《中国科学新闻》(国际，第三版，2014年6月24日)

阅读更多

科学报告摘要