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.
Мы живём в очень сложной окружающей среде: сложность и динамичность, очевидные факты, зафиксированные спутниками на фото и видео. Вы можете увидеть это даже за своим окном. Бесконечно сложные, но так или иначе знакомые повторяющиеся рисунки. Но они никогда не повторяются полностью. Это очень сложная для понимания проблема. Образцы, которые вы видите, представлены в разных масштабах. Но вы не можете урезать картинку, сказав: «Давайте-ка я создам маленький климат». Я не могу использовать обычные средства редукционизма для получения меньшего объекта, который могу изучать в лаборатории, приговаривая: «Вот теперь мне это понятно». Либо всё, либо ничего.
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.
Разные масштабы, которые представляют данные виды образцов, охватывают огромный диапазон величин, примерно 14 порядков: от маленьких микроскопических частиц, наполняющих облака, словно семена, до размера самой планеты; от 10 в минус шестой к 10 в восьмой. 14 порядков пространственной величины. По времени: от миллисекунд до тысячелетий. Снова приблизительно 14 порядков величины.
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.
Что это значит? Если подумать, как можно вычислить данные значения, то для этого можете взять то, что видите. Я разрежу это изображение на множество маленьких блоков. И вот результат физики, верно? Если представлять модель погоды, то она охватывает приблизительно пять порядков величины: от планеты до нескольких километров, а во временных рамках — от нескольких минут до 10 дней, или, возможно, месяца. Но нас интересует нечто большее. Нас интересует климат. А это — годы и тысячелетия. Нам необходимо перейти к намного меньшим масштабам. Материал, который мы не в состоянии разобрать, — процессы микро-шкалы, — необходимо каким-то образом сделать приблизительным. Это большая проблема. Модели климата 1990-х годов охватили ещё меньший участок — приблизительно только три порядка величины. Модели климата 2010-х годов, над которыми мы работаем сейчас, — четыре порядка величины. В нашем распоряжении 14 порядков величины, и мы увеличиваем возможности симуляции на один дополнительный порядок каждое десятилетие. Один дополнительный порядок величины в пространстве требует в 10 000 раз больше вычислений. Но мы продолжаем добавлять больше объектов, вопросов к данным разнообразным моделям.
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.
Так как же выглядит модель климата? Это старая модель климата. Надо сказать, что это перфокарта, отдельная строка кода Фортран. Мы больше не используем перфокарты. Но всё ещё используем язык программирования Фортран. Новомодные идеи, такие как C, не оказали большого влияния на сообщество, занимающееся моделированием климата.
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.
Но как мы выполняем эту процедуру? Как мы переходим от той увиденной вами сложности к строке кода? Шаг за шагом. Это снимок морского льда, сделанный во время полёта над Арктикой. Мы можем рассмотреть различные модельные уравнения, благодаря которым лёд растёт, тает или меняет форму. Мы можем рассмотреть приливы. Мы можем рассмотреть показатель температуры, при которой снег превращается в лёд, и можем это закодировать. Мы можем скрыть информацию в коде. Данные модели охватывают миллион строк кода в этой точке и увеличиваются на десятки тысяч строк каждый год.
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.
Таким образом, можно рассмотреть как данную часть, так и другие части. А что происходит, когда есть облака? Что происходит, когда облака формируются, рассеиваются или когда идёт дождь? Это ещё один пример. Что происходит, когда есть солнечная радиация, проходящая сквозь атмосферу, поглощённая и отражённая? Мы также можем закодировать эти маленькие явления. Есть и другие явления: ветры, меняющие океанические течения. Мы можем говорить о роли растительности при перемещении воды из грунтов назад в атмосферу. Данные различные элементы мы можем закодировать и включить в систему. Каждый элемент в итоге добавляется в целую систему.
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.
У вас получается следующее. Получается красивое изображение того, что происходит в системе климата, где все производные образцы, увиденные вами, водовороты в Южном Океане, в районе Антарктиды, тропический циклон в Мексиканском заливе и ещё два явления, которые возникнут теперь в Тихом океане в любой точке, реки атмосферной воды — производные свойства, возникающие из взаимодействий тех небольших процессов, о которых я упоминал. Нет такого кода, который гласит: «Сделать качку в Южном Океане». И такого кода нет: «Сделай два тропических циклона, которые вращаются вокруг друг друга». Все данные элементы — это производные свойства.
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.
Это всё очень хорошо. Всё великолепно. Но мы хотим знать, что происходит с данными производными свойствами, когда мы сбрасываем систему? Когда что-либо меняется, что происходит с данными свойствами? Существует много различных видов сбоя системы. Более сотен тысяч лет на орбите Земли существуют колебания, которые изменяют климат. Есть изменения солнечных циклов каждые 11 лет и более, которые меняют климат. Большие вулканы «засыпают» и меняют климат. Изменения горящей биомассы, дыма, аэрозольных частиц — всё это меняет климат. Озоновая дыра изменила климат. Вырубка леса меняет климат, изменяя также свойства земной поверхности, испарения воды и её круговорот в природе. Инверсионные следы самолёта изменяют климат, создавая облака там, где их прежде не было, и, конечно же, парниковые газы меняют экосистему.
