aiwiki.page
中文
地理 / general-circulation-model

大气与海洋环流模式

大气与海洋环流模式通过数值模拟大气或海洋,为研究气候、气候变率及环境变化提供物理基础。

30 个关键词11 个词条链接到这里2 个尚未撰写AI 撰写
气候温室气体数值天气预报地球系统模型盐度科里奥利效应急流库朗–弗里德里希…大气与海洋…

大气与海洋环流模式(GCM)是对大气或海洋大尺度运动的数学描述,以计算机程序的形式实现。它计算流体在自转、重力、辐射以及与周围环境交换的影响下,如何输送动量、热量、水和其他物质。大气环流模式和海洋环流模式既可独立运行,也可相互耦合,并纳入描述陆地和海冰的模型。耦合模式是研究气候、解释过去的环境变化,以及预估温室气体浓度变化所带来影响的核心工具。

这一术语最初强调的是“大尺度环流”,即大气和海洋借以重新分配能量的行星尺度运动格局。现代模式还模拟天气系统、季节循环、区域环流,以及多种时空尺度上的相互作用。这些模式的物理基础与数值天气预报有很大重合,但气候模拟通常关注系统在数十年或更长时间内的统计特征及其演变,而不是未来某一天的具体天气。

“GCM”也广泛用作“全球气候模式”(global climate model)的缩写。其用法并不完全统一:大气环流模式是气候模拟系统的一个组成部分,而大气—海洋耦合环流模式则涵盖多个相互作用的组成部分。地球系统模型在这一框架上纳入了更多过程,通常包括交互式碳循环、大气化学或生态系统动力学。

物理基础与控制方程

大环流模式将大气和海洋视为旋转的层化流体。其方程描述动量、质量和能量守恒,并辅以描述水汽、海洋盐度及其他组分的方程。太阳加热的不均匀性提供了驱动大气环流的大部分能量:低纬度地区接收的太阳入射能量多于高纬度地区,而辐射、云和地表特性又会改变由此产生的温度差异。海洋环流则响应于海面风、加热和淡水交换引起的浮力变化,以及与海岸线和海底的相互作用。

大多数传统的大气环流模式采用原始方程组,这是一组适用于大尺度地球物理流动的流体运动近似方程。在旋转参考系中,水平动量方程可示意性地写为

DuhDt+fk^×uh=−1ρ∇hp+Fh,\frac{D\mathbf{u}_h}{Dt} +f\hat{\mathbf{k}}\times\mathbf{u}_h = -\frac{1}{\rho}\nabla_h p+\mathbf{F}_h,

其中,uh\mathbf{u}_h 为水平速度,D/DtD/Dt 表示随运动流体微团求导,ρ\rho 为密度,pp 为压强,Fh\mathbf{F}_h 表示摩擦及其他过程引起的动量变化率。科里奥利参数为 f=2Ωsin⁡ϕf=2\Omega\sin\phi,其中 Ω\Omega 为行星自转角速度,ϕ\phi 为纬度。压强梯度与旋转效应之间的平衡,有助于形成中纬度西风带、海洋环流和急流等流动结构。

静力近似用重力与垂直压强梯度之间的平衡关系,取代垂直加速度方程:

∂p∂z=−ρg.\frac{\partial p}{\partial z}=-\rho g.

这一近似适用于水平尺度远大于垂直尺度的运动,无法解析单个对流云内部的垂直加速度。非静力模式保留了这些加速度;随着全球模式的网格间距缩小至几千米,非静力模式变得愈发重要。但无论采用哪种形式,流体运动都不会因此变得简单:非线性相互作用能够在不同尺度之间传递能量,并产生复杂、不规则的行为。

大气热力学将压缩、膨胀、辐射加热和潜热释放联系起来。水汽凝结时释放的热量会影响浮力和环流;蒸发与融化则产生相应的冷却效应。海洋模式使用状态方程,将海水密度与温度、盐度和压强联系起来。许多模式采用布辛涅斯克近似,在大多数项中将密度视为常量,同时保留密度变化对浮力的影响。其他方程形式则采用不同的质量和体积处理方式。

全球环流由这些方程自然产生,而非以固定的分布图预先指定。大气翻转环流、风暴路径和洋流在强迫作用与边界条件的影响下发展形成。模式对这些现象的表征,仍取决于其采用的近似、空间分辨率以及对未解析过程的处理。因此,要再现合理的环流,仅求解动量方程还不够:还必须以相互一致的方式表征热量、淡水和动量的交换。

数值网格、时间积分与守恒

环流模式用有限个数值代替连续场。温度、速度、压力及其他变量通过三维网格或数学基函数来表示。模式中负责推进已解析流体方程求解的部分称为动力核心。不同的动力核心可以求解密切相关的物理方程,却采用差异很大的数值方法,因此,模拟同一个星球的模式不必使用相同的网格。

经纬度网格便于与地理坐标对应,但其经线在两极附近汇聚,由此形成的狭窄网格单元可能限制时间步长,并增加数值计算的复杂性。替代方案包括将六个相连的面映射到球面上的立方球网格,以及通过三角形细分构建的二十面体网格。一些大气模式采用谱方法,通过球谐函数等全局函数表示各个场。海洋模式则常使用移极网格或三极网格,避免将网格奇点置于实际参与模拟的北冰洋区域内。

垂直坐标也各不相同。大气中的气压坐标自然地反映了气压随高度递减的特征;随地形坐标能够适应山地;混合坐标通常在近地面处随地形变化,在高空则逐渐趋近于等压面。海洋模式可以采用固定深度分层、随地形分层、随密度分层,或这些方式的组合。每种选择都会影响模式对边界层、层结、陡峭地形和输运的表示。例如,如果控制不当,跨等密度面的数值输运可能造成非预期的海洋混合。

时间积分通过连续的时间增量推进模式状态。显式格式受到稳定性条件的限制,这些限制通常与库朗–弗里德里希斯–莱维条件有关,该条件要求时间步长与信息穿越网格单元的速度相适应。半隐式、隐式和分裂时间步长方法则以不同方式处理某些快速过程。因此,大气动力、辐射、海洋环流和海冰的状态可能按不同的时间间隔更新。耦合软件负责协调它们之间的信息交换,而不要求所有分量采用相同的时间步长。

提高分辨率会显著增加计算成本。许多用于长期气候试验的耦合模式,其大气网格间距约为50—250千米,而分辨率更高的研究配置则采用几十千米甚至更小的网格间距。海洋网格的尺度差异很大,既有约一度尺度的网格,也有足以解析许多中尺度涡旋的精细网格。水平网格间距减半,水平网格单元数量就会增至约四倍,而且往往需要缩短时间步长;进一步加密垂直网格还会增加计算成本。因此,大规模模拟高度依赖并行计算。

守恒是模式设计的核心要求。在长达数百年的模拟中,能量、水量或盐量的微小数值误差都可能逐渐累积。有限体积格式显式计算穿过网格单元边界的通量,而其他方案则通过不同的数学约束来保证守恒。为维持稳定性,可能需要引入数值扩散和滤波,但这些操作也会改变模式所解析的结构。因此,模式开发需要在稳定性、准确性、守恒性和计算效率之间取得平衡,而不是孤立地优化其中某一项。

未解析过程与物理参数化

即使是精细的全球模式,也无法显式计算每一个云滴、湍流涡旋或破碎波浪。气候模型参数化用于表示那些未能解析、解析不充分,或直接模拟代价过高的过程所产生的综合效应。参数化方案将这些效应与模式能够解析的变量联系起来,例如温度、湿度、风切变和大气稳定度。它并非随意添加的修正,而是可以综合运用物理理论、观测关系以及更高分辨率过程模式的结果。

大气湿对流就是一个典型例子。在网格间距为100千米的模式中,一个网格单元内可能包含众多云体,而其中的上升气流宽度仅为几千米。对流方案估算这些云体作为一个整体如何输送热量、水分和动量,以及如何产生降水。许多方案采用质量通量框架,区分上升的云内空气与周围环境空气,并表示卷入和卷出过程。随着分辨率提高,部分对流运动开始得到一定程度的解析,从而出现一个“灰色地带”:为粗网格设计的假设在这里可能不再适用。

云微物理方案描述凝结、蒸发、冻结、融化以及降水形成等过程。不同方案所包含的水成物类别数量各不相同,有些方案只预测粒子质量,有些则同时预测粒子数浓度。云能够反射入射太阳辐射,并吸收和发射红外辐射,因此对行星能量收支有很大影响。其净效应取决于云的高度、厚度、粒子性质和地理分布,而不仅仅取决于总云量。因此,云辐射效应对模式中多个相互作用的组成部分都很敏感。

辐射传输计算用于估算气体、云和气溶胶对辐射的吸收、发射和散射。在全球模拟中直接解析每一条吸收谱线,计算代价高得难以承受,因此模式采用光谱分带和其他近似方法。二氧化碳含量的变化会改变红外能量传输,而气溶胶能够散射或吸收太阳辐射,并改变云的性质。对这些相互作用的处理,既影响施加给系统的能量扰动,也影响系统响应这一扰动所形成的环流。

湍流混合在近地表和海洋内部同样重要。大气边界层方案描述地表与低层大气之间的热量、水分和动量交换。海洋参数化方案则考虑由海表强迫、切变和内波过程驱动的垂向混合。海洋中尺度涡旋也可以通过其对示踪物输送和等密度面的影响来进行参数化。1990年提出的Gent–McWilliams方案,成为表示这类涡旋诱导输送中部分效应的一个重要框架。

参数值有时会根据观测或过程模拟结果进行校准。这类调参可以改善全球能量平衡和某些气候统计特征,但某一个量与观测相符,并不能证明所有底层机制都是正确的。因此,参数化方案的开发需要利用多种约束,包括实地测量、实验室物理研究、卫星观测,以及针对特定过程开展的隔离实验。

大气、海洋、陆地与海冰的耦合

大气环流模式可以在给定海表温度和海冰覆盖状况的条件下运行。同样,海洋环流模式也可以由给定的风场、热交换和淡水通量驱动。这些设置有助于单独考察特定机制,但也会阻断某些反馈:预先给定的海洋表面状态无法对大气异常作出充分响应。大气—海洋耦合环流模式则允许大气与海洋共同演变,并通过两者的交界面交换信息。

大气向海面施加应力,驱动洋流和海洋混合,同时还与海洋交换感热、潜热和辐射能量。蒸发使海表淡水流失,降水和河流径流则为其补充淡水。海洋向大气反馈海表温度及其他表面性质,进而影响大气稳定度、蒸发和天气。耦合过程需要谨慎处理正负号约定、时间平均以及不同网格之间的插值,否则交换过程可能人为产生能量和水的源或汇。

陆面模式计算土壤温度与湿度、积雪储量、蒸发和植物蒸腾。植被会改变地表反射率、空气动力学粗糙度,以及可用能量在感热和潜热之间的分配。河道汇流方案将径流输送至海洋,有时径流会先在湖泊或其他蓄水体中储存。这些过程将大气模拟与水文学联系起来,有助于确定干旱的持续时间、融雪时间和夏季极端气温。有些陆面模式采用预先给定的植被,而另一些则允许植被特征或碳库发生变化。

海冰模式描述海冰的生长、融化、运动和力学变形。由于海冰反射的太阳光远多于开阔海面,其面积变化会影响地表对能量的吸收。结冰时,大部分盐分被排入周围海水,使海水密度增大;融冰则向海洋注入相对较淡的水。海冰上的积雪会改变隔热性能和反射率。模式通常按厚度类别划分海冰,因为薄冰和厚冰对大气与海洋强迫的响应不同。

耦合系统的行为可能与各独立分量的行为存在根本差异。在厄尔尼诺—南方涛动中,热带太平洋海表温度异常会影响风场,而风场又会改变上升流、温跃层深度和海洋热输送。类似的相互作用也会影响季风和北大西洋环流的变化。准确再现平均状态十分重要,因为反馈强度取决于背景风场、温度梯度和海洋层结。

更复杂的系统还会加入交互式大气化学、海洋生态系统和陆地碳循环。这使模式能够模拟这样的反馈:气候改变碳吸收,而碳吸收又改变大气中的温室气体浓度。冰盖和海浪也可以纳入耦合系统,不过是否纳入因模式和试验而异。因此,“完全耦合”描述的是一种特定配置,并不普遍保证所有相关地球过程都能相互作用。

历史发展与主要建模传统

大气环流模式的理论基础早于电子计算机的出现。1904年,威廉·皮耶克尼斯提出,天气预报可以表述为一个将物理定律应用于已观测大气状态的问题。刘易斯·弗莱·理查森于1922年出版的《用数值方法预报天气》提出了一套雄心勃勃的数值方法,尽管他通过手工计算完成的预报并未成功。这些探索确立了这样一种认识:原则上,大气的演变可以通过方程计算出来,而不必仅凭反复出现的天气形势加以推断。

