Gavin Schmidt: The emergent patterns of climate change

מתרגם: Zeeva Livshitz מבקר: Ido Dekkers

We live in a very complex environment:

אנו חיים בסביבה מורכבת ביותר:

complexity and dynamism

מורכבות ודינמיות

and patterns of evidence

ודפוסים של ראיות

from satellite photographs, from videos.

מצילומי לוויין, מסרטונים.

You can even see it outside your window.

אפשר לראות זאת אפילו מבעד לחלון.

It's endlessly complex, but somehow familiar,

זו מורכב אינסופית, אך איכשהו מוכר,

but the patterns kind of repeat,

אבל הדפוסים איכשהו חוזרים על עצמם,

but they never repeat exactly.

אך לעולם לא באופן מדויק.

It's a huge challenge to understand.

זהו אתגר עצום להבנה.

The patterns that you see

הדפוסים שאתם רואים

are there at all of the different scales,

נמצאים בכל קני המידה השונים,

but you can't chop it into one little bit and say,

אבל אי-אפשר לקצוץ אותם לכדי פיסה קטנה ולומר,

"Oh, well let me just make a smaller climate."

"אז בואו ופשוט נעשה אקלים קטן יותר."

I can't use the normal products of reductionism

אינני יכול להשתמש בתוצרים הרגילים של רדוקציוניזם

to get a smaller and smaller thing that I can study

כדי לקבל משהו יותר ויותר קטן

in a laboratory and say, "Oh,

שאוכל לחקור במעבדה ולומר: "אהה!

now that's something I now understand."

זה כבר משהו שאני כעת מבין."

It's the whole or it's nothing.

זה הכל או לא-כלום.

The different scales that give you

קני המידה השונים שנותנים

these kinds of patterns

דפוסים שכאלה,

range over an enormous range of magnitude,

משתרעים על קשת עצומה של סדרי-גודל,

roughly 14 orders of magnitude,

בערך 14 סדרי-גודל,

from the small microscopic particles

החל מהחלקיקים המיקרוסקופיים

that seed clouds

שמהווים זרעים לעננים

to the size of the planet itself,

ועד לגודל של כוכב הלכת עצמו,

from 10 to the minus six

מ-10 בחזקת מינוס 6

to 10 to the eight,

ועד 10 בחזקת 8,

14 orders of spatial magnitude.

14 סדרי-גודל מרחביים.

In time, from milliseconds to millennia,

בזמן: מאלפית שניה ועד אלפי שנים -

again around 14 orders of magnitude.

שוב, כ-14 סדרי-גודל.

What does that mean?

מה זה אומר?

Okay, well if you think about how

אם תחשבו

you can calculate these things,

איך אפשר לחשב את הדברים האלה,

you can take what you can see,

אפשר לקחת את הדברים שאתם יכולים לראות,

okay, I'm going to chop it up

ולפרוס ולחלק אותם

into lots of little boxes,

להרבה קופסאות קטנות,

and that's the result of physics, right?

ולקבל את התוצאה הפיזית, נכון?

And if I think about a weather model,

ואם תחשבו על מודל אקלימי,

that spans about five orders of magnitude,

שמשתרע על כ-5 סדרי-גודל,

from the planet to a few kilometers,

מרמת הכוכב ועד לקילומטרים ספורים,

and the time scale

כשסולם הזמן

from a few minutes to 10 days, maybe a month.

מדקות ספורות ועד 10 ימים, או חודש.

We're interested in more than that.

אנו מעוניינים ביותר מכך.

We're interested in the climate.

אנו מתעניינים באקלים.

That's years, that's millennia,

מדובר בשנים, באלפי שנים,

and we need to go to even smaller scales.

ואנו צריכים לפנות אפילו לקני מידה קטנים יותר.

The stuff that we can't resolve,

הדברים שאנחנו לא יכולים לפתור,

the sub-scale processes,

לתהליכי תת קני מידה

we need to approximate in some way.

אנו צריכים להתקרב בדרך כלשהי,

That is a huge challenge.

זהו אתגר עצום.

Climate models in the 1990s

מודלים אקלימיים בשנות ה-90

took an even smaller chunk of that,

לקחו אף נתח עוד יותר קטן מזה,

only about three orders of magnitude.

רק כשלושה סדרי גודל.

Climate models in the 2010s,

מודלים אקלימיים ב-2010

kind of what we're working with now,

מסוג דומה למה שאנו עובדים אתו כעת,

four orders of magnitude.

ארבעה סדרי גודל.

