Perlunya pluralisme dalam pemodelan iklim – Beragampengetahuan

Bagaimana kita mengalokasikan sumber daya untuk pemodelan iklim? Jika tujuannya adalah untuk meningkatkan pengambilan keputusan terkait perubahan iklim memiliki resolusi yang lebih tinggi pembelajaran mesin Dan/atau ceritanya? Hal ini memerlukan diskusi mendalam tentang bagaimana kita harus mengembangkan perangkat pemodelan iklim.

Postingan tamu oleh Marina Baldissera Pacchetti, Julie Jebeile dan Erica Thompson.

Kebutuhan akan seorang model Kemampuan “Tingkat Kilometer” untuk mengedit detail pada tingkat kilometer masih menjadi bahan perdebatan di kedua platform. (lihat di sini dan di sini) dan dalam publikasi terbaru di jurnal peer-review (Slinko dkk– Hewitt dkk– editorial alam– Steinforth dan Kalel, 2020– Inti perdebatan berfokus pada pertanyaan apakah investasi besar harus dilakukan untuk meningkatkan resolusi model global pada skala kilometer. dan sejauh mana hal ini akan bermanfaat bagi respons masyarakat terhadap perubahan iklim.

Diskusi ini terutama berkisar pada dua hal: pertama, kegunaan (atau ketiadaan) representasi fisika yang lebih rinci; Model skala kilometer memiliki resolusi topografi yang lebih besar dan lebih mewakili proses fisik. Namun penentuan parameter utama masih diperlukan pada skala kilometer. Kedua, kelayakan teknis model berskala sangat besar yang dijalankan pada komputer exascale dalam jangka waktu yang wajar tidak mungkin dilakukan. Diskusi ini mencerminkan apa yang kami sebut sebagai paradigma pemodelan saat ini. Fokusnya adalah pada peningkatan resolusi dan kompleksitas GCM dengan harapan meningkatkan pemahaman terhadap proses tersebut. dan pada akhirnya menghasilkan proyeksi gambar yang akurat dan andal.

Asumsinya di sini adalah bahwa data GCM yang lebih rinci akan menghasilkan keputusan yang lebih baik. Ini adalah asumsi yang telah diperdebatkan. Hal ini terutama berlaku dalam konteks jasa iklim. (Findlater dkk. 2021) dan menilai risiko keuangan dalam sistem iklim. Lebih-lebih lagi, Ada juga argumen bahwa banyaknya data iklim perlu dinilai kualitasnya. Hal ini terutama berlaku mengingat keterbatasan dalam memproyeksikan perubahan iklim. Hal ini karena hingga saat ini pendanaan penelitian perubahan iklim sebagian besar dialokasikan untuk ilmu-ilmu fisika (Darat dan Sovacool 2020) harus mempertimbangkan apakah menginvestasikan ratusan juta biaya tambahan untuk membangun GCM exascale benar-benar akan membantu mengambil keputusan yang lebih baik.

Kami pikir perdebatan saat ini tidak membahas isu mendasar yang penting tentang bagaimana dan mengapa kita melakukan sains (iklim). Dalam sebuah artikel yang baru-baru ini kami terbitkan di BAMS ().Baldissera Pacetti dkk., 2024) Kami berpendapat bahwa mendanai berbagai strategi pemodelan iklim akan memberikan informasi yang lebih baik dalam pengambilan keputusan dalam menghadapi perubahan iklim.

Strategi pemodelan yang berbeda memprioritaskan tujuan metodologis yang berbeda. Misalnya, pendekatan “paradigma” yang dijelaskan di atas mengutamakan kesesuaian empiris dengan data historis. Realisme asumsi tentang sistem yang diusulkan dan cakupan proses yang ditunjukkan dalam model. dengan harapan itu Hal ini menciptakan model yang dapat memprediksi dampak iklim fisik dengan lebih baik.

Namun tidak semua metode pemodelan memiliki tujuan yang sama. Dan pertanyaan pengambilan keputusan yang berbeda mungkin memerlukan jenis data yang berbeda dengan hasil fisik iklim. Berbagai strategi pemodelan mendiversifikasi jenis informasi iklim yang dihasilkan dan jenis pengambilan keputusan yang dapat mendukungnya.

Pembelajaran mesin (ML) – salah satu strategi yang kami jelaskan dalam makalah kami – misalnya, tidak mengutamakan asumsi yang realisme. sambil tetap menghargai kesepakatan empiris. Hal ini dapat menghasilkan perspektif yang berbeda mengenai ketidakpastian model dan sensitivitasnya terhadap kondisi awal dan struktur model. Pengguna pendekatan ML mungkin menganggapnya lebih berguna dalam memberikan informasi terkait tren dan variabilitas jangka pendek. dan kurang berguna untuk perubahan fisik jangka panjang. kejadian parah atau bidang kemungkinan fisik