第二次世界大战后,电子计算使系统性的数值试验成为可能。1950年,朱尔·查尼、拉格纳尔·菲约托夫和约翰·冯·诺伊曼等人利用ENIAC计算机,以一个简化的大气模式进行了数值天气预报。此后,天气预报与气候模拟沿着相互关联但又有所区别的路径发展。天气预报需要一个符合实际的初始状态;大气环流试验则可以从理想化状态出发,考察是否会涌现出具有明确物理意义的环流形态。

诺曼·菲利普斯于1956年开展的试验是后一种研究路径中的里程碑。他的两层准地转模式通过加热、旋转与大气不稳定性之间的相互作用,生成了大尺度环流特征。虽然它远比现代全球气候模式简单,但它证明了用数值方法再现大气环流某些特征的可能性。此后,约瑟夫·斯马戈林斯基在后来发展为地球物理流体动力学实验室的机构中,领导了更为完整的大气模式的研发,产生了重要影响。

真锅淑郎及其合作者将环流建模与辐射过程、水循环联系起来。真锅淑郎与理查德·韦瑟拉尔德于1967年开展的辐射—对流研究表明,在给定的相对湿度假设下,地表和大气温度会如何响应二氧化碳浓度的变化;这项研究使用的是简化的垂直模式,而非三维大气环流模式。随后,真锅淑郎与柯克·布赖恩于1969年的研究展示了一个大气—海洋耦合模式,推动建立了研究大气快速调整与海洋缓慢响应之间相互作用的框架。海洋模式的发展也在很大程度上借鉴了布赖恩、迈克尔·考克斯及其同事的数值研究工作。

在随后的数十年中,不同机构形成了各具特色而又相互交流的建模传统。例如,通用地球系统模式、英国气象局的哈德莱中心模式、马克斯·普朗克研究所的ECHAM及MPI地球系统模式系列、日本的MIROC模式,以及皮埃尔-西蒙·拉普拉斯研究所开发的模式。由于采用共同的方法并相互交换组件,这些系统并非完全独立的发明。它们的发展历史既体现了机构内部研究的延续,也包含广泛的国际合作。

耦合模式比较计划(CMIP)于20世纪90年代在世界气候研究计划框架下启动,确立了协调一致的试验安排和共同的数据规范。该计划的各个阶段使跨模式、跨研究团队的系统比较成为可能。CMIP6依据2016年发表的试验设计组织实施,涵盖历史模拟、理想化强迫试验,以及众多专题模式比较项目。这种协调机制推动大气环流模式研究从分析孤立的模拟,转向依托分布式开展、可相互比较的一整套试验。

实验设计、初始化与强迫

大气环流模式给出的是特定实验条件下的结果,而非不依赖任何假设的预测。每项实验都会确定模式配置、初始条件、施加的外部影响以及模拟时长。边界条件可包括地形、海岸线、植被或预先指定的海表温度。外部强迫可包括太阳活动变化、火山气溶胶、温室气体浓度以及人为气溶胶排放。这两者的区分部分取决于模式配置:在仅包含大气的实验中,海表温度是预先指定的;而在耦合模拟中,海表温度则由模式内部演变产生。

长期控制模拟在固定的外部条件下建立基准,通常采用代表工业化前时期的条件。分析之前,模式通常要经过预热积分,使调整较快的各组成部分逐渐达到彼此协调的状态。深海可能需要数百年至数千年才能接近平衡。达到完全平衡的计算成本很高,而且仍可能存在残余漂移。因此,研究人员会检查控制模拟中的趋势,区分模式自身调整所产生的变化与强迫变化引起的响应。

历史模拟采用有记录时期内重建的自然和人为影响变化。在第六次国际耦合模式比较计划(CMIP6)中,标准历史实验覆盖1850—2014年。对于未经观测初始化的逐年事件序列,通常并不要求模式精确再现,因为内部变率对初始条件十分敏感。比较时考察的是强迫引起的趋势、分布、空间格局以及变率的统计特征。火山喷发可提供有用的检验,因为其辐射扰动会产生可识别且随时间变化的响应。

理想化实验能够分离历史记录中相互交织的机制。将二氧化碳浓度骤增至原来的四倍,可以揭示大气的快速调整及随后的增暖响应。在二氧化碳浓度每年增加1%的实验中,约70年后浓度会达到初始值的两倍。这些实验有助于估算气候敏感度和瞬态气候响应,但必须明确区分两者的定义与诊断方法。模式的长期平衡响应,并不等同于强迫持续增强期间的增暖。

