气候模式

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索


气候模型是基于物理、流体运动和化学基本定律的微分方程系统。 为了“运行”一个模型，科学家们将地球划分成一个三维网格，应用基本方程，并对结果进行评估。 大气模型计算每个网格内的风、热传递、辐射、相对湿度和地表径流，并评估与邻近点的相互作用。  


气候模式可以是数值的，也可以是定性的(即不是数值的)。定性的气候模型通常是对未来的可能描述[1]。


数值气候模型使用定量方法来模拟气候的重要驱动因素之间的相互作用，包括大气、海洋、陆地表面和冰。它们被用于从研究气候系统的动态到预测未来气候的各种目的。定量的气候模型考虑到来自太阳的入射能量为短波电磁辐射，主要是可见光和短波(近)红外线，以及外向长波(远)红外线电磁辐射。其不平衡导致温度的变化。


定量模型复杂性各不相同:

  1. 一个简单的辐射热传递模型是将地球作为一个单点，对输出能量进行平均。
  2. (耦合的)大气-海洋-海冰全球气候模式解决了质量、能量转移和辐射交换的完整方程。
  3. 在地球系统模型中，其他类型的模型可以相互关联，例如土地使用，使研究人员能够预测气候与生态系统之间的相互作用。
Climate models are systems of differential equations based on the basic laws of physics, fluid motion, and chemistry. To “run” a model, scientists divide the planet into a 3-dimensional grid, apply the basic equations, and evaluate the results. Atmospheric models calculate winds, heat transfer, radiation, relative humidity, and surface hydrology within each grid and evaluate interactions with neighboring points. 气候模型是基于物理、流体运动和化学基本定律的微分方程系统。 在“运行”一个模型时，科学家们将地球划分成一个三维网格，应用基本方程，并对结果进行评估。 大气模型计算每个网格内的风、传热、辐射、相对湿度和地表水文学，并评估其与邻近点的相互作用。  


盒子模型

Schematic of a simple box model used to illustrate fluxes in geochemical cycles, showing a source (Q), sink (S) and reservoir (M) 地球化学循环通量简单箱型模型示意图：源(Q)、汇(S)和储层(M) . 

盒子模型是复杂系统的简化版本，将它们简化为通量连接的盒子(或水库)。假定这些盒子是均匀混合的。因此，在一个给定的盒子内，任何化学物质的浓度都是均匀的。然而，在一个给定的盒子内的一个物种的丰度可能会随着时间的变化而变化，这是由于盒子内的输入(或损失)或这个物种在盒子内的生产、消费或衰变所致。


简单的盒子模型，例如。盒子模型有少量的盒子，它们的属性(例如:它们的体积)不随时间变化，通常用于推导描述物种的动态和稳态丰富度的解析公式。更复杂的箱模型通常用数值方法求解。


盒子模型被广泛用于模拟环境系统或生态系统以及海洋环流和碳循环的研究。[2]它们是多室模型的实例。


零维模型

一个非常简单的地球辐射平衡模型是：

[math]\displaystyle{ (1-a)S \pi r^2 = 4 \pi r^2 \epsilon \sigma T^4 }[/math]

其中：

  • 等号左边代表来自太阳的能量；
  • 等号右边代表来自地球的能量，根据Stefan-Boltzmann定律计算，假设模型假设温度T，有时称为“地球的平衡温度”；
  • S 是太阳常数，即单位面积内的入射太阳辐射约1367 W·m−2
  • a 是地球的平均反照率，测量值为0.3；
  • r 为地球半径，大约6.371 × 106m；
  • π 为数学常数(3.141...)；
  • σ 为斯蒂芬-玻尔兹曼常数，大约5.67 × 10-8jk-4m-2s-1
  • ε 为地球的有效反射率，大约0.612；

常数 πr2可以分解出来，得到:

[math]\displaystyle{ (1-a)S = 4 \epsilon \sigma T^4 }[/math]