We have 14 to go,

יש בפנינו עוד 14

and we're increasing our capability

ואנחנו מגדילים את היכולת שלנו

of simulating those at about

להדמייתם בערך

one extra order of magnitude every decade.

בסדר גודל אחד נוסף בכל עשור.

One extra order of magnitude in space

סדר גודל אחד נוסף בחלל

is 10,000 times more calculations.

הוא הוא פי 10,000 יותר חישובים.

And we keep adding more things,

ואנו ממשיכים להוסיף עוד דברים,

more questions to these different models.

עוד שאלות למודלים שונים אלה

So what does a climate model look like?

אז כיצד נראה מודל אקלימי?

This is an old climate model, admittedly,

זהו מודל אקלימי ישן, יש להודות,

a punch card, a single line of Fortran code.

כרטיס ניקוב, שורה אחת של קוד פורטרן

We no longer use punch cards.

איננו משתמשים יותר בכרטיסי ניקוב.

We do still use Fortran.

אנו עדיין משתמשים בפורטרן.

New-fangled ideas like C

לרעיונות חדשים מתוחכמים כמו C

really haven't had a big impact

באמת לא היתה לו היתה השפעה גדולה

on the climate modeling community.

על קהילת המודלים האקלימיים

But how do we go about doing it?

אבל איך אנחנו הולכים לעשות את זה?

How do we go from that complexity that you saw

איך אנחנו הולכים מהמורכבות הזו שראיתם

to a line of code?

לשורת קוד?

We do it one piece at a time.

אנחנו עושים זאת פיסה אחת כל פעם.

This is a picture of sea ice

זוהי תמונה של ים קרח

taken flying over the Arctic.

שצולמה במהלך טיסה מעל הקוטב הצפוני.

We can look at all of the different equations

אנחנו יכולים להסתכל על כל המשוואות השונות

that go into making the ice grow

שנכנסות לתוך צמיחת הקרח

or melt or change shape.

או ההמסה או שינוי צורה.

We can look at the fluxes.

אנחנו יכולים להסתכל על ההפשרות.

We can look at the rate at which

אנו יכולים להסתכל על המהירות שבה

snow turns to ice, and we can code that.

שלג הופך לקרח, ואנו יכולים לקודד את זה.

We can encapsulate that in code.

אנו יכולים לתמצת זאת בקוד.

These models are around

מודלים אלה הם סביב

a million lines of code at this point,

מיליון שורות קוד בנקודה זו,

and growing by tens of thousands of lines of code

וגדלים בעשרות אלפי שורות קוד

every year.

בכל שנה.

So you can look at that piece,

אז אתם יכולים להסתכל על פיסה זו

but you can look at the other pieces too.

אבל אתם כולים להסתכל גם על פיסות אחרות.

What happens when you have clouds?

מה קורה כשיש עננים?

What happens when clouds form,

מה קורה כשעננים נוצרים?

when they dissipate, when they rain out?

כשהם מתפוגגים, כאשר הם מורידים גשם?

That's another piece.

זוהי פיסה אחרת.

What happens when we have radiation

מה קורה כאשר יש לנו קרינה

coming from the sun, going through the atmosphere,

שמגיעה מהשמש, ועוברת באטמוספירה

being absorbed and reflected?

נקלטת ומשתקפת?

We can code each of those very small pieces as well.

אנו יכולים לקודד כל אחת מהפיסות הקטנות האלה גם כן.

There are other pieces:

יש פיסות אחרות:

the winds changing the ocean currents.

הרוחות משנות את זרמי האוקינוס

We can talk about the role of vegetation

אנחנו יכולים לדבר על תפקידה של הצמחייה

in transporting water from the soils

בהובלת מים מהקרקעות

back into the atmosphere.

חזרה לאטמוספירה.

And each of these different elements

ואת כל המרכיבים השונים האלה

we can encapsulate and put into a system.

אנו יכולים לתמצת ולהכניס לתוך מערכת

Each of those pieces ends up adding to the whole.

כל אחת מפיסות אלו מתווספת לשלם בסופו של דבר.

And you get something like this.

ואתם מקבלים משהו כמו זה.

You get a beautiful representation

אתם מקבלים ייצוג יפה

of what's going on in the climate system,

של מה שקורה במערכת האקלימית,

where each and every one of those

שבה כל אחד ואחד מאותם

emergent patterns that you can see,

דפוסים מתהווים שאתם יכולים לראות,

the swirls in the Southern Ocean,

המערבולות באוקיינוס ​​הדרומי,

the tropical cyclone in the Gulf of Mexico,

הציקלון הטרופי במפרץ מקסיקו,

and there's two more that are going to pop up

ויש עוד שניים שהולכים לצוץ

in the Pacific at any point now,

באוקינוס השקט בכל רגע כעת,

those rivers of atmospheric water,

נהרות אלה של מים אטמוספרים אלה

all of those are emergent properties

כל אלה הם תכונות מתהוות

that come from the interactions

שמגיעות מהאינטראקציות

of all of those small-scale processes I mentioned.

