地球科学读书会词条梳理

地球系统科学读书会简介

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。地球系统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系统科学问题，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，给地球系统科学这门古老的学科注入了新的发展动力，也为解决当前地球系统科学面临的许多问题和迎接未来的挑战提供了强大动能。

由中国地质大学特聘副教授邓琪敏，北京师范大学“励耘”博士后，助理研究员张钢锋，北京师范大学系统科学学院在读博士王硕、在读硕士许菁等人发起的「地球系统科学」系列读书会，将组织大家系统地研究这些以统计物理方法、深度学习方法为核心在地球系统科学中应用的相关文献，深入研读相关文献，激发科研灵感。

若想进一步了解读书会，可点击地球系统科学读书会启动：统计物理与深度学习交叉前沿。