地球未来的气候到底将如何变化，几十年后会继续变暖还是转向“冰河世纪”？未来极端天气气候事件会变得更加频发吗？历史上导致气候突变的关键因素到底是什么？这一个个问题都关乎地球和人类的未来，但却很难回答。

不少国家都在打造的一件“利器”——地球系统模式或许可以告诉我们这些问题的答案。

地球系统模式的“崛起”

近百年来，全球气候正经历一次以变暖为主要特征的显著变化。气候变暖带来了一系列影响，包括海平面上升、冰川消融、沙漠化加剧，以及高温、暴雨、干旱、风暴等极端天气气候事件发生的频率与强度增加。

要深入研究气候变化的机制和原因，并预测未来的变化趋势，以便采取应对措施，必须从了解大气圈、水圈、冰冻圈、岩石圈和生物圈等各圈层之间复杂的相互作用出发。如此宏大、内容繁多的研究就需要借助能够描述多圈层相互作用的物理和化学过程的地球系统模式。

“在极端天气气候事件不断加剧的情况下，地球系统方法显得尤为重要，可帮助我们了解导致气候变化的因素，以及这些变化的严重程度，从而提升应对能力。”世界气象组织首席科学家帕维尔·卡巴特说。

从学科发展本身来讲，地球系统模式的雏形——气候系统模式的发展已成为近20年来国际热门的前沿课题，不少国家纷纷制订各种气候系统模式乃至地球系统模式研究计划，并投入巨资发展。地球系统模式发展水平的高低已经成为衡量一个国家科技综合实力的重要指标之一。

随着气候系统各分量模式不断丰富，地球系统模式将更加注重多圈层、多过程、多要素的耦合。与此同时，地球系统数据也在激增。

世界气候研究计划（WCRP）先后组织 了 五 次 国 际 耦 合 模 式 比 较 计 划（CMIP1、CMIP2、CMIP3、CMIP5和CMIP6）。其中，CMIP5模式输出的数据总量超过3PB，而 CMIP6模式输出的数据总量预计将超过30PB。

影响大气环境的要素十分复杂。而随着考虑的要素越来越多，地球系统模式的数据量也随之水涨船高。

然而，地球系统模式的预测能力并不一定会因为数据量的剧增而提升，科学家还需要深入理解这些数据背后地球系统各圈层之间的相互作用和反馈机制。由此，一些研究人员开始转向利用人工智能，尤其是机器学习和深度学习来改进地球系统模式。

美国国家大气研究中心（NCAR）和美国国家海洋和大气管理局（NOAA）已经开始用机器学习和深度学习模式来替换部分气候和天气模式。

不同研究领域的“破壁者”

政府间气候变化专门委员会第五次评估报告显示，基于地球系统模式，气候变化和碳循环之间的反馈作用将加剧全球变暖。此外，到21世纪末在所有温室气体排放情景下全球海洋酸化都将加剧。

科学家对地球系统模式寄予厚望，希望其在预测长时间尺度上的地球气候和环境变化中发挥关键作用。世界气象组织明确指出，全球气象事业到了一个全新的转折点，气象业务将转向在无缝隙的地球系统框架下推进天气、气候、水和环境业务。利用地球系统模式对气候变化及其影响进行预测，已成为未来模式的发展趋势。

应对气候变化以及预测和预防其未来影响是全球面临的共同课题，并且为减少科学领域、政策制定者、商业界和更广泛社会之间的障碍提供了新的必要条件。打破不同研究领域之间的障碍是发展地球系统模式的关键之一。地球系统模式不仅涉及各圈层之间的相互作用，还需要考虑日益加重的人类活动的影响。只有汇聚各领域的研究成果，才能更好地将科学、服务和政策制定联系起来。

“地球系统模式研发需要跨越不同学科的协作和结合，包括气象学、气候学、水文学、环境和社会学、经济学等，这可大大提高各种产品和服务的质量及全面性，包括天气预报、气候预估、洪水和干旱预警以及空气质量预报和卫生服务等。”帕维尔·卡巴特说。