Foto: AFP/Scanpix/LETA
Eksperti kļūdās, prognozējot laikapstākļus nākamajām brīvdienām, bet mēģina mūs pārliecināt ticēt klimata prognozēm piecdesmit gadus uz priekšu. Ja nu zinātnieki kļūdās un briesmas mums nedraud? Ja jau notiek globālā sasilšana, kāpēc ziemās vēl arvien ir auksti?

Mums nav otras planētas, kur izmēģināt katru no iespējamajiem scenārijiem un atgriezties atpakaļ gadījumā, ja kļūdīsimies. Tāpēc labi, ka ir modeļi – tie palīdz mums analizēt sarežģītas problēmas un saprast sistemātisku procesu būtību. Tā ir arī iespēja testēt risinājumus un izvēlēties piemērotākos.

Ilgtermiņa prognozēm vajag ilgtermiņa datus


Atšķirībā no laikapstākļu prognozes, kas detalizēti izklāsta strauji mainīgus parametrus – gaisa temperatūru, mitrumu un nokrišņu u.c. – tuvākajam laikam, klimata modeļi darbojas ar stabilāku parametru varbūtībām.

Jebkuram laikapstākļus ietekmējošam parametram mainoties, tiek ietekmēti arī pārējie. Gaisa masas ir mūžīgā kustībā – mākoņainums, vējš – mēs labi varam novērot šo nepārtraukto, šķietami haotisko kustību. Straujā mainība notiek gan laikā, gan telpā – laikapstākļi var mainīties dažu stundu laikā vai ievērojami atšķirties dažu kilometru attālumā. Mākoņainā rītā Liepājā, domājot, vai ņemt lietussargu, visdrīzāk nepaļausimies uz vidējo nokrišņu daudzumu visā Latvijā attiecīgajā mēnesī. Taču apmēram zinām – plānojot atvaļinājumu Portugālē gadu uz priekšu, decembrī šajā valstī visdrīzāk līs.

Klimats ir ilggadīgs laikapstākļu režīms, to pārsvarā ietekmē Saules starojuma daudzums un sadalījums.

Lai pateiktu, ka kāds klimats ir reģionam raksturīgs, laikapstākļi jānovēro vismaz 30 gadu.
Arī Latvijas Universitātes Ģeogrāfijas un Zemes zinātņu fakultātes vadošā pētniece Gunta Kalvāne izdevumā "Alma Mater" norādīja, ka par tendencēm varam runāt un secinājumus izdarīt, ja mums ir pieejami dati par novērojumiem vismaz trīsdesmit gadu garumā. Māra Zandera sarunu ar Guntu Kalvāni vari lasīt, klikšķinot šeit.

Modeļi, kas prognozē šīs ilgtermiņa izmaiņas, balstās procesu likumsakarībās garā laika posmā. Turklāt ilgtermiņā tie palīdz uzlabot arī laikapstākļu prognožu metodes.

30 gadu laikā sistemātiski ievākti dati sniedz jau ļoti labu ieskatu par noteiktai vietai raksturīgajiem klimatiskajiem apstākļiem.

Kā veido klimata modeļus?


Klimata modeļi ir trīsdimensionāli. Katra šūna tiek raksturota ar ģeogrāfisko garumu un platumu horizontālā plaknē, un augstumu vai spiedienu – vertikālā. Modeļa telpiskā izšķirtspēja ir atkarīga no modeļa mēroga. Globālos modeļos šūnas malas garums parasti svārstās no 100 līdz 300 kilometriem, reģionālajos – no 10 līdz 15 kilometriem.


Modeļa šūnā notiekošie fizikālie un ķīmiskie procesi, īpaši enerģijas plūsmas, tiek raksturoti ar matemātiskajiem vienādojumiem. Tālāk tiek izvēlēts modelējamais parametrs un šie vienādojumi ar superdatoru palīdzību tiek aprēķināti. Vienādojumu skaits ir mērāms daudzos tūkstošos. Katras šūnas rezultāti tiek nodoti blakus esošajām šūnām kā ievades dati nākamajā aprēķina iterācijā.

Klimata sistēmu dinamiku nosaka pieci principi:

  1. gaisa masas saglabāšana;
  2. ūdens masas saglabāšana;
  3. enerģijas saglabāšana;
  4. gaisa impulsa saglabāšana;
  5. ideālās gāzes likums, ko piemēro gaisam.


Klimata modeļi apraksta šos principus kā vienādojumus, kas ietekmē piecus mainīgos:

  1. gaisa temperatūra;
  2. spiediens;
  3. blīvums;
  4. ūdens tvaiku saturs;
  5. vēja stiprums.


Atrisinot vienādojumus, klimata modeļi var simulēt visus šos mainīgos trīs dimensijās un laikā.

Palaižot klimata modeļu simulācijas, iespējams noteikt šobrīd notiekošo procesu likumsakarības, pēc tam validēt modeli, izmantojot klimatiskos apstākļus pagātnē.

Modelis, kas iztur validāciju, ar lielu ticamību spēj raksturot arī nākotnes procesus.

