Confirmarea modelelor climatice

Există diferite moduri în care datele sunt obținute în știința climatică. Confirmarea modelelor climatice se referă la întrebarea dacă și în ce măsură un anumit model este susținut de aceste date. Pentru a da un exemplu, cercetătorii climatici deseori se uită dacă un model reușește să simuleze suficient de bine datele privind schimbările trecute de temperatură și, dacă da, susțin că modelul este confirmat (Harvey și Kaulmann 2002; IPCC 2013, capitolul 9; Knutti și colab. 2003).

În cazul modelelor climatice, este important să facem distincție între variabilele pe baza cărora ne așteptăm să avem abilități predictive și cele pe care nu le avem; confirmarea se referă numai la prima situație. Adică, confirmarea modelului se referă la anumite variabile ale unui model, dar nu se extinde la altele (cf.Parker 2009). De exemplu, s-ar putea afirma că un anumit model climatic prezice în mod adecvat creșterea temperaturii globale până în 2100 (față de anumite condiții inițiale și un anumit scenariu de emisie). Cu toate acestea, s-ar putea afirma, de asemenea, că previziunile cu privire la precipitațiile medii globale până în 2100 de către același model nu pot fi de încredere.

Este larg susținut că multe aspecte ale modelelor climatice sunt confirmate (Lloyd 2010). De exemplu, datele confirmă faptul că modelele care includ factori naturali și antropici retroprezic în mod adecvat modificările medii ale temperaturii trecute într-o anumită marjă de eroare. Pentru a ajunge la o astfel de judecată, trebuie depășite o serie de obstacole. Acum revizuim dificultățile implicate în confirmarea modelelor climatice.

Să presupunem că oamenii de știință climatică descoperă că un model retroprezice bine anumite variabile și este astfel confirmat (de exemplu, că retropredicțiile modelului modificărilor medii globale ale temperaturii pot fi de încredere, deoarece simulează bine schimbările de temperatură din trecut). În plus, să presupunem că un alt model nu prezice bine anumite variabile și, prin urmare, este infirmat (de exemplu, că retropredicțiile modelului modificărilor medii globale ale temperaturii nu pot fi de încredere, deoarece nu simulează bine modificările de temperatură din trecut). Atunci ar dori să știe motivele pentru care primul model are succes, iar al doilea nu. Lenhard și Winsberg (2010) susțin că acest lucru este fără speranță: pentru modele climatice complexe, o versiune puternică a holismului de confirmare face imposibil de a spune unde se află eșecurile și succesele modelelor climatice. În special, ei susțin că este imposibil să se evalueze meritele și problemele submodelelor și, în general, a părților modelelor. Ei susțin, de asemenea, că această formă puternică de holism de confirmare este aici pentru a rămâne. Rețineți că problema aici nu este doar afirmația larg acceptată a holismului de confirmare, și anume că o singură ipoteză nu poate fi testată izolat, deoarece testele depind de ipoteze auxiliare. Lenhard și Winsberg susțin afirmația mai radicală că nu se va putea spune niciodată de unde provin succesele și eșecurile modelelor climatice.

Lenhard și Winsberg prezintă studii de caz (de exemplu, despre proiectul de intercomparație cu modele cuplate) care ilustrează frumos unele dintre dificultățile implicate. Cu toate acestea, rămâne întrebarea dacă modelele complexe din știința climei suferă întotdeauna de acest puternic holism de confirmare. Modelele complexe au module diferite, care pot fi rulate individual, precum și împreună. Cel puțin în anumite cazuri, comparând aceste execuții individuale și combinate, pare plauzibil că se poate obține o înțelegere a efectului modulelor și apoi să se atribuie succese și eșecuri anumitor submodele. Într-adevăr, există cazuri în acest sens în literatură. De exemplu, Qu și Hall (2014) examinează feedback-ul cu albedo de zăpadă a 25 de simulări climatice ale Proiectului de intercomparație cu modele cuplate versiunea 5. Ei constată că, în timp ce pentru unele modele, feedback-ul de albedo de zăpadă este în conformitate cu observațiile, pentru altele este nu. O analiză detaliată a diferitelor module îi conduce la concluzia că variația largă a tratamentelor efectelor datorită prezenței vegetației pe suprafețele acoperite cu zăpadă este un factor major responsabil pentru variațiile de performanță a modelului.

