机器学习能否帮助人类构建更好的气候模式？

Posted 2021-04-03 气象学家

Felipe Dana / AP   格陵兰岛的Helheim冰川让纽约大学研究营地相形见绌

“

If scientists can create a new way to predict climate change – making it as accurate as, say, forecasting the weather – it would help people make everyday decisions: how high to build a sea wall or what crops to plant. 

如果科学家能够创造出一种预测气候变化的新方法，使其像预测天气一样准确，那么它将帮助人们做出日常决策:建多高的海堤或种植什么作物。 （译）

”

汤玛斯·克劳德·张伯伦身材高大而粗犷，他蓄着飘逸的胡须——那是一种十九世纪末流行风格的小胡子。作为一名年轻的 地质学教授 ，他徒步走过威斯康星州东南部的平原，勘测早已消失的冰川的踪迹。当时，猜测冰河时代兴衰的背后机制在当时的学术圈子里非常流行，张伯伦紧紧地抓住了其中的一种理论——将突破点指向了气体。

他在1899年写道: “二氧化碳和水蒸气的效应如同吸热的外壳覆盖着地球”。他得出的结论是，大气中的二氧化碳含量增加一倍，地球的温度就会上升8到9摄氏度。二氧化碳和地球温度之间的这种关系被称为 温室效应 。张伯伦关于这种联系的看法是正确的，尽管他在具体数值上存在些许偏差。这些数值仍然是错综复杂难以捉摸。

位于加利福尼亚州奥克兰的智囊团突破研究所(Breakthrough Institute)的气候科学家泽克•豪斯费尔德(Zeke Hausfather)表示: “我们在收集气候数据方面取得了飞跃性的进展，尤其是在 拥有卫星 以来的30多年里，但归根结底，我们需要知道未来几十年、本世纪剩余时间和未来几个世纪可能会发生什么。要做到这一点，你需要某种数值模式来开展模拟”。

图片由 Katherine Deck提供▼

加州理工学院 高级研究员

气象科学圈子中“模拟-预测”已经构建了超过30个不同的版本的气候模式，试图预测大气的变化将如何改变气候。所有的问题都指向同一个方向: 考虑温室气体效应，气候变暖就会随之而来，但是细节上各个模式模拟结果却各不相同 。

备受敬仰的美国国家航空航天局戈达德太空研究所气候模式项目负责人 Gavin Schmidt 说: “有些地方的结果非常可靠，而有些地方的结果则不那么可靠。但是这些差异促使持怀疑态度的人对整个模式都不屑一顾“。

豪斯费尔德博士说: “有足够多的东西可以让人们从中挑选出来支持他们的先见之见。气候变化怀疑论者……认为气候模式总是预测变暖趋势过多”。在研究了模式模拟过去50年结果之后，豪斯费尔德博士说，“结果表明他们的模拟性能确实可圈可点”。但气候模式开发者承认，为了找到解决气候危机的方法，必须提高模式的精确度。现在，一个由美国东西海岸的气候学家、海洋学家和计算机科学家组成的团队为此发起了一场大胆的竞赛。

他们从世界各地召集了一些聪明绝顶的专家，开始建立一个新的现代气候模式。他们希望将来自太空、陆地和海洋传感器的大量数据收集起来，并利用“机器学习”——一种人工智能——将他们的模式活生生地展现出来，并为许多人认为地球面临的最紧迫威胁提供新的见解。

他们的目标是准确的气候预测，可以告诉当地的政策制定者、建设者和规划者什么时候会发生什么变化，就像天气预报员现在用来描述的概率预报，譬如，今天的降水概率为70% 。

塔皮奥·施耐德(Tapio Schneider)是一名德国出生的气候学家，在加州帕萨迪纳的加州理工学院和喷气推进实验室工作，他领导了这项工作。2019年，施耐德博士在一次科学家聚会上说: “我们没有很好的利用已有信息来制定计划”。模式无法告诉纽约市该建多高的海堤，也无法告诉加利福尼亚州该花多少钱来保护其庞大的水利基础设施。

