人工智能在气候研究和服务中的机遇与挑战
陈德亮，谭显春，彭喆，闫洪硕，程永龙
研究概述
全球气候变化的危机愈发严峻，极端天气事件频发、生态系统遭到破坏，并威胁到社会经济的可持续发展。为了应对这一挑战，科学家们依赖气候模式来模拟气候系统的演变、预测未来气候趋势，并为政策制定提供科学依据。然而，现有的气候模式特别是在气候系统的精确模拟和极端天气事件的预测上面临多种技术瓶颈。在此背景下，人工智能（AI）凭借其强大的数据处理和关系识别能力，逐渐成为气候模式发展的重要推动力。
图片来源于网络
本文搭建了一个基本框架，用于回顾气候模式构建和应用中的主要挑战，并深入分析AI在这一领域的应用方法（图1）。气候模式的构建过程受限于初始条件误差和模式误差，这些误差源于观测数据的误差、气候系统复杂过程的简化和不完全描述等原因。同时，气候模式的空间分辨率有限，难以准确捕捉中小尺度的区域特征。极端天气事件的预测同样是气候模式面临的难题，传统的动力模型和统计方法难以应对这些现象背后高度复杂的非线性关系。AI则为解决这些问题带来了新的契机。在大数据时代，AI强大的数据处理能力能够帮助科学家从海量数据中挖掘出关键信息，用于数据插补和标注，从而减少气候数据的误差。通过学习历史观测数据，AI能够构建数据驱动的参数化模型，进而提升气候模式的模拟能力。此外，AI在统计降尺度领域展现了巨大潜力，通过机器学习和深度学习算法从低分辨率模式输出中重构高分辨率数据，或者引入图像超分辨率技术大幅提升了气候模式的分辨率。这不仅增强了模式对区域特征的捕捉能力，还为极端事件预测提供了新的可能性。传统的数值模式预测中，模型性能极大地依赖于初始场的质量，而AI通过整合多源数据、优化初始场状态，显著提高了中短期天气预报、次季节-季节以及年代际预测的准确性。并且，基于AI的多模式集合预测方法能够有效减少预测不确定性，并增强对复杂气候现象的综合理解。
©作者文章|图 气候模式构建与应用的流程图、存在不足以及基于人工智能技术的解决方案
尽管AI在气候模式研究中展现了巨大潜力，但仍面临数据复杂与缺口、模型解释性不足以及计算需求高等挑战。其中，气候数据的缺失影响了AI模型的训练效果，而算法导致AI模型的“黑箱”问题限制了其在更多科学领域的应用，并且AI模型对高计算能力的需求也给实际应用带来压力。未来，气候研究需要进一步深化AI与气候模式的耦合，通过引入物理约束、提升计算能力，人工智能将更好地支持气候预测与分析，为应对气候变化提供新路径。
全文免费下载
http://www.climatechange.cn/CN/abstract/abstract1719.shtml
陈德亮 院士
简介：现任瑞典哥德堡大学讲席教授，长期研究全球变化并参与组织领导地球系统科学研究领域的国际科学计划。
谭显春 研究员
简介：中国科学院科技战略咨询研究院 研究员（二级）、博导，碳中和战略研究中心副主任，IPCC AR6第三工作组主要作者。长期从事绿色低碳发展战略、政策和规划的研究与咨询工作。
《气候变化研究进展》创刊于2005年5月
由中国气象局主管、国家气候中心主办
中国科技核心期刊（CJCR）
《中国科学引文数据库》（CSCD）核心期刊
《中文核心期刊要目总览》第6版之大气科学类核心期刊
《气候变化研究进展》2023影响因子2.188
《Advances in Climate Change Research》被SCI收录
ACCR 2023影响因子6.4
长按扫描二维码，
公众号ID：accr_journal
Email: accr@cma.gov.cn
本文部分图片来源于网络，版权归原作者所有。
如对版权问题有疑问，请联系：accr@cma.gov.cn。
我们会尽快处理，谢谢！
