Том 32. Бабочка и ураган. Теория хаоса и глобальное потепление - [38]

- Оба снаряда приземлятся почти в одном и том же месте.

- Правильно. Это линейная динамика.

- Понятно.

- Но если у меня есть одна система погоды, которую я привожу в действие при определенной температуре, определенной скорости ветра и определенной влажности, и если я повторю все это при почти таких же температуре, ветре и влажности, то вторая система не поведет себя почти так же, как первая. Она отклонится и очень быстро превратится в нечто совершенно другое. Гроза вместо ясного солнца. Это нелинейная динамика.

* * *

Как это связано с прогнозированием климата? В своей книге «Суть хаоса» Лоренц пишет:

«Почти все глобальные модели были использованы для прогнозирования в экспериментах, когда два или более решений, полученных на основе слегка различавшихся начальных условий, оценивались на предмет чувствительности к начальным условиям… Почти во всех без исключения моделях небольшие различия в начальных условиях в конечном итоге возрастали и становились весьма заметными».

В докладе Межправительственной группы экспертов по изменению климата, опубликованном в 2001 году, отмечено:

«При создании новых моделей климата и анализе уже существующих следует понимать, что мы имеем дело с нелинейной хаотической системой, следовательно, прогнозирование климата в долгосрочном периоде невозможно».

В докладе, опубликованном в 2007 году, также говорится:

«С момента публикации работы Лоренца (1963) известно, что даже простые модели могут обладать сложной динамикой в силу своей нелинейности. Нелинейная динамика, присущая климатической системе, наблюдается при моделировании климата на любом временном интервале. Модели, описывающие взаимодействие атмосферы и океана, климата и биосферы, климата и экономики могут демонстрировать похожую динамику, для которой характерны частичная непредсказуемость, бифуркации и переход к хаосу».

Чтобы в полной мере понять смысл заявлений, касающихся глобального изменения климата, следует понимать, что ни погоду, ни климат нельзя смоделировать так, чтобы с абсолютной точностью можно было предсказать, что произойдет через неделю или через 100 лет. Результаты, получаемые с помощью компьютерного моделирования, представляют собой сценарии с важной вероятностной составляющей, которую в каждом случае следует оценивать отдельно. Любой сценарий или модель, описывающие, к примеру, среднюю температуру на планете в 2100 году, зависят от ряда предпосылок (уровня выбросов парниковых газов, изменений солнечной активности и пр.). Основная проблема при составлении прогнозов по большей части заключается в том, чтобы определить, какие из этих предпосылок соответствуют текущему положению вещей. Мы еще не знаем, какие аспекты климата можно предсказать в долгосрочном периоде, поскольку ненаблюдаемые нами колебания могут вызвать значительные изменения в будущем.

Тем не менее достаточно непросто осознать, что погода и климат априори непредсказуемы в долгосрочном периоде в силу присутствия хаоса. В 1970-е годы многие исследователи ожидали, что путем добавления все новых и новых переменных они смогут стабилизировать систему и спрогнозировать состояние атмосферы в долгосрочном периоде. К примеру, Жюль Чарни оптимистично заявлял: «Не существует причины, по которой нельзя будет предсказать жизненный цикл атмосферы с помощью численных моделей, — все дело в том, что современные модели обладают серьезными недостатками». Однако один из этих серьезных недостатков был и остается неустранимым — это хаос.

Для некоторых ученых, как отмечает Тим Палмер (один из ведущих климатологов Межправительственной группы экспертов по изменению климата) в статье под названием «Глобальное потепление нелинейно. Можем ли мы быть в этом уверены?», хаос проявляется не столько в предсказании климата, сколько в метеорологических прогнозах. Следуя терминологии, предложенной Лоренцем, составление метеорологических прогнозов относится к задачам о начальных условиях, в которых эффект бабочки играет важную роль, поскольку при решении таких задач рассматриваются различные траектории. Если мы хотим составить прогноз погоды, нужно следовать вдоль траектории-решения уравнений, начальные условия которых описывают погоду на сегодня (температуру, давление, влажность и пр.). Прогнозирование климата, напротив, основано на решении так называемой краевой задачи, в которой влияние эффекта бабочки не столь заметно, поскольку основную роль в ней играют аттракторы, а не траектории. При изучении климата интерес представляет поведение системы в долгосрочном периоде, которое описывается аттрактором. Иными словами, если мы хотим предсказать климат, не нужно следовать вдоль какой-либо конкретной траектории — напротив, необходимо будет проанализировать, как ведут себя траектории в долгосрочном периоде по мере приближения к аттрактору, ведь именно аттрактор описывает средний погодный режим, то есть климат. Если мы также хотим понять, какое влияние оказывают на климат различные факторы и величины (концентрация СО₂ в атмосфере, солнечное излучение и пр.), необходимо рассмотреть, как эти параметры меняют форму аттрактора.