它们的变化太大了。例如，2015年在巴黎，196个国家一致同意，如果地球从工业时代开始变暖2摄氏度，将会有令人担忧的后果。但我们什么时候能达到这个目标在29个领先的气候模式中，答案是20年到40年，在目前的排放水平下，这几乎是一代人的差距。这一范围太大，无法制定行动时间表，这将需要大规模新建基础设施，从取代化石燃料，到改用电动汽车，再到提升住宅。施耐德博士说: “做出更好的预测并尽快做出预测是很重要的”。

图片由 Tapio Schneider 提供▼

研究人员 Anna Jaruga (左起)和 Akshay Sridhar 以及软件工程师 Sriharsha Kandala 在加利福尼亚气候模拟联盟的办公室工作

这是一块空白板

大多数气候模式开发者在建立模式时使用过去的数据。但是这意味着有大量新的气候测量数据大多未被使用——来自卫星、气球、船只、飞机、气象站，以及漂浮在海面上的数千个传感器。施耐德博士想要插入这个信息流，并迫使一个新的模式从中学习。

他表示: “ 关键在于使用更多的数据 ”。他和他的同事花了两年时间来研究如何做到这一点。

“最初的想法不是重新开始,”施耐德博士说。他与麻省理工学院(Massachusetts Institute of Technology)的一位朋友拉斐尔•法拉利(Raffaele Ferrari)进行了交谈。法拉利是一位意大利研究人员，与他的名字相称，他对汽车类比有着强烈的嗜好。他们意识到，法拉利博士说：“你可以拿着一辆赛车开始更换零件，但很快，制造一辆新赛车就变得容易了”。

两人在马萨诸塞州的伍兹霍尔读研究生的一个夏天相遇，从那时起他们就成为了朋友。法拉利博士研究海洋学，并帮助建立了一个常用的海洋模式，称为麻省理工大气环流模式（MIT General Circulation Model）。

海洋和陆地是大气层的亲密伙伴，但它们通常是分开研究的。施耐德博士和加州理工学院的同事研究空气，费拉里博士和麻省理工学院的研究人员研究海洋。两人都认识到合作的好处。

在2017年和2018年，施耐德博士在加州理工学院召集了一系列的研讨会，盛大地称之为地球的未来系统建模。他说，“我们只是邀请了世界上最好的人”来讨论这个话题。

GitHub仓库 https://github.com/CliMA/ClimateMachine.jl

他们的共识是“气候模式的发展正在挣扎，有些东西不起作用,”费拉里博士说。“他们在寻找新的想法。”渐渐地，他们得出结论，他们应该建立一个新的模式。他们将其命名为“ 气候模式建设联盟 ”——缩写为 CliMA，意大利语和西班牙语的意思是“气候”。

施耐德博士说: “从一张白纸开始是很可怕的”。

但法拉利博士指出，“从头开始，你可以清理随着时间的推移发生的许多事情”。

Melanie Stetson Freeman/Staff ▼

麻省理工学院的研究人员 Raffaele Ferrari 正与一个团队合作创建一个新的气候模式

勿循规蹈矩，成为破坏者

它也是大胆的。这个小组制定了一个项目，这个项目至少需要加州理工学院、麻省理工学院、美国宇航局的喷气推进实验室空间站和其他机构的团队花费五年的时间进行研究，耗时数万小时。这需要资金——至少2500万美元——通常来自政府拨款，但由于特朗普政府对科学的不满，这在早期似乎不太可能。

而且这种情况可能会激怒气候科学界，尤其是已建立的模式中心，比如施密特博士在戈达德的美国宇航局小组。“我认为他们夸大了自己的能力”施密特博士说。是否需要一种新的模式？“他们会答应的。我可能会说不”。

美国政府资助的气候中心主要有三个: 纽约市、科罗拉多州的博尔德和新泽西州的普林斯顿。为了不与现有的联邦融资中心竞争，CliMA 转向了私人资金。很快，它赢得了前谷歌首席执行官埃里克 · 施密特和温迪 · 施密特的承诺，他们的环境慈善事业包括从石油清理竞赛到深海潜水器。2018年9月11日，CliMA 成立，他们承诺提供前三年所需的大部分资金，并以较少的资金支持。

