Mixed-Precision Computing in the GRIST Dynamical Core for Weather and Climate Modelling
针对大气模拟的内存瓶颈问题,本研究在GRIST动力核心中采用混合精度策略,将精度不敏感的平流项从双精度改为单精度,在保证精度的同时显著提升了三类求解器的运行效率,并通过多类试验验证了优化效果。
2024-04-12 physics.ao-ph
A Modified Global Climate Simulation Model
本文在全球气候模式C-GOLDSTEIN中加入了太阳辐射的季节变化。我们使用了一种新的方法来模拟从空间的角度来看,在作者的早期工作,并建立到现有的气候模式的日照。用新的日照分量运行C-GOLDSTEIN后,得到了较真实的月温度分布。此外,在模型内模拟日射的平均精度提高了2%。此外,C-GOLDSTEIN现在可以进行新类型的实验,例如研究日照随机变化对温度的影响等。
2020-03-19 physics.ao-ph
Generative modelling for multivariate spatio-temporal downscaling of monthly climate fields
Technical University of Munich, Germany(慕尼黑工业大学);Potsdam Institute for Climate Impact Research, Germany(波茨坦气候影响研究所)
本研究针对多元时空气候降尺度问题,提出基于扩散模型的生成式机器学习方法,通过条件引导技术实现从1°月气候场到0.25°日气候场的高效联合降尺度,为气候影响评估等提供支持。
2026-10-15 physics.ao-ph
Modelling Complexity: the case of Climate Science
我们简要回顾了一些科学挑战和认识论问题有关的气候科学。我们讨论了理论和数值模型的制定和测试,考虑到观测数据中存在不可避免的不确定性,世界实验的不可重复性,以及相关过程发生在各种各样的空间和时间尺度上的事实,需要一种与其他科学背景不同的方法。简要讨论了地球工程解决全球变暖的内在局限性,并提出了一个基于非平衡态热力学的研究框架。我们还批判性地讨论了最近提出的纯粹基于大规模使用超级计算机和科学优先事项的集中规划的气候科学发展前景。
2011-06-07 physics.ao-ph physics.class-ph physics.hist-ph
Data assimilation in slow-fast systems using homogenized climate models
一个确定性的多尺度玩具模型的研究中,一个混乱的快速子系统触发缓慢的制度,类似于天气或气候制度之间的罕见的过渡。利用均匀化技术,一个减少的随机参数化模型推导出的慢动力学。这个减少气候模式的可靠性,在再现的统计数据的时间尺度分离的有限值的完全确定性模型的缓慢动态的数值建立。然而,统计是敏感的随机模型的参数的不确定性。它的随机气候模式是否可以是有益的集合数据同化设置的预测模式,特别是在现实的设置时,观测只可用于慢变量。主要结果是,减少随机模型确实可以提高分析技巧,当用作预测模型,而不是完美的完全确定性模型。随机气候模型在检测不同制度之间的转换方面要优越得多。技能提高的观察间隔与所涉及的特征时间尺度有关。随机气候模式能够在集合设置中产生卓越技能的原因是由于集合规模有限;从完美的确定性预报模式获得的集合即使对于中等集合规模也缺乏足够的传播。随机气候模式提供了一种自然的方式来提供足够的集合传播,以检测制度之间的过渡。数值模拟证实了这一点。结论是,随机参数化是有吸引力的数据同化,尽管他们的参数的不确定性的敏感性。
2011-10-31 nlin.CD physics.ao-ph physics.data-an
A new framework for climate sensitivity and prediction: a modelling perspective
气候模式对CO2浓度增加的敏感性和年代际尺度上的气候响应仍然是评估人为气候变化的长期和短期影响的主要不确定因素。虽然在这些问题上进展相对缓慢的部分原因是数值气候模式固有的不准确性,但这也暗示需要为研究气候敏感性和用数值模式进行气候变化预测的问题提供更坚实的理论基础。在这里,我们表明,它是可能的,使用Ruelle的响应理论来预测的影响,任意的CO2强迫的情况下,全球地面温度的大气环流模式。响应理论将气候敏感性的概念置于坚实的理论基础之上,并严格地解决了不同时间尺度上的可预测性问题。从概念上讲,我们的结果表明,执行气候变化实验与大气环流模式是一个明确的问题,从物理和数学的角度来看。实际上,我们的研究结果表明,考虑一个单一的CO2强迫的情况下,足以构建运营商能够预测气候观测值的响应,任何其他CO2强迫的情况下,不需要进行额外的数值模拟。我们还介绍了在不同的时间尺度上的气候敏感性和气候响应之间的一般关系,从而提供了一个明确的定义,在不同的时间尺度上的系统的惯性。虽然我们在这里报告的是线性响应,但一般理论也允许处理非线性效应。我们的研究结果为从一个全新的角度重新设计和解释气候变化实验铺平了道路。
2014-09-24 cond-mat.stat-mech physics.ao-ph physics.flu-dyn
Climate Modelling in Low-Precision: Effects of both Deterministic & Stochastic Rounding