של כל התהליכים האלה בקנה מידה קטן שהזכרתי.

There's no code that says,

אין שום קוד שאומר,

"Do a wiggle in the Southern Ocean."

"גירמו לתנודות בים הדרומי."

There's no code that says, "Have two

אין שום קוד שאומר, " צריך שיהיו לכם שתי

tropical cyclones that spin around each other."

סופות ציקלון טרופיות שמסתובבות אחת סביב השניה."

All of those things are emergent properties.

כל אלה הם תכונות מתהוות.

This is all very good. This is all great.

כל זה טוב מאוד. כל זה נהדר.

But what we really want to know

אבל מה שאנחנו באמת רוצים לדעת

is what happens to these emergent properties

הוא מה קורה לתכונות מתהוות אלו

when we kick the system?

כאשר אנו בועטים במערכת?

When something changes, what happens to those properties?

כאשר משהו משתנה, מה קורה לתכונות אלו?

And there's lots of different ways to kick the system.

וישנן הרבה דרכים לבעוט במערכת.

There are wobbles in the Earth's orbit

יש התנודדויות במסלול של כדור הארץ

over hundreds of thousands of years

במשך מאות אלפי שנים

that change the climate.

שמשנות את האקלים

There are changes in the solar cycles,

ישנם שינויים במחזורי השמש,

every 11 years and longer, that change the climate.

כל 11 שנים ויותר, שמשנים את האקלים.

Big volcanoes go off and change the climate.

הרי געש גדולים מתפרצים ומשנים את האקלים.

Changes in biomass burning, in smoke,

שינויים בביומסה בוערת, בעשן,

in aerosol particles, all of those things

בחלקיקי תרסיס, כל הדברים האלה

change the climate.

משנים את האקלים.

The ozone hole changed the climate.

החור באוזון שינה את האקלים.

Deforestation changes the climate

כריתת יערות משנה את האקלים

by changing the surface properties

על ידי שינוי מאפייני השטח

and how water is evaporated

ואיך מים מתאדים

and moved around in the system.

ונעים סביב במערכת.

Contrails change the climate

התעבויות משנות את האקלים

by creating clouds where there were none before,

על ידי יצירת עננים היכן שלא היו כאלה קודם לכן,

and of course greenhouse gases change the system.

וכמובן גזי חממה משנים את המערכת.

Each of these different kicks

כל אחת מבעיטות אלו

provides us with a target

מספקת לנו יעד

to evaluate whether we understand

כדי להעריך אם אנחנו מבינים

something about this system.

משהו אודות המערכת הזו.

So we can go to look at

אז אנחנו יכולים לשוב ולבחון

what model skill is.

מהו מודל מיומן

Now I use the word "skill" advisedly:

עכשיו אני משתמש במילה "מיומן" בכוונה תחילה:

Models are not right or wrong; they're always wrong.

מודלים אינם נכונים או שגויים: הם תמיד שגויים.

They're always approximations.

הם תמיד הערכות.

The question you have to ask

השאלה שעליכם לשאול

is whether a model tells you more information

היא האם מודל נותן לך יותר מידע

than you would have had otherwise.

מאשר היית מקבל בלעדיו.

If it does, it's skillful.

אם כן, זה מיומן.

This is the impact of the ozone hole

זוהי ההשפעה של החור באוזון

on sea level pressure, so low pressure, high pressures,

על לחץ פני הים , ולכן לחץ נמוך , לחצים גבוהים ,

around the southern oceans, around Antarctica.

סביב האוקיינוסים הדרומיים, סביב אנטארקטיקה.

This is observed data.

אלה הם נתונים נצפים,

This is modeled data.

זהו מודל נתונים.

There's a good match

יש התאמה טובה

because we understand the physics

כי אנחנו מבינים את הפיזיקה

that controls the temperatures in the stratosphere

השולטת בטמפרטורות שבסטרטוספירה

and what that does to the winds

ומה זה עושה לרוחות

around the southern oceans.

סביב האוקיינוסים הדרומיים.

We can look at other examples.

אנחנו יכולים להסתכל על דוגמאות אחרות.

