0:11

우리는 매우 복잡한 세상에 살고 있습니다. 복잡성과 역동성, 그리고 위성사진이나 비디오로 부터 나온 많은 증거의 패턴들이 있습니다. 우리는 창문 밖에서도 그런 것을 볼 수 있죠. 끝없이 복잡하지만 어느 정도 익숙하기도 합니다. 그런 패턴은 어느 정도 반복되지만 결코 똑같이 반복하진 않습니다. 이것은 매우 이해하기가 어렵습니다. 여러분들이 보는 패턴들은 모두 다른 규모에서 본 것들입니다. 이것을 잘게 한 조각으로 잘라 이렇게 말할 수는 없습니다. "어, 내가 더 작은 규모의 기후를 만들어 볼께" 환원주의의 산물을 통해 "자 이제 내가 이해할 수 있는 것이로군." 이렇게 말하며 실험실에서 연구할 수 있는 보다 작은 것을 얻어낼 수는 없는 노릇입니다. 전부가 아니면 아무 의미도 없습니다.



1:02

이러한 패턴을 보여주는 서로 다른 규모들은 엄청난 크기의 범위를 가집니다. 대략 14개 자릿수 정도의 규모인데, 구름의 씨앗이 되는 현미경 수준의 입자로부터 행성 자체의 크기까지 됩니다. 10의 마이너스 6승부터 10의 8승에 이릅니다. 공간적 크기로는 14자리의 규모이고 시간적으로는 밀리 초에서 수 천년 정도입니다. 이것도 대략 14 자리 정도의 규모입니다.



1:31

그게 어떤 의미일까요? 자, 여러분이 이것을 어떻게 계산할지 생각해 보시면 볼 수 있는 것을 택할 수 있습니다. 제가 이것을 많은 작은 상자들에 잘라 넣습니다. 그게 물리학의 결과입니다, 그렇죠? 제가 날씨 모형에 대해 생각한다면, 그것은 행성에서 몇 킬로미터에 이르는, 약 5자리 정도의 규모를 갖고 있으며 시간의 척도로는 몇 초에서 10일, 약 한 달의 규모를 갖습니다. 우리는 그 이상으로 흥미를 갖습니다. 우리는 기후에 관심을 갖습니다. 수 년, 수 천년으로 또 더욱 작은 범위로 가야 합니다. 우리가 해결할 수 없는 것은 하위 규모의 과정입니다. 어느 정도 추정을 해야 하지요. 그건 엄청나게 어려운 일입니다. 1990년대의 기후 모형은 보다 작은 규모를 사용했습니다. 약 세 자리 정도의 규모였죠. 2010년대의 기후 모형은 지금 저희가 작업하고 있는 것인데 네 자릿수 정도의 규모를 가지고 있습니다. 앞으로 14 자릿수를 더 가야 합니다. 저희는 10년마다 한 자릿수씩 더 늘어난 크기의 모의 실험을 할 수 있도록 우리의 능력을 제고시키고 있습니다. 우주에서 규모가 한 자릿수 더 늘어나는 것은 만 번을 더 계산해야 한다는 것입니다. 이 어려운 모형에 다른 것들과 여러 가지 질문들을 계속해서 추가시킵니다.



2:45

그럼 기후 모델은 어떻게 생겼을까요? 이것은 구형 기후 모델입니다 천공 카드와 한줄의 포트란 코드로 되어있지요. 더 이상 그런 카드는 쓰지 않습니다. 포트란은 여전히 쓰죠. C언어와 같은 최신의 것은 기후 모형을 만드는 데에 그다지 큰 영향을 주지 않았습니다.



3:06

하지만 어떻게 진행시킬까요? 여러분이 보시는 이 복잡한 것에서부터 한 줄의 코드로 바꿀까요? 한 번에 하나씩 합니다. 이것은 남극 위에서 찍은 해빙의 사진입니다. 우리는 얼음이 자라거나 녹거나 모양을 바꾸게 하는 여러가지 방정식들을 살펴볼 수 있습니다. 유동성을 볼 수 있고, 어떤 속도로 눈이 얼음이 되는지 볼 수 있고 그것을 코드로 만듭니다. 코드 속에 압축할 수 있습니다. 이 모형들은 현재 대략 100만줄의 코드로 되어있습니다. 매년 수 십만줄의 코드가 생겨납니다.



