Kritiek op klimaatmodellen is een terugkerend thema op klimaatblogs en in andere media. Soms snijdt die kritiek inhoudelijk hout en soms niet. Maar simpelweg ‘de klimaatmodellen’ aanwijzen als probleem is altijd onzorgvuldig. Ten eerste omdat ‘de klimaatmodellen’ niet bestaan. Er is een enorme verscheidenheid aan modellen die op een of andere manier in het klimaatonderzoek worden gebruikt. Die modellen kun je niet zomaar allemaal op een hoop gooien. En ten tweede zijn de modellen zelf vaak niet het probleem. Als er iets niet goed gaat, dan heeft dat meestal te maken met hoe die modellen worden gebruikt, of met hoe de resultaten worden gepresenteerd.
Wat is een model eigenlijk? Je zou kunnen zeggen dat de hele wetenschap uit modellen bestaat: stukjes werkelijkheid die uit de complexiteit van het universum worden gehaald, om ze als geïsoleerde fenomenen te beschrijven. De wetten van Newton vormen een model, net als de relativiteitstheorie. Maar tegenwoordig staat het woord ‘model’ meestal voor een computermodel. Ofwel, een computerprogramma dat een stukje van de werkelijkheid simuleert. De opkomst van die modellen begint halverwege de twintigste eeuw, toen ze werden gebruikt in het roemruchte Manhattan project. De eerste weer- en klimaatmodellen kwamen snel daarna. Tegenwoordig worden computermodellen vrijwel overal in de wetenschap gebruikt.
Modellen hebben nuttige toepassingen, maar ook beperkingen. Het kan misgaan als gebruikers van een model de beperkingen ervan niet kennen, omdat ze niet goed weten wat er ‘onder de motorkap’ gebeurt. Terwijl er bij het interpreteren van modelresultaten altijd rekening moet worden gehouden met die beperkingen. Kennis die ook al belangrijk kan zijn bij het bedenken van een modelexperiment. Want de uitkomst van een modelberekening hangt natuurlijk altijd af van de opdrachten die het model aan het begin van een simulatie krijgt. Modellen zijn dus geen machines die de toekomst kunnen voorspellen, hoe geavanceerd en veelomvattend ze ook zijn. Ze zijn gemaakt om ‘wat-als’ voorspellingen te doen binnen zekere grenzen.
De kans dat er iets misgaat wordt groter naarmate modellen complexer worden, en er kennis van meer wetenschappelijke disciplines in is verwerkt. Zogenaamde integrated assessment models (of IAM’s) zijn dergelijke modellen. Ook tussen die IAM’s zitten nog grote verschillen, maar ze combineren allemaal kennis uit bèta- en gammawetenschap. Daarmee simuleren ze de interactie tussen menselijke activiteiten en de fysieke omgeving waarin we leven. Het schema hieronder illustreert hoe zo’n IAM in grote lijnen werkt. Een meer gedetailleerd schema van een IAM (IMAGE van het PBL, om precies te zijn) is hier te vinden. Over de voors en tegens van dit type modellen wordt een serieuze, wetenschappelijke discussie gevoerd.
Het zal duidelijk zijn dat IAM’s veel meer simuleren dan alleen de fysica van het klimaat. Het is dan ook verwarrend om ze klimaatmodellen te noemen, zoals nogal eens gebeurt. Dat we zonder IAM’s niet zouden weten dat er een klimaatcrisis is klopt al helemaal niet. De eerste waarschuwingen voor het probleem kwamen uit dezelfde tijd als het allereerste klimaatmodel. Maar dat model was daar niet voor gebruikt. Het broeikaseffect zat er namelijk nog helemaal niet in. Het model simuleerde de grootschalige atmosferische simulatie en werd daarom ook wel general circulation model genoemd, of GCM. Die naam is sindsdien in gebruik gebleven voor complexe, fysische klimaatmodellen (al worden ze tegenwoordig ook wel eens global climate model genoemd). Ook toen de modellen groter en complexer werden en er ook fenomenen als het broeikaseffect en bewolking in werden opgenomen. Dat modellen groter en complexer werden was voor een aanzienlijk deel te danken aan de razendsnelle ontwikkeling van de computertechnologie. Maar ook de toenemende kennis over de werking van het klimaat speelde een rol.
