Statistical constraints on climate model parameters using a scalable cloud-based inference framework
Statistical constraints on climate model parameters using a scalable cloud-based inference framework
复制标题
使用可扩展的基于云的推理框架对气候模型参数进行统计约束
DOI：
10.1017/eds.2023.12
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Kuusela, Mikael
中科院分区：
文献类型：
--
作者：
Carzon, James;Abreu, Bruno;Regayre, Leighton;Carslaw, Kenneth;Deaconu, Lucia;Stier, Philip;Gordon, Hamish;Kuusela, Mikael
大气气溶胶主要通过影响云的形成和散射可见光辐射来影响地球气候。然而，气候模拟中与气溶胶相关的物理过程是高度不确定的。限制这些过程可能有助于改进基于模型的气候预测。我们提出了一个可扩展的统计框架，通过比较模型输出和观测值来约束昂贵的气候模型的参数。使用云计算平台C3.AI Suite，我们使用UKESM1气候模式的扰动参数集合来有效地训练代理模型。描述了一种用于估计数据驱动的模型差异项的方法。应用严格界法对参数不确定性进行了原则性的量化。我们用南大西洋和中非地区2周的模拟气溶胶光学厚度数据证明了这个框架的可扩展性，这些数据每3小时从模式中写入，并在时间上与每天两次的MODIS卫星观测相匹配。当使用真实的卫星观测来约束模型时，我们使用气候模型比以前的研究高得多的时间分辨率输出来建立对两个模型参数的组合的约束。这一结果表明，在不完美气候模型施加的限制内，当我们的框架扩展到分析更多观测和更长时间段时，可能会实现非常强大的约束。
Atmospheric aerosols influence the Earth’s climate, primarily by affecting cloud formation and scattering visible radiation. However, aerosol-related physical processes in climate simulations are highly uncertain. Constraining these processes could help improve model-based climate predictions. We propose a scalable statistical framework for constraining the parameters of expensive climate models by comparing model outputs with observations. Using the C3.AI Suite, a cloud computing platform, we use a perturbed parameter ensemble of the UKESM1 climate model to efficiently train a surrogate model. A method for estimating a data-driven model discrepancy term is described. The strict bounds method is applied to quantify parametric uncertainty in a principled way. We demonstrate the scalability of this framework with 2 weeks’ worth of simulated aerosol optical depth data over the South Atlantic and Central African region, written from the model every 3 hr and matched in time to twice-daily MODIS satellite observations. When constraining the model using real satellite observations, we establish constraints on combinations of two model parameters using much higher time-resolution outputs from the climate model than previous studies. This result suggests that within the limits imposed by an imperfect climate model, potentially very powerful constraints may be achieved when our framework is scaled to the analysis of more observations and for longer time periods.
登录
查看更多内容
气候模型中不确定气溶胶过程和排放的稳健观测约束及其对气溶胶辐射强迫的影响
DOI：
10.5194/acp-2019-834
发表时间：
2019
期刊：
--
影响因子：
--
作者：
Johnson J
通讯作者：
Johnson J
宽箱展开的不确定性量化：一次一个的严格界限和事先优化的置信区间
影响因子：
1.3
作者：
Stanley, Michael;Patil, Pratik;Kuusela, Mikael
通讯作者：
Kuusela, Mikael
大气 (mathrm{CO}_2) 检索的客观频率不确定性量化
DOI：
10.1137/20m1356403
发表时间：
2022
期刊：
SIAM/ASA J. Uncertain. Quantification
影响因子：
--
作者：
Pratik V. Patil;Mikael Kuusela;J. Hobbs
通讯作者：
J. Hobbs
DOI：
10.1002/9780470685853
发表时间：
1994
期刊：
--
影响因子：
--
作者：
L. Biegler;G. Biros;O. Ghattas;M. Heinkenschloss;D. Keyes;B. Mallick;Y. Marzouk;L. Tenorio;B. V. B. Waanders-B.-V.-B.-Waanders-1863062;K. Willcox
通讯作者：
L. Biegler;G. Biros;O. Ghattas;M. Heinkenschloss;D. Keyes;B. Mallick;Y. Marzouk;L. Tenorio;B. V. B. Waanders-B.-V.-B.-Waanders-1863062;K. Willcox
使用 MRI 地球系统模型评估辐射强迫
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
Oshima;N.
通讯作者：
N.