3:44

여러분이 이부분을 볼 수 있으시지만 다른 부분도 볼 수 있습니다. 구름이 있다면 어떤 일이 벌어질까요? 구름이 생성될 때, 흩어질 때, 비가 될 때 어떤 일이 생길까요? 그것은 다른 부분입니다. 태양으로부터 오는 방사선이 대기를 뚫고 들어와 흡수되거나 반사될 때는 어떤 일이 벌어질까요? 이런 작은 것들도 코드로 만들 수 있습니다. 다른 부분도 있습니다. 바다의 조류를 변화시키는 바람이죠. 토양에서 수분을 빨아 들여 다시 대기로 보내는 식물의 역할에 대해서도 이야기할 수 있습니다. 이 여러가지 요소들을 묶어서 시스템에 입력합니다. 이런 각각의 부분들이 전체에 더해지는 것입니다.



4:30

그러면 이런 것을 얻게 됩니다. 여러분이 보시는 모든 새로운 패턴들이 있는 기후 체계에서 어떤 일이 일어나는지 보여주는 훌륭한 모형을 얻게 됩니다. 남해의 소용돌이, 멕시코만의 열대성 사이클론, 그리고 태평양에는 지금 어느 순간에라도 두 개가 더 생기려고 합니다. 또 대기 중 수분의 강줄기들, 이 모든 것들이 제가 말씀드린 소규모 과정들의 상호작용으로 생겨난 새로운 특성들입니다. 어떤 코드도 이렇게 말하지 않습니다. "남해쪽으로 조금만 움직여 봐요." "서로 소용돌이 치는 두 개의 열대성 사이클론을 만들어 봐요."라고요. 모두가 새로운 특성들입니다.



5:17

모두 아주 훌륭합니다. 아주 좋죠. 하지만 우리가 정작 알고 싶은 것은 시스템에 변화를 주면 이러한 새로운 특성들에 어떤 일이 생길까 입니다. 뭔가 변화가 생기면, 여기에 어떤 일이 벌어질까요? 시스템에 변화를 주는 방법에는 여러가지가 있습니다. 수 십만년에 걸쳐 기후에 변화를 주어 온 지구 궤도의 흔들림이 있습니다. 태양 활동 주기에 변화가 있어서 11년 정도마다 기후를 변화시킵니다. 거대 화산이 폭발해서 기후를 변화시킵니다. 생물 자원의 연소, 연기, 분무 입자, 이 모든 것에서의 차이가 기후를 변화시킵니다. 오존층 구멍도 기후를 변화시킵니다. 삼림 파괴가 지표면 특징을 바꾸고 수분이 증발하는 방식과 시스템에서 움직이는 것을 바꿔서 기후를 변화시킵니다. 비행운은 이전에 구름이 없던 지역에 구름을 생성시켜 기후에 변화를 줍니다. 물론 온실 가스도 기후를 변화시킵니다.



6:14

이런 여러가지 요인들이 우리가 이 시스템에 대해 제대로 이해하고 있는지를 평가해 볼 수 있는 대상을 제공해 줍니다. 그래서 모형 기술이 어떤 것인지 살펴볼 수 있습니다. 저는 "기술"이라는 용어를 의도적으로 썼습니다. 모형은 옳거나 틀린 것이 아니라 항상 틀립니다. 그것은 언제나 근사치입니다. 의문을 가져야 할 것은 그것이 없을 때 보다는 모형이 정보를 더 주느냐 입니다. 더 많은 정보를 준다면 그것은 기술이 많은 겁니다. 이것은 해수면 압력에 생긴 오존층 구멍의 여파입니다. 남해와 남극해 주변의 저기압, 고기압입니다. 이것은 관측된 자료이고 이것은 모형화된 자료입니다. 잘 들어 맞습니다. 왜냐하면 우리가 성층권의 온도를 조절하는 물리와 그것이 남해 주변의 바람에 어떤 작용을 하는지 이해하기 때문입니다.



