Основная физика климатического моделирования

Климатические модели являются одними из самых амбициозных вычислительных инструментов, когда-либо созданных. Они перегоняют огромную сложность атмосферы Земли, океанов, поверхности суши и криосферы в единую математическую структуру. Каждое моделирование опирается на устоявшиеся физические законы, от сохранения массы и энергии до уравнений движения жидкости. Только путем точного кодирования этих принципов ученые могут воспроизводить наблюдаемые климатические модели и прогнозировать будущие изменения при повышении концентрации парниковых газов. Современные модели не просто экстраполируют исторические тенденции; они решают зависящие от времени дифференциальные уравнения на вращающихся сферах, захватывая обратные связи, которые могут усиливать или ослаблять потепление.

Физическое сердце любой климатической модели — это концепция замкнутого энергетического бюджета. Земля поглощает коротковолновое солнечное излучение и излучает длинноволновое инфракрасное излучение. Баланс между поступающей и исходящей энергией определяет глобальную температуру, и возмущения этого баланса — будь то увеличение углекислого газа, вулканические аэрозоли или изменения поверхностного альбедо — приводят к климатической реакции. Этот первый принцип, сохранение энергии, не подлежит обсуждению и должен быть удовлетворен в пределах долей ватта на квадратный метр. Современные модели представляют его с иерархией кодов радиационного переноса, динамического теплообмена, связанного с фазовыми изменениями воды.

На еще более фундаментальном уровне климатические модели уважают сохранение импульса и массы. Атмосфера и океан являются жидкостями на вращающейся планете, поэтому уравнения Навье-Стокса, дополненные силой Кориолиса и терминами для турбулентного смешивания, управляют крупномасштабными циркуляциями. Эти уравнения являются теми же, которые используются в прогнозировании погоды, но климатические модели должны интегрировать их на протяжении веков, а не дней, предъявляя чрезвычайные требования к цифровой стабильности и вычислительной эффективности. Жидкое динамическое ядро модели - часть, которая вычисляет ветер, давление и температуру на трехмерной сетке - часто сравнивается с идеализированными тестовыми случаями, чтобы гарантировать, что оно не производит ложную энергию или ложную вихревость. Лаборатория геофизической динамики жидкостей NOAA опубликовала обширную документацию о том, как такие ядра построены и проверены.

Термодинамические законы, управляющие фазовыми изменениями воды, одинаково важны. Испарение на поверхности океана поглощает скрытое тепло, которое позже высвобождается в возвышающихся кучевых облаках за тысячи километров. Этот перенос энергии через водяной пар является основным двигателем общей циркуляции атмосферы и тесно связан с образованием облаков и осадками. Модели должны параметризировать такие процессы, как конденсация, испарение и механизм роста кристаллов льда Бержерона-Финдейсена, потому что они происходят в масштабах, намного меньших, чем типичный сеточный ящик. Научная точность этих параметризаций часто определяет, насколько хорошо модель воспроизводит наблюдаемое распределение облаков и осадков. Даже лучшие модели продолжают бороться с представлением конвективной организации, морских палуб стратокумулуса и микрофизических свойств смешанных фаз облаков.

Радиационная передача решает распространение электромагнитного излучения через вертикально неоднородную атмосферу. Газы, такие как CO2, водяной пар, метан и озон, поглощают и испускают на определенных длинах волн, и эти спектральные линии разрешаются с использованием баз данных, таких как HITRAN. Современные радиационные коды разбивают спектр на полосы и применяют двухпотоковые приближения или более сложные методы коррелирования. Получающиеся скорости нагрева возвращаются в динамику жидкости и баланс поверхностной энергии. Взаимодействие между излучением и облаками является доминирующим источником неопределенности в чувствительности климата; модели должны получить вертикальное перекрытие облачных слоев, а также распределение сверхохлажденной жидкости и льда. Шестой оценочный доклад МГЭИК посвящает целые главы этим взаимодействиям излучения-облака и их роли в определении равновесной чувствительности климата.

