Klimaatmodellen

De wereld als een geheel van duizenden gridcellen met honinggraatstructuur.

Klimaatmodellen zijn computerprogramma's die voorspellen hoe het klimaat verandert. We gaan een preciese definitie uit de weg en stellen meteen de belangrijkste vraag: Zijn klimaatmodellen betrouwbaar? Nee, zeggen veel klimaatsceptici. Ja, toch wel enigszins, menen anderen, vooral degenen die zich met het ontwikkelen van modellen bezighouden. Soms kan het lijken of het probleem van de antropogene opwarming van het klimaat de wetenschap in twee kampen opdeelt. Maar opmerkelijk genoeg zijn er genoeg 'modelsceptici' die niet twijfelen aan de antropogene oorzaak (broeikasgassen) van de opwarmende aarde. Een van hen is de natuurkundige Lenny Smith. Smith heeft gewerkt aan klimaatmodellen en maakte deel uit van het team van de bekende klimaatwetenschapper Jim Hansen. Hij is dus een insider.

Volgens Smith zijn klimaatmodellen zonder meer nuttig: "For advancing our understanding, they are fundamental. For decision-making, even given their uncertainties, they can help minimise our vulnerability. They are also a source of information about what might plausibly happen - even if they cannot yield probabilities on what will actually happen." Hij gebruikt een mooie metafoor. Als er gevaar nadert, dan moet je luisteren naar het signaal dat het afgeeft. Dat is waar een model goed in is. "In the real world we don't usually expect certainty, and don't have much use for averages - but we do need information about plausible risks."

Maar wat mankeert er dan aan de modellen? Smith: "We must stop pretending that we know the details of how it will all play out." Het probleem zit hem in de details. Net als bij de weersvoorspellingen geldt dat "the details we see on TV forecasts are noise from the models. I think we are having exactly the same problem with climate projections. They cannot give us trustworthy forecasts of climate for regions as small as most countries are." Maar in grote lijnen zijn de uitkomsten in overeenstemming met het basisverhaal van de opwarmende aarde. "The bottom line is that the models help us understand pieces of the climate system, but that does not mean we can predict the details." Er is een wetmatigheid. Naarmate de schaal waarover je iets wilt weten groter wordt, lijken klimaatmodellen nauwkeuriger te worden. Gavin Schmidt zegt hierover: "It's important to note what these models are not good for. They aren't any good for your local weather, or the temperature of the water at the nearest beach or for the wind in downtown Manhattan, because these are small scale features, affected by very local conditions. However, if you go up to the regional scale and beyond (i.e. Western Europe as a whole, the continental US) you start to expect better correlations" (RealClimate). Je kunt je afvragen of dit niet een soort tautologie is, het lijkt logisch ...

Op drie punten zijn er problemen met modellen. Ten eerste heb je vergelijkingen nodig die bepalen hoe een deel van de aarde (een gridcel in het model) verandert onder invloed van hun omgeving (de andere gridcellen) en de processen die zich binnen de gridcel zelf afspelen. Het is lang niet zeker of de vergelijkingen wel kloppen. Wat zich binnen een gridcel afspeelt is een vereenvoudiging. Je kunt van de gridcel niet zelf weer opdelen. Er wordt gewerkt met gemiddelde waarden en bepaalde aannames of keuzes die gelden voor de hele cel ("de parameterisering van 'sub-gridscale' processen"¹).

Een tweede probleem is puur praktisch. Computers zijn niet krachtig genoeg. In een realistisch gemodelleerd klimaatsysteem moeten zeer veel berekeningen worden uitgevoerd, domweg omdat de echte wereld ook complex is. Stel, je wilt de toekomst van het klimaat weten. Bijvoorbeeld hoe het er uitziet over 5.000.000.000 seconden. Dan moet je alle tussenliggende toestanden van het systeem op t=1 sec, t=2 sec, enz. laten uitrekenen, helemaal tot t = 500.000.000 sec, en dat voor alle gridcellen. Als je het tijdsinterval groter maakt, bijv. dt = 1000 sec of dt = 1.000.000 sec, dan gaat het weliswaar veel sneller, maar de berekening wordt navenant minder nauwkeurig. In de praktijk wordt gewerkt met een periode van ongeveer een half uur. Dus als je het klimaat over 100 jaar wilt weten, moet je achtereenvolgens 24*2*365*100 = 1.752.000 keer de toestand van het klimaat (de toestand van alle gridcellen) uitrekenen. Eenzelfde opmerking geldt voor de grootte van de gridcellen of roosterpunten. Hoe kleiner de cellen, hoe meer cellen er nodig zijn om de aarde te bedekken en hoe meer berekeningen er voor alle cellen in totaal dus nodig zijn. De allereerste klimaatmodellen ontstonden in een tijd dat computers nog belachelijk langzaam waren, en ze hadden evenzo belachelijk grote gridcellen. Een heel continent werd voorgesteld als een mozaiekje enkele vierkantjes. Toen men later meer gridcellen kon toestaan en het model ook verticaal ging uitbreiden om de toestand van de atmosfeer en de oceanen beter te kunnen beschrijven, werden de vierkantjes kubusjes.

Gridcellen - Australia in a Global Climate Model.
Deze is al verfijnd; er is een derde dimensie bij: een vierkantje is een kubusje geworden.
Vegelijk ook deze figuur op wikipedia.

De beginsituatie, bijvoorbeeld de toestand van de aarde op dit moment, van waaruit de toekomst wordt berekend, is soms sterk bepalend voor de uitkomst. Een kleine wijziging van die begintoestand kan een grote afwijking in het eindesultaat opleveren. Men probeert dit probleem te ondervangen door te werken met verzamelingen begintoestanden, en van alle bijbehorende eindtoestanden dan zo'n beetje het gemiddelde te nemen. Maar hoe moet je dat gemiddelde interpreteren? "Suppose that 30 per cent of the simulations in an ensemble weather forecast say it will rain tomorrow. That doesn't mean there is a 30 per cent chance of rain." De onzekerheid is veel groter, zo groot dat beleidsmakers die willen weten hoe het klimaat over vijftig jaar op een bepaalde locatie er uitziet, geen concrete informatie in handen hebben. Op zijn best weet men dat een bepaald risico plausibel is. Je kunt er niet eens een bepaalde kans aan toekennen.

Tussen weermodellen en klimaatmodellen bestaat geen principieel verschil. Weermodellen zijn in zekere zin nauwkeriger, omdat er niet heel ver vooruit moet worden gerekend. Men kan dus meer computertijd stoppen in het doorrekenen van een groter aantal kleinere tussenstappen en kleinere gridcellen. Een mooi voorbeeld van de ensemble toepassingen (dus met meerdere begintoestanden) vind je op de website van het KNMI. Hier leveren de berekeningen wél een bepaalde kans op dat de vooruitberekende weerstoestand daadwerkelijk ontstaat. (Ik weet niet of die verwachtingen ook empirisch gecontroleerd worden.) Het KNMI: "De onzekerheid van de verwachting neemt toe met het groeien van de verwachtingstermijn. Met het Ensemble Prediction System (EPS) van het European Centre for Medium-Range Weather Forecasts (ECMWF) in Reading (Engeland) wordt een schatting gemaakt van die onzekerheid. Na het maken van de operationele ECMWF-verwachting met een rekenmodel met hoge resolutie (T799, roosterpuntsafstand ~25km) wordt de berekening 51 maal herhaald. Dit gebeurt met een model met lagere resolutie (T399, roosterpuntsafstand ~ 50 km) om rekentijd te besparen. Bij de herhalingen is de begintoestand een beetje verstoord t.o.v. de beide eerste runs; dit om de effecten van onzekerheden in die begintoestand te simuleren. Hoe breder de kleurenbanden uitwaaieren, hoe groter de spreiding van de verwachtingen binnen het ensemble, of, met andere woorden, hoe onzekerder de verwachting." Voorbeelden van uitwaaiende onzekerheid van de weersverwachtingen op langere termijn (KNMI):





Zie ook deze ensembleverwachting. Voor de temperatuur zijn er ook maandverwachtingen en seizoensverwachtingen voor Nederland. UK Met Office maakt verwachtingen voor de hele wereld.

Het is begrijpelijk dat klimaatsceptici de onzekerheid van modeluitkomsten benadrukken. Maar de wetenschappers die zich met de ontwikkeling van die modellen bezighouden, kunnen het zich - uiteraard - niet permitteren om hierover niet toch open te zijn. Het is wel wetenschap. "Failing to discuss these limits openly can hinder society's ability to respond, and also compromise the future credibility of science", zegt Smith. In grote lijnen zijn de IPCC-rapporten betrouwbaar. Maar dan moet je wel de kleine lettertjes lezen: "You have to read the qualifiers carefully, though. In the most recent report, for instance, there is an explicit acknowledgement that the range of simulations in today's models is too narrow. (...) It's good that the qualifier is in there, but it is a hell of a qualifier to find on page 797." Er is eenvoudig niet meer dan er is.

