重磅综述：地球系统模型简史与未来八大挑战

原创潘小多、陈德亮等 2025-02-25 20:13 湖南

回顾了ESMs的历史发展，强调了在模拟地球系统时所面临的主要挑战，包括冰冻圈中复杂的反馈机制、岩石圈的非线性和长期影响，以及日益增长的人类活动影响。

导语

地球系统模型(ESMs)是用于全面模拟地球系统各组成部分中复杂的物理、化学和生物过程之间相互作用的重要工具。本文回顾了ESMs的历史发展，强调了在模拟地球系统时所面临的主要挑战，包括冰冻圈中复杂的反馈机制、岩石圈的非线性和长期影响，以及日益增长的人类活动影响。同时探讨了地球系统模型当前的机遇，特别是来自机器学习(ML)和人工智能(AI)等数据驱动方法的新机遇。

为了能够深入理解人类世背景下地球系统各要素之间复杂的相互作用与演化机制，并为人类应对未来的地球系统科学重大挑战提供一套科学的认知框架，集智俱乐部联合清华大学讲席教授陈德亮、北京师范大学教授樊京芳、东莞理工学院特聘副研究员陈爱芳、南开大学副教授戴启立老师和爱尔兰都柏林大学博士生班崭共同发起「地球系统科学」系列读书会第二季，将组织大家从新的研究范式出发梳理相关文献，并深入研读其中涉及的理论与模型。

研究领域：地球科学，地球系统

潘小多、陈德亮、潘宝祥、黄小忠、阳坤、朴世龙、周天军、戴永久、陈发虎、李新 | 作者

李虎

| 译者

‍

潘小多

‍

| 审校

论文题目：Evolution and prospects of Earth system models: Challenges and opportunities
论文地址：https://doi.org/10.1016/j.earscirev.2024.104986

一、地球系统模型的发展历史

二、地球系统模型面临的主要挑战

三、地球系统模型未来发展的机遇

四、结论与展望

地球系统的动态过程涵盖了广泛的时空维度，涉及大气圈、水圈、生物圈、冰冻圈、岩石圈和人类圈等子系统之间以及内部的物理、化学和生物过程。尽管我们对这些动态过程的理解不断加深，但仍缺乏全面的认知，尤其是在极端事件和人类活动影响日益增大的情况下。为了模拟和预测地球系统的过程，科学家们开发了地球系统模型（ESMs），这些模型基于现有的动态过程理解，通过高性能计算机进行离散化的数值描述。尽管ESMs通过提高数值求解器的分辨率和增加模块来增强对复杂过程的模拟，但如果参数化方案不充分优化或新引入的物理过程未能与现有模块有效耦合，模型的准确性反而可能受到影响。

ESMs在模拟地球系统中的关键物理、化学和生物过程时，能够帮助科学家理解气候变化对不同地球圈层的影响，并预测这些变化未来可能的发展。与早期的全球气候模型（GCMs）相比，ESMs在模拟复杂互动过程方面具有显著优势，能够为科学研究和政策制定提供重要的依据。然而，现有的文献回顾主要集中在气候系统的变化及反馈机制上，较少关注地质过程和人类活动在地球系统模型中的作用。

本综述旨在探讨地球系统日益增加的复杂性，以及地球系统模型中不同圈层之间的相互作用，尤其是数据驱动模拟方法的最新进展。通过回顾地球系统模型的发展历程、总结主要挑战以及展望未来发展机遇，本文为进一步提升地球系统模型的科学性和可应用性提供了新的思路和方向。

一、地球系统模型的发展历史

地球系统模型的发展（图1）始于20世纪初描述大气和海洋动力学的确定性方程组 (Abbe, 1906; Bjerknes, 1906)。这些模型随后与人类活动动力学整合并相互作用，包括温室气体排放、土地利用变化和其他决策行为，最终促进了综合性ESMs的发展 (Shepelev, 1965; Checkland, 1976)。20世纪中期，国际科学合作扩大，1957-1958年的国际地球物理年 (IGY) 就是一个典范 (Beynon, 2018)。这项空前的研究工作协调了67个国家的努力，以更全面地理解地球圈，特别关注冰川学、海洋学和气象学。20世纪80年代生态和环境科学的快速发展 (Warde et al., 2018) 促使建立了国际地圈生物圈计划 (IGBP) (Dutreuil, 2016; Kwa, 2006; Uhrqvist, 2014)。该计划补充了1980年启动的、侧重于地球系统物理气候组成部分的世界气候研究计划 (WCRP)。随后，基于气候系统的基础物理和化学原理，并整合了地球表面与大气之间的能量和物质交换，发展出了更复杂的ESMs (Dalmedico, 2010; Flato et al., 2013; He et al., 2019)。

