氣候變化/科學/氣候建模
氣候模型有多種形式，從非常簡單的能量平衡模型到完全耦合的三維大氣-海洋-陸地數值模型。隨著計算機速度的不斷提高，氣候科學也相應地取得了進步。控制流體在時間和空間中運動的方程（Navier-Stokes 方程）求解起來很複雜，當所有尺度的運動和物理過程（輻射傳輸、降水等）都被納入時，最終的問題就無法用解析方法求解。因此，氣候科學家將這些方程組轉化為一系列計算機程式。最終得到的一組程式在某些情況下被稱作“氣候模型”。
當該模型用於近似球體上的運動方程時，它可以被稱為通用環流模型（GCM）。這些是通用的模型，可以專門用於模擬海洋、大氣或其他流體問題。主要由於計算機能力的限制，這些模型無法解決所有尺度的運動；而是建立了一個網格點，作為一個求解方程的點陣。大多數現代大氣 GCM 的水平網格間距（相鄰網格點之間的距離）約為 100 公里，並具有多個垂直層（通常約 30 個）。確切的解析度取決於模型的細節和應用。由於這種粗略的網格間距，小尺度（或“亞網格尺度”）現象（如單個雲甚至颶風）沒有被明確解決。對於更小尺度的詳細計算，通常會採用更專門的數值模型，儘管有一些解析度非常高的 GCM（例如日本的 NICAM[1]）。為了納入亞網格尺度現象的影響，傳統的 GCM 依賴於統計規則，引數化，描述了在給定網格單元內條件的情況下，這些過程的平均工作方式。引數化可以非常簡單，也可以非常複雜，這取決於過程的複雜性和對過程的統計行為的理解程度。如今，GCM 的許多改進都直接與改進引數化相關，無論是透過納入更精細的規則來更好地匹配測量量，還是透過使用更復雜的理論論證來解釋物理過程的工作原理。
模型有很多類，每個類中都有很多實現和變體。不可能列舉和描述曾經開發過的所有氣候模型；即使是對已發表的文獻進行列舉和描述也是極其困難的。事實上，有整本書專門介紹大氣數值模擬的歷史；美國物理學會在網上提供了一份關於 AGCM 的簡短說明 [2]。這裡我們將討論幾類模型，重點介紹大氣模型。討論內容緊密遵循 Henderson-Sellers 和 McGuffie（1987）的討論，這是一本關於該主題的優秀資源（並有一個更新的版本）。
首先，我們將自己限制在數值模型中，特別是那些旨在用計算機求解的模型。更一般地說，任何代表氣候系統的方程或方程組都是氣候模型。其中一些可以解析求解，但這些都是高度簡化的模型，有時會納入數值模型中。
氣候模型的最終目標是代表所有對氣候系統演化至關重要的物理過程。這是一個崇高的目標，永遠無法真正實現。氣候系統包含岩石圈（固體地球）、生物圈（例如海洋浮游生物、熱帶雨林）、大氣和海洋化學（例如平流層臭氧）甚至分子動力學（例如輻射傳輸）之間的重要貢獻和相互作用。在流體力學中，一些系統現在使用“直接數值模擬”（DNS）進行建模，其中（幾乎）所有活動尺度都被明確解決。對於氣候系統來說，這將永遠不可行。我們不可能代表氣候系統中的每個原子，它本質上需要計算機中相同數量的電子。相反，氣候建模僅限於真正模擬系統；使用簡化假設和經驗定律，解決的運動被選擇以匹配問題和/或計算資源，其他過程被引數化。然而，這些綜合氣候模型並不是模擬氣候系統的唯一方法。
多年來，人們出於多種原因開發了更簡單的模型。歷史上一個常見的原因是執行大型計算機的計算成本；更簡單的模型代表的過程更少，並且通常具有更少的空間和時間點（更低的解析度）。兩種極其簡單的氣候模型類別是一維能量平衡模型和一維輻射對流模型。每個模型中的單個維度通常分別是緯度（南北方向）和高度（垂直柱）。
典型的能量平衡模型 (EBM) 求解一組關於平均溫度 T 的方程，作為緯度 的函式。這些模型由 Budyko 和 Sellers 分別在 1969 年引入。它們是基於傳入和傳出的輻射通量以及能量的水平傳輸來求解每個緯度的平衡溫度。輻射通量是到達地表的輻射的簡單方案（通常），並且通常包括一些溫度相關的反照率（反射率）來表示冰-反照率反饋。水平傳輸通常由渦流擴散項給出，該項只是係數乘以經向（南北）溫度梯度。這些簡單模型最有趣的方面之一是它們已經產生了多個平衡，它們有無冰和冰蓋地球的解，以及更溫和的解（如當前氣候）。這一結果促使人們對氣候系統的敏感性進行大量研究。
輻射對流模型 (RCM) 本質上是大氣柱模型。它們可以用來代表全球平均大氣、特定緯度（區域）或特定位置。解決的維度是垂直的，因此所有水平通量（如風和溫度和溼度等平流標量）必須以某種方式傳遞到柱中。早期的 RCM（主要歸功於 S. Manabe 及其同事）具有背景溫度結構（溫度遞減率）和穿過柱的輻射通量處理。當柱的輻射加熱使溫度遞減率超過臨界或閾值溫度遞減率時，會使用“對流調整”來降低不穩定性。在給定恆定的邊界條件下，模型將達到平衡，以使能量收支平衡，從而給出大氣垂直結構（尤其是溫度）的模型。早期的 RCM 用於探索大氣中二氧化碳增加的影響。
還有一些 EBM 和 RCM 的組合，它們給出了輻射對流平衡的簡單二維表示。
另一類二維模型是軸對稱模型，例如 Held & Hou（1980）和 Lindzen & Hou（1988）使用。這只是一個動力學模型，已被用於在沒有斜壓渦旋（中緯度風暴系統）的情況下研究經向環流。雖然不是真正意義上的氣候模型，但這些簡單的動力學模型為大氣環流提供了重要的理論理解。
在海洋中，有一些簡單的箱體模型，它們在某種程度上類似於大氣經向環流的軸對稱模型。這些箱體模型至少可以追溯到斯托梅爾，他用一個模型來展示大西洋熱鹽環流的多個平衡。
其他二維模型也存在。例如，有一些大氣簡單的等壓模型。然而，這些主要用於數值天氣預報和理論大氣動力學。
佔據建模層次結構更高區域的是三維數值模型。在動力學方面，這些通常是完全湍流的流體，可以應用於球形幾何或某些簡化的幾何形狀，如 β 平面。這類模型可能應該分為幾個子類。一些是耦合模型（例如大氣 + 海洋），而另一些則只包含氣候系統的一個組成部分。一些被描述為中等複雜性的氣候模型，涵蓋了大量的模型。
在氣候模型層次結構的頂端及其附近是通用環流模型 (GCM)，有時也稱為全球氣候模型。這些是大氣和/或海洋的完全三維表示，在球形幾何中求解。它們被設計用來守恆能量（熱力學第一定律）、動量（牛頓第二運動定律）、質量（連續性方程）以及（通常）水分。我們將在後面更詳細地討論 GCM，包括它們包含的主要假設以及與結果相關的不確定性。GCM 是研究氣候變化的最佳可用工具。
為什麼氣候模型無法完美地預測氣候變化？這個問題有很多答案，而且大多數答案至少部分是正確的！在這裡，我們簡要描述一下氣候建模中“不確定性”的含義。
在開始描述與氣候模型相關的不確定性之前，必須強調氣候模型是目前研究地球和其他行星氣候的最佳工具。儘管它們遠非完美，但複雜的氣候模型體現了人們認為在真實氣候中很重要的物理過程。存在一些不確定性，絕對不意味著我們不能相信氣候模型的結果，也不意味著模型中存在“迴旋餘地”。