Tot zover Lenny Smith. Laten we eens kijken wat een andere klimaatwetenschapper zegt over de betrouwbaarheid van klimaatmodellen. Volgens model-specialist Gavin Schmidt van RealClimate vormen klimaatmodellen juist onze beste kans op vooruitgang van de klimaatwetenschap. Een waardevolle eigenschap van modellen is dat ze onverwachte resultaten opleveren die men onmogelijk kan voorzien: "One of the most important features of complex systems is that most of their interesting behaviour is emergent. It's often found that the large scale behaviour is not a priori predictable from the small scale interactions that make up the system. So it is with climate models. If a change is made to the cloud parameterisation, it is difficult to tell ahead of time what impact that will have on, for instance, the climate sensitivity. This is because the number of possible feedback pathways (both positive and negative) is literally uncountable. You just have to put it in, let it physics work itself out and see what the effect is."¹ Toch zijn Smith and Schmidt het opvallend eens over de beperkingen en de grote onzekerheid van de modellen.

Maar er bestaan hier en daar toch wel degelijk hooggespannen verwachtingen ten aanzien van mogelijkheid om de prestaties van modellen verder te verbeteren. Op congressen, in workshops en beleidsstukken wordt geesteld hoe beperkt de huidige modellen nog zijn. Maar dit gegeven wordt steevast aangegrepen om des te overtuigender te lobby-en voor nóg sterkere computers, nog meer petaflops, nog hogere resolutie, nog meer (internationale) samenwerking en nog grotere budgetten voor het steeds verder verfijnen van de modellen en het integreren van kennis, methodologie en onderzoeksresultaten in een globaal netwerk. Er is optisme ten aanzien van de mogelijkheid om de ideale klimaatvoorspellingsmachine (the "Seamless Prediction of Weather and Climate"¹) dichterbij te brengen. Steeds wijst men erop hoezeer de huidige computerprogramma's zijn verbeterd de afgelopen decennia. Dat geeft inderdaad hoop en tegelijkertijd ook niet. Want met het razendsnelle tempo waarin verbeteringen mogelijk zijn, moet je even zo laconiek constateren dat al de voorgaande modellen klaarblijkelijk zware beperkingen kenden, terwijl uit die modellen ook al conclusies werden getrokken. De hoofdvraag is echter niet of de modellen verbeterd kunnen worden, maar of ze binnen een jaar of twintig wél voldoende zekerheid bieden omtrent de vraag wat het klimaat gaat doen als gevolg van de uitstoot van broeikasgassen. En eigenlijk hebben we niet zoveel tijd. Stel dat computers over twee twintig jaar miljard keer sneller zijn. Dan geeft dat ruimte voor 100 keer hogere resolutie in drie dimensies van de gridcellen (samen een factor 1.000.000) plus een factor 1000 meer aan berekeningen binnen de gridcellen). Het is optimistisch te denken dat deze verbetering de zekerheid zal bieden die we nu nog moeten ontberen. In dat geval hebben we een leuk en bijzonder kostbaar stuk speelgoed in handen, maar weten we nog steeds niet hoeveel het klimaat zal opwarmen. Tegen die tijd moeten de grote en uitermate kostbare beleidsbeslissingen al genomen zijn.

Hoe kun je nu de betrouwbaarheid van een klimaatmodel beoordelen? Het resultaat moet overeenkomen met geobserveerde feiten. Maar het klimaat op aarde is geen proefopstelling in een laboratorium. Je kunt de proef niet herhalen om te zien of de uitkomst ook hetzelfde is als die van een eerdere proef. "Of course we have no control over our 'experimental' data; we cannot rerun the last hundred years of climate over and over again, to get accurate statistics. We are reduced to comparing the statistics of our model output with the one set of climate measurements that we do have." Dit heeft gevolgen voor de vergelijking van de uitkomst van het model met de gegevens: "Personal judgement plays a much greater rôle than scientists would like, in deciding whether the model has been 'validated' in these circumstances", zegt John Finnigan.¹ "Models cannot be completely tested, but only partially validated before being used for crucial predictions."

(Wordt vervolgd.)


Jeroen Vuurboom - 4 dec 2008 (bijgewerkt 10 dec 2008)