De (on)voorspelbaarheid van klimaatmodellen

De klimaatmodellen vormen de basis onder alle verontrustende voorspellingen van het IPCC over de verandering van klimaat. De modellen zijn wetenschappelijk van waarde, maar op dit moment ongeschikt om voorspellingen mee te doen. Door de hoge complexiteit en het chaotische karakter van het klimaat en de lange tijdshorizon is de onnauwkeurigheid veel te groot. Bovendien zijn de uitkomsten grotendeels het resultaat van het 'tunen' van het model, waarover (ook naar de mening van de modelbouwers zelf) veel te weinig openheid wordt gegeven.

Onderstaande grafieken geven eerdere voorspellingen van het IPCC aan op basis van de verschillende klimaatmodellen. Het eerste plaatje is van John Christy in zijn getuigenis voor de Amerikaanse Senaat in 2016. Wat je ziet zijn de verwachtingen van de verschillende rekenmodellen van een aantal jaren geleden. Daaronder zie je de werkelijke ontwikkeling van de temperatuur. Ondanks de grote spreiding blijken alle modellen op een na er substantieel naast zitten wat betreft de voorspelling van de temperatuur op aarde. Alleen het Russische INM-CM5-model blijkt redelijk te kloppen. Het tweede plaatje toont de maandelijkse wereldwijde (60N-60S) gemiddelde temperatuurschommelingen van het oceaanoppervlak sinds 1979 voor 68 modelsimulaties van 13 verschillende klimaatmodellen. Wat daar direct opvalt is de grote spreiding van de verwachtingen van de verschillende modellen, waardoor er altijd wel een model is dat het goed heeft. De dikke zwarte lijn geeft de werkelijke temperatuur aan sinds 1979 op basis van satellietmetingen. De werkelijke temperatuurstijging is maar 50% van het gemiddelde van de de verschillende modelberekeningen.

Afbeelding 1: Voorspellingen van klimaatmodellen(bron: J. Christy, 2016)

Voorspellingen van klimaatmodellen vs. werkelijke metingen — Afbeelding 2: Voorspellingen van 68 modelsimulaties van 13 verschillende klimaatmodellen ten opzichte van de werkelijke metingen. (Bron: R. Spencer, 2021)

De geringe voorspellende waarde van klimaatmodellen heeft te maken met verschillende aspecten.

Complexiteit van het klimaat

De klimaatmodellen vertonen tal van tekortkomingen. Dat is geen diskwalificatie, maar een onvermijdelijk gevolg van de enorme complexiteit en veranderlijkheid van het klimaat. Het klimaat wordt beïnvloed door een groot aantal factoren, die op tijdschalen van uren tot miljoenen jaren werken. Het gaat daarbij om oceaanstromen, het verdampen, condenseren, smelten en bevriezen van water in de atmosfeer, neerslag, convectie, zonneactiviteit, bewolking, biologische processen, vulkaanuitbarstingen en vele andere processen en effecten die allemaal invloed hebben op het klimaatsysteem en resulteren in regionaal verschillende klimaten op aarde. Al deze processen hebben ook nog een wisselwerking op elkaar; de wisselwerking of feedback zorgt ervoor dat de verschillende componenten elkaar kunnen tegenwerken of juist versterken. Een uitgebreide beschrijving van de opzet van klimaatmodellen is te vinden op klimaatgek.nl.

Daar komt bij dat veel van de input die nodig is voor de modellen niet beschikbaar is. Er is weliswaar een groot aantal meetstations, weerballonnen, weersatellieten, weerboeien, enzovoorts, maar alles bij elkaar verzamelen die maar een klein deel van de informatie die echt nodig is. Veel gegevens worden daarom geschat ('geparametriseerd') of buiten beschouwing gelaten.

Klimaat als chaotisch systeem

Een fundamenteel probleem waarmee de klimaatmodellen worstelen is het chaotische karakter van het weer en van het klimaat. Vroeger dachten onderzoekers dat fysieke systemen die onvoorspelbaarheid vertoonden, alleen maar zo leken vanwege hun complexiteit. Dat blijkt niet het geval. Zelfs simpele systemen waarin de onderdelen van het stelsel elkaar beïnvloeden, kunnen een chaotisch karakter vertonen.

