Wir leben in einer Umwelt, die sehr komplex und dynamisch ist. Satellitenbilder und Videos belegen das und lassen Klimamuster erkennbar werden. Man kann diese Muster sogar vom Fenster aus sehen. Sie sind überaus komplex, wirken aber vertraut. Diese Muster scheinen sich zu wiederholen, sind aber nie genau gleich. Es ist eine enorme Herausforderung, sie zu verstehen. Die Muster, die Sie sehen, gibt es in allen Größenordnungen. Man kann diese Muster aber nicht in kleinere Einheiten aufteilen und sagen: “Dann entwerfe ich eben ein kleineres Klimamodell." Man kann nicht die typische Form des Reduktionismus anwenden, um immer kleinere Einheiten zu erhalten, die man im Labor untersuchen kann, um dann zu sagen: "Jetzt verstehe ich das alles." Entweder man versteht alles oder nichts.
We live in a very complex environment: complexity and dynamism and patterns of evidence from satellite photographs, from videos. You can even see it outside your window. It's endlessly complex, but somehow familiar, but the patterns kind of repeat, but they never repeat exactly. It's a huge challenge to understand. The patterns that you see are there at all of the different scales, but you can't chop it into one little bit and say, "Oh, well let me just make a smaller climate." I can't use the normal products of reductionism to get a smaller and smaller thing that I can study in a laboratory and say, "Oh, now that's something I now understand." It's the whole or it's nothing.
Die unterschiedlichen Maßstäbe, die diese Muster sichtbar machen, umfassen eine enorme Skala an Größenordnungen. Es gibt etwa 14 davon, von mikroskopisch kleinen Partikeln zur Wolkenimpfung bis zur Größe der Erde, von 10 hoch -6 m bis 10 hoch 8 m, 14 räumliche Größenordnungen. Auch bei Zeiteinheiten, von Millisekunden bis zu Jahrtausenden, unterscheidet man ca. 14 Größenordnungen.
The different scales that give you these kinds of patterns range over an enormous range of magnitude, roughly 14 orders of magnitude, from the small microscopic particles that seed clouds to the size of the planet itself, from 10 to the minus six to 10 to the eight, 14 orders of spatial magnitude. In time, from milliseconds to millennia, again around 14 orders of magnitude.
Was bedeutet das? Wenn man wissen möchte, wie sich diese Dinge berechnen lassen, dann sammelt man Beobachtungsdaten, teilt diese in viele kleine Einheiten auf und erhält so physikalisch korrekte Ergebnisse. Ein Wettermodell umfasst ca. fünf Größenordnungen, von der Größe der Erde bis zu wenigen Kilometern. Zeiteinheiten reichen von wenigen Minuten bis zu zehn Tagen oder vielleicht einem Monat. Wir wollen aber mehr wissen. Uns interessiert das Klima. Hier sind Jahre, Jahrtausende und sogar noch kleinere Maßstäbe relevant. Kürzere Prozesse, die wir nicht untersuchen können, müssen wir annähernd berechnen. Das ist eine enorme Herausforderung. Klimamodelle in der 1990ern haben noch weniger Größenordnungen, nur ungefähr drei, berücksichtigt. Klimamodelle zu Beginn des 21. Jahrhunderts, mit denen wir im Moment arbeiten, greifen auf vier Größenordnungen zurück. 14 Größenordnungen gibt es, und alle zehn Jahre gelingt es uns, eine weitere Größenordnung zu simulieren. Jede zusätzliche räumliche Größenordnung erhöht den Rechenaufwand um ein 10 000-Faches, und wir fügen immer weitere Elemente hinzu, die wieder neue Fragen aufwerfen.