The eruption of Mount Pinatubo in 1991

התפרצות הר הגעש פינטובו ב- 1991

put an enormous amount of aerosols, small particles,

החדירה כמות עצומה של תרסיסים, חלקיקים קטנים

into the stratosphere.

לתוך הסטרטוספירה

That changed the radiation balance of the whole planet.

זה שינה את איזון הקרינה של כדור הארץ כולו.

There was less energy coming in than there was before,

פחות אנרגיה הגיעה מאשר היתה קודם לכן,

so that cooled the planet,

כך שכדור הארץ התקרר,

and those red lines and those green lines,

וקווים אדומים אלה וקווים ירוקים אלה,

those are the differences between what we expected

הם ההבדלים בין מה שציפינו

and what actually happened.

למה שבאמת קרה.

The models are skillful,

המודלים הם מיומנים,

not just in the global mean,

לא רק בממוצע הגלובלי,

but also in the regional patterns.

אלא גם בדפוסים האזוריים.

I could go through a dozen more examples:

הייתי יכול להציג תריסר דוגמאות נוספות:

the skill associated with solar cycles,

המיומנות שקשורה במחזורי שמש,

changing the ozone in the stratosphere;

משנה את האוזון בסטרטוספירה;

the skill associated with orbital changes

המיומנות שקשורה בשינויים מסלוליים

over 6,000 years.

מעל ל-6000 שנים.

We can look at that too, and the models are skillful.

אנו יכולים להסתכל על זה גם, והמודלים הם מיומנים.

The models are skillful in response to the ice sheets

המודלים מיומנים בתגובה ליריעות הקרח

20,000 years ago.

לפני 20,000 שנים.

The models are skillful

המודלים מיומנים

when it comes to the 20th-century trends

כשמדובר במגמות המאה ה-20

over the decades.

לאורך העשורים.

Models are successful at modeling

המודלים מצליחים בהדגמת

lake outbursts into the North Atlantic

התפרצויות אגם לתוך צפון האוקיינוס ​​האטלנטי

8,000 years ago.

לפני 8,000 שנה.

And we can get a good match to the data.

ואנחנו יכולים לקבל התאמה טובה לנתונים.

Each of these different targets,

כל אחד מהיעדים השונים האלה,

each of these different evaluations,

כל אחת מההערכות השונות האלו,

leads us to add more scope

מובילה אותנו להוסיף עוד טווח

to these models,

למודלים אלה.

and leads us to more and more

ומובילה אותנו למצבים

complex situations that we can ask

יותר ויותר מורכבים שאנו יכולים לשאול

more and more interesting questions,

שאלות יותר ויותר מענינות,

like, how does dust from the Sahara,

כמו, כיצד אבק ממדבר סהרה

that you can see in the orange,

שאתם יכולים לראות בכתום,

interact with tropical cyclones in the Atlantic?

עושה אינטראקציה עם סופות ציקלון טרופיות באוקיינוס ​​האטלנטי?

How do organic aerosols from biomass burning,

איך תרסיסים אורגניים מביומסה בוערת,

which you can see in the red dots,

שאתם יכולים לראות בנקודות האדומות,

intersect with clouds and rainfall patterns?

מצטלבים עם עננים ודפוסים של ירידת גשמים?

How does pollution, which you can see

איך זיהום אוויר שאתם יכולים לראות

in the white wisps of sulfate pollution in Europe,

באניצים הלבנים של זיהום סולפט באירופה,

how does that affect the temperatures at the surface

כיצד זה משפיע על הטמפרטורות שעל פני השטח

and the sunlight that you get at the surface?

ועל אור השמש שאתם מקבלים על פני השטח?

We can look at this across the world.

אנחנו יכולים להסתכל על זה בכל העולם.

We can look at the pollution from China.

אנו יכולים להסתכל על הזיהום מסין.

We can look at the impacts of storms

אנו יכולים להסתכל על ההשפעות של סופות

on sea salt particles in the atmosphere.

על חלקיקי מלח ים באטמוספירה.

We can see the combination

אנחנו יכולים לראות את השילוב

of all of these different things

של כל הדברים השונים האלה

happening all at once,

קורים כולם בבת אחת.

and we can ask much more interesting questions.

ואנחנו יכולים לשאול שאלות הרבה יותר מענינות.

How do air pollution and climate coexist?

כיצד זיהום האוויר והאקלים, דרים בכפיפה אחת ?

Can we change things

האם נוכל לשנות דברים

that affect air pollution and climate at the same time?

שמשפיעים על זיהום אוויר ואקלים באותו הזמן?

The answer is yes.

התשובה היא כן.

