目前，气候模式面临的挑战是提供高分辨率预测——包括可量化的不确定性——这是越来越多的适应计划者(从地方决策者到私营部门)所需要的，他们需要对当地可能面临的气候风险进行详细评估。
根据《利用人工智能和计算技术推进气候建模和预测》这篇论文的作者所说，这需要在气候预测的准确性和可用性方面做出一步改变，而这可以由人工智能带来。该评论由包括CMCC科学主任Giulio Boccaletti和CMCC总裁Antonio Navarra在内的一组国际领先气候科学家发表在《自然气候变化》杂志上。
一种建议的气候模型阶跃变化方法是将重点放在1公里水平分辨率的全球模型上。然而，作者解释说，尽管千米尺度的模型被称为地球的“数字双胞胎”，但它们仍然有类似于当前模型的局限性和偏见。此外，考虑到高昂的计算成本，它们对模拟集合的规模施加了限制，这既需要校准未解决过程的不可避免的经验模型，也需要量化不确定性。总的来说，千米尺度模型不能提供精度上的阶跃变化，不能证明接受它们所施加的限制是合理的。
作者提出了一种平衡的方法，而不是优先考虑公里尺度的分辨率，侧重于以中等高分辨率(从大约100公里到10-50公里，这是今天的标准)生成大型模拟集合，利用计算和人工智能的进步从数据中学习。通过在广泛利用观测和模拟数据的同时适度提高全球分辨率，这种方法更有可能实现为风险评估建立气候模式的目标，其中包括尽量减少模式误差和量化不确定性，并使其得到更广泛的采用。
1000次10公里分辨率模拟的成本与1次1公里分辨率模拟的成本相同。这组作者写道:“尽管随着计算机性能的提高，我们应该推动分辨率的前沿，但未来十年的气候建模需要关注10-50公里范围内的分辨率。”“重要的是，必须开发气候模型，以便它们能够在全球包容性和分布式的研究计划中通过快速迭代来使用和改进，而不是将资源集中在少数几个单一的中心，如果重点放在公里尺度的全球模型上，则需要这些中心。”
出版:
Schneider, T.， Behera, S.， Boccaletti, G.等。利用人工智能和计算技术推进气候建模和预测。Nat,爬。[j] .科学通报，2016，(5):481 - 481。https://doi.org/10.1038/s41558-023-01769-3
/公开发布。来自原始组织/作者的材料可能具有时点性质，并根据清晰度，风格和长度进行了编辑。海市蜃楼。新闻不受机构限制
所有的位置或侧面，以及所有的视图、位置等
此处表达的结论仅代表作者的观点。点击此处查看全文。
