Климатические модели: хуже чем ничего?

https://ruh666.livejournal.com/829431.html

“Климатические модели занимают центральное место в науке о климате…" (Стивен Кунин, ниже)

Когда в далеком будущем будет написана история климатического моделирования, ее главный сюжет будет о том, насколько легко вычислимый ответ может оказаться неверным и как это может привести к переоценке потепления и ложным страхам по поводу созданного руками человека парникового эффекта.

Объем эмпирических и теоретических данных в пользу этого вердикта постоянно растет, несмотря на все попытки истеблишмента не обращать на это внимания.

Вот хотя бы пресс-релиз Университета Колорадо в Боулдере “Более теплые облака, более прохладная планета” с подзаголовком “Связанный с осадками цикл обратной связи означает, что модели могут переоценивать потепление”

Анонс статьи указывает, что “сегодняшние климатические модели показывают большее потепление, чем их предшественники”

Но в статье, опубликованной на этой неделе, подчеркивается, что модели могут ошибаться в прогнозах сильного потепления: теплые облака Земли охлаждают поверхность больше, чем ожидалось, сообщила немецкая группа в Nature Climate Change.

“Наша работа показывает, что увеличение чувствительности климата, показываемое последним поколением климатических моделей следует воспринимать с большим недоверием”, — сказала сотрудник CIRES Дженнифер Кей, доцент кафедры атмосферных и океанических наук в CU Boulder и соавтор статьи.

Далее в пресс-релизе говорится, как включение этой отрицательной обратной связи улучшит климатические модели следующего поколения, что имеет первостепенное значение с учетом предстоящей Шестой оценки Межправительственной группы экспертов по изменению климата (МГЭИК). Но заметят ли конфликтующие моделисты и политизированная МГЭИК слона в комнате?

Бэкграунд

Сильная положительная обратная связь от выброса углекислого газа (CO2) и других парниковых газов (ПГ), созданных человеком, превращает умеренное потепление в сильное. Предполагалось, что усиление испарения в более теплом мире (в первую очередь из океанов) вызывает сильную положительную обратную связь, удваивая или даже утраивая первичное потепление.

Молекулы воды улавливают тепло, а облака или пар в верхних слоях тропической тропосферы, где воздух чрезвычайно сухой, улавливают значительно больше тепла, что приводит к образованию парникового эффекта. Как именно и почему вода ведет себя в этих верхних слоях (≈30 000–50 000 футов), одновременно блокируя (увеличивая) и высвобождая (уменьшая) тепло, является предметом споров, оставляя характер внешних эффектов неизвестным для экономики климата. И, заметим, что дело происходит в верхней части тропосферы, где климатические модели не позволяют получить достоверные данные.

Принятие фиксированной относительной влажности воздуха позволяет разработчикам моделей использовать “прочие равные условия” для описания изменчивых физических процессов, которые могут свести на нет вторичное потепление. Это спорное допущение открывает двери для гипермоделирования, которое уже совсем мало соответствует реальности. (Для экономистов аналогия будет заключаться в предположении о “совершенной конкуренции” как повода для развязывания буйной теоретизации.)

На протяжении десятилетий критики моделей ставили под сомнение упрощенную трактовку сложности. Как выяснилось, климатические модели предсказывают гораздо более сильное потепление.

Теоретики давно конфликтуют с моделистами. Ричард Линдзен из Массачусетского технологического института, автор книги “Динамика в физике атмосферы”, выдвинул различные гипотезы о том, почему обратная связь водяного пара намного меньше, чем моделируется. Джудит Карри, чей блог Climate Etc. является ведущим источником информации о физических науках и связанных с ними разработках, является еще одним критиком высокочувствительных моделей.

“Я пытаюсь рассмотреть ряд заслуживающих доверия точек зрения”, — заявляет она. “Это очень сложная проблема, и у нас пока нет ответов”.

А пока мы слишком доверяем очень сомнительным климатическим моделям и неадекватным наборам данных. И мы на самом деле не формулируем проблему достаточно широко, чтобы… делать достоверные прогнозы относительно того, что мы, возможно, увидим в 21 веке.

Признание мейнстрима

Климатологи знают, что климатические модели чрезвычайно сложны и хрупки. В книге “Что мы знаем об изменении климата” (2018 г., стр. 30) Керри Эмануэль из Массачусетского технологического института объясняет:

Компьютерное моделирование глобального климата — это, пожалуй, самая сложная задача, которую когда-либо решало человечество. Типичная климатическая модель состоит из миллионов строк компьютерных инструкций, предназначенных для моделирования огромного диапазона физических явлений….

Хотя уравнения, представляющие физические и химические процессы в климатической системе, хорошо известны, их нельзя решить точно. …. Проблема здесь в том, что многие важные процессы происходят в гораздо меньших масштабах.

Проблема параметризации сродни заблуждениям макроэкономики, в которой игнорируется решающая причинность индивидуальных действий. Движущие силы изменения климата описываются физикой, события здесь происходят в масштабе меньше шага сетки и уравнения климатологов здесь нестабильны. Как и макроэкономика, макроклиматология давно должна была переоценена и “понижена в должности”.

Мой наставник Джеральд Норт, бывший глава отдела климатологии в Texas A&M, сделал ряд наблюдений о грубости климатических моделей еще в 1998–1999 годах, которые актуальны и сегодня.

Мы мало что знаем о моделировании климата. Это как если бы мы моделировали человека. Модель наконец-то готова сказать нам, что у существа две руки и две ноги, но нас просят вылечить рак.

Существует веская причина отсутствия единого мнения в науке. Просто еще рано. Проблема сложная, и способов протестировать климатические модели крайне мало.

Необходимо заполнить то, что происходит на расстоянии 5 км от поверхности. Стандартный способ — через атмосферные модели. Я не могу придумать лучшей отговорки.

Различные модели по-разному связаны с океанами. Здесь есть небольшая слабость (фактор выдумки). Если модель слишком чувствительна, можно просто добавить немного больше океана, чтобы она соответствовала записям (фактическим измерениям, — прим. ред.) Вот почему модели с разной чувствительностью, похоже, одинаково хорошо насмехаются над записями. (Моделисты были бы оскорблены моим объяснением, но я думаю, что это правильно.)

[Результаты модели] также могут быть социологическими: получение социально приемлемого ответа.

Пятая оценка МГЭИК (2013 г.), “официальный” или мейнстримный отчет, признает фундаментальную неопределенность, в то же время, принимая методологию модели и результаты за чистую монету. “Сложность моделей”, — говорится (стр. 824), — “существенно возросла со времени выхода Первого оценочного доклада МГЭИК в 1990 г.…”

Однако каждый бит дополнительной сложности, хотя и предназначен для улучшения некоторых аспектов симуляции климата, также вводит новые источники возможных ошибок (например, через неопределенные параметры) и новые взаимодействия между компонентами модели, которые могут, хотя бы временно, ухудшить качество симуляции моделью других аспектов климатической системы. Более того, несмотря на достигнутый прогресс, сохраняется научная неопределенность в отношении деталей многих процессов.

О сомнительной природе моделирования климата шла речь в публикации журнала The Economist в 2019 году. “Прогнозирование климатического будущего осложняется неопределенностью”:

[Моделирование климата] — сложный процесс. Код модели должен отражать все, от законов термодинамики до тонкостей взаимодействия молекул воздуха друг с другом. Просчет модели означает выполнение квадриллионов математических операций в секунду — отсюда и потребность в суперкомпьютерах.

Эти модели очень грубые. Когда вам говорят о сетке, состоящей из миллионов ячеек, это выглядит достаточно солидно, но речь идет о ячейке площадь которой, если смотреть на нее сверху, составляет около 10 000 квадратных километров, а объем ячейки воздуха или океана может быть до 100 000 км3. Если рассматривать эти огромные площади и объемы как точки, упускается много деталей.