麻省理工学院海洋模式的开发者约翰 · 马歇尔说：”从政府以外获得资金是这个项目的一个非常重要的部分”。

“我认为这个项目是一个破坏者，就像 Uber 项目一样,”他说，“任何一个组织，只要存在很长一段时间，就会变得僵化”。

马歇尔博士指出，另一个显著特征是那些正在研究这个问题的人。“这个模式实际上没有你周围的科学家团队重要”，他说。事实上， CliMA 小组中的60到70名研究人员和程序员代表了一个名副其实的联合国 。

有人在 CliMA 家的墙上贴了一张地图，这是加州理工学院一个由教务长家改建而成的房子，要求每个人标出他们的家。“有很多平头钉的标记,”施耐德博士说。

Carlos Garcia Rawlins/Reuters▼

来自老虎沟12号冰川的融水流过中国甘肃省的祁连山。由于全球变暖，崎岖地区的冰川正在迅速消失

具备“学习”能力的气候模式

决定采用一种创新的方法，来利用机器学习。卫星和传感器信息是免费提供的，其中大部分是为天气预报员准备的。施耐德博士设想用过去三十年的数据“训练”他们的模式，然后定期向其提供最新的数据更新。即使在气候变化的情况下，该模式本身也可以从数据中“学习”，并用人工智能改进的公式校准其性能。

气候模式的工作原理是将地球划分为一个网格。这使得计算机可以通过计算每个网格单元的大气公式来复制条件。这些方程式并不是简单的只关注二氧化碳的水平; 模式现在可以处理数百个影响气候的因素，从太阳辐射、火山粒子、沙尘、海洋喷雾和热带草原，到农田和海冰。

他们通常在15到30平方英里和几英里深的网格单元中完成这项工作。致力于更小的单元，但是要模拟地球的整个大气层，他们需要比现在快几千倍的超级计算机。取而代之的是，CliMA 将深入研究一些较小的网格样本——一些略大于100平方英尺，15英尺深——并使用人工智能从这些样本中训练获取其余的网格公式。

通过关注这种细节水平，CliMA 小组希望能够收集到通常只是粗略估计的对气候的影响。施耐德博士列出的主要目标是评估云层的影响。低层平坦的云或层积云在任何给定的时间环绕着地球的大片区域。但是它们的尺度太细微了，没有好的方法把它们包括在模式中。

“它们对地球的气候非常重要。它们仅仅通过反射太阳光，就能使地球降温约8摄氏度”，施耐德博士说。现有的气候模式低估了它们的影响——他称之为“盲点”——在模式中制造了大量的不确定性。施耐德博士说：”在温室气体排放达到极端水平时，层积云可能会完全消失，从而影响地球的温度。这可能是5000万年前，也就是 地球历史上最近的炎热时期，北极出现鳄鱼的原因之一 “。

但是这个团队遇到了一个问题。虽然计算机变得越来越快，但计算机建模师使用的装置却越来越陈旧。他们必须告诉计算机该做什么，一步一步地，用计算机可以破译的“语言”。

CliMA官网  https://clima.caltech.edu/press-media/

自1957年以来，科学家们经常使用一种名为 Fortran 的编程语言。它很快: 一旦编写完成，它就会使计算机以极高的效率运行。这种效率是至关重要的，当数字运算是大的和复杂的，因为它是在一个气候模式，进行了万亿计算每秒。

但是 Fortran 写起来又笨重又费力。 它必须进一步修改，以适应今天的超级计算机。对于年轻的程序员来说，它有点像古拉丁语。“如果你告诉本科生你需要帮助编写 Fortran，没有人愿意参与”，Ferrari 博士说。“他们认为这是他们职业生涯的终点”。

较新的语言——有几十种，比如 Python、C 和C++ ——更容易编写，但是它们需要更多的时间在计算机中处理。对于 CliMA 模式开发者来说，这是一个进退两难的问题。