求得温度

[math]\displaystyle{ T = \sqrt[4]{ \frac{(1-a)S}{4 \epsilon \sigma}} }[/math]。

这样得到明显有效的地球平均温度。


[3]这是因为上面的方程代表了地球的有效辐射温度(包括云和大气)。


这个非常简单的模型很有启发性。例如，它很容易确定太阳常数、反照率或有效地球发射率的变化对平均地球温度的影响。


地球的平均比辐射率很容易从现有数据中估计出来。陆地表面的放射系数均在0.96-0.99之间[4][5](除少数小沙漠地区可能低至0.7)。然而，覆盖地球表面大约一半的云层，其平均反射率约为0.5[6](必须用云的绝对温度与地球平均绝对温度之比的四次方减少) ，而云的平均温度约为0.5。[7]适当地考虑这些因素，得到有效地球反射率约为0.64(地球平均温度)。


这个简单的模型很容易确定太阳输出量的变化或地球反照率的变化或有效地球反射率的变化对地球平均温度的影响。然而，它没有提到是什么可能导致这些事情发生改变。零维模型不能解释地球上的温度分布或者导致地球能量移动的因素。


辐射-对流模式

上述零维模型利用太阳常数和给定的地球平均温度，确定了向空间发射的长波辐射的有效地球反射率。这可以在垂直于一维辐射对流模式的方向上加以改进，该模式考虑两个能量输送过程:

  • 通过大气层的上升流和下降辐射转移，这些大气层通过对流层吸收和释放红外线
  • 向上传送热量(在对流层下部尤其重要)。


辐射-对流模式比简单模式有优点: 它们可以确定不同温室气体浓度对有效反射率的影响，因此也可以确定地表温度。但是需要增加参数来确定局部辐射系数和反照率，并解释导致地球上能量移动的因子。


冰反照率反馈对一维辐射对流气候模式全球敏感性的影响。[8][9][10]

高维模型

可以扩展零维模型以考虑大气中水平输送的能量。这种模型很可能是纬向平均的。这个模型的优点是允许局部反照率和辐射系数与温度有合理的依赖关系——两极可以是冷的，赤道可以是暖的——但缺乏真正的动力学，这意味着必须具体说明水平输送。[11]


中等复杂性的地球系统模型 Earth-system models of intermediate complexity（ EMICs )

根据所提问题的性质和相关的时间尺度，在一个极端，概念上有更多的归纳模型，而在另一个极端，大气环流模型在最高的空间和时间解析度上运行，目前是可行的。中等复杂性模型弥补了这一差距。其中一个例子是 climber-3模型。其大气为2.5维统计动力学模式，分辨率为7.5°× 22.5°，时间步长为半天，海洋为模块化海洋模式 MOM-3，网格为3.75°× 3.75°，垂直高度为24°。[12]


全球气候模式或环流模式 global climate models or general circulation models (GCMs)

环流模式(GCMs)离散了流体运动和能量传递的方程，并随着时间的推移积分这些方程。与较简单的模型不同，大气环流模型将大气和/或海洋划分为代表计算单位的离散“单元”网格。与作出混合假设的简单模型不同，单元内部的过程(例如对流)在尺度太小而无法直接解决的情况下在单元层面上被参数化，而其他功能则控制单元之间的界面。


大气环流模式(AGCMs)模拟大气，并把海面温度作为边界条件。大气-海洋耦合大气环流模式 (AOGCMs，例如HadCM3，EdGCM，GFDL CM2.X，ARPEGE-Climat)结合了两个模型[13]。第一个将海洋和大气过程结合在一起的大气环流气候模式是在20世纪60年代末由美国国家海洋和大气管理局的地球物理流体动力学实验室气候模式发展起来的，[14]它代表了气候模式复杂性的顶峰，并且尽可能地内化了许多过程。然而，它们仍在发展之中，不确定性仍然存在。它们可以与碳循环等其他过程的模型耦合，以便更好地模拟反馈效应。这种综合的多系统模型有时被称为“地球系统模型”或“全球气候模型”


研究与发展

发展、实施和使用气候模型的机构主要有三类:

