TED日本語 - ギャビン・シュミット: 気候変動によって出現する異常な気象パターン

TED日本語

TED Talks(英語 日本語字幕付き動画)

TED日本語 - ギャビン・シュミット: 気候変動によって出現する異常な気象パターン

TED Talks

気候変動によって出現する異常な気象パターン

The emergent patterns of climate change

ギャビン・シュミット

Gavin Schmidt

内容

気候科学者のギャビン・シュミットは、「気候変動は個々の物理現象に細分化するだけでは理解できない。全体を理解しなければ何も理解できない」と言います。この啓蒙的な話の中で、小規模な環境的事象が、絶え間なく起こす複雑な相互作用をシュミレートできる素晴らしいモデルを使って、気候変動の全体像をどのように研究しているのか説明します。

字幕

SCRIPT

Script

We live in a very complex environment: complexity and dynamism and patterns of evidence from satellite photographs, from videos. You can even see it outside your window. It's endlessly complex, but somehow familiar, but the patterns kind of repeat, but they never repeat exactly. It's a huge challenge to understand. The patterns that you see are there at all of the different scales, but you can't chop it into one little bit and say, "Oh, well let me just make a smaller climate." I can't use the normal products of reductionism to get a smaller and smaller thing that I can study in a laboratory and say, "Oh, now that's something I now understand." It's the whole or it's nothing.

The different scales that give you these kinds of patterns range over an enormous range of magnitude, roughly 14 orders of magnitude, from the small microscopic particles that seed clouds to the size of the planet itself, from 10 to the minus six to 10 to the eight,14 orders of spatial magnitude. In time, from milliseconds to millennia, again around 14 orders of magnitude.

What does that mean? Okay, well if you think about how you can calculate these things, you can take what you can see, okay, I'm going to chop it up into lots of little boxes, and that's the result of physics, right? And if I think about a weather model, that spans about five orders of magnitude, from the planet to a few kilometers, and the time scale from a few minutes to 10 days, maybe a month. We're interested in more than that. We're interested in the climate. That's years, that's millennia, and we need to go to even smaller scales. The stuff that we can't resolve, the sub-scale processes, we need to approximate in some way. That is a huge challenge. Climate models in the 1990s took an even smaller chunk of that, only about three orders of magnitude. Climate models in the 2010s, kind of what we're working with now,four orders of magnitude. We have 14 to go, and we're increasing our capability of simulating those at about one extra order of magnitude every decade. One extra order of magnitude in space is 10,000 times more calculations. And we keep adding more things, more questions to these different models.

So what does a climate model look like? This is an old climate model, admittedly, a punch card, a single line of Fortran code. We no longer use punch cards. We do still use Fortran. New-fangled ideas like C really haven't had a big impact on the climate modeling community.

But how do we go about doing it? How do we go from that complexity that you saw to a line of code? We do it one piece at a time. This is a picture of sea ice taken flying over the Arctic. We can look at all of the different equations that go into making the ice grow or melt or change shape. We can look at the fluxes. We can look at the rate at which snow turns to ice, and we can code that. We can encapsulate that in code. These models are around a million lines of code at this point, and growing by tens of thousands of lines of code every year.

So you can look at that piece, but you can look at the other pieces too. What happens when you have clouds? What happens when clouds form, when they dissipate, when they rain out? That's another piece. What happens when we have radiation coming from the sun, going through the atmosphere, being absorbed and reflected? We can code each of those very small pieces as well. There are other pieces: the winds changing the ocean currents. We can talk about the role of vegetation in transporting water from the soils back into the atmosphere. And each of these different elements we can encapsulate and put into a system. Each of those pieces ends up adding to the whole.

And you get something like this. You get a beautiful representation of what's going on in the climate system, where each and every one of those emergent patterns that you can see, the swirls in the Southern Ocean, the tropical cyclone in the Gulf of Mexico, and there's two more that are going to pop up in the Pacific at any point now, those rivers of atmospheric water, all of those are emergent properties that come from the interactions of all of those small-scale processes I mentioned. There's no code that says, "Do a wiggle in the Southern Ocean." There's no code that says, "Have two tropical cyclones that spin around each other." All of those things are emergent properties.

This is all very good. This is all great. But what we really want to know is what happens to these emergent properties when we kick the system? When something changes, what happens to those properties? And there's lots of different ways to kick the system. There are wobbles in the Earth's orbit over hundreds of thousands of years that change the climate. There are changes in the solar cycles, every 11 years and longer, that change the climate. Big volcanoes go off and change the climate. Changes in biomass burning, in smoke, in aerosol particles, all of those things change the climate. The ozone hole changed the climate. Deforestation changes the climate by changing the surface properties and how water is evaporated and moved around in the system. Contrails change the climate by creating clouds where there were none before, and of course greenhouse gases change the system.

Each of these different kicks provides us with a target to evaluate whether we understand something about this system. So we can go to look at what model skill is. Now I use the word "skill" advisedly: Models are not right or wrong; they're always wrong. They're always approximations. The question you have to ask is whether a model tells you more information than you would have had otherwise. If it does, it's skillful. This is the impact of the ozone hole on sea level pressure, so low pressure, high pressures, around the southern oceans, around Antarctica. This is observed data. This is modeled data. There's a good match because we understand the physics that controls the temperatures in the stratosphere and what that does to the winds around the southern oceans.

We can look at other examples. The eruption of Mount Pinatubo in 1991 put an enormous amount of aerosols, small particles, into the stratosphere. That changed the radiation balance of the whole planet. There was less energy coming in than there was before, so that cooled the planet, and those red lines and those green lines, those are the differences between what we expected and what actually happened. The models are skillful, not just in the global mean, but also in the regional patterns.

I could go through a dozen more examples: the skill associated with solar cycles, changing the ozone in the stratosphere; the skill associated with orbital changes over 6,000 years. We can look at that too, and the models are skillful. The models are skillful in response to the ice sheets 20,000 years ago. The models are skillful when it comes to the 20th-century trends over the decades. Models are successful at modeling lake outbursts into the North Atlantic 8,000 years ago. And we can get a good match to the data.

Each of these different targets, each of these different evaluations, leads us to add more scope to these models, and leads us to more and more complex situations that we can ask more and more interesting questions, like, how does dust from the Sahara, that you can see in the orange, interact with tropical cyclones in the Atlantic? How do organic aerosols from biomass burning, which you can see in the red dots, intersect with clouds and rainfall patterns? How does pollution, which you can see in the white wisps of sulfate pollution in Europe, how does that affect the temperatures at the surface and the sunlight that you get at the surface?

We can look at this across the world. We can look at the pollution from China. We can look at the impacts of storms on sea salt particles in the atmosphere. We can see the combination of all of these different things happening all at once, and we can ask much more interesting questions. How do air pollution and climate coexist? Can we change things that affect air pollution and climate at the same time? The answer is yes.

So this is a history of the 20th century. The first one is the model. The weather is a little bit different to what actually happened. The second one are the observations. And we're going through the 1930s. There's variability, there are things going on, but it's all kind of in the noise. As you get towards the 1970s, things are going to start to change. They're going to start to look more similar, and by the time you get to the 2000s, you're already seeing the patterns of global warming, both in the observations and in the model.

We know what happened over the 20th century. Right? We know that it's gotten warmer. We know where it's gotten warmer. And if you ask the models why did that happen, and you say, okay, well, yes, basically it's because of the carbon dioxide we put into the atmosphere. We have a very good match up until the present day.

But there's one key reason why we look at models, and that's because of this phrase here. Because if we had observations of the future, we obviously would trust them more than models, But unfortunately, observations of the future are not available at this time.

So when we go out into the future, there's a difference. The future is unknown, the future is uncertain, and there are choices. Here are the choices that we have. We can do some work to mitigate the emissions of carbon dioxide into the atmosphere. That's the top one. We can do more work to really bring it down so that by the end of the century, it's not much more than there is now. Or we can just leave it to fate and continue on with a business-as-usual type of attitude. The differences between these choices can't be answered by looking at models.

There's a great phrase that Sherwood Rowland, who won the Nobel Prize for the chemistry that led to ozone depletion, when he was accepting his Nobel Prize, he asked this question: "What is the use of having developed a science well enough to make predictions if, in the end, all we're willing to do is stand around and wait for them to come true?" The models are skillful, but what we do with the information from those models is totally up to you.

Thank you.

(Applause)

私たちは 複雑な環境の中で暮らしています 複雑性とダイナミズム 様々なパターンが 衛星写真やビデオから見てとれます 窓外の景色を見ても分かります 果てしない複雑さです しかし どこか馴染みがあり パターンは繰り返しますが 一定ではありません だから 理解するのが とても難しいのです 目にするパターンは すべて規模が異なり そのパターンを細分化して 「小さな気候モデルを作ってみる」とは 言えません 研究室で研究対象を より小さく細分化していく 通常の還元主義の産物を用いて 「今何か分かった」とも言えません 全体を理解しなければ 何も理解したことになりません

これらのパターンには さまざまなスケールのものがあり とてつもない桁の範囲 ― およそ14桁の範囲に及びます 雲の元となる 微細粒子から 地球規模まで つまり 10のマイナス6乗から 10の8乗まで 空間的なスケールは14桁に及びます 時間的には ミリ秒から数千年まで ここでもおよそ14桁の範囲があります

これは何を意味するのでしょうか? もしこれらの計算方法が 分るのならば 計算結果はそのまま信ずるに足ります では これを 小さな方眼に分割していきましょう それは物理現象の結果ですね? 気象モデルについて考えるとき 空間的には地球規模から数kmまで 5桁の範囲に及びます 時間的スケールの範囲は 数分から10日間 もしかすると 1か月かもしれません 私たちの関心はそれ以上です 私たちは気候に関心があるのです 数年~数千年という時間での 変動を知りたいのです これにはより小さなスケールでの 理解が必要です 下位のスケールにおける 未解明の物理過程については 何とかして概算しないといけません それがとても難しいのです 1990年代の気候モデルは もっと小さな方眼のマスにとどまり 3桁程度のものでした 2010年代の気候モデルは 現在これを使って仕事をしていますが 4桁の範囲に及びます 14桁に到達できるよう 10年ごとにほぼ1桁ずつ増やせるよう 気候モデルのシュミレーション能力を 高めています 空間的なスケールを1桁増やすには 計算を1万倍多く行なわなければなりません モデルの改訂にあたって 我々はより多くの要素を考慮し より多くの疑問に 答えられるようにしています

では 気候モデルとは どのようなものなのでしょうか? 白状しますが これが旧型の気候モデルです 1枚のパンチカードが Fortranプログラムの一行分です もはやパンチカードを使っていませんが まだFortranは使っています C言語のような最新式のアイデアは 気候モデルのコミュニティに さほどの影響を与えませんでした

では その対処方法は? ご覧になった複雑性を プログラムの各行へと 落とし込んでいくのでしょうか? 1つのピースは一度に処理します これは北極圏を飛んだ時に 撮影した海氷の写真です 氷が成長したり 溶けたり 形を変えたりする あらゆる物理現象を見ることができます 物質の流れが分ります 雪が氷になる割合を観察し それをコード化できるのです それをコードにまとめるのです これらの現行のモデルは 約百万行のコードからなっており 毎年 数万コードずつ 増えています

だから そのピースも他のピースも 見ることができるのです 雲で起きていることは? 雲が作られたり 消えたり 雨が降るときには 何が起きているのでしょうか? それは 別のピースの例です 太陽から届いた放射光が 大気圏を通過する際に 吸収されたり反射する時には どの様なことが起きているのでしょうか? それら微細なピースも プログラム化できます その他のピースの例には 海流を変える風があります 土壌にある水を運んで 大気中に戻す 植物の役割などもあります そして これらの諸要素を すべてまとめて システムに組み込みます これらすべてのピースが 全体を構成するのです

なんとなく ご理解いただけましたか 気候システムで起きていることの 素晴らしい例を見て頂きます ここでご覧になるものは 何れも システムから出現したパターンで 南洋の渦や メキシコ湾の熱帯低気圧 ― 今にも 太平洋上で あと2つ生まれようとしています ― それに大気中の水分の流れなどです これらは全て 先にお話しした小規模な過程の 相互作用から生じたものです 「南洋で小刻みな動きをせよ」 というコードはありません 「互いの周りを回転する 2つの熱帯性低気圧をもて」 というコードもありません これらの事象すべてが 結果として出現したものなのです

非常に良いことですし 素晴らしいことです でも システムに 変化を与えると何が出現するか 知りたいのです 何かが変わると どのような変化が もたらされるのでしょうか? 様々な要因が システムに変化をもたらします 数十万年に渡る 地球の公転軌道の揺れで 気候が変わります 太陽で起きる11年と より長期の周期的変動も 気候に変動をもたらします 大きな火山が噴火すると 気候が変わります バイオマスの燃焼、煙 エアロゾル粒子などの変化で 気候が変わります オゾンホールが 気候に変化をもたらしました 森林破壊により地表の特性や 水の蒸発の仕方や システム内の動き方などが変わると 気候が変わるのです 何もなかった所に 飛行機雲が生じると 気候が変わります 言うまでもなく 温室効果ガスでシステムが変わります

