气候模型中随机不确定性的捕获

《Environmetrics》:Capturing Aleatoric Uncertainty in Climate Models

【字体: 大 中 小 】 时间:2026年06月25日 来源:Environmetrics 1.7

编辑推荐:

  内部气候变率源于气候系统固有的混沌动力学(chaotic dynamics)。对其进行量化对于气候科学至关重要,因为它能够支持基于风险的决策制定,并区分外部强迫变化与内部波动。从统计学角度而言,自然变率对应于随机不确定性(aleatoric uncertain

  
内部气候变率源于气候系统固有的混沌动力学(chaotic dynamics)。对其进行量化对于气候科学至关重要,因为它能够支持基于风险的决策制定,并区分外部强迫变化与内部波动。从统计学角度而言,自然变率对应于随机不确定性(aleatoric uncertainty),即不可约减的随机变异性。尽管这一概念关联紧密,但内部气候变率与随机不确定性之间的理论联系尚未被形式化。研究人员通过证明单模式大集合(single-model large ensemble)中成员间差异能够直接表征随机不确定性,从而建立了这一理论联系。为量化随机不确定性的时空结构,研究人员采用了广义可加模型(Generalized Additive Model,GAM)。该框架通过与ERA5-Land再分析数据的对比验证,证明基于集合的估计能够再现真实世界变率的关键空间和时间模式。将该方法应用于伊比利亚半岛的水均衡(water balance)研究,揭示了协调一致的变率结构及显著的区域异质性。研究人员发现,在干旱易发区域和季节,变率呈现下降趋势,且这一模式在全球升温+3°C情境下进一步增强,意味着持续性夏季干旱条件的风险增加。除该应用外,该框架具有气候模型无关性,可转移至其他变量和空间尺度,为将内部气候变率量化为随机不确定性提供了统计学基础。
气候预测的不确定性量化是支撑稳健且可解释政策决策的核心要素。决策者在制定长期规划、风险管理和适应策略时,必须充分理解环境信息中固有的不确定性。自然气候变率作为气候轨迹不确定性的主要来源之一,源于气候系统混沌动力学内在的自然过程波动,它为可预测性设置了根本限制。尽管内部变率与外部变率的区分已较为成熟,但如何将其与统计学中的不确定性分类相联系仍是研究空白。

研究人员在《Environmetrics》发表的这项研究,旨在建立内部气候变率与随机不确定性之间的严格统计学联系。目前存在的问题在于:虽然大集合模拟被广泛用于量化内部变率,但缺乏将成员间差异直接解释为随机不确定性的形式化框架;同时,现有方法难以有效分离系统性偏差与自然变率,且对时空变率结构的刻画不足...2797 chars omitted...高山区域则趋于更稳定的状态。这些发现对于气候适应规划具有关键意义:统一的不确定性假设会从根本上错误表征知识的真实状态,决策者需要空间明确的不确定性量化来适当权衡气候信息。该框架的模型无关性设计确保其可广泛应用于不同气候变量、空间域和集合架构,特别是可扩展至多模型比较研究,以区分随机不确定性与认知不确定性(epistemic uncertainty)。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号