Datele sunt adesea folosite în construirea modelelor climatice. În special, valorile multor parametri ai modelelor sunt necunoscute, deoarece procesele fizice sunt slab înțelese și pentru că parametrii provin adesea dintr-o încercare de a simplifica teoria atunci când aceasta este disponibilă. Prin urmare, datele sunt folosite pentru a estima acești parametri (un proces numit calibrare). De exemplu, efectul net al acoperirii norilor este estimat mai degrabă din observații decât determinat de un calcul teoretic de jos în sus (de exemplu, Golaz, Horowitz și Levy 2013).

Când datele au fost utilizate pentru calibrare, se pune întrebarea dacă aceleași date pot fi utilizate pentru a confirma modelul. Pentru a reveni la exemplul nostru, dacă datele despre schimbările de temperatură sunt folosite pentru a calibra parametrul unui model climatic, aceleași date pot fi folosite din nou pentru a confirma acest lucru? Dacă sunt folosite pentru confirmare date care nu au fost deja folosite înainte pentru calibrare, acestea sunt noi. Dacă datele sunt utilizate atât pentru calibrare, cât și pentru confirmare, aceasta înseamnă o numărare dublă. Acest lucru ridică întrebarea dacă dubla numărare este acceptabilă. Mulți filozofi și oameni de știință climatologi susțin un răspuns negativ la această întrebare (Lloyd 2010; Shackley et al. 1998; Worrall 2010). Ei cred că dubla-numărare este ilegitimă și aceste date trebuie să fie noi, pentru a fi confirmate.

Împotriva acestui punct de vedere, Steele și Werndl (2013) susțin că, în conformitate cu confirmarea bayesiană și a probabilității relative, noutatea de utilizare nu are rost și dubla numărare este legitimă. Într-o analiză bayesiană, datele vor fi întotdeauna folosite pentru calibrare și, în multe cazuri – în special, atunci când modelul se potrivește foarte bine cu datele și această potrivire este foarte netrivială – aceleași date vor confirma, de asemenea, modelul. De exemplu, în regresia liniară standard, toate datele sunt folosite pentru a estima panta curbei. Aici, aceleași date pot confirma și modelul liniar dacă potrivirea dintre date și curba liniară estimată este bună.

O altă teorie statistică care are implicații interesante pentru utilizare-noutate și dubla numărare este teoria selecției modelului (de exemplu, Michaelsen 1987). Teoria selecției modelelor este relevantă pentru știința climatului, deoarece metodele pe care le oferă sunt aplicabile ori de câte ori se dorește a compara abilitățile predictive ale unui număr de modele concurente (cum ar fi, de exemplu, în contexte de regresie liniară standard, care apar adesea pentru studii de detectare și atribuire). Steele și Werndl (2014) susțin că teoria de selecție a modelului de imagine pe care ni-l prezintă despre utilizare – noutatea este mai nuanțată decât pozițiile susținute în mod obișnuit. Mai precis, în primul rând, există metode precum validarea încrucișată în care datele trebuie să fie noi. Pentru validarea încrucișată, datele sunt împărțite în două grupuri: primul grup este folosit pentru calibrare și al doilea pentru confirmare. În al doilea rând, există metode precum Criteriul de informare Akaike pentru care datele nu trebuie să fie noi. Totuși, există un termen de penalizare în expresia pentru gradul de confirmare care penalizează utilizarea datelor care au fost deja utilizate pentru calibrare.

În cele din urmă, să menționăm alte trei probleme legate de calibrare și confirmare. În primul rând, o practică comună este de a exclude acele modele care nu arată o potrivire suficient de apropiată cu datele și de a le folosi pe cele rămase (ponderate în mod egal) pentru predicții. Din nou, se pune întrebarea de ce ar trebui să avem încredere în aceste predicții și dacă unele dintre modelele rămase nu sunt mai bune decât altele. În al doilea rând, oamenii de știință climatologi se întreabă în ce măsură datele din trecut sunt relevante pentru a evalua cât de bine prezic modelele viitorul. Îngrijorarea este că procesele importante pe scale de timp mai lungi, cum ar fi schimbările în acoperirea cu gheață, vor scoate sistemul din eșantion în raport cu observațiile existente, astfel încât relațiile și parametrizările derivate empiric s-ar putea schimba semnificativ. Din acest motiv, ei susțin că este foarte greu de spus cât de relevante sunt datele din trecut sau că datele din trecut nu sunt deloc relevante pentru a evalua acuratețea predictivă a modelelor în viitor. În consecință, nu se poate conta pe datele trecute pentru calibrarea sau confirmarea modelelor care privesc viitorul (Oreskes et al. 1994; Parker 2009; Stainforth et al. 2007a, 2007b; Steele și Werndl 2013). În al treilea rând, o îngrijorare fundamentală cu privire la confirmare este că există o incertitudine radicală cu privire la alte modele climatice posibile care ar putea explica datele. În cadrul Bayesian, acest lucru implică faptul că este imposibil să spunem dacă modelele sunt confirmate, deoarece performanța modelului disponibil în comparație cu toate celelalte modele posibile nu poate fi judecată (Steele și Werndl 2013). Din aceste motive și altele, unii oameni de știință climatologi susțin că modelele complexe sunt doar posibilități (Stainforth et al. 2007a, 2007b).

