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.
Notre environnement est très complexe : sa complexité, son dynamisme et ses schémas sont mis en évidence par des photos satellite et des vidéos. Vous pouvez même le constater en regardant par la fenêtre. Il est infiniment complexe, mais familier en quelque sorte. Les schémas semblent se répéter, mais jamais exactement de la même manière. Comprendre cela représente un immense défi. Les schémas que vous voyez sont présents à toutes les échelles, mais on ne peut pas isoler un petit morceau et dire : « Bon ! je vais fabriquer un petit climat. » Je ne peux pas utiliser les résultats habituels du réductionnisme afin d’obtenir une chose de plus en plus petite que je puisse étudier en laboratoire pour ensuite conclure : « <i>Ça</i>, je peux comprendre ça ! » C’est le tout ou c’est rien. Ces espèces de schémas sont générées
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.
à des échelles couvrant une énorme étendue de grandeurs : environ 14 ordres de grandeur, des particules microscopiques qui forment les nuages jusqu’à la taille de la planète, de 10 ^ -6 à 10 ^ 8, 14 ordres de grandeur spatiale ; en ce qui a trait au temps, de la milliseconde au millénaire, de nouveau environ 14 ordres de grandeur.
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, more questions to these different models.
Qu’est-ce que ça signifie ? OK, alors si on pense à la manière de calculer ces choses, on peut prendre ce qu’on peut voir : « Je vais diviser ça en un paquet de petites cellules » ; tout cela résulte de la physique, non ? Si on regarde un modèle météo, ça couvre cinq ordres de grandeur, de la planète à quelques kilomètres ; l’échelle temporelle, elle, va de quelques minutes à dix jours, voire un mois. Mais on veut en savoir plus. On s’intéresse au climat : on parle d’années, de millénaires, et il faut explorer des échelles encore plus petites. Ce qu’on ne peut pas résoudre (les processus à une échelle inférieure), il faut l’estimer. Cela constitue un immense défi. Les modèles climatiques des années 90 étudiaient une partie encore plus petite : seulement trois ordres de grandeur. Les modèles climatiques des années 2010 (avec lesquels nous travaillons maintenant) couvrent quatre ordres de grandeur. Il faut se rendre à 14, et notre capacité de simulation augmente au rythme d’environ un ordre de grandeur par décennie. Un ordre supplémentaire de grandeur spatiale veut dire dix mille fois plus de calculs. Et on continue d’ajouter des choses, de poser des questions à ces modèles.
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 on the climate modeling community.
Alors à quoi ressemble un modèle climatique ? Ça, c’est un vieux modèle climatique : une carte à perforer, une seule ligne de Fortran. Nous n’utilisons plus de cartes à perforer, mais nous utilisons toujours le Fortran. Les idées nouveau genre comme le C n’ont vraiment pas eu un impact majeur dans la communauté de la modélisation climatique. Mais comment on fait ça ?
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 every year.
Comment passe-t-on de cette complexité que vous avez vue à une ligne de code ? On fait ça une pièce à la fois. Voici une photo de glace de mer, prise en volant au-dessus de l’Arctique. On peut examiner toutes les équations qui sont impliquées dans la formation, la fonte ou le changement de forme de la glace ; on peut examiner les échanges ; on peut examiner le rythme auquel la neige devient de la glace ; et on peut coder ça, on peut encapsuler ça dans du code. Ces modèles comptent aujourd’hui environ un million de lignes de code et des dizaines de milliers de lignes sont ajoutées chaque année. On peut examiner cette pièce-là,
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.
mais les autres pièces aussi. Qu’arrive-t-il quand on a des nuages ? Qu’arrive-t-il quand ils se forment, se dissipent ou quand il y a précipitation ? C’est une autre pièce. Que se passe-t-il quand le rayonnement du Soleil traverse l’atmosphère, en étant absorbé et réfléchi au passage ? On peut également coder chacune de ces très petites pièces. Il y a d’autres pièces : les vents qui influencent les courants marins ; on peut aussi mentionner le rôle de la végétation dans le retour de l’eau des sols vers l’atmosphère. On peut encapsuler chacun de ces éléments et l’ajouter à un système. Chacune de ces pièces finit par contribuer au tout.
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." All of those things are emergent properties.
Et on obtient environ ceci. On obtient une magnifique représentation de ce qui se passe dans le système climatique, avec, comme on peut le voir, chacun de ces schémas générés : les tourbillons dans l’océan Austral, l’ouragan dans le golfe du Mexique (et deux autres vont apparaître dans le Pacifique d’un moment à l’autre), ces rivières d’eau atmosphérique ; voilà autant de phénomènes qui émergent des interactions entre tous les processus à petite échelle que j’ai mentionnés. Y a pas de code qui dit : « Trace une ondulation dans l’océan Austral. » Y a pas de code qui dit : « Dessine deux ouragans qui tournent l’un autour de l’autre. » Ce sont tous des phénomènes générés.
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.