What does that mean? Okay, well if you think about how you can calculate these things, you can take what you can see, okay, I'm going to chop it up into lots of little boxes, and that's the result of physics, right? And if I think about a weather model, that spans about five orders of magnitude, from the planet to a few kilometers, and the time scale from a few minutes to 10 days, maybe a month. We're interested in more than that. We're interested in the climate. That's years, that's millennia, and we need to go to even smaller scales. The stuff that we can't resolve, the sub-scale processes, we need to approximate in some way. That is a huge challenge. Climate models in the 1990s took an even smaller chunk of that, only about three orders of magnitude. Climate models in the 2010s, kind of what we're working with now, four orders of magnitude. We have 14 to go, and we're increasing our capability of simulating those at about one extra order of magnitude every decade. One extra order of magnitude in space is 10,000 times more calculations. And we keep adding more things,
Wie sieht also ein Klimamodell aus? Hier sehen Sie zugegebenermaßen ein altes Modell, eine Lochkarte mit einer einzigen Fortran-Codezeile. Wir benutzen keine Lochkarten mehr, aber wir verwenden immer noch Fortran. Neumodische Programmiersprachen wie C hatten keinen großen Einfluss auf die Entwicklung von Klimamodellen.
more questions to these different models. So what does a climate model look like? This is an old climate model, admittedly, a punch card, a single line of Fortran code. We no longer use punch cards. We do still use Fortran. New-fangled ideas like C really haven't had a big impact
Wie gehen wir nun also vor?
on the climate modeling community.
Wie gelangen wir von der vorhin erwähnten Komplexität zu einer Codezeile? Wir gehen Schritt für Schritt vor. Hier sehen Sie ein Luftbild von Meereis, das über der Arktis aufgenommen wurde. Wir können alle Gleichungen betrachten, die dazu führen, dass das Eis wächst, schmilzt oder seine Form verändert. Wir können Größenänderungen und die Zeit betrachten, in der Schnee zu Eis wird, und das können wir als Code darstellen. Der Code dieser Modelle umfasst im Moment ca. eine Million Zeilen und wird jedes Jahr um zehntausende Zeilen erweitert.
But how do we go about doing it? How do we go from that complexity that you saw to a line of code? We do it one piece at a time. This is a picture of sea ice taken flying over the Arctic. We can look at all of the different equations that go into making the ice grow or melt or change shape. We can look at the fluxes. We can look at the rate at which snow turns to ice, and we can code that. We can encapsulate that in code. These models are around a million lines of code at this point, and growing by tens of thousands of lines of code
Dies ist ein Bestandteil, aber man kann noch weitere betrachten. Was ist eigentlich mit Wolken? Was passiert, wenn sich Wolken bilden, sich auflösen oder ausregnen? Das ist ein weiteres Element. Was geschieht, wenn Solarstrahlung die Atmosphäre durchdringt, absorbiert und reflektiert wird? Jedes dieser winzigen Elemente können wir als Code darstellen. Es gibt noch weitere Elemente: Winde, die Meeresströmungen ändern, und die Rolle der Vegetation beim Transport von Wasser aus dem Boden zurück in die Atmosphäre. Jedes dieser Elemente können wir in einem System zusammenfassen. Jedes Element trägt zum großen Ganzen bei.
every year. So you can look at that piece, but you can look at the other pieces too. What happens when you have clouds? What happens when clouds form, when they dissipate, when they rain out? That's another piece. What happens when we have radiation coming from the sun, going through the atmosphere, being absorbed and reflected? We can code each of those very small pieces as well. There are other pieces: the winds changing the ocean currents. We can talk about the role of vegetation in transporting water from the soils back into the atmosphere. And each of these different elements we can encapsulate and put into a system. Each of those pieces ends up adding to the whole.
Und dann erhält man Folgendes: eine anschauliche Darstellung der Vorgänge im Klimasystem, in dem jedes auftauchende Klimamuster -- die Wirbel im Südlichen Ozean, der tropische Wirbelsturm im Golf von Mexiko, und zwei weitere, die gleich im Pazifik auftauchen; die Ströme des Wasserdampfes in der Atmosphäre -- all diese spontan auftretenden Eigenschaften, die aus dem Zusammenspiel aller kleineren Prozesse hervorgehen. Kein Code schreibt vor: "Erschaffe einen Wirbel im Südlichen Ozean." Kein Code schreibt vor: "Erschaffe zwei tropische Wirbelstürme, die einander umkreisen." All das sind Eigenschaften, die spontan auftreten.