Afbeelding 3: Voorbeeld van een chaotische beweging: een slinger met 2 draaipunten

In principe is het gedrag exact bepaald op basis van rekenregels, veelal door differentiaalvergelijkingen, maar een minimale wijziging van de beginwaarden kan in een chaotisch systeem tot heel andere uitkomst leiden. Een simpel voorbeeld is het vanaf een schip in zee gooien van twee flessen op korte afstand van elkaar. Door de iets andere beginpositie kunnen de flessen uiteindelijk honderden kilometers van elkaar terecht komen. Een ander voorbeeld is een slinger met een extra draaipunt zoals hiernaast afgebeeld. Een iets andere uitgangspositie levert na korte tijd een geheel ander patroon op.

Het is algemeen geaccepteerd dat ook het klimaat ook chaotische kenmerken heeft. Zo schrijft het IPCC in het derde Assessment Report (pag. 773): "The climate system is articularly challenging since it is known that components in the system are inherently chaotic; there are feedbacks that could potentially switch sign, and there are central processes that affect the system in a complicated, non-linear manner. These complex, chaotic, non-linear dynamics are an inherent aspect of the climate system." Nederlands "Het klimaatsysteem is bijzonder uitdagend omdat het bekend is dat componenten in het systeem inherent chaotisch zijn; er zijn feedbacks die mogelijk van teken kunnen veranderen, en er zijn centrale processen die het systeem op een gecompliceerde, niet-lineaire manier beïnvloeden. Deze complexe, chaotische, niet-lineaire dynamiek is een inherent aspect van het klimaatsysteem." En in de samenvatting concludeert het IPCC dat langetermijnvoorspellingen van het klimaat niet mogelijk zijn: “The climate system is a coupled non-linear chaotic system, and therefore the long-term prediction of future climate states is not possible.” “Het klimaatsysteem is een gekoppeld niet-lineair chaotisch systeem, en daarom is de langetermijnvoorspelling van het klimaat niet mogelijk.”

Ook klimaatmodellen vertonen het chaotische gedrag van het klimaat. Zij hebben dezelfde gevoeligheid voor de gekozen beginwaarden. Om hier toch mee te kunnen omgaan, kiest men ervoor het model met een groot aantal beginwaarden door te rekenen. Deze verzameling van mogelijke uitkomsten noemt men ensembles. Door te kijken naar de piek in de verdeling van alle uitkomsten, krijg je de verwachting voor de toekomst van het model.

Afbeelding 4: De voorspelbaarheid van weer en klimaat volgens het IPCC

Wat de onderzoekers hierbij feitelijk doen is het uitmiddelen van de verschillende mogelijke uitkomsten, alsof het om willekeurige fouten gaat. Het IPCC verdedigt deze aanpak door te stellen dat kortetermijnverwachtingen sterk bemoeilijkt worden door het chaotische karakter van het weer, maar dat op langere termijn het chaotische karakter minder belangrijk is en en juist de 'forcings' (klimaatinvloeden zoals het broeikaseffect) bepalend worden. Zie IPCC Assessment Report 5 (The Physical Science Basis), pag. 960. Dit is geïllustreerd in nevenstaande figuur.

Het is echter de vraag of dit uitmiddelen in een chaotisch systeem is toegestaan. Dr. Andrew Edmunds, specialist op het gebied van chaostheorie, bestrijdt dit. In zijn artikel The Chaos theoretic argument that undermines Climate Change modelling laat hij dat zien aan de hand van een reeks van 500 gemiddelde Zuid-Italiaanse wintertemperaturen. De onnauwkeurigheid van de voorspellingen wordt elk jaar 4 keer zo groot. Zijn stelling is dat chaos niet uitmiddelt, ook niet over een langere termijn. Als dat wel zo was, zou ook de langetermijnvoorspelling van het weer niet zo slecht zijn. Het weer blijft chaotisch, ook over een periode van tientallen of honderden jaren. Het artikel De onnauwkeurigheid van klimaatmodellen gaat meer gedetailleerd in op een concreet voorbeeld van een gekozen parameter, namelijk de plaatselijke hoeveelheid bewolking. De onnauwkeurigheid van deze enkele parameter leidt tot grote onzekerheid over de uitkomst.

