Inför säkerheten om ett förändrat klimat i kombination med den osäkerhet som finns kvar i förutsägelser om hur det kommer att förändras, forskare och ingenjörer från hela landet samarbetar för att bygga en ny typ av klimatmodell som är utformad för att ge mer exakta och användbara förutsägelser.

Utnyttja de senaste framstegen inom beräknings- och datavetenskap, den omfattande insatsen drar nytta av stora mängder data som nu finns tillgängliga och av allt mer kraftfulla beräkningsmöjligheter både för behandling av data och för simulering av jordsystemet.

Den nya modellen kommer att byggas av ett konsortium av forskare under ledning av Caltech, i samarbete med MIT; Naval Postgraduate School (NPS); och JPL, som Caltech hanterar för NASA. Konsortiet, kallad Climate Modeling Alliance (CliMA), planerar att förena jordobservationer och högupplösta simuleringar till en modell som representerar viktiga småskaliga funktioner, som moln och turbulens, mer pålitligt än befintliga klimatmodeller. Målet är en klimatmodell som projicerar framtida förändringar av kritiska variabler som molntäckning, regn, och havsisutsträckning mer exakt - med osäkerheter minst två gånger mindre än befintliga modeller.

"Prognoser med nuvarande klimatmodeller - till exempel om hur funktioner som nederbördsextremer kommer att förändras - fortfarande har stora osäkerheter, och osäkerheterna är dåligt kvantifierade, "säger Tapio Schneider, Caltechs Theodore Y. Wu Professor i miljövetenskap och teknik, senior forskare vid JPL, och huvudutredare för CliMA. "För städer som planerar sin dagvattenhanteringsinfrastruktur för att klara de närmaste 100 års översvämningar, detta är en allvarlig fråga; konkreta svar om det troliga intervallet av klimatresultat är avgörande för planeringen. "

Konsortiet kommer att verka i ett snabbt tempo, uppstartsliknande atmosfär, och hoppas kunna ha den nya modellen igång inom de närmaste fem åren - en aggressiv tidslinje för att bygga en klimatmodell i princip från grunden.

"En nystart ger oss en möjlighet att utforma modellen från början för att fungera effektivt på modern och snabbt utvecklande datormaskinvara, och för att de atmosfäriska och havsmodellerna ska vara nära kusiner till varandra, dela samma numeriska algoritmer, säger Frank Giraldo, professor i tillämpad matematik vid NPS.

Nuvarande klimatmodellering bygger på att dela upp klotet i ett nät och sedan beräkna vad som händer i varje sektor av nätet, liksom hur sektorerna interagerar med varandra. Noggrannheten hos en given modell beror delvis på upplösningen vid vilken modellen kan se jorden - det vill säga storleken på nätets sektorer. Begränsningar i tillgänglig datorbearbetningseffekt innebär att dessa sektorer i allmänhet inte kan vara mindre än tiotals kilometer per sida. Men för klimatmodellering, djävulen är i detaljerna-detaljer som missas i ett för stort rutnät.

Till exempel, lågt liggande moln har en betydande inverkan på klimatet genom att reflektera solljus, men de turbulenta plymerna som upprätthåller dem är så små att de faller genom sprickorna på befintliga modeller. Liknande, förändringar i arktisk havsis har kopplats till omfattande effekter på allt från polärt klimat till torka i Kalifornien, men det är svårt att förutse hur den isen kommer att förändras i framtiden eftersom den är känslig för molntätheten ovanför isen och temperaturen på havsströmmar nedanför, båda kan inte lösas med nuvarande modeller.

För att fånga den storskaliga effekten av dessa småskaliga funktioner, laget kommer att utveckla högupplösta simuleringar som modellerar funktionerna i detalj i utvalda regioner i världen. Dessa simuleringar kommer att vara kapslade inom den större klimatmodellen. Effekten blir en modell som kan "zooma in" på utvalda regioner, tillhandahålla detaljerad lokal klimatinformation om dessa områden och informera modelleringen av småskaliga processer överallt annars.

"Havet suger upp mycket av värmen och kolet som ackumuleras i klimatsystemet. Men hur mycket det tar upp beror på turbulenta virvlar i övre havet, som är för små för att lösas i klimatmodeller, "säger Raffaele Ferrari, Cecil och Ida Green professor i oceanografi vid MIT. "Fusionerar kapslade högupplösta simuleringar med nyligen tillgängliga mätningar från, till exempel, en flotta med tusentals autonoma flottor kan möjliggöra ett steg i noggrannheten i havsprognoser. "

Medan befintliga modeller ofta testas genom att kontrollera förutsägelser mot observationer, den nya modellen kommer att ta markutskridandet ett steg längre genom att använda dataassimilerings- och maskininlärningsverktyg för att "lära" modellen att förbättra sig i realtid, utnyttja både jordobservationer och de kapslade högupplösta simuleringarna.

"Framgången med beräkningsväderprognoser visar kraften i att använda data för att förbättra datormodellernas noggrannhet; vi strävar efter att få samma framgångar till klimatprognoser, "säger Andrew Stuart, Caltechs Bren -professor i datavetenskap och matematik.

Var och en av partnerinstitutionerna ger projektet en annan styrka och forskningsexpertis. På Caltech, Schneider och Stuart kommer att fokusera på att skapa algoritmer för dataassimilering och maskininlärning, liksom modeller för moln, turbulens, och andra stämningsfulla funktioner. På MIT, Ferrari och John Marshall, också en Cecil och Ida Green professor i oceanografi, kommer att leda ett team som kommer att modellera havet, inklusive dess storskaliga cirkulation och turbulenta blandning. På NPS, Giraldo kommer att leda utvecklingen av beräkningskärnan i den nya atmosfärsmodellen i samarbete med Jeremy Kozdon och Lucas Wilcox. På JPL, en grupp forskare kommer att samarbeta med teamet på Caltechs campus för att utveckla processmodeller för atmosfären, biosfär, och kryosfären.