  • 国家气象部门。大多数国家气象服务机构都有气候学部分。
  • 大学。相关部门包括大气科学、气象学、气候学和地理学。
  • 国家和国际研究实验室。例如，美国国家大气研究中心(NCAR，位于科罗拉多州的博尔德) ，美国地球物理流体动力学实验室研究所(GFDL，位于美国新泽西州的普林斯顿) ，洛斯阿拉莫斯国家实验室，哈德利气候预测与研究中心气象研究所(位于埃克塞特) ，德国汉堡的马克斯·普朗克气象研究所，或者法国的气候与环境科学实验室(LSCE)等等。


世界气候研究计划 World Climate Research Programme(WCRP)由世界气象组织气象组织 World Meteorological Organization (WMO)主办，负责协调全球气候建模的研究活动。


2012年美国国家研究委员会的一份报告讨论了美国庞大而多样化的气候模拟事业如何能够进化得更加统一。[15]报告发现，通过开发一个由所有美国气候研究人员共享的通用软件基础设施，并举办一个年度气候模型论坛，效率可以得到提高。[16]


另见


网上的气候模式


引用文献

  1. ↑ IPCC (2014). "AR5 Synthesis Report - Climate Change 2014. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change" (PDF): 58. Box 2.3. ‘Models’ are typically numerical simulations of real-world systems, calibrated and validated using observations from experiments or analogies, and then run using input data representing future climate. Models can also include largely descriptive narratives of possible futures, such as those used in scenario construction. Quantitative and descriptive models are often used together. “模型”通常是对真实世界系统的数值模拟，通过实验或类比的观察结果进行校准和验证，然后使用代表未来气候的输入数据进行运行。模型还可以包括对可能的未来的大量描述，例如那些在情景构建中使用的描述。定量模型和描述性模型经常一起使用。 {{cite journal}}: Cite journal requires |journal= (help)
  2. ↑ Sarmiento, J.L.; Toggweiler, J.R. (1984). "A new model for the role of the oceans in determining atmospheric P CO 2". Nature. 308 (5960): 621–24. Bibcode:1984Natur.308..621S. doi:10.1038/308621a0.
  3. ↑ [1]
  4. ↑ "Seawater Samples - Emissivities". ucsb.edu.
  5. ↑ Jin M, Liang S (15 June 2006). "An Improved Land Surface Emissivity Parameter for Land Surface Models Using Global Remote Sensing Observations" (PDF). J. Climate. 19 (12): 2867–81. Bibcode:2006JCli...19.2867J. doi:10.1175/JCLI3720.1.
  6. ↑ T.R. Shippert; S.A. Clough; P.D. Brown; W.L. Smith; R.O. Knuteson; S.A. Ackerman. "Spectral Cloud Emissivities from LBLRTM/AERI QME" (PDF). Proceedings of the Eighth Atmospheric Radiation Measurement (ARM) Science Team Meeting March 1998 Tucson, Arizona.
  7. ↑ A.G. Gorelik; V. Sterljadkin; E. Kadygrov; A. Koldaev. "Microwave and IR Radiometry for Estimation of Atmospheric Radiation Balance and Sea Ice Formation" (PDF). Proceedings of the Eleventh Atmospheric Radiation Measurement (ARM) Science Team Meeting March 2001 Atlanta, Georgia.
  8. ↑ "Pubs.GISS: Wang and Stone 1980: Effect of ice-albedo feedback on global sensitivity in a one-dimensional..." nasa.gov. Archived from the original on 2012-07-30.
  9. ↑ Wang, W.C.; P.H. Stone (1980). "Effect of ice-albedo feedback on global sensitivity in a one-dimensional radiative-convective climate model". J. Atmos. Sci. 37 (3): 545–52. Bibcode:1980JAtS...37..545W. doi:10.1175/1520-0469(1980)037<0545:EOIAFO>2.0.CO;2.
  10. ↑ "Climate Change 2001: The Scientific Basis". grida.no. Archived from the original on 25 March 2003.
  11. ↑ "Energy Balance Models". shodor.org.
  12. ↑ "emics1". pik-potsdam.de.
  13. ↑ [2]
  14. ↑ "NOAA 200th Top Tens: Breakthroughs: The First Climate Model". noaa.gov.
  15. ↑ "U.S. National Research Council Report, A National Strategy for Advancing Climate Modeling". Archived from the original on 3 October 2012. Retrieved 18 January 2021.
  16. ↑ "U.S. National Research Council Report-in-Brief, A National Strategy for Advancing Climate Modeling". Archived from the original on 18 October 2012. Retrieved 3 October 2012.
  17. ↑ M. Jucker, S. Fueglistaler and G. K. Vallis "Stratospheric sudden warmings in an idealized GCM". Journal of Geophysical Research: Atmospheres 2014 119 (19) 11,054-11,064
  18. ↑ M. Jucker and E. P. Gerber: "Untangling the Annual Cycle of the Tropical Tropopause Layer with an Idealized Moist Model". Journal of Climate 2017 30 (18) 7339-7358;