Foto: AP/Scanpix/LETA
Šī nav kāda tāla tropu joslas valsts, bet gan Hamburga pēc ziemas vētras izraisītiem plūdiem. Klimata pārmaiņu ietekmē ekstrēmi laikapstākļi un postošas dabas stihijas arvien biežāk skars arī valstis mūsu platuma grādos.

Modeļa izšķirtspēju laikā raksturo laika solis. Tas var būt izteikts minūtēs, stundās, dienās vai gados. Jo mazāks laika solis, jo detalizētāki būs rezultāti. Augstākai izšķirtspējai nepieciešama arī lielāka skaitļošanas jauda, kas bieži vien ir lielākais izaicinājums. Parasti laika solis ir no dažām minūtēm līdz apmēram pusstundai, lai vienādojumus atrisinātu pietiekami precīzi. Modeļus var veidot miljoniem telpisko šūnu un daudzi tūkstoši laika soļu, tāpēc simulācijas var aizņemt pat vairākus mēnešus.

Katrā no prognozējamajiem scenārijiem jāņem vērā ne tikai dabas procesi, bet arī tādi parametri kā populācijas pieaugums, zemes platību lietojumveida izmaiņas, urbanizācijas līmenis un iedzīvotāju izvietojums. Tātad dabas procesu modelēšanā liela nozīme ir arī spējai paredzēt sociālos un ekonomiskos procesus.

Klimata modeļi ir ļoti daudzveidīgi. Atkarībā no izvelētajiem parametriem un scenārijiem, aprēķiniem, pieņemtajām nezināmajām vērtībām un citiem faktoriem, mainās arī prognozētais rezultāts.

Lai gan prognozētās temperatūras un nokrišņu gada vērtības dažādos modeļos atšķiras, izmaiņu tendence un apjoms ir diezgan konsekvents. Tie visi prognozē, ka globālā temperatūra turpinās pieaugt, kā arī to, ka cilvēku lēmumi un uzvedība noteiks, cik dramatiski klimats mainīsies nākotnē.
Klimata modeļi nepārtraukti tiek papildināti un uzlaboti. Jā, tajos ir daudz nezināmo mainīgo, un tie nekad nebūs simtprocentīgi precīzi, bet tāds arī nav modeļu mērķis. Karte ar mērogu 1:1 aizņemtu tikpat lielu laukumu kā attēlotā teritorija. Perfekti precīzi noteikt temperatūru konkrētā laikā un vietā mēs varēsim tikai nodzīvojot līdz tai dienai. Ne tādai kartei, ne tādam modelim nebūtu nekādas jēgas.

Šobrīd mums ir iespēja ielūkoties nākotnē ar pietiekami lielu ticamību, lai tā ignorēšana būtu neprāts.

--

Atsauces:

  • Climate Models | MIT Climate Portal. (n.d.). Retrieved February 12, 2022, from https://climate.mit.edu/explainers/climate-models
  • Climate Models | NOAA Climate.gov. (n.d.). Retrieved February 12, 2022, from https://www.climate.gov/maps-data/climate-data-primer/predicting-climate/climate-models
  • Despite unexpected predictions climate models remain a powerful tool | PreventionWeb. (n.d.). Retrieved February 12, 2022, from https://www.preventionweb.net/news/yes-few-climate-models-give-unexpected-predictions-technology-remains-powerful-tool
  • Giorgi, F. (2019). Thirty Years of Regional Climate Modeling: Where Are We and Where Are We Going next? https://doi.org/10.1029/2018JD030094
  • Introduction to climate dynamics and climate modelling - What is a climate model? (n.d.). Retrieved February 12, 2022, from http://www.climate.be/textbook/chapter3_node3.html
  • Qin, D., Plattner, G., Tignor, M., Allen, S., Boschung, J., Nauels, A., Xia, Y., Bex, V., Midgley, P., Flato, G., & Marotzke, J. (n.d.). to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change Coordinating Lead Authors.
  • Study Confirms Climate Models are Getting Future Warming Projections Right – Climate Change: Vital Signs of the Planet. (n.d.). Retrieved February 12, 2022, from https://climate.nasa.gov/news/2943/study-confirms-climate-models-are-getting-future-warming-projections-right/
  • Timeline: The history of climate modelling - Carbon Brief. (n.d.). Retrieved February 12, 2022, from https://www.carbonbrief.org/timeline-history-climate-modelling
  • Wang, C., Soden, B. J., Yang, W., & Vecchi, G. A. (2021). Compensation Between Cloud Feedback and Aerosol-Cloud Interaction in CMIP6 Models. Geophysical Research Letters, 48(4). https://doi.org/10.1029/2020GL091024
  • Zelinka, M. D., Myers, T. A., McCoy, D. T., Po-Chedley, S., Caldwell, P. M., Ceppi, P., Klein, S. A., & Taylor, K. E. (2020). Causes of Higher Climate Sensitivity in CMIP6 Models. Geophysical Research Letters, 47(1). https://doi.org/10.1029/2019GL085782

Seko "Delfi" arī Instagram vai YouTube profilā – pievienojies, lai uzzinātu svarīgāko un interesantāko pirmais!