如果你现在所在天空中现在有云的话，看看这些云，看着波涛汹涌，高耸的白色塔夫斯映衬着蓝天。或者视你的天气而定，看着那些柔和的灰色边缘混合在一起，在空气中拖到地面。它们对我们大多数人都是一种鼓舞，但对气候科学家来说却是一场噩梦。云是非常复杂的“生物”，这种复杂性使得我们很难预测它们将以何种方式、在哪里出现——这是不幸的，因为这些预测对于理解降水模式以及未来气候将如何变化至关重要。但是犹他大学的研究人员可能已经找到了一种方法来大大降低预测云形成的难度，最近发表在《地球物理研究》上的研究结果可能会填补科学家们对气候变化如何发生的理解上的一个关键空白。大气科学教授Tim Garrett说：我们使用了简单的热力学，来预测应该有许多小的云，很少有大的云的比例符合简单的数学定律。
云是气候的通配符
博科园-科学科普：云，尤其是那些在热带地区的云，是地球系统的一部分，用来去除太阳产生的多余热量。这就是为什么它们对气候科学家很重要。它们是垂直传送带的一部分，将热浮力空气提升到一个高度，在这个高度，热量可以很容易地辐射到冰冷黑暗的空间中，但是云也可以用其他的方式来处理热量。博士后学者、研究合著者伊恩·格伦(Ian Glenn)说：想想一朵云在夏季野餐时能多快地改变温度，即使是在晴朗的天气里，一小片云彩的变化或分布也可以决定外出的成败。
旋转20公里x20公里(15公里高)选定区域从吉盖尔，完整的模拟分析包含了大约100个这样的区域，虽然不是全部都是多云的，许多小云和一些大云的相对分布是明显的。图片：Ian Glenn
当云与周围的干燥空气交换空气时，它们不断地生长和收缩。到目前为止，还不清楚云层是如何影响全球气候变化的——云层是否会减缓全球变暖?或增强吗?变暖会产生更多的云吗？如果是这样，哪些地区将受到最严重的影响？这种不确定性可以从气候敏感性值的范围中看出，也可以从气温对大气中二氧化碳增加一倍的反应中看出。目前的预测显示，气温的上升幅度可能在1.5摄氏度至4.5摄氏度之间。很难再把它确定下来，因为要理解云和降水在气候变化中的作用。低范围和高范围都是文明的坏消息，但显然有一种是更大的灾难——所以说正确是一个非常重要的问题。
云是非常复杂的
研究人员先前试图通过理解云与地表、空气甚至自身的相互作用所固有的复杂性层来解决云的问题。云的物理过程包括云滴、微米级的云滴，以及可以延伸到整个大陆的大型云系统。而云固有的湍流产生了涡流——湍流能量的螺旋——这就使得即使是最好的云模型也能在超级计算机上运行。要模拟全球大气的所有尺度，从最小的湍流旋涡到全球尺度，需要我们目前在计算机上使用的十亿倍。我们可以完全计算所有的云物理，一个体积约1米，大约10分钟，计算成本为10,000 CPU小时。为了绕过这种复杂性，气候建模者在简化对小规模过程的假设的同时，模拟了大规模的规模。但是如果有另一种方法——如果云遵循简单的数学原理，可以在不需要大量计算资源的情况下重新生成云的复杂性统计数据，该怎么办？
云是漏水的管道
让我们回到云的概念，它是热量进入高层大气的管道。与周围清澈的、蓝色的、相对干燥的空气形成对比的是，高高的、锐利的、白色的云是由水滴组成的。白色、潮湿的云彩和蓝色、干燥的空气彼此不断接触，共享一个共同的边界。当水滴在云内部形成时，少量的热量被释放出来，使得云在大气中漂浮。这使得云能够有效地将热量从地面带走，同时也意味着上升的热气是湍流的，当它上升时，就会从云的侧面溢出。意识到云是有漏洞的管道，寻找理解云和气候的地方，不是它们向下看的地方，而是它们的边缘。开始研究沿着云层边缘和边缘的热力学，发现云层的总水平周长、云边缘的热和湿度的湍流交换以及大气的垂直温度和湿度分布都是相关的。一个值得注意的好处是：大气垂直温度和湿度分布相对容易预测气候的变化，因此与云量的联系简化了一个众所周知的难题。
全长205公里x205公里的域仿真域。模拟1小时的时间，每帧5分钟。黄色和红色是上升气流，蓝色是下降气流，灰色的表面表示一定温度的空气。图片：Ian Glenn
云动力学的其他一些原理是由作者的方程式引起的：云层之间的大气热量和湿度的竞争有助于解释云层的形成。云的数量及其周长的乘积保持不变，这是一种数学定律，称为尺度不变性。这就意味着大量的云在周边很差，而少数幸运的云却很富有，此外不同大小的云之间的关系与大气温度无关。Garrett和他的同事通过比较他们的统计模型和巨型云形成模型Giga-LES模型来测试他们的理论发现。它以高分辨率模拟150平方英里(400平方公里)上空24小时的大气时间。一个24小时的模拟需要30万个处理器小时才能完成。模型基于几行物理方程，将动态吉格利斯模型中云的大小和形状的关键统计数据复制到13%以内。当然，有些事情是统计模型做不到的。例如它不能显示出像米老鼠一样的云出现在特定的时间或地点所以它最适合预测长期气候而不是短期天气。
云遵守规则
那么，对于那些想知道云对全球变暖的反应如何的气候变化建模者来说，这意味着什么呢?这是相当推测性的，但我们研究的建议是，云-气候的反馈可能很小，因为热带云将在更温暖的气候中重新排列，以继续它们目前对地表温度的低影响。换句话说，虽然云的总量可能会增加，但不同海拔的云大小比例可能不会有太大的变化。如果这个模型被证明是正确的，那么气候科学家们就可以稍微松一口气了，因为他们知道云层很可能不会放大全球变暖。如果这些云反馈比之前预期的要小，地球可能不会像我们最担心的那样迅速变暖。
AI机器深度学习预测
当前气候预测模型的一个主要挑战是如何准确地表示云及其大气的加热和湿润。这一挑战是气候预测广泛传播的背后原因。然而对决策者(如巴黎气候协议)来说，准确预测全球变暖是至关重要的。在《地球物理研究快报》(Geophysical Research Letters)最近发表的一篇论文中，哥伦比亚工程学院(Columbia engineering)地球与环境工程学副教授皮埃尔?根丁(Pierre Gentine)带领的研究人员证明，机器学习技术可以用来解决这一问题，更好地用粗糙分辨率(约100公里)的气候模型表示云，有可能缩小预测范围。地球研究所和数据科学研究所的成员Gentine说：这可能会真正改变气候预测的游戏规则。人类对地球气候对温室气体浓度上升的反应的预测存在很大的不确定性。主要原因是云的表现形式以及它们对气体变化的反应。
Giga-LES输出，图片：Ian Glenn
研究表明，AI机器学习技术帮助我们更好地代表云层，从而更好地预测全球和地区气候对不断上升的温室气体浓度的反应。研究人员使用了一个理想化的装置(aquaplanet，或者是一个有大陆的行星)作为概念的证明，新方法是基于机器学习的对流参数化。他们训练了一个深度神经网络从一个明确表示云的模拟中学习。将云的机器学习表征命名为“云大脑”(CBRAIN)，它能够巧妙地预测许多对气候模拟至关重要的云加热、湿润和辐射特性。该方法可能为未来气候模型中的模型表示提供一种新的可能性，这些模型是由数据驱动的，构建起来是‘自上而下’的，也就是说，通过学习我们试图代表的过程的显著特征。研究人员还指出，由于全球对二氧化碳的温度敏感性与云的表现密切相关，CBRAIN也可能提高对未来温度的估计。在完全耦合的气候模型中进行了测试，并证明了非常有希望的结果，表明这可以用来预测温室气体的反应。
博科园-科学科普｜参考期刊文献 :《Geophysical Research Letters》,《Journal of Geophysical Research - Atmospheres》｜研究/来自：哥伦比亚大学工程与应用科学学院，犹他大学
博科园-传递宇宙科学之美