Melanie Stetson Freeman/Staff▼

“他们说他们想利用朱莉娅。我真的很高兴。”年的今天，麻省理工学院的数学家艾伦·埃德尔曼(Alan Edelman)发明了一种新的计算机语言(Julia) ，气候建模联盟(Climate Modeling Alliance)的成员们正在使用这种语言(图中显示的是他的柯基犬菲尔)

这个知道答案的人占据了麻省理工学院”CSAIL“大楼七楼的一间办公室——计算机科学和人工智能实验室。艾伦 · 埃德尔曼以把他的宠物柯基犬带到课堂上，然后在它走神的时候派学生去找它而闻名。一位同事笑着说: “他还不知道狗不会坐在那”。

埃德尔曼博士还是一位屡获殊荣的数学家，他思考了计算机语言难题，并在2009年开发了一种新语言。 他称之为 Julia ，并且它架起了语言的桥梁，他说， 和 Fortran 一样快，而且比 Python 更容易使用。

2018年9月，他收到了法拉利博士发来的“亲爱的埃德尔曼教授”(Dear Professor Edelman)邮件，六个小时后，参加过加州理工学院(Caltech)气候模式课程的三名麻省理工学院(MIT)教授同事坐在他办公室的狭窄沙发上。

“他们说他们想利用 Julia”，埃德尔曼博士回忆说。他立刻认为Julia和 CliMA 是天生一对，“我真的很高兴”。

但 Julia 的用户相对较少，在加利福尼亚，施耐德博士担心它可能会失败。“每个人都为Julia感到兴奋——如此兴奋，以至于我非常紧张，因为这感觉像是有太多的集体思维”，他回忆道。“我们正在努力做的事情有其自身的风险。难道我们真的想把一门新语言的风险加在它的上面吗?”

但是使用 Julia 的简单性改变了游戏规则。当 CliMA 小组开始谨慎地使用这种新语言时，埃德尔曼博士突然意识到，其他科学家和年轻的研究生正在探头进入他的实验室，了解这种新的高速编程工具。来自不同学科的人们相互影响。“我没想到会发生这种事”，他表示。

在 CliMA 的研究小组很快就被说服了。费拉里博士说: “我们不可能用另一种语言做到这一点。三四个月后，我们意识到我们没有回头路了”。

“Julia给我们带来的回报比他们想象的要好”，施耐德博士承认。

一个雄心勃勃的目标

在 Julia 的帮助下，团队在6月发布了 CliMA 0.1 ，这是模式第一版的一部分。施耐德博士说，他们的工作提前进行了，他受到了鼓舞。

它们是向提供气候信息迈出的一步，这些信息将在地方或区域层面上有用， 有助于预测干旱、极端降雨、热浪和强风暴的频率。 施耐德博士甚至设想了一个手机应用程序，可以向任何人提供信息，比如说，考虑购买房子或计划未来种植农作物。

“你需要局部水平的高分辨率网格信息”，施耐德博士说：“在气候领域，挑战在于如何使信息具有可操作性。我们科学家传达的信息与人们实际使用的信息之间存在很大差距”。

为了弥补这一缺陷，他们正在寻找天气预报员。“当他们告诉你明天可能下雨时，你不知道该怎么办。你想知道这个概率是10% 还是100% ”，费拉里博士说。“如果是10% ，你会得到一把雨伞; 如果是100% ，你可能不会去远足。因此，了解这一点......至关重要”。

最终，他和施耐德博士说，他们希望实现这一目标。

法拉利博士说：”我们将在最后拭目以待“。他还补充道，”不应该总认为尝试新事物是错误的，因为只有这样才能改变世界“。

时间仓促，若有翻译不合理请批评指正！

作者 | Doug Struck

翻译 | 彩云小译

校审 | 气象学家

排版 | 气象学家

编辑 | 气象学家

补充阅读：

• CliMA 0.1: A first milestone in the next generation of climate models

• Resolving Small-Scale Uncertainties in Climate Models

• Bridging the gap between disciplines at CliMA

可点击文末阅读原文跳转至原文！

---

气象学家"知识星球"

限量优惠券！手慢无！

（点击图片跳转至嘉宾介绍）

往期推荐

等

---