Υδρολογία εναντίον «κλιματικής επιστήμης»
Μια αντιπαράθεση με βάση τη νέα μου εργασία «Πότε τα μοντέλα είναι χρήσιμα; Επανεξέταση της ποσοτικοποίησης των ελέγχων της πραγματικότητας»
[Υπάρχει και αγγλική έκδοση της ανάρτησης—There is also an English version of the post]
Για όσους δεν είναι εξοικειωμένοι με την υδρολογία, εδώ είναι ο ορισμός της από την UNESCO: 1
Υδρολογία είναι η επιστήμη που ασχολείται με τα ύδατα της Γης, την παρουσία, την κυκλοφορία και κατανομή τους στον πλανήτη, τις φυσικές και χημικές ιδιότητές τους, και τις αλληλεπιδράσεις τους με το φυσικό και βιολογικό περιβάλλον, συμπεριλαμβανομένων των αποκρίσεων στις ανθρώπινες δραστηριότητες.
Όσο για το κλίμα, επίσης υπάρχει μια επιστήμη που ασχολείται μ’ αυτό και ονομάζεται κλιματολογία. Τι είναι λοιπόν η «κλιματική επιστήμη», μια πιο πρόσφατη ονομασία που έχει έρθει στο προσκήνιο τις τελευταίες δεκαετίες; Η δική μου ερμηνεία είναι ότι είναι ευφημισμός για την «κλιματική σοφιστεία». Και πρέπει πάντα να έχουμε κατά νου το ακόλουθο απόφθεγμα του John R. Searle:2
Ένας καλός κανόνας που πρέπει να έχουμε κατά νου είναι πως οτιδήποτε αυτοαποκαλείται «επιστήμη» μάλλον δεν είναι.
Η υδρολογία έχει στενούς δεσμούς με την επιστήμη του πολιτικού μηχανικού, καθώς είναι πολύ σημαντική για τον σχεδιασμό και τη διαχείριση των υποδομών.3 Αυτό ήταν ευτύχημα, καθώς τής κράτησε τα πόδια στο έδαφος του πραγματικού κόσμου και απέτρεψε την απογείωσή της σε εικονικές πραγματικότητες.
Τα υδροσυστήματα με τα οποία ασχολείται η υδρολογία, είναι πολύπλοκα και έτσι τα μοντέλα της βασίζονται σε δεδομένα από παρατηρήσεις. Οι αναλύσεις των δεδομένων πρέπει να βασίζονται στη στοχαστική. Όπως είναι κατανοητό, η υδρολογία υπήρξε εισαγωγέας ιδεών από τον επιστημονικό κλάδο της στοχαστικής και από άλλα συναφή πεδία. Υπάρχουν μερικές εξαιρέσεις όπου υπήρξε εξαγωγέας. Μία από αυτές είναι η συμπεριφορά Hurst-Kolmogorov, η οποία παρουσιάστηκε σε προηγούμενη ανάρτηση: Τα δώρα του Νείλου για την κατανόηση του κλίματος - Μέρος 3. Η άλλη είναι μια απλή στατιστική έκφραση για να αξιολογηθεί αν ένα μοντέλο είναι χρήσιμο και ονομάζεται επίδοση Nash-Sutcliffe (Nash–Sutcliffe efficiency ή NSE).
Για την πρώτη, ο πρωτοπόρος ήταν ο Βρετανός υδρολόγος H.E. Hurst,4 ο οποίος αφιέρωσε ολόκληρη τη σταδιοδρομία του στη μέτρηση και τη μελέτη του Νείλου. Η άλλη προτάθηκε από τον Ιρλανδό πολιτικό μηχανικό και υδρολόγο J.E. Nash και τον Αγγλοϊρλανδό υδρολόγο J.V. Sutcliffe,5 σε μια μελέτη που εδώ και πολλά χρόνια είναι η πλέον αναφερόμενη υδρολογική εργασία (σήμερα με περίπου 28 000 αναφορές στο Google Scholar και περισσότερες από 18 000 στο Scopus). Η χρήση της έχει διαδοθεί και πέρα απ’ την υδρολογία, όπως στη γεωφυσική, τις γεωεπιστήμες, τις ατμοσφαιρικές επιστήμες, τις περιβαλλοντικές επιστήμες, τη στατιστική, τις επιστήμες του μηχανικού, την επιστήμη των δεδομένων και την υπολογιστική νοημοσύνη.
Η τελευταία μου εργασία που δημοσιεύτηκε προχτές είναι η ακόλουθη και σχετίζεται με εκείνη των Nash και Sutcliffe:
D. Koutsoyiannis, When are models useful? Revisiting the quantification of reality checks, Water, 17 (2), 264, doi:10.3390/w17020264, 2025.
