Чтение онлайн

Очевидно, определение исходной системы уравнений – задача физика, разработка вычислительного алгоритма – ответственность математика, а создание компьютерной программы – искусство программиста. По этой причине для создания климатической модели, проведения исследований с ее помощью и, главное, анализа полученных модельных результатов одного человека недостаточно. Моделирование климата на современном уровне – задача, с которой способна справиться лишь группа специалистов в указанных областях. По мере развития климатической модели возникает потребность все в новых специалистах – химиках, биологах и др.

Детерминистские (физико-биохимические) модели наиболее часто сегодня используются при изучении климата.

Их можно разделить на три основных класса (в порядке возрастания сложности): (1) простые климатические модели, в частности двумерные (учитывающие только изменения климатических величин с высотой и от полюса до полюса), одномерные (определяющие лишь изменения климатических параметров с высотой) или даже нульмерные (для одной точки пространства); (2) так называемые модели промежуточной сложности и, наконец, (3) сложные трехмерные модели совместной циркуляции атмосферы и океана, занимающие высшую ступень в иерархии климатических моделей.

В настоящее время наиболее мощным и одновременно перспективным инструментом оценки возможных в будущем изменений климата большинство специалистов считают глобальные объединенные модели общей циркуляции атмосферы и океана. Такие модели воспроизводят климатически значимые процессы и обратные связи между ними, благодаря чему позволяют оценивать будущие состояния климатической системы.

Простые модели могут быть использованы сами по себе (например, для оценки эффектов сокращения выбросов в атмосферу в соответствии с международными договоренностями), либо как часть так называемых моделей совокупной оценки, например для анализа стоимости подобных сокращений выбросов. Необходимые для работы простых моделей параметры подбираются или из данных измерений, или из результатов расчетов по более сложным моделям общей циркуляции атмосферы и океана, ледниковых моделей и т. п.

Модели промежуточной сложности не столько уступают моделям общей циркуляции атмосферы и океана в количестве описываемых процессов, сколько превосходят их в степени упрощенности этих описаний. Модели промежуточной сложности полезны в исследованиях отдельных физических процессов, их взаимодействий и обратных связей между ними, они также применяются в исследованиях палеоклимата (климата далеких прошлых эпох). Основным преимуществом моделей, находящихся на более низких ступенях иерархии, является их вычислительная эффективность, что позволяет проводить с простыми моделями и моделями промежуточной сложности многочисленные расчеты при различных дополнительных предположениях, а также осуществлять на их основе вычисления, охватывающие сравнительно долгие (от тысячи лет и более) сроки в истории климата Земли. Использование простых моделей и моделей промежуточной сложности в исследованиях возможных изменений климата в будущем носит вспомогательный характер.

Усовершенствование детерминистских моделей происходит традиционно – от простого к сложному. Напомним, что первые гидродинамические модели были сформулированы в СССР в 1930-е гг. Н. Е. Кочиным и в 1940-е гг. И. А. Кибелем, но для их полноценной реализации в ту пору не хватало вычислительных ресурсов. Об эволюции детерминистских моделей в последней четверти ХХ в. можно судить, обратившись к следующей таблице.

Таблица 5. Этапы развития климатических моделей

Стартовав с рассмотрения состояния одной лишь атмосферы, к концу ХХ в. модели уже включали в себя особенности земного рельефа, учитывали углеродный цикл и различные виды аэрозолей, состояние океана и морского льда. Сегодня во многие климатические модели включены и блоки атмосферной химии. При этом развитие моделей происходит не только вширь (за счет увеличения количества блоков), но и вглубь (совершенствуется качество ранее включенных блоков). Таким образом, современные модели уже в состоянии учесть многие сложнейшие процессы и явления, происходящие в климатической системе Земли. Нелишне добавить, что развитию моделей в значительной степени способствует регулярно проводимое сравнение полученных с их помощью результатов в рамках международных программ.

