Obduktion af klimamodel

Denne lidt makabre titel synes at passe godt til en artikel skrevet af den utrættelige Willis Eschenbach for ca. 7 måneder siden. Artiklen har ligget i skuffen siden da, men den er absolut værd at beskæftige sig med. Den kigger ind i maven på en af de store klimamodeller, som IPCC bygger deres forudsigelser på, og kaster lys over, hvad en klimamodel egentligt består af.

Klimamodellen er den såkaldte GISS GCM ModelE, fra NASA/GISS, der jo også udgiver en global temperaturkurve. ”GCM” står for General Circulation Model, der jo er en fællesbetegnelse for alle de store klimamodeller, der simulerer atmosfærens bevægelser (”cirkulering”) rundt på Jorden.

Eschenbach skriver:

Som mange af den slags klimamodeller, blev den ikke designet før opbygningen begyndte. I stedet er den vokset over årtierne ved tilføjelser, nye elementer blev føjet til, problemer repareret, ad-hoc ændringer for at komme over nye vanskeligheder osv. Eller for at citere en af hovedprogrammørerne hos GISS, Gavin Schmidt, i en artikel, der beskriver ModelE:

”Udviklingen af en GCM er en kontinuerlig proces af mindre tilføjelser og korrektioner ind i mellem kombineret med større udskiftninger af udvalgte elementer nu og da.”

Modellen er skrevet i sproget FORTRAN, som var det nyeste og bedste i 1983, da ModelE blev født, men mildt sagt er noget antikveret i 2022. Programmet består af 441.668 kodelinjer, og det kan kun køre på en supercomputer som vist på fig. 1.

Et eksempel på vanskelighederne ved klimamodellering er smeltevand oven på havisen. Når der ligger vand oven på isen, bliver dens refleksion af sollyset anderledes, så man er nødt til at definere udbredelsen af arealerne dækket af smeltevand – og hvor længe vandet ligger der. GISS havde ved en tidligere lejlighed ”løst” problemet ved at fastsætte et maks. antal dage vandet kunne ligge der.

Med det som indledning skriver Eschenbach:

Det fører mig til et af de vigtigste emner – klimaets fantastiske stabilitet. Det viser sig, at moderne klimamodeller har svært ved at blive på sporet. Det er ”iterative” modeller, hvilket betyder at resultatet fra et trin i tid bruges som udgangspunkt for det næste trin. Og det betyder, at enhver fejl i resultatet fra trin ”J” bliver ført videre som en fejl i inputtet til trin ”K”, osv. osv. – hvilket gør det meget let for modellen at ryge ud ad en tangent mod en ”snebold-klode” eller en brændende planet. Fig. 2 viser et par tusinde kørsler med en klimamodel.

På fig. 2 ser man de tre faser i kørslen med en computermodel. Til venstre den såkaldte kalibreringsfase, hvor modellens parametre indstilles, så de matcher de målte temperaturer. I midten er kontrolfasen, hvor man slipper modellen løs og kan sammenligne den med de målte temperaturer, men uden indgreb i modellen. Til højre er så modellens simulering af temperaturen ved en fordobling af atmosfærens CO₂-indhold. Farverne er udtryk for, hvor mange kørsler, der ligger inden for området (rød er mange kørsler, blå er få). Man bemærker, hvordan et betydeligt antal af kørsler allerede i kontrolfasen går helt skævt, og resultaterne ved en fordobling af CO₂-indholdet viser plus/minus 8 grader på 16 år. Så voldsomme udsving har jo intet med virkeligheden at gøre.

Eschenbach begynder nu sin nærmere undersøgelse af de godt 440.000 programlinjer. Her er et par udpluk af, hvad han finder.

GISS har arbejdet med problemet med smeltevandet. Nu er der ikke længere et loft på antallet af dage, til gengæld er der lagt grænser ind for hvor meget, hhv. is og smeltevand i alt kan tilbagekaste af solens stråler. Programmet sætter også grænser for mængden af sollys, både i det visuelle og det infrarøde område. Effekten er nu, at hvis modellens resultater for tilbagekastning ryger ud ad den berømte tangent, så vil de blive bremset af de grænser, der er lagt ind, og holde sig på et smallere spor. Eschenbach konkluderer:

Det betyder, at der er programlinjer der udregner havisens tilbagekastning … men nogle gange kommer programmet frem til urealistiske resultater. Men i stedet for at finde ud af hvorfor programmet kommer med urealistiske resultater og rette fejlen, så erstatter klimamodellen bare de urealistiske resultater med de valgte maksimum- eller minimum-tal. Videnskab, når den er bedst.

Fig. 3 viser et par linjer i programmet med en kommentar angående smeltevandet. Oversat står der: ”Sikkerhedsventil for at sikre, at smeltevandet til sidst forsvinder”.

Eschenbachs kommentar:

Uden denne programstump ville noget af smeltevandet måske aldrig fryse igen, uanset hvor koldt det blev … man må elske den slags fysik, vand der aldrig fryser. Det må være hvad klimamodel-byggerne mener, når de siger, at deres modeller er ”baseret på fysik”. De mener det på samme måde som når producenterne siger, at en Hollywood-film er ”baseret på en virkelig historie”…

Endnu en interessant kommentar fra programmet er gengivet på fig. 4. Den kan oversættes med: ”Denne funktion sikrer, at temperaturen forbliver inden for rimelige grænser, når programmet sættes i gang. (Nogle gange har den beregnede temperatur trinvist flyttet sig ud i det venstre område *langt* uden for noget rimeligt område.) Funktionen her holder temperaturen mellem maksimum og minimum af temperaturgrænserne.”

Eschenbach:

Med andre ord, når temperaturen kører af sporet … lad være med at undersøge hvorfor og få det repareret. Bare sæt temperaturen til noget rimeligt og kør videre. Og hvad er en rimelig temperatur? Det viser sig at de bare vælger temperaturen fra det foregående tidstrin og bliver ved med at blive ved …. fysik, ved I.

Eschenbach fandt et tilsvarende eksempel vedrørende vindstyrken, der igen skal holdes ”inden for rimelige grænser”. Hans kommentar:

… når klimamodellen kører af sporet, og vinden blæser med 800 km i timen, så lad være med at lede efter årsagen. Bare saml den op, sæt den tilbage på sporet og kør videre ….

Næste skridt er justeringerne (”tuning”), hvor der skrues på kontrolknapperne i modellen, så man får et realistisk resultat. Gavin Schmidt citeres her:

”Modellen er justeret (ved at fastlægge en grænseværdi for den relative fugtighed, så startmængden af skyer kan fastlægges) således, at den er i global balance mht. ind- og udstrålingen fra toppen af atmosfæren, og vi har en rimelig tilbagekastningen af solens stråler.”

Modellen har adskillige af disse justeringsknapper, som man kan dreje på, indtil resultaterne falder inden for noget, der ser realistisk ud.

Som vi har set, kan modellen let køre af sporet og ende i helt urealistiske situationer. Programmet er derfor udstyret med en række stop-funktioner, der afbryder kørslen, hvis en utænkelig situation opstår. Klimamodellen her har ikke færre end 846 af den slags stop, eksempler:

Søer uden vand, forkerte tryk, solens højde over horisonten uden for grænserne (0 til 90 grader), ”negativt skydække” og ”negativ snedybde”.

Her er så et uddrag af Eschenbachs afsluttende bemærkninger:

Der er to slags modeller, enkeltkørsel og iterative, dvs. trinvise. Ved enkeltkørsel tager man en række data (input) regner på dem og producerer nogle resultater.

Iterative modeller bruger en række data, foretager nogle beregninger og producerer nogle resultater, men i modsætning til enkeltkørsel bliver disse resultater nu brugt som input, som der så regnes på, og processen gentages igen og igen, før man har det endelige svar.

Der er et par meget store udfordringer med iterative modeller. Først og fremmest er de meget følsomme. Det skyldes, at enhver fejl i et resultat bliver til en fejl i input. Det gør dem ustabile. Som nævnt er der to måder at løse problemet på – ændre i programmet eller sætte hegn op, der holder resultaterne på sporet. Den korrekte metode er at rette programmet … og det fører os til den næste udfordring.

Den næste udfordring er, at iterative modeller er meget ugennemsigtige. Vejr- og klimamodeller er iterative. Klimamodeller regner typisk på halvtimes tidsintervaller. Det betyder, at hvis en klimamodel skal forudse 50 år frem i tiden, vil computeren skulle foretage 48 x 365 x 50 = 876.000 iterationer, dvs. gennemførsler af alle beregningerne. Og hvis modellen ender med et resultat, der ikke giver mening … hvordan kan vi finde ud af, hvornår den kørte af sporet?

Lad mig understrege, at jeg ikke er ude efter GISS-modellen. De samme problemer, i større eller mindre omfang, eksisterer med alle store komplicerede iterative modeller. Jeg påpeger bare, at disse modeller ikke er baseret på ”fysik”, de bliver understøttet og holdt inde bag hegn for at forhindre, at de kører ud i skoven.

Vi har tidligere bragt en oversættelse af en af Eschenbachs mange artikler, der også handlede om modeller. Her blev de store udfordringer ved computersimulering af klimaet beskrevet på en munter måde. Klimaforskerne ender med at have et meget stort antal parametre, de kan stille på, og som er nødvendige for overhovedet at få modellen til at fungere. Mange af disse parametre er de såkaldte ”hegn” eller grænseværdier, der kun tjener det formål at forhindre modellen i at løbe løbsk. De vil jo altid skulle vælges noget tilfældigt.

Dertil kommer parametrene, hvormed modellen ”tunes” dvs. justeres ind, så den giver det ønskede resultat. Her vil nok langt de fleste klimaforskere skele til, at resultatet f.eks. ved en fordobling af atmosfærens CO₂-indhold helst skal give en passende stigning i den globale temperatur.

Grundlæggende må man give Happer og Lindzen ret i, at arbejde med computermodeller ikke er nogen sund videnskabelig metode, og modellernes resultater er ikke ”ny viden” som forskningen ellers altid tilstræber. Vi bliver ikke ret meget klogere – men vi har brugt en forfærdeligt masse penge på sagen.