And you get something like this. You get a beautiful representation of what's going on in the climate system, where each and every one of those emergent patterns that you can see, the swirls in the Southern Ocean, the tropical cyclone in the Gulf of Mexico, and there's two more that are going to pop up in the Pacific at any point now, those rivers of atmospheric water, all of those are emergent properties that come from the interactions of all of those small-scale processes I mentioned. There's no code that says, "Do a wiggle in the Southern Ocean." There's no code that says, "Have two tropical cyclones that spin around each other."
Das alles ist großartig. Wir wollen aber wissen, was mit diesen Eigenschaften geschieht, wenn wir das System beeinflussen. Was geschieht mit diesen Eigenschaften, wenn sich etwas ändert? Es gibt viele Möglichkeiten, das System zu beeinflussen. Im Verlauf von Hunderttausenden von Jahren gibt es in der Erdbahn Schwankungen, die das Klima beeinflussen. Sonnenfleckenzyklen ändern sich etwa alle elf Jahre und beeinflussen so das Klima. Große Vulkane brechen aus und verändern das Klima. Veränderungen beim Verbrennen von Biomasse, bei Rauchgasen oder Aerosolen; all das verändert das Klima. Das Ozonloch hat das Klima verändert. Entwaldung verändert das Klima, indem die Bodenbeschaffenheit, die Verdunstung und der Transport von Wasser in diesem System beeinflusst werden. Kondensstreifen verändern das Klima, weil sie Wolken bilden, wo vorher keine waren, und auch Treibhausgase verändern natürlich das Klima.
All of those things are emergent properties. This is all very good. This is all great. But what we really want to know is what happens to these emergent properties when we kick the system? When something changes, what happens to those properties? And there's lots of different ways to kick the system. There are wobbles in the Earth's orbit over hundreds of thousands of years that change the climate. There are changes in the solar cycles, every 11 years and longer, that change the climate. Big volcanoes go off and change the climate. Changes in biomass burning, in smoke, in aerosol particles, all of those things change the climate. The ozone hole changed the climate. Deforestation changes the climate by changing the surface properties and how water is evaporated and moved around in the system. Contrails change the climate by creating clouds where there were none before, and of course greenhouse gases change the system.
Jeder dieser unterschiedlichen Einflüsse liefert uns einen Parameter, mit dem wir überprüfen können, ob wir dieses System verstehen. Wir können uns also überlegen, was ein effektives Modell ausmacht. Ich benutze das Wort "effektiv" mit Bedacht: Modelle sind immer falsch. Sie sind immer nur Annäherungen. Man muss sich also fragen, ob ein Modell mehr Informationen liefert, als man ohne dieses Modell hätte. Wenn man mehr Informationen erhält, ist es ein effektives Modell. Hier sehen Sie den Einfluss des Ozonlochs auf den Luftdruck auf Meereshöhe, also niedriger und hoher Luftdruck, um den Südlichen Ozean und um die Antarktis herum. Links sehen Sie Beobachtungsdaten und rechts modellierte Daten. Die Übereinstimmung ist recht groß, weil wir die physikalischen Prozesse, die die Temperaturen in der Stratosphäre steuern, und deren Einfluss auf die Winde um die Südlichen Ozeane herum verstehen.
Each of these different kicks provides us with a target to evaluate whether we understand something about this system. So we can go to look at what model skill is. Now I use the word "skill" advisedly: Models are not right or wrong; they're always wrong. They're always approximations. The question you have to ask is whether a model tells you more information than you would have had otherwise. If it does, it's skillful. This is the impact of the ozone hole on sea level pressure, so low pressure, high pressures, around the southern oceans, around Antarctica. This is observed data. This is modeled data. There's a good match because we understand the physics that controls the temperatures in the stratosphere and what that does to the winds around the southern oceans.
Hier ein weiteres Beispiel. Beim Ausbruch des Pinatubo im Jahr 1991 gelangten große Mengen an Aerosolen, also kleine Partikel, in die Stratosphäre. Das veränderte die Strahlungsbilanz des gesamten Planeten. Es traf weniger Energie auf die Erde als zuvor, sodass es kühler wurde. Die roten und grünen Linien stellen die Unterschiede zwischen erwarteten und tatsächlichen Werten dar. Diese Modelle sind effektiv, nicht nur im Hinblick auf globale, sondern auch auf regionale Klimamuster.