受业务天气预报的最新进展的启发,我们研究了低精度算法对气候模拟的有效性。我们开发了一个框架来测量舍入误差的气候模式,它提供了一个压力测试的低精度版本的模型,我们将我们的方法应用到各种模型,包括洛伦兹系统;浅水近似的流量超过山脊;和一个粗分辨率的全球大气模式简化参数化(SPEEDY)。虽然双精度(52有效位)是标准的业务气候模式,在我们的实验中,我们发现,单精度(23 sbits)是绰绰有余,低至一半精度(10 sbits)往往是足够的。例如,SPEEDY可以在整个代码中以12 sbits运行,舍入误差可以忽略不计,如果可以接受非常小的误差,例如平均网格点降水量小于0.1 mm/6 hr,则可以将其降低到10 sbits。我们的测试是基于Wasserstein度量,这提供了严格的非参数范围的舍入误差占年度平均值以及极端天气事件。此外,通过测试模型,同时使用舍入到最近(RN)和随机舍入(SR),我们发现,SR可以减轻舍入误差在一系列的应用。因此,我们的研究结果也提供了证据,SR可能是相关的下一代气候模式。虽然许多研究表明,低精度算法可以适用于短期天气预报时间尺度,但我们的研究结果首次证明,类似的低精度水平可以适用于气候。
2021-04-30 physics.ao-ph
Climate Downscaling with Stochastic Interpolants (CDSI)
Linköping University(林雪平大学);Swedish Meteorological and Hydrological Institute(瑞典气象和水文研究所);Stockholm University(斯德哥尔摩大学);Uppsala University(乌普萨拉大学)
CDSI提出一种基于随机插值的数据驱动气候降尺度方法,以降低计算成本并提高高分辨率气候预测的准确性与实用性。
2026-03-04 physics.ao-ph
Traditional and novel approaches to palaeoclimate modelling
古气候档案包含关于气候变化、趋势和机制的信息。开发模型是为了解释观测结果和预测气候系统对扰动的反应,特别是与人为影响有关的扰动。在这里,我们回顾了气候建模的三个经典框架:概念,基于模拟器(包括大气环流模型和中等复杂性的地球系统模型),和统计。概念框架的目的是对特定气候现象进行简约的表述;以模拟器为基础的框架将物理和地球化学原理与不同时空尺度的现象联系起来;统计建模是一个框架,根据对系统和随机效应的假设,从观测中进行推断。最近,在文献中已经提出了解决方案,结合这些框架,并出现了新的概念:仿真器(一个统计,计算效率的替代模拟器)和差异,这是一个统计表示的模拟器和真实现象之间的差异。这些概念进行了解释,参考时间片和动态应用程序的实现。
2012-09-12 physics.ao-ph physics.geo-ph
Opportunities and challenges of quantum computing for climate modelling
本文探讨了量子计算在气候建模中的机遇与挑战,涵盖加速微分方程求解、改进亚网格尺度表征、辅助参数优化和模型分析,并强调跨学科合作以克服当前量子计算障碍。
2025-07-21 physics.ao-ph quant-ph
Overcoming the disconnect between energy system and climate modeling
本文针对能源系统建模与气候建模之间的脱节问题,提出近期跨学科活动和长期跨学科方法,以开发能源系统定制气候数据集及相应模型,从而在能源决策中系统捕捉和缓解气候风险,助力实现气候减缓目标。
2023-07-08 physics.ao-ph physics.app-ph
Multivariate statistical modelling of future marine storms
为了沿海基础设施的设计目的,需要对极端事件(如海浪风暴)进行描述。这种描述应包含关于风暴变量的单变量行为和联合依赖性的信息。这两个方面已经解决了在这里通过广义帕累托分布和层次阿基米德copula。一个非平稳模式已被用来突出这些极端事件和非平稳气候之间的关系。它已被应用到一个代表性的浓度路径8.5气候变化的情况下,获取有限的环境(加泰罗尼亚海岸)。在非平稳模型中,所有考虑的变量减少的时间,除了风暴持续时间在加泰罗尼亚海岸的北部。风暴变量的联合分布呈现周期性波动,气候动力学的影响大于气候本身的影响。
2019-03-13 physics.ao-ph
Metastability in simple climate models: Pathwise analysis of slowly driven Langevin equations
我们考虑简单的随机气候模式,描述缓慢的时间依赖的朗之万方程。我们发现,当噪声强度不是太大,这些系统可以花费大量的时间在亚稳态平衡,而不是不稳定地遵循固定的分布的冻结系统。这种行为可以通过描述典型路径的位置和限制非典型路径的概率来表征。我们说明了这种方法,给出了一个定量描述的现象与双稳态,简单的气候模式的三个著名的例子:随机共振的能量平衡模型描述冰河时代;滞后在一个盒子模式的大西洋热盐环流;和分歧延迟的情况下,瑞利-B 'enard对流的洛伦兹模型。
2001-11-13 nlin.CD physics.ao-ph
Influence of external forcings on abrupt millennial-scale climate changes: a statistical modelling study
末次冰期被一系列突然的气候变化所打断,即所谓的Dansgaard-Oeschger(DO)事件。溶解氧事件的频率随时间变化,据推测是由于背景气候条件的变化。在这里,外部强迫对DO事件的影响进行了研究与统计建模。我们假设两种类型的简单随机动力系统模型(双井势型和蒸发器型),强迫北半球夏季日照变化和/或全球冰量变化。模型参数的估计,通过使用极大似然法与NGRIP Ca $^{2+}$记录。随机振荡器模型与至少冰量强迫再现以及记录的样本自相关函数和频率变化的变暖过渡在末次冰期跨MISs 2,3和4。附加的太阳辐射强迫可以改善模式的性能。BIC分数还表明,冰体积强迫是相对更重要的比日照强迫,虽然证据的强度取决于模型的假设。最后,我们模拟了过去四个冰期的平均变暖转变次数,假设该模型可以扩展到末次冰期之后,并将结果与伊比利亚边缘海表面温度(SST)记录进行比较(Martrat等人,Science,第317卷,第502页,2007)。模拟结果支持了以往的观测结果,即倒数第二次冰期(MIS 6)的千年尺度气候变化比末次冰期(MIS 2-4)的气候变化要少。另一方面,它表明,在较老的冰期(MISs 6,8和10)突然的千年尺度气候变化的数量可能大于从SST记录推断。