不同的氣候模型，這裡指的是複雜的數值模型（通常是針對整個地球的），對於同一個實驗會得到不同的結果。這些差異主要是因為它們在表示模型點之間更小尺度上的物理過程時，採用了不同的方法。這些過程通常被稱為次網格尺度過程，而數值模型中對其的表示則被稱為引數化。引數化的主要思想是利用大尺度資訊，並推斷（基於某些規則）小尺度上可能發生的情況。一個很好的例子是山區附近的風。全球氣候模式可能每 100 公里才有一個網格點，但山脈在更短的距離內可能會有非常劇烈的海拔變化。全球氣候模式並沒有嘗試模擬山脈的尺度，因為這對於目前的計算機來說非常困難，而是採用了次網格尺度地形引數化。根據具體細節，它可能會影響地表的“粗糙度”或地形引起的重力波，但其理念是一致的，即由於山脈在小尺度上高度變化，全球氣候模式試圖模擬這種行為，至少是為了捕捉山脈如何影響全球氣候模式能夠解析的大尺度環流。由於引數化方法不同，以及引數化過程的數量眾多，全球氣候模式得到不同的結果也就毫不奇怪了。事實上，結果並沒有更大差異，證明了我們目前對氣候過程的理解水平。
想象一下，用大量的全球氣候模式以相同的方式執行它們。例如，政府間氣候變化專門委員會 (IPCC) 要求世界各地的建模中心進行相同的實驗（基本上是增加二氧化碳濃度），以比較每個模型的氣候響應。由於模型的構建方式不同，在某些情況下，模型之間存在非常根本的差異，因此結果因模型而異。如果我們只考慮氣候響應，例如對於給定的輻射強迫變化，每個模型的表面氣溫變化，並計算平均值和標準差，我們就能得到對氣候響應“不確定性”的估計。這是因為我們只有一個地球，並且肯定沒有足夠的時間進行如此多的實驗，所以只能用這種方法來代替真正的實驗！
上述方法根據非常不同的模型，給出了對預期氣候響應的度量。另一種方法是使用相同的全球氣候模式，但稍微改變引數，甚至改變引數化，以確定不同過程的強度。舉個簡單的例子，想象一下，某個全球氣候模式對層積雲的反照率（反射率）使用一個單一值。如果該全球氣候模式執行十次，每次都使用不同的引數值，氣候變化實驗的結果就會發生變化。結果的差異程度將決定該全球氣候模式對層積雲反照率的敏感性。這提供了另一種“不確定性”的度量，因為該模型假設反照率只有一個值，而這在真實大氣中可能並不成立。分散式計算專案 ClimatePrediction.net 使用這種方法來研究對氣候敏感性至關重要的過程。
我們最初問題的另一個答案是，系統並非完全可預測。氣候系統是混沌的，或者至少對初始資料敏感。這意味著我們知道控制流體運動的方程，而且我們對需要包含的物理過程也有相當好的瞭解，但是這個方程組有很多解，即使系統是完全確定性的（沒有隨機波動），除非我們也完全瞭解初始條件，否則我們可能無法得到正確的結果。事實上，在混沌系統中，已經證明初始條件中的任意小誤差，在一段時間後會導致截然不同的結果。雖然地球氣候的情況不太可能如此敏感，但這確實意味著我們不應該指望在不久的將來（或永遠）在當地電視臺看到完美的長期（超過兩週）天氣預報。需要注意的是，氣候預測的科學與天氣預測的科學有本質的不同。在天氣預測中，對初始條件的敏感性是一個基本限制，因為不可能完全瞭解初始條件。氣候模型對初始條件並不敏感；問題從初值問題變為邊值問題。
參考文獻
[edit | edit source]- ^ M. Satoh, T. Matsuno, H. Tomita, H. Miura, T. Nasuno 和 S. Iga，“用於全球雲解析模擬的非靜力學二十面體大氣模型 (NICAM)”，Journal of Computational Physics 卷 227，第 7 期，2008 年 3 月 20 日，第 3486-3514 頁