7:09

다른 사례들도 살펴볼 수 있습니다. 1991년 피나투보 화산 분출이 대기 중에 엄청난 양의 분진과 재를 뿜어 냈습니다. 그것이 지구 전체 복사열의 균형을 바꿨습니다. 이전보다 에너지가 덜 흡수되서 지구의 온도가 내려갔고 저 붉은 선과 초록 선들이 실제로 일어난 현상과 예측 사이의 차이입니다. 모형은 기술적입니다. 지구적인 중간값 뿐만 아니라 지역적 패턴에서도 그렇습니다.



7:38

열 개이상 사례를 더 들어 드릴 수도 있습니다. 성층권의 오존을 변화시키는 태양 활동 주기와 관련된 기술이나 6,000년에 걸친 궤도 변화와 연관된 기술 등이요. 그것도 살펴보면 모형이 잘 기능합니다. 이만년 전의 빙하층에 대해서도 모형은 기능합니다. 수 십년에 걸친 20세기 경향에 관해서도 모형은 잘 작동합니다. 8,000년 전 북대서양의 호수 분출을 모형화하는 데에도 성공적입니다. 자료와 잘 맞아요.



8:14

각각의 다른 대상들과 각각의 다른 평가들은 이 모형들에 더 많은 시각을 갖게 해줍니다. 그리고 보다 더 흥미로운 질문을 할 수 있는 점점 더 복잡한 상황으로 이끌어 줍니다. 가령, 오렌지색으로 보이는 사하라 사막의 먼지가 북대서양의 열대성 사이클론과 어떻게 상호작용을 할까요? 붉은 점으로 보시는 생물자 원 연소로 인한 유기 분무 물질이 어떻게 구름이나 강우 형태와 교차할까요? 흰 줄기로 보시는 유럽의 황산염 오염이 지표면 온도와 표면에 닿는 햇빛에 어떻게 영향을 미칠까요?



9:01

우리는 이런 것을 전세계적으로 볼 수가 있습니다. 중국의 오염을 살펴볼 수 있고 폭풍이 대기 중의 바다 염분 입자에 미치는 여향을 볼 수 있습니다. 이 모든 것이 동시에 벌어지는 조합을 볼 수도 있습니다. 그럼 보다 흥미로운 질문을 할 수 있습니다. 대기 오염과 기후는 어떻게 공존할까요? 대기 오염과 기후에 영향을 주는 것을 동시에 바꿀 수 있을까요? 네. 바꿀 수 있습니다.



9:35

이것이 20세기 역사입니다. 첫 번째 것은 모형입니다. 실제로 일어났던 것과 날씨는 조금 다릅니다. 두 번째 것은 관측입니다. 1930년대를 거쳐가고 있습니다. 가변성이 있고 여러가지 일들이 벌어집니다. 그러나 모든 것이 혼란 속에 있습니다. 1970년대로 들어가면, 상황이 바뀌기 시작합니다. 뭔가 비슷하게 보이기 시작하고 그 즈음에 2000년대가 됩니다. 이미 지구 온난화의 패턴이 보입니다. 관측과 모형 둘 다에서 말입니다.



10:07

우리는 20세기 동안에 벌어진 일들을 알고 있습니다. 그렇죠? 점점 더 따뜻해지는 것을 알죠. 어디가 더 따뜻해지는지 압니다. 모형에 왜 이런 일이 벌어지는지 물으면 여러분은, "네, 그러니까 우리가 대기중에 내보내는 이산화탄소가 주된 원인이에요." 라고 하시겠죠. 가장 최근까지 매우 잘 맞았습니다.



10:25

우리가 모형을 들여다 보는 핵심적인 이유가 있습니다. 이 말 때문입니다. 미래에 대한 관측이 있다면 모형보다는 그것을 더 신뢰할 겁니다. 불행히도, 지금은 미래의 관측이 가능하지 않습니다.



10:44

미래를 들여다 볼 때는, 다른 점이 있습니다. 미래는 미지의 것이고 불확실하며 선택이 있습니다. 우리에게 선택이 있습니다. 대기 중에 이산화탄소 배출을 완화시킬 수 있습니다. 그것이 가장 우선입니다. 정말로 그것을 감소시키는 일을 해서 21세기 말에는 지금보다 훨씬 적게 할 수 있습니다. 아니면 운명에 맡기고 하던대로 하자는 태도를 가지고 계속 이대로 갈 수도 있습니다. 이런 선택의 차이점들은 단지 모형을 살펴보는 것으로는 알 수 없습니다.



