详细内容或原文请订阅后点击阅览
气候模型基准测试：建立信任与推进科学
对气候模型工作状况、如何成功使用它们以及下一代开发预期挑战的批判性审视。
来源:Eos杂志随着气候模型变得越来越先进和复杂，评估模型相对于观测数据的性能变得越来越重要。《地球物理评论》上的一篇新文章探讨了科学界气候模型评估和基准测试工作。在此，我们请作者概述气候建模、科学家如何评估模型以及仍然存在的挑战。
科学家最早何时开始开发气候模型？
虽然今天的气候模型由数百万行代码组成，需要在大型超级计算机上运行，但气候建模始于一个多世纪前。Lewis Fry Richardson于1922年出版了他的著作《数值过程天气预报》，概述了他使用微分方程预报天气的想法。他花了六周时间手工推导出八小时的预报。直到1950年，普林斯顿大学才在Jule G. Charney的领导下运行了第一次计算机化天气预报。六年后，Norman Phillips发表了一篇题为《大气环流：数值实验》的论文，详细介绍了第一个大气环流模式。
气候建模作为区别于天气预报的独立研究领域，在1960年代得到了显著发展，发表了几项开创性研究，这些研究至今仍支撑着气候研究，最终首次实现了耦合大气-海洋GCM的结果，其中大气、冰和海洋首次相互作用。
物理气候模型和地球系统模型之间有什么区别？
GCM是ESM的前身，后者已扩展以包含更多描述气候系统的过程。
物理气候模式和地球系统模型之间的区别可以非常清楚地确定：GCM是ESM的前身，后者已扩展以包含更多描述气候系统的过程。GCM严格关注大气、海洋、陆地和海冰之间的物理过程以及能量和物质的交换。因此，它们提供了理解系统物理性质的手段。
ESM基于更全面的模型配置。除了气候系统的物理表示外，它们还包括交互式大气化学、生物地球化学循环、海洋/陆地生态系统以及地球系统组成部分之间的碳交换等过程。这些额外过程有助于更真实地表示气候系统，并增加对未来气候预测的信心，但它们也带来了资源和时间的成本增加。因此，用于准备模拟的气候模型配置仍然在很大程度上取决于模拟的预期用途。
为什么评估和基准测试气候模型很重要？
多样化的测试和诊断可以帮助理解模型之间的差异、模型代际变化引起的差异，并确定未来科学发展的优先事项。
气候模型是研究地球系统以及过去和未来气候最重要和最有用的科学机制之一。每一代气候模型都在表示地球系统不同组成部分（如大气、海洋和陆地及其相互作用）的过程方面带来新的进展。最先进的模型还包括跨这些不同领域的碳循环表示，使我们能够理解碳循环在确定地球气候中的作用。通过各种各样的诊断进行气候模型评估，是我们对模型表示影响未来气候预测的过程的保真度建立信心的方式。多样化的测试和诊断可以帮助理解模型之间的差异、模型代际变化引起的差异，并确定未来科学发展的优先事项。
科学家评估气候模型模拟有哪些不同的方式？
气候模型评估被描述为将模型模拟与观测或再分析数据集进行比较的过程。基准测试是模型模拟与观测数据、再分析数据或其他模型进行评估的过程，通常根据预定的一组标准或准则对模拟或模型的"优劣"做出陈述。在评估中，一个或多个模型可以与同一组观测数据进行比较。模型评估中使用的一些较基本的诊断包括气候态平均值、年际变率和通常以时间序列表示的偏差的比较。地图或空间模式比较模型和观测、统计分析以及多模型评估的画像图是其他常用的评估方法。更复杂的诊断如水分、能量或碳收支以及跨域相互作用也用于更好的基于过程的评估。
由于例行评估，哪些具体的模型偏差得到了改进？
系统的模型评估确保科学家经常被提醒那些尚未消除或经常重现的偏差，它帮助建模中心确定在未来的模型开发中优先考虑的过程表示。由于详细观测的增长以及云垂直分布和参数调谐的改进，过去20年中云和水汽过程表示的偏差已经减少。
东亚夏季风将水分从印度洋和太平洋输送到东亚，表现出强烈的年际变率，导致严重的干旱和洪水。几项多模型基准测试研究聚焦于模型对东亚夏季风的再现，它们发现西北太平洋反气旋减弱是西太平洋副热带高压和梅雨- Baiu- Changma雨带偏差的主要原因。
早期评估陆地碳循环模型的努力发现了植被生长季节变化时间上的持续偏差，特别是与卫星衍生的叶面积指数相关的偏差，这与对从一个生长季带到下一个生长季的碳水化合物库的低估有关。与卫星观测估计相比，陆地模型大大高估了亚马逊盆地的地上活生物量，研究人员将其主要归因于低自养呼吸和净初级生产力向木材的过度分配。模型对植被过程表示的改进显著减少了这些长期存在的偏差，这些偏差通过与观测数据的比较已经例行评估了至少三十年。
气候模型中仍然存在哪些需要额外研究和开发努力的偏差？
识别持续偏差并跟踪其减少对于加强气候和地球系统模型预测的实用性至关重要。
尽管频繁进行模型评估和偏差表征，许多气候模型表现出的各种偏差一直难以减少或完全消除。其中许多已导致科学家进行广泛的模型调谐练习或应用偏差去除技术来减少此类偏差的影响。例子包括降水的正负区域偏差、双ITCZ、热带对流层的变暖偏差，以及与观测相比北极海冰对全球变暖的低敏感性。识别这些持续偏差并跟踪其减少对于加强气候和地球系统模型预测的实用性至关重要。创建大量额外的模型性能指标和增强观测数据集集合是理解这些长期模型偏差来源所必需的。
—Birgit Hassler，德国航空航天中心，德国；Forrest Hoffman，橡树岭国家实验室，美国；Ranjini Swaminathan，雷丁大学，英国；以及Beth Dingley，欧洲空间局，英国
编者注：AGU出版物的政策是邀请在《地球物理评论》上发表文章的作者为Eos Editors' Vox撰写摘要。