Возникает закономерный вопрос: если модели уже сегодня достаточно хороши и с каждым годом становятся все лучше, откуда берется недоверие к ним?

Пожалуй, самая банальная причина заключается в неудачных прогнозах погоды, о которых мы уже упоминали. «Подливают масла в огонь» и климатологи-практики, занятые непосредственно мониторингом, обработкой и анализом данных наблюдений. Для них результаты измерений – единственно объективное отражение действительности, а построение моделей – забава «не знающих жизни» теоретиков.

Другим поводом к недоверию служат публичные ошибки. Так, к примеру, в феврале 2006 г. по инициативе Би-би-си каждый владелец персонального компьютера мог получить копию сложной модели, разработанной в Центре прогнозирования и исследования климата в Экстере, и с ее помощью самостоятельно рассчитать изменение климата Великобритании в период 1920–2080 гг. Откликнулись около 200 тыс. пользователей. Однако создатели программы забыли заложить часть необходимых для ее работы данных. А когда каких-то значений, необходимых для расчетов, не хватает, компьютер восполняет дефицит числами, не имеющими никакого отношения к реальным величинам этого параметра. При этом формально модель продолжает работать, но результаты выдает, конечно же, неверные. В упомянутой ситуации потепление климата Британии «пошло» беспрецедентно высокими темпами, и модель, «добравшись» до 2013 г., не смогла продолжать вычисления и остановилась. Свидетелями этой ошибки оказались сразу 200 тыс. человек! Безусловно, от ошибок никто не застрахован, но когда они столь растиражированы, возникает сомнение в способности создателя уверенно управлять своим детищем.

Еще одна причина кроется в неспособности существующих моделей отражать некоторые реально происходящие в климатической системе процессы. Известно, например, что все попытки модельно воспроизвести антарктическую «озоновую дыру» сразу после ее обнаружения в середине 1980-х гг. завершились неудачей. Экспресс-анализ показал, что та неудача была обусловлена неучетом в моделях гетерогенных (протекающих на поверхности аэрозольных частиц) химических реакций, играющих определяющую роль в балансе стратосферного полярного озона в весенние месяцы. Поговорка гласит: «Падая и вставая, ты растешь». Так и модели совершенствуются по мере отыскания объяснений еще вчера необъяснимым фактам.

Не способствуют популярности моделей и расхождения модельных оценок (иногда оказывающихся даже противоположными) у разных авторов. В ходе вышеупомянутых международных сравнений в десятки созданных в разных странах моделей закладываются одни и те же входные параметры, после чего синхронно производятся заранее оговоренные расчеты (например, для определения, какие значения примут модельные неизвестные через 10 расчетных лет). В итоге построенные на одних и тех же физических законах модели дают неодинаковые результаты. Безусловно, это может быть следствием ошибки по недосмотру или из-за пренебрежения каким-либо природным явлением в конкретной модели. Но скорее всего корень зла заключается в различиях приближенных модельных описаний сложных («проблемных») или плохо изученных процессов.

Яркой иллюстрацией к сказанному служит «проблемная» облачность. Состояние облачности оказывает огромное влияние на климат, и потому ни одна климатическая модель не может обойтись без ее учета. В то же время формирование облачности происходит с участием химических, радиационных, динамических и многих других процессов, имеющих масштабы от микрофизического до глобального. Достаточно полно описать этот комплекс процессов со всеми их хитросплетениями не в силах ни одна современная модель. А потому создатели моделей вынуждены лишь приближенно описывать («параметризовать») результаты участия этих процессов в формировании облачности, связывая их с моделируемыми величинами. Разумеется, авторы заботятся о том, чтобы в результате работы их параметризаций полученная картина облачности максимально походила на наблюдаемую, но упомянутые упрощения неизбежно вносят в нее заметные искажения – у каждой модели свои. Увы, таких малоизученных или просто «слишком сложных» для современных моделей процессов пока еще достаточно много.