气候模型
编辑气候模型就像是模拟气候实验室，用数学和计算机进行模拟研究气候系统的变化的工具，并进行未来气候的预测。其核心思想是：地球的气候由多个相互影响的部分组成（大气、海洋、冰雪和生物圈），我们用气候模型来模拟这些部分是如何互动的，以及未来如何演化。
具体的模拟原理涉及到很多:
物理定律：比如牛顿运动定律、热力学定律、流体动力学方程等，来描述风、海洋洋流和温度变化。
化学过程：比如大气中的二氧化碳如何影响温度、海洋如何吸收二氧化碳等。
地理过程：比如植物如何吸收二氧化碳、森林如何影响降水等。
历史数据：用过去几百年的气候数据来测试和调整模型，让它们更加准确。
总而言之，反正就是在已有的科学定理基础上融汇贯通来的
1. 气候模型的组成部分
气候模型系统由多个相互影响的部分组成，模型会分别模拟这些部分的变化，并整合成一个整体。
大气：控制气温、降水、风暴等天气现象。
海洋：模拟洋流、海水温度变化，研究海洋如何存储和释放热量。
冰冻圈：包括极地冰盖、冰川、海冰，影响地球的热量反射和海平面变化。
生物圈：研究森林、草原、海洋生态系统如何影响气候，比如碳吸收和氧气释放。
这些气候模型通常是单独开发的，应用的时候可以单独或者结合使用，
1.1. 海洋与大气
地球的大气和海洋是连续的，但计算机无法处理无穷多个计算点。因此，采用了一种网格化（gridding）的方法，将地球表面和大气空间划分成许多小立方体（或者柱状、球面网格等），每个立方体的大小决定了模型的分辨率。
水平方向（经纬度）：将地球表面划分成规则的网格，每个网格覆盖一定的地理范围。例如，EC-Earth 的分辨率是 1.12°（约 100km），也就是说，每个网格大约覆盖 100km×100km 的区域。
垂直方向（高度层）：不仅是地球表面，大气也被切割成多个高度层，通常划分为 30-60 层，从地面到平流层，甚至更高。
时间步长（时间离散化）：计算机不能连续求解方程，而是用时间步长（通常是几分钟到几十分钟）一步步计算气象变量的变化。
海洋模型（Ocean Model）和大气模型（Atmosphere Model）使用类似的物理方程，但有一些关键区别：
参数化
小尺度的物理过程（如云的形成、降水、湍流）发生在更小的时间和空间尺度上，无法用流体力学方程直接在 GCM 网格上解析（网格太大了），但它们对气候系统的影响又不能被忽略，因此采用了一种参数化（parameterization）方法来描述它们。
其核心是用 经验或半经验公式 来近似计算这些小尺度过程对网格尺度上的影响。换句话说，我们不能直接模拟云如何在几公里内形成并发展，但可以估算整个 100km×100km 网格中云对温度、湿度、降水的影响。
气候模型和天气预报模型
天气预报就像看高清短视频，分辨率高、细节清晰，但只能看几天的情况。
气候模型像是看模糊的长电影，虽然细节不如短视频清晰，但能看到整体趋势，比如未来几十年的全球变暖情况。
1.2. 陆地表面模型
1.3. 海冰和冰盖模型
与目前的全球气候模型相比，它们需要用更精细的网格来表示大气参数。它们与气候模型的耦合是当前气候建模的挑战之一，对于长期的气候模拟（几个世纪）而言变得至关重要。
1.4. 模型组分耦合器
在气候模型中不同的组成部分是相互耦合的：它们同时演变，彼此相互作用。通常，陆面模型和大气模型在其每个时间步长（几分钟）上都会相互作用。海洋模型和大气模型之间的交换每天至少发生一次甚至每小时一次，这主要具体取决于模型的设计。
2. 模式适用性的复杂程度
2.1. 模式的复杂程度
气候模型的复杂性在不断增加，以便更真实地预测气候变化。20世纪70年代开发的第一个气候模型仅代表大气分量，忽略了海洋、植物、冰川的影响，现在的模型基本综合了大多数环境因素，可以更全面地预测未来几十年的气候变化，比如全球变暖、极端天气、污染扩散等。
2.2. 模式的适用性
正在进行的研究表明模型中考虑所有的气候过程是没有必要的。也就是说，最复杂的模型并不总是最好的，有时候简单的模型反而更合适。例如：如果研究二氧化碳如何影响厄尔尼诺现象，就可以不用涉及碳循环的模型，这样计算更快，结果将更容易解释
同时，为了对气候机理进行研究，往往需要进行几次测试，才能得出可靠的结论。因此，合理的计算成本是非常重要的，以便能够执行多次测试。
2.3. 模式的计算成本
要模拟100年的气候预测需要花费超级计算机几周的时间。模拟过程中数据的生成量也非常大，每个模拟年大约产生数据百千兆字节（GB），而对于100年的模拟则大约需要几十TB。
2.4. 区域化
计算成本决定了气候模型的网格大小。目前，一些精细的模型可以达到几十平方公里的分辨率，但大多数全球气候模型的网格平均仍为100 km × 100 km。这种分辨率已经足以描述许多大尺度现象，比如中纬度或热带季风的变化。但由于网格较大，这类模型难以表现更局部的现象，比如气旋或与地形相关的区域性气流。
在分辨率为100 km的模型中，地形往往过于平滑，小尺度的山谷难以体现，导致山谷风等局部气候现象无法被准确模拟。为了研究更精细的气候变化，人们可以像天气预报一样，使用区域气候模型。这些模型采用更小的网格，并依赖全球气候模型提供边界条件（见图4）。
100 km分辨率的全球气候模式和12 km分辨率的区域气候模式
区域气候模型的基本原理与全球气候模型相同，采用类似的计算方法和物理过程。但其复杂程度可以根据需求调整——有的模型只模拟大气过程，而有的则耦合了区域海洋-大气系统。使用区域模型可以更好地研究小尺度的气候现象，但其模拟结果不仅取决于模型本身，还受限于边界输入的全球气候模型。因此，为了降低这种不确定性，可以使用多个全球气候模型来驱动区域模拟，以获得更可靠的结果。
3. 如何验证气候模型？
要验证一个气候模型是不是靠谱，我们得从三个方面来检查：单个模块准不准、输入数据对不对、整个系统跑出来的结果合不合理。
3.1. 模块验证
气候模型就像一个大拼图，它是由很多不同的模块组成的，比如模拟陆地、海洋、大气等部分。我们在开发每个模块的时候，都会先用真实的观测数据来测试它，比如气温、土壤湿度或植被分布，看看模拟结果和实际情况是否相符。
每个模块都要单独测试，这样就能知道问题出在哪里，不会互相干扰。有时候还会用这些模块来专门研究某些特定的环境情况，比如干旱地区的土壤变化等。
有些模型里面的参数没法完全靠观测数据确定，所以需要人为设定一个合理的范围。等到所有模块拼在一起组成完整的气候模型后，我们可以继续微调这些参数。整个过程中，我们会对比模拟出来的气候变化趋势和真实观测到的历史趋势，看看模型是不是靠谱。
3.2. 数据输入
要让气候模型开始运转，我们得先 喂 它一些数据，这些数据主要有两种：
初始状态：就是模型一开始时，大气、海洋等是什么样子的（比如天气预报用的）。
外力因素：长期会影响气候的因素，比如温室气体浓度、太阳辐射、火山喷发、地表植被变化等。
对于几十年的气候模拟来说，外力因素比初始状态更重要，因为气候系统启动之后不会一直记得最开始的状态，但外部推力会长期影响它的运行。不过，海洋的变化比大气慢，他有记忆效应。比如说，海水温度的变化可以持续几个月甚至几年。