In de loop van de jaren ’60 en ’70 bevestigden de GCM’s de eerdere zorgen, met als gevolg dat in 1979 zowel de deelnemers aan een internationale klimaatconferentie, als een commissie van de Amerikaanse Academie van Wetenschappen, de politiek waarschuwden dat er een klimaatprobleem aankwam. De Amerikaanse commissie concludeerde expliciet dat er geen reden meer was om te denken dat er iets fundamenteels ontbrak in GCM’s, dat van doorslaggevende invloed zou kunnen zijn op klimaatveranderingen op wereldschaal. Dat betekende dat die modellen bruikbaar waren om voorspellingen te doen over het klimaateffect van broeikasgassen. (Wat natuurlijk iets heel anders is dan het voorspellen van het toekomstige klimaat, want dat hangt onder andere af van hoeveel broeikasgassen wij uitstoten.) Dat vertrouwen in modellen was er dus pas een kwart eeuw na het eerste klimaatmodel. Modelontwikkeling vraagt om een lange adem.
Er waren ondertussen ook andere soorten modellen ontstaan. Eenvoudige modellen bijvoorbeeld, die weliswaar veel details niet meenamen die GCM’s wel konden simuleren, maar door hun eenvoud wel veel inzichtelijker waren. Daardoor hadden ze zeker nut in het wetenschappelijk onderzoek. Eendimensionale modellen, die alleen een verticale luchtkolom simuleren, hebben bijvoorbeeld veel bijgedragen aan het inzicht in de warmtehuishouding van de atmosfeer. En voor het onderzoek naar interacties tussen atmosfeer en oceaan zijn vrij simpele box-modellen soms bruikbaar. Zo’n model simuleert een aantal ‘doosjes’ met verschillende eigenschappen (van bijvoorbeeld de atmosfeer, de bovenlaag van de oceaan en de diepe oceaan) die warmte uitwisselen, of CO2. Dat er geen dure, geavanceerde supercomputers om zulke eenvoudige modellen op te draaien is een ander belangrijk voordeel, naast de inzichtelijkheid. Ook kwamen er modellen van andere onderdelen van het klimaatsysteem, zoals de oceaan, zee-ijs, gletsjers en ijskappen, en de koolstofcyclus. En gespecialiseerde modellen, bijvoorbeeld voor specifieke regio’s of voor toepassing in de paleoklimatologie. Koppelen van modellen was een andere belangrijke ontwikkeling. Dat heeft geleid tot de hedendaagse aardsysteemmodellen, die meestal zijn opgebouwd uit losse modellen van bijvoorbeeld de atmosfeer, de oceaan, ijs, of de biosfeer, die als modules in het overkoepelende model worden geschoven.
Een overeenkomst van al die modellen is dat ze gebaseerd zijn op fysica. Op natuurwetten dus, in principe, al zit de praktijk wat ingewikkelder in elkaar. Door modelresultaten te toetsen aan waarnemingen uit de echte wereld – waarvan we zeker weten dat die heel strikt de natuurwetten volgt – kunnen wetenschappers vrij goed vaststellen welke processen modellen goed kunnen simuleren, en welke minder goed. Op die manier helpen modellen de wetenschap vooruit: wat goed wordt gesimuleerd wordt blijkbaar goed begrepen, en wat minder goed gaat biedt aanknopingspunten voor verder onderzoek, wat vervolgens betere modellen op kan leveren. Dat klimaatmodellen (en bijvoorbeeld ook weermodellen) veel beter zijn geworden is dan ook niet alleen te danken aan de steeds snellere computers, maar zeker ook aan technologie die almaar meer en betere waarnemingen mogelijk maakte.
Het bestaan van natuurwetten, die over tien of honderd jaar nog precies hetzelfde zullen zijn als nu, maakt het leven voor natuurwetenschappers een stuk makkelijker. Het zijn zekerheden, waar ze op kunnen vertrouwen. Die luxe – want het is een luxe, al lijken niet alle bèta’s zich daarvan bewust – ontbreekt in de gedragswetenschappen. Harde economische, of sociologische, of politicologische ‘natuurwetten’, die als basis kunnen dienen voor modellen, zijn er niet. Kwantitatieve kennis is in deze disciplines grotendeels gebaseerd op (statistische) analyse van waarnemingen. Het is vaak onzeker in hoeverre relaties die hiermee worden gevonden ook geldig blijven in toekomstige, mogelijk heel andere omstandigheden. En voor een toetsing achteraf zijn de waarnemingen waar zo’n model om te beginnen al op was gebaseerd natuurlijk niet te gebruiken. Terwijl andere, onafhankelijke waarnemingen vaak lastig te vinden zijn.
