filmov
tv
Filosofía de la Ciencia del Cambio Climático ( Dr. Madrid , Carlos : Oviedo , Marzo 2022 )
Показать описание
El objetivo de esta lección es mostrar las cuestiones filosóficas a que se enfrentan los científicos del cambio climático, y que tienen que ver con ideas gnoseológicas, ontológicas, políticas y axiológicas que desbordan el marco de los conceptos climáticos, meteorológicos, físicos, matemáticos, geológicos, biológicos o económicos que manejan.
Así, comenzaremos señalando que pese a la pregnancia –sobre todo en inglés– del rótulo “ciencia del cambio climático” (“science of climate change”) no existe una única ciencia que se ocupe en exclusiva del cambio climático, sino que se trata más bien de una pluralidad de ciencias (climatología, meteorología, física, química, estadística, computación, geología, oceanografía, ecología, economía, &c.) posicionada ante un problema poliédrico, con múltiples caras.
1. A continuación, nos adentramos en la parte gnoseológica de la exposición. Antes de exponer el consenso de la comunidad científica sobre el calentamiento global antropogénico conforme al Sexto Informe de Evaluación (AR6) del Panel Intergubernamental del Cambio Climático de la ONU (IPCC), que ha comenzado a ver la luz en 2021 y se completará a lo largo de 2022, introducimos la cuestión de cómo definir el clima. Después, apuntamos cómo la detección y la atribución del cambio climático dependen indispensablemente del uso de modelos estadísticos y dinámicos, tanto de modelos de los datos (de cómo se modelan las observaciones) como de modelos teóricos (de cómo se construyen los modelos globales para reproducir las observaciones y hacer predicciones). En una suerte de circularismo, los modelos hacen los datos y los datos hacen los modelos. Pero ni los datos ni los modelos están libres de incertidumbres.
De este modo, analizamos primeramente las dificultades que suscita el concepto de temperatura media global, y recogemos una primera fuente de incertidumbre: la incertidumbre en los valores de las series instrumentales que van, aproximadamente, de 1880 al presente. Además, al tiempo que estudiamos las variaciones de la temperatura global en el pasado (del holoceno al remoto eoceno), examinamos la incertidumbre en los valores asociados a datos proxy o indirectos.
Después de estudiar la detección del cambio climático en el presente y en el pasado, discutimos su atribución. Reconstruimos la estimación de los forzamientos radiativos y, en especial, del forzamiento debido a gases de efecto invernadero como el dióxido de carbono. Tras describir la construcción de los modelos climáticos globales, explicamos cómo se usan para establecer que la acción del hombre está detrás del calentamiento global observado: sólo cuando los modelos se dejan correr actuando forzamientos naturales y antrópicos –ponderados de cierta manera– se reproduce el reciente incremento de la temperatura global. Pero el grado de verdad de este teorema fundamental, de esta identidad sintética en que confluyen la serie observada y la serie modelizada, descansa más en una evidencia estadística que en una inferencia causal, dado el conocimiento incompleto de todos los mecanismos de interacción, de todas las armaduras materiales (por ejemplo, de los aerosoles). Mientras que en física o química tenemos aparatos, contextos determinantes que cierran o acotan en su interior los fenómenos bajo estudio, siendo factibles la manipulación, el control y la reproducción, el sistema climático global desborda el marco de cualquier dispositivo experimental, por lo que –como el propio AR5 reconocía– los modelos y las simulaciones sustituyen a los aparatos y los experimentos.
Después, consideramos los problemas relacionados con la predicción del clima futuro de la Tierra, deteniéndonos, en particular, en el caos determinista y la cuestión de cómo asignar probabilidades a los ensembles de modelos. Para intentar controlar la sensibilidad a las condiciones iniciales (efecto mariposa) y a la estructura del modelo (esto es, a las condiciones de contorno y las parametrizaciones, el llamado en ocasiones efecto polilla), los científicos emplean conjuntos (ensembles) de modelos con múltiples condiciones iniciales para predecir el clima futuro. Pero que 27 de los 30 modelos globales predigan cierto resultado relacionado con la evolución de la temperatura global o de otra variable climática no puede confundirse con que la probabilidad de ocurrencia de ese resultado sea 27/30 = 0,9 porque el conjunto de modelos no constituye una muestra aleatoria simple extraída de un hipotético espacio con todas las estructuras modélicas posibles (lo que al menos permitiría hablar de un 90% de confianza), dado que tanto las diferentes simulaciones con que contribuye cada modelo como los diferentes modelos globales no son independientes entre sí. A nuestro entender, la independencia entre modelos es una meta a perseguir más importante que la robustez o convergencia en sus predicciones ( sigue resumen ab infra ) .
