文章题目：AI-empowered next-generation multiscale climate modelling for mitigation and adaptation
发表期刊：《Nature geoscience》
影响因子：15.7
在线日期：2024-09-25
过去几十年来，地球系统模型不断改进，但与观测值相比，系统性误差和气候预测的不确定性仍然存在。这主要是由于亚网格尺度或未知过程的表示不完善。在这里，我们提出了一种具有人工智能的下一代地球系统建模方法，需要加速模型、机器学习集成、系统地使用地球观测和现代化基础设施。协同方法将允许更快、更准确地提供与政策相关的气候信息。 我们认为需要一种多尺度方法，利用千米级气候模型和改进的粗分辨率混合地球系统模型，这些模型包括基本的地球系统过程和反馈，但速度仍然足够快，可以提供大型集合，以更好地量化内部变化和极端值。这些可以共同形成气候预测准确性和实用性的重大变化，满足快速变化的世界中社会和生态系统的紧急缓解和适应需求。
图1.地球系统的反馈机制为气候预测带来了不确定性，影响了碳循环和气候变化响应。许多反馈机制尚未得到充分理解或解决，因此需要持续研究改进粗尺度 ESM，利用 AI/ML 以及新兴数据流来帮助克服理解和在混合 ESM 中表示它们的障碍。自然过程和人为排放之间的相互作用凸显了缓解气候变化的复杂性，需要采用 AI 等创新解决方案来制定有效的气候战略。
图2. 为满足紧急的减缓和适应需求而提出的 AI 赋能多尺度气候建模方法的示意图。这种方法跨越了尺度和过程复杂性，可在区域和地方尺度上提供更快、更准确的气候信息。我们注意到，LES 和地球观测也用于直接改进千米尺度的气候模型和粗尺度的 ESM。DNS，直接数值模拟。