Ook is het niet altijd mogelijk om normatieve aannames of keuzes buiten zo’n model te houden. Dat is een bekend probleem bij economische modellen, die meestal onderdeel zijn van een IAM. Hoe weeg je economische vooruitgang in rijke landen af tegen die in arme? Welvaart nu tegen die in de toekomst? Het BBP tegen de waarde van niet-materiële zaken, zoals biodiversiteit, cultureel erfgoed, vrije tijd, gezondheid, of levensverwachting? Hoe reken je onzekere, maar extreme gevolgen mee, zoals het onleefbaar worden van delen van de wereld of het passeren van (regionale of mondiale) kantelpunten? In principe is het ook mogelijk om al die zaken apart uit te voeren uit het model, maar dat levert wel een enorme rijstebrijberg aan cijfertjes op. Een bepaalde mate van aggregatie is nodig om iets aan te kunnen vangen met de modeluitvoer. Uiteindelijk is dit een probleem dat verder gaat dan IAM’s alleen. De fundamentele keuzes waar we voor staan zijn geen wetenschappelijke, maar ethische kwesties. En dus kan de wetenschap die keuzes niet voor ons maken, zelfs niet met behulp van de meest geavanceerde computermodellen. Die kunnen hoogstens een beetje helpen.
Met dit alles is zeker niet gezegd dat IAM’s, of de modules erin die menselijke gedrag simuleren, geen waarde hebben. Ze kunnen wel degelijk helpen om meer inzicht te krijgen in de complexe interacties tussen ons en onze leefomgeving. Zoals klimaatmodellen vanaf het allereerste begin hielpen om inzicht te krijgen in de werking van het klimaat. Maar een nuttig wetenschappelijk instrument is iets anders dan een glazen bol die de toekomst kan voorspellen. Mogelijk is het zelfs niet bruikbaar om goede wetenschappelijke, ofwel voorwaardelijke voorspellingen te doen. Het kostte immers ook een kleine 25 jaar werk tot klimaatmodellen zover waren. In die begintijd werd er vooral veel geleerd van wat die modellen niet goed simuleerden. Voor de veel ingewikkeldere IAM’s zou nog wel eens meer tijd nodig kunnen zijn.
Bouwers en gebruikers van IAM’s zouden zich wat meer mogen spiegelen aan de terughoudendheid van de klimaatwetenschappers uit midden jaren ’50 tot eind jaren ’70, die vooral de beperkingen van hun modellen benadrukken. Aan de andere kant is dat ook wel wat makkelijk gezegd. Klimaatwetenschappers konden het zich destijds permitteren om uitgebreid de tijd te nemen. Er waren weliswaar aanwijzingen dat door mensen veroorzaakte klimaatverandering een probleem kon worden, maar het was ook duidelijk dat dat iets zou zijn voor de vrij verre toekomst. De urgentie die wij voelen, als bewoners van die toekomst, was er nog niet. Wetenschappers van nu kunnen niet nog eens een paar decennia de tijd nemen om modellen te vervolmaken, en de maatschappij zo lang laten wachten op het resultaat. We zullen moeten schipperen met wat er is, inclusief alle onzekerheden. De discussie die nu wordt gevoerd over bruikbaarheid of onbruikbaarheid van IAM’s hoort bij dat schipperen. Ondertussen blijft de hoofdconclusie: we kunnen beredeneerde inschattingen van de toekomst maken, maar harde voorspellingen blijven onmogelijk. Dat zal wel nooit veranderen.
Klimaatverandering 
Ha Hans,
Net je artikel gelezen. Eerder vandaag las ik een artikel in de Volkskrant van Margriet Oostveen: Wat de sociale wetenschap kon betekenen in de pandemie: ‘Wij laten zien dat de voorspellingen klopten’ (volkskrant.nl) met daarin de link naar Using social and behavioural science to support COVID-19 pandemic response | Nature Human Behaviour Ik vond daarin oa. de volgende zinnen (vertaalde tekst):
“ Een van de centrale emotionele reacties tijdens een pandemie is angst. Mensen bezitten, net als andere dieren, een reeks verdedigingssystemen om ecologische bedreigingen te bestrijden4,5.”
“ Een andere uitdaging is dat mensen vaak een ‘optimism bias’ vertonen: de overtuiging dat slechte dingen jezelf minder snel overkomen dan anderen.”
“In het geval van sterke emotionele reacties kunnen mensen ook belangrijke numerieke informatie negeren, zoals waarschijnlijkheden19 en de omvang van een probleem20.”