Tout ça est très bien, c’est super ! Mais que se passe-t-il avec ces phénomènes lorsqu’on déstabilise le système ? Lorsqu’on change quelque chose, qu’arrive-t-il avec ces phénomènes ? Il y a plusieurs façons de déstabiliser le système : l’orbite terrestre varie sur des centaines de milliers d’années, ce qui modifie le climat ; les cycles solaires, longs de 11 ans ou plus, modifient le climat ; de gros volcans entrent en activité et modifient le climat ; des changements dans la combustion de la biomasse, dans la fumée et dans les aérosols modifient le climat ; le trou de la couche d’ozone a modifié le climat ; la déforestation modifie le climat, en modifiant les propriétés de surface et la façon dont l’eau est évaporée et circule dans le système ; les traînées de condensation modifient le climat, en créant des nuages où il n’y en avait pas ; et, bien sûr, les gaz à effet de serre modifient le système. Chacun de ces effets
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.
nous fournit un moyen pour évaluer notre compréhension de ce système. Nous pouvons maintenant aborder la notion d’<i>habileté du modèle</i>. J’utilise <i>habileté</i> en connaissance de cause : un modèle n’a jamais raison ; il a toujours tort. C’est toujours une approximation. Il faut se demander si le modèle nous donne plus d’informations que ce qu’on aurait obtenu sans lui. Si oui, alors il est <i>habile</i>. Voici l’effet du trou de la couche d’ozone sur la pression atmosphérique au niveau de la mer autour de l’Antarctique. Ce sont des données <i>observées</i>. Voici des données <i>modélisées</i>. La correspondance est bonne, parce que nous comprenons les lois qui régissent les températures dans la stratosphère et leur effet sur les vents au-dessus des océans austraux. On peut examiner d’autres exemples.
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.
L’éruption du Pinatubo en 1991 a libéré une énorme quantité d’aérosols dans la stratosphère. Cela a eu pour effet de modifier le bilan radiatif de la planète : moins d’énergie nous atteignait qu’avant, ce qui a refroidi la planète. Ces lignes rouges et vertes montrent les différences entre ce que nous anticipions et ce qui s’est vraiment passé. Les modèles sont habiles, autant pour la moyenne mondiale que pour les schémas régionaux.
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.
Je pourrais passer en revue plusieurs autres exemples : l’habileté associée aux cycles solaires, qui modifient l’ozone dans la stratosphère ; l’habileté associée aux changements d’orbite sur plus de 6 000 ans. Là aussi, les modèles sont habiles. Les modèles sont habiles en réaction aux calottes polaires d’il y a 20 000 ans. Les modèles sont habiles en ce qui concerne les tendances à travers les décennies du 20e siècle. Les modèles parviennent à modéliser les débâcles glaciaires dans l’Atlantique Nord il y a 8 000 ans. Et ça correspond assez bien aux observations.
Each of these different targets, 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?
Chacune de ces cibles, chacune de ces évaluations, nous permet d’augmenter la portée de ces modèles, et engendre des situations de plus en plus complexes, à partir desquelles on peut se poser des questions de plus en plus intéressantes. Comment la poussière du Sahara, que vous voyez en orange, interagit-elle avec les ouragans au-dessus de l’Atlantique ? Comment les aérosols organiques de la combustion de la biomasse, représentés par les points rouges, influencent-ils les nuages et les schémas de précipitation ? Comment la pollution, que vous voyez grâce aux traînées de sulfate blanches au-dessus de l’Europe, influence-t-elle les températures et l’ensoleillement à la surface ?
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.
On peut examiner la planète entière. On peut examiner la pollution de la Chine. On peut examiner l’effet des tempêtes sur les particules de sel de mer dans l’atmosphère. On peut combiner tous ces facteurs agissant simultanément et se poser des questions encore plus intéressantes. Comment la pollution de l’air et le climat cohabitent-ils ? Pouvons-nous influencer à la fois la pollution de l’air et le climat ? La réponse est « oui ».
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.
Voici un historique du 20e siècle. En haut, on a le modèle : le climat diffère un peu de la réalité. En bas, ce sont les observations. On parcourt en ce moment les années 1930. On voit des variations, certaines choses se passent, mais c’est surtout du bruit. À l’approche des années 1970, les choses vont changer : on va commencer à voir plus de similitudes. Et alors qu’on arrive aux années 2000, on voit déjà les schémas du réchauffement planétaire, autant dans les observations que dans le modèle.
We know what happened over the 20th century. 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.
On sait ce qui s’est passé au cours du 20e siècle : on sait que ça s’est réchauffé et on sait où. Si on demande aux modèles pourquoi cela est arrivé, et si on dit qu’au fond c’est en raison du dioxyde de carbone qu’on a émis dans l’atmosphère, on observe à ce jour une excellente correspondance.
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.
Mais il y a une raison clé pour laquelle on étudie les modèles, et elle se retrouve dans cette phrase : « Si nous disposions d’observations du futur, nous nous y fierions assurément plus qu’aux modèles, mais malheureusement... aucune observation du futur n’est disponible pour l’instant. »
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.
Quand on explore le futur, il y a une différence : le futur est inconnu, il est incertain, et il y a des choix. Voici les choix qui s’offrent à nous : on peut déployer quelques efforts pour réduire nos émissions de dioxyde de carbone (c’est l’animation du haut) ; on peut déployer encore plus d’efforts pour vraiment les réduire, de sorte qu’à la fin du siècle, il n’y en ait pas beaucoup plus que maintenant ; ou on peut laisser le destin décider, et continuer avec la même insouciance. Ce n’est pas en regardant des modèles qu’on peut différencier ces choix. Voici une grande question que Sherwood Rowland,
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.
qui a reçu un prix Nobel pour ses travaux sur la chimie de l’amincissement de la couche d’ozone, a posé lorsqu’il a accepté son prix : « À quoi nous sert d’avoir développé une science capable de faire des prévisions si, en fin de compte, tout ce que nous osons faire est rester là et attendre qu’elles se réalisent ? » Les modèles sont habiles, mais ce qui est fait avec l’information qu’ils nous donnent, ça dépend complètement de vous. Merci.
Thank you.
(Applaudissements)
(Applause)