Nel recente passato, ma a ben vedere si tratta di un argomento ricorrente, abbiamo discusso della reale capacità dei Modelli di Circolazione Generale (GCM) di riprodurre efficacemente degli elementi chiave delle dinamiche del clima. Nella fattispecie, si parlava delle temperature superficiali dell’Oceano Meridionale e dell’estensione dei ghiacci, ma sappiamo bene che i problemi sono simili, ove non maggiori, anche per altri parametri e aspetti fondamentali del funzionamento del sistema climatico.
La discussione, ovviamente, non è limitata alle pagine di CM, ma tiene banco sia negli ambienti di discussione più quotati nella rete, sia nella letteratura scientifica. E così, capita che di recente l’argomento sia stato trattato anche in un paper pubblicato su Science e, con lo stesso titolo, ripreso dal blog di Judith Curry. Proprio grazie a lei, abbiamo anche la possibilità di leggere qualcosa in più del solito abstract, perché nonostante l’articolo sia a pagamento, la Curry ne pubblica alcuni estratti piuttosto significativi. Quelli qui sotto sono il titolo e l’abstract del paper (neretto mio).
- What Are Climate Models Missing? – Science, Stevens & Bony, 2013
Fifty years ago, Joseph Smagorinsky published a landmark paper (1) describing numerical experiments using the primitive equations (a set of fluid equations that describe global atmospheric flows). In so doing, he introduced what later became known as a General Circulation Model (GCM). GCMs have come to provide a compelling framework for coupling the atmospheric circulation to a great variety of processes. Although early GCMs could only consider a small subset of these processes, it was widely appreciated that a more comprehensive treatment was necessary to adequately represent the drivers of the circulation. But how comprehensive this treatment must be was unclear and, as Smagorinsky realized (2), could only be determined through numerical experimentation. These types of experiments have since shown that an adequate description of basic processes like cloud formation, moist convection, and mixing is what climate models miss most.
I concetti espressi da S&B2013 sono per molti aspetti scontati, per altri sorprendenti. Quelli scontati si riferiscono al fatto che, nonostante la complessità dei modelli disimulaizone climatica sia enormemente aumentata, alcuni processi basici, tra l’altro ritenuti tra i più significativi e determinanti, continuano a costituirne il tallone d’Achille. Desta invece sorpresa il fatto che la comunità scientifica, che pure conosce questi problemi, si sia concentrata molto più su quello che c’è a valle di essi, piuttosto che su quello che c’è a monte.
Il processo di accrescimento della complessità dei GCM, li ha portati di fatto ad essere dei modelli che non tentano più di simulare il sistema climatico, ma si pongono l’obbiettivo di simulare il funzionamento dell’intero sistema pianeta. Alla fisica di base che descrive il comportamento dei fluidi atmosferici e oceanici, infatti, si sono aggiunti innumerevoli processi di interazione di questi con la biosfera e con le componenti chimiche del sistema. Di questo abbiamo testimonianza in continuazione, perché non c’è giorno in cui non esca qualche lavoro che si propone l’obbiettivo di valutare quale potrebbe essere l’impatto di eventuali variazioni alle dinamiche del clima ora su questa, ora su quell’altra componente del sistema. Coltivazioni, specie animali e abitudini delle stesse (comprese la nostra, ovviamente), tutti output interessanti che spesso commentiamo, ma che piuttosto che abbattere il livello di incertezza delle difficoltà di base cui abbiamo accennato poc’anzi, seplicemente le importano di fatto invalidando gran parte delle considerazioni e conclusioni che vengono proposte.
Infatti, se un modello che si intende rappresentativo dell’intero sistema sbaglia nella rappresentazione del ciclo dell’acqua o di quello del carbonio, o peggio, della circolazione atmosferica e oceanica, e questo errore si accresce man mano che si tenta di di scendere dalla scala globale a quella regionale, poco importa se riuscirà a riprodurre la curva delle temperatura media superficiale del Pianeta che di certo non è l’integrale del sistema. E, inoltre, neanche questo avviene.
In S&B 2013, la comparazione tra un modello snellito da tutti i processi aggiuntivi ed uno complesso come quelli attuali, mostra esattamente che la performance nella capacità di riprodurre le dinamiche fondamentali è uguale ove non addirittura peggiore nei modelli complessi rispetto a quelli semplici. Per cui, l’incertezza, nel migliore dei casi non cambia, lasciando insoluti i problemi fondamentali, mentre nel peggiore si accresce ulteriormente. L’esempio che loro riportano è quello della copertura nuvolosa e delle relative precipitazioni nella zona tropicale, ovvero nella fascia da dove proviene la maggior parte del calore che l’atmosfera deve redistribuire e dove questo processo avviene essenzialmente per convezione, cioè formazione delle nubi, appunto uno di quei processi basici ma estremamente importanti che i modelli non risolvono.
