Um estudo do projeto europeu Horizonte 2020 TiPES confirma que as grandes incertezas dos modelos climáticos usados ​​nos relatórios do IPCC podem ser reduzidas consideravelmente pelo uso de mecânica estatística. A tecnica, que tem sido encarado com ceticismo por alguns especialistas, leva a previsões climáticas muito melhoradas e também pode ajudar a avaliar os pontos de inflexão, os autores concluem em Relatórios Científicos .

Um grande desafio na previsão do clima é a incerteza sobre como vamos lidar com as mudanças climáticas. As simulações de computador devem ser executadas repetidamente com diferentes cenários que variam no desenvolvimento econômico futuro, quantidades de gases que influenciam o clima, a mudança no uso das práticas de uso da terra, decisões políticas, etc.

Mas os modelos climáticos avançados da classe IPCC são demorados e funcionam em supercomputadores que são caros de se trabalhar. Apenas uma seleção limitada de cenários está sendo considerada a cada nova geração de modelo climático.

A consequência são grandes lacunas em nossa compreensão do sistema climático porque os resultados de diferentes cenários e modelos não podem ser facilmente comparados. Há muitas perguntas sem resposta, como quando e como os pontos de inflexão ocorrerão? Exatamente quanto custará uma determinada quantidade de CO ₂ adicionado à atmosfera afetará a temperatura média global nos dias atuais, bem como nos próximos séculos?

Agora, Valerio Lucarini, University of Reading, Reino Unido e Valerio Lembo, Universität Hamburg, Alemanha e Francesco Ragone, Ecole Normale Superieure, Lyon, Documento da França em Relatórios Científicos que essas incertezas podem ser reduzidas consideravelmente. Eles descobriram que a qualidade da informação extraída de modelos climáticos avançados melhora significativamente quando submetida à teoria da mecânica estatística.

“O que fizemos foi mostrar que a abordagem é viável mesmo em um modelo climático da classe usada para as projeções do IPCC, ”explica Valerio Lucarini.

O grupo construiu os chamados operadores de resposta matemática que traduzem as entradas na forma de cenários forçados em saídas na forma de sinais de mudança climática. O método foi então aplicado à mais nova geração de modelos climáticos avançados, chamado CMIP6.

Os cálculos previram com precisão as variações na temperatura média global, bem como as correntes oceânicas de grande escala, como a circulação de reviravolta meridional do Atlântico e a corrente circumpolar da Antártica, demonstrando que o método funciona.

É a primeira vez que essa abordagem, que é extremamente teórico e usa propriedades matemáticas e físicas muito básicas, foi aplicado a um modelo climático complexo em escala real com um oceano totalmente interativo.

"Em princípio, as ferramentas que usamos aqui permitem que você preencha a lacuna entre diferentes cenários e - digamos - decompor o efeito de diferentes forças. Então é como uma caixa preta. Você me dá um período de tempo e uma quantidade de força e eu dou a resposta. Em tempo real. É uma maneira muito eficiente de usar os dados e você pode basicamente construir um cenário completo de forçamento para um determinado modelo, "explica Lucarini.

“Muitas pessoas acreditaram que isso não seria viável para um modelo da classe IPCC. nós mostramos que funciona. E assim como é mais fácil prever o movimento estatístico de bilhões de moléculas do que o movimento exato de uma, esta abordagem realmente funciona melhor quanto mais complexo for o modelo climático, "diz Lucarini.

Teoricamente, espera-se que a abordagem também facilite a avaliação dos pontos de inflexão. Testar a resposta do sistema em uma variedade de cenários agora é mais acessível, o que significa que tais experimentos podem descobrir onde o sistema é mais sensível em certas direções para determinado forçamento. Essa é exatamente a situação quando nos aproximamos de um ponto de inflexão.