So this is a history of the 20th century.

אז זו היא היסטוריה של המאה 20.

The first one is the model.

הראשון הוא המודל.

The weather is a little bit different

מזג האוויר הוא קצת שונה

to what actually happened.

ממה שקרה בפועל.

The second one are the observations.

השני הם התצפיות.

And we're going through the 1930s.

ואנחנו עוברים דרך שנות ה-30.

There's variability, there are things going on,

יש השתנויות, קורים דברים,

but it's all kind of in the noise.

אבל כל זה הוא סוג של רעש.

As you get towards the 1970s,

כשמתקדמים לקראת שנות ה-70,

things are going to start to change.

דברים מתחילים להשתנות.

They're going to start to look more similar,

הם מתחילים להיראות יותר דומים,

and by the time you get to the 2000s,

וכשמגיעים לשנות ה-2000,

you're already seeing the patterns of global warming,

אתם כבר רואים את דפוסי ההתחממות הגלובלית,

both in the observations and in the model.

הן בתצפיות ובמודל.

We know what happened over the 20th century.

אנו יודעים מה קרה לאורך המאה העשרים.

Right? We know that it's gotten warmer.

נכון? אנו יודעים שנעשה חם יותר.

We know where it's gotten warmer.

אנחנו יודעים איפה נעשה חם יותר.

And if you ask the models why did that happen,

ואם תשאלו את המודלים מדוע זה קרה,

and you say, okay, well, yes,

ואתם אומרים , בסדר, טוב , כן,

basically it's because of the carbon dioxide

ביסודו זה בגלל פחמן דו חמצני

we put into the atmosphere.

שאנו מחדירים לאטמוספירה.

We have a very good match

יש לנו התאמה טובה מאד

up until the present day.

עד עצם היום הזה.

But there's one key reason why we look at models,

אב יש סיבה עיקרית אחת למה אנחנו מסתכלים על דגמים,

and that's because of this phrase here.

וזה בגלל המשפט הזה כאן.

Because if we had observations of the future,

משום שאם היו לנו תצפיות של העתיד,

we obviously would trust them more than models,

בוודאות היינו סומכים עליהם יותר מאשר על מודלים,

But unfortunately,

אך למרבה הצער,

observations of the future are not available at this time.

תצפיות של העתיד אינן זמינות בשלב זה.

So when we go out into the future, there's a difference.

אז כאשר אנו נכנסים אל העתיד, יש שוני.

The future is unknown, the future is uncertain,

העתיד בלתי ידוע, העתיד אינו ודאי,

and there are choices.

וישנן אפשרויות.

Here are the choices that we have.

אלו האפשרויות שיש לנו.

We can do some work to mitigate

אנו יכולים לעשות עבודה כלשהי כדי למתן

the emissions of carbon dioxide into the atmosphere.

את הפליטות של פחמן דו חמצני לאטמוספרה.

That's the top one.

זה הדבר העיקרי.

We can do more work

אנו יכולים לעשות יותר עבודה

to really bring it down

כדי ממש להפחית את זה

so that by the end of the century,

כך שעד סוף המאה,

it's not much more than there is now.

זה לא יהיה יותר מאשר כעת.

Or we can just leave it to fate

או שאנו יכולים פשוט להשאיר אותו לגורלו

and continue on

ולהמשיך הלאה

with a business-as-usual type of attitude.

בסוג של גישת עסקים כרגיל.

The differences between these choices

על ההבדלים בין האפשרויות האלו

can't be answered by looking at models.

לא ניתן לענות על ידי הסתכלות על מודלים.

There's a great phrase

יש משפט גדול

that Sherwood Rowland,

ששרווד רולנד,

who won the Nobel Prize for the chemistry

שזכה בפרס נובל בכימיה

that led to ozone depletion,

שהוביל לדלדול האוזון,

when he was accepting his Nobel Prize,

כשקיבל את פרס נובל,

he asked this question:

הוא שאל את השאלה:

"What is the use of having developed a science

" מהו הטעם בפיתוח מדע

well enough to make predictions if, in the end,

מספיק טוב כדי לעשות תחזיות, אם בסופו של דבר,

all we're willing to do is stand around

כל מה שאנו מוכנים לעשות זה לעמוד

and wait for them to come true?"

ולחכות שיתגשמו?"

The models are skillful,

המודלים מיומנים,

but what we do with the information from those models

אבל מה שאנו עושים עם המידע ממודלים אלה

is totally up to you.

לגמרי תלויים בכם.

Thank you.

תודה רבה,

(Applause)

(מחיאות כפיים)