这种新方法将现有的气候模拟推向更接近未来现实的方向。
视频观看
Jennifer Chu | MIT新闻
发布日期:
2024年3月26日
媒体查询
标题:
一种由MIT派生的算法新预测方法帮助预测极端天气的频率。
图片来源:iStock
为了评估一个社区极端天气的风险,决策者首先依赖于可以向前运行数十年、甚至数百年的全球气候模型,但这些模型的分辨率很粗。例如,这些模型可能被用来估计美国东北部未来的气候条件,但不是专门针对波士顿。
为了估计波士顿未来风暴等极端天气的风险,决策者可以将粗略模型的大尺度预测与精细分辨率模型相结合,后者可用于估计波士顿在气候变暖的情况下可能经历破坏性洪水的频率。但这种风险分析的准确性仅与第一个较粗的气候模型的预测准确性一样高。
"如果你在大尺度环境下得到错误的结果,那么你就会在小尺度上的极端事件将会是什么样子,比如在单个城市上,错失一切,"洛杉矶气候中心的William I. Koch教授和机械工程系主任Themistoklis Sapsis这样说。
Sapsis和他的同事们现在开发了一种"纠正"粗略气候模型预测的方法。通过结合机器学习和动态系统理论,团队的方法将气候模型的模拟推向大尺度上更现实的模式。当与较小尺度模型结合起来预测特定的天气事件,如热带气旋或洪水时,团队的方法比没有校正方案的预测更能准确预测出未来几十年特定地点将多么频繁地遇到这些事件。
播放视频
这段动画显示了北半球暴风雨的演变,这是高分辨率暴风雨模型与MIT团队修正后的全球气候模型结合的结果。该模拟改进了极端值的建模,这些极端值在粗尺度模型中通常有重大错误。
图片来源:Ruby Leung和Shixuan Zhang, PNNL
Sapsis表示,新的校正方案形式通用,可应用于任何全球气候模型。一旦校正,模型可以帮助确定极端天气在全球气温上升的未来几年会在哪里以及多么频繁地发生。
"气候变化将影响人类生活的每一个方面,也影响地球上的每一种生命,从生物多样性到食品安全再到经济,"Sapsis说。"如果我们有能力准确地知道极端天气如何变化,尤其是在特定地点,这对于准备工作和进行正确的工程设计以提出解决方案来说差别很大。这是一个能够打开这方面大门的方法。"
文章来源:https://news.mit.edu/2024/mit-derived-algorithm-helps-forecast-frequency-extreme-weather-0326