理解气候系统演变机制及长时间尺度气候变化主要依赖于气候模式数值模拟和古气候代用记录重建。代用记录（如树轮、冰芯、珊瑚等）具有长时间跨度，能够揭示过去气候状态；同时，基于动力框架和物理过程的气候模式可以模拟过去气候状态、捕捉气候系统特征。而古气候数据同化作为一种古气候重建客观框架，将具有不确定性的气候模拟和代用记录相结合，为气候状态提供优化的估计。但是，由于气候模式积分计算代价大，古气候数据同化广泛使用“离线”方法：从已有的气候模拟中随机取样获得集合先验信息，同化代用记录后可得到后验信息，但后验信息不会随模式积分而演化。
南京大学谈哲敏院士和雷荔傈教授团从近些年快速发展的气象大数据模型“盘古”、“风乌”、“伏羲”等获得灵感，创新性地提出了一种全新的方法：利用深度学习构建“替代模型”来模拟气候系统的动态演化，他们从海量的气候模式输出中提取训练样本，构建出了一个能够“预测未来气候状态”的深度学习模型。这个替代模型不仅大幅减小了计算开销，更在预测精度上远超传统气候态方法与线性模型（图1）。团队进一步将替代模型与集成混合集合Kalman滤波（integrated hybrid ensemble Kalman filter; IHEnKF）结合，搭建了基于深度学习替代模型的“在线”集合Kalman滤波系统，用于古气候重建。
图1. （a）气候态（Climatology）、线性替代模型（LIM）和深度学习替代模型（NET）在不同预测时长的预测误差（RMSE）。（b）LIM和Climatology（c）NET和LIM在预测时长为1（年）时预测误差的空间模态差异。
“离线”同化由于只同化当前时刻的代用记录，其同化效果显著受到代用记录网络疏密性影响。“在线”同化相比“离线”同化，由于引入了替代模型的积分，集合先验中额外包含了来自过去的代用记录的约束。因此，即使代用记录网络较为稀疏，“在线”同化仍能够较为准确地重建地表气温。值得一提，相比于线性替代模型，基于深度学习的替代模型因能够提取高维度和非线性特征，其重建精度更高（图2）。
图2. 同化（a）150个和（b）554个PAGES2K代用记录重建器测阶段全球平均温度。亮蓝色线代表来自Berkeley Earth（BE）的观测。黑色线表示“离线”同化，红色和蓝色线表示使用线性和深度学习替代模型的“在线”同化。重建精度（CE）和误差（RMSE）均基于BE计算。
上述工作利用了深度学习工具，使古气候数据同化克服“离线”的技术瓶颈，向“在线”迈出重要的一步。该工作以“An Online Paleoclimate Data Assimilation with a Deep Learning-Based Network”为题发表在期刊《Journal of Advances in Modeling Earth Systems》上。文章的第一作者为南京大学大气科学学院博士生孙浩昊，通讯作者为南京大学雷荔傈教授，合作作者包括俄亥俄州立大学的刘征宇教授，南京师范大学的宁亮教授，南京大学谈哲敏院士。研究工作受到国家重点研发课题“热带西太平洋全新世气候变化的数据同化理论及技术”资助，同时获首批国家自然科学基金青年学生基础研究项目（423B2505）支持。
【论文信息】
Sun, H., L. Lei, Z. Liu, L. Ning, and Z. Tan, 2025: An Online Paleoclimate Data Assimilation with a Deep Learning-Based Network. Journal of Advances in Modeling EarthSystems 17, e2024MS004675. https://doi.org/10.1029/2024MS004675
【延伸阅读】
Sun, H., L. Lei, Z. Liu, L. Ning, and Z. Tan, 2023: A Hybrid Gain Analog Offline EnKF for Paleoclimate Data Assimilation. Journal of Advances in Modeling Earth Systems 16, e2022MS003414. https://doi.org/10.1029/2022MS003414
Sun, H., L. Lei, Z. Liu, L. Ning, and Z. Tan, 2022: An Analog Offline EnKF for Paleoclimate Data Assimilation. Journal of Advances in Modeling Earth Systems 14, e2021MS002674. https://doi.org/10.1029/2021MS002674
来源：“台风动力学与预报理论”公众号
https://mp.weixin.qq.com/s/zTTH96QOSY0Ok51ZpZL3OQ | 
发表于 2025-6-13 15:56:30