2016-07-25 physics.ao-ph physics.geo-ph
The impact of stochastic physics on climate sensitivity in EC-Earth
随机方案,旨在代表未解决的次网格尺度的变化,经常用于短期和中期天气预报,在那里他们被发现,以改善几个方面的模式。近年来,随机物理的影响也被发现对模式的长期气候有利。在本文中,我们首次证明,包括随机物理方案可以显着影响模型的预测全球变暖,以及其历史气候学的全球温度。具体而言,我们发现,包括“随机扰动参数化趋势”方案(SPPT)在完全耦合的气候模式EC-Earth v3.1,1850年和2100年之间的全球变暖的预测水平减少了10%的RCP 8.5强迫情景。我们将这种气候敏感性的降低与SPPT云反馈的变化联系起来。特别是,该方案似乎减少了正的低云量反馈,并增加了负的云光学反馈。一个关键的作用是由一个强大的,快速增加的云液态水与SPPT,我们推测是由于该计划的非线性相互作用与凝结。
2019-05-16 physics.ao-ph
Climate Change Modelling at Reduced Float Precision with Stochastic Rounding
本研究在SPEEDY模型上测试降低浮点精度(Float32、Float16)用于百年气候变化模拟,发现随机舍入优于传统舍入,在保证精度的同时显著降低计算成本。
2022-07-29 physics.ao-ph
Bayesian Inference for Stochastic Predictions of Non-Gaussian Systems with Applications in Climate Change
针对非高斯气候系统建模的复杂性,本论文提出利用UKF、EnKF和UPF的贝叶斯框架处理一维与二维随机气候模型,发现选择合适方法比单纯增加数据更重要,为真实气候场景应用提供了见解。
2024-06-20 physics.ao-ph stat.AP
3-D Global modelling of the early martian climate under a dense CO2+H2 atmosphere and for a wide range of surface water inventories
CO2+H2温室效应最近被认为是一个有希望的情景,足以使早期火星表面变暖,从而形成山谷网络和湖泊。在这里,我们提出了数值的3-D全球气候模拟的早期火星气候,我们已经进行了假设稠密的CO2+H2大气。我们的气候模型来自Forget et al.(2013)和Wordsworth et al.(2013)的早期工作,与火星冰川和湖泊长期演化的异步模型相结合。模拟在40°赤道进行,以研究(i)水含量和(ii)H2含量(添加到1或2巴的CO2中)如何塑造早期火星的气候和水文循环。我们表明,绝热冷却机制(华兹华斯等。2013),导致冰沉积物在寒冷的气候(所谓的“冰高地”)南部高地的积累也适用于温暖的气候,与撞击坑湖作为主要的水库。这产生的降雨主要集中在火星南部高地。如果调整(i)CO2和H2的量,(ii)水库的大小和位置,以及(iii)古老的地形(即通过删除Tharsis),模拟中的地表径流(来自降雨或融雪)的空间模式可以匹配-除了少数例外-观察到的山谷网络和撞击坑湖泊的分布。虽然我们的研究结果是在富含H2的CO2为主的大气中获得的,但它们也应该适用于评估早期火星上强大的长寿命温室气体的任何组合的影响。
2021-03-18 astro-ph.EP physics.ao-ph physics.geo-ph
The role of the surface evapotranspiration in regional climate modelling: Evaluation and near-term future changes
本研究利用WRF区域气候模型,结合ERA-Interim再分析资料和CMIP5全球气候模型驱动数据,评估了伊比利亚半岛地表蒸散的时空格局,并预估其在2021-2050年近期未来将显著减少,尤其在南部和夏季,揭示了地表蒸散在区域陆地-大气过程中的关键调节作用。
2024-01-14 physics.ao-ph
A Stochastic Diffusion Model of Climate Change
我们提出了一个模型,从一天到一百万年的时间尺度上的大气温度的变化的基础上的随机扩散(随机游走)模型的湍流输送的热能垂直耦合的大气-海洋模式。模型的预测得到了台站记录和古气候温度变化代用资料的支持。
1995-10-05 ao-sci cond-mat physics.ao-ph
Fluid Tunnel Research for Challenges of Urban Climate
利用风洞和水洞进行的实验研究长期以来一直是流体力学研究的主要内容,有着广泛的应用。这些实验往往挑出一个特定的物理过程进行研究,而涉及多尺度和多物理过程的研究是罕见的,由于在实验装置的难度和复杂性。在气候变化的时代,人们对创新实验研究越来越感兴趣,其中流体(风和水)隧道被用于模拟城市气候的多尺度,多物理现象。城市物理相关现象的高质量流体隧道测量也是非常必要的,以促进先进的多物理场数值模型的开发和验证。作为模拟这些城市过程的知识库,我们涵盖了实验设计的基本原理,建议和指导方针,最近的进展和八个选定的研究领域的展望,包括(i)城市气流的热浮力效应,(ii)植被的空气动力学和热效应,(iii)城市材料的辐射和对流热通量,(iv)热分层对陆-气相互作用的影响,(v)污染物扩散,(vi)室内和室外自然通风,(vii)风的热舒适性,(viii)复杂城市场地上的城市风。此外,还有三个主要挑战,即,讨论了多物理场模拟、人为过程模拟、流体隧道的综合使用、城市气候研究的按比例室外和实地测量。
2023-01-08 physics.ao-ph physics.flu-dyn