参考书目

  • Roulstone, Ian; Norbury, John (2013). [[[:模板:Google books]] Invisible in the Storm: the role of mathematics in understanding weather]. Princeton University Press. 模板:Google books. 


外部链接


编辑推荐

集智课程

地球系统科学读书会

地球科学是研究相互作用的大气圈、水圈、岩石圈和生物圈等组成的地球系统的形成、演化机制的学科。地球科学的研究对象是一个复杂的物理系统，从远古时代，人类便观察到一些独特的自然现象，在生产生活实践中，也尝试理解地球系统不同组成要素的联系，渐渐总结出了看云识天气，瑞雪兆丰年等一些列规律。但是这些经验化的规律并不能完全刻画地球系统的变化，随着现代科学的不断发展，科学家尝试对复杂的地球系统进行定量化的研究。地球的气候系统是众多的复杂系统之一，在 20 世纪 60 年代，美国气象学家真锅淑郎开始探索大气中辐射平衡与气团垂直输送之间相互作用，据此领导了第一个地球气候物理模型的开发，并展示了大气中二氧化碳浓度的增加如何导致地球表面温度升高。大约十年后，德国气象学家克劳斯·哈塞尔曼创建了一个将天气和气候联系在一起的模型，并进一步回答了尽管天气多变而混沌，但气候模型却仍然可靠。此外他还开发了识别特定信号和印记（指纹）的方法，发现自然过程和人类活动都会在气候变化中留下指纹，证明了第一次工业革命以来大气温度的快速升高主要是是由人类排放二氧化碳导致的。这些开创性的工作，也让真锅淑郎和克劳斯·哈塞尔曼获得了2021年的诺贝尔物理学奖。


全球变暖显著地改变了地球系统的演化过程，由此引发的冰川退缩，海平面上升，极端天气气候事件频发等一系列的环境灾害，给人类社会也带来了许多严重的灾难。因此全球变暖不仅仅是一个科学前沿问题，更是一个重要的社会政治问题，影响着每个人的生存和发展。随着站点观测，卫星遥感、雷达等大量观测平台的相继建设，也产生了海量的地球系统观测数据，而目前经典的物理模型往往不能充分地利用这些数据，地球系统的许多问题也急需新的方法来深入解决。基于复杂网络的分析方法近些年来也被广泛运用，在中短期天气预报，二氧化碳空间不均匀分布的增暖效应，以及火灾的预测等问题上有了很多的创新性的工作。


此外，随着计算机技术、人工智能的快速发展，许多深度学习的方法比如神经网络、图网络等也被广泛地应用于分析和解决许多的地球科学问题，目前在大气污染预报，厄尔尼诺预测，自然灾害损失评估等领域有了明显的进展。复杂网络，深度学习等新方法的成功运用，给地球科学这门古老的学科注入了新的发展动力，也为解决当前地球科学面临的许多问题和迎接未来的挑战提供了强大动能。


其他


本中文词条由气象人翻译，薄荷编辑，如有问题，欢迎在讨论页面留言。


本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。

取自“https://wiki.swarma.org/index.php?title=气候模式&oldid=29755”