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.
Viviamo in un ambiente molto complesso: complessità, dinamismo e modelli dimostrativi provenienti da foto satellitari, da video. Potete rendervene conto anche guardando fuori della finestra. È una cosa infinitamente complessa, ma in qualche modo familiare: i modelli tendono a ripetersi ma mai in modo identico. Comprenderli è una sfida enorme. I modelli che vedete si presentano in tutte le diverse scale, ma non si può tagliarne un pezzo e dire "Oh, beh adesso faccio un clima più piccolo." Non posso usare i normali prodotti di riduzione per ottenere un oggetto più piccolo da poter studiare in laboratorio e poi dire: "Ah, adesso sì che ho capito." È la visione completa o niente.
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.
Le diverse scale che ci forniscono questi diversi modelli spaziano in un enorme ordine di grandezze, circa 14 ordini di grandezza, dalle piccole particelle microscopiche che costituiscono le nubi fino alle dimensioni di un pianeta, da 10 alla -6 a 10 all'ottava, 14 ordini di grandezza spaziale. In termini di tempo, da millisecondi a millenni, ancora circa 14 ordini di grandezza.
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.
Che cosa significa? Ok, se pensate a come potreste calcolare queste cose, potreste prendere ciò che vedete, ok, cercherò di inquadrare tutto questo in piccole sezioni, e questo è il risultato della fisica, giusto? E se penso ad un modello meteorologico, che attraversa circa cinque ordini di grandezza, dalle dimensioni del pianeta a pochi chilometri, e la scala temporale da pochi minuti a 10 giorni, magari un mese. Siamo interessati a più di questo. Siamo interessati al clima. Che significa anni, millenni, e dobbiamo scendere a scale ancora più piccole. Ciò che non possiamo risolvere, i processi di scala inferiore, dobbiamo approssimarli in qualche modo. Ed è decisamente una grande sfida. I modelli climatici degli anni '90 prendevano in considerazione un pezzo ancora più piccolo, soltanto tre ordini di grandezza circa. I modelli climatici del decennio del 2010, più o meno quelli che stiamo utilizzando oggi, quattro ordini di grandezza. Ne abbiamo 14 e stiamo aumentando la nostra capacità di simulazione di circa un ordine di grandezza in più ogni decennio. Un ordine di grandezza in più nello spazio consiste in 10 000 calcoli in più. E continuiamo ad aggiungere cose, più domande a modelli differenti.
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.
Perciò, che aspetto ha un modello climatico? A dir la verità, questo è un modello vecchio, una scheda perforata, una singola linea di codice Fortran. Non usiamo più schede perforate. Ma continuiamo ad usare il codice Fortran. Nuove idee come C in realtà non hanno un grosso impatto nella comunità dei modellamenti climatici.
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.
Quindi come facciamo tutto questo? Come districhiamo tutta quella complessità che avete visto in una singola linea di codice? Facciamo un pezzo alla volta. Questa è una foto dell'oceano ghiacciato scattata nell'Artico. Possiamo vedere tutte le diverse equazioni che portano il ghiaccio ad aumentare o a sciogliersi o cambiare forma. Possiamo vedere i flussi. Possiamo osservare i livelli a cui la neve si ghiaccia, e possiamo codificarlo. Possiamo incapsularlo in un codice. Questi modelli sono fatti da circa un milione di linee di codici, e crescono di più di dieci migliaia di linee di codici ogni anno.
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.
Quindi potete osservare questo pezzetto, ma potete osservarne anche gli altri. Cosa succede quando ci sono nubi? Cosa succede quando si formano nubi, quando si dissolvono, quando scorrono via? Si tratta di un altro pezzo. Cosa succede quando ricevono radiazioni solari, che passano attraverso l'atmosfera e vengono assorbite e riflesse? Possiamo codificare tutto ciò in piccole sezioni. Questi sono altri segmenti: i venti che cambiano le correnti degli oceani. Possiamo parlare del ruolo della vegetazione nel trasporto dell'acqua dal suolo di nuovo nell'atmosfera. E ciascuno di questi diversi elementi possiamo sintetizzarlo e metterlo in un sistema. Ognuno di questi segmenti finisce per aggiungersi al quadro globale.
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.
Ed ottenete una cosa come questa. Ottenete una rappresentazione stupenda di ciò che sta accadendo nel sistema climatico, dove ognuno di questi schemi che potete vedere, il mulinare degli oceani meridionali, il ciclone tropicale nel golfo del Messico, e ce ne sono altri due sul punto di manifestarsi in questo momento nel Pacifico, quei fiumi di acqua atmosferica, sono tutte proprietà in divenire che derivano dall'interazione di tutti quei processi su scala ridotta che dicevo. Non esiste nessun codice in grado di dire, "Genera un'onda nell'oceano". Non esiste nessun codice che dica, "Genera due cicloni tropicali che ruotino uno attorno all'altro". Tutte queste sono proprietà emergenti.
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.
Tutto ciò è fantastico. È grandioso. Ma ciò che vogliamo davvero sapere è che cosa succede a queste proprietà emergenti quando diamo una botta al sistema. Quando qualcosa cambia, che cosa succede a queste proprietà? E ci sono molti modi diversi per dare una botta al sistema. Esistono oscillazioni nell'orbita della Terra da più di centinaia di migliaia di anni in grado di cambiare il clima. Esistono cambiamenti nei cicli solari, ogni 11 anni e più, in grado di cambiare il clima. L'eruzione di grandi vulcani cambia il clima. Cambiamenti nella combustione delle biomasse, nei fumi, nelle polveri, tutte queste cose cambiano il clima. Il buco nell'ozono cambia il clima. La deforestazione cambia il clima cambiando le proprietà della superficie e l'acqua calda evapora e si immette nel sistema. Le scie di condensazione cambiano il clima creando nubi dove non ce ne erano mai state prima, e i gas serra certamente cambiano il clima.