“het preventief blootstellen van mensen aan kleine doses desinformatietechnieken (inclusief scenario’s over COVID-19) de gevoeligheid voor nepnieuws kan verminderen” Lees het hele artikel (klusje).
Gaat dat ook op voor klimaatfeiten?
LikeLike
Hi Lieuwe,
Het laatstgenoemde citaat verwijst naar het ‘inoculation’ idee met betrekking tot desinformatie. Je zou het als een analogon van het gebruik van vaccins kunnen zien:
-> kleine doses desinformatie toedienen;
-> daarmee mensen laten oefenen in het herkennen ervan;
-> waardoor zij, bij blootstelling aan meer/ergere desinfo en nepnieuws, dit beter kunnen herkennen en terzijde schuiven.
Ook bij het toedienen van vaccins ‘train’ je het immuunsysteem immers om de ziekteverwekkers te herkennen en te bestrijden. Een onderzoek naar de effectiviteit van deze ‘inoculation theory’ staat hier:
https://www.science.org/doi/10.1126/sciadv.abo6254
“we find that these videos improve manipulation technique recognition, boost confidence in spotting these techniques, increase people’s ability to discern trustworthy from untrustworthy content, and improve the quality of their sharing decisions. These effects are robust across the political spectrum and a wide variety of covariates. We show that psychological inoculation campaigns on social media are effective at improving misinformation resilience at scale.”
Dit is ook een reden om sommige des/mis-informatie op dit blog te bespreken: de lezer te oefenen in het herkennen van de meest voorkomende cognitieve valkuilen.
LikeLike
Hans,
Heldere uitleg, verplichte kost voor studenten in allerlei vakgebieden 🙂
Over het ‘instrument’ IAM zeg je o.m. “Mogelijk is het zelfs niet bruikbaar om goede wetenschappelijke, ofwel voorwaardelijke voorspellingen te doen.
Daar haak ik effe op in. Ik begrijp IAM’s allesbehalve assessments want er valt niks te evalueren/beoordelen. In feite zijn het gedachtenexperimenten. Ze illustreren hoe complex het ‘aardsysteem’ is en macro-gebeurtenissen (geopolitiek, klimatologische tipping points) onoverzienbaar zijn laat staan voorspelbaar.
De nadruk in je stuk op het verschil tussen de ‘luxe’ (jouw term) van bèta en de ‘armoe’ (mijn term) van alfa en gamma is een goeie.
LikeLike
Lieuwe,
Het zijn onderwerpen waar ik wat minder in thuis ben dan in de fysische kant van klimaatverandering. Maar toch even kort wat antwoorden.
Een belangrijk verschil tussen een pandemie en klimaatverandering is de tijdschaal. Dat heeft ongetwijfeld invloed op hoe we ermee omgaan. Als je bang bent voor een zich ontwikkelende pandemie kun je, bij wijze van spreken, onder de dekens kruipen en wachten tot hij over is. Wachten tot klimaatverandering over is, is geen optie. Natuurlijk zijn er andere zogenaamde coping mechanismes voor angst. Maar ook die zullen voor een concrete dreiging op korte termijn vaak ook wat anders zijn dan voor de gevaren van klimaatverandering, waarvan we niet kunnen weten wanneer die zich (voor ons) aan zullen dienen in ernstige vorm.
‘Optimism bias’ zou zo’n coping mechanisme kunnen zijn. Het lijkt me heel aannemelijk dat dat bij veel mensen meespeelt. Niet altijd onterecht. Als je wat ouder bent kun je denken dat het jouw tijd wel zal duren. En het is heel aannemelijk dat de hardste klappen elders zullen vallen: in arme economieën die veel afhankelijker zijn van landbouw dan wij, en die niet de middelen hebben om zich aan te passen aan het veranderende klimaat.
Als mensen mechanisme van desinformatie leren herkennen, dan zou dat in principe voor alle desinformatie moeten werken, ongeacht het onderwerp. Inoculatie heeft dus zeker zin.
Goff,
Dank je.
LikeLike
Bob,
inoculatie van des-info is iets anders dan bespreken (zoals Klimaatveranda doet) van des-info.
Ik zie de sociale ‘heilzaamheid’ van inoculatie van des-info niet.
Overigens zijn vaccins geen kwestie van des-informatie voor immuun-systemen, het is regelrechte info.
LikeLike
Goff,
Vaccins leveren een deel v/d schadelijke informatie (namelijk het spike-eiwit in het geval van COVID-19). Hierdoor wordt het immuunsysteem geoefend in het herkennen van de schadelijke informatie.
