由于它们目前的模型分辨率相对较低模型（GCM）需要参数化各种亚网格尺度过程。物理参数化旨在近似各种亚网格物理然而，由于这些过程中涉及的复杂性，参数化表示亚网格尺度物理过程不可避免地涉及一些经验或统计参数尤其是在云和对流参数化。因此，这些参数化引入了使用GCM进行气候模拟的不确定性.通常，这些不确定参数需要校准或约束当开发新的参数化方案并将其集成到模型中时.

传统上，不确定参数通过综合模型模拟与可用观测结果的比较。这样一个这种方法是主观的、劳动密集型的，而且很难推广相比之下由于它们的效率、有效性和更广泛的应用在以前应用于GCM的研究中，方法可以是根据概率分布分为三大类函数（PDF）方法、优化算法和数据同化技术。

对于PDF方法，优化参数的置信范围为基于似然和贝叶斯估计进行评估。用广义逼近预测似然不确定估计，一种获取方法特定置信水平的参数不确定性范围。贝叶斯主义者马尔可夫链蒙特卡罗（MCMC）方法被广泛使用从先验知识中获得后验概率分布。一对夫妇基于MCMC理论的特定算法用于校准模型在之前的文献中，如《大都会-哈斯廷》，自适应Metropolis算法和多次极快模拟退火（MVFSA）。MVFSA方法是1到2阶震级比Metropolis–Hasting算法快然而，这些方法只是试图确定不确定参数的最可能区域，并且不能直接给出不确定参数与最佳度量的最佳组合值。此外，PDF很大程度上取决于假设的似然函数，气候系统模型调整通常很难确定问题。

优化算法可用于搜索最大或最小度量给定参数空间中的值。校准Speedy模型中的辐射、云和对流参数下坡单纯形以改进大气顶部和表面的辐射收支，以及大规模的环流。下坡单纯形是一种快速收敛当参数空间不是高维时的算法。然而，它是一种局部优化算法，不寻求全局最优解决方案。此外，当单纯形变得病态。除了下坡单纯形，还有一些全局引入优化算法来调整不确定参数气候系统模型，如模拟随机近似退火（SSRR）、MVFSA、和多目标粒子群优化（MOPSO）.SSRR需要至少10ö000个步骤才能获得稳定的解决方案，MVFSA还要求需要数千个步骤才能获得稳定的解决方案.MOPSO在每次迭代中都需要几十个单独的案例。所有这些都是全球性的优化算法需要大量的模型运行和非常高的模型调整过程中的计算成本。

数据同化方法在状态估计中得到了很好的应用，可以作为参数估计的潜在解决方案。中尺度参数不确定性的估计模型使用集成卡尔曼滤波器（EnKF）。显示关节的两步过滤基于粒子滤波组合方法的状态参数估计（PF）和EnKF。EnKF和PF使用一套模型模拟来估计背景误差协方差，它近似于传统的带递推过程的卡尔曼滤波器.的准确性误差协方差依赖于样本。一般来说，合奏规模越大，估计值越准确。集合大小的限制实践使用和不完善的模型使得很难选择具有代表性的样品此外，与MOPSO方法一样每次迭代都需要大量的模型运行计算成本。

气候系统模型是一个强非线性系统，具有大量不确定参数。因此，气候的参数空间系统模型是高维、多模态、强非线性的不可分割的。更严重的是，气候系统模型的一个模型运行可能需要几十年甚至几百年的模拟才能得到科学的结果有意义的结果。

为了克服这些挑战，我们提出了“三步走”战略有效校准气候系统模型中的不确定参数高效。首先，莫里斯方法，一种全局敏感性分析方法，用于通过分析main和interactive消除不敏感参数参数之间的影响。Sobol的另一种全局方法用于验证Morris方法的结果。其次，对所选参数的初始值进行预处理用于加速优化算法的收敛解决病态问题。最后，下坡单纯形算法用于解决优化问题，因为其效率低低维空间的计算开销和快速收敛。拿考虑到模型调整的复杂配置和操作设计并实现了自动工作流程来进行校准流程更高效。该方法和工作流程易于应用于GCM加快模型开发过程。

论文组织如下。第2节介绍了建议的自动工作流。第3节描述了示例模型的细节，参考数据和校准指标。三步校准策略见第节。4.第5节评估校准结果，然后第节中的总结。 6.

