Een studie van het Europese Horizon 2020 TiPES-project bevestigt dat de grote onzekerheden van klimaatmodellen die in de IPCC-rapporten worden gebruikt, aanzienlijk kunnen worden verminderd door het gebruik van statistische mechanica. De techniek, die door sommige deskundigen met scepsis werd beschouwd, leidt tot sterk verbeterde klimaatvoorspellingen en kan ook helpen bij het beoordelen van kantelpunten, de auteurs besluiten in Wetenschappelijke rapporten .

Een grote uitdaging bij klimaatvoorspelling is de onzekerheid over hoe we met klimaatverandering omgaan. Computersimulaties moeten keer op keer worden uitgevoerd met verschillende scenario's die variëren in toekomstige economische ontwikkeling, hoeveelheden klimaatbeïnvloedende gassen, de verandering in het gebruik van landgebruikspraktijken, politieke beslissingen, enzovoort.

Maar geavanceerde klimaatmodellen van de IPCC-klasse zijn tijdrovend en draaien op supercomputers die duur zijn om mee te werken. Bij elke nieuwe generatie klimaatmodellen wordt slechts een beperkte selectie van scenario's overwogen.

Het gevolg zijn grote hiaten in ons begrip van het klimaatsysteem, omdat resultaten van verschillende scenario's en modellen niet goed met elkaar te vergelijken zijn. Er zijn veel onbeantwoorde vragen, zoals wanneer en hoe zullen kantelpunten optreden? Hoeveel zal een bepaalde hoeveelheid CO . precies ₂ toegevoegd aan de atmosfeer de wereldgemiddelde temperatuur zowel in de huidige tijd als in de komende eeuwen beïnvloeden?

Nutsvoorzieningen, Valerio Lucarini, Universiteit van Lezen, VK en Valerio Lembo, Universität Hamburg, Duitsland en Francesco Ragone, Ecole Normale Superieure, Lyon, Frankrijk document in Wetenschappelijke rapporten dat deze onzekerheden aanzienlijk kunnen worden verminderd. Ze vinden dat de kwaliteit van informatie die uit geavanceerde klimaatmodellen wordt gehaald, aanzienlijk verbetert wanneer ze worden onderworpen aan de theorie van statistische mechanica.

"Wat we hebben gedaan, is laten zien dat de aanpak haalbaar is, zelfs in een klimaatmodel van de klasse die wordt gebruikt voor IPCC-projecties, " legt Valerio Lucarini uit.

De groep construeerde zogenaamde wiskundige responsoperatoren die input in de vorm van forceringsscenario's vertalen naar output in de vorm van signalen van klimaatverandering. De methode werd vervolgens toegepast op de nieuwste generatie geavanceerde klimaatmodellen, genaamd CMIP6.

De berekeningen voorspelden nauwkeurig variaties in de wereldgemiddelde temperatuur, evenals grootschalige oceaanstromingen zoals de Atlantische meridionale kantelende circulatie en de Antarctische circumpolaire stroming, aantonen dat de methode werkt.

Het is de eerste keer dat deze aanpak die extreem theoretisch is en gebruik maakt van zeer elementaire wiskundige en fysische eigenschappen, is toegepast op een volledig complex klimaatmodel met een volledig interactieve oceaan.

"In principe, met de tools die we hier gebruiken, kun je de kloof tussen verschillende scenario's overbruggen en - laten we zeggen - het effect van verschillende forcings ontleden. Dus dan is het als een zwarte doos. Je geeft me een tijdsperiode en een hoeveelheid forceren en ik geef je het antwoord. Live. Het is een zeer efficiënte manier om de gegevens te gebruiken en je kunt in feite een compleet scenario van forceren voor een bepaald model construeren, " legt Lucarini uit.

"Veel mensen geloofden dat dit niet haalbaar zou zijn voor een model van de IPCC-klasse. we hebben laten zien dat het werkt. En net zoals het gemakkelijker is om de statistische beweging van miljarden moleculen te voorspellen dan de exacte beweging van één, deze aanpak werkt eigenlijk beter naarmate het klimaatmodel complexer is, ' zegt Lucarini.

theoretisch, de aanpak zal naar verwachting ook de beoordeling van kantelpunten vergemakkelijken. Het testen van de reactie van het systeem onder verschillende scenario's is nu toegankelijker, wat betekent dat dergelijke experimenten kunnen ontdekken waar het systeem het meest gevoelig is in bepaalde richtingen voor bepaalde forcering. Dat is precies de situatie wanneer we een omslagpunt naderen.