We can look at other examples. The eruption of Mount Pinatubo in 1991 put an enormous amount of aerosols, small particles, into the stratosphere. That changed the radiation balance of the whole planet. There was less energy coming in than there was before, so that cooled the planet, and those red lines and those green lines, those are the differences between what we expected and what actually happened. The models are skillful, not just in the global mean, but also in the regional patterns.
Ich könnte noch mehr Beispiele nennen: Modelle zum Zusammenhang zwischen Sonnenfleckenzyklen und der Ozonveränderung in der Stratosphäre. Modelle zu Veränderungen der Erdumlaufbahn innerhalb der letzten 6 000 Jahre. All diese Modelle sind effektiv. Sie geben Aufschluss über Eisflächen, die es vor 20 000 Jahren gab. Solche Modelle sind auch effektiv, um Trends des 20. Jahrhunderts über einen Zeitraum von Jahrzehnten zu beschreiben. Modelle sind in der Lage, Gletscherläufe in den Nordatlantik vor 8 000 Jahren darzustellen. Diese Modelle stimmen mit unseren Daten sehr genau überein.
I could go through a dozen more examples: the skill associated with solar cycles, changing the ozone in the stratosphere; the skill associated with orbital changes over 6,000 years. We can look at that too, and the models are skillful. The models are skillful in response to the ice sheets 20,000 years ago. The models are skillful when it comes to the 20th-century trends over the decades. Models are successful at modeling lake outbursts into the North Atlantic 8,000 years ago. And we can get a good match to the data. Each of these different targets,
Mit all diesen unterschiedlichen Parametern und Auswertungen können wir den Umfang unserer Modelle erweitern. Das führt dazu, dass wir immer komplexere Modelle erhalten, an die wir immer interessantere Fragen stellen können, wie zum Beispiel: Wie kann Sahara-Sand, der hier orange dargestellt wird, mit tropischen Wirbelstürmen im Atlantik interagieren? Wie beeinflussen organische Aerosole aus dem Verbrennen von Biomasse -- hier als rote Punkte dargestellt -- Wolken und Regenmuster? Wie beeinflusst die Umweltverschmutzung, hier z. B. Sulfate in Europa, die als weiße Flächen gekennzeichnet sind, die Temperaturen und die Sonneneinstrahlung an der Erdoberfläche?
each of these different evaluations, leads us to add more scope to these models, and leads us to more and more complex situations that we can ask more and more interesting questions, like, how does dust from the Sahara, that you can see in the orange, interact with tropical cyclones in the Atlantic? How do organic aerosols from biomass burning, which you can see in the red dots, intersect with clouds and rainfall patterns? How does pollution, which you can see in the white wisps of sulfate pollution in Europe, how does that affect the temperatures at the surface and the sunlight that you get at the surface?
Wir können diese Zusammenhänge überall auf der Welt beobachten. Wir können einen Blick auf die Verschmutzung in China und den Einfluss von Stürmen auf Seesalz-Partikel in der Atmosphäre werfen. Wir können das Zusammenwirken all dieser unterschiedlichen Prozesse sehen, die alle gleichzeitig ablaufen, und wir können noch interessantere Fragen stellen: Wie beeinflussen sich Luftverschmutzung und Klima? Können wir Dinge ändern, die das Klima und die Luftverschmutzung gleichzeitig verändern? Die Antwort ist "Ja".
We can look at this across the world. We can look at the pollution from China. We can look at the impacts of storms on sea salt particles in the atmosphere. We can see the combination of all of these different things happening all at once, and we can ask much more interesting questions. How do air pollution and climate coexist? Can we change things that affect air pollution and climate at the same time? The answer is yes.
