为了评估社区面临极端天气的风险，决策者首先依赖全球气候模型，这些模型可以在未来几十年甚至几个世纪的时间内运行，但分辨率较低。这些模型可能用于评估东北美国未来的气候条件，但不能具体针对波士顿。
为了估计波士顿未来的洪水等极端天气风险，决策者可以将粗模型的大尺度预测与精细分辨率模型相结合，调整以估计随着气候变暖，波士顿可能经历破坏性洪水的频率。但是，这种风险分析的准确性取决于第一个较粗的气候模型的预测。
麻省理工学院机械工程系的William I. Koch教授和海洋工程中心主任Themistoklis Sapsis表示：“如果你在大尺度环境中犯了错误，那么你就会错过在较小尺度上的极端事件的一切，比如在个别城市的情况。”
Sapsis和他的同事们现在开发了一种“修正”粗糙气候模型预测的方法。通过将机器学习与动力系统理论相结合，团队的方法将气候模型的模拟推向更真实的大尺度模式。当与用于预测特定天气事件（如热带气旋或洪水）的小尺度模型配对时，团队的方法相比没有修正方案的预测产生了更准确的预测，可以预测未来几十年特定位置将经历这些事件的频率。
这个动画展示了北半球风暴的演变，这是由高分辨率风暴模型与麻省理工学院团队的修正全球气候模型相结合的结果。该模拟改进了粗糙尺度模型中风、温度和湿度等极值的建模，这些极值通常在粗糙尺度模型中存在显著误差。
来源：Ruby Leung和Shixuan Zhang，PNNL
Sapsis表示，这种新的修正方案在形式上是通用的，可以应用于任何全球气候模型。一旦修正，这些模型可以帮助确定全球气温上升的情况下，极端天气将在何处和多频繁地发生。
Sapsis说：“气候变化将对人类生活的方方面面产生影响，对生物多样性、食品安全和经济等各种生活形式都会产生影响。”“如果我们能够准确地了解极端天气将如何变化，特别是在特定位置上，这将在准备和进行正确的工程解决方案方面产生很大的差异。这是一种可以打开这个途径的方法。”
该团队的研究结果今天发表在《地球系统建模进展》杂志上。该研究的麻省理工学院合著者包括博士后Benedikt Barthel Sorensen和Alexis-Tzianni Charalampopoulos SM ’19，PhD ’23，以及华盛顿州太平洋西北国家实验室的Shixuan Zhang、Bryce Harrop和Ruby Leung。
改进模型
目前的大尺度气候模型模拟全球范围内的平均温度、湿度和降水等天气特征，以网格为单位。运行这些模型的模拟需要巨大的计算能力，为了模拟天气特征在几十年甚至更长时间内的相互作用和演变，模型会对每100公里左右的特征进行平均。
Sapsis指出：“这是一个非常繁重的计算，需要超级计算机。”“但是这些模型仍然无法解决云层或风暴等在千米或更小尺度上发生的非常重要的过程。”
为了提高这些粗糙气候模型的分辨率，科学家通常会对模型的基本动力学方程进行调整，这些方程描述了大气和海洋中的现象应该如何物理相互作用。
Sapsis解释说：“人们试图解剖过去20到30年开发的气候模型代码，这是一场噩梦，因为你的模拟可能会失去很多稳定性。”“我们的方法完全不同，我们不试图修正方程，而是修正模型的输出。”
该团队的新方法采用模型的输出或模拟，并叠加一个算法，将模拟推向更接近真实世界条件的状态。该算法基于机器学习方案，接收数据，例如过去的全球温度和湿度信息，并学习数据中表示天气特征之间基本动力学关系的关联。然后，算法使用这些学习到的关联来修正模型的预测。
Sapsis说：“我们的目标是修正动力学，比如在粗模型中极端天气特征（如飓风桑迪期间的风速）的外观，与现实情况相比。”“该方法学习动力学，而动力学是普遍存在的。正确的动力学最终会导致正确的统计数据，例如罕见极端事件的频率。”
气候修正
作为对他们新方法的首次测试，该团队使用机器学习方案来修正由美国能源部运行的能源超级计算机地球系统模型（E3SM）产生的模拟。该模型以110公里的分辨率模拟全球范围内的气候模式。研究人员使用了过去8年的温度、湿度和风速数据来训练他们的新算法，该算法学习了测量的天气特征与E3SM模型之间的动力学关系。然后，他们将气候模型向前推进约36年，并将训练过的算法应用于模型的模拟。他们发现，修正后的版本产生的气候模式更接近过去36年的真实观测结果，这些观测结果没有用于训练。
Sapsis说：“我们不是在绝对值上讨论巨大的差异。”“未经修正的模拟中的极端事件可能是105华氏度，而经过我们的修正后可能是115华氏度。但对于经历这种情况的人来说，这是一个很大的差异。”
然后，该团队将修正后的粗模型与特定的更高分辨率热带气旋模型配对，发现该方法准确地再现了世界各地特定位置的极端风暴频率。
Sapsis说：“我们现在有了一个可以得到正确事件频率的粗模型，适用于当前的气候。它得到了很大的改进。”“一旦我们纠正了动力学，这就是一个相关的修正，即使你有不同的全球平均温度，它也可以用于了解未来气候中森林火灾、洪水事件和热浪的情况。我们正在进行的工作重点是分析未来的气候情景。”
芝加哥大学气候极端理论和数据组的副教授Pedram Hassanzadeh表示：“这些结果尤其令人印象深刻，因为该方法在E3SM上显示出了有希望的结果，这是一种最先进的气候模型。”“一旦将未来的温室气体排放情景纳入考虑，将会很有趣地看到这个框架产生的气候变化预测。”
这项工作得到了美国国防高级研究计划局的部分支持。
