Почему нам нужны новые климатические модели

Климатические модели — это история успеха, учитывая, что многое из предсказанного ими сбылось. Тем не менее, как отмечает в своем блоге Рето Кнутти, исследователям по-прежнему нужны новые модели.

Сегодняшние климатические модели симулируют воздушные и океанические течения, морской лёд, биосферу, сушу, углеродный цикл и многое другое. Они учитывают тысячи обратных связей и климатических процессов, состоят из миллионов строк кода и генерируют петабайты данных. На основе их проекций политики решили ограничить антропогенное глобальное потепление величиной значительно ниже 2 °C.

Однако каждая модель упрощает реальность и имеет определённое пространственное разрешение, ниже которого прогнозы невозможны. Современные климатические модели обычно имеют масштаб от 10 до 50 километров. Этого достаточно, чтобы понять необходимость сокращения выбросов CO₂. Но для прогнозирования частоты экстремальных событий, таких как жаркое и сухое лето 2018 года, или оценки будущего снежного покрова в конкретном горном селе к 2040 году, требуется разрешение всего в несколько километров. Именно на таких масштабах становятся критически важными локальные явления, такие как орография (горы и долины) или конвекция, формирующая облака.

Достижение такого высокого разрешения требует колоссальных вычислительных мощностей, которые всё чаще обеспечиваются компьютерами с графическими процессорами (GPU). Это, в свою очередь, требует перепрограммирования внутренней архитектуры моделей. Такие суперкомпьютеры позволяют лучше моделировать мелкомасштабные явления, но также генерируют огромные объёмы данных.

Создание высокодетальных моделей для новой компьютерной архитектуры требует экспертизы физиков, химиков, биологов для описания мелкомасштабных процессов, а также компьютерных учёных для эффективного использования технологий. Ключевым является диалог с конечными пользователями, такими как фермеры или инженеры. Понимание их потребностей в информации для конкретного места и временного горизонта позволяет адаптировать модели для практической пользы общества, минимизируя риски и уязвимости инфраструктуры.