比如在做季节气候预报（预测未来几个月气候趋势）时，我们会把海洋和大气的状态初始化，然后让模型自己去预测后面几个月的变化。虽然没天气预报那么准，但可以大致判断像厄尔尼诺这类大现象的演变方向。为了测试这些预测到底准不准，会做 回溯模拟（叫做 hindcasting），就是用过去的观测数据让模型去 预测 历史上的气候，然后拿模拟结果和实际发生的情况比一比。虽然这种方法只能用于几个月时间的预测，但还是挺有用的。
目前，使用气候模型进行多年尺度的预测是一个前沿研究方向[6]。一些研究表明，气候的可预测性可能达到一到两年。在更长时间尺度上（如数十年后），初始状态的重要性就会慢慢消失，变成主要靠外力因素来决定气候变化了。
3.3. 验证整个系统
气候系统是混沌的——也就是说，哪怕我们知道所有的输入数据，模拟结果也不可能和现实中的每一天都对得上。我们真正关心的是大趋势，比如未来几十年某地会不会变暖，或者干旱是否更频繁。气候模型最擅长的就是模拟这些 平均水平 和 长期趋势 。
除了大趋势，还包括对短期气候特征的评估。例如，模型是否能够合理地模拟降水的日变化规律，即在某一特定地点和季节，干燥天数与潮湿天数的分布情况。此外，模型模拟极端天气事件（如风暴）的能力也是重要的评估标准。
尽管当前的模型可以大致再现全球不同类型云层的分布，但它们仍然难以准确模拟热带海洋东部沿岸（如智利、加利福尼亚和安哥拉）的薄层积云形成，在分析这些地区的未来气候预测时，必须将这些不足考虑在内，以衡量模型的可靠性。
此外，模型模拟产生的大量数据需要采用适当的统计方法进行分析，这也是气候研究者的重要工作之一。
4. 气候预测有哪些假设？
为了进行气候预测，必须先对未来做出一系列假设，作为气候模型的输入数据。这些外力假设因素包括太阳辐射、火山活动、温室气体浓度、气溶胶排放和土地利用变化等。
自然外力假设
自然外力是那些不由人类控制的因素，比如太阳照射的强弱、火山喷发等。由于这些东西未来会怎么变化我们根本预测不了，就只能做一些合理的假设。
太阳辐射：太阳有大概11年的活动周期（有时活跃，有时安静），我们就假设它在未来也会继续按这个周期来波动，不会有特别大的变化。
火山活动：由于火山喷发的时间和规模难以预测，所以大多数模型不会预测具体哪年哪座火山爆发，而是根据过去的平均影响来估算
人为外力假设
人为外力就是由人类行为引起的因素，比如温室气体排放、空气污染（气溶胶）、森林砍伐、城市扩张等。这些因素虽然是人类造成的，但问题是——我们也不知道未来人类会怎么做。比如：
我们会不会大幅减少碳排放？
全球会不会转向使用可再生能源？
城市化会加快吗？
为了应对这一挑战，经济学家开发了综合影响模型（Integrated Assessment Models, IAMs），根据人口增长、经济发展和政策变化，提出了不同的气候演变情景（见图6）和多种温室气体浓度变化情景。
外力在气候模型中的应用
在气候模拟中，研究人员会使用不同的经济情景，来设定21世纪气候模型的外力输入。这些模拟的初始条件通常来自20世纪的气候模拟，其中已包含过去外力的影响。
具体来说，不同复杂度的气候模型会采用不同的外力处理方式：
单模型（没有碳循环模块）：直接告诉它：未来某年大气中 CO₂ 浓度是多少。
复杂模型（含碳循环）：输入的是碳排放量，由模型自己计算这些排放会造成怎样的 CO₂ 浓度变化。
没有气溶胶生命周期模块的模型：直接给定未来某年气溶胶的浓度，这些浓度是由经济情景计算出来的。
不同模型的复杂程度决定了它们如何处理外力，因此在分析气候预测结果时，必须充分理解其假设和局限性。