A non-autonomous framework for climate change and extreme weather events increase in a stochastic energy balance model
本文提出三时间尺度框架与空间非均匀一维能量平衡模型,基于随机反应扩散方程揭示温度均值与方差无需分岔点即可增加,以增进对气候变化引发极端天气频率上升的理解。
2024-08-24 math.DS math.PR physics.ao-ph
Quantum Machine Learning for Climate Modelling
Deutsches Zentrum für Luft- und Raumfahrt e.V.(德国航空航天中心);University of Bremen(不来梅大学)
本文提出利用量子神经网络改进地球系统模型中的云层覆盖参数化,展示QNN在性能和一致性方面优于传统方法。
2025-12-16 physics.ao-ph quant-ph
Transitions across Melancholia States in a Climate Model: Reconciling the Deterministic and Stochastic Points of View
众所周知,在当前的天文学配置中,地球处于可以实现两个渐近状态的状态。我们生活的温暖的州正在与冰雪覆盖的雪球州竞争。双稳性是由于正的冰-电反馈而存在的。在以前的调查中进行的一个中等复杂性的气候模式,我们已经确定了不稳定的气候状态(忧郁状态)分离共存的气候,并研究了它们的动力学和几何特性。忧郁状态是冰覆盖到中纬度地区,并吸引轨迹初始化的盆地边界。在本文中,我们研究如何随机扰动控制入射太阳辐射强度的参数影响气候的稳定性。我们检测到温暖和雪球状态之间的转换,并详细分析了噪声引起的逃逸从相应的盆地的吸引力的属性。我们确定最可能的过渡路径,并找到证据表明,忧郁症国家作为网关,类似于鞍点在能源景观。
2019-03-14 astro-ph.EP cond-mat.stat-mech nlin.CD
Stochastic Parameterization: Towards a new view of Weather and Climate Models
在过去的十年中,随机参数化在短期、中期和季节性预报中取得了成功:业务天气中心现在经常使用随机参数化方案来更好地表示模型不足,并改善预报不确定性的量化。随机参数化最初是为数值天气预报而开发的,它不仅提供了更好的不确定性估计,而且对于减少长期存在的气候偏差和确定气候对外部强迫的响应也非常有希望。本文重点介绍了不同研究小组的最新进展,这些进展表明,综合天气和气候模式中大气、海洋、陆地表面和冰冻圈中未解决过程的随机表示(a)产生了更可靠的天气和气候概率预报,(b)减少了系统模式偏差。我们提出了一个案例,使用数学上严格的方法推导随机动力学方程将导致我们的能力,以准确地模拟天气和气候在所有尺度上的实质性改善。回顾了数学、统计力学和湍流方面的最新工作,论证了其与气候问题的相关性,并概述了未来的研究方向。
2017-03-20 physics.ao-ph physics.comp-ph physics.flu-dyn
Will Artificial Intelligence supersede Earth System and Climate Models?
Helmholtz Centre Potsdam, German Research Centre for Geosciences GFZ(亥姆霍兹波茨坦中心,德国地球科学研究中心GFZ);Free University of Berlin(柏林自由大学);Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所);University of Exeter(埃克塞特大学);Princeton University(普林斯顿大学);NOAA/OAR Geophysical Fluid Dynamics Laboratory(美国国家海洋和大气管理局/海洋与大气研究办公室地球物理流体动力学实验室);University of Washington(华盛顿大学);Colorado State University(科罗拉多州立大学);German Climate Computing Center DKRZ(德国气候计算中心DKRZ);Helmholtz-Zentrum Geesthacht, Center for Material and Coastal Research HZG(亥姆霍兹盖斯特哈赫特中心,材料与海岸研究中心HZG)
我们概述了地球和气候科学中一个全新的研究分支的观点,其中深层神经网络和地球系统模型被拆除为单独的方法论方法,并重新组装为学习,自我验证和可解释的地球系统模型网络混合体。沿着这条道路,我们创造了“神经地球系统建模”(NESYM)一词,并强调了跨学科讨论平台的必要性,将地球和气候科学家,大数据分析师和人工智能专家聚集在一起。我们研究了神经地球系统建模的并发潜力和陷阱,并讨论了人工智能是否不仅会注入地球系统建模,但最终使它们过时的开放性问题。
2021-01-22 cs.LG physics.ao-ph stat.ML
Bridging Gaps in the Climate Observation Network: A Physics-based Nonlinear Dynamical Interpolation of Lagrangian Ice Floe Measurements via Data-Driven Stochastic Models
模拟和理解边缘冰区的海冰动力学依赖于获取拉格朗日浮冰测量。然而,光学卫星图像容易受到大气噪声的影响,导致检索到的浮冰位置的时间序列出现空白。本文提出了一个有效的和统计上准确的非线性动态插值框架恢复丢失的浮冰观测。它利用了一个平衡的物理为基础的和数据驱动的建设,以解决所带来的挑战的高维和非线性性质的耦合大气-冰-海洋系统,有效的降阶随机模型,非线性资料同化,并同时参数估计系统集成。新方法成功地恢复的位置,曲率,角位移,以及相关的强非高斯分布的失踪浮冰在波弗特海。它还准确地估计了浮冰厚度,并恢复了未观测到的底层海洋场与适当的不确定性量化,推进我们对北极气候的理解。
