Zvrácená klimatická integrace

Dnes je na internetu módní nadávat na vědce, že jedou pouze "mainstream" a zavírají oči před realitou. Nebo že se publikuje pouze politická agenda. A já moc nevím, proč si to mnoho lidí myslí. Když prohledávám vědecké databáze, je to jako prohrabávání se v truhlici plné pokladů! Člověk tam nalezne spoustu publikací, které jsou zajímavé, mimořádné nebo od mainstreamu na míle vzdálené. A obvykle stačí do vyhledávacího filtru zadat k tématu pár frází navíc - jako například "surprising", "curiosity", "problem" nebo "metascience".

No a podobným stylem jsem včera narazila na zajímavou (a aktuální) studii, která se zabývá financováním výzkumu v Kanadě, USA a Novém Zélandu. Agentury financující výzkum v těchto zemích (CIHR, NIH, NIWA) od vědců požadují, aby do svého výzkumu integrovali projekci změny klimatu a nějak to "kvantifikovali". Týká se to zejména oborů zdravotnictví, zemědělství, infrastruktury a ekonomiky. Jenomže kvantifikovat projekci něčeho, co je samo o sobě pravděpodobnostní a modelové, je tak trochu... no, problém. A navíc, spousty výzkumů se klima ani netýká a když tuhle pitomost v návrhu svého projektu odmítnou, holt, peníze nedostanou.

Musím říct, že tahle studie obsahuje hodně zajímavých tvrzení, takže je budu přímo citovat:

"Navzdory své sofistikovanosti nejsou současné nejmodernější klimatické modely navrženy tak, aby přinášely spolehlivé projekce v krátkém časovém horizontu."
Tohle mě dostalo asi nejvíc. Ty agentury totiž požadují jakousi kvantifikaci v časovém horizontu 10 - 20 let, ale klimatické modely jsou většinou dlouhodobé, tj. i na stovky let. To znamená, že výzkumníci mají nějak napasovat čísla na něco, na co se ta čísla ani napasovat nedají... 👀 (Ještě se zeptám... jak tohle asi ovlivní příčinnost změny klimatu na studovaný jev? Ráda bych viděla ten rozptyl hodnot v souboru dat...)

"Pravděpodobnostní a na modelech založená povaha výstupu klimatického modelu spolu s hlubokými nejistotami v modelové struktuře a parametrizaci je činí nevhodnými pro mnoho nařízených aplikací."
S hlubokými nejistotami v modelové struktuře... No, nelineární jevy, jakým je počasí, se ani jinak než "nejistě" nechovají...

"Klimatologové sami zdůrazňují hrubé prostorové rozlišení, strukturální nejistoty a mezimodelové šíření modelů pozemských systémů..." nebo "Proměnné, jako jsou teplotní, srážkové a cirkulační vzory, ve velkých prostorových a časových měřítkách vykazují mezimodelové variace a systematické předsudky. Problémy se zhoršují s rostoucím rozlišením a zkracujícími se časovými rámci. Klimatologové sami tyto limity uznávají."
Takže klimatologové moc dobře vědí, o čem ty jejich modely a predikce jsou... Teď jenom nevím, jestli je buď nikdo neposlouchá, nebo se oni bojí o tom mluvit...

"Když jsou vědci v oblasti rybolovu, zdravotničtí ekonomové nebo zemědělští plánovači povinni používat informace o klimatu, které jsou buď nedostupné, nebo nespolehlivé, jsou umístěni do nemožné pozice, která podkopává jejich schopnost provádět racionální politiku veřejného výzkumu. Představte si, že jste požádáni, abyste v příštích 12 letech začlenili projekce kouře z požárů do modelu předpovídajícího budoucí zdravotní problémy, přičemž žádný zdroj neposkytuje odpovědné prognózy nebo související odhady nejistoty pro tyto vstupy."
Bez komentáře...

"Problém nespočívá v tom, že by vědci měli ignorovat změnu klimatu, ale v tom, že se od nich vyžaduje, aby integrovali formy znalostí, které jsou často nedostupné nebo špatně sestavené, neověřené nebo financované pro sebevědomé použití při rozhodování."
Je dobré, že autor článku "problém" rozpoznal a šíří ho dál...

"Problémem není jen to, že modely třídy CMIP (srovnávací modely) produkují hrubé nebo pravděpodobnostní výstupy, ale že nejsou validovány pro tyto rozhodovací kontexty. ... Očekává se však, že následní výzkumní pracovníci tyto projekce použijí – nikoli k pokroku v porozumění, ale k uspokojení institucionálních mandátů a kritérií financování."
Bez komentáře...

"Zatímco teplota a vodní proudění jsou klíčovými hnacími silami fyziologie ryb, jejich výskytu v daných lokalitách a načasování životního cyklu, tyto proměnné samy o sobě neurčují perzistenci druhů."
Zajímavé tvrzení...

"V metadatech ESGF (Earth System Grid Federation) najdete název modelu, scénář, časové rozlišení, jednotky a odkazy ke stažení - ale nic vám neříká, zda denní srážky nad Bangladéšem přesně sedí na daný model. Nedozvíte se, že mnoho modelů špatně umístí jihoasijské monzunové dešťové pásy, že předsudky v sezónních úhrnech mohou překročit 50 % nebo že změny v denních srážkových extrémech se liší napříč modely."
Tohle je aktuální problém metadat obecně - je to taková "džungle", ve které nevíte, na jaká data vlastně koukáte. Hmm... tenhle soubor popisuje, kolik opic je v Indii nebo spíš kolik kvarků včera zachytili v CERNu?🤔

A perla na závěr, nad kterou by se měl zamyslet každý (mainstream, alternativa, vědci, lidé, kdokoliv...) a která krásně vystihuje závěr celé studie:

"To má za následek to, co bychom mohli nazvat reprezentačním přetížením: použití výstupů klimatického modelu v kontextech, kde je jejich důkazní hodnota slabá, ale jejich rétorika je silná."
Kolik informací (nejenom ve vědě) je pouhým křikem přehlušujícím ty opravdové důkazy...

Vřele doporučuji si tuhle studii přečíst! Dokonale ilustruje absurdistán finančních agentur, nejistotu klimatických modelů a mezioborovou nespolupráci. Téměř každá věta stojí za to, takže klobouk dolů před autorem!