氣候模式模擬是研究氣候變化的重要工具,為理解氣候變化、制定適應性政策以及降低氣候風險提供了重要依據(jù)。然而,當前氣候模式的發(fā)展仍面臨兩個核心挑戰(zhàn):模式本身的系統(tǒng)性偏差和空間分辨率不足。模式偏差會導致全球和區(qū)域尺度上的模擬與預測出現(xiàn)誤差,在極端天氣事件的模擬中尤為明顯;有限的分辨率則限制了模型對中小尺度過程(如對流、熱帶氣旋等)的表征能力,影響了極端事件模擬和區(qū)域氣候分析的可靠性。
已有一些國際計劃如CORDEX通過區(qū)域降尺度方法構建高分辨率模擬,CMIP中的高分辨率比較計劃則直接利用高分辨率模式生成全球數(shù)據(jù),但這些方法均需消耗大量計算資源,并仍受模式誤差的困擾。生成式模型為高分辨率氣候模擬和降尺度提供了新的思路。本研究提出一種生成式降尺度模型(MVGDM),能夠將全球氣候模式輸出從約100公里分辨率降尺度至25公里,并同時對氣候偏差進行校正。將該模型應用于GFDL-ESM4模式中的三個關鍵變量——海表溫度(SST)、2米氣溫(T2M)和500百帕位勢高度(Z500)后,其氣候態(tài)偏差分別降低了72%、79%和71%,同時較好保留了原數(shù)據(jù)中的內部變率信息,實現(xiàn)了分辨率提升、誤差減少和內部變率保持之間的平衡(圖1)。消融實驗表明,模型中引入的“循環(huán)”結構是取得上述效果的關鍵,該結構有效避免了“模式崩潰”現(xiàn)象。
除了對單變量分布的校正,氣候降尺度還需關注變量間聯(lián)合分布與依賴結構,這些結構通常反映了氣候系統(tǒng)的動力關系。MVGDM 顯著改善了ENSO海溫異常西伸過程中的暖偏差,以及IOD海溫異常的空間分布偏差,較好再現(xiàn)了ENSO-PNA遙相關關系。相比之下,監(jiān)督類深度學習模型(如AFNO)雖在某些方面表現(xiàn)良好,但會破壞數(shù)據(jù)一致性,導致動力模態(tài)缺失;傳統(tǒng)統(tǒng)計方法(如QM)雖對單變量偏差校正有效,卻難以優(yōu)化多變量間的空間依賴結構(圖2)。
基于該模型,研究團隊生成了全球范圍內25公里分辨率的日尺度歷史模擬與未來氣候預估數(shù)據(jù)集。該成果發(fā)表于《Geophysical Research Letters》,論文第一作者為中國科學院大氣物理研究所博士研究生李海杰,通訊作者為汪亞副研究員、黃剛研究員與陶煒晨副研究員,合作作者包括林鵬飛研究員。研究得到了國家自然科學基金(42141019,92358302,42261144687,42175049,42475048,42405041)、中國計算機學會-百度松果基金和國家重大科技基礎設施“地球系統(tǒng)數(shù)值模擬裝置”(EarthLab)的資助和支持。
論文代碼已開源:
https://github.com/Haijiepwd/MVGDM.git
基于本模型生成的全球25公里分辨率日尺度歷史模擬與未來預估數(shù)據(jù)集:
https://doi.org/10.5281/zenodo.17119791
參考文獻:
Li,H.,Wang,Y.,Huang,G.,Tao,W.,& Lin,P. (2025). Generative downscaling and bias correction of multivariable Earth system model simulations. Geophysical Research Letters,52,e2025GL117397.?https://doi.org/10.1029/2025GL117397

圖1. 不同模型(GFDL、MVGDM、AFNONet、QM)海表溫度(SST)、2米氣溫(T2M)及500百帕位勢高度(Z500)的氣候平均態(tài)偏差展示于子圖(a–l)中:(a–c)為GFDL結果,(d–f)為MVGDM結果,(g–i)為AFNONet結果,(j–l)為QM結果。

圖2. 不同模型(GFDL、MVGDM、AFNONet、QM)對于聯(lián)合分布依賴結構的模擬能力