Klimatmodeller är en framgångssaga, med tanke på att mycket av det de förutspått faktiskt har gått i uppfyllelse. Ändå, Reto Knutti påpekar i ett blogginlägg, forskare behöver fortfarande nya modeller.

1950, Meteorologerna Jule Charney och Ragnar Fjørtoft gick tillsammans med matematikern John von Neumann och andra forskare för att skapa den första datorsimuleringen av vädret. Då, det tog 24 timmars beräkningar att förutsäga 24 timmars väder. Med andra ord, praktiskt taget så fort den ynka prognosen var klar, verkligheten hade satt in och gjort den värdelös. Dagens väderprognoser är häpnadsväckande bra, producerar ofta skickliga prognoser upp till en vecka i förväg och utformade för att inkludera extrema händelser. De finns på alla mobiltelefoner och alla vet hur de ska tolkas.

Fantastiska framsteg för klimatmodeller

Klimatmodeller är nära besläktade med vädermodeller; och de, för, har gjort fantastiska framsteg. Idag simulerar de luft- och havsströmmar, havs is, biosfären, landa, kolets kretslopp och mycket mer. De tar hänsyn till tusentals återkopplingseffekter och klimatprocesser, består av en miljon rader programmeringskod, och producera petabyte med data – och dessa modeller är en framgångssaga på många sätt. Många klimatmodellprognoser har blivit verklighet. Det var på grundval av just sådana prognoser som beslutsfattare beslutade att vi skulle begränsa antropogen global uppvärmning till betydligt mindre än 2 grader Celsius. Men varför, sedan, kräver detta område ännu mer forskning och nya modeller?

Årtionden sedan, statistikern George Box sa:"Alla modeller har fel, men vissa är användbara." Och verkligen, varje modell förenklar verkligheten till viss del. För vissa frågor, denna förenkling är motiverad, medan för andra, osäkerheterna är fortfarande stora. En sak i synnerhet är att varje modell har en specifik rumslig upplösning, eller våg, under vilken inga prognoser är möjliga. Nuförtiden har klimatmodeller vanligtvis en skala på 10 till 50 kilometer. Även denna resolution gör det klart att vi måste minska vår CO ₂ utsläpp. Dock, för att ta reda på hur ofta varma och torra somrar som den 2018 kommer att inträffa, eller om den schweiziska bergsbyn Sedrun fortfarande kommer att få tillräckligt med snö år 2040, vi behöver en skala på bara några kilometer. Detta beror på att berg, dalar och mycket lokaliserade fenomen – som att luftmassorna stiger som förvandlas till molnformationer – spelar avgörande roller.

Men att uppnå dessa mindre skalor kräver enorm datorkraft, sådana som finns mer och mer frekvent bara i datorer med grafikprocessorer (GPU). Därför, modellens "inre funktioner, " med andra ord hur de enskilda kärnorna delar och bearbetar data, måste omprogrammeras. Sådana kraftfulla superdatorer gör det möjligt att kartlägga småskaliga fenomen, som åskmoln, eller stadsmodeller på nya och förbättrade sätt. Dock, de producerar också mer data än vad som kan lagras.

Att få en högupplöst modell att köras på en ny datorarkitektur kräver därför fysikers expertis, apotek, biologer och andra experter för att bättre beskriva dessa småskaliga fenomen. datavetare, för, behövs om vi effektivt ska kunna använda den nya tekniken. Men i slutet av dagen, även den bästa simuleringen är värdelös om dess användare inte förstår den eller inte vet vad de ska använda den till.

Fördelar för samhället

För forskare, klimatmodeller är verktyg med vilka de kan testa sina hypoteser, lära sig förstå processer och tolka mätdata. Men de kan också göra mer:klimatmodeller används i prognoser för att minimera samhällets och infrastrukturens risker och sårbarheter och för att hitta robusta anpassningsmöjligheter. Dialogen med och nyttan för användarna är nyckeln till denna process. När vi klimatmodellerare förstår vilken information jordbrukare eller civilingenjörer behöver för vilken plats och tidsram, då kan vi bättre förbereda våra modeller för anpassning – ett lysande exempel på hur teknisk utveckling och inter- och transdisciplinär forskning samverkar för att ge påtagliga fördelar för samhället.