Деконструкция компонентов климатической модели

Современные модели системы Земли — это не монолитные коды, а федерации компонентных моделей, которые обмениваются потоками через общие интерфейсы. Разбивка системы на компоненты атмосферы, океана, суши и льда позволяет специализированным сообществам совершенствовать каждую область, соблюдая при этом всеобъемлющие законы сохранения, которые связывают их вместе. Парная система организует передачу импульса, тепла, влаги и углерода между этими сферами через регулярные промежутки времени, обычно каждый час или меньше. Качество связи напрямую влияет на моделирование таких явлений, как Эль-Ниньо — Южное колебание, где должна поддерживаться точная обратная связь между океанским апвеллингом и атмосферными ветрами.

Атмосферные модели

Атмосферный компонент разрешает текучесть динамики воздуха на сферической сетке, проецируя примитивные уравнения либо в широтно-долговатую сетку, кубическую сферу, либо в спектральное представление. Методы спектрального преобразования были исторически доминирующими, потому что они естественным образом обрабатывают сферическую геометрию и сохраняют энергию и энстрофизию. Многие операционные климатические модели теперь предпочитают методы конечного объема или спектрального элемента на неструктурированных сетках для их масштабируемости на массивно параллельных суперкомпьютерах. В каждой колонке сетки параметризации обрабатывают излучение, турбулентное смешивание в планетарном пограничном слое, облачную макрофизику и микрофизику, конвективный транспорт и генерацию орографических гравитационных волн. Верность суточного цикла конвекции над землей, мелкость кумули торговых ветров и частота внезапных стратосферных потеплений часто зависят от этих схем реанализа. Продукты реанализа ECMWF часто используются для бенчмарк

Океанские модели

Океанские модели решают гидростатические (или все более негидростатические) примитивные уравнения на пошатнувшейся сетке, как правило, трехполярной или смещенной-полюсной конфигурации, чтобы избежать сингулярности Северного полюса. Представление мезомасштабных вихрей, которые являются океаническим аналогом атмосферных погодных систем, перешло от параметризации к явному разрешению в конфигурациях высокого разрешения. Эдди транспортирует тепло, соль и биогеохимические индикаторы, влияя на вентиляцию термоклина и секвестр антропогенного углерода. Модели океана также должны представлять морской лед, который изолирует океан от холодной атмосферы, отражает солнечный свет и впрыскивает пресную воду во время таяния. Термодинамика морского льда и динамика (реология, основанная на вязких-пластических или эластичных-вязко-пластических конститутивных законах) вводят сильные нелинейности и чувствительны к небольшим изменениям атмосферного воздействия. Глубокая опрокидная циркуляция, включая Атлантическую меридиональную опро

Модель поверхности земли

Сухопутный компонент контролирует разделение чистого поверхностного излучения на разумное тепло, скрытое тепло и хранение тепла на земле. Он имитирует динамику влажности почвы через несколько слоев, накопление и таяние снега, перехват навеса, стоматальную проводимость и поглощение углерода посредством фотосинтеза. Сложность современных моделей суши конкурирует с циклами углерода и азота, фенологией растительности, динамическим растительным покровом и даже возникновением лесных пожаров. Подсетевая плитка представляет неоднородность почвенного покрова в пределах одного атмосферного сеточного ящика - пахотных земель, лесов, городов, озер - каждый со своим собственным поверхностным энергетическим балансом. Эта плитка имеет решающее значение, потому что поверхность земли рассматривается атмосферой как лоскутное одеяло потоков и линейное их объединение может искажать рост и конвекцию пограничного слоя. Представление о грунтовых водах и боковых гидрологических потоках является активной границей, поскольку она влияет как на сезонную устойчивость влаги почвы, так и на вход пресной воды в океан.

Криосферные модели

Модели ледяного покрова решают уравнения Стокса или их приближения к мелкому льду и мелкому шельфу, чтобы имитировать медленный ползание льда под собственным весом. В то время как ранее они выполнялись в автономном режиме, вызванном выходом климатической модели, компоненты ледяного покрова все чаще интерактивно связаны с глобальными климатическими моделями. Эта связь позволяет получить двусторонние обратные связи: поверхностные талые воды просачиваются через трещины и смазывают кровать, ускоряя ледовый поток, в то время как топография ледяного покрова сама изменяет атмосферную циркуляцию и циркуляцию океана вблизи линии заземления. Представление о нестабильности морского ледяного покрова, где отступление в углубляющуюся основу приводит к необратимой потере массы, является неопределенностью первого порядка в проекциях уровня моря. Компоненты морского льда продолжают совершенствоваться с новыми реологическими моделями, параметризациями плавильных прудов и распределениями размера плавучей льдины, потому что наблюдаемое снижение арктического морского льда превышает многие проекции модели. Отзывы ледяного покрова являются одними из самых сильных