Referințe

• Golaz, J.-C., L. W. Horowitz, and H. Levy. ‘Cloud Tuning in a Coupled Climate Model: Impact on 20th Century Warming.’ Geophysical Research Letters 40.10 (2013): 2246-2251.
• Harvey, D. and R. K. Kaufmann. ‘Simultaneously Constraining Climate Sensitivity and Aerosol Radiative Forcing.’ Journal of Climate 15.20 (2002): 2837-2861.
• IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Eds.T.F. Stocker, D. Qin, G.-K. Plattner, M. Tignor, S. K. Allen,J. Boschung, A. Nauels, Y. Xia, V. Bex, and P. M. Midgley. Cambridge and New York: Cambridge University Press, 2013.
• Knutti, R., T. F. Stocker, F. Joos, and G.-K. Plattner. ‘Probabilistic Climate Change Projections Using Neural Networks.’ Climate Dynamics 21 (2003): 257-272.
• Lenhard, J. and E. Winsberg. ‘Holism, Entrenchment, and the Future of Climate Model Pluralism.’ Studies in History and Philosophy of Modern Physics 41 (2010): 253-262.
• Lloyd, E. A. ‘Confirmation and Robustness of Climate Models.’ Philosophy of Science 77 (2010): 971-984.
• Michaelsen, J. ‘Cross-Validation in Statistical Climate Forecast Models.’ Journal ofClimate and Applied Meteorology 26 (1987): 1589-1600.
• Oreskes, N., K. Shrader-Frechette, and K. Belitz. ‘Verification, Validation, and Confirmation of Numerical Models in the Earth Science.’ Science New Series 263.5147 (1994): 641-646.
• Parker, W. S. ‘Confirmation andAdequacy forPurpose in Climate Modelling.’ Aristotelian Society Supplementary Volume 83.1 (2009): 233-249.
• Qu, X. and A. Hall. ‘On the Persistent Spread in Snow-Albedo Feedback.’ Climate Dynamics 42 (2014): 69-81.
• Shackley, S., P. Young, S. Parkinson, andB. Wynne. ‘Uncertainty, Complexity and Concepts of Good Science in Climate Change Modelling: Are GCMs the Best Tools?’ Climatic Change 38 (1998): 159-205.
• Stainforth, D. A., M. R. Allen, E. R. Tredger, and L. A. Smith. ‘Confidence, Uncertainty and Decision-support Relevance in Climate Predictions.’ Philosophical Transactions of the Royal Society A 365 (2007a): 2145-2161.
• Stainforth, D. A., T. E. Downing, R. Washington, A. Lopez, and M. New. ‘Issues in the Interpretation of Climate Model Ensembles to Inform Decisions.’ Philosophical Transactions of the Royal Society A 365 (2007b): 2163-2177.
• Steele, K. and C. Werndl. ‘Climate Models, Confirmation and Calibration.’ The British Journal for the Philosophy of Science 64 (2013): 609-635.
• Steele, K. and C. Werndl.. The Need for a More Nuanced Picture on Use-Novelty and Double-Counting. Philosophy of Science, forthcoming (2014).
• Worrall, J. Error, Tests, and Theory Confirmation. Error and Inference: Recent Exchanges on Experimental Reasoning, Reliability, and the Objectivity and Rationality of Science. Eds. D. G. Mayo and A. Spanos. Cambridge: Cambridge University Press, 2010. 125-154.

Sursa: Roman Frigg, Erica Thompson și Charlotte Werndl (2015). Philosophy of Climate Science Part II: Modelling Climate Change, Philosophy Compass 10/12 (2015): 965–977, 10.1111/phc3.12297, licența CC BY 4. Traducere și adaptare © 2023 Nicolae Sfetcu