地球未来的气候到底将如何变化，几十年后会继续变暖还是转向“冰河世纪”？未来极端天气事件会变得更加频发吗？历史上导致气候突变的关键因素到底是什么？这一个个问题都关乎地球和人类的未来，但却很难回答。为此，不少国家都在打造的一件“利器”——地球系统模式或许可以告诉我们这些问题的答案。

地球系统模式的“崛起”

近百年来，全球气候正经历一次以变暖为主要特征的显著变化。气候变暖带来了一系列影响，包括海平面上升、冰川消融、沙漠化加剧，以及高温、暴雨、干旱、风暴等极端天气气候事件发生的频率与强度增加。

要深入研究气候变化的机制和原因，并预测未来的变化趋势，以便采取应对措施，必须从了解大气圈、水圈、冰冻圈、岩石圈和生物圈等各圈层之间复杂的相互作用出发。如此宏大、内容繁多的研究就需要借助能够描述多圈层相互作用的物理和化学过程的地球系统模式。

从学科发展本身来讲，地球系统模式的雏形——气候系统模式的发展已成为近20年来国际热门的前沿课题，不少国家纷纷制订各种气候系统模式乃至地球系统模式研究计划，并投入巨资发展。如，日本提出两大气候研究计划——“全球变化前沿研究系统”计划和“地球模拟器”计划；美国先后提出“共同体气候系统模式发展计划”和“地球系统模拟框架”计划；欧盟提出“欧洲地球系统模拟网络”发展计划，由“地球系统模拟集成”和“气候资料存储与分发”两个计划组成。地球系统模式发展水平的高低已经成为衡量一个国家科技综合实力的重要指标之一。

“当前国际气候模式的发展，正在从只考虑大气、海洋、陆面、海冰各圈层间能量和水通量交换过程的物理气候系统模式，走向进一步考虑碳、氮循环等生物地球化学过程的地球系统模式。”国家气候中心气候模式室主任吴统文说，地球系统模式从只包含生态系统对环境变化的被动响应，扩展到包含生态系统过程和人类活动对环境条件的反馈与影响。

当地球系统模式遇上人工智能

随着气候系统各分量模式不断丰富，地球系统模式将更加注重多圈层、多过程、多要素的耦合。与此同时，地球系统数据也在激增。

然而，地球系统模式的预测能力并不一定会因为数据量的剧增而提升，科学家还需要深入理解这些数据背后地球系统各圈层之间的相互作用和反馈机制。由此，一些研究人员开始转向利用人工智能，尤其是机器学习和深度学习来改进地球系统模式。

传统意义上的气候模式主要是物理模型，而物理模型（理论驱动）和机器学习（数据驱动）通常被认为是两种不同的科学研究范式。但事实上这两种方法是可以互补的，即物理模型原则上可以直接解释，并具有不依赖于观测数据的预测和外推能力；而机器学习在探索数据方面具有高度灵活性，可能从数据中发现意料之外的模式，二者协同也越来越受到关注。

不同研究领域的“破壁者”

在“测算”未来气候中，地球系统模式已经给出了一些答案。

政府间气候变化专门委员会第五次评估报告显示，基于地球系统模式，气候变化和碳循环之间的反馈作用将加剧全球变暖。此外，到21世纪末在所有温室气体排放情景下全球海洋酸化都将加剧。

科学家对地球系统模式寄予厚望，希望其在预测长时间尺度上的地球气候和环境变化中发挥关键作用。世界气象组织明确指出，全球气象事业到了一个全新的转折点，气象业务将转向在无缝隙的地球系统框架下推进天气、气候、水和环境业务。利用地球系统模式对气候变化及其影响进行预测，已成为未来模式的发展趋势。需要指出的是，除地球系统模式外，未来科学家也有可能会发现更好的模拟地球系统的工具和方法。

应对气候变化以及预测和预防其未来影响是全球面临的共同课题，并且为减少科学领域、政策制定者、商业界和更广泛社会之间的障碍提供了新的必要条件。打破不同研究领域之间的障碍是发展地球系统模式的关键之一。地球系统模式不仅涉及各圈层之间的相互作用，还需要考虑日益加重的人类活动的影响。只有汇聚各领域的研究成果，才能更好地将科学、服务和政策制定联系起来。据《中国气象报​》

1

3

2