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.
Ognuno di questi diversi elementi ci fornisce un obiettivo per valutare se abbiamo capito il sistema. Perciò possiamo osservare quale sia la capacità del modello. Adesso uso il termine "capacità" deliberatamente: i modelli non sono giusti o sbagliati; sono sempre sbagliati. Sono sempre approssimazioni. La domanda che dovete farvi è se un modello sia in grado di dare più informazioni rispetto ad altri. Se lo fa, è capace. Questo è l'impatto del buco nell'ozono sulla pressione del livello dei mari, bassa pressione, alta pressione, attorno agli oceani meridionali, attorno all'Antartide. Questi sono i dati raccolti. Questo è il modello dei dati. Corrispondono abbastanza perché conosciamo la fisica che controlla le temperature nella stratosfera e che cosa tutto ciò causa ai venti che soffiano sugli oceani meridionali.
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.
Possiamo vedere altri esempi. L'eruzione del monte Pinatubo nel 1991 riversò enormi quantità di polveri, piccole particelle, nella stratosfera. Ciò ha causato un cambiamento nell'equilibrio delle radiazioni del pianeta. Penetrava minore energia rispetto a prima, causando un raffreddamento del pianeta, e queste linee rosse e queste verdi, quelle sono la differenza tra quello che ci aspettavamo e quello che è successo realmente. La capacità dei modelli è reale, non sono in termini globali, ma anche a livello regionale.
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.
Potrei fare un sacco di altri esempi: le capacità associate ai cicli solari, che cambiano il livello di ozono nella stratosfera; le capacità associate ai cambiamenti orbitali da più di 6000 anni. Possiamo considerare anche quello, e i modelli sono capaci. Questi modelli sono utili nell'analisi delle lastre di ghiaccio di 20 000 anni fa. Questi modelli sono capaci quando si tratta delle tendenze del 20° secolo nel corso dei decenni. I modelli sono efficaci nel modellare la formazione dei laghi nel nord dell'oceano Atlantico 8000 anni fa. E possiamo ottenere una buona stima dai dati.
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?
Ognuno di questi diversi obiettivi, ognuna di queste diverse valutazioni, ci portano a migliorare la portata di questi modelli, e ci portano a situazioni sempre più complesse in cui possiamo farci domande sempre più interessanti, ad esempio, come fa la sabbia del Sahara, che vedete in arancione, a interagire con i cicloni tropicali nell'Atlantico? Come possono le polveri derivanti dalla combustione delle biomasse, che vedete nei punti rossi, interferire con le nubi e i modelli delle piogge? Come fa l'inquinamento, che vedete nelle righe bianche di inquinamento da solfato in Europa, a influenzare le temperature sulla superficie e la luce del sole in superficie?
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.
Lo si nota in tutto il mondo. Possiamo osservare l'inquinamento in Cina. Possiamo osservare l'impatto delle tempeste dalle particelle di sale marino nell'atmosfera. Possiamo osservare la combinazione di tutti questi vari fattori che si verificano tutti insieme e possiamo porci molte altre interessanti domande. Come può l'inquinamento atmosferico coesistere con il clima? Possiamo cambiare le cose che riguardano l'inquinamento atmosferico e il clima allo stesso tempo? La risposta è sì.
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.
Questa è una storia del 20° secolo. Il primo è il modello. Il clima è piuttosto diverso da quello che è realmente successo. Il secondo sono le osservazioni. E torniamo agli anni 30. C'è variabilità, le cose mutano, ma fa tutto parte del gioco. E ci avviciniamo agli anni 70, le cose iniziano a cambiare. Iniziano ad apparire più simili, e avvicinandoci agli anni 2000, vediamo ancora le conseguenze del surriscaldamento globale, sia nelle osservazioni sia nel modello.
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.
Sappiamo cosa è accaduto nel 20° secolo. Giusto? Sappiamo che è diventato più caldo. Sappiamo dove è diventato più caldo. E se chiediamo ai modelli perché è accaduto, e rispondete, ok, beh, sì, in sostanza è a causa dell'anidride carbonica che immettiamo nell'atmosfera. Abbiamo una buona approssimazione fino ad oggi.
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.
Ma c'è una ragione fondamentale del motivo per il quale guardiamo ai modelli ed è a causa di questa frase. Perché se avessimo scorci del futuro, ci fideremmo sicuramente di più che dei modelli, ma sfortunatamente, non possiamo beneficiare di questi scorci di futuro, oggi.
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.
Quindi, quando osserviamo il futuro, c'è una differenza. Il futuro è sconosciuto, è incerto e ci sono scelte. Ecco le scelte che abbiamo. Possiamo fare qualcosa per mitigare le emissioni di CO2 nell'atmosfera. È la prima in alto. Possiamo fare ancora meglio per diminuirla, in modo tale che alla fine del secolo, non sarà molto di più di quella che abbiamo oggi. Oppure potremmo lasciare il tutto al proprio destino e continuare così con un atteggiamento che lascia correre. La differenza tra queste scelte non può essere risolta semplicemente guardando i modelli.
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.
C'è una grande citazione di Sherwood Rowland, vincitore del premio Nobel per la chimica che portò alla scoperta della riduzione dell'ozono, quando ottenne il suo premio Nobel, fece una domanda: "Qual è lo scopo di aver sviluppato una scienza capace di fare previsioni se, alla fine, ciò che siamo tutti disposti a fare è fermarci ed aspettare che accada?" I modelli sono capaci, ma quello che facciamo con le informazioni di questi modelli dipende totalmente da voi.
Thank you.
Grazie.
(Applause)
(Applausi)