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.
אנו חיים בסביבה מורכבת ביותר: מורכבות ודינמיות ודפוסים של ראיות מצילומי לוויין, מסרטונים. אפשר לראות זאת אפילו מבעד לחלון. זו מורכב אינסופית, אך איכשהו מוכר, אבל הדפוסים איכשהו חוזרים על עצמם, אך לעולם לא באופן מדויק. זהו אתגר עצום להבנה. הדפוסים שאתם רואים נמצאים בכל קני המידה השונים, אבל אי-אפשר לקצוץ אותם לכדי פיסה קטנה ולומר, "אז בואו ופשוט נעשה אקלים קטן יותר." אינני יכול להשתמש בתוצרים הרגילים של רדוקציוניזם כדי לקבל משהו יותר ויותר קטן שאוכל לחקור במעבדה ולומר: "אהה! זה כבר משהו שאני כעת מבין." זה הכל או לא-כלום.
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.
קני המידה השונים שנותנים דפוסים שכאלה, משתרעים על קשת עצומה של סדרי-גודל, בערך 14 סדרי-גודל, החל מהחלקיקים המיקרוסקופיים שמהווים זרעים לעננים ועד לגודל של כוכב הלכת עצמו, מ-10 בחזקת מינוס 6 ועד 10 בחזקת 8, 14 סדרי-גודל מרחביים. בזמן: מאלפית שניה ועד אלפי שנים - שוב, כ-14 סדרי-גודל.
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.
מה זה אומר? אם תחשבו איך אפשר לחשב את הדברים האלה, אפשר לקחת את הדברים שאתם יכולים לראות, ולפרוס ולחלק אותם להרבה קופסאות קטנות, ולקבל את התוצאה הפיזית, נכון? ואם תחשבו על מודל אקלימי, שמשתרע על כ-5 סדרי-גודל, מרמת הכוכב ועד לקילומטרים ספורים, כשסולם הזמן מדקות ספורות ועד 10 ימים, או חודש. אנו מעוניינים ביותר מכך. אנו מתעניינים באקלים. מדובר בשנים, באלפי שנים, ואנו צריכים לפנות אפילו לקני מידה קטנים יותר. הדברים שאנחנו לא יכולים לפתור, לתהליכי תת קני מידה אנו צריכים להתקרב בדרך כלשהי, זהו אתגר עצום. מודלים אקלימיים בשנות ה-90 לקחו אף נתח עוד יותר קטן מזה, רק כשלושה סדרי גודל. מודלים אקלימיים ב-2010 מסוג דומה למה שאנו עובדים אתו כעת, ארבעה סדרי גודל. יש בפנינו עוד 14 ואנחנו מגדילים את היכולת שלנו להדמייתם בערך בסדר גודל אחד נוסף בכל עשור. סדר גודל אחד נוסף בחלל הוא הוא פי 10,000 יותר חישובים. ואנו ממשיכים להוסיף עוד דברים, עוד שאלות למודלים שונים אלה
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.
אז כיצד נראה מודל אקלימי? זהו מודל אקלימי ישן, יש להודות, כרטיס ניקוב, שורה אחת של קוד פורטרן איננו משתמשים יותר בכרטיסי ניקוב. אנו עדיין משתמשים בפורטרן. לרעיונות חדשים מתוחכמים כמו C באמת לא היתה לו היתה השפעה גדולה על קהילת המודלים האקלימיים
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.
אבל איך אנחנו הולכים לעשות את זה? איך אנחנו הולכים מהמורכבות הזו שראיתם לשורת קוד? אנחנו עושים זאת פיסה אחת כל פעם. זוהי תמונה של ים קרח שצולמה במהלך טיסה מעל הקוטב הצפוני. אנחנו יכולים להסתכל על כל המשוואות השונות שנכנסות לתוך צמיחת הקרח או ההמסה או שינוי צורה. אנחנו יכולים להסתכל על ההפשרות. אנו יכולים להסתכל על המהירות שבה שלג הופך לקרח, ואנו יכולים לקודד את זה. אנו יכולים לתמצת זאת בקוד. מודלים אלה הם סביב מיליון שורות קוד בנקודה זו, וגדלים בעשרות אלפי שורות קוד בכל שנה.
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.
אז אתם יכולים להסתכל על פיסה זו אבל אתם כולים להסתכל גם על פיסות אחרות. מה קורה כשיש עננים? מה קורה כשעננים נוצרים? כשהם מתפוגגים, כאשר הם מורידים גשם? זוהי פיסה אחרת. מה קורה כאשר יש לנו קרינה שמגיעה מהשמש, ועוברת באטמוספירה נקלטת ומשתקפת? אנו יכולים לקודד כל אחת מהפיסות הקטנות האלה גם כן. יש פיסות אחרות: הרוחות משנות את זרמי האוקינוס אנחנו יכולים לדבר על תפקידה של הצמחייה בהובלת מים מהקרקעות חזרה לאטמוספירה. ואת כל המרכיבים השונים האלה אנו יכולים לתמצת ולהכניס לתוך מערכת כל אחת מפיסות אלו מתווספת לשלם בסופו של דבר.
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.
ואתם מקבלים משהו כמו זה. אתם מקבלים ייצוג יפה של מה שקורה במערכת האקלימית, שבה כל אחד ואחד מאותם דפוסים מתהווים שאתם יכולים לראות, המערבולות באוקיינוס הדרומי, הציקלון הטרופי במפרץ מקסיקו, ויש עוד שניים שהולכים לצוץ באוקינוס השקט בכל רגע כעת, נהרות אלה של מים אטמוספרים אלה כל אלה הם תכונות מתהוות שמגיעות מהאינטראקציות של כל התהליכים האלה בקנה מידה קטן שהזכרתי. אין שום קוד שאומר, "גירמו לתנודות בים הדרומי." אין שום קוד שאומר, " צריך שיהיו לכם שתי סופות ציקלון טרופיות שמסתובבות אחת סביב השניה." כל אלה הם תכונות מתהוות.
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.
כל זה טוב מאוד. כל זה נהדר. אבל מה שאנחנו באמת רוצים לדעת הוא מה קורה לתכונות מתהוות אלו כאשר אנו בועטים במערכת? כאשר משהו משתנה, מה קורה לתכונות אלו? וישנן הרבה דרכים לבעוט במערכת. יש התנודדויות במסלול של כדור הארץ במשך מאות אלפי שנים שמשנות את האקלים ישנם שינויים במחזורי השמש, כל 11 שנים ויותר, שמשנים את האקלים. הרי געש גדולים מתפרצים ומשנים את האקלים. שינויים בביומסה בוערת, בעשן, בחלקיקי תרסיס, כל הדברים האלה משנים את האקלים. החור באוזון שינה את האקלים. כריתת יערות משנה את האקלים על ידי שינוי מאפייני השטח ואיך מים מתאדים ונעים סביב במערכת. התעבויות משנות את האקלים על ידי יצירת עננים היכן שלא היו כאלה קודם לכן, וכמובן גזי חממה משנים את המערכת.
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.
כל אחת מבעיטות אלו מספקת לנו יעד כדי להעריך אם אנחנו מבינים משהו אודות המערכת הזו. אז אנחנו יכולים לשוב ולבחון מהו מודל מיומן עכשיו אני משתמש במילה "מיומן" בכוונה תחילה: מודלים אינם נכונים או שגויים: הם תמיד שגויים. הם תמיד הערכות. השאלה שעליכם לשאול היא האם מודל נותן לך יותר מידע מאשר היית מקבל בלעדיו. אם כן, זה מיומן. זוהי ההשפעה של החור באוזון על לחץ פני הים , ולכן לחץ נמוך , לחצים גבוהים , סביב האוקיינוסים הדרומיים, סביב אנטארקטיקה. אלה הם נתונים נצפים, זהו מודל נתונים. יש התאמה טובה כי אנחנו מבינים את הפיזיקה השולטת בטמפרטורות שבסטרטוספירה ומה זה עושה לרוחות סביב האוקיינוסים הדרומיים.
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.
אנחנו יכולים להסתכל על דוגמאות אחרות. התפרצות הר הגעש פינטובו ב- 1991 החדירה כמות עצומה של תרסיסים, חלקיקים קטנים לתוך הסטרטוספירה זה שינה את איזון הקרינה של כדור הארץ כולו. פחות אנרגיה הגיעה מאשר היתה קודם לכן, כך שכדור הארץ התקרר, וקווים אדומים אלה וקווים ירוקים אלה, הם ההבדלים בין מה שציפינו למה שבאמת קרה. המודלים הם מיומנים, לא רק בממוצע הגלובלי, אלא גם בדפוסים האזוריים.
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.
הייתי יכול להציג תריסר דוגמאות נוספות: המיומנות שקשורה במחזורי שמש, משנה את האוזון בסטרטוספירה; המיומנות שקשורה בשינויים מסלוליים מעל ל-6000 שנים. אנו יכולים להסתכל על זה גם, והמודלים הם מיומנים. המודלים מיומנים בתגובה ליריעות הקרח לפני 20,000 שנים. המודלים מיומנים כשמדובר במגמות המאה ה-20 לאורך העשורים. המודלים מצליחים בהדגמת התפרצויות אגם לתוך צפון האוקיינוס האטלנטי לפני 8,000 שנה. ואנחנו יכולים לקבל התאמה טובה לנתונים.
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?
כל אחד מהיעדים השונים האלה, כל אחת מההערכות השונות האלו, מובילה אותנו להוסיף עוד טווח למודלים אלה. ומובילה אותנו למצבים יותר ויותר מורכבים שאנו יכולים לשאול שאלות יותר ויותר מענינות, כמו, כיצד אבק ממדבר סהרה שאתם יכולים לראות בכתום, עושה אינטראקציה עם סופות ציקלון טרופיות באוקיינוס האטלנטי? איך תרסיסים אורגניים מביומסה בוערת, שאתם יכולים לראות בנקודות האדומות, מצטלבים עם עננים ודפוסים של ירידת גשמים? איך זיהום אוויר שאתם יכולים לראות באניצים הלבנים של זיהום סולפט באירופה, כיצד זה משפיע על הטמפרטורות שעל פני השטח ועל אור השמש שאתם מקבלים על פני השטח?
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.
אנחנו יכולים להסתכל על זה בכל העולם. אנו יכולים להסתכל על הזיהום מסין. אנו יכולים להסתכל על ההשפעות של סופות על חלקיקי מלח ים באטמוספירה. אנחנו יכולים לראות את השילוב של כל הדברים השונים האלה קורים כולם בבת אחת. ואנחנו יכולים לשאול שאלות הרבה יותר מענינות. כיצד זיהום האוויר והאקלים, דרים בכפיפה אחת ? האם נוכל לשנות דברים שמשפיעים על זיהום אוויר ואקלים באותו הזמן? התשובה היא כן.
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.
אז זו היא היסטוריה של המאה 20. הראשון הוא המודל. מזג האוויר הוא קצת שונה ממה שקרה בפועל. השני הם התצפיות. ואנחנו עוברים דרך שנות ה-30. יש השתנויות, קורים דברים, אבל כל זה הוא סוג של רעש. כשמתקדמים לקראת שנות ה-70, דברים מתחילים להשתנות. הם מתחילים להיראות יותר דומים, וכשמגיעים לשנות ה-2000, אתם כבר רואים את דפוסי ההתחממות הגלובלית, הן בתצפיות ובמודל.
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.
אנו יודעים מה קרה לאורך המאה העשרים. נכון? אנו יודעים שנעשה חם יותר. אנחנו יודעים איפה נעשה חם יותר. ואם תשאלו את המודלים מדוע זה קרה, ואתם אומרים , בסדר, טוב , כן, ביסודו זה בגלל פחמן דו חמצני שאנו מחדירים לאטמוספירה. יש לנו התאמה טובה מאד עד עצם היום הזה.
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.
אב יש סיבה עיקרית אחת למה אנחנו מסתכלים על דגמים, וזה בגלל המשפט הזה כאן. משום שאם היו לנו תצפיות של העתיד, בוודאות היינו סומכים עליהם יותר מאשר על מודלים, אך למרבה הצער, תצפיות של העתיד אינן זמינות בשלב זה.
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.
אז כאשר אנו נכנסים אל העתיד, יש שוני. העתיד בלתי ידוע, העתיד אינו ודאי, וישנן אפשרויות. אלו האפשרויות שיש לנו. אנו יכולים לעשות עבודה כלשהי כדי למתן את הפליטות של פחמן דו חמצני לאטמוספרה. זה הדבר העיקרי. אנו יכולים לעשות יותר עבודה כדי ממש להפחית את זה כך שעד סוף המאה, זה לא יהיה יותר מאשר כעת. או שאנו יכולים פשוט להשאיר אותו לגורלו ולהמשיך הלאה בסוג של גישת עסקים כרגיל. על ההבדלים בין האפשרויות האלו לא ניתן לענות על ידי הסתכלות על מודלים.
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.
יש משפט גדול ששרווד רולנד, שזכה בפרס נובל בכימיה שהוביל לדלדול האוזון, כשקיבל את פרס נובל, הוא שאל את השאלה: " מהו הטעם בפיתוח מדע מספיק טוב כדי לעשות תחזיות, אם בסופו של דבר, כל מה שאנו מוכנים לעשות זה לעמוד ולחכות שיתגשמו?" המודלים מיומנים, אבל מה שאנו עושים עם המידע ממודלים אלה לגמרי תלויים בכם.
Thank you.
תודה רבה,
(Applause)
(מחיאות כפיים)