近日，The Innovation Geoscience期刊在线发表了海洋与大气学院的最新科研成果“Toward an integrated framework on AMOC stability: Combining theory, observations, paleoclimate records, model simulations and AI”（构建“五位一体”的研究框架，降低未来AMOC崩溃预估的不确定性）。该研究第一作者为海洋与大气学院/海洋动力-物理环境与智能感知全国重点实验室林霄沛教授,合作者包括英国南极调查局张旭研究员、中国科学院大气物理研究所吴波研究员、北京大学刘永岗教授以及学院张存杰博士。
AMOC是全球海洋热量和物质经向输运的“大动脉”，被列为影响全球气候的九大关键气候临界点（Tipping Point）之一。然而，AMOC是否濒临崩溃，现有的研究给出了差异很大、甚至完全相反的预估。针对AMOC崩溃预估的不确定性，该研究剖析了当前AMOC崩溃预估研究方法的不足。在理论研究方面，浮力和动力强迫共同调制不同时间尺度上AMOC变异的机理仍不清晰；在海洋观测方面，针对AMOC的连续断面观测尚未监测到过AMOC的崩溃事件，缺乏AMOC崩溃案例；历史上不乏AMOC崩溃的案例（图1B），但是古气候代用资料不确定性很大，而且古-今气候背景（温室气体浓度、陆地冰盖范围等）差异显著，AMOC崩溃机制难以直接类比；数值模拟在北大西洋深层水的生成机制（过度强调拉布拉多海的对流贡献）、AMOC的历史演变（CMIP6集合平均显示20世纪早中期AMOC持续增强，而古记录普遍显示该时期AMOC减弱；CMIP6集合平均显示AMOC在1980年后逐渐减弱，而观测中并未发现该趋势；图1A）、冰盖模拟等方面仍存在显著的模拟偏差；相对于传统的临界点预警方法，人工智能技术能实现更早、更准确的预警，但需要足够数量的AMOC崩溃案例以用于训练模型。
针对上述研究方法的不足，尤其是数值模式的模拟偏差和AMOC崩溃案例的缺乏，该研究提出了整合“机理-观测-古气候记录-数值模拟-人工智能”五位一体的研究框架。该框架的核心策略是“以史为鉴”，利用不同复杂程度的模式，开展历史气候中冷期和暖期的数值模拟，通过对比古气候资料（如古气候指标记录、古气候数据同化数据集等）中AMOC的深度、强度和AMOC突变的气候效应，评估不同模式的模拟技巧高低进行模式筛选；并利用筛选后气候系统模式开展临界点附近的大样本扰动试验，结合利用人工智能模型诊断气候系统模式中被忽视的临界点，不断迭代增加AMOC崩溃的样本个数。
图1. 不同数据资料中AMOC的时间演变。（A）CMIP5和CMIP6历史和未来的数值模拟(Fox-Kemper et al., 2023, IPCC AR6)、基于观测的再分析产品(ERA5和JRA-55; Terhaar et al., 2025, Nat. Commun.）和RAPID断面现场观测结果(https://rapid.ac.uk/)；（B）基于沉积钻孔231Pa/230Th的AMOC重建记录(McManus et al., 2004, Nature)。
发表文章列表：
Xiaopei Lin, Xu Zhang, Bo Wu, Yonggang Liu, Cunjie Zhang （2025）.Toward an integrated framework on AMOC stability: Combining theory, observations, paleoclimate records, model simulations and AI. The Innovation Geoscience, 3:100167.
文章链接：https://doi.org/10.59717/j.xinn-geo.2025.100167