机器学习和气候建模

时间:2019-03-03 11:22:46 阅读:33次

今天,预测未来对地球气候的影响意味着处理不确定性。例如,政府间气候变化专门委员会(IPCC)的核心气候预测表明,全球气温从大气CO2浓度增加一倍 - 被称为“气候敏感性” - 在1.5摄氏度和4.5摄氏度之间。自1990年第一次IPCC报告以来没有出现过变化,对人类可能想要做的环境事件的类型产生了深远的影响。
部分不确定性是由于非强制变化引起的 - 即使在没有二氧化碳增加的情况下也会发生变化 - 但部分原因是由于需要模型来模拟云和对流等复杂过程。最近,气候科学家试图通过最近的计算机科学革命来缩小气候模型中不确定性的范围。机器学习已经被部署用于各种各样的应用(例如药物发现,空中交通管制和语音识别软件),现在正在扩展到气候研究,目的是减少气候模型的不确定性,特别是因为它与气候敏感性和预测区域趋势有关,是两个最大的不确定因素。
麻省理工学院地球,大气和行星科学系(EAPS)副教授,大气,海洋和气候计划成员Paul O'Gorman讨论了机器学习在气候模拟中的适用范围,可能存在的缺陷及其补救措施,以及方法可能最成功的领域。
问:气候敏感性和气候的区域变化似乎是研究人员感到沮丧的原因。有什么障碍,机器学习如何帮助?
答:当前的气候模型一方面已经非常有用,但它们也面临着非常具有挑战性的问题,其中两个是你提到的 - 气候对二氧化碳加倍的敏感性和气候变化的区域方面,例如,某个国家的降雨量如何变化。对于这两个问题,我们希望有更准确的气候模型,它们也必须快速,因为它们必须运行超过一千年,通常只是为了让它们进入当前的气候状态然后再去进入未来的气候。
所以这是一个准确性和效率的问题。传统上,气候模型主要基于大气和海洋的物理和化学以及陆地表面的过程。但它们不能包括在大气压下达到毫米级或更小的所有事物,因此它们必须包括一些经验公式。那些经验公式称为参数化。参数化表示复杂的过程,如云和大气对流 - 其中一个例子是雷暴 - 与地球的大小相比发生在小尺度上,因此全球气候模型难以准确表示。
在过去几年中出现的一个想法是使用机器学习来更准确地表示大气和海洋的这些小规模方面。我们的想法是运行一个非常昂贵的高分辨率模型,它可以解决您感兴趣的过程,例如浅云,然后使用机器学习从这些模拟中学习。这是第一步。第二步是将机器学习算法结合到气候模型中,希望能够提供更快,更准确的气候模型。这就是全世界几个团体正在探索的问题。
问:机器学习算法在多大程度上可以从一种气候情况或一个地区推广到另一种气候情况?
答:这是一个很大的问号。到目前为止我们发现的是,如果你训练当前的气候并试图模拟一个更温暖的气候,那么机器学习算法就会失败,因为它依赖于类比当前气候中的情况,而不是延伸到气候变暖,气温升高。例如,在气候变暖的情况下,大气层中的云层往往会更高。因此,如果您只针对当前的气候进行培训,那么这是一个限制,但当然也可以在高分辨率模型中对温暖的气候进行培训。
有趣的是,我们发现大气对流,如果你训练当前的气候,然后进入寒冷的气候,机器学习方法确实运作良好。因此,升温或冷却之间存在不对称性以及这些算法可以推广的程度,至少在大气对流的情况下如此。在冷却气候的情况下机器学习算法可以推广的原因是它可以在当前气候中找到更高纬度的例子以匹配更冷气候的热带。因此,世界不同地区的不同气候有助于推动气候变化。
另一件可能有帮助的事情是像厄尔尼诺这样的事件,全球气氛平均变得有点温暖,因此可以提供一个类比来学习。它不是与全球变暖的完美类比,但是一些相同的物理学可能在更高的温度下运行,因此这可能是机器学习算法自动利用的东西,有助于推广到更温暖的气候。
问:这是否意味着气候系统的某些领域机器学习对其他领域更有效?
答:我建议我们应该在非常昂贵的高分辨率模拟上训练我们的机器学习算法,但这只是有意义的,当然,如果我们对我们感兴趣的过程有准确的高分辨率模拟。我们是什么一直在研究 - 大气对流 - 是一个很好的候选者,因为我们可以进行非常准确的高分辨率模拟。
另一方面,如果人们对地表如何应对气候变化以及它如何与其上方的大气相互作用感兴趣,那就更难了,因为它有很多复杂性。我们有不同类型的植物,不同的土壤。这是非常不同的。在这种情况下,从模型中学习你想要的真理并不是那么简单。然后,如果我们说,“那么,对于没有准确昂贵模拟的气候系统方面,我们可以改为使用观测资料吗?”也许。但接下来我们回到试图推广到不同气候的问题。因此,我绝对认为气候系统的不同部分比其他部分更适合机器学习方法。
此外,气候模型模拟的某些方面已经非常好。例如,模型在模拟大气的大规模流体动力学方面已经做得很好。因此,气候模型的那些部分不太可能被机器学习方法所取代,这些方法的灵活性不如纯粹基于物理学的方法。
这项研究得到了麻省理工学院环境解决方案计划的支持。

上一篇:已是第一篇     下一篇:学习教学,加快学习速度
机器学习和气候建模所属专题:机器学习专题 《机器学习和气候建模》链接:http://www.zhouchuanxiong.net/262

机器学习和气候建模相关文章