图1. 地球系统模型的百年发展历程

二、地球系统模型面临的主要挑战

人类圈——ESMs中人类维度的新视角

人类活动对地球系统的影响已经达到了地质时代的规模，促使科学界提出"人类世"的概念 (Waters et al., 2016; Crutzen, 2002)。这一概念不仅标志着地质时代的转变，也表明地球系统正在偏离全新世的稳定状态 (Steffen and Pyke, 2004)。人类圈作为地球系统的重要组成部分 (Motesharrei et al., 2016)，通过改变碳氮循环、影响气候变化和生物多样性等方式深刻影响着地球系统 (Kuhn and Heckelei, 2010)。这促使科学界开发了一系列人类-环境相互作用模型，如BNU-HESM (Yang et al., 2015) 和DICE (Nordhaus, 1993) 等，试图捕捉人类活动与环境变化之间的复杂反馈关系。然而，现有模型在表达人类-环境系统双向耦合方面仍存在局限 (Calvin and Bond-Lamberty, 2018)，特别是在模拟社会政治过程对气候变化的响应方面 (Beckage et al., 2020; Peng et al., 2021)。这要求我们发展跨学科研究方法 (Galvani et al., 2016)，加强对人类-环境系统复杂性的理解 (Moran and Lopez, 2016)，并改进现有模型框架，以更好地模拟人类世背景下的地球系统动态变化 (Ramanathan et al., 2022)。

岩石圈——地球系统的长期演化

岩石圈作为地球系统的基础组成部分，通过复杂的物理化学过程与其他圈层发生广泛的相互作用 (Kaufman and Broadman, 2023; Tierney et al., 2020)。在地质时间尺度上，板块构造运动深刻影响着地球表面系统的演化 (Vérard, 2019)，而在较短时间尺度上，火山喷发和地震等地质活动则直接影响区域环境变化 (Knight et al., 2021)。近年来，技术进步使得科学家能更精确地测定地质年代 (Roberts and Walker, 2016; Mottram et al., 2015)，并开发出更复杂的板块构造模型。这些模型需要与气候模型、生物地球化学循环模型等其他地球系统模型进行耦合 (Kaplan et al., 2003; Follows and Dutkiewicz, 2011)，以更好地理解岩石圈与其他圈层之间的相互作用。然而，尽管观测技术不断进步，景观形成和退化的许多过程仍未被完全理解 (Council, 2010)，这需要进一步的跨学科研究来揭示地球各圈层之间的动态联系。

冰冻圈——全球环境变化中的关键角色

冰冻圈作为地球系统的关键组成部分，通过复杂的物理化学过程与其他圈层进行广泛的相互作用 (Steffen et al., 2018)。在全球变暖背景下，冰冻圈的变化通过改变地表反照率、释放储存的有机碳、影响水文循环等多个途径影响着全球气候系统 (Su et al., 2019)。现代地球系统模型正在努力改进对冰冻圈各组成部分的模拟，包括雪盖 (Krinner et al., 2018)、冰盖 (Madsen et al., 2022) 和多年冻土(de Vrese et al., 2022)。然而，由于观测数据的限制 (Li et al., 2021) 以及冰冻圈过程的复杂性，当前模型在模拟冰冻圈与其他圈层的相互作用时仍面临诸多挑战，特别是在准确评估冰冻圈变化对全球气候系统的反馈效应方面 (Lawrence et al., 2015)。这需要进一步完善观测网络，发展更先进的模型耦合方法，以更好地理解和预测冰冻圈在全球环境变化中的作用。