Judith Curry, nel commentare l’articolo, fa un altro esempio ancora. Secondo la sua opinione il problema fondamentale è quello dell’accoppiamento tra le dinamiche atmosferiche e quelle oceaniche, ossia nelle relazioni che intercorrono tra le oscillazioni a media e lunga scala temporale cicliche e non degli oceani, di gran lunga il maggior serbatoio di calore di cui disponiamo, e la circolazione atmosferica, che fa una buona parte del lavoro nel redistribuirlo.
Alla luce di tutto ciò è forse lecito chiedersi se abbia senso continuare a cercare di capire se lo scarabeo reale troverà o no una compagna nel 2100 in ragione dei cambiamenti climatici come descritti dai modelli sapendo che questi portano con se’ un elevatissimo livello di incertezza non già sugli output, quanto sulla loro vera e propria affidabilità, piuttosto che tornare indietro tornando a semplificarli e cercare di risolvere innanzi tutto le problematiche di base. Certo, questo impedirebbe quel processo, non so neanche fino a che punto sano, di trasposizione nella realtà – degli scarabei o degli umani, non fa differenza – che dovrebbe contribuire ad accrescere la consapevolezza sul tema dei cambiamenti climatici, riportando la discussione ad un livello soprattutto accademico. Ma, al tempo stesso, forse consentirebbe di imboccare la giusta direzione, cosa che, sin qui, non pare proprio sia accaduta.
Questo dei modelli climatici è in realtà un problema generale appartenente a tutti i modelli. Se prendiamo come esempio i terremoti, possiamo senz’altro affermare che il loro comportamento dinamico può essere rappresentato in linea generale da 2 tavole di legno collegate tra loro con delle molle; se però proviamo a simulare la dinamica dei terremoti in particolare per riuscire a scoprire i più fini dettagli, e lo facciamo complicando il nostro modello meccanico fatto di tavole e molle, allora accade facilmente che anziché vedere un miglioramento delle prestazioni modellistiche, vediamo un peggioramento; e la ragione non è poi cosi astrusa.
Le dinamiche dei sistemi complessi derivano da un enorme numero di feedback, derivanti dalle interazioni dei sottosistemi, ma queste interazioni non sono tutte uguali, ma agiscono con tempi caratteristici differenti e sono formate principalmente da loop di feedback negativi. Questo stato di cose fa si che se si tenta di simulare un sistema naturale inserendo nel modello base il maggior numero di sottosistemi conosciuti, ma per scarsa conoscenza o totale ignoranza, si finisce per inserire alcuni sottosistemi o anche solo uno, allora accade che le interazioni tra i sottosistemi siano falsate ed anche la mancanza di un solo loop di retroazioni, fa si che il modello diverga nella rappresentazione del sistema, risultando persino peggiore del sistema base, che simula solo il comportamento generale. Un esempio lampante di questo errore è quello della rappresentazione della CO2 e dell H2O nei sistemi climatici, si inseriscono questi gas nel modello ma si trascura, causa forza maggiore di inserire tutti i sottosistemi che connessi ai gas serra generano loop di feedback negativi collegati ai suddetti gas, come l’attività microbica e delle piante in ambienti aridi (che abbiamo visto più volte) oppure la corretta rappresentazione delle nubi ed il modello climatico, proprio per la mancata rappresentazione dei loop di retroazione negativi, diverge nella rappresentazione, mostrando un riscaldamento totalmente diverso da quello reale del sistema in natura.
La nostra attuale mancanza di capacità di riprodurre modellisticamente i sistemi naturali nella loro complessità fa si che in generale i modelli base siano in linea di massima i migliori, e proprio per tal ragione, anche se per vie completamente diverse, prendono piede approcci per la scelta dei modelli migliori come l’ormai famoso MDL (Minimum Descripiion Lenght). Purtroppo i modellisti del clima, e sopratutto coloro che si servono delle simulazioni dei modelli per portare acqua al proprio mulino, continuano a sostenere (non saprei se in buona o mala fede) che gli output dei modelli rappresentano uno scenario realistico di come si evolverà il clima. Che tristezza.