Avsnitt 4: Klimatforskarna: ”Modellerna blir mer komplexa”

Gäster: Renate Wilcke och Klaus Wyser

Programledare: Olivia Larsson

Klaus: Det finns olika sorters förbättringar i de här modellerna. Dels har ju vi fått tillgång till mer datorkraft och det har ju tillåtit oss att köra med högre upplösning, och det kanske låter inte så spektakulärt men vi kan ju bättre representera kontrast mellan land och hav, vi har bättre representation av bergskedjor, så det är ju bara den fysikaliska modellen, sen har vi ju också lagt till fler och fler processer.

[Musik]

Olivia: Att vi ska lyssna på klimatforskarna, det får vi ofta höra i samhällsdebatten, men vad är det egentligen som de säger? Det ska vi ta reda på i SMHI-poddens avsnittsserie ”Klimatforskarna”. Hej och välkomna till SMHI-podden och till den här avsnittsserien ”Klimatforskarna”, som idag ska handla om klimatmodeller. Och klimatmodeller är forskarnas främsta verktyg för att kunna se vilken typ av klimat vi ska få i framtiden. Och de här klimatmodellerna, de innehåller då matematiska ekvationer som beskriver de fysiska processerna som sker i klimatsystemet, så man beräknar hur klimatet ska bli, eller hur klimatet har varit historiskt. Och jag som programleder den här podden heter Olivia Larsson och är kommunikatör här på SMHI och jag är också klimatvetare. Och med mig idag för att prata om det har jag två av SMHI:s klimatmodellerare, kan man kalla er så?

Klaus: Ja.

Renate: Ja.

Olivia: Det är i alla fall Klaus Wyser som är forskningsledare för SMHI:s globala klimatmodeller och Renate Wilcke som jobbar främst med regionala klimatmodeller som jag har med mig här. Välkomna hit.

Renate: Hej.

Klaus: Tack.

Olivia: Och vi ska alltså prata om klimatmodeller och hur de används som ett verktyg, dels för att kunna förstå hur klimatet fungerar, men också för att förstå hur klimatet varierar och förändras till följd av till exempel ökade växthusgasutsläpp. Men jag tänker att du Klaus får berätta först vad en klimatmodell är.

Klaus: Ja, en klimatmodell, det är ju en simulator för att simulera klimat då och då kan jag använda både det historiska klimatet eller ett gammalt klimat eller ett framtida klimat. Så beroende på vilka randvillkor eller påverkansfaktorer vi stoppar in i en klimatmodell får vi då ett svar på hur klimatet ser ut under den perioden.

Olivia: Och varför är de här modellerna så betydelsefulla för oss? Varför lägger man hela tiden resurser på att förbättra dem?

Renate: Ja, vi använder modellerna för olika studier, så att säga. Vi använder modellerna för att simulera historiskt klimat till exempel, och det gör vi för att kunna utvärdera dem mot mätdata. Men likaså för att testa olika hypoteser, hur kunde klimatet ha utvecklat sig på annat sätt. Sedan använder vi modellerna också för hur framtida klimat ser ut, för att lära oss vad påverkan av olika växthusgasutsläpp ger oss för klimat. Och det ger oss såklart underlag för beslutsfattare, och sedan är modellsimulationerna, klimatmodellerna, väldigt viktiga för klimateffektforskning, för att [ohörbart] randvillkor så att säga för deras modeller, hydrologiska modeller, de har hydrologiska flöden i framtiden och sådant.

Olivia: Ja, alltså vattenflöden, hydrologi.

Renate: Precis. Ja.

Olivia: Och de här då modellerna som också är liksom beskrivningar av fysiken i klimatsystemet, dem har vi då för att liksom kunna se hur klimatet skulle kunna bli i framtiden, men jag vet ju att det finns människor som är lite tvära till det här, som kanske tänker att hur funkar det här egentligen? För man kan ju inte ens vara säker på vilket väder vi ska ha imorgon, hur ska man då kunna veta vilket klimat vi ska ha om 100 år? Vad skulle ni säga om det?

Klaus: Ja, det är ju skillnad mellan väder och klimat. Klimat är ju statistik över många olika dagar och många olika år, så vi gör ju inte en prognos för en viss dag, vi gör ju en prognos över hur blir temperaturen för sommaren under en 30-årsperiod till exempel. Eller vi kan också göra mer förfinad statistik, till exempel hur ofta händer det att temperaturen överstiger en viss tröskel. Men allt det där är ju statistiska mått, så vi kommer ju aldrig att kunna säga att på julafton 2099 ligger det två decimeter snö. (05:18)

[Musik]

Olivia: Och vi ska alltså i det här avsnittet prata om två sorters klimatmodeller, de globala och de regionala modellerna. Och vi ska börja prata om de globala modellerna, som du Klaus är expert på, och sen gå över till Renate och de regionala modellerna. Och på SMHI utvecklar man en global klimatmodell som heter Easy Earth och ja Klaus, vad använder man den till?

Klaus: Vi använder den för en rad olika saker, så dels vill vi bara förstå hur klimatet fungerar, alltså vilka processer som driver klimatet, processer hänger ihop så till exempel hur el niño hänger ihop med den svenska nederbörden på vintern, eller den typen av studier, hur klimatet fungerar helt enkelt. Sedan använder vi den ju också för att göra projektioner av framtida klimat för att kunna säga, hur kan klimatet utvecklas under vissa förutsättningar så. Som jag sa i början så har vi ju ett antal påverkansfaktorer som vi stoppar in, som till exempel hur ser sammansättningen för atmosfären ut, hur mycket koldioxid finns i atmosfären, hur mycket metan och andra växthusgaser. Och då studerar vi, och om vi ändrar de här halterna, hur ändras då klimatet? Och det gör vi då inte ensamma, utan det gör vi då tillsammans med andra modeller. Vi ingår i ett stort samarbete som heter Coupled Model Intercomparison Project, där alla klimatmodeller över hela jordklotet försöker göra samma experiment med samma typ av antaganden om klimatpåverkansfaktorer. Och så levererar vi underlag till IPCC-rapporten bland annat, och till andra beslutsfattare.

Olivia: Ja. Och IPCC är då FN:s klimatpanel som vi pratade om i det förra avsnittet, avsnitt 3, och då pratade vi om just det här stora underlaget som är i de här rapporterna och att det är jättemånga olika forskningsgrupper över hela planeten liksom som de rapporterna refererar till och då är det alltså också massa olika modeller som man använder som underlag i de rapporterna, och en av dem utvecklar ni alltså här på SMHI. Men vad visar det här underlaget då, med alla de här globala klimatmodellerna?

Klaus: Ja, det som de flesta ju redan känner till säkert är ju att det visar att det blir varmare, så om man ökar halten växthusgas så blir det varmare bara, men det är ju global medeltemperatur, sen kan det ju finnas stora regionala skillnader, till exempel vet vi att uppvärmning i Arktis eller på norra breddgrader är mycket större än vad globala medeltalet visar. Vi ser ju också att det kommer att påverka det hydrologiska kretsloppet, så att hur och var nederbörd faller kommer att påverkas, antal extrema kan påverkas, kraftigare skyfall, längre torrperioder och skillnad mellan säsonger kan ju också ändras. Nu kanske vi har en större utpräglad kontrast mellan sommar och vinter och den kan ju försvinna i framtiden.

Olivia: Mm. Och den här globala modellen som ni utvecklar då, nu håller ni på med en fjärde generation, eller version av den här modellen. Och den första utvecklades redan, eller började utvecklas 2004, så det har ju gått många år, 20 år, 18. På vilket sätt har modellerna förbättