你可能也好奇过：天气预报已经这么准了，为什么科学家还在没完没了地"考"气候模型？
最近，一篇发表在《Reviews of Geophysics》上的文章，专门讨论了气候模型的评估与基准测试问题。说人话就是：科学家们正在给这些复杂的模型"打分"，看看它们到底靠不靠谱。这件事本身没那么神奇，真正神奇的是——这套"考试"体系背后，藏着我们对未来气候预测的全部信心。
从手算六周，到超算秒出
今天的气候模型，动辄就是几百万行代码，必须在大规模超级计算机上才能跑起来。但你可能想不到，气候建模这件事，一百多年前就开始了。
1922年，刘易斯·弗莱·理查森出版了一本书，叫《用数值过程预测天气》。他的想法很直接：用微分方程来预报天气。听起来挺简单？他用手算推导一个8小时的天气预报，整整花了六周时间。
直到1950年，普林斯顿大学才跑出了第一张计算机天气预报，由朱尔·G·查尼主导。六年后，诺曼·菲利普斯发表了一篇题为《大气环流：一个数值实验》的论文，详细描述了第一个大气环流模型（GCM）。
整个1960年代，气候建模作为独立于天气预报的研究领域，迎来了大发展。几篇奠基性的研究陆续发表，至今仍是气候研究的基石。最终，第一个耦合的大气-海洋环流模型问世——大气、冰和海洋第一次在模型中真正互动起来（Manabe et al., 1975，分两部分发表）。
GCM和ESM，到底差在哪？
物理气候模型（GCM）和地球系统模型（ESM）的区别，其实非常清楚：GCM是ESM的前身，后者扩展了更多描述气候系统的过程。
GCM严格聚焦于物理过程——大气、海洋、陆地表面和海冰之间的能量与物质交换。它们帮助我们理解系统的物理机制。
ESM则基于更全面的模型配置。除了物理表征，还加入了交互式大气化学、生物地球化学循环、海洋/陆地生态系统，以及地球系统各组成部分之间的碳交换。
这些额外过程让气候系统的呈现更真实，也提高了未来气候预测的可信度。但代价是资源和时间的消耗更大。所以，用哪种配置来跑模拟，很大程度上取决于这次模拟打算用来干什么。
为什么要给气候模型"考试"？
气候模型是研究地球系统最重要、最有用的科学工具之一。但问题来了：模型越复杂，我们就越需要确认它跑出来的结果跟现实世界对得上。
这就是评估和基准测试的意义所在。用观测数据来检验模型表现，看看它能不能准确再现已经发生的气候现象。如果模型连过去都模拟不准，那它对未来的预测，凭什么让人信？
文章的作者们梳理了科学界的评估和基准测试工作，也指出了仍然存在的挑战。简单来说，这项工作包括几个层面：
- 过程评估：检查模型内部的物理过程是否合理，比如云怎么形成、洋流怎么走。
- 性能基准：用统一的观测数据集给不同模型打分，方便横向比较。
- 预测验证：看模型对近期气候变化的模拟是否与实况吻合。
挑战还在，信心从哪来？
尽管评估体系已经相当成熟，但挑战依然存在。观测数据本身就有不确定性，不同数据集之间可能存在差异。模型之间的表现也参差不齐，某个模型在温度模拟上表现优异，可能在降水模拟上就偏差明显。
还有一个现实问题：ESM虽然更全面，但计算成本高，跑一次模拟可能要耗费大量时间和算力。如何在有限的资源下，既保证模型的复杂度，又完成充分的评估，是个需要权衡的问题。
科学家们正在做的，就是不断改进评估方法，让模型的表现更加透明、可信。毕竟，气候预测关系到全人类的未来决策，模型的"考试成绩"越可靠，我们对未来的判断才越有底气。
这件事本身没那么神奇，真正神奇的是——一套百年前从手算开始的思路，如今已经发展成支撑全球气候决策的庞大体系。而科学家们还在继续给模型出题，确保每一份预测都有据可依。
热门跟贴