编辑的亮点是Agu的日记编辑最近论文的摘要。
来源：建模地球系统的进步杂志
气候模型是理解和预测我们星球的重要工具，但是准确地设置其许多内部参数很复杂，并且过去一直是劳动密集型的手动任务。
Elsaesser等。[2025]展示一种使用机器学习来自动调整或校准的方法，NASA GISS对现实世界观察的气候模型。作者开发了GISS Modele的神经网络替代物，以有效地探索不同的参数设置，从而创建了一个被称为校准的物理集合的良好表现模型版本的集合。一个关键的成功是显着改善模型的模拟挑战性特征，例如浅色积云云和亚马逊降雨的长期建模挑战，而不会产生负面影响，例如辐射场。
这项工作代表了从理论研究到大规模气候建模的实际应用，这是一项重要的进步，自动校准技术。它使我们更接近更值得信赖的气候预测。
引用：Elsaesser， - G. S.，van Lier-Walqui，M.，Yang，Q.（2025）。使用机器学习生成GISS Modele校准的物理集合（CPE）。 建模地球系统的进步杂志，17，e2024ms004713 https://doi.org/10.1029/2024MS004713
Tapio Schneider，编辑，詹姆斯一个