三、地球系统模型未来发展的机遇

人类圈——在地球系统模型中融入人-自然相互作用

地球系统模型需要有效整合人类活动与自然系统之间的复杂相互作用（图2）(Steffen et al., 2015)。目前，研究者们采用多种工具来实现这一目标，包括综合评估模型 (IAMs)、基于代理的模型 (ABMs)(An, 2012; An et al., 2014) 以及投入-产出分析等方法。然而，由于系统的复杂性和数据限制，现有耦合研究仍然有限。为了更好地理解和量化人类-地球系统反馈，需要发展“方法多样性” (Verburg et al., 2016) 和“模型交叉比较” (Zvoleff and An, 2014)，同时确保使用“适当的计算和概念框架” (Palmer and Smith, 2014)。此外，加强跨学科研究合作(Newell, 2012; Hibbard et al., 2010)、改进数据质量和元数据管理 (Palmer and Smith, 2014)，以及促进社区发展和开放协作 (Laniak et al., 2013) 都是未来研究的重要方向。

图2. 人类圈与其他圈层的相互作用

岩石圈——将其演化纳入地球系统模型

地球系统模型中板块构造的模拟主要基于地幔热对流理论，Kaban等人 (2016) 通过整合重力、GPS等地球物理数据，开发了新一代全球地壳和地幔动力学模型，该模型考虑了岩石圈边界位置和主要层的物理特性，为理解深部地幔结构和动力学提供了重要约束。虽然Hager和O'Connell (1981) 提出的概念模型帮助阐明了板块与地幔对流系统的耦合关系，但由于地球内部难以直接观测 (Bergen et al., 2019)，准确模拟板块运动及其与其他地球系统组分的相互作用仍面临重大挑战。未来需要进一步发展综合岩石圈模型，并加强与其他地球系统模型的耦合，以更好地理解和预测板块构造运动及其环境效应。

冰冻圈——地球系统中重要但常被忽视的组成部分

地球系统模型正在不断发展以更好地整合冰冻圈过程 (Giorgetta et al., 2013)，包括将冰盖、海冰和多年冻土等主要组成部分纳入模型框架（图3）。最新研究表明，冰-水汽相互作用可能通过局部冷却效应减缓冰川消失 (Lin et al., 2021; Salerno et al., 2023) 。未来的地球系统模型需要进一步考虑多个关键方面，包括古气候多年冻土变化、冰冻圈作为气候变化触发器的作用、极地放大效应，以及冰-水汽交换机制。同时，建议采用机器学习和数据同化等方法将实时观测数据整合到模型中，以提高模拟精度和预测能力。这些改进将有助于更好地理解和预测气候变化对地球系统，特别是极地和寒冷地区的影响。

图3. 冰冻圈与其他圈层的相互作用

新一代地球系统模型的动力学框架

地球系统模型的动态核心基于流体动力学的高级数值模拟，通过有限差分和有限元方法模拟地幔和地核之间的复杂相互作用。新一代模型采用模块化设计方法，将不同圈层（大气圈、人类圈、岩石圈和冰冻圈）作为独立模块，便于更新和替换。模型采用自适应网格细化 (AMR) 技术，可在关键区域进行高分辨率模拟，同时结合数据同化技术提高模拟准确性。该动力学框架不仅能模拟地球系统各组成部分之间的相互作用，还包含了增强的碳循环和生物地球化学过程模拟能力。其灵活可扩展的设计特点使其易于与并行计算架构和高性能计算平台集成，从而能够进行更大规模、更复杂的模拟，推动地球系统科学的发展。

地球系统模型中的多分辨率跨时空尺度建模

地球系统模型在模拟多圈层相互作用时需要应对跨越空间和时间尺度的复杂挑战（图4）(Johnson et al., 2023)。中尺度现象 (如酸雨、洪水等) 的准确模拟对预测人类社会影响至关重要，这需要通过提高网格分辨率 (Bacmeister et al., 2014) 、采用新型建模方法如球形中心Voronoi镶嵌 (Du et al., 1999) 等技术，以及运用高分辨率模型、降尺度、参数化和数据同化等多种方法来实现。同时，还需要权衡模型分辨率与计算成本，针对不同过程采用适当的耦合策略，并充分利用高性能计算、机器学习、大数据等新技术，同时关注区域特征 (如青藏高原) 对全球系统的影响 (Chen et al., 2021)，以期更准确地模拟地球系统及其对自然和人为变化的响应。

图4. 各种地球过程的时空尺度。纵轴表示从0.1秒到百万年的时间尺度，横轴表示从毫米到十万公里的空间尺度，通过不同颜色和形状的椭圆区分了地球系统各圈层过程的时空尺度