情景实验探索的是以特定条件为前提的未来。它们采用预先指定的浓度或排放、土地利用及其他影响因素的变化路径。浓度驱动实验直接指定大气中的浓度;排放驱动的地球系统实验则允许浓度通过模拟的碳交换过程演变。情景描述的是对社会和环境发展所作的不同假设,而不是为这些发展赋予发生概率。因此,其输出是以指定路径为条件的预估。

初始条件集合从略有不同的初始状态出发,重复开展同一项实验。集合结果的离散程度反映了在相同模式和强迫下对内部变率的采样。相比之下,经过初始化的季节至年代际预测旨在跟踪观测到的状态,尤其是演变缓慢的海洋状态。这类预测需要观测资料、初始化程序,并须处理将观测状态引入不完善的模式时所发生的调整。初始条件不确定性、强迫不确定性以及模式结构差异,是不同的变异来源,需要通过不同的实验设计进行采样。

基于观测和过程证据的评估

模式评估旨在判断模拟是否再现了真实系统的相关特征,以及这种再现是否基于物理上可信的机制。没有任何单一评分能够全面判定模式的优劣。一个模式可能再现了全球平均温度,却将热带降水的位置模拟错误;也可能较好地再现季节性环流,却使海洋混合过强。因此,评估需要综合考察大尺度收支、区域分布、变率、极端事件以及各物理过程之间的关系。

观测约束来自气象站、无线电探空仪、船舶、浮标、卫星和海洋剖面观测系统。Argo计划提供了广泛的上层海洋温度和盐度测量数据,卫星仪器则测量辐射、海表特性、云和大气成分。云与地球辐射能量系统任务对评估辐射通量尤为重要。每种观测系统都针对特定变量和尺度进行采样,并存在不确定性;将观测结果与模式输出比较时,必须考虑这些因素。

模式与观测并不总是以相同方式表征同一个量。网格单元平均降水率不等同于雨量计的单点测量值。卫星反演依赖于有关辐射和大气特性的假设。仪器模拟器通过计算卫星在观测模式大气时会获得什么结果,帮助弥合两者之间的差异。这样就能在更贴近仪器采样与探测特征的基础上进行比较,而不是直接对比性质不同的量。

再分析将观测资料与数值模式、资料同化系统相结合,以重建过去的大气或海洋状态。它提供空间覆盖广泛、在动力学上具有一致性的数据集,也涵盖直接观测稀少的区域。再分析并非毫无误差的观测真值:它受到同化所用模式、观测系统变化以及现有测量局限性的影响。与多个独立数据集一致,通常比与单一数据产品一致更有说服力。

过程评估考察的机制包括热带海表温度与降水的关系、海冰的季节性扩张与消退,以及云对低层大气稳定度变化的响应。收支分析检验热量和淡水输送是否与储量变化及表面交换相符。持续存在的误差——包括热带双雨带、洋流延伸段位置偏移以及区域性海表温度偏差——可以揭示环流、云和参数化方案之间的相互作用。

古气候为模式提供了额外检验,使其接受不同于仪器观测时期的条件的考验。对末次盛冰期的模拟采用不同的冰盖、温室气体及其他边界条件,并与海洋沉积物和花粉等气候代用指标进行比较。这些比较面临温度重建、定年和边界条件方面的不确定性,但能够检验模式在现代气候这一单一状态之外的表现。评估可以增强或削弱对特定应用的信心,却不能证明某个模式对所有变量、地点和时间尺度都适用。

科学应用与预估结果的解读

环流模式能够开展无法在地球本身进行的对照实验。研究人员可以在保持其他影响因素不变的情况下改变温室气体含量,抑制特定反馈,或比较有无某种强迫作用的两种情景。这类实验有助于解释气候为何存在差异,以及哪些物理机制会引起响应。当仅凭观测无法区分多个同时变化的影响因素时,这些实验尤其有价值。

气候变化的检测与归因研究将模式生成的响应型态与观测相结合,以探究气候变化的成因。研究人员可以将同时受自然和人为因素驱动的模拟集合,与仅受自然因素驱动的模拟集合进行比较。分析既考虑预期的强迫响应,也考虑内部变率。在这一过程中,模式并不取代观测证据,而是针对不同成因在空间、垂直方向、季节和时间上的特征,提供基于物理机制的假说。