2022-05-18 physics.ao-ph
Recent variability of the solar spectral irradiance and its impact on climate modelling
由于缺乏长期和可靠的太阳光谱辐照度(SSI)测量时间序列,很难准确量化太阳对近期气候变化的贡献。虽然早期的空间结构观测和模型提供了空间结构变化的定性一致的图像,但SORCE卫星最近的测量表明,紫外光谱范围的变化明显更强,可见光和近红外波段的变化与太阳周期反相。最近的一些化学气候模型(CCM)模拟表明,这可能对地球大气层产生重大影响。受这些结果的启发,我们在这里总结了我们目前的知识SSI的变化及其对地球气候的影响。我们提出了一个现有的SSI测量的详细概述,并提供了迄今为止可用的模型进行彻底的比较。SSI的变化直接影响地球大气层,通过短波加热的变化,从而影响平流层的温度和臭氧分布,并通过动态反馈间接影响。我们调查这些直接和间接的影响,使用几个国家的最先进的CCM模拟被迫与测量和建模SSI的变化。本研究报告的一个独特优点是,对通常由不同群体分别处理的问题采用了共同的综合办法。遗漏最后,我们讨论了可用数据的可靠性,并提出了额外的协调工作,首先从分散的观察中构建复合SSI数据集,并改进当前的SSI模型,其次,运行协调的CCM实验。
2013-03-22 astro-ph.SR physics.ao-ph
Self-organization in the Earth climate system versus Milankovitch-Berger astronomical cycles
将南极晚更新世温度变化曲线分解为周期性和随机性两部分。这两个部分代表了不同但紧密相连的过程,也代表了地球气候系统的两种不同类型的自组织。循环分量中的自组织是地球气候系统作为一个整体对太阳辐射输入的非线性自振荡反应。随机分量中的自组织是一个非线性临界过程,从温度变化的循环分量中获取能量,并围绕温度变化的循环分量波动。编写常微分方程系统来模拟温度变化的周期部分,并计算温度变化的随机部分的多重分形谱。地球气候是一个开放的、复杂的、自组织的、对太阳辐射输入具有非线性反应的动力系统。
2014-05-17 physics.ao-ph
Modelling the 3D Climate of Venus with OASIS
探索类地行星多样性和解释观测数据的灵活3D模型仍处于早期阶段。在这项工作中,我们提出了绿洲:一种新颖而灵活的3D虚拟行星实验室。OASIS是我们设想的一个平台,它将代表塑造行星环境的主要物理和化学过程的七个独立模块自洽地耦合起来。此外,OASIS还能够利用不同的仪器和观测技术生成模拟光谱。在这项工作中,我们专注于基准测试耦合的四个物理模块:流体动力学,辐射,湍流和表面/土壤。为了测试OASIS平台,我们制作了金星气候及其大气环流的3D模拟,并研究了模拟的大气如何随着各种云层覆盖、大气热容量和表面摩擦而变化。金星的3D模拟是具有挑战性的,因为它们需要长的积分时间和计算昂贵的辐射转移代码。通过OASIS结果与观测数据的比较,我们验证了新模型能够成功地模拟金星。直接从三维模拟产生的模拟光谱,我们探索未来的任务,如LUVOIR,观察金星类似物位于10 pc的距离的能力。借助OASIS,我们已经迈出了第一步,建立了一个能够研究类地行星环境的复杂和非常灵活的平台,这将是描述观测到的类地行星特征和规划未来观测的重要工具。
2020-07-17 astro-ph.EP physics.ao-ph
Towards the Probabilistic Earth-System Model
多模式集成为气候预测中模式不确定性的表示提供了一种实用的方法。然而,这种表述本质上是临时性的,如图所示,基于当前多模式集合的气候变量的概率分布并不准确。季节性再预报研究的结果表明,基于随机动力参数化的气候模式集合开始优于多模式集合,并有可能比多模式集合更加熟练。的情况下,随机表示模型的不确定性,在未来一代的气候预测模型。首先,科学方法的一个指导性特征是能够识别和预测不确定性;单个气候模式目前还不能做到这一点。其次,通过噪声引起的整流的影响,随机动态参数化可以提供一个(穷人的)替代高分辨率。第三,随机动态参数化可能能够利用电子流通过目前正在开发的某些类型的低能计算机芯片的固有随机性。这些论点对下一代地球系统模式有特别的共鸣,这些模式声称是气候的全面数值表示,而高分辨率的积分可能是负担不起的。
2009-08-26 physics.ao-ph
Reduction Methods in Climate Dynamics -- A Brief Review
本文是气候动力学领域的简要综述,梳理了可用于关联不同复杂度地球气候系统模型的各类约化方法,重点介绍可严格约化的方法的核心数学思路,并给出相关气候建模基准示例。
2022-09-25 math.AP math.CA math.DS
Stochastic parameterization of subgrid-scale processes: A review of recent physically-based approaches
我们回顾了最近在气候模拟中使用的一些次网格尺度参数化方法。这些方法的发展考虑到(亚网格)的过程中发挥了重要作用,在正确的代表性的大气和气候变化。我们说明了这些方法在一个简单的随机三元组系统相关的大气和气候动力学,我们特别表明,稳定性的基本动态的子网格过程有相当大的影响,其性能。
2017-01-17 cond-mat.stat-mech physics.ao-ph
Identifying high resolution benchmark data needs and Novel data-driven methodologies for Climate Downscaling