物理与数据是地球系统模型的双驱动

第四范式强调大数据在地球系统模型发展中的重要作用，通过机器学习/人工智能技术将全球观测与局部高分辨率模拟整合（图6）。虽然传统统计模型 (Chen et al., 2020) 已被广泛使用，但新兴的机器学习和深度学习方法 (LeCun et al., 2015) 展现出更强的潜力。然而，数据驱动方法也面临数据质量、非线性关系表征等挑战。为提升模型性能，需要在增加模型复杂性、提高分辨率、量化不确定性等方面持续努力 (Silvern, 2022; Wang et al., 2023)，同时充分利用机器学习/人工智能技术优化模拟工作流程、改进参数化方案，最终构建能够提供更可靠预测的数据-模型融合系统 (Gettelman et al., 2022)。

图5. 数据驱动模型助力地球系统模型发展

模型组件的耦合

地球系统模型的耦合策略面临多重挑战，主要涉及耦合频率选择、变量交换和反馈循环处理。在耦合频率方面，需要平衡物理现实性和计算约束，如大气-陆地表面相互作用需要高频耦合，而海洋生物地球化学过程可采用低频耦合。现代耦合策略采用自适应方法，可动态调整耦合频率并优化数据交换，但仍面临数值不稳定性、计算瓶颈和守恒性维持等挑战。未来发展方向包括开发更复杂的自适应耦合方案、改进多尺度相互作用的数值方法，以及利用机器学习优化耦合策略，这需要跨学科合作以提高模型效率和物理一致性。

平衡模型复杂性与可用性

地球系统模型在发展过程中面临科学全面性与实际可用性的平衡挑战。为应对这一挑战，采用分层模型结构允许用户根据研究需求选择合适的复杂度级别，同时通过自适应网格细化、机器学习等方法提高计算效率。未来发展方向包括：整合板块构造和古地理模型、构建人类-环境相互作用模型、量化远距离影响、引入多分辨率跨尺度技术，以及推进模型-数据融合。通过改进用户界面、标准化文档和自动化诊断工具提高模型可用性，确保模型既能满足科学需求又便于实际应用。

四、结论与展望

地球系统模型作为理解和预测地球系统变化的重要工具，正经历着前所未有的发展机遇和挑战。回顾ESMs的发展历程，从最初的大气环流模型发展到现今包含多圈层耦合的复杂系统，其进步体现了人类对地球系统认知的不断深化。然而，当前模型在人类活动表达、圈层耦合过程和极端事件模拟等方面仍存在明显不足，需要进一步改进和完善。

未来ESMs的发展将主要围绕三个方向展开：首先是模型物理过程的完善，包括提高模型分辨率、改进参数化方案、加强圈层耦合等；其次是新技术的应用，特别是人工智能和机器学习技术在参数优化、数据同化等方面的创新应用；最后是模型应用能力的提升，着重加强对气候变化的预测能力和对社会经济系统的影响评估能力。这些发展将依赖于国际社会的密切合作，包括推进模型比对计划、促进数据共享和统一评估标准等。

展望未来，随着计算能力的提升、观测系统的完善和理论认识的深化，ESMs将在提高分辨率、完善物理过程表达、加强人类-地球系统耦合等方面取得突破性进展。这不仅将推动地球系统科学的发展，也将为人类应对全球变化挑战提供更可靠的科学依据。特别是在气候变化背景下，ESMs将在极端天气预测、生态系统响应评估和社会经济影响分析等方面发挥越来越重要的作用，为人类社会的可持续发展提供科学支撑。

参考文献

Abbe, C., 1906. The present condition in our schools and colleges of the study of climatology as a branch of geography and of meteorology as a branch of physics. Bull. Am. Geogr. Soc. 38, 121–123.

An, L., 2012. Modeling human decisions in coupled human and natural systems: Review of agent-based models. Ecol. Model. 229, 25–36.

An, L., Zvoleff, A., Liu, J., Axinn, W., 2014. Agent-based modeling in coupled human and natural systems (CHANS): lessons from a comparative analysis. Ann. Assoc. Am. Geogr. 104 (4), 723–745.

Bacmeister, J.T., Wehner, M.F., Neale, R.B., Gettelman, A., Hannay, C., Lauritzen, P.H., Caron, J.M., Truesdale, J.E., 2014. Exploratory high-resolution climate simulations using the Community Atmosphere Model (CAM). J. Clim. 27 (9), 3073–3099.