Indien later ‘the real thing’ binnenkomt, kan het immuunsysteem dit meteen herkennen, en:
“This approach is usually grounded in inoculation theory (14). Inoculation theory follows a medical immunization analogy and posits that it is possible to build psychological resistance against unwanted persuasion attempts, much like medical inoculations build physiological resistance against pathogens. Psychological inoculation treatments contain two core components (15): (i) a forewarning that induces a perceived threat of an impending attack on one’s attitudes and (ii) exposure to a weakened (micro)dose of misinformation that contains a preemptive refutation (or prebunk) of the anticipated misleading arguments or persuasion techniques.”
LikeLike
Goff,
Inoculatie is wel degelijk belangrijk. Je schiet niet zoveel op met het weerleggen van desinformatie, als mensen moeite hebben met het onderscheid tussen betrouwbare en onbetrouwbare informatie. Je moet de onderliggende mechanismes blootleggen om duidelijk te maken dat het niet zomaar twee meningen zijn die tegenover elkaar staan. En daarmee kun je mensen ook helpen om hun eigen bullshit-dectector te ontwikkelen.
LikeLike
Bob,
ik weet heel goed wat vaccins doen: ze leveren geen des-informatie aan immuunsystemen, ze leveren zeer ter zake doende informatie om immunolgische weerstand te ontwikkelen. Dat is één.
Twee, de studie waarnaar je verwijst is 100% gebaseerd op de ‘begging the question’ strategie. Ik heb dat ding gelezen en zelden bij een artikel zo vaak mijn epistemologische en methodologische wenkbrouwen omhoog voelen gaan.
Drie, wat mij betreft is die studie een schoolvoorbeeld van wetenschappelijke des-informatie. Het is heel simpel: biochemisch ter zake doende inocculatie (vaccins en als je wilt homeopathische verdunningen) is van een totaal andere orde dan socio-psychologische dingen waarover de (methodoligisch rammelende) studie gaat.
Hans,
zie boven. Dat is wat bedoelde met “…mensen ook helpen om hun eigen bullshit-dectector te ontwikkelen [jouw woorden]”.
LikeLike
Goff,
Zoals ik het begrijp: bij inoculatie tegen desinformatie is een kleine dosis desinformatie de “zeer ter zake doende informatie” die nodig is om immunologische weerstand te ontwikkelen. Of andersom: een virus kun je zien als desinformatie voor een gezond organisme, dus een vaccin is een kleine dosis desinformatie dat het immuunsysteem dan kan corrigeren, zodat het beter bestand is tegen een grotere dosis door besmetting.
LikeLike
Voor het realiseren van een fysisch model in dit geval een klimaatmodel zijn alle vergelijkingen uit de fysica voor het modelleren van het klimaat ervan bekend. Toch wordt het klimaatmodel vaak in partjes verdeeld. Het parametriseren van de vele parameters van het wiskundig model en onzekerheden erin dienen in het model te worden meegenomen of worden geschat en gevalideerd op basis van metingen. Het is ook mogelijk op basis van alleen metingen een model te vangen echter dan is er ook geen reflectie naar fysische parameters die er moeten zijn om het proces te kunnen snappen. In de modellering van het klimaatmodel zal ook het deterministische chaosmodel van toepassing zijn wat ook onzekerheid in het voorspellen van het klimaat haar invloed zal hebben. Je zou het kunnen vergelijken met de onzekerheidsrelatie van Heisenberg. Hoe dichterbij je bij de werkelijkheid komt hoe onzekerder de uitkomst van de voorspelling.
Een mooi model voorbeeld is het in “kaart” brengen van de eigenfrequenties van de dipolen zoals CO2 en H2O. Beide zijn broeikasgassen. Met de Schrödingervergelijking de energie en golffunctie oplossen is een haast ondoenlijke zaak. Door de Born-Oppenheimer benadering in de molecuulfysica en de kwantumchemie toe te passen, kan de berekening van de energie en golffunctie van grotere systemen, zoals moleculen worden vergemakkelijkt. Je kunt daarmee ook de golffuncties van dipolen m.b.v. de klassieke mechanica benaderen.
LikeLike
Lennart,
neem me niet kwalijk, het is bizar om een virus te percipieren als biochemische des-informatie. Ga ik verder niet op door of op in. Nogmaals: een virus opvoeren als des-informatie is schoolvoorbeeld van des-informatie.