我们设计了一个软件框架来全面控制调优实践。这个框架可以自动执行我们提出的三步校准策略，确定最佳参数，以及产生相应的诊断结果。它包含各种调谐方法并用最少的手动操作简化模型调优过程管理层。它有效地管理各种程序，包括参数采样、灵敏度分析和初始值选择、模型配置和运行以及评估使用用户提供的指标对输出进行建模。用户只需指定要调整的模型、要调整的参数及其有效范围，以及要使用的校准方法。

框架中有四个主要模块，如图1所示。这个调度器模块使用以下功能管理模型仿真同时运行。它还协调不同的任务，以减少竞争和提高吞吐量。模拟诊断和评估包含在后处理模块中。准备模块包含各种敏感性分析和抽样方法，如Morris，索博尔，全阶乘（FF）,拉丁语超立方体（LH），莫里斯一次一个（MOAT）和中央复合设计（CCD）方法。敏感性分析能够消除复制样本以减少不必要的模型运行。基于MCMC的方法关于自适应大都会——还提供了黑斯廷斯算法，以获得不确定参数的后验分布。调整算法模块提供各种局部和全局优化算法，包括下坡单纯形、遗传算法、粒子群优化、，差分进化和模拟退火。此外，所有框架中的中间度量及其相应参数存储在MySQL数据库中，可用于后期知识分析。更重要的是，工作流程灵活且可扩展集成其他高级算法和工具，如问题不确定性分析和设计探索解决环境（PSUADE）以及用于优化和Terascale应用程序（DAKOTA）.尽管PSUADE和DAKOTA等不确定性量化工具包支持各种校准和不确定度分析方法及预定义函数接口，它们不能将上述模型调优过程组织为有效地作为所建议的模型调整框架。

我们使用IAP LASG版本2（GAMIL2）的网格点大气模型作为用于演示调整工作流和我们的校准的示例战略。GAMIL2是Flexible的大气成分全球-海洋-大气-陆地系统模型网格版本2（FGOALS-g2），参与CMIP5（耦合模型的第五阶段相互比较项目）计划。水平分辨率为2.8 ∘ × 2.8 ∘，有26个垂直级别。GAMIL2公司使用一个守恒质量和能量的有限差分格式.两步形状保持平流方案用于示踪平流。与过去相比版本，GAMIL2在云相关进程中进行了修改比如深对流参数化，对流云分数云微物理、和层状分数阶云凝结格式。有关更多详细信息，请参阅.从深对流方案中选择经验可调参数，浅对流和云分数方案（表1）。默认参数数值来自CMIP5实验的模型配置。

为了节省计算成本，只对大气进行模拟使用规定的季节气候学（无年际变化）5年SST和海冰。以前的研究表明，5年的模拟足以捕捉模拟平均气候的基本特征状态.这些目标模拟不是为了确定它们与观测结果的相似性，而是为了控制仿真和各种调谐的结果比较仿真。

模型调整结果取决于使用的参考指标。简单来说理由是，我们使用一些常规气候变量进行评估。风、湿度和位势高度来自欧洲中心中期天气预报（ECMWF）再分析（ERA）-中期再分析1989年至2004年.我们使用GPCP全球的降水气候学项目，用于降水和ERBE公司地球辐射预算实验，对于辐射场。所有观测和再分析数据都网格化到与比较前的GAMIL2相同的网格。请注意，参考指标可以根据模型性能要求进行扩展。

参考指标，包括表2中的各种变量，用于定量评估整体模拟技能的表现.校准RMSE定义为根据观察/再分析进行模型模拟，如公式（1）所示为了便于比较，我们通过控制的RMSE标准化每个仿真输出的RMSE使用默认参数值进行模拟。我们引入了一个改进指数评估调整结果，使每个变量的权重相等计算平均归一化RMSE。该指数表明相对于基于多个模型输出的控制仿真（表2）。如果索引小于1，这意味着优化后的模拟比控件运行。该值越小，改进效果越好。(σ米F类)2=∑我=1我w个(我)(x个米F类(我)-x个o个F类(我))2(σ第页F类)2=∑我=1我w个(我)(x个第页F类(我)-x个o个F类(我))2

χ2=1N个F类∑F类=1N个F类(σ米F类σ第页F类)2 x个米F类(我)是模型输出，以及x个o个F类(我)是相应的观测或再分析数据。x个第页F类(我)是模型输出使用中参数的默认值进行控制模拟表1。w个是由于规则网格区域不同而产生的重量纬度–球体上的经度网格。我是总网格数模型。N个F类是所选变量的数量。