Численные и вычислительные методы

Уравнения климата, управляющие уравнениями, являются дифференциальными уравнениями, которые редко допускают аналитические решения в реалистичных областях. Численная дискретизация преобразует их в алгебраические системы, которые могут быть решены итеративно или с помощью прямых решателей. Выбор сетки — структурированной, неструктурированной, однородной или регионально уточненной — является компромиссом между вычислительной стоимостью и способностью захватывать резкие градиенты. Методы конечных различий, конечных объемов и спектральных элементов имеют своих сторонников, и глобальные климатические модели в настоящее время изучают адаптивную уточнение сетки, чтобы концентрировать разрешение на фронтах, тропических циклонах и граничных токах, не работая при равномерно высоком разрешении.

Временная интеграция одинаково сложна. Самые быстрые атмосферные волны (акустические и гравитационные волны) накладывают строгие ограничения по времени, если не используются полуимплицитные или расщепленные схемы. Многие модели используют неявную обработку для вертикального распространения и явную интеграцию для горизонтальной адвекции, позволяя временным шагам в десятки минут в атмосфере при сохранении стабильности. Океан с его более медленными скоростями может принимать более длительные шаги времени, но свободная поверхность и баротропный режим по-прежнему требуют тщательного обращения. Сохранение массы и трассеров должно быть принудительно до машинной точности, особенно для биогеохимических трассеров, таких как изотопы углерода, чтобы предотвратить долгосрочный дрейф, который повредит проекциям углеродного цикла в масштабе века.

Поскольку климатическая модель не может разрешить каждый вихрь в океане или каждое кучевое облако, субсетевые процессы кодируются с помощью параметризации. Это физические модели закрытия: например, граничная турбулентность часто обрабатывается схемами вихревого/массового потока, которые соответствуют теории сходства Монина-Обухова вблизи поверхности. Глубокая конвекция параметризуется с использованием подходов масс-потока (например, Arakawa-Schubert, Tiedtke или Zhang-McFarlane), которые предполагают ансамбль плюмов с захватом и удерживанием. Облачная микрофизика использует схемы объемов или бин для разделения конденсированной воды на облачные капли, дождь, кристаллы льда, снег и граупель. Каждая параметризация содержит настраиваемые коэффициенты, но научная цель состоит в том, чтобы основывать их на наблюдаемых свойствах и надежных теоретических ограничениях, а не на специальной корректировке. Калибровка против спутниковых наборов данных, таких как CloudSat и CALIPSO, стала стандартной практикой.

Иерархия климатических моделей

Не все климатические модели созданы равными, и сообщество моделирования намеренно поддерживает иерархию для разделения процессов и проверки понимания. Простые модели энергетического баланса уменьшают планету до нескольких коробок, захватывая только глобальную среднюю температурную реакцию на радиационное воздействие. Они бесценны для расчетов за пределами конверта и для интерпретации более сложных моделей. Модели системы Земли промежуточной сложности (EMIC) включают двумерные компоненты океана и упрощенные атмосферы, позволяя модели тысячелетнего масштаба, которые исследуют ледниковые межледниковые циклы и длинный хвост сокращения углекислого газа.

В верхней части иерархии находятся полностью связанные модели общей циркуляции атмосферы и океана (AOGCM) и модели системы Земли (ESM), которые дополнительно включают интерактивные циклы углерода и азота, химию атмосферы, динамическую растительность и ледяные щиты. Эти ESM являются рабочими лошадками проекта смешанных моделей (CMIP), теперь находящегося в седьмой фазе. CMIP координирует эксперименты со стандартизированными принуждениями - историческими, будущими сценариями (SSP) и идеализированными тестами, такими как резкие 4×CO2 - так что выход может быть проанализирован коллективно. Этот подход многомодельного ансамбля показывает, какие реакции являются надежными в моделях и которые чувствительны к конкретным параметризациям. Проект CMIP обеспечивает открытый доступ к петабайтам данных моделирования, подпитывая тысячи исследований по темам от тепловых волн до морских тепловых волн.