Así, comenzaremos señalando que pese a la pregnancia –sobre todo en inglés– del rótulo “ciencia del cambio climático” (“science of climate change”) no existe una única ciencia que se ocupe en exclusiva del cambio climático, sino que se trata más bien de una pluralidad de ciencias (climatología, meteorología, física, química, estadística, computación, geología, oceanografía, ecología, economía, &c.) posicionada ante un problema poliédrico, con múltiples caras.
1. A continuación, nos adentramos en la parte gnoseológica de la exposición. Antes de exponer el consenso de la comunidad científica sobre el calentamiento global antropogénico conforme al Sexto Informe de Evaluación (AR6) del Panel Intergubernamental del Cambio Climático de la ONU (IPCC), que ha comenzado a ver la luz en 2021 y se completará a lo largo de 2022, introducimos la cuestión de cómo definir el clima. Después, apuntamos cómo la detección y la atribución del cambio climático dependen indispensablemente del uso de modelos estadísticos y dinámicos, tanto de modelos de los datos (de cómo se modelan las observaciones) como de modelos teóricos (de cómo se construyen los modelos globales para reproducir las observaciones y hacer predicciones). En una suerte de circularismo, los modelos hacen los datos y los datos hacen los modelos. Pero ni los datos ni los modelos están libres de incertidumbres.
De este modo, analizamos primeramente las dificultades que suscita el concepto de temperatura media global, y recogemos una primera fuente de incertidumbre: la incertidumbre en los valores de las series instrumentales que van, aproximadamente, de 1880 al presente. Además, al tiempo que estudiamos las variaciones de la temperatura global en el pasado (del holoceno al remoto eoceno), examinamos la incertidumbre en los valores asociados a datos proxy o indirectos.
Después de estudiar la detección del cambio climático en el presente y en el pasado, discutimos su atribución. Reconstruimos la estimación de los forzamientos radiativos y, en especial, del forzamiento debido a gases de efecto invernadero como el dióxido de carbono. Tras describir la construcción de los modelos climáticos globales, explicamos cómo se usan para establecer que la acción del hombre está detrás del calentamiento global observado: sólo cuando los modelos se dejan correr actuando forzamientos naturales y antrópicos –ponderados de cierta manera– se reproduce el reciente incremento de la temperatura global. Pero el grado de verdad de este teorema fundamental, de esta identidad sintética en que confluyen la serie observada y la serie modelizada, descansa más en una evidencia estadística que en una inferencia causal, dado el conocimiento incompleto de todos los mecanismos de interacción, de todas las armaduras materiales (por ejemplo, de los aerosoles). Mientras que en física o química tenemos aparatos, contextos determinantes que cierran o acotan en su interior los fenómenos bajo estudio, siendo factibles la manipulación, el control y la reproducción, el sistema climático global desborda el marco de cualquier dispositivo experimental, por lo que –como el propio AR5 reconocía– los modelos y las simulaciones sustituyen a los aparatos y los experimentos.
Después, consideramos los problemas relacionados con la predicción del clima futuro de la Tierra, deteniéndonos, en particular, en el caos determinista y la cuestión de cómo asignar probabilidades a los ensembles de modelos. Para intentar controlar la sensibilidad a las condiciones iniciales (efecto mariposa) y a la estructura del modelo (esto es, a las condiciones de contorno y las parametrizaciones, el llamado en ocasiones efecto polilla), los científicos emplean conjuntos (ensembles) de modelos con múltiples condiciones iniciales para predecir el clima futuro. Pero que 27 de los 30 modelos globales predigan cierto resultado relacionado con la evolución de la temperatura global o de otra variable climática no puede confundirse con que la probabilidad de ocurrencia de ese resultado sea 27/30 = 0,9 porque el conjunto de modelos no constituye una muestra aleatoria simple extraída de un hipotético espacio con todas las estructuras modélicas posibles (lo que al menos permitiría hablar de un 90% de confianza), dado que tanto las diferentes simulaciones con que contribuye cada modelo como los diferentes modelos globales no son independientes entre sí. A nuestro entender, la independencia entre modelos es una meta a perseguir más importante que la robustez o convergencia en sus predicciones ( sigue resumen ab infra ) .
Комментарии