本研究探讨了信息检索在气候降尺度中的关键作用,提出结合信息检索、深度学习与气候科学的集成方法,通过建模气候变量间复杂关系来提高降尺度精度,以产生更准确的局地气候预测。
2024-05-23 physics.ao-ph
Blending machine learning and physics-based approaches for weather and climate: a typology
Met Office(英国气象局)
本文探讨了将机器学习与物理基础模型结合用于天气和气候预测的类型学,分析了融合方法的核心优势与挑战,为未来预测系统的发展提供了指导。
2026-05-20 physics.ao-ph
Two Levels of Self-Organization in the Earth Climate System
将南极晚更新世温度变化曲线分解为周期性和随机性两部分。这两个部分代表了不同但紧密相连的过程,也代表了地球气候系统的两种不同类型的自组织。循环分量中的自组织是地球气候系统作为一个整体对太阳辐射输入的非线性自振荡反应。随机分量中的自组织是一个非线性临界过程,从温度变化的循环分量中获取能量并围绕其波动。编写常微分方程系统来模拟温度变化的周期部分,并计算温度变化的随机部分的多重分形谱。它表明,地球的气候可以被描述为一个动态系统,具有两个层次的自组织。
2014-05-10 physics.ao-ph physics.geo-ph
Stochastic coupling of climate variables and ice volume over the Late Pleistocene glacial cycles
Nordita, KTH Royal Institute of Technology and Stockholm University(诺尔迪塔,瑞典皇家理工学院和斯德哥尔摩大学);Department of Mathematics, Massachusetts Institute of Technology(麻省理工学院数学系);Departments of Mathematics, Earth & Planetary Sciences, and Physics, Yale University(耶鲁大学数学、地球与行星科学及物理系)
研究通过随机行为建模评估晚 Pleistocene 冰期循环中气候变量的耦合,结合冰量、二氧化碳、甲烷、氧化亚氮和温度的五变量模型,揭示冰量与气候变量间的稳定作用。
2026-09-01 physics.ao-ph
Stochastic Paleoclimatology: Modeling the EPICA Ice Core Climate Records
本研究分析了EPICA冰芯80万年的古气候时间序列,利用多重分形时间加权去趋势波动分析将其建模为一维周期性非自治随机动力系统,并扩展为四变量耦合模型,揭示了甲烷和一氧化二氮的失稳影响及二氧化碳和温度的稳定影响,为冰川过渡的因果关系提供了新见解。
2023-06-18 cond-mat.soft physics.ao-ph
Data-driven, non-Markovian modelling of weather in the presence of non-stationary, non-Gaussian, and heteroskedastic climate dynamics
Durham University(杜伦大学);University of Colorado Boulder(科罗拉多大学博尔德分校)
本文提出了一种基于数据驱动的非马尔可夫建模方法,用于在非平稳、非高斯和异方差气候动态下准确描述天气波动。
2026-02-27 cond-mat.stat-mech physics.ao-ph physics.data-an
A Mechanism of Stochastic Synchronization in the Climate System: an Interpretation of the Boundary Current Synchronization as a Maxwell's Demon
本文用信息热力学分析湾流与黑潮SST同步的线性SDE,提出以大气海洋噪声为驱动、经测量与反馈控制实现的“随机同步”麦克斯韦妖机制。
2025-01-07 physics.ao-ph
Self-organization of the Earths climate system versus Milankovitch-Berger astronomical cycles
将南极晚更新世温度变化曲线分解为周期性和高频随机性两个分量。对于这些组件中的每一个,数学模型的开发表明,周期性和随机的温度变化是不同的,但相互关联的,具有自己的自组织过程。为了对循环分量进行建模,编写了一个常微分方程系统,该系统表示具有恒定周期的自振荡、自组织过程。它也表明,这些方程可以用来模拟更现实的温度变化与变化的周期长度。对于随机分量,计算多重分形谱并与临界正弦圆映射的多重分形谱进行比较。物理解释相关的数学模型和讨论未来气候发展的背景下,这项工作。
2014-07-11 physics.ao-ph physics.geo-ph
Long-term stability and generalization of observationally-constrained stochastic data-driven models for geophysical turbulence
Rice University(莱斯大学);NVIDIA Corporation(英伟达公司)