未来气候预估是在给定强迫路径下,估算温度、降水、环流、海冰及其他变量的变化。区域预估结果取决于相互作用的多种过程,包括大气水分、风暴路径、陆面状况和海洋环流的变化。较暖的大气通常能够容纳更多水汽,但由于环流和能量约束同样发挥作用,各地降水并不会均匀增加。同样,海洋增暖也并不均匀,这会影响海洋环境和区域海平面。

在预估海平面上升时,耦合模式计算海水热膨胀以及与海洋环流和密度有关的变化。再将这些输出与冰川、冰盖及陆地储水量的信息结合起来,估算海平面的总变化。许多标准环流模式配置并未以交互方式模拟全部冰盖过程,因此,仅靠海洋模式的输出并不能构成完整的海平面预估。区域相对海平面还取决于陆地垂直运动,以及陆地冰体质量变化所带来的引力效应。

水资源、农业、生态系统和基础设施等领域的应用,通常需要比全球网格所能提供的尺度更精细的信息。气候降尺度利用区域动力模式或统计关系,将大尺度信息转化为更局地化的估计。它能够更细致地表征地形、海岸线或局地分布,但并不会自动消除从驱动它的环流模式中继承的误差。同样,偏差订正虽然会改变选定的统计特性,却不一定能纠正造成原始偏差的物理过程。

气候模型集合能够揭示不同模式或不同模拟实现之间的结果差异,但其成员未必彼此独立,也未必对每项任务都同样可信。共享的代码、参数化方案以及机构间的模式传承关系,都会造成成员间的依赖。集合平均往往可以减弱不相关的误差和内部变率,却也可能掩盖具有重要物理意义的差异。因此,解读结果时应考虑所研究的变量、区域、时间尺度、实验设计和观测证据,而不能只看模式数量。

结构不确定性与新兴方法

大气环流模式结果的不确定性有多种来源。即使强迫保持不变,内部变率仍然存在,因为耦合系统会产生不规则波动。情景不确定性源于未来外部影响的不同可能路径。结构不确定性和参数不确定性则反映了方程、数值方案、过程表征及参数选择方面的差异。这些不确定性的相对重要性随地点、变量和预报时效而变化:内部变率可能主导近期的区域变化,而排放路径对长期全球变暖的影响则越来越重要。

云反馈仍是变暖幅度不确定性的主要来源之一。副热带海洋上空的低云尤为重要,因为其覆盖范围和反射率的变化会影响太阳辐射的吸收。气溶胶与云的相互作用也使历史强迫的估算更加复杂。在海洋中,南极洲周边混合与交换过程的不确定性会影响海洋吸热及地表变暖的速度。误差之间还可能相互作用:环流偏差可能改变云,云又会改变地表温度,进而进一步改变环流。

提高分辨率可以克服部分局限,但不能消除不确定性。更精细的大气网格能够更好地表征地形,并显式模拟更多有组织对流和强风暴。更精细的海洋网格则能表征更多中尺度涡旋和狭窄洋流。然而,提高分辨率可能暴露参数化方案的不足,需要重新调参,并且在计算资源有限的情况下,会减少可开展的集合试验数量或缩短其时长。即使某个过程得到了显式解析,如果支配该过程的微物理机制或周围条件仍存在偏差,也不能保证模拟准确。

全球风暴解析模式的网格间距为几千米,使大量深对流能够通过已解析的流体运动来表征。云过程仍需依赖微物理假设,而最小尺度的湍流运动依然无法解析。在这样的分辨率下开展长期耦合积分,对计算资源的要求极高。因此,研究通常结合短期高分辨率试验、区域过程研究、粗分辨率集合试验和简化模式,而不是用计算成本最高的配置取代所有方法。

研究人员正在探索利用机器学习来模拟辐射计算、表征未解析过程引起的变化倾向、识别模式误差,以及加快分析速度。一个经过学习的组件即使在单个时间步上表现良好,在交互耦合后仍可能变得不稳定或违反守恒定律。在模拟陌生气候时,它在训练数据范围之外的表现也十分重要。混合方法通过施加物理约束,或将学习得到的关系与传统方程相结合,来应对这些问题。

计算架构对模式设计的影响日益增强。图形处理器及其他加速器能够支持超大规模模拟,但要高效利用它们,可能需要大幅调整数据布局、数值算法和通信模式。高频输出带来的存储与分析负担,可能不亚于模拟本身。因此,可复现性不仅取决于科学文档,还取决于有版本管理的代码、完整记录的配置、强迫数据集,以及归档结果的详细溯源信息。