Het onderzoek waarnaar Bob verwees is een schoolvoorbeeld van academisch gebakken lucht. Er klopt wetenschappelijk/methodologisch gezien helemaal niks van. Lees dat ding maar, de auteurs weten het zelf wel ook waar ze een handvol gebreken van hun ‘onderzoek’ opsommen. Tja.
Ik hou erover op en heb het liever over het thema van dit draadje: verschil/raakpunten tussen klimaatmodellen en Integrated Assessment Models.
LikeLike
Goff,
Dat je het woord bizar in de mond neemt, is voor mij dan weer bizar. Maar je hebt gelijk dat dit verschil van inzicht niet relevant genoeg is om al te veel tijd aan te besteden.
LikeLike
Goff,
Vaccins leveren ‘schadelijke informatie’ aan het immuunsysteem, in een vorm en/of hoeveelheid waar het immuunsysteem dan op kan oefenen.
Dit is de analogie die er in de wetenschappelijke publicaties met deze ‘inoculation’ bedoeld wordt: leren om de schadelijke informatie (desinformatie) te herkennen… door: “(ii) exposure to a weakened (micro)dose of misinformation that contains a preemptive refutation (or prebunk) of the anticipated misleading arguments or persuasion techniques.”
De analogie lijkt me duidelijk en wordt in de betreffende wetenschappelijke publicaties ook zo gehanteerd. In het proefondervindelijke onderzoek dat ik hierboven al twee keer heb aangehaald, blijkt het ook te werken. Wat mij betreft: terug naar het onderwerp van het blogstuk.
LikeLike
Bob,
dat het blogstuk over iets anders gaat had ik al onder je aandacht gebracht. So what’s up? Heb je nog iets over het verschil/raakpunten tussen klimaatmodellen en IMG’s?
LikeLike
Hans, Ik heb uit je artikel begrepen dat IAM’s een reeks van plausibele toekomstscenario’s kunnen presenteren. Het lijkt mij dat IAM-output’s gebruikt moeten worden als verkennend, en dat de aannames en waardeoordelen van het betreffende model expliciet moeten worden vermeld, omdat ze subjectief zijn.
Hans, heb jij het idee dat die aannames en waardeoordelen voldoende expliciet erbij worden vermeld?
LikeLike
Hans, je zegt “Ondertussen blijft de hoofdconclusie: we kunnen beredeneerde inschattingen van de toekomst maken, maar harde voorspellingen blijven onmogelijk. Dat zal wel nooit veranderen.”
Ik begrijp je wetenschappelijke voorzichtigheid wel, maar toch: dit lijkt mij een duidelijk gevalletje van ja en nee. We kunnen volgens mij wel niet-onrealistische concluderende uitspraken doen als: “binnen 1,5 graad blijven, nee dat zit er praktisch gezien niet meer in.” Of: “we weten inmiddels wel dat de zeespiegelstijging onomkeerbaar is.” Of: “we weten dat we in overshoot zijn op bepaalde terreinen en we weten dat de trend daarvan nog niet gekeerd is PLUS we weten dat de beleidsvoornemens voor het komende jaar op dat bepaalde terrein ontoereikend zijn om de trend te keren en DUS kan de conclusie niet anders zijn dan dat we er over een jaar slechter voorstaan dan nu” Deze uitspraak anders geformuleerd: “het CO2-nivo is over een jaar hoger dan nu.”
LikeLike
Jaap,
Er zijn verschillende typen IAM’s, en ze worden voor verschillende toepassingen gebruikt. Het risico dat aannames en normatieve keuzes ‘onder de motorkap’ verborgen blijven is er altijd, maar in sommige gevallen is dat problematischer dan in andere.
Het grootste probleem zit in de modellen waarover wordt geclaimd dat ze zoiets als de ‘optimale opwarming’ kunnen berekenen. Want alle ethische afwegingen die daaraan te pas komen worden dan op een of andere manier in het model verstopt. En dat gebeurt niet transparant. Dan kan ook niet, omdat dat geheel aan afwegingen daar te omvangrijk en complex voor is.
Bij scenario-ontwikkeling is dat minder het geval, omdat daar niet één ‘optimale’ uitkomst wordt gepresenteerd. Er wordt dus niet aan de modellen gevraagd om de ingewikkelde ethische kwesties rond klimaatverandering maar eens even voor ons op te lossen. Maar helemaal onbestaand is het daar ook weer niet, lijkt me. Want er kan nog steeds teveel gewicht worden gegeven aan keuzes die in bepaalde scenario’s zijn gemaakt: wel of geen kernenergie, of wel of geen CO2-opslag bijvoorbeeld. Er kan schijnzekerheid ontstaan: de verhaallijn van een scenario kan opgevat worden als ‘een van de mogelijke toekomsten’. Ik vind het wel lastig in te schatten in hoeverre je daarbij direct een link met de gebruikte modellen moet leggen. Het gebruik van scenario’s op zich brengt dat risico al met zich mee. En natuurlijk fabriceren IAM’s zulke scenario’s niet uit het niks, er komen ook flink wat menselijke keuzes aan te pas.
