[论文解读] Coexchangeable process modelling for uncertainty quantification in joint climate reconstruction

Lachlan Astfalck, Daniel Williamson+3 more|arXiv (Cornell University)|Nov 24, 2021

Cryospheric studies and observations被引用 7

一句话总结

该论文提出了一种共可交换过程模型，通过结合多模型集合与观测数据，实现了对多个时空气候边界条件（特别是末次冰盛期的海表温度和海冰浓度）的可扩展、联合不确定性量化。利用贝叶斯线性方法，该模型生成了统计上一致且计算高效的重建结果，揭示了标准边界条件中的显著偏差，并表明这些偏差对冰盖模拟具有重大影响，边界条件的变异性导致冰盖高程不确定性达到其高度的5%–10%。

ABSTRACT

Any experiment with climate models relies on a potentially large set of spatio-temporal boundary conditions. These can represent both the initial state of the system and/or forcings driving the model output throughout the experiment. Whilst these boundary conditions are typically fixed using available reconstructions in climate modelling studies, they are highly uncertain, that uncertainty is unquantified, and the effect on the output of the experiment can be considerable. We develop efficient quantification of these uncertainties that combines relevant data from multiple models and observations. Starting from the coexchangeability model, we develop a coexchangable process model to capture multiple correlated spatio-temporal fields of variables. We demonstrate that further exchangeability judgements over the parameters within this representation lead to a Bayes linear analogy of a hierarchical model. We use the framework to provide a joint reconstruction of sea-surface temperature and sea-ice concentration boundary conditions at the last glacial maximum (19-23 ka) and use it to force an ensemble of ice-sheet simulations using the FAMOUS-Ice coupled atmosphere and ice-sheet model. We demonstrate that existing boundary conditions typically used in these experiments are implausible given our uncertainties and demonstrate the impact of using more plausible boundary conditions on ice-sheet simulation.

研究动机与目标

• 为地球系统模型中使用的时空气候边界条件在不确定性量化方面的关键空白提供解决方案，特别是针对古气候模拟。
• 开发一种在统计上严谨但计算高效的联合重建方法，用于多个相关气候场（如海表温度和海冰浓度）的重建，结合多模型集合与稀疏观测数据。
• 证明在不确定性被适当地量化时，冰盖建模中常用的边界条件在统计上不可行，并评估其对模拟冰盖动力学的影响。
• 提供一种贝叶斯线性替代方法，以替代层次贝叶斯模型，实现在保持群体水平估计和条件可交换性等关键推断特性的同时实现可扩展推理。
• 建立一个可推广至其他地球系统建模应用的框架，其中边界条件不确定性显著影响模型结果。

提出的方法

• 将Rougier等人（2013）提出的共可交换模型扩展至多个相关时空场，通过在变量之间引入条件可交换性判断。
• 基于Hodges（1998）的重新参数化方法，开发了层次贝叶斯模型的贝叶斯线性类比，仅需先验均值和协方差即可实现高效推理。
• 应用几何更新方法，在无需完整似然评估的前提下，对大规模时空数据集实现可扩展的顺序推理。
• 将FAMOUS-Ice耦合大气-冰盖模型的输出与代理数据及多模型集合（MMEs）相结合，联合重建末次冰盛期（23–19 kya）的海表温度与海冰浓度。
• 通过在模型与场之间假设可交换性，实现信息聚合并减少偏差，同时量化重建边界条件中的不确定性。
• 通过在重建边界条件与标准边界条件下驱动冰盖模拟，比较所得冰盖几何形态与动力学特征，对方法进行验证。

实验结果

研究问题

• RQ1 如何以可扩展且统计一致的方式，联合量化多个相关气候边界条件（如海表温度与海冰浓度）的不确定性？
• RQ2 当不确定性被适当地考虑时，冰盖模型中常用的固定边界条件在多大程度上偏离了合理的重建结果？
• RQ3 边界条件不确定性对过去冰盖模拟的几何形态与动力学特征有何影响？
• RQ4 贝叶斯线性方法能否为复杂、高维时空问题提供一种计算上可行的替代方案，以替代完整的贝叶斯层次建模？
• RQ5 如何结合多模型集合与稀疏观测数据，以生成更真实、更稳健的古气候重建结果？

主要发现

• 当不确定性被适当地量化时，发现冰盖模拟中使用的标准边界条件在统计上不可行，表明当前实践存在显著偏差。
• 通过共可交换过程模型联合重建海表温度与海冰浓度，揭示了这些边界条件的不确定性导致模拟冰盖高程的离散度达到5%–10%。
• 边界条件的不确定性对冰盖动力学具有显著且不可忽略的影响，影响冰盖的生长与消融趋势。
• 所提出的方法无需完整似然计算，即可在大规模时空场中实现可扩展、高效的推理，使其适用于高分辨率气候建模。
• 该框架成功捕捉了气候变量之间的复杂依赖关系，并提供了个体群体水平的推断，这是简单聚合方法所不具备的关键优势。
• 结果表明，通过联合重建纠正边界条件偏差，可获得更符合物理实际的冰盖模拟结果，并深化对过去气候-冰盖相互作用的理解。