地球系統(tǒng)模型是定量描述地球物理狀態(tài)和(例如在氣候模型背景下)預測地球在人類活動影響下未來可能發(fā)生的變化的最重要工具。由德國波茨坦地球科學研究中心 (GFZ) 的 Christopher Irrgang 領導的國際團隊現(xiàn)在對日益使用的人工智能 (AI) 方法如何幫助改進這些預測以及這兩種方法的局限性進行了調(diào)查。Nature Machine Intelligence雜志的一篇 Perspectives 文章。一個關鍵建議：將兩種方法合并為一種自學的“神經(jīng)地球系統(tǒng)建模”。
地球作為一個系統(tǒng) - 一個挑戰(zhàn)
地球的發(fā)展是許多因素的復雜相互作用，包括具有動植物群的地表、具有生態(tài)系統(tǒng)的海洋、極地地區(qū)、大氣、碳循環(huán)和其他生物地球化學循環(huán)、輻射過程。因此，研究人員談到地球系統(tǒng)。
有這么多相互關聯(lián)的領域和影響因素，預測未來情景是一項巨大的挑戰(zhàn)，例如在氣候變化研究的背景下。“近年來，這里取得了巨大進展，”該研究的主要作者、GFZ“地球系統(tǒng)建模”部分的博士后研究員 Christopher Irrgang 說。例如，最近發(fā)布的 IPCC 第六次評估報告比以往任何時候都更詳細地總結了我們目前對各種溫室氣體排放情景的未來影響的了解。
該報告一方面依賴于地球系統(tǒng)觀測和測量中越來越全面和詳細的發(fā)現(xiàn)，以評估過去的變暖及其影響，例如極端事件增加的形式，另一方面依賴于大量的模擬使用最先進的地球系統(tǒng)模型 (ESM) 進行。
經(jīng)典地球系統(tǒng)建模取得重大進展
經(jīng)典地球系統(tǒng)模型基于眾所周知和鮮為人知的物理定律。在數(shù)學和數(shù)值方法的幫助下，系統(tǒng)在未來時間的狀態(tài)是根據(jù)對系統(tǒng)當前或過去時間的已知狀態(tài)來計算的。
近幾十年來，基礎模型不斷改進：可以考慮數(shù)量空前的地球子系統(tǒng)和過程，包括——在某種程度上——云的影響等復雜的關鍵過程。例如，它們可以準確地追蹤自數(shù)據(jù)收集開始以來全球平均溫度的發(fā)展，這證明了它們的性能。今天，還可以得出關于氣候變化在區(qū)域?qū)用嫔系挠绊懙慕Y論。
限制
然而，代價是日益復雜的 ESM 需要大量的計算資源。盡管有這種發(fā)展，但即使是最新模型的預測也包含不確定性。例如，他們往往低估極端事件的強度和頻率。研究人員擔心地球的某些子系統(tǒng)可能會發(fā)生突然的變化，即氣候系統(tǒng)中所謂的傾斜元素，經(jīng)典建模方法無法準確預測。許多關鍵過程，例如土地利用類型或水和養(yǎng)分的可用性，(還)不能很好地表示。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！