[Πότε τα μοντέλα είναι χρήσιμα; Επανεξέταση της ποσοτικοποίησης των ελέγχων της πραγματικότητας]
Αντιγράφω παρακάτω σε ελληνική μετάφραση την ενότητα «Συζήτηση και Συμπεράσματα», η οποία παρέχει μια περίληψη της μελέτης:
Η κλασική επίδοση Nash-Sutcliffe φαίνεται να είναι ένα καλό μέτρο της καταλληλότητας ενός μοντέλου. Ωστόσο, η συγχώνευση δύο διαφορετικών χαρακτηριστικών, της εξηγούμενης διασποράς και της μεροληψίας, δεν είναι πάντα χρήσιμη. Η μεροληψία θα μπορούσε να είναι ένα πολύ σημαντικό χαρακτηριστικό που πρέπει να ληφθεί υπόψη για ένα μοντέλο που βασίζεται στη φυσική, όπου η μεροληψία αντανακλά την παραβίαση ενός φυσικού νόμου (π.χ. διατήρηση της μάζας ή της ενέργειας). Σε τέτοιες περιπτώσεις, μια μεγάλη μεροληψία θα αποτελούσε επαρκή λόγο για την απόρριψη ενός μοντέλου, ακόμη και αν αυτό αποτυπώνει τα μοτίβα της μεταβλητότητας.
Σε άλλες περιπτώσεις, στις οποίες το μοντέλο είναι εννοιολογικού ή στατιστικού και όχι φυσικού τύπου, η μεροληψία μπορεί εύκολα να εξαλειφθεί με μια μετατόπιση της αρχής. Σε τέτοιες περιπτώσεις, ένας μη γραμμικός μετασχηματισμός των παρατηρημένων και των μοντελοποιημένων σειρών, συνοδευόμενος από γραμμικό μετασχηματισμό των προσομοιωμένων σειρών [...], μπορεί ενδεχομένως να βελτιώσει τη συμφωνία μεταξύ του μοντέλου και της πραγματικότητας. Προτείνεται σε τέτοιες περιπτώσεις, η ποσοτική αξιολόγηση της χρησιμότητας του μοντέλου να βασίζεται στις μετρικές ιδιότητες τόσο της αρχικής όσο και της μετασχηματισμένης σειράς.
Οι τυπικές μετρικές που χρησιμοποιούνται σήμερα για την αξιολόγηση της επίδοσης του μοντέλου βασίζονται σε κλασικά στατιστικά χαρακτηριστικά μέχρι δεύτερης τάξης. Αυτό δεν αποτελεί πρόβλημα όταν οι διεργασίες είναι γκαουσιανές, αλλά οι περισσότερες υδρολογικές διεργασίες είναι μη γκαουσιανές. Η έννοια των εύγνωστων ροπών (knowable moments ή K-moments) μας προσφέρει μια βάση για την επέκταση των μετρικών επίδοσης σε υψηλές τάξεις, μέχρι το μέγεθος του δείγματος. Οι δύο μετρικές που προτείνονται, η Κ-μη-εξηγούμενη μεταβλητότητα (K-unexplained variation, KUV_p), και η Κ-μεροληψία (K-bias, KB_p), και οι δύο βασισμένες στις Κ-ροπές (K-moments) του σφάλματος του μοντέλου, παρέχουν ιδανικά μέσα για την αξιολόγηση της συμφωνίας των μοντέλων με την πραγματικότητα — όσο πιο κοντά στο μηδέν είναι, τόσο καλύτερη είναι η συμφωνία. Η χαμηλότερη τάξη στην οποία αξιολογούνται είναι p = 2, η οποία αντιπροσωπεύει ιδιότητες δεύτερης τάξης, αλλά και η χρήση υψηλότερων τάξεων δίνει χρήσιμες πληροφορίες σχετικά με τη συμφωνία ολόκληρων των συναρτήσεων κατανομής.
Η πραγματική εφαρμογή που παρουσιάζεται είναι μια μεγάλης κλίμακας σύγκριση των αποτελεσμάτων των κλιματικών μοντέλων για τις βροχοπτώσεις με την πραγματικότητα κατά τα τελευταία 84 χρόνια. Αποδεικνύεται ότι η βροχόπτωση που προσομοιώνεται από τα κλιματικά μοντέλα δεν συμφωνεί με την πραγματικότητα σε ετήσια κλίμακα, αλλά υπάρχει κάποια βελτίωση σε μεγαλύτερες χρονικές κλίμακες σε ημισφαιρική βάση. Ωστόσο, όταν η χωρική κλίμακα μειώνεται από ημισφαιρική σε ηπειρωτική, δηλαδή όταν εξετάζεται η Ευρώπη, η επίδοση του μοντέλου είναι φτωχή ακόμη και σε μεγάλες χρονικές κλίμακες. Επομένως, η χρησιμότητα των αποτελεσμάτων των κλιματικών μοντέλων για υδρολογικούς σκοπούς είναι αμφίβολη.
Από πρακτική άποψη, για να είναι ένα μοντέλο χρήσιμο, η μετρική NSE, η οποία συγκρίνει τις προσομοιώσεις του μοντέλου με την πραγματικότητα, πρέπει να είναι κοντά στο ένα. Εάν είναι μηδέν, αυτό σημαίνει ότι η χρήση του μοντέλου δεν είναι καλύτερη από την αντικατάστασή του με έναν μόνο αριθμό, τον μέσο όρο των παρατηρήσεων. Εάν είναι αρνητική, σημαίνει ότι είναι καλύτερα να πετάξουμε το μοντέλο.
Ακολουθεί μια απεικόνιση των επιδόσεων 37 κλιματικών μοντέλων (όλων των μοντέλων των οποίων τα αποτελέσματα είναι δημόσια διαθέσιμα μέσω της πλατφόρμας του KNMI Climexp). Για να δημιουργηθούν χρονοσειρές που να αντιπροσωπεύουν την πραγματικότητα, στην εργασία χρησιμοποιήθηκαν τα δεδομένα της επανανάλυσης ERA5 ως βάση για την αξιολόγηση των επιδόσεων των μοντέλων. Στις περισσότερες περιπτώσεις η NSE δεν είναι απλώς αρνητική — είναι εξαιρετικά αρνητική, ακόμη και σε χωρικές κλίμακες τόσο μεγάλες όσο η ημισφαιρική.
Τα δύο κλιματικά μοντέλα με τις «λιγότερο φτωχές» επιδόσεις, στην εργασία διερευνήθηκαν περαιτέρω για την Ευρώπη. Ακολουθούν οι συγκρίσεις τους με τη χρονοσειρά ERA5, η οποία αντιπροσωπεύει την πραγματικότητα.
Και εδώ είναι οι δείκτες επίδοσης με βάση το πλαίσιο που προτείνεται στην εργασία, την Κ-επεξηγούμενη μεταβλητότητα, η οποία είναι πιο ευνοϊκή για ένα μοντέλο από την NSE, επειδή εξαιρεί τη μεροληψία. Και πάλι αρνητικά αποτελέσματα.
Τίθεται τότε το ερώτημα: Χρησιμοποιούν οι υδρολόγοι αυτά τα άχρηστα αποτελέσματα των κλιματικών μοντέλων; Η απάντηση είναι καταφατική. Ενώ δεν θα χρησιμοποιούσαν ποτέ ένα υδρολογικό μοντέλο με αρνητικό δείκτη επίδοσης, χρησιμοποιούν με προθυμία τα αποτελέσματα των κλιματικών μοντέλων σε υδρολογικές μελέτες. Και υπάρχουν μυριάδες υδρολογικές εργασίες που τα χρησιμοποιούν.
Γιατί συμβαίνει αυτό; Μια τυπική απάντηση είναι ότι τα κλιματικά μοντέλα είναι η καλύτερη διαθέσιμη τεχνολογία. Αυτό είναι ένα επιχείρημα διπλά άκυρο. Πρώτον, αν η καλύτερη διαθέσιμη τεχνολογία μας επιτρέπει να κατασκευάσουμε ένα διώροφο κτίριο, δεν θα τη χρησιμοποιούσαμε για να χτίσουμε έναν ουρανοξύστη, σωστά; Δεύτερον, δεν είναι αλήθεια ότι τα κλιματικά μοντέλα είναι η καλύτερη διαθέσιμη τεχνολογία. Τα στοχαστικά μοντέλα είναι πολύ απλούστερα, λιγότερο απαιτητικά ως προς τους αλγορίθμους, χρειάζονται λιγότερο ισχυρούς υπερυπολογιστές (οι οποίοι, παρά το γεγονός ότι είναι επίσης απαιτητικοί σε χρήμα, δίνουν τελικά παραπλανητικά αποτελέσματα), αλλά περισσότερο απαιτητικά σε σκέψη και γνώση. Ένα παράδειγμα όπου τα στοχαστικά μοντέλα έχουν αποδώσει πολύ καλύτερα από τα κλιματικά μοντέλα σε ένα πραγματικό πρόβλημα είναι η διαχείριση μιας μακροχρόνιας και έντονης ξηρασίας στην Αθήνα.6
ΥΓ. Ο πραγματικός λόγος για τη χρήση των αποτελεσμάτων των κλιματικών μοντέλων στις υδρολογικές μελέτες είναι ότι τα κλιματικά μοντέλα είναι η καλύτερη διαθέσιμη τεχνολογία για την εξασφάλιση χρημάτων από ερευνητικά κονδύλια.
J. R. Searle, Minds, Brains and Science, Harvard University Press: Cambridge, MA, USA, 1984.
H.E. Hurst, Long-Term Storage Capacity of Reservoirs. Trans. Am. Soc. Civ. Eng. , 116, 770–799, 1951.
J.E. Nash and J. V. Sutcliffe, River flow forecasting through conceptual models, part I—A discussion of principles. J. Hydrol., 10, 282–290, 1970.
D. Koutsoyiannis, A. Efstratiadis, and K. Georgakakos, Uncertainty assessment of future hydroclimatic predictions: A comparison of probabilistic and scenario-based approaches, Journal of Hydrometeorology, 8 (3), 261–281, doi:10.1175/JHM576.1, 2007.
D. Koutsoyiannis, Hurst-Kolmogorov dynamics and uncertainty, Journal of the American Water Resources Association, 47 (3), 481–495, doi:10.1111/j.1752-1688.2011.00543.x, 2011.