Pedoman alur cerita – contoh lain yang telah kita diskusikan – juga memiliki tujuan yang berbeda. Ini berfokus pada menjelaskan rantai sebab akibat dari peristiwa. Mereka mengutamakan pemahaman. Plotnya juga digambarkan sebagai panduan. “bottom-up” dalam menghasilkan informasi yang relevan dengan keputusan Ini mengidentifikasi informasi relevan yang dimulai dengan peristiwa dunia nyata. (Apa dampaknya? Bagaimana cuaca dan iklim menyebabkan peristiwa-peristiwa ini) dan juga dimensi manusia. Meskipun dalam banyak kasus alur cerita masih bergantung pada keluaran GCM, alur cerita tersebut dapat dikembangkan melalui pengaruh para ahli data yang ada dengan tujuan untuk meningkatkan pemahaman. Pendekatan alur cerita cocok untuk pertanyaan pengambilan keputusan yang memerlukan persetujuan sosial atau politik. atau ketika suatu keputusan memerlukan perencanaan yang kuat dalam berbagai kemungkinan hasil.

Pada artikel ini, kami menggunakan metafora kotak alat. Pendekatan dan plot pembelajaran mesin adalah contoh strategi pemodelan yang memiliki tujuan metodologis berbeda dari GCM dan juga memiliki kekuatan berbeda dalam hal pertanyaan keputusan yang sesuai untuk diinformasikan. Kami berpendapat demikian karena ada banyak jenis keputusan yang perlu diambil sehubungan dengan perubahan iklim. Menyediakan alat pemodelan yang lebih luas akan lebih memenuhi kebutuhan informasi dalam pengambilan keputusan terkait perubahan iklim.

Yang penting, kita memang demikian TIDAK Mengusulkan untuk mengakhiri pengembangan GCM memerlukan pemodelan fisik sistem. bersama dengan alat pemodelan lainnya Banyaknya pertanyaan dalam pengambilan keputusan akan mendapat manfaat dari pengetahuan yang lebih tepat mengenai dampak iklim fisik di masa depan, sehingga kita juga akan mendapatkan manfaatnya. TIDAK Diusulkan agar dana tersebut dibagi rata. bersama-sama menurut berbagai pendekatan Pendanaan yang adil akan berupaya mendukung berbagai pendekatan. Hal ini menyadari bahwa beberapa pendekatan memerlukan investasi yang lebih besar dibandingkan yang lain, misalnya dalam sumber daya komputasi. “Paradigma” yang ada saat ini juga bersifat intensif sumber daya. Oleh karena itu, kita dapat mencapai diversifikasi yang jauh lebih baik dengan pengalihan modal yang relatif sedikit. TIDAK Hal ini menunjukkan bahwa pembelajaran mesin dan alur cerita adalah pilihan pendanaan yang tepat. Ini hanyalah dua hal yang kami pilih untuk disoroti di sini. Model ekologi dan sosiopolitik Model penilaian terpadu Pengetahuan dan literatur asli tentang iklim Ini adalah contoh lebih lanjut tentang bagaimana strategi pemodelan dapat dikembangkan untuk menginformasikan berbagai pertanyaan pengambilan keputusan. dan dapat berkomunikasi secara lebih efektif dengan kelompok pengambil keputusan yang berbeda.

Kami ingin melihat diskusi yang lebih luas tentang kualitas dan nilai. (untuk pemangku kepentingan yang berbeda) dari berbagai jenis data iklim dan untuk informasi ini Hal ini akan digunakan untuk mendukung pengambilan keputusan yang lebih tepat mengenai jenis strategi pemodelan iklim yang akan dilakukan.



merujuk

1. J. Slingo, P. Bates, P. Bauer, S. Belcher, T. Palmer, G. Stephens, B. Stevens, T. Stocker, dan G. Teutsch, “Kolaborasi ambisius diperlukan untuk prediksi iklim yang akurat dan andal.” perubahan iklim alamiJilid 12, halaman 499-503, 2022.

2. H. Hewitt, B. Fox-Kemper, B. Pearson, M. Roberts, dan D. Klock, “Berbagai sisik laut mungkin memegang kunci kejutan”, perubahan iklim alamiJilid 12, halaman 496-499, 2022.

3. “Berpikir besar, contohkan kecil” perubahan iklim alamiJilid 12, halaman 493-493, 2022.

4. DA Stainforth dan R. Calel, “Prioritas baru untuk ilmu pengetahuan iklim dan ekonomi iklim pada tahun 2020”, komunikasi alamJilid 11 September 2020.

5. K. Findlater, S. Webber, M. Kandlikar, dan S. Donner, “Layanan iklim menjamin keputusan yang lebih baik.” tetapi terutama fokus pada data yang lebih baik”, perubahan iklim alamiJilid 11, halaman 731-737, 2021.

6. I. Overland dan BK Sovacool, “Misallocation of Climate Research Funding”, Penelitian energi dan ilmu sosialJilid 62, halaman 101349 2020.

7. M. Baldissera Pacchetti, J. Jebeile dan E. Thompson, “Untuk Pluralisme Strategi Pemodelan Iklim”, Pernyataan Persatuan Meteorologi AmerikaJilid 105, halaman E1350-E1364, 2024.