NVIDIA GPU助力气候模型实现更准确的预测

对于未来数十年气候变暖的幅度，全球专家的预测结果并不完全一致。有些专家预测，到2100年气温会上升3摄氏度或更多。另一些专家则认为，气温的变化幅度为1.5度。造成这种差异的主要原因可能会令人惊讶，即云。

“其中的不确定性因素与我们在预测模型中如何处理‘云’这一变量密切相关。”哥伦比亚大学地球与环境工程系副教授Pierre Gentine表示。

Gentine及其同事开发了一个深度学习模型，以解决这一影响气候预测准确度的难题。

如何捕捉到云并将其“稳住”？

2015年，气候专家与世界各国的领导人共同起草了《巴黎协定》，目标是将本世纪全球平均气温上升幅度控制在2摄氏度以内（相对于前工业化时期的水平）。一旦超过这一临界点，干旱、海平面上升等现象就会加剧，且多个动物物种可能会面临灭绝。

Gentine指出，被屡屡提及的“2摄氏度”指的是全球平均值，包括海洋之上的升温幅度，而这些地方实际上并没有人类居住。这也是许多不同气候模型的平均值。

由于气候模型必须能够粗略估算出环境的某些特征，并且每个计算团队的计算方式又略有不同，所以最终导致各种预测之间出现差异。

气候模型看起来就像是一个布满网格的地球。网格上的每一个单元格都代表了一块约为50到100平方公里的表面积。根据由Gentine合著的一篇论文，这种分辨率对于解释“云”这样的小特征影响因素来说还不够精确（云的跨度通常只有几百米）。

科学家们依赖于数学近似法或参数化来了解一个地区的平均云量，以及何种云层将会加湿或加热大气层。

根据研究人员对云物理特性的不同描述，它们可能在最终的模型中表现得明亮、或阴沉、或暗淡。这会产生很大的不同，因为较为明亮的云会向大气中反射更多的热量，从而降低大气温度。

与预测全球气温会升高1摄氏度的模型相比，一个预测升高3摄氏度的模型呈现出的云量可能会更少，或者云更阴暗。

更为精确的云层解析模型会使用显示更为细腻的分辨率，但是其带来的计算量也会十分庞大。所以，此模型的计算能力必须非常强大，才可以让研究人员将其应用于全球气候模型当中，用于预测未来更长时间的气候变化。

深度学习为准确预测带来一线希望

为了解决这一问题，研究人员选择了一个分辨率高达一平方英里的云层解析模型，并涵盖了各种各样的云层数据。

然后，他们利用这些精细数据对一个神经网络进行了为期六个月的训练，并将该深度学习解决方案引入了现有的气候模型，取代了先前的云层效果近似计算。

Gentine表示，使用神经网络来表示云层提升了气候模型的准确度。除气温估算外，神经网络还为降水极值提供了更准确的预测，而大多数现有模型目前还达不到这一点。

另外，还有一个优势是，该神经网络比原来的气候模型便宜8倍之多。

研究人员使用了多种NVIDIA GPU，包括Tesla P100和K80加速器。虽然他们在开始时使用了TensorFlow软件库，但后来不得不将代码转换为Fortran，这是一种经典大型气候模型所使用的语言。

Gentine表示，其目标是提高气候预测的能力，从而在全球范围内更准确地预测区域气候影响。这些详细数据对于减灾工作和基础设施规划起到至关重要的作用。

“当我们讨论全球气温升高2摄氏度时，这并不意味着德克萨斯的气温不会升高4度，”他说道，“我们极其需要这种准确的局地估算。”