5. IPCC 和气候模型比对工作
5.1. IPCC
要想预测未来全球气候变成什么样，光靠一个国家、一个团队是不够的。所以，科学家们需要全球合作，一起做实验、一起对比模型结果。
政府间气候变化专门委员会（IPCC）把全世界科学家关于气候变化的研究成果整理、总结，定期出报告（每几年一次），包括气候变化趋势、影响及适应策略。为了让各国、各研究机构的模型能互相比较、彼此兼容，IPCC 发起了一个叫做耦合模型比对项目（CMIP，Coupled Model Intercomparison Project）的合作项目
可以把 CMIP 理解为一个全球统一的“气候建模大比赛”，CMIP 项目不仅提供了存储空间和计算工具，用于共享全球不同团队生成的模拟数据，而且其数据库是开放的[13]，可供全球研究人员用于进一步的气候研究。
目的有两个：
让各家模型结果可以横向对比（苹果和苹果比，不是苹果和香蕉比）；
找出模型之间的差异和不确定性，看看哪些地方模拟结果不一致，为什么。
在 2021 年的 IPCC 第六次报告（AR6） 中，全球有 29 个研究团队 提交了 54 种不同的模型版本，有的团队在原有模型基础上增加了细节（比如更高的空间分辨率、更多的耦合模块），提升了模拟精度。
5.2. CMIP6：未来情景的多线并进
CMIP6 采用的温室气体排放情景
光有模型还不够，还要告诉模型：未来地球会朝哪个方向发展？这就需要设定不同的污染排放情景。 在第六次比对项目 CMIP6 中，科学家设计了四种主流的 未来故事线 ，也就是四种不同的人类发展与排放路径，即采用了四种不同的温室气体排放情景（GCT），用于模拟 21 世纪的全球气候变化（见图 7）：
SSP1-2.6（低排放情景）：假设全球从 21 世纪中叶起大幅减少碳排放，并在 2080 年后实现负排放。
SSP5-8.5（高排放情景）：假设碳排放以当前速率持续增加，2100 年 CO₂ 浓度预计将达到 1135 ppm。
SSP2-4.5（中等排放情景）：社会部分适应低碳转型，但仍存在一定的化石燃料依赖。
SSP3-7.0（高浓度气溶胶排放情景）：比 SSP2-4.5 具有更高的温室气体浓度，同时气溶胶排放减少较少。
这些情景的设定基于不同的经济社会发展路径，并在气候模型中用于评估不同政策和排放情景下的气候响应。
在CMIP5 及CMIP6 中，研究人员通过比较相同情景下不同模型的预测结果，来评估气候模型的不确定性。根据多模型预测，到 21 世纪末，全球平均温度相较于 20 世纪末可能升高 1.6°C 至 4°C。
5.3. 气候敏感度与模型反馈机制
为了衡量地球对二氧化碳的反应有多强，或者说为了更好地比较不同模型对温室气体排放的响应，研究人员提出了一个指标叫做 气候敏感度
气候敏感度 指的是当 CO₂ 浓度比工业化前水平增加一倍时，地表温度上升的程度。这个数值不是短期变化，而是长期稳定后的温度上升值，因此模型必须进行足够长时间的模拟，以确保全球温度稳定。
在 CMIP6 研究中，不同模型的气候敏感度差异较大[15]，一些模型预测的敏感度高于先前 IPCC 报告所估计的 1.5°C-4.5°C 范围（该范围最早由 1979 年 Charney 报告提出[16]）。由于这些结果基于有限数量的模型，需要进一步分析才能确定其可靠性。一些研究正尝试利用最近的观测数据 来约束气候敏感度的估计，以确保预测的可信度。
尽管气候模型存在局限性，但它们在揭示全球变暖趋势、气候变化影响及可能的应对策略方面，仍然发挥着至关重要的作用。