Облака, например, представляют собой особую проблему для разработчиков моделей. В зависимости от того, как и где они образуются, они могут согревать или охлаждать. Но облако намного меньше даже мельчайших ячеек сетки, поэтому его индивидуальный эффект невозможно уловить. То же самое можно сказать и о региональных эффектах, вызванных такими вещами, как топографические объекты или острова.

Построение моделей также затруднено из-за отсутствия знаний о том, как углерод — центральный атом в молекулах углекислого газа и метана, основных улавливающих тепло парниковых газов, кроме водяного пара — перемещается в окружающей среде.

“Но исследователи делают все, что в их силах”, — оптимистично заключает The Economist.

Фактически, климатические модели значительно переоценивают потепление, примерно наполовину. И разрыв увеличивается, как показывает прохладный 2021 год. Что касается будущего, антропогенное потепление сдерживается тем, что воздействие парниковых газов происходит скорее по логарифмическому, чем линейному закону. Эффект насыщения означает, что по мере того, как атмосфера содержит больше СО2, потепления становится все меньше и меньше.

Иными словами, окно для смягчения последствий быстро закрывается, что объясняет резкость высказываний видных политиков. Но время истекает не столько для самого климата, сколько для климатических моделей.

“Неясность” становится мейнстримом

Грубая методология и ложные выводы моделирования климата становятся все более очевидными. Физик и компьютерный эксперт Стивен Кунин в своей влиятельной книге Unsettled: What Climate Science Mates Us, What it Not Not and Why It Matters (глава 4) объясняет:

Моделирование климата занимает центральное место в науке о климате…. Тем не менее, многие важные явления существуют в масштабах, меньших, чем размер сетки 100 км (60 миль) (например, горы, облака и грозы), и поэтому исследователи должны делать “подсеточные” допущения, чтобы построить полную модель….

Поскольку результаты обычно не очень похожи на наблюдаемую нами климатическую систему, разработчики моделей затем корректируют (“настраивают”) параметры, чтобы лучше согласовать результаты с некоторыми особенностями реальной климатической системы.

Недостаточная настройка делает модель нереалистичной, а слишком усердная “рискует сфальсифицировать результаты, дав предопределенный ответ”, — добавляет Кунин. Затем он цитирует статью, написанную в соавторстве с 15 моделистами мирового уровня:

… Настройка часто рассматривается как неизбежная, но грязная часть моделирования климата, скорее инженерия, чем наука, действие, которое не заслуживает упоминания в научной литературе…. Настройка действительно может рассматриваться как необсуждаемый способ компенсации ошибок модели.

Заключение

Климатическое моделирование, возможно, было решением из разряда “хуже, чем ничего”, потому что модели дают ложную информацию, которая, к тому же представляется как истинная и “консенсусная”. Алармизм и деструктивный политический активизм (принудительное замещение низших энергий; вызовы нормам образа жизни) зажили собственной жизнью. Безумие заменило благоразумие как в науке, так и в государственной политике.

Данные продолжают противоречить наивным климатическим моделям. Очень сложная теория медленно, но верно объясняет, почему. Споры о климате вернулись к физической науке, о которой никогда не следовало забывать.

отсюда

Руководство по выживанию для инвестора в золото: 5 принципов, которые помогут вам опережать повороты цен

Апрельский Elliott Wave Theorist Боба Пректера (3 рынка - акции, товары и процентные ставки) (бесплатно по промо-коду RUH666)

Видеоурок от Джеффри Кеннеди: «Как найти идеальный момент для входа»

Наш редактор Crypto Pro Service показывает, что волны Эллиотта предсказывают для Dogecoin после его роста на 9250% с начала года.

Три видео о товарных рынках (хлопок, соя, нефть) - бесплатный доступ на elliottwave com

Руководство по крипто-трейдингу: 5 простых стратегий, чтобы не упустить новую возможность

Теперь настольную книгу волновиков "Волновой принцип Эллиотта" можно найти в бесплатном доступе здесь

И не забывайте подписываться на мой телеграм-канал и YouTube-канал

Бесплатное руководство «Как найти возможности для торговли с высокой вероятностью с помощью скользящих средних»