11:27

셔우드 롤랜드가 했던 유명한 말이 있습니다. 그는 오존 감소와 관련된 화학 연구로 노벨화학상을 받았는데, 노벨상을 수상할 때 이런 질문을 했습니다. "미래를 예측하는 과학을 개발하여 마침내 우리 모두가 가만히 서서 벌어질 일을 기다리는 것이 무슨 소용이 있을까요?" 모형은 매우 잘 작동합니다. 하지만 그 모형들로 부터 얻어지는 정보로 무엇을 할지는 여러분에게 달려 있습니다.



11:59

감사합니다.



12:01

(박수)

0:11

We live in a very complex environment: complexity and dynamism and patterns of evidence from satellite photographs, from videos. You can even see it outside your window. It's endlessly complex, but somehow familiar, but the patterns kind of repeat, but they never repeat exactly. It's a huge challenge to understand. The patterns that you see are there at all of the different scales, but you can't chop it into one little bit and say, "Oh, well let me just make a smaller climate." I can't use the normal products of reductionism to get a smaller and smaller thing that I can study in a laboratory and say, "Oh, now that's something I now understand." It's the whole or it's nothing.



1:02

The different scales that give you these kinds of patterns range over an enormous range of magnitude, roughly 14 orders of magnitude, from the small microscopic particles that seed clouds to the size of the planet itself, from 10 to the minus six to 10 to the eight, 14 orders of spatial magnitude. In time, from milliseconds to millennia, again around 14 orders of magnitude.



1:31

What does that mean? Okay, well if you think about how you can calculate these things, you can take what you can see, okay, I'm going to chop it up into lots of little boxes, and that's the result of physics, right? And if I think about a weather model, that spans about five orders of magnitude, from the planet to a few kilometers, and the time scale from a few minutes to 10 days, maybe a month. We're interested in more than that. We're interested in the climate. That's years, that's millennia, and we need to go to even smaller scales. The stuff that we can't resolve, the sub-scale processes, we need to approximate in some way. That is a huge challenge. Climate models in the 1990s took an even smaller chunk of that, only about three orders of magnitude. Climate models in the 2010s, kind of what we're working with now, four orders of magnitude. We have 14 to go, and we're increasing our capability of simulating those at about one extra order of magnitude every decade. One extra order of magnitude in space is 10,000 times more calculations. And we keep adding more things, more questions to these different models.



2:45

So what does a climate model look like? This is an old climate model, admittedly, a punch card, a single line of Fortran code. We no longer use punch cards. We do still use Fortran. New-fangled ideas like C really haven't had a big impact on the climate modeling community.



3:06

But how do we go about doing it? How do we go from that complexity that you saw to a line of code? We do it one piece at a time. This is a picture of sea ice taken flying over the Arctic. We can look at all of the different equations that go into making the ice grow or melt or change shape. We can look at the fluxes. We can look at the rate at which snow turns to ice, and we can code that. We can encapsulate that in code. These models are around a million lines of code at this point, and growing by tens of thousands of lines of code every year.



3:44

So you can look at that piece, but you can look at the other pieces too. What happens when you have clouds? What happens when clouds form, when they dissipate, when they rain out? That's another piece. What happens when we have radiation coming from the sun, going through the atmosphere, being absorbed and reflected? We can code each of those very small pieces as well. There are other pieces: the winds changing the ocean currents. We can talk about the role of vegetation in transporting water from the soils back into the atmosphere. And each of these different elements we can encapsulate and put into a system. Each of those pieces ends up adding to the whole.



4:30

And you get something like this. You get a beautiful representation of what's going on in the climate system, where each and every one of those emergent patterns that you can see, the swirls in the Southern Ocean, the tropical cyclone in the Gulf of Mexico, and there's two more that are going to pop up in the Pacific at any point now, those rivers of atmospheric water, all of those are emergent properties that come from the interactions of all of those small-scale processes I mentioned. There's no code that says, "Do a wiggle in the Southern Ocean." There's no code that says, "Have two tropical cyclones that spin around each other." All of those things are emergent properties.