本节通过三步法，重点关注云和TOA辐射变化。表1显示了以下四对敏感参数的值控制（标记为CNTL）和优化（标记为EXP）仿真。c0有显著变化，表示自动转换深对流方案中的系数，以及代表高云量出现的阈值相对湿度。其他两个参数在调谐前后值的变化可以忽略不计，因此，预计它们对模型性能的影响将是因此很小。

从控制模拟调整后的总体改进可以是在泰勒图（图4）中发现，几乎所有变量，特别是经向风和对流层中部(400 百帕)湿度。其他变量的改进包括相对较小。全球RMSE因素的变化以及三个地区（热带、SH中高纬度和NH中高海拔纬度）如图5所示。首先，辐射场和湿度在所有四个方面都有所改善。相比之下，风场和温度场发生了变化不同地区之间的差异更大。例如与对照组相比，热带地区变得更糟糕。有一个总体SH中高纬度所有变量的改善，除了200Ω百帕温度。新罕布什尔州中部和中部的风和降水在调谐模拟中，高纬度变得稍差。这些变化有些有趣，我们试图将这些变化与这两者联系起来参数得到了显著调整。

高云层的相对湿度阈值降低（从CNTL的0.78降低到EXP的0.63，表1），层状凝结率增加，大气湿度降低。此外，使用深层对流中的自转换系数增加，冷凝水减少对环境不利。因此，中间和上部对流层总体上比较干燥，特别是在热带地区对流主导着水分的垂直输送（图6c）。虽然热带对流层中上部变得更干燥，相对湿度降低高云阈值使云更容易出现。因此，全球的中高层云层增加，特别是在中部以及高纬度地区，最大增幅高达4-5%（图6f）。在热带地区，由于减少降水导致的干旱趋势，与中等云量相比，高云量增加相对较小（2–3%和高纬度地区。相反，800hPa以下的低云减少了中高纬度地区为1–2⁄%，相对湿度略有下降（图6）因为低云层相对湿度阈值的变化可以忽略不计（表1）。总的来说，所有相关参数化的综合效果导致大气湿度和云量的变化。

湿度和云场的变化影响辐射场。参考文献对于ERBE，TOA输出长波辐射（OLR）在EXP在中纬度地区，但在热带地区退化（图7a）。与CNTL相比，中高云量显著增加EXP（图6）。因此，它增强了长波的阻塞效应TOA（FLUT）的向上通量，降低了南部中纬度地区的FLUT半球和北半球（图7a）。Clear-sky OLR增加这是由于EXP中对流层上部较干燥（图6）。这个大气中水汽的减少减少了温室效应。因此，它会发出更多的长波辐射，并减少TOA处晴空长波向上通量的负偏压（FLUTC，图7b）。中高纬度的长波云强迫（LWCF）得到改善由于FLUT在这些领域的改进（图7c），但改进了由于FLUT和FLUTC公司。总体而言，调谐模拟的TOA辐射不平衡为0.08⁄Wöm-2，这比控制运行的要好（0.8？W？m-2).

TOA清晰的短波在控制和调谐之间是相同的模拟，因为两种模拟具有相同的表面反照率。使用云层增加，调谐模拟吸收较小的TOA短波而不是控件。与ERBE相比，调谐模拟具有更好的TOA短波在中高纬被吸收，但稍有吸收在热带地区退化。

一种有效的GCM物理参数三步法提出了调谐方案。与传统方法相比灵敏度分析步骤和适当的初始值选择步骤如下之前介绍了低成本下坡单纯形法。这有效地以良好的整体性能降低了计算成本。此外，设计并实现了一个自动参数校准工作流，用于提高运营效率并支持不同的不确定性量化分析和校准策略。方法的评估通过校准GAMIL2模型的工作流程表明该方法在两个方面都优于两种全局优化方法（PSO和DE）有效性和效率。在准确性和与两步法和原始下坡单纯形法。三步优化结果该方法证明，与控制仿真，尤其是辐射相关的控制仿真。机制分析是为了解释为什么这些与辐射有关的变量全面改善。在未来的工作中，需要更多的分析来更好地了解模型行为以及物理参数的变化。这个选择适当的参考指标和相关观察非常重要对最终调整的模型性能很重要。在未来的研究中，我们使用更可靠和准确的观测结果，并添加一些参数整定的约束条件以构建更全面的和可靠的指标。