Калибровка, валидация и квантификация неопределенности

Создание надежной климатической модели требует как калибровки, так и валидации, хотя термины часто смешиваются. Калибровка (или настройка) корректирует неопределенные параметры в физически обоснованных диапазонах, чтобы улучшить соответствие с наблюдаемой климатологией - например, модифицируя скорость удержания в глубокой конвекции, чтобы картина тропических осадков соответствовала микроволновым спутниковым поискам. Настройка является необходимой и научно обоснованной деятельностью, но она должна быть документально подтверждена. Перенастройка на конкретный современный климат может ухудшить производительность модели в палеоклиматах или будущих сценариях с очень различным принуждением.

Валидация включает в себя противостояние модели наблюдениям, которые не использовались в калибровке. Это может включать в себя сезонный цикл переноса масс Антарктического циркумполярного течения, реакцию на извержение вулкана Пинатубо или вековые тенденции в океанском тепловом содержании. Возникающие ограничения, где наблюдаемое межмодельное распространение в настоящем климате коррелирует с определенной неопределенностью проекции, предлагают мощный путь валидации. Например, представление коротковолновой обратной связи облака в тропиках сегодня ограничивает обратную связь облака при потеплении. В строгой классификации неопределенности (UQ) используются большие ансамбли возмущенной физики, стохастические параметризации или суррогаты машинного обучения для выборки пространства параметров модели. Эти усилия показывают распределение вероятности для таких результатов, как глобальное среднее повышение температуры к 2100 году, теперь оценивается с вероятным диапазоном от 2 ° C до 4,5 ° C для сценария с высоким уровнем выбросов. UQ является вычислительно дорогим, но необходимым для соответствующих политике заявлений.

Дорога вперед: Exascale Computing and Machine Learning

Климатическое моделирование стоит на трансформационном моменте. Экзамасштабные компьютеры позволяют проводить глобальные симуляции с интервалами в сетке 1-3 км, явно разрешая глубокую конвекцию и захватывая океанское мезомасштабное вихревое поле глобально. В таких моделях «разрешения шторма» многие традиционные параметризации становятся ненужными, заменяются более фундаментальными представлениями облачной микрофизики и краевой турбулентности. Энергетический баланс, динамика жидкости и принципы радиационного переноса остаются неизменными, но проблема закрытия перемещается в меньшие масштабы. Ранние результаты проекта DYAMOND показывают, что многодневная организованная конвекция и Мадден-Джулианская осцилляция гораздо лучше моделируются при этих разрешениях, улучшая перспективы точных десятилетних предсказаний.

Машинное обучение (ML) вплетается в рабочий процесс моделирования несколькими способами. Нейронные сети могут изучать вычисления радиационного переноса в автономном режиме, сокращая вычислительное время без значительной потери точности. Эмуляторы модели с одним столбцом в атмосфере могут ускорить исследования чувствительности параметров. Наблюдения используются для обучения алгоритмов сверх-разрешения, которые снижают выход грубой модели до соответствующих масштабам. Возможно, наиболее амбициозно, некоторые группы разрабатывают гибридные модели, в которых ML заменяет части физических параметризаций, обучаясь на основе эталонных симуляций с высоким разрешением. Эти подходы должны уважать законы сохранения и физические ограничения, такие как монотонность и вращательная инвариантность; чисто основанные на данных компоненты рискуют нарушить бюджеты энергии и влаги. Сообщество разрабатывает физические нейронные сети и дифференцируемые модели, которые встраивают уравнения сохранения непосредственно в функцию потерь. Если успешные, такие методы могут сузить неопределенность в чувствительности климата, делая взаимосвязь модели между параметрами и возникающим поведением более прозрачной.

В конечном счете, научные принципы, лежащие в основе климатического моделирования - сохранение энергии, гидродинамики, термодинамики и радиационного переноса - остаются основой. Вычислительная революция позволяет нам решать эти уравнения с еще большей точностью, в то время как ML предлагает новые инструменты как для ускорения, так и для открытия. Сочетание обещает более точные региональные прогнозы наводнений, засух, волн тепла и повышения уровня моря, что дает возможность обществам адаптироваться к изменениям, которые уже заблокированы и смягчить дальнейшее потепление. Закрепляя эти достижения в прозрачной физике, сообщество моделирования поддерживает научную строгость, которая сделала климатические модели незаменимыми для международных переговоров по климату и национальных усилий по планированию.