人工智能支持的下一代多尺度气候模型用于缓解和适应 - Nature.com

2024-09-25 10:16:36 英文原文

摘要

地球系统模型在过去几十年中不断改进,但与观测结果相比的系统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不完美表示。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、地球观测的系统使用和现代化基础设施。这种协同方法将能够更快、更准确地提供与政策相关的气候信息。我们认为需要采取多尺度方法,利用千米尺度的气候模型和改进的粗分辨率混合地球系统模型,其中包括基本的地球系统过程和反馈,但仍然足够快以提供大型集合,以便更好地量化内部变化和极端情况。这些可以共同提高气候预测的准确性和实用性,满足快速变化的世界中社会和生态系统的紧迫缓解和适应需求。

这是订阅内容的预览,可通过以下方式访问您的机构

访问选项

访问 Nature 和其他 54 种 Nature Portfolio 期刊

获取 Nature,我们最有价值的在线访问订阅

24,99 / 30 天

随时取消

针对中国客户的订阅信息

我们为中国客户设有专门的网站。请前往naturechina.com订阅该期刊。

购买本文

  • 在SpringerLink上购买
  • 即时访问全文PDF

价格可能需要缴纳地方税,这些税费是在结帐时计算的

参考

  • IPCC:决策者摘要。气候变化 2023:综合报告(核心写作团队等编辑)(剑桥大学出版社,2023 年)。

  • IPCC:决策者摘要。《2022 年气候变化:影响、适应和脆弱性》(Prtner、H.-O. 等编辑)(剑桥大学出版社,2022 年)。

  • IPCC:决策者摘要。在《2021 年气候变化:物理科学基础》中。(Masson-Delmotte, V. 等编辑)(剑桥大学出版社,2021 年)。

  • 弗里德林斯坦,P. 等人。2023 年全球碳预算。地球系统。科学。数据 15, 53015369 (2023)。

  • Seneviratne, S. I. 等人。2021年气候变化:物理科学基础。第一工作组对政府间气候变化专门委员会第六次评估报告的贡献(Masson-Delmotte, V. 等编辑)11(剑桥大学出版社,2021 年)。

  • Eyring, V. 等人。耦合模型比对项目第 6 阶段 (CMIP6) 实验设计和组织概述。地理学。模型开发9, 19371958 (2016)。

  • 联合国。2015 年 11 月 30 日至 12 月 13 日在巴黎举行的缔约方会议第二十一届会议报告(联合国数字图书馆,2016 年)。

  • Gutirrez, J. M. 等人。2021年气候变化:物理科学基础。第一工作组对政府间气候变化专门委员会第六次评估报告的贡献(Masson-Delmotte, V. 等编辑)20872138(剑桥大学出版社,2021 年)。

  • Bock, L. 等人。使用 ESMValTool 量化不同 CMIP 阶段的进度。J.地球物理学。资源。大气。125,e2019JD032321 (2020)。

  • Eyring, V. 等人。2021年气候变化:物理科学基础。第一工作组对政府间气候变化专门委员会第六次评估报告的贡献(Masson-Delmotte, V. 等编辑)3(剑桥大学出版社,2021 年)。

  • Lee, J.-Y.等人。2021年气候变化:物理科学基础。第一工作组对政府间气候变化专门委员会第六次评估报告的贡献(Masson-Delmotte, V. 等编辑)4(剑桥大学出版社,2021 年)。

  • Tebaldi, C. 等人。CMIP6 情景模型比对项目 (ScenarioMIP) 的气候模型预测。地球系统。动态。12, 253293 (2021)。

  • Zickfeld, K. 等人。净零方法必须考虑地球系统的影响才能实现气候目标。纳特。爬升。更改 13, 12981305 (2023)。

  • Gentine, P.、Eyring, V.

关于《人工智能支持的下一代多尺度气候模型用于缓解和适应 - Nature.com》
暂无评论