近年来,人们对构建基于深度学习的完全数据驱动的天气预测模型的兴趣激增。这种深度学习模型如果经过观测训练,可以减轻当前最先进的天气模型中的某些偏差,其中一些偏差源于亚网格尺度过程的不准确表示。然而,这些数据驱动的模型是过度参数化的,需要大量的训练数据,而这些数据可能无法从再分析(观测数据)产品中获得。此外,在现实场景中,使用数据驱动的天气模型开始预测的准确、无噪声的初始条件是不可用的。最后,确定性数据驱动的预测模型存在长期稳定性和非物理气候漂移的问题,这使得这些数据驱动的模型不适合计算气候统计数据。鉴于这些挑战,以前的研究试图在大量不完善的长期气候模型模拟上预训练基于深度学习的天气预报模型,然后在可用的观测数据上重新训练它们。在本文中,我们提出了一个基于卷积变分自编码器的随机数据驱动模型,该模型在2层准地转流的不完美气候模型模拟上进行了预训练,并使用迁移学习在来自完美模拟的少量噪声观测上进行了重新训练。然后,这个重新训练的模型使用从完美模拟中采样的噪声初始条件进行随机预测。我们表明,我们基于集合的随机数据驱动模型在短期技能方面优于基于基线确定性编码器-解码器的卷积模型,同时在长期气候模拟中保持稳定,从而产生准确的气候学。
2022-05-09 cs.LG nlin.CD physics.ao-ph
Towards Optimally Weighted Physics-Informed Neural Networks in Ocean Modelling
Inria Chile Research Center(法国国家信息与自动化研究所智利研究中心)
世界海洋的碳泵在地球的生物圈和气候中发挥着至关重要的作用,敦促人们更好地了解海洋的功能和影响,以进行气候变化分析。需要最先进的技术来开发能够捕捉洋流和温度流动复杂性的模型。这项工作探讨了使用物理信息神经网络(PINNs)解决与海洋建模相关的偏微分方程的好处,如Burgers,波浪和对流扩散方程。我们探讨了在PINN中使用数据与物理模型求解偏微分方程的权衡。PINN解释了与物理定律的偏离,以提高学习和泛化能力。我们观察了损失函数中数据和物理模型之间的相对权重如何影响训练结果,其中小数据集从添加的物理信息中受益更多。
2021-06-16 cs.LG cs.NE physics.ao-ph
Uncertainty in Climate Science: Not Cause for Inaction
利用观测数据和一个基本的严格统计事实,很容易证明地球气候的分布是非平稳的。对北半球数百个地方工业时代温度历史记录的检查被用来证明这一事实。从统计学上看,在工业时代,合奏的平均值一直在上升。所有这些都证实了气候科学家已经知道的事情。在不确定性下的预测问题也得到了解决:一个简单的平衡模型被调整以跟踪气候记录的集合。随机参数化的创建,以捕捉自然和人为二氧化碳强迫。然后,根据历史数据对由此产生的随机模型进行测试,然后用于对未来进行预测。这项工作也证实了气候科学对工业时代人类活动造成的重大全球变暖的归因。由于不确定性导致的模型的可变性不足以混淆工业时代平均温度的明显上升。此外,即使自然CO2贡献的方差被人为地大大增加(在模型中),波动也不能解释历史平均值的当前变化。这些结果削弱了2016 - 2020年美国政府的事实有效性,声称气候和气候科学有太多的不确定性,无法进行气候预测,并进一步指出,当代洪水,极端天气,甚至全球平均气温上升的报告只是气候的表现,总是在自然界中波动的统计分布。
2022-01-20 math.DS physics.ao-ph
Wavelet regression: An approach for undertaking multi-time scale analyses of hydro-climate relationships
以往的研究表明,水文气候过程是一个随机的复杂系统,很难发现隐藏在所有非平稳数据中的模式,也很难彻底理解水文气候关系。为了揭示水文变量对气候变化的多时间尺度响应,将小波分析与回归方法相结合,提出了一种综合的方法--小波回归(wavelet regression,WR)。与现有方法相比,该方法具有以下特点:(1)小波分析揭示了水文变量及其相关气候因子在不同时间尺度上的变化规律。(2)在小波分析结果的基础上,采用回归分析方法揭示了各型的水文气候关系。(3)与现有方法相比,该方法的优点在于,该方法提供了一种发现随机和非平稳数据中隐藏模式的途径,并定量描述了不同时间尺度上的水文气候关系。
2018-06-16 nlin.PS physics.ao-ph physics.geo-ph
Modelling the effect of aerosol and greenhouse gas forcing on the South and East Asian monsoons with an intermediate complexity climate model
本研究使用PLASIM模型模拟气溶胶和温室气体强迫对南亚和东亚季风的影响,发现气溶胶加载通过降低降水效率导致局部降水减少,而二氧化碳加倍则增加降水并减弱环流,两者同时作用时CO2部分抵消气溶胶效应。
2023-10-26 physics.ao-ph physics.comp-ph physics.geo-ph
Separating internal and externally-forced contributions to global temperature variability using a Bayesian stochastic energy balance framework
地球的温度变化可以分为内部和外部强迫分量。然而,对基本机制及其相对贡献的了解仍然不够,特别是在十年至百年的时间尺度上。造成这种情况的重要原因是难以将内部和外部强迫的变异性隔离开来。在这里,我们提供了一个物理动机的仿真全球平均地面温度(GMST)的变化,它允许内部和外部的变化分离。为此,我们介绍了“ClimBayes”软件包,该软件包采用贝叶斯方法从随机能量平衡模型(EBM)推断气候参数。我们将我们的方法应用于GMST数据从温度观测和20个最后的千年模拟气候模式的中间到高度的复杂性。这产生了EBM的强制和强制+内部响应的最佳估计,我们称之为模拟变异性。时间尺度依赖的方差从谱分析获得。特别是,我们对比仿真强迫和强迫+内部方差年际到百年的时间尺度与GMST的目标。我们的研究结果表明,一个随机EBM密切接近现代气候模式模拟的GMST的功率谱和时间尺度依赖的方差。在年际时间尺度的小偏差可以归因于内部变异的简化表示,特别是,在随机EBM(伪)振荡模式的情况下。总之,我们展示了结合贝叶斯推断与概念气候模式来模拟跨时间尺度的气候变量统计的潜力。