Wat je tweede punt betreft, natuurlijk kun je sommige voorspellingen met grote mate van zekerheid doen. Maar hoe verder in de toekomst, en hoe complexer de materie, hoe onzekerder het wordt.
LikeLike
Hans,
het wordt wanneer we verder de toekomst inkijken onzekerder aan de bovenkant, maar volgens mij niet zomaar aan de onderkant van de bandbreedtes. Sterker nog, het wordt juist zekerder aan de onderkant. Immers, in de loop van de tijd zijn we steeds weer ondergrenzen gepasseerd en die kunnen we dus afstrepen. Binnen de scenario’s en andere realistische benaderingen kunnen we de afstreepmethode gebruiken aan de onderkant van de bandbreedtes. Op een eerder moment kon 1,2 graad opwarming weggestreept worden, een tijdje later 1,3 weer iets later 1,4 en nu al wel 1,5 – praktisch gezien. In het verloop van de tijd verdwijnt er zo steeds een stukje onzekerheid aan de onderkant.
LikeLike
Jaap,
Natuurlijk. Wat we nu doen, heeft in de toekomst invloed. En dus kun je in de loop van de tijd opties wegstrepen. Dat lijkt me niet meer dan het intrappen van een open deur.
Maar het verandert niks aan mijn constatering. De onder- en bovenkant van het waarschijnlijkheidsinterval divergeren naarmate je verder weg kijkt. En dus wordt het verder in de toekomst onzekerder.
LikeLike
Hans,
oké. dan zou ik het als volgt willen herformuleren:
De toekomst is onbepaald binnen bepaalde bandbreedtes van klima-ecoleefbaarheid, zij wordt bepaald door de bandbreedtes die wij in het heden aan de toekomst opleggen.
LikeLike
Jaap,
Als je voor ‘bepaald’ nog ‘mede’ had geschreven, was ik het er helemaal mee eens geweest. Het is natuurlijk ook waar het in alle debatten over duurzaamheid en verwante onderwerpen over gaat. (Je zou zelfs kunnen zeggen dat alle alle beleid in de kern gaat over bandbreedtes van het een of ander die wij in het heden aan de toekomst opleggen.)
De slotopmerking van mijn blog was overigens in algemene zin bedoeld. Ik had het daar niet specifiek over het klimaat.
LikeLike
Goff, Lennart,
Goff, je zegt “neem me niet kwalijk, het is bizar om een virus te percipieren als biochemische des-informatie. Ga ik verder niet op door of op in. “.
Ik wel. Een virus is, vanuit het perspectief van een cel, desinformatie. Een virus weet door zijn moleculaire signalen de machinerie van een cel over te nemen en te gebruiken voor eigen doeleinden. Tussen virus en cel en organisme woedt een regelrechte informatie oorlog.
Informatie is hier niet: een representatie van een stand van zaken, zoals bij ons in de volksmond.
Informatie is hier: een mengeling van recepten en signalen om een chemische machinerie aan te sturen.
Desinformatie is receptuur die die celmachinerie in de war stuurt, of aanstuurt tot gedrag dat tegen het organisme ingaat waar de cel deel van uitmaakt.
Ik vind de parallel met desinformatie op menselijk niveau juist verbluffend goed. Desinformatie bestaat ook door uit signalen die niet zozeer standen van zaken weergeven, maar triggers zijn om gedrag te veranderen en te manipuleren.
Meer woorden hoeven er niet aan besteed te worden.
LikeLike
Dirk,
“Meer woorden hoeven er niet aan besteed te worden”
Ja, dat was al eerder vastgesteld in dit draadje. Heb je nog wat over het thema van het blogstuk?
LikeLike
Hans Custers | 29 december 2023 om 22:18 | zie mijn reactie op ‘open discussie’ i.v.m. off topic.