Beckage, B., Lacasse, K., Winter, J.M., Gross, L.J., Fefferman, N., Hoffman, F.M., Metcalf, S.S., Franck, T., Carr, E., Zia, A., Kinzig, A., 2020. The Earth has humans, so why don’t our climate models? Clim. Chang. 163, 181–188.

Bergen, K.J., Johnson, P.A., Maarten, V. de Hoop, Gregory, C., 2019. Beroza. Machine learning for data-driven discovery in solid earth geoscience. Science 363 (6433), 5.

Beynon, W.J., 2018. Annals of the International Geophysical Year: Bibliography and Index.

Bjerknes, V., 1906. Fields of Force. The Columbia University Press, New York.

Calvin, K., Bond-Lamberty, B., 2018. Integrated human-earth system modeling—state of the science and future directions. Environ. Res. Lett. 13 (6), 063006.

Checkland, P.B., 1976. Science and the system paradigm. Int. J. Gen. Syst. 3 (2), 127–134. https://doi.org/10.1080/03081077608934748.

Chen, Y., Randerson, J.T., Coffield, S.R., Foufoula-Georgiou, E., Smyth, P., Graff, C.A., Morton, D.C., Andela, N., Van Der Werf, G.R., Giglio, L., Ott, L.E., 2020. Forecasting global fire emissions on subseasonal to seasonal (S2S) time scales. J. Adv. Model. Earth Syst. 12 (9), e2019MS001955.

Chen, F., Ding, L., Piao, S., Zhou, T., Xu, B., Yao, T., Li, X., 2021. The Tibetan Plateau as the engine for Asian environmental change: the Tibetan Plateau Earth system research into a new era. Sci. Bull. 66 (13), 1263–1266.

Council, N.R., 2010. Landscapes on the Edge: New Horizons for Research on Earth’s Surface. National Academies Press, Washington, D.C.

Crutzen, P., 2002. Geology of mankind–the Anthropocene. Nature 415, 23.

Dalmedico, A., 2010. Putting the Earth System in a numerical box? The evolution from climate modeling toward global change. Stud. Hist. Philos. Mod. Phys. 41 (3), 282–292.

de Vrese, P., Georgievski, G., Gonzalez Rouco, J.F., Notz, D., Stacke, T., Steinert, N.J., Wilkenskjeld, S., Brovkin, V., 2022. Representation of soil hydrology in permafrost regions may explain large part of intermodel spread in simulated Arctic and subarctic climate. Cryosphere Discuss. 1–47.

Du, Q., Faber, V., Gunzburger, M., 1999. Centroidal Voronoi tessellations: Applications and algorithms. SIAM Rev 41 (4), 637–676.

Dutreuil, S., 2016. Gaïa: Hypoth ese, programme de recherche pour le syst eme terre, ou philosophie de la nature? Thesis Univ. Paris 1 Panth´ eon- Sorbonne and strategies of the International Geosphere- Biosphere Programme. Soc. Stud. Sci. 35, 923–950 (2005), 923–950.

Flato, G., Marotzke, J., Abiodun, B., Braconnot, P., Chou, S., Collins, W., Cox, P., Driouech, F., Emori, S., Eyring, V., 2013. Climate change 2013: The physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change 9, 741–866.

Follows, M.J., Dutkiewicz, S., 2011. Modeling diverse communities of marine microbes. Annu. Rev. Mar. Sci. 3 (1), 427–451.

Galvani, A.P., Bauch, C.T., Anand, M., Anand, M., Singer, B.H., Levin, S.A., 2016. Human–environment interactions in population and ecosystem health. Proc. Natl. Acad. Sci. 113 (51), 14502–14506.

Gettelman, A., Geer, A., Forbes, R., Carmichael, G., Feingold, G., Posselt, D., Stephens, G., van den Heever, S.C., Varble, A., Zuidema, P., 2022. The future of Earth system prediction: advances in model-data fusion. Sci. Adv. 8 (14), eabn3488.