Daar komt bij dat veel factoren die van invloed zijn op het klimaat, een lange tijdshorizon hebben. Je kunt dan denken aan oceaanstromingen, zonneactiviteit, veranderingen in de ijskappen, planetaire bewegingen, enzovoorts. Ook deze factoren hangen op een complexe wijze samen met de vele processen die het klimaat bepalen en zorgen ook op lange termijn voor een chaotisch beeld. Het klimaat laat ook op termijnen van tientallen, duizenden en miljoenen jaren steeds een grillig karakter zien.

Het 'tunen' van modellen (parametrisering)

Het klimaat is zo complex dat lang niet alles berekend kan worden. Klimaatmodellen bevatten daarom een groot aantal aannames en inschattingen voor tal van factoren. Het is duidelijk dat kleine veranderingen in die parameters tot heel andere uitkomsten kunnen leiden. In een artikel in Sciences Magazine geeft Paul Voosen het voorbeeld waarbij het iets wijzigen van een parameter die bepaalt hoe gemakkelijk verse lucht mengt met wolken in een model, voor een verdubbeling van de klimaatgevoeligheid zorgde. Het betekent in praktijk dat de modellen 'getuned' moeten worden ('aan de knoppen draaien') om acceptabele uitkomsten te krijgen. Het onderzoek van Hourdin et al. (2017) maakt duidelijk dat modelbouwers hun modellen zodanig tunen, dat ze zowel de waargenomen opwarming van de 20e eeuw reproduceren, als een waarde voor de klimaatgevoeligheid geven die ligt in ‘an anticipated acceptable range’.

Het artikel van Hourdin is tot stand gekomen na een internationale workshop van klimaatmodelbouwers in 2016. De 14 wetenschappers die zelf allemaal direct betrokken zijn bij de ontwikkeling van klimaatmodellen, geven in het artikel aan dat het tunen van een klimaatmodel onvermijdelijk is en dat het belangrijk is om meer openheid te geven in de wijze waarop dat gebeurt. Alleen dan is het mogelijk de conclusies van de doorgerekende scenario's goed te interpreteren. Dat de 'tuning strategie' niet is opgenomen in de IPCC-rapporten noemen zij een 'lack of transparancy' Nederlands 'gebrek aan transparantie'.

Het IPCC stelt dat de klimaatgevoeligheid (temperatuurstijging bij verdubbeling van de CO₂-concentratie) waarschijnlijk tussen de 1,5 en 4,5°C ligt. Het IPCC baseert dit op de resultaten van wereldwijde klimaatmodellen. Ook de voorspellingen over de stijging van de zeespiegel zijn het resultaat van de modellen. Maar met de huidige kennis over het tunen van klimaatmodellen om gewenste resultaten te bereiken, is het duidelijk dat hier geen bewijsvoering is. De gevonden klimaatgevoeligheid en de te verwachten opwarming zijn grotendeels het resultaat van het tunen van het model. Het tunen van een model om het in overeenstemming te krijgen met de historische gegevens, is geen bewijs dat het ook het toekomstige verloop goed voorspelt.

Meten is weten

Een wetenschappelijk model, of dat nu een simpele vergelijking is of een ingewikkeld computermodel, is in de kern een hypothese, een veronderstelling van de werkelijkheid die nog bewezen moet worden. Als je een hypothese niet kan testen in een (laboratorium)experiment, is de enige manier om iet te zeggen over de waarde van het model, het doen van voorspellingen op basis van het model. Vervolgens is het een kwestie van meten en wachten tot de uitkomsten het model bevestigen of ontkrachten. In de wetenschap is uiteindelijk de enige manier om te beoordelen of een model geldig is, de voorspelde waarden te toetsen aan de werkelijk gemeten waarden.

Het grote probleem bij klimaatmodellen is dat het klimaat (per definitie) verandert over tijdsperioden van tientallen jaren. Dat betekent dat het erg lang duurt voordat wetenschappers een terugkoppeling krijgen over hun model en zij het model op basis van ervaringen kunnen aanpassen. Een vergelijking met weermodellen maakt dit direct duidelijk. Ook weermodellen zijn complex en bevatten ook een groot aantal aannames en inschattingen (parameters). Maar elke paar dagen kunnen wetenschappers het model aanpassen en verfijnen ('tunen') op basis van het werkelijke weersverloop. Zo zijn in de loop van duizenden iteratieslagen de modellen verbeterd. En desondanks is de periode waarover ze betrouwbaar een voorspelling kunnen doen slechts 1 tot 2 weken.

Afbeelding 5: Het warmtepatroon van het Canadese klimaatmodel over de periode 1958-2017. De horizontale as geeft de breedtegraad aan, de verticale as de hoogte. De kleur geeft te voorspelde temperatuurstijging weer.

Afbeelding 6: Het waargenomen temperatuurverloop ten opzichte van de voorspelling van de klimaatmodellen. Bron: McKitrick 2020

Interessant in dit verband zijn studies naar voorspellingen van klimaatmodellen die al op kortere termijn objectief en onafhankelijk meetbaar zijn en die ook niet 'getuned' (geparametriseerd) zijn. Een voorbeeld hiervan is het onderzoek uit 2020 van Ross McKitrick en John Christy van de Universiteit van Alabama naar de luchttemperatuur in een gebied in de tropen op een hoogte waar de luchtdruk 200 tot 300 hectopascal is. Veranderingen van deze luchttemperatuur voldoen aan de gestelde eisen dat ze objectief meetbaar zijn en niet geparametriseerd. De klimaatmodellen voorspellen unaniem dat in dat gebied een significante opwarming moet plaatsvinden als reactie op de verhoogde broeikasgassen. In afbeelding 5 is dat weergegeven aan de hand van het IPCC AR5 Canadese model. Horizontaal is de breedtegraad aangegeven en verticaal de hoogte boven het aardoppervlak uitgedrukt in de luchtdruk. De oranje vlek in het midden is de voorspelling van de door menselijke broeikasgassen veroorzaakte opwarming. McKitrick en Christy laten in hun onderzoek zien dat de werkelijke opwarming in dat gebied veel kleiner is dan alle modellen voorspellen. De werkelijke stijging ten opzichte van de voorspelling is weergegeven in figuur 6. De klimaatmodellen laten dus een te grote opwarming zien.

Wetenschap versus politiek

Je ziet in de toepassing van klimaatmodellen een groot verschil in perceptie en verwachtingsniveau tussen de wetenschappers en de politiek. Wetenschappers zijn zich over het algemeen goed bewust van de beperkingen van de modellen. Zo staat in 'The Scientific Basis' bij het IPCC-rapport uit 2001 (pag. 774): "In climate research and modelling, we should recognise that we are dealing with a coupled non-linear chaotic system, and therefore that the long-term prediction of future climate states is not possible" Nederlands "Bij klimaatonderzoek en modellering moeten we erkennen dat we te maken hebben met een gekoppeld niet-lineair chaotisch systeem, en daarom is de langetermijnvoorspelling van toekomstige klimaatstaten niet mogelijk.".

In het deel 'Summary for Policymakers' van hetzelfde rapport wordt met geen woord gesproken over de beperkingen van de modellen, integendeel: "Nevertheless, confidence in the ability of these models to provide useful projections of future climate has improved due to their demonstrated performance on a range of space and time-scales" Nederlands "Desalniettemin is het vertrouwen in het vermogen van deze modellen om bruikbare voorspellingen van het toekomstige klimaat te leveren verbeterd, vanwege hun aangetoonde prestaties op verschillende plaats- en tijdschalen" (pag. 9). Het IPCC spreekt in praktijk verstrekkende verwachtingen uit op basis van die modellen, bijvoorbeeld: "Global average temperature and sea level are projected to rise under all IPCC SRES scenarios" Nederlands "De gemiddelde temperatuur op aarde en het zeeniveau zullen naar verwachting stijgen onder alle IPCC SRES-scenario's" (pag. 13) en maakt daarbij geen enkel voorbehoud over de beperkingen van die modellen.

Conclusie

Modellen zijn in de wetenschap een veelgebruikte en nuttige methode om een beter begrip te krijgen in complexe processen en interacties. Dat geldt ook voor klimaatmodellen. Het probleem is alleen dat klimaatmodellen nu al worden ge/misbruikt om voorspellingen te doen. Daar zijn de modellen op dit moment nog lang niet geschikt voor. Door de hoge complexiteit en het chaotische karakter van het klimaat en de lange tijdshorizon is de onnauwkeurigheid simpelweg veel te groot.

In de volgende video geeft prof. William Happer een uiteenzetting waarom klimaatmodellen niet geschikt zijn voor het voorspellen van het klimaat. Happer is natuurkundige en was lange tijd directeur van het wetenschappelijk bureau van het Amerikaanse Ministerie van Energie.