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.
Каждый отдельный сброс системы предоставляет нам возможность оценить наше понимание данной системы. Таким образом, мы можем рассмотреть мастерство моделирования. Я намеренно использую слово «мастерство»: модели не являются правильными или неправильными; они всегда неверны. Они всегда приблизительные. Вам необходимо узнать: получите ли вы больше информации благодаря модели, чем другим способом. Если да, то модель хороша. Это воздействие озоновой дыры на давление на уровне моря. Давление низкое и высокое вокруг южных частей океанов, вокруг Антарктиды. Это данные наблюдений. Это смоделированные данные. Они хорошо сочетаются, потому что мы понимаем физические процессы, которые управляют температурами в стратосфере и как влияют на ветры южных частей океанов.
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.
Мы можем рассмотреть другие примеры. Извержение горы Пинатубо в 1991 году привело к выбросу огромного количества аэрозолей и маленьких частиц в стратосферу. Это изменило радиационный баланс всей планеты. Поступало меньше солнечной энергии, чем прежде. Таким образом, планета охлаждалась. Красные и зелёные линии представляют разницу между тем, что мы ожидали, и тем, что на самом деле произошло. Модели разработаны умело не только в глобальном плане, но и для регионов.
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.
Я мог бы разобрать ещё дюжину примеров: искусную модель, связанную с солнечными циклами, которые изменяют озоновый слой в стратосфере; модель, связанную с изменениями орбиты более чем за 6 000 лет. Мы можем это рассмотреть тоже. Модели разработаны искусно. Модели также умело разработаны для ледяных покровов, которые существовали 20 000 лет назад. Модели хорошо разработаны, когда дело касается тенденций ХХ столетия за десятилетия. Успешно разработано моделирование озёрных прорывов в Северной Атлантике, происходящих 8 000 лет назад. И у нас получается замечательное соответствие данным.
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?
Каждая отдельная цель, каждая отдельная оценка побуждает нас добавлять больше областей для данных моделей, приводит нас к более сложным ситуациям, при которых мы можем выдвигать более интересные вопросы, например, как пыль пустыни Сахары, которую вы видите в оранжевом цвете, взаимодействует с тропическими циклонами в Атлантике. Как органические аэрозоли, продукты горения биомассы, которые представлены красными точками, пересекаются с облаками и распределением осадков? Как загрязнение, обозначенное белыми пучками сульфатное загрязнение в Европе, влияет на температуры земной поверхности и на солнечный свет, достигающий поверхности?
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.
Можно рассмотреть данные примеры по всему миру. Мы можем рассмотреть загрязнение Китая, влияние штормов на морские солевые частицы в атмосфере. Мы можем рассмотреть сочетание всех данных явлений, происходящих одновременно. Мы можем задать ещё более интересные вопросы. Как сосуществуют атмосферное загрязнение и климат? Можем ли мы менять явления, которые одновременно воздействуют на атмосферное загрязнение и климат? Ответ: да.
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.
Вот история ХХ века. Первое изображение — это модель. Погода немного отличается от фактической. Второе изображение представляет наблюдения. Мы рассматриваем образцы 1930-х годов. Здесь представлены изменчивость и происходящие явления, но есть некоторые помехи. Ближе к 1970-м годам явления начинают меняться. Они становятся более однородными, но к 2000-м годам уже видны образцы глобального потепления и в наблюдениях, и в модели.
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.
Мы знаем, что происходило на протяжении ХХ века. Верно? Мы знаем, что стало теплее. Мы знаем, где потеплело. Если вы зададитесь вопросом, почему так произошло, то можете ответить, что в основном из-за углекислого газа, который мы выделяем в атмосферу. У нас получилось прекрасное соответствие вплоть до наших дней.
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.
Но основная причина, почему мы рассматриваем данные модели, заключается в следующей фразе. Если бы у нас были наблюдения будущих событий, то мы бы явно доверяли им больше, чем моделям. Но, к сожалению, наблюдения за будущими явлениями сейчас недоступны.
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.
Когда мы заглядываем в будущее, то есть некая разница. Будущее неизвестно и не определено, и есть выбор. Вот те варианты, которые есть в нашем распоряжении. Мы можем проделать некую работу по уменьшению выбросов углекислого газа в атмосферу. Это верхний график. Можно проделать большую работу по уменьшению выбросов, так что к концу столетия их будет не намного больше, чем сейчас. Либо мы можем предоставить это судьбе и продолжать относиться к этому, как к обычному делу, которое идёт своим чередом. Разницу между данными вариантами нельзя выявить при рассмотрении моделей.
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.
Есть великолепная фраза, которую сказал Шервуд Роулэнд, получивший Нобелевскую премию по химии касательно истощения озонового слоя. Когда он получал Нобелевскую премию, он задал такой вопрос: «Какова польза от науки, достаточно развитой для прогнозирования, если в итоге всё, что мы в состоянии сделать, — это наблюдать и ждать осуществления прогнозов?» Модели разработаны умело, но что делать с информацией, полученной от данных моделей — решать вам.
Thank you.
Спасибо.
(Applause)
(Аплодисменты)