机器学习破解气候变化中的云层谜题

云层一直难以精确研究。在气候科学关乎人类未来生存的关键时刻，揭开云层奥秘显得尤为重要。幸运的是，机器学习和云计算技术的进步正在帮助消散这些谜团。

“机器学习与气候科学的结合即将迎来真正突破，“Philip Stier表示。作为牛津大学大气物理学教授，他领导着气候过程研究小组。“云层的作用仍然是气候科学中最大的不确定性之一：云层如何响应污染变化和全球变暖本身。”

2018年，Stier的研究团队获得某机构机器学习研究奖，支持名为iMIRACLI的创新项目。这个欧盟资助的研究生项目旨在汇集顶尖气候科学家、机器学习专家和行业合作伙伴，共同培养新一代气候数据科学家。

真正的大数据挑战

“机器学习领域的人常说他们在处理大数据，但我们拥有的气候数据集才是真正庞大的。卫星每天下传的数据量达到TB级别，我们需要理解所有这些数据。”

云层行为的复杂性给气候模型带来了重大不确定性。“我们对温室效应理解得很好，但对于大气气溶胶的影响，不确定性要大得多。“气溶胶与二氧化碳不同，通常只能在大气中存留一周，同时不断被新的排放所替代。

iMIRACLI团队采用多种方法利用机器学习的力量。早期一项研究涉及层积云中的"开放细胞口袋"现象。当大片毯状云层破裂形成分散云袋时，这种云覆盖变化会显著减少反射到太空的热量。

研究团队开发了基于卷积神经网络的目标检测模型，使用人工标注的卫星图像进行训练，然后在某机构云服务上分析了美国宇航局20年的高分辨率卫星影像。模型在数据集中识别出8500个开放细胞口袋实例，创建了世界上首个全面的开放细胞口袋数据库。

团队开发的另一个工具是可扩展地球系统模拟器，用于模拟和验证各种更复杂的模型和输出。“决策者通常只需要一个数字或一条曲线来回答问题，比如’如果大气中二氧化硫含量翻倍，对2050年温度的影响是什么？'”

该模拟器已在某机构气候模型中成功应用，改进了其物理参数的校准，减少了大气气溶胶对历史和未来变暖影响的不确定性。

“我们领域的真正问题是巨大的数据集，现在数据量如此之大，我们已经无法频繁移动数据。理想情况下，我们希望在云中计算，让分析和机器学习工具直接位于数据所在处。”

基于云的服务也使气候科学向更广泛的研究人员开放。“像某机构SageMaker这样的平台降低了科学家的入门门槛，他们不一定具有设置自己的深度学习实例的计算或机器学习背景。”

要消除云层对地球气候当前和未来影响的不确定性，需要全球共同努力。“这是一个非常大的挑战，但也是迷人的挑战。只有当我们完全理解控制云层的所有因素时，我才会安心退休。”