2024年3月26日英国《自然》杂志网站发表题为《人工智能（AI）如何改善气候预测》的新闻报道，指出科学家正利用各种AI技术，加快气候建模速度并改进其性能，期望提高模型准确性的同时降低其能耗。科学家们认为，AI技术显著提升了气象预测的准确性和细节层面的分析能力，开启了智能气象预测的新纪元。随着技术进步，未来的气象预测将更加精准和高效。

1. 传统模型存在的短板

传统气候模型使用数学方程来描述陆地、海洋和空气之间的相互作用如何影响气候。这些模型运行良好，给出的气候预测信息可用于指导全球政策制定。但这些模型需要功能强大的超级计算机运行数周时间，且耗能极高。同时，这些模型很难模拟雨滴如何形成等小规模过程，但这些小过程在大规模天气模拟中发挥着重要作用。

2. AI气候建模的3种主要方式

（1）模拟器

开发模拟器可在不进行所有数学计算的情况下，给出与传统模型相同的结果。2023年，澳大利亚联邦科学与工业研究组织气候科学家瓦西里·基齐奥斯及其同事开发了15个机器学习模型，以模拟15个基于物理学的大气模型。研究团队使用物理模型训练QuickClim系统。一旦接受所有低、中、高3种碳排放情景训练，QuickClim就能快速预测本世纪全球气温的变化，速度比传统模型快约100万倍。

2023年，艾伦人工智能研究所科学家也为一个基于物理学的大气模型开发出机器学习模拟器ACE。研究团队将10组初始大气条件输入该模型中，创建了训练数据集。模拟器ACE预测了10种情况下未来10年气温、水蒸气和风速等16个变量的变化情况。研究显示，ACE提前6小时预测10年内气候变化。此外，ACE比传统模型更准确预测了90%大气变量的状态，运行速度和能效也都提升了100倍。

美国加州理工学院气候科学家塔佩奥·施奈德指出，此类模型有望通过探索多种场景来帮助决策，不过，并不能取代基于物理学的模型，而是与其“协同作战”。

（2）基底模型

开发基底模型有利于后期调整，以执行广泛的气候和天气预测。基底模型认为数据中存在可预测未来气候的基本模式，通过发现这些隐藏的模式，有望比传统方法更好地预测气候和天气。

2023年，加州大学洛杉矶分校计算机科学家阿迪亚·格罗弗和微软科学家创建了基底模型ClimaX。研究团队利用5个基于物理学气候模型的输出数据对其进行了训练，随后对其进行了微调，使其执行更多任务。该模型基于二氧化碳、二氧化硫、黑碳和甲烷水平等输入变量预测了全球平均地表温度、日温度范围和降雨量。结果显示，ClimaX比加利福尼亚大学圣地亚哥分校的大气物理学家邓肯·沃森·帕里斯团队创建的3个气候模拟器更好地预测了与温度相关变量的状态。但在预测降雨量方面，ClimaX的表现不如3个模拟器中最好的。

帕里斯指出，目前无法证明ClimaX的性能优于传统气候模型，也无法证明基底模型本质上优于模拟器。

（3）混合模型

将机器学习组件嵌入基于物理学的模型内可生成混合模型。在混合模型中，机器学习模型只取代传统模型中效果较差的部分，通常是对云如何形成、积雪和河流流动等规模小但复杂且重要的过程进行建模。因此，混合模型的性能优于纯基于物理学的模型，同时又比完全由AI构建的模型更值得信赖。

美国加州理工学院气候科学家塔佩奥·施奈德及其同事创建了地球大气层和陆地的物理混合模型，其中囊括了少数此类小规模过程的机器学习程序。在根据历史观测数据对河流流量和积雪进行测试时，这些混合模型表现良好。

信息来源：

https://www.nature.com/articles/d41586-024-00780-8

http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2024-04/02/content_569529.htm?div=-1