Hier sehen Sie den Klimaverlauf des 20. Jahrhunderts. Oben sehen Sie ein Modell. Das simulierte Wetter unterscheidet sich etwas von den tatsächlichen Daten. Unten sehen Sie die Beobachtungsdaten. Wenn wir uns die 1930er Jahre anschauen, sehen wir einige Klimaschwankungen, die aber eher gering ausfallen. In den 1970er Jahren verändert sich das Bild. Beide Grafiken ähneln sich immer mehr, und zu Beginn des 21. Jahrhunderts erkennt man bereits die Klimamuster der globalen Erwärmung, sowohl bei den Beobachtungen als auch im Modell. Wir wissen,
So this is a history of the 20th century. The first one is the model. The weather is a little bit different to what actually happened. The second one are the observations. And we're going through the 1930s. There's variability, there are things going on, but it's all kind of in the noise. As you get towards the 1970s, things are going to start to change. They're going to start to look more similar, and by the time you get to the 2000s, you're already seeing the patterns of global warming, both in the observations and in the model. We know what happened over the 20th century.
was im 20. Jahrhundert geschehen ist. Wir wissen, dass es wärmer geworden ist und wo es wärmer geworden ist. Wenn man die Modelle nach dem Grund fragt, dann erkennt man, dass im Wesentlichen das CO2, das wir in die Atmosphäre freigesetzt haben, dafür verantwortlich ist. Modelle und Beobachtungen stimmen bisher sehr genau überein.
Right? We know that it's gotten warmer. We know where it's gotten warmer. And if you ask the models why did that happen, and you say, okay, well, yes, basically it's because of the carbon dioxide we put into the atmosphere. We have a very good match up until the present day.
Es gibt aber einen entscheidenden Grund, weshalb wir Modelle betrachten, den der folgende Satz erklärt: Wenn wir Beobachtungsdaten aus der Zukunft hätten, würden wir diesen mehr vertrauen als Modellen. Doch leider ... stehen uns zukünftige Daten in der Gegenwart nicht zur Verfügung.
But there's one key reason why we look at models, and that's because of this phrase here. Because if we had observations of the future, we obviously would trust them more than models, But unfortunately, observations of the future are not available at this time.
Es gibt also einen Unterschied, wenn wir in die Zukunft blicken: Die Zukunft ist nicht vorhersehbar. Wir haben nun mehrere Möglichkeiten. Diese sehen folgendermaßen aus: Wir können versuchen, den CO2-Ausstoß geringfügig einzuschränken. Das wird in dem Modell oben simuliert. Wir könnten aber auch daran arbeiten, den CO2-Ausstoß deutlich zu verringern, damit dieser gegen Ende des Jahrhunderts nicht viel höher ist als jetzt. Oder aber wir überlassen all das dem Schicksal und machen einfach weiter, wie wir es bisher getan haben. Die Auswirkungen dieser verschiedenen Entscheidungen können aber nicht durch das Betrachten von Modellen beantwortet werden.
So when we go out into the future, there's a difference. The future is unknown, the future is uncertain, and there are choices. Here are the choices that we have. We can do some work to mitigate the emissions of carbon dioxide into the atmosphere. That's the top one. We can do more work to really bring it down so that by the end of the century, it's not much more than there is now. Or we can just leave it to fate and continue on with a business-as-usual type of attitude. The differences between these choices can't be answered by looking at models.
Es gibt einen großartigen Satz von Sherwood Rowland, der den Chemie-Nobelpreis für seine Forschung zum Ozonabbau gewann. Als er den Nobelpreis entgegennahm, stellte er die Frage: “Was bringt uns eine Wissenschaft, mit der wir Vorhersagen treffen können, wenn wir nur herumstehen und darauf warten, dass sich diese erfüllen?" Unsere Modelle sind effektiv, aber was wir mit den Erkenntnissen dieser Modelle anfangen, hängt ganz von Ihnen ab.
There's a great phrase that Sherwood Rowland, who won the Nobel Prize for the chemistry that led to ozone depletion, when he was accepting his Nobel Prize, he asked this question: "What is the use of having developed a science well enough to make predictions if, in the end, all we're willing to do is stand around and wait for them to come true?" The models are skillful, but what we do with the information from those models is totally up to you.
Vielen Dank.
Thank you.
(Applaus)
(Applause)