为什么当时间范围增加时,气候模型中的误差不会累积?-地江南体育网页版球科学堆栈交换江南电子竞技平台 最近30个来自www.hoelymoley.com 2023 - 04 - 06 - t21:28:41z //www.hoelymoley.com/feeds/question/23471 https://creativecommons.org/licenses/by-sa/4.0/rdf //www.hoelymoley.com/q/23471 13 为什么当时间范围增加时,气候模型中的误差不会累积? strateeg32 //www.hoelymoley.com/users/26331 2022 - 01 - 28 - t21:13:18z 2022 - 02 - 03 - t05:12:33z 首先,我想声明一下,我不是气候怀疑论者。我真的很想了解这种现象。希望有人也能详细介绍一下,因为我确实有一些统计学背景。


根据《卫报》的文章," '废话连篇':科学家们谴责Jordan Peterson关于气候模型的评论, Jordan Peterson声称气候模型不能被依赖,因为随着你对未来的预测,错误会加剧:

[Peterson]说:“另一个困扰气候模型的问题是,随着时间的推移,模型的误差会急剧增加。所以也许你可以预测一周,三周,一个月或一年,但是你预测的越远,你的模型误差就越大。

"当你试图建立超过100年的模型时,这是一个巨大的问题,因为错误就像利息一样。"

科学家们回应说,这种理解是错误的:

堪培拉新南威尔士大学的气候科学家莎拉·帕金斯-柯克帕特里克博士说,彼得森对气候模型如何工作的描述从根本上是错误的。虽然天气预报越远越不准确,但这与气候建模是不同的过程。[…新南威尔士大学气候变化研究中心的史蒂夫·舍伍德教授说,彼得森“犯了把天气和气候混为一谈的古老的气候怀疑论者的错误”。“任何学过气候或大气科学入门课程的人都能发现这个问题,”他说。 “Errors in a weather forecast indeed accumulate such that after a couple of weeks the forecast is useless.”

But with climate, Sherwood said, the models work differently to project how the climate will respond to different factors, such as higher levels of CO2.

So why is this the case? Why don't errors accumulate?

//www.hoelymoley.com/questions/23471/-/23473#23473 17 为什么当时间范围增加时,气候模型中的错误不会累积? LShaver //www.hoelymoley.com/users/7741 2022 - 01 - 28 - t21:55:50z 2022 - 01 - 28 - t21:55:50z 在气候模型中,误差确实会累积到未来——这就是为什么预测包括一系列可能的结果,而且你看得越远,预测的范围就越广。< /强> < / p >

See, for instance, this figure from the IPCC's Fifth Assessment Report, Summary for Policy Makers (SPM):

Global average surface temperature change (a) and global mean sea level rise (b) from 2006 to 2100 as determined by multi-model simulations.

Each RCP is a pathway, depending on how much carbon we emit. Per Wikipedia, the number represents the expected radiative forcing, in watts per meter squared (W/m2) that can be expected in the year 2100.

The SPM explains what each RCP represents:

Representative Concentration Pathways, (RCPs) which are used for making projections based on these factors, describe four different 21st century pathways of GHG emissions and atmospheric concentrations, air pollutant emissions and land-use. The RCPs include a stringent mitigation scenario (RCP2.6), two intermediate scenarios (RCP4.5 and RCP6.0) and one scenario with very high GHG emissions (RCP8.5). Scenarios without additional efforts to constrain emissions ('baseline scenarios') lead to pathways ranging between RCP6.0 and RCP8.5 (Figure SPM.5.a). RCP2.6 is representative of a scenario that aims to keep global warming likely below 2°C above pre-industrial temperatures.

So if we stay on our current path, we can expect warming of 3 to 5.5 degrees, with sea level rise of 0.5 to 1 m.

//www.hoelymoley.com/questions/23471/-/23474#23474 10 Vladimir F Героям сла а的回答为什么当时间范围增加时,气候模型中的错误不会累积? 弗拉基米尔F Героям сла а //www.hoelymoley.com/users/15200 2022 - 01 - 29 t10:30:49z 2022 - 01 - 29 t21:48:26z 在天气预报和气候预测的错误之间存在着巨大的混淆。虽然天气的可预测性基本上仅限于几周,但在气候建模中,我们感兴趣的是模拟天气的统计特性,即使10年后某一天的模拟天气完全是随机的。气候系统极其复杂,但将其与简单的流体动力学进行比较也许是有益的。在湍流管道流动中,我们无法预测每个小漩涡的位置。如果我们有一个初始条件,即使在非常精确的直接数值模拟中,我们也只能在非常有限的时间内准确地跟随它。但这并不重要,因为这样的模拟可以非常准确地捕捉到这种湍流的统计特性 //www.hoelymoley.com/questions/23471/-/23475#23475 5 为什么当时间范围增加时,气候模型中的错误不会累积? jacksonj04 //www.hoelymoley.com/users/26332 2022 - 01 - 29 t11:10:50z 2022 - 01 - 29 t11:10:50z 我们在气候预测中的不确定性随着时间的推移而增加,但这并不是因为(例如)复利积累的方式中的累积误差。在复利中,每次计算都依赖于它之前的计算。如果你试图以这种方式建立天气预报,误差很快就会变得巨大,因为天气预报依赖于基于相对小规模的事物(如风速和地表温度)进行短期但(希望)高精度的预测。如果我们试图用这些预测的值作为第二天计算的输入,麻烦就来了——我们的错误会迅速滚雪球,因为我们预测的不确定性与测量值相比相当大。正因为如此,我们不会随着时间尺度的增加而积累预测。