これら各々の変動は 我々のシステムに関する理解度を 測る際の 目安となります モデルのスキル(能力)とは何かを 確認することができます さて わざと「スキル」と言いました モデルに良いも悪いもなく 常に正しくありません いつでも近似なのです 確かめるべきことは モデルがあることにより ない場合よりも より情報を与えうるかということです もしそうであるなら スキルがあると言えます これは海面付近の気圧に対する オゾンホールの影響を 示したもので 南洋や南極大陸周辺には 低気圧や高気圧があります これは観測データです これがモデル・データです データがかなり一致しているのは 成層圏の温度を制御する物理や それにより南洋周辺に 風が起きることを 理解しているからです

その他の例も見てみましょう 1991年のピナツボ山噴火により 膨大な量のエアロゾルや粒子が 成層圏へと舞い上がりました そのため地球全体における 輻射のバランスが崩れました 噴火前と比べると 入射する太陽のエネルギーが減少し 地球を冷却しました 赤い線と緑の線は 予測値と実測値の 差を示しています このモデルはスキルに満ちています 地球規模の平均値だけでなく 局所的なパターンも 高い精度を有しています

もっと多くの例もお見せすることもできます 例えば 成層圏のオゾンを変化させる 太陽周期に関連したスキルです 6000年という時間にわたる 公転軌道の変化に関連したスキルです それを検証することができ モデルはスキルに満ちています 2万年前の氷床に関して モデルはスキルに満ちています 20世紀における 数十年にわたる動向に関して 各種モデルはスキルに満ちています 8000年前に起きたある湖の湖水が 突然 北大西洋へ流出したことによる 気候変動の モデルによる再現も成功しています データと一致しています

様々な対象や 様々な評価により モデルが対象とする 範囲を広げ より興味をそそる質問がなされる より複雑な状況へと導きます たとえば オレンジ色で表示された サハラ砂漠から飛散する粉塵は 大西洋の熱帯性低気圧に どう影響するのでしょうか? 赤い点で表示された バイオマス燃焼の有機エアロゾルは 雲や降水パターンに どのような影響を与えるのでしょうか? 白い断片で示された 欧州の硫酸塩による汚染は どうなるのでしょうか? これが地表の温度や 地表に届く太陽光の量に どのような影響を与えるのでしょうか?

世界中のことを調べることができます 中国に発する公害や 暴風雨が大気中の海塩粒子に及ぼす 影響を調べることができます これらの様々な事象が 偶然同時に起きた場合の影響を 予測することも可能であり より興味深い疑問を提起できるのです 大気汚染と気候は いかに影響しあうのでしょうか? 大気汚染や気候に同時に 影響をあたえる事象を 変えられるのでしょうか? 答えは「変えられる」です

これは20世紀を通した変化の様子です 最初のものは モデルです 計算結果は 実際の天気とは少し異なります 2番目のものは 観測結果です 1930年代を通して見てみます 継続して変化が起きているものの ノイズといえるレベルのものです 1970年代になると 変化の兆しが見えます 予測と観測結果は より似てきます 2000年代になると 地球温暖化のパターンが 観察結果とモデルの双方で見られます

私たちは20世紀に 起こった事を知っています そうですよね? だんだん気温が 上がってきているのです 何故そうなったのかモデルで確認すると ― どうですか そう その通りです ― 基本的には大気中に放出した 二酸化炭素が原因となっています 現在に至るまで ぴったりと一致します

それでもモデルを見る理由が 一つあります それは このフレーズにあります 「未来の観察結果があったなら モデルよりも当然それを 信頼するでしょう でも 残念なことに 未来の観察結果などないのです」

未来のデータを見ると 違いが出てきます 未来のことは分からず 不確かですが 選択肢はあります これが今ある選択肢です 大気中の二酸化炭素の排出量を 削減するために 何かをすることができます その結果が上の図です もっと努力すれば さらに削減することができます そうすれば今世紀末には 現在よりさほど増えていることは ないでしょう あるいは 単に運命に委ね 旧態依然の態度を 続けるのです これらの選択肢の違いは モデルを見るだけでは 答えることはできません

オゾン層の破壊に関する研究で ノーベル化学賞を受賞した シャーウッド・ローランドは ノーベル賞授与式の時 名言を残しました 彼はこう問いかけました 「予測を立てるような科学を 発展させたとしても 予測が実現するのを 手をこまねいて ただ待つだけならば 結局のところ そんな科学が何の役に立つでしょう?」 モデルはスキルに満ちていますが モデルの情報をどう使うかは 完全にあなた次第なのです

ご清聴ありがとうございました

(拍手)

― もっと見る ―
― 折りたたむ ―

品詞分類

  • 主語
  • 動詞
  • 助動詞
  • 準動詞
  • 関係詞等

TED 日本語

TED Talks

関連動画

洋楽 おすすめ

RECOMMENDS

洋楽歌詞