Giorgetta, M.A., Jungclaus, J., Reick, C.H., Legutke, S., Bader, J., B¨ottinger, M., Brovkin, V., Crueger, T., Esch, M., Fieg, K., Glushak, K., Gayler, V., Haak, H., Hollweg, H.D., Ilyina, T., Kinne, S., Kornblueh, L., Matei, D., Mauritsen, T., Mikolajewicz, U., Mueller, W., Notz, D., Pithan, F., Raddatz, T., Rast, S., Redler, R., Roeckner, E., Schmidt, H., Schnur, R., Segschneider, J., Six, K.D., Stockhause, M., Timmreck, C., Wegner, J., Widmann, H., Wieners, K.H., Claussen, M., Marotzke, J., Stevens, B., 2013. Climate and carbon cycle changes from 1850 to 2100 in MPI-ESM simulations for the Coupled Model Intercomparison Project phase 5. J. Adv. Model. Earth Sys. 5 (3), 572–597.

Hager, B.H., O’Connell, R.J., 1981. A simple global model of plate dynamics and mantle convection. J. Geophys. Res. Solid Earth 86 (B6), 4843–4867.

He, B., Zhang, X.Q., Duan, A.M., Bao, Q., Wang, X., Zhou, L., Wu, X., Liu, Y., Wu, G., Chen, K., He, S., Hu, W., Li, J., Li, J., Nian, G., Wang, L., Yang, J., Zhang, M., Zhang, X., 2019. CAS FGOALS-f3-L model datasets for CMIP6 historical Atmospheric Model Intercomparison Project simulation. Adv. Atmos. Sci. 36 (8), 771–778.

Hibbard, K., Janetos, A., van Vuuren, D.V., Pongratz, J., Rose, S., Betts, R., Herold, M., Feddema, J., 2010. Research priorities in land use and land-cover change for the Earth system and integrated assessment modeling. Int. J. Climatol. 30 (13), 2118–2128.

Johnson, J.A., Brown, M.E., Corong, E., Dietrich, J.P., Henry, R.C., von Jeetze, P.J., Lecl` ere, D., Popp, A., Thakrar, S.K., Williams, D.R., 2023. The meso scale as a frontier in interdisciplinary modeling of sustainability from local to global scales. Environ. Res. Lett. 18, 025007.

Kaban, M.K., El Khrepy, S., Al-Arifi, N., Tesauro, M., Stolk, W., 2016. Three-dimensional density model of the upper mantle in the Middle East: interaction of diverse tectonic processes. J. Geophys. Res. Solid Earth 121 (7), 5349–5364.

Kaplan, J.O., Bigelow, N.H., Prentice, I.C., Harrison, S.P., Bartlein, P.J., Christensen, T. R., Cramer, W., Matveyeva, N.V., McGuire, A.D., Murray, D.F., Razzhivin, V.Y., Smith, B., Walker, D.A., Anderson, P.M., Andreev, A.A., Brubaker, L.B., Edwards, M. E., Lozhkin, A.V., 2003. Climate change and Arctic ecosystems: 2. Modeling, paleodata-model comparisons, and future projections. J. Geophys. Res. 108, 2002JD002559.

Kaufman, D.S., Broadman, E., 2023. Revisiting the Holocene global temperature conundrum. Nature 614 (7948), 425–435.

Knight, B.S., Davies, J.H., Capitanio, F.A., 2021. Timescales of successful and failed subduction: insights from numerical modelling. Geophys. J. Int. 225 (1), 261–276.

Krinner, G., Derksen, C., Essery, R., Flanner, M., Hagemann, S., Clark, M., Hall, A., Rott, H., Brutel-Vuilmet, C., Kim, H., 2018. ESM-SnowMIP: assessing snow models and quantifying snow-related climate feedbacks. Geosci. Model Dev. 11 (12), 5027–5049. https://doi.org/10.5194/gmd-11-5027-2018.

Kuhn, A., Heckelei, T., 2010. Anthroposphere. In: Speth, P., Christoph, M., Diekkrüger, B. (Eds.), Impacts of Global Change on the Hydrological Cycle in West and Northwest Africa. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-12957-5_8.

Kwa, C., 2006. The programming of interdisciplinary research through informal science policy interactions. Sci. Public Policy 33 (6), 457–467.

Laniak, G.F., Olchin, G., Goodall, J., Voinov, A., Hill, M., Glynn, P., Whelan, G., Geller, G., Quinn, N., Blind, M., 2013. Integrated environmental modeling: a vision and roadmap for the future. Environ. Model Softw. 39, 3–23.

Lawrence, D.M., Koven, C.D., Swenson, S.C., Riley, W.J., Slater, A.G., 2015. Permafrost thaw and resulting soil moisture changes regulate projected high-latitude CO2 and CH4 emissions. Environ. Res. Lett. 10 (9), 094011.