LikeLike
Hans,
Nog even terugkomend op de IAM’s. Het eind van je stuk luidt
“Wetenschappers van nu kunnen niet nog eens een paar decennia de tijd nemen om modellen te vervolmaken, en de maatschappij zo lang laten wachten op het resultaat. We zullen moeten schipperen met wat er is, inclusief alle onzekerheden. De discussie die nu wordt gevoerd over bruikbaarheid of onbruikbaarheid van IAM’s hoort bij dat schipperen”
Ik bevind me niet alleen in het kamp ‘onbruikbaarheid’ maar ook in het kamp ‘overbodigheid.’ Toelichting (en commentaar erop welkom als ik iets over het hoofd zie):
– de gebreken van IAM’s zijn bekend, als belangrijkste de willekeur in selectie van variabelen.
– laat ik aannemen dat alle denkbare variabelen in een mega-IAM zitten en dat met giga-rekenkracht (de beloofde quantumcomputer!) alle mogelijke waardes van alle variabelen met elkaar worden vergeleken. Dat leidt tot irrelevante preciesie. Het is irrelevant omdat ‘we’ ook zonder IAM’s weten wat ons te doen staat.
Ter afsluiting een wetenschapshistorische kanttekening/vraag: zijn IAM’s opportunistisch gebruik in de academische werkgemeenschap (denk aan publicatie-dwang) van digitale rekenkracht die de bouwers ter beschikking staat?
LikeLike
Goff,
Het klopt dat we weten wat ons te doen staat. Maar perfecte IAM’s zouden kunnen helpen bij hoe we dat zouden moeten doen. Hoe hoog zou een CO2-heffing moeten zijn? Waar en hoe moet je de armste landen of bevolkingsgroepen te hulp schieten? Hoeveel geld moet je reserveren voor adaptatie? Enzovoort.
Een antwoord op je slotvraag heb ik niet. Zoveel zicht op waar welke rekenkracht wordt ingezet heb ik nou ook weer niet. Ik trap wel nog even een open deur in. In de wetenschap ken je de afloop van onderzoek nooit van tevoren. Pas achteraf kun je vaststellen of het resultaat alle inzet van mensen, geld en andere middelen waard is geweest.
LikeLike
Hans,
ik heb het artikel van Stern et al. (waarnaar je verwijst in je stuk) over de gebreken van economische analyse in IAM’s gelezen. Hun forse kritiek betreft met name de bagatellisering van diepe onzekerheid en extreme risico’s. Als alternatief stellen ze voor om economische hoofdthema’s gescheiden in kaart te brengen, elk met in achtneming van ‘deep uncertainty and extreme risk’ voor de diverse klimatologische zones en de internationale +1,5°/2° doelstelling. Op die manier zouden beleidmakers beter bediend kunnen worden. Met understatement zeggen ze erbij dat hun alternatief “…is deep and difficult work”.
Beleidmakers weten dankzij de aardwetenschappen en niet dankzij economen wat hun te doen staat en hun taak/werk is in de ingezette energietransitie beslissingen nemen en de uitvoering ervan faciliteren. Economen komen daar bij van pas als doorrekenaars van financiele implicaties van de genomen beslissingen. Ik krijg niet de indruk dat ook Stern zich die rol niet heeft eigen gemaakt.
LikeLike
Goff,
Ik raak een beetje in de war van de dubbele ontkenning in je slotzin. Was dat een foutje?
Ik denk dat de meeste economen behoorlijk op hun teentjes getrapt zijn als je ze uitsluitend ziet als doorrekenaars van financiële implicaties. Eigenlijk is het in de economie allemaal te doen om de verdeling van schaarste.
LikeLike
Hans,
ja dat is een knip-en-plak fout, erg verwarrend inderdaad. De eerste ontkenning in die slotzin hoort daar niet.
Wat betreft het op economen-teentjes trappen: het zou wel wat zijn als iemand onderzoek deed naar de (mate van) consensus onder economen over hun rol/taak inzake energietransitie-beleid [analoog aan het onderzoek naar consensus onder klimatologen jaren geleden]. En tegelijk doet iemand anders onderzoek naar hoe beleidmakers van de energietransitie de rol/taak van economen zien. Met understatement zeg ik erbij dat zoiets “…deep and difficult work” is.
Je zegt “Eigenlijk is het in de economie allemaal te doen om de verdeling van schaarste.” Ja, dat is de spijker op de kop. Maar nota bene: het zijn de beleidmakers die – aan de voordeur geinformeerd door de aardwetenschappen – bepalen wat schaars en riskant is. Het zijn de economen die aan de achterdeur de beleidsmatige verdeling van schaarste & risico’s monetair kunnen doorrekenen.
Wat mij betreft gaat de energietransitie gepaard met transitie van de rol/taak van de economische discipline.
LikeLike