5:17

This is all very good. This is all great. But what we really want to know is what happens to these emergent properties when we kick the system? When something changes, what happens to those properties? And there's lots of different ways to kick the system. There are wobbles in the Earth's orbit over hundreds of thousands of years that change the climate. There are changes in the solar cycles, every 11 years and longer, that change the climate. Big volcanoes go off and change the climate. Changes in biomass burning, in smoke, in aerosol particles, all of those things change the climate. The ozone hole changed the climate. Deforestation changes the climate by changing the surface properties and how water is evaporated and moved around in the system. Contrails change the climate by creating clouds where there were none before, and of course greenhouse gases change the system.



6:14

Each of these different kicks provides us with a target to evaluate whether we understand something about this system. So we can go to look at what model skill is. Now I use the word "skill" advisedly: Models are not right or wrong; they're always wrong. They're always approximations. The question you have to ask is whether a model tells you more information than you would have had otherwise. If it does, it's skillful. This is the impact of the ozone hole on sea level pressure, so low pressure, high pressures, around the southern oceans, around Antarctica. This is observed data. This is modeled data. There's a good match because we understand the physics that controls the temperatures in the stratosphere and what that does to the winds around the southern oceans.



7:09

We can look at other examples. The eruption of Mount Pinatubo in 1991 put an enormous amount of aerosols, small particles, into the stratosphere. That changed the radiation balance of the whole planet. There was less energy coming in than there was before, so that cooled the planet, and those red lines and those green lines, those are the differences between what we expected and what actually happened. The models are skillful, not just in the global mean, but also in the regional patterns.



7:38

I could go through a dozen more examples: the skill associated with solar cycles, changing the ozone in the stratosphere; the skill associated with orbital changes over 6,000 years. We can look at that too, and the models are skillful. The models are skillful in response to the ice sheets 20,000 years ago. The models are skillful when it comes to the 20th-century trends over the decades. Models are successful at modeling lake outbursts into the North Atlantic 8,000 years ago. And we can get a good match to the data.



8:14

Each of these different targets, each of these different evaluations, leads us to add more scope to these models, and leads us to more and more complex situations that we can ask more and more interesting questions, like, how does dust from the Sahara, that you can see in the orange, interact with tropical cyclones in the Atlantic? How do organic aerosols from biomass burning, which you can see in the red dots, intersect with clouds and rainfall patterns? How does pollution, which you can see in the white wisps of sulfate pollution in Europe, how does that affect the temperatures at the surface and the sunlight that you get at the surface?



9:01

We can look at this across the world. We can look at the pollution from China. We can look at the impacts of storms on sea salt particles in the atmosphere. We can see the combination of all of these different things happening all at once, and we can ask much more interesting questions. How do air pollution and climate coexist? Can we change things that affect air pollution and climate at the same time? The answer is yes.



9:35

So this is a history of the 20th century. The first one is the model. The weather is a little bit different to what actually happened. The second one are the observations. And we're going through the 1930s. There's variability, there are things going on, but it's all kind of in the noise. As you get towards the 1970s, things are going to start to change. They're going to start to look more similar, and by the time you get to the 2000s, you're already seeing the patterns of global warming, both in the observations and in the model.



10:07

We know what happened over the 20th century. Right? We know that it's gotten warmer. We know where it's gotten warmer. And if you ask the models why did that happen, and you say, okay, well, yes, basically it's because of the carbon dioxide we put into the atmosphere. We have a very good match up until the present day.



10:25

But there's one key reason why we look at models, and that's because of this phrase here. Because if we had observations of the future, we obviously would trust them more than models, But unfortunately, observations of the future are not available at this time.



10:44

So when we go out into the future, there's a difference. The future is unknown, the future is uncertain, and there are choices. Here are the choices that we have. We can do some work to mitigate the emissions of carbon dioxide into the atmosphere. That's the top one. We can do more work to really bring it down so that by the end of the century, it's not much more than there is now. Or we can just leave it to fate and continue on with a business-as-usual type of attitude. The differences between these choices can't be answered by looking at models.



11:27

There's a great phrase that Sherwood Rowland, who won the Nobel Prize for the chemistry that led to ozone depletion, when he was accepting his Nobel Prize, he asked this question: "What is the use of having developed a science well enough to make predictions if, in the end, all we're willing to do is stand around and wait for them to come true?" The models are skillful, but what we do with the information from those models is totally up to you.



11:59

Thank you.



12:01

(Applause)