Yo trabajé hace un tiempo con modelos informáticos, no eran modelos climáticos, pero no debería haber diferencias fundamentales, al menos en el concepto.
La construcción de un modelo, es algo relativamente complejo, y más para sistemas complejos como es el clima de la tierra.
Para ello se han hecho reconstrucciones del clima en periodos pasados, mediante estudios paleoclimáticos, y también se han tomado registros de esas variables que afectan al clima.
Por tanto en el caso del clima, hay unas variables que afectan al clima, como pueden ser el CO2, el albedo del planeta, el flujo solar, la posición del sol y la tierra, la temperatura global etc. y finalmente habrá unas salidas o outputs, en este caso nos interesa como output principalmente la temperatura que además de entrada debe ser una salida, ya que es lo que se quiere estudiar, y el sistema intuitivamente depende de la temperatura anterior, aunque habrá más salidas, no es importante.
Si se conoce el mecanismo físico de como afecta una variable a otra, construir el modelo es tan sencillo como aplicar una formula. Si se desconoce como es el modelo, por que hay interacciones internas entre las distintas variables, como en el caso del clima terrestre, hay herramientas matemáticas que pueden analizar el sistema, y perfectamente pueden coexistir ambas soluciones, finalmente con el método que sea, obtienes una "planta" que introduciendo los datos registrados y/o reconstruidos, se simula la respuesta.
La planta tiene asociados unos parámetros que representarán unas magnitudes físicas, de como una variable afecta a otra para este sistema en concreto, como por ejemplo podría ser como afecta un incremento del CO2 a la energía absorbida o algo similar.
Una vez obtienes esas magnitudes físicas y el modelo, dadas unas condiciones iniciales, la planta obtenida irá modificando las variables y debería reconstruir las salidas, en este caso la temperatura, una vez el modelo reproduce fielmente la temperatura, será considerado válido, por supuesto pequeñas discrepancias, son asumibles, nadie espera que se represente correctamente absolutamente todo pues eso es sencillamente imposible, por ejemplo aún no sabemos predecir una erupción volcánica, pero si sabemos que afecta a la temperatura global, por tanto es algo que no se puede introducir en el modelo, en los periodos para los que se realizó los registros o incluso las reconstrucciones.
Una vez validado, se puede seguir adelante y ver que pasará en el futuro, para hacer predicciones, cuanto mejor es el modelo mejor será la predicción.
Una vez validado, se puede seguir adelante y ver que pasará en el futuro, para hacer predicciones, cuanto mejor es el modelo mejor será la predicción.
Todo esto a que viene?
Me parece que ya es habitual, que cada cierto tiempo aparecen noticias, en las que nos dicen, oh no! va a ser peor de lo previsto! un nuevo estudio afirma que el incremento de temperatura ha podido ser subestimado entre un 30 y 50% o algo similar. Este estudio en concreto es de un profesor de Yale.
Si realmente el nuevo estudio es correcto, esto me hace dudar, los anteriores modelos no eran correctos?, o los datos con los que se validaron no eran correctos?. No hace esto dudar de esas afirmaciones de que la ciencia climática está tan "asentada", o es tan sólida como una roca.?
Si por el contrario el estudio no es correcto y ha pasado un peer review, quiere decir que los que lo revisaron han dejado pasar por bueno un trabajo incorrecto?, si fuese así dice poco del proceso de revisión por pares.
Por supuesto no soy un erudito en materia paleoclimática, puedo estar equivocado, tampoco me considero ninguna eminencia en la creación de modelos informáticos, y quizás haya olvidado lo poco que aprendí, aunque mi opinión es que esto es algo básico, pero si alguien ve donde fallan mis razonamientos por favor, que me lo haga saber.
Otro ejemplo, esta vez es por el Nitrogeno
No hay comentarios:
Publicar un comentario