麻省理工学院衍生的算法有助于预测极端天气的频率

为了评估一个社区的极端天气风险，政策制定者首先依靠全球气候模型，这些模型可以提前几十年甚至几个世纪运行，但只能以粗略的分辨率运行。例如，这些模型可用于衡量美国东北部的未来气候条件，但并非专门针对波士顿。

为了估计波士顿未来遭受洪水等极端天气的风险，政策制定者可以将粗略模型的大规模预测与更精细的分辨率模型相结合，并调整以估计波士顿在气候变暖时可能经历破坏性洪水的频率。但这种风险分析的准确性取决于第一个更粗糙的气候模型的预测。

“如果你在大规模环境中犯了错误，那么你就会错过极端事件在较小尺度上会是什么样子的一切，比如在个别城市上空，”威廉·科赫教授兼麻省理工学院机械工程系海洋工程中心主任Themistoklis Sapsis说。

Sapsis和他的同事们现在已经开发出一种方法来“纠正”粗略气候模型的预测。通过将机器学习与动态系统理论相结合，该团队的方法将气候模型的模拟“推动”为大尺度上更逼真的模式。当与较小比例的模型配对来预测特定的天气事件（如热带气旋或洪水）时，该团队的方法对未来几十年特定地点经历这些事件的频率产生了更准确的预测，与没有校正方案的预测相比。

萨普西斯说，新的校正方案在形式上是通用的，可以应用于任何全球气候模型。一旦校正，这些模型可以帮助确定未来几年全球气温上升时极端天气袭击的地点和频率。

“气候变化将对人类生活的方方面面以及地球上的每一种生命产生影响，从生物多样性到粮食安全再到经济，”萨普西斯说。“如果我们有能力准确了解极端天气将如何变化，尤其是在特定地点，那么在准备和进行正确的工程设计以提出解决方案方面可能会产生很大的影响。这种方法可以打开实现这一目标的道路。

该团队的研究结果今天发表在《 地球系统建模进展杂志》（Journal of Advances in Modeling Earth Systems）上。该研究的麻省理工学院合著者包括博士后Benedikt Barthel Sorensen和Alexis-Tzianni Charalampopoulos SM ’19，PhD ’23，以及华盛顿州太平洋西北国家实验室的Shixuan Zhang，Bryce Harrop和Ruby Leung。

引擎盖上

当今的大规模气候模型以逐网格为基础模拟全球平均温度、湿度和降水等天气特征。运行这些模型的模拟需要巨大的计算能力，为了模拟天气特征在几十年或更长时间内如何相互作用和演变，模型平均每 100 公里左右进行一次特征。

“这是一个非常繁重的计算，需要超级计算机，”Sapsis指出。“但这些模型仍然不能解决非常重要的过程，如云或风暴，这些过程发生在一公里或更短的较小尺度上。

为了提高这些粗略气候模型的分辨率，科学家们通常会深入研究并修复模型的基本动力学方程，这些方程描述了大气和海洋中的现象应该如何物理相互作用。

“人们试图剖析过去20到30年开发的气候模型代码，这是一场噩梦，因为在模拟中可能会失去很多稳定性，”Sapsis解释说。“我们正在做的是一种完全不同的方法，因为我们不是试图纠正方程，而是纠正模型的输出。

该团队的新方法采用模型的输出或模拟，并覆盖一种算法，将模拟推向更接近真实世界条件的东西。该算法基于机器学习方案，该方案接收数据，例如世界各地的温度和湿度的过去信息，并学习数据中代表天气特征之间基本动态的关联。然后，该算法使用这些学习到的关联来校正模型的预测。

“我们正在做的是试图纠正动力学，例如极端天气特征，例如飓风桑迪事件期间的风速，在粗略模型中与现实中的样子，”Sapsis说。“该方法学习动力学，而动力学是通用的。拥有正确的动态最终会导致正确的统计数据，例如，罕见极端事件的频率。

气候校正

作为对他们新方法的首次测试，该团队使用机器学习方案来校正由能源百万亿次级地球系统模型（E3SM）产生的模拟，E3SM是由美国能源部运行的气候模型，以110公里的分辨率模拟世界各地的气候模式。研究人员使用过去八年的温度、湿度和风速数据来训练他们的新算法，该算法学习了测量的天气特征与E3SM模型之间的动态关联。然后，他们将气候模型向前运行了大约36年，并将经过训练的算法应用于模型的模拟。他们发现，校正后的气候模式与过去36年的真实世界观测结果更接近，而不是用于训练。

“我们不是在谈论绝对值的巨大差异，”萨普西斯说。“在未校正的模拟中，极端事件可能是105华氏度，而我们的校正则为115华氏度。但对于经历这种情况的人类来说，这是一个很大的不同。

当研究小组将校正后的粗略模型与特定的、更高分辨率的热带气旋模型配对时，他们发现这种方法准确地再现了世界各地特定地点极端风暴的频率。

“我们现在有一个粗略的模型，可以让你在当前的气候下获得正确的事件频率。它得到了更多的改进，“Sapsis说。“一旦我们纠正了动态，这是一个相关的修正，即使你有不同的全球平均温度，它也可以用来了解森林火灾、洪水事件和热浪在未来气候中的样子。我们正在进行的工作重点是分析未来的气候情景。

“结果特别令人印象深刻，因为该方法在E3SM上显示出有希望的结果，这是一种最先进的气候模型，”芝加哥大学气候极端理论和数据小组负责人Pedram Hassanzadeh说，他没有参与这项研究。“一旦纳入未来的温室气体排放情景，看看这个框架会产生什么样的气候变化预测，这将是一件有趣的事情。

这项工作在一定程度上得到了美国国防高级研究计划局的支持。