2023-01-31 physics.ao-ph physics.data-an physics.geo-ph
Leveraging Climate Services to Build Climate Resilient Power Systems
RTE(法国电力集团);World Energy & Meteorological Council(世界能源与气象理事会);Inside Climate Service(气候服务内部机构);ENTSO-E(欧洲输电系统运营商联盟);TenneT TSO B.V(TenneT输电网公司)
研究探讨了气候变化与电力系统规划的相互作用,提出需系统整合气候信息以提高电力系统韧性,通过PECD4.2数据库等工具提升气候信息应用的准确性与效率。
2026-05-01 physics.ao-ph
Benefits of Deterministic and Stochastic Tendency Adjustments in a Climate Model
本研究在社区大气模型第6版中开发并比较了基于数据同化增量和松弛逼近趋势的在线误差校正方案,发现确定性调整显著改善气候态,而额外随机性进一步优化变率模态,并纠正了太平洋的偏差。
2023-08-29 physics.ao-ph
An empirical, Bayesian approach to modelling the impact of weather on crop yield: maize in the US
我们应用经验,数据驱动的方法来描述作物产量的函数,每月的温度和降水量采用生成概率模型,通过贝叶斯推断确定的参数。我们的方法适用于1981年至2014年美国玉米带的州规模玉米产量和气象数据作为范例,但很容易转移到其他作物,地点和空间尺度。一些模型的实验表明,玉米的生长速度可以通过一个二维的高斯函数的温度和降水量与每月的贡献积累在生长期间。这种方法考虑到了个体气象变量的非线性增长响应,并允许它们之间的相互作用。我们的模型正确地识别出温度和降水对收获前六个月的产量影响最大,与美国玉米的典型生长季节(4月至9月)一致。最大的增长率发生在月平均温度18-19 $^\circ$ C,对应的每日最高温度为24-25 $^\circ$ C(与以前的工作广泛的协议)和月总降水量115毫米。我们的方法还提供了一个自洽的方式调查气候变化对当前美国玉米品种的影响,在没有适应措施。保持降水量和种植面积不变,相对于1981-2014年,温度升高$2^\circ$ C,导致平均产量下降8%,而产量方差增加约3倍。因此,我们提供了一个灵活的,数据驱动的框架,探索自然气候变率和气候变化对全球重要作物的影响,根据他们观察到的行为。与其他方法一起,这可以帮助制定适应战略,确保气候变化下的粮食安全。
2020-01-08 physics.ao-ph physics.data-an
A Temporal Stochastic Bias Correction using a Machine Learning Attention model
University of Cambridge(剑桥大学);Institut Pierre-Simon Laplace(皮埃尔·西蒙·拉普拉斯研究所)
本文将偏差校正重构为带随机输出的时间索引回归任务,并利用机器学习注意力模型学习时间异步等偏差,在阿布贾和东京的热浪案例中取得更准确校正结果。
2024-06-25 cs.LG physics.ao-ph
Climate tipping as a noisy bifurcation: a predictive technique
从模拟研究中人们通常知道,气候倾斜的某种模式(例如海洋温盐环流)是由一个基本的褶皱分叉决定的。对于这样的情况下,我们提出了一个分析方案,确定最佳的随机适合现有的数据。这提供了有效控制参数的演化速率、稳定性系数的变化、路径本身及其临界点。通过评估可用时间序列中的实际有效噪声水平,我们能够对倾倒时间进行概率估计。这项新技术首先被应用于大约3400万年前温室地球结束时的计算机模拟输出,当时气候从热带状态转变为冰帽状态。其次,我们使用的算法,以概率小费估计地球最近的冰川使用实际的考古冰芯数据的结束。
2010-11-30 math.DS physics.ao-ph
Stochastic thermodynamics and predictability of Ornstein-Uhlenbeck processes: an application to the Madden-Julian Oscillation
University of Bologna(博洛尼亚大学);Princeton University(普林斯顿大学);University of Colorado(科罗拉多大学)
本文提出OU过程的粗粒化随机热力学框架,应用于MJO,发现可预测性与路径作用相关,且MJO变得更可预测、更不可逆、更活跃。
2026-10-05 cond-mat.stat-mech physics.ao-ph
A Computational Framework for Modelling and Analyzing Ice Storms
冰暴是极端天气事件,可能对自然生态系统和人造基础设施的可持续性产生破坏性影响。冰暴是由复杂的混合大气条件引起的,是人们最不了解的灾害性天气事件之一。我们模拟冰暴和描述风暴特征的能力将大大有助于建立抵消风暴影响的支持系统,并增加我们对冰暴的了解。在本文中,我们提出了一个整体的计算框架来回答有关冰暴的关键问题。我们模拟冰暴作为相关的表面和大气变量的函数。我们通过在标签缺失或不正确的数据上调整和应用监督和无监督机器学习算法来学习这些模型。我们还包括一个知识表示模块,该模块使用领域知识进行推理,以修改学习模型的输出。我们的模型使用再分析数据和风暴事件的历史记录进行训练。我们评估这些模型的再分析数据以及全球气候模型(GCM)的历史和未来的气候变化情景数据。此外,我们讨论了使用适当的偏差校正方法来运行这样的建模框架与GCM数据。
2018-05-13 cs.OH physics.ao-ph