Vi har ju tidigare behandlat detta ämne – här och senare följt upp det här . Tyvärr är ju materialet lite för omfattande och komplicerat för att den genomsnittliga KU-läsaren ska kunna tillgodogöra sig det och kommentera. Författaren ska nu söka gå vidare till någon alternativ kanal, men vill här ge några avslutande och avrundande kommentarer:
Här kommer några utvalda och sammanfattande modellaspekter på min allmänna medelklimatmodell, som bara delvis är med i min uppsats. Förhoppningsvis blir bilden av min reglertekniska modell något tydligare.
’Min allmänna klimatmodell’ (’beskriven i ’Part 1’)
Den är inriktad på att visa medelklimatets förändringar, bl a jordytans ’medelstrålningstemperatur’, räknat från det ’preindustriella tillståndet’, Det är en fysikalisk modell, vilken i princip kan ge bättre förståelse för hur klimatsystemet fungerar än alternativet ’black box’ modell. Den typ av modeller som jag betraktar här baseras således på en fysikalisk beskrivning av hur vissa utvalda, väsentliga tillståndsstorheter påverkar varandra. I en ’medelklimatmodell’ är tillståndsvariablerna medelvärden räknat över jordytan och över lång tid, säg minst 10 år, vilket är det kortaste tidssteg, som en modell bör arbeta med. De variabler som representerar effekter (energiflöden, i W/m2) måste ha samband som uppfyller energikonservation och värmeledningsvillkor.
Min allmänna klimatmodell (liksom den ’speciella’) bygger på en grundläggande struktur med olika energiprocesser, som fungerar tillsammans i ett slutet, återkopplat system. Modellen är generell, då den inte preciserar några funktionsdetaljer (och inga parametrar och konstanter) om t ex den atmosfäriska absorptionen och molnbildning med molntäckning, och den är inte fullständig, då vissa processer medvetet utelämnats (t ex den svaga positiva återkoppling, som finns i och med att ökande temperatur i haven medför att CO2 frigörs). Men strukturen med sina allmänna processer anser jag ändå på ett säkert sätt avspeglar de väsentligaste egenskaperna hos (det verkliga) klimatsystemet, t ex att vattenångan i atmosfären inte kan utöva någon påtaglig förstärkningseffekt på jordytans temperatur när denna ökas.
Min modell har bara en yta. Att införa flera ytor eller zoner på olika sätt vore önskvärt men det blir snabbt mycket komplext, då man måste införa tämligen okända energitransporter mellan zonerna.
Skeptisk ?
Att vara skeptisk till att en viss modell med någorlunda säkerhet skulle kunna avspegla reaktioner hos det verkliga klimatsystemet är nog en sund utgångspunkt, men de brister och fel som medför detta måste kunna motiveras med ’fysikaliska’ argument. Även när man tycker att ingen modell kan vara av något värde, så bör de principiella skälen förklaras.
Komplexa modeller och parameterproblemet
Ju komplexare man gör en modell, desto fler parametervärden blir det att bestämma när modellen ska ’verklighetsanpassas’ för att kunna användas. Jag anser att det inte är så att många parametrar automatiskt innebär att modellen blir riktigt verklighetsnära, utan att det är principen för hur parameterbestämningen går till, som är avgörande för hur väl modellen avspeglar verkligheten.
En metod, som jag tror är vanlig för de ’etablerade’ klimatmodellerna, är att välja (optimera) alla parametrar, så att några av modellens beräknade tidsserier (för tillståndsstorheter) blir optimalt lika de som man har data på. När det gäller vårt klimatsystem anser jag att denna metod är ytterst tveksam, eftersom man inte kan vara säker på att man (i modellen) tagit med alla verkliga, viktiga processer. Jag tänker på inverkan av moln och partiklar i atmosfären, som är svårbestämda men kan ha mycket stora bidrag till tillståndsvärdena. Anpassar man modellen till kända tidsvariationer men utan hänsyn till sådana ’okända faktorer’ är det troligt att t ex tidsserien för medelyttemperaturen som modellen visar upp kommer att få felaktiga (för höga) värden, då någon störande komponent introduceras (t ex CO2 ökningar).
En alternativ och enligt min mening säkrare metod, som jag använder i min ’specifika modell (en realisering av den allmänna), är att låta parametervärdena bli bestämda av villkoret att modellens tillståndsvärden just före starten av den industriella tidseran ska motsvara de som man känner till (eller har uppskattat). Denna tidpunkt får vara starttidpunkten för modellen och då är ’modellklimatet’ i jämvikt och inget händer med tillstånden då man gör tidssteg efter tidssteg förrän man introducerar en förändring, t ex en stegvis ökning av atmosfäriskt CO2, Jämvikten rubbas och alla tillstånd börjar ändras och konvergerar till ett nytt tillstånd med nya värden. Tillståndsvärdena beräknas hela tiden utifrån fysikaliska samband (och med de bestämda parametervärdena). Förändringarna (t ex i yttemperaturen) kan då mycket väl skilja sig från de som man mätt, vilket man inte behöver vara ledsen för, utan se som ett tecken på att det måste finnas fler processer ’i farten’.