LeCun, Y., Bengio, Y., Hinton, G., 2015. Deep learning. Nature 521 (7553), 436–444.

Li, X., Cai, W., Meehl, G.A., Chen, D., Yuan, X., Raphael, M., Holland, D.M., Ding, Q., Fogt, R.L., Markle, B.R., 2021. Tropical teleconnection impacts on Antarctic climate changes. Nat. Rev. Earth Environ. 2 (10), 680–698.

Lin, C., Yang, K., Chen, D., Guyennon, N., Balestrini, R., Yang, X., Acharya, S., Ou, T., Yao, T., Tartari, G., Salerno, F., 2021. Summer afternoon precipitation associated with wind convergence near the Himalayan glacier fronts. Atmos. Res. 259, 105658.

Madsen, M., Yang, S., Aðalgeirsd´ottir, G., Svendsen, S., Rodehacke, C., Ringgaard, I., 2022. The role of an interactive Greenland ice sheet in the coupled climate-ice sheet model EC-Earth-PISM. Clim. Dyn. 59 (3–4), 1189–1211.

Motesharrei, S., Rivas, J., Kalnay, E., Asrar, G.R., Busalacchi, A.J., Cahalan, R.F., Cane, M.A., Colwell, R.R., Feng, K., Franklin, R.S., 2016. Modeling sustainability: population, inequality, consumption, and bidirectional coupling of the Earth and Human Systems. Natl. Sci. Rev. 3 (4), 470–494.

Moran, E.F., Lopez, M.C., 2016. Future directions in human-environment research. Environ. Res. 144, 1–7.

Mottram, C.M., Parrish, R.R., Regis, D., Warren, C.J., Argles, T.W., Harris, N.B., Roberts, N.M., 2015. Using U-Th-Pb petrochronology to determine rates of ductile thrusting: Time windows into the Main Central Thrust, Sikkim Himalaya. Tectonics 34 (7), 1355–1374.

Newell, P., 2012. Of markets and madness: Whose clean development will prevail at Rio + 20? J. Environ. Dev. 21 (1), 40–43.

Nordhaus, W.D., 1993. Optimal greenhouse-gas reductions and tax policy in the“ DICE” model. The American Economic Review 83 (2), 313–317.

Palmer, P.I., Smith, M.J., 2014. Earth systems: model human adaptation to climate change. Nature 512 (7515), 365–366.

Peng, W., Iyer, G., Bosetti, V., Chaturvedi, V., Edmonds, J., Fawcett, A.A., Hallegatte, S. P., Victor, D.G., van Vuuren, D., Weyant, J., 2021. Climate policy models need to get real about people—here’s how. Nature 594 (7862), 174–176.

Ramanathan, V., Xu, Y., Versaci, A., 2022. Modeling human–natural systems interactions with implications for twenty-first-century warming. Nat. Sustain. 5 (3), 263–271.

Roberts, N.M., Walker, R.J., 2016. U-Pb geochronology of calcite-mineralized faults: Absolute timing of rift-related fault events on the northeast Atlantic margin. Geology 44 (7), 531–534.

Salerno, F., Guyennon, N., Yang, K., Shaw, T.E., Lin, C., Colombo, N., Romano, E., Gruber, S., Bolch, T., Alessandri, A., Cristofanelli, P., Putero, D., Diolaiuti, G., Tartari, G., Verza, G., Thakuri, S., Balsamo, G., Miles, E.S., Pellicciotti, F., 2023. Local cooling and drying induced by Himalayan glaciers under global warming. Nat. Geosci. 16, 1120–1127.

Shepelev, Y.Y., 1965. Some aspects of human ecology in closed systems with recirculation of substances. In: Sisakyan, N.M. (Ed.), Problems of Space Biology, 4, pp. 166–175.

Silvern, R., 2022. Machine Learning and Artificial Intelligence to Advance Earth System Science: Opportunities and Challenges: Proceedings of a Workshop.

Steffen, W., Pyke, C., 2004. Global Change and the Earth System: A Planet under Pressure. Springer-Verlag, The Resilience Alliance.

Steffen, W., Richardson, K., Rockstr¨om, J., Cornell, S.E., Fetzer, I., Bennett, E.M., Biggs, R., Carpenter, S.R., De Vries, W., De Wit, C.A., 2015. Planetary boundaries: Guiding human development on a changing planet. Science 347 (6223), 1259855.