气候预测是在更长的时期内进行的,有更大规模的观测(我们说的是几十年,几个世纪或更长时间),以及不同的统计模型,但与现在的天气无关,也与我们认为明天或后天的天气无关。目前的9摄氏度和有点多云的事实与气候预测无关,就像1904年是有记录以来最冷的一年与明天是否会下雨一样。实际上有一大堆的预测都是逐步使用更长期和更大规模的数据,从超局域的(“未来五分钟你附近可能会下雨”)到地质的(“未来几千年地球上可能会有一个冰河期”)。你可以找到大多数地方的“长期预报”(这里是英国的一个),它给出了一个中间的例子,看一个月左右的天气可能是什么,但没有具体的预测

//www.hoelymoley.com/questions/23471/-/23482#23482 4 为什么当时间范围增加时,气候模型中的错误不会累积? leftaroundabout //www.hoelymoley.com/users/12095 2022 - 01 - 31 - t13:39:14z 2022 - 01 - 31 - t16:44:39z

考虑a Galton板。一颗简单的珠子从木钉的瀑布上落下。我们能预测它会走哪条路吗?好吧,原则上,是的 -这毕竟只是力学。如果它碰到第一个木钉的位置在它中心的左边,它就会向左移动。非常精确地测量初始状态,您就可以预测接下来发生的一切。但是很明显,实际上预测整个路径是没有希望的——它太敏感了。即使在开始时最微小的变化也意味着它会以略微不同的旋转偏离第一个钉子,然后这又会改变第二个钉子的行为,所以在两次迭代之后,预测肯定是错误的。无论如何,尽管遵循确定性微观动力学,行为只是随机。大致相同的原因是天气预报在一周多的时间里几乎没有用。尽管如此,我们可以非常有信心地说,在1000行钉子之后,珠子将在靠近中间的某个地方结束。 It's not strictly speaking impossible that it goes to the left twice as often as to the right, but so very unlikely that we might rather worry about the board being destroyed by a plane crashing into the lab.

And if all the pegs are slightly biased to make it 5% more likely for the bead to go to the right at each of them somehow, that's not going to be evident from observing a couple of beads on the first rows – it'll still look totally unpredictable. However, it will show up clearly in the shifted peak of the distribution after 1000 rows.

//www.hoelymoley.com/questions/23471/-/23484#23484 0 为什么当时间范围增加时,气候模型中的错误不会累积? AtmosphericPrisonEscape //www.hoelymoley.com/users/489 2022 - 01 - 31 - t20:32:38z 2022 - 01 - 31 - t20:32:38z

我的理解是,这两种模型中的错误都是由于方法上的细微差异造成的。在天气模型中,完整的Navier-Stokes方程是求解的。由于这些方程的非线性和混沌性质,通过改变初始条件,例如温度$T_0$,通过一些高斯函数或其他先验函数,在时间演化中产生了不确定性。另一方面,气候模型有从中平均出来的混沌度,因此改变初始条件将不会在长期演化中产生变化。这种变化源于演化参数的不确定性,如云凝结压力

//www.hoelymoley.com/questions/23471/-/23485#23485 1 为什么当时间范围增加时,气候模型中的错误不会累积? reirab //www.hoelymoley.com/users/1099 2022 - 01 - 31 - t20:39:51z 2022 - 01 - 31 - t20:39:51z 引用中的声明不是问题标题所要问的。气候模型会随着时间的推移而积累误差,就像天气模型(以及大多数试图预测几乎任何事物未来的模型)一样。这句话的意思是,气候模型不是基于天气模型的。天气模型被设计用来产生非常高精度的预测(至少相对于气候模型而言)。这要求他们使用非常精确的(和最近的)输入到模型中,例如当前的表面温度、压力梯度、风场、急流/条纹位置、锋面边界、温度和高空风等,以便预测从现在开始的几天内特定地点在特定时间的可能天气。气候模型不仅仅是把今天的天气观测数据输入到GFS、NAM和EURO模型中,然后抓取2072年1月31日下午3点的预测条件。相反,他们的输入是长期(通常是几十年或更长时间)的平均值,目的是预测长期(通常是几十年或更长时间)的平均值。这并不意味着错误不会随着时间的推移而积累;它的功能。但是误差不会像天气预报那样随着时间的推移而累积,因为输入(和输出)比天气预报的变量要小得多,因为要在更长时间内平均。与几乎任何类型的时间数据一样——尤其是像天气观测这样的可变数据——长时间的平均值通常比瞬时观测更稳定。错误仍然会随着时间的推移而积累,只是没有那么快了 //www.hoelymoley.com/questions/23471/-/23490#23490 0 肯·法比安的回答:为什么当时间范围增加时,气候模型中的错误不会累积? 肯费边 //www.hoelymoley.com/users/18145 2022 - 02 - 03 - t05:12:33z 2022 - 02 - 03 - t05:12:33z 气候模型不是独立于物理现实而存在的纯粹数学结构;各种参数代表了真实世界的情况,建模试图尽可能地结合已知的气候过程。模型中这些过程和相互作用的表示寻求与已知的物理过程相一致;如果模拟得很好,它就不能做一些物理上不可能的事情——比如几十年的温室效应增强,出站红外减少,但海洋没有变暖。或者统计上不太可能,就像我怀疑彼得森想象的那种偏向一个方向的不确定性误差的迭代序列,在这种情况下,概率钟形曲线的统计上不太可能但物理上可能的尾部被认为与钟形曲线靠近中间的尾部一样有可能。我们真的应该假设气候科学家的真正意图是更好地理解气候过程的相互作用,并产生他们被要求提供的更准确的气候预测。否则,操纵气候数据或建模以支持政治议程或掩盖无能或骗取拨款的指控,应该有证据,并提交给有关当局。

后溯-采用已知的过去现实世界条件,并在已知现实世界条件的时间框架内对气候进行建模-是对它们工作情况的极好检查

Baidu
map