Modell = Körschema
Man kan mycket väl kalla en modell för ett körschema, som drivs av en effektobalans (på jordytan enligt min mening). De fysikaliska ekvationer som bestämmer sambanden mellan modellens storheter måste representeras med diskreta talvärden och då det är ett dynamiskt system måste man ha bestämt en starttidpunkt och storlek på tidsteg (förutom alla parametervärden). Det blir minst sagt mycket komplexa beräkningar för varje successiv tillståndsförändring. Eftersom klimatsystemet de facto (enligt min uppfattning!) är ett återkopplat system är ett ’körschema’ den enda vägen att kunna visualisera vad som händer när man påverkar modellsystemet (ändringar i ’inputs’ eller parametrar) och därmed få en uppfattning om hur det verkliga systemet skulle reagera. Det är värt att påpekas, att modeller skapas genom en utvecklingsprocess där dess uppförande i förhållande till verkligheten hela tiden jämförs och bedöms. Ständiga förbättringar gör att komplexitetsnivån normalt ökar med tiden.
- Det finns naturlitsvis många fler aspekter på både klimatet och på dess ’avspeglande modeller’ hur de fungerar och vad som är rimliga antaganden om förutsättningar. Det här var ett axplock.
Professor emeritus i Fysikalisk Kemi vid KTH. Klimatdebattör sedan 2003.
Det känns om det är lie fail om man har gjort en modell som igen fattar som föfattaren inleder med.
Jag skulle kunna göra en modell Med JSP Jackson structure programming för det kan hantera all typer av funktionalitet.
I botten är den fortfarande baserade på vad vi vet och kommer färgas av all typer av bias eller antagande eller andra personliga åskådningar.
”Ständiga förbättringar gör att komplexitetsnivån normalt ökar med tiden.”
Well, det är möjligt. Men det är därför man gör modeller. Förklara komplexa saker på ett enkelt sätt annars är det inte mycket med det. Erfarenhetsmässigt så har det visat sig att de som komplicerar saker och ting inte riktigt förstårs sig på det.
Och det som jag kan tillägga är att du verkar använda flödesschema och det täcker inte alla typer av situationer du kan ramla över.
Inom programmering så den sista modelle(som vi ser här ovan) brukar vi kalla mop eller moppar. som är det övergripande modellen sedan har alla boxar sin egna förklaring med fler mop:ar, program, servrar, nätverk, internet, services och vad som nu kan tänkas ingå.
Som tumregel när jag studera systemdesign så skulle modellen få plats på ett A4. Annars skulle man bryta ned den i mindre delar.
Vi är i stort behov av att någorlunda kunna beskriva den utveckling vår påverkan kan leda till och för detta behöver vi modeller. Nya angreppssätt är mycket välkomna och detta är ett, lycka till.
Enkla modeller är bra för en principiell förståelse av ett komplext problem. En av mina tyska kollegor som tillhör de mer skarpsinniga har som jag brukar säga åt honom en differentialekvation för varje tänkbart problem och för varje händelse i livet. Men ibland är det som med religion eller politik verkligheten är alltid full av oväntade överraskningar.
En GCM är ju egentligen samma sak med oftast alltför komplex för en lättbegriplig analys. Med det är en lisa för förståndet när den enkla modellen överensstämmer med det mer komplexa. Om man vill kan man ju se en komplex GCM som ett slags AI. Det är som att spela schack med en dator. Jag förlorar jämt.
Lennart
Så sandt.
”När det gäller vårt klimatsystem anser jag att denna metod är ytterst tveksam, eftersom man inte kan vara säker på att man (i modellen) tagit med alla verkliga, viktiga processer”
Det kunne være roligt, at sætte nogle klimaforskere ind i et lukket rum og bede dem om at vælge konstanter og parametre til en klimamodel efter deres bedste overbevisning og viden om fysikken og virkeligheden bag.
Derefter kunne man se om modellen ramte noget der ligner. Kunne den for eksempel regne ud hvad temperaturen på Jorden burde være?
Min egen indstilling til modeller er, at de skal repræsentere det man ved og så simpelt som muligt, så man kan overskue hvad en ændring påvirker. Hellere enkel og noget usikker, end kompliceret så du ikke ved hvor usikker den er.
https://wattsupwiththat.files.wordpress.com/2013/09/josh-knobs.jpg?w=720
Svend Ferdinandsen [6]; Jag håller med om att måste veta ”hvad en ændring påvirker”, eller med andra ord vad utfallet blir. Här i ligger det stora felet med klimatmodellerna som förefaller vara så komplexa att det fullständigt är omöjligt att följa vad som har orsakat ett visst utfall. Det som kommer ut från dessa modellkörningar är inget annat än ren bluff. Det finns tillräckligt med data för att man skall kunna rekonstruera en temperaturkurva under 1900-talet fram till nu, men modellerna kan inte utföra en sådan rekonstruktion. Hur kan man då lita på modeller som påstås kunna förutsäga framtidens temperaturer från dags dato?