Steffen, W., Rockstr¨om, J., Richardson, K., Lenton, T.M., Folke, C., Liverman, D., Summerhayes, C.P., Barnosky, A.D., Cornell, S.E., Crucifix, M., 2018. Trajectories of the Earth System in the Anthropocene. Proc. Natl. Acad. Sci. 115 (33), 8252–8259.

Su, Y., Zheng, J., Liang, L., Dai, H., Zhao, J., Chen, M., Ping, X., Liu, Z., Wang, J., 2019. Derivation of A1-type granites by partial melting of newly underplated rocks related with the Tarim mantle plume. Geol. Mag. 156 (3), 409–429.

Tierney, E., Poulsen, C.J., Monta˜nez, I.P., Bhattacharya, T., Feng, R., Ford, H.L., H¨onisch, B., Inglis, G.N., Petersen, S.V., Sagoo, N., Tabor, C.R., Thirumalai, K., Zhu, J., Burls, N.J., Foster, G.L., Godd´ eris, Y., Huber, B.T., Ivany, L.C., Turner, S.K., Lunt, D.J., McElwain, J.C., Mills, B.J.W., Otto-Bliesner, B.L., Ridgwell, A., Zhang, Y., 2020. Past climates inform our future. Science 370, eaay3701.

Uhrqvist, O., 2014. Seeing and Knowing the Earth as a System: An Effective History of Global Environmental Change Research as Scientific and Political Practice. Link¨oping University Electronic Press.

Verard, C., 2019. Plate tectonic modeling: Review and perspectives. Geol. Mag. 156 (2), 208–241.

Verburg, P.H., Dearing, J.A., Dyke, J.G., Van Der Leeuw, S., Seitzinger, S., Steffen, W., Syvitski, J., 2016. Methods and approaches to modelling the Anthropocene. Glob. Environ. Chang. 39, 328–340.

Wang, H., Fu, T., Du, Y., Gao, W., Huang, K., Liu, Z., Chandak, P., Liu, S., Van Katwyk, P., Deac, A., Anandkumar, A., Bergen, K., Gomes, C.P., Ho, S., Kohli, P., Lasenby, J., Lesko., 2023. Scientific discovery in the age of artificial intelligence. Nature 620 (7972), 47–60. https://doi.org/10.1038/s41586-023-06221-2.

Warde, P., Robin, L., S¨orlin, S., 2018. The Environment: A History of the Idea. Johns Hopkins Univ. Press.

Waters, C.N., Zalasiewicz, J., Summerhayes, C., Barnosky, A.D., Poirier, C., Gałuszka, A., Cearreta, A., Edgeworth, M., Ellis, E.C., Ellis, M., Jeandel, C., Leinfelder, R., Mcneill, J.R., Richter, D.D., Steffen, W., Syvitski, J., Vidas, D., Wagreich, M., Williams, M., An, Z., Grinevald, J., Odada, E., Oreskes, N., Wolfe, A.P., 2016. The Anthropocene is functionally and stratigraphically distinct from the Holocene. Science 351 (6269), aad2622.

Yang, S., Dong, W., Chou, J., Feng, J., Yan, X., Wei, Z., Yuan, W., Guo, Y., Tang, Y., Hu, J., 2015. A brief introduction to BNU-HESM1. 0 and its earth surface temperature simulations. Adv. Atmos. Sci. 32, 1683–1688.

Zvoleff, A., An, L., 2014. The effect of reciprocal connections between demographic decision making and land use on decadal dynamics of population and land-use change. Ecol. Soc. 19 (2), 31.

（参考文献可上下滑动查看）

-活动预告-

陈德亮：地球系统科学新范式｜周六 · 北京线下讲座

地球系统科学读书会

世界气象组织《2023年全球气候状况》报告确认2023年是有观测记录以来最暖的一年。气候变化正在以高温、干旱、洪水、野火和沙尘暴等极端天气的形式吸引人们的广泛关注。世界经济论坛《2024全球风险报告》将气候变化作为首要值得关注的风险。地球作为一个多要素、非线性的开放复杂系统，要素间相互作用关系复杂，往往牵一发而动全身。在人类活动深刻影响下，我们该如何理解并有效应对正在面临的气候变化以及其带来的社会经济等一系列议题，实现人类与地球的可持续发展？