现代天气预报和气候研究在很大程度上依赖于实现物理模型的计算机模拟。这些模型需要做出有凝聚力的大规模预测，但也需要包含足够多的小规模细节以确保相关性和可操作性。鉴于天气系统和气候的巨大物理复杂性，在空间和时间上对水环境事件(如降雨)进行真实的随机模拟是一项重大挑战。

一个统计方法是一种天然替代品来形容天气系统和气候的巨大变化。统计模型更易于使用，不需要大量计算资源，因此为科学家和决策者提供了可操作的、易于使用的工具来研究紧迫的气候相关问题。尽管如此，统计模型通常会做出简化的假设。

尽管这些假设可以使建模任务更易于处理，但它们也会导致与它们打算表示的物理系统产生额外的分歧。帕帕莱西奥等人。描述对所谓的完整随机建模解决方案 ( CoSMoS ) 框架的改进，该框架为广泛的水环境模拟引入了显着增强的通用性。

一个重要的补充是支持空间变化的速度场。这些速度场控制着流体包的运动，例如空气或水，穿过模拟区域。这种梯度在自然界中极为常见;例如，空气变暖时的膨胀会产生向外发散的速度模式。类似地，飓风或龙卷风的旋转需要在空间中弯曲的速度场。

作者还描述了各向异性的处理，其中物理过程的特性不仅会随与参考点的距离而且随方向而变化。通过将各向异性与空间变化的速度场相结合，模拟可以再现复杂的气象现象，例如风暴或飓风的旋转和螺旋结构。

在介绍了这些进步之后，作者通过一系列数值实验证明了它们的潜力。这些模拟说明了这种平台可以提供的各种流体结构和演化模式。然而，挑战仍然存在，包括以高分辨率模拟大型结构的高计算成本以及需要以全球规模模拟为目的的额外模型开发。