根据《卫报》的文章," '废话连篇':科学家们谴责Jordan Peterson关于气候模型的评论, Jordan Peterson声称气候模型不能被依赖,因为随着你对未来的预测,错误会加剧:
[Peterson]说:“另一个困扰气候模型的问题是,随着时间的推移,模型的误差会急剧增加。所以也许你可以预测一周,三周,一个月或一年,但是你预测的越远,你的模型误差就越大。
"当你试图建立超过100年的模型时,这是一个巨大的问题,因为错误就像利息一样。"
科学家们回应说,这种理解是错误的:
堪培拉新南威尔士大学的气候科学家莎拉·帕金斯-柯克帕特里克博士说,彼得森对气候模型如何工作的描述从根本上是错误的。虽然天气预报越远越不准确,但这与气候建模是不同的过程。[…新南威尔士大学气候变化研究中心的史蒂夫·舍伍德教授说,彼得森“犯了把天气和气候混为一谈的古老的气候怀疑论者的错误”。“任何学过气候或大气科学入门课程的人都能发现这个问题,”他说。 “Errors in a weather forecast indeed accumulate such that after a couple of weeks the forecast is useless.”
But with climate, Sherwood said, the models work differently to project how the climate will respond to different factors, such as higher levels of CO2.
So why is this the case? Why don't errors accumulate?
See, for instance, this figure from the IPCC's Fifth Assessment Report, Summary for Policy Makers (SPM):
Each RCP is a pathway, depending on how much carbon we emit. Per Wikipedia, the number represents the expected radiative forcing, in watts per meter squared (W/m2) that can be expected in the year 2100.
The SPM explains what each RCP represents:
Representative Concentration Pathways, (RCPs) which are used for making projections based on these factors, describe four different 21st century pathways of GHG emissions and atmospheric concentrations, air pollutant emissions and land-use. The RCPs include a stringent mitigation scenario (RCP2.6), two intermediate scenarios (RCP4.5 and RCP6.0) and one scenario with very high GHG emissions (RCP8.5). Scenarios without additional efforts to constrain emissions ('baseline scenarios') lead to pathways ranging between RCP6.0 and RCP8.5 (Figure SPM.5.a). RCP2.6 is representative of a scenario that aims to keep global warming likely below 2°C above pre-industrial temperatures.
So if we stay on our current path, we can expect warming of 3 to 5.5 degrees, with sea level rise of 0.5 to 1 m.
气候预测是在更长的时期内进行的,有更大规模的观测(我们说的是几十年,几个世纪或更长时间),以及不同的统计模型,但与现在的天气无关,也与我们认为明天或后天的天气无关。目前的9摄氏度和有点多云的事实与气候预测无关,就像1904年是有记录以来最冷的一年与明天是否会下雨一样。实际上有一大堆的预测都是逐步使用更长期和更大规模的数据,从超局域的(“未来五分钟你附近可能会下雨”)到地质的(“未来几千年地球上可能会有一个冰河期”)。你可以找到大多数地方的“长期预报”(这里是英国的一个),它给出了一个中间的例子,看一个月左右的天气可能是什么,但没有具体的预测
考虑a Galton板。一颗简单的珠子从木钉的瀑布上落下。我们能预测它会走哪条路吗?好吧,原则上,是的 -这毕竟只是力学。如果它碰到第一个木钉的位置在它中心的左边,它就会向左移动。非常精确地测量初始状态,您就可以预测接下来发生的一切。但是很明显,实际上预测整个路径是没有希望的——它太敏感了。即使在开始时最微小的变化也意味着它会以略微不同的旋转偏离第一个钉子,然后这又会改变第二个钉子的行为,所以在两次迭代之后,预测肯定是错误的。无论如何,尽管遵循确定性微观动力学,行为只是随机。大致相同的原因是天气预报在一周多的时间里几乎没有用。尽管如此,我们可以非常有信心地说,在1000行钉子之后,珠子将在靠近中间的某个地方结束。 It's not strictly speaking impossible that it goes to the left twice as often as to the right, but so very unlikely that we might rather worry about the board being destroyed by a plane crashing into the lab.
And if all the pegs are slightly biased to make it 5% more likely for the bead to go to the right at each of them somehow, that's not going to be evident from observing a couple of beads on the first rows – it'll still look totally unpredictable. However, it will show up clearly in the shifted peak of the distribution after 1000 rows.
我的理解是,这两种模型中的错误都是由于方法上的细微差异造成的。在天气模型中,完整的Navier-Stokes方程是求解的。由于这些方程的非线性和混沌性质,通过改变初始条件,例如温度$T_0$,通过一些高斯函数或其他先验函数,在时间演化中产生了不确定性。另一方面,气候模型有从中平均出来的混沌度,因此改变初始条件将不会在长期演化中产生变化。这种变化源于演化参数的不确定性,如云凝结压力
后溯-采用已知的过去现实世界条件,并在已知现实世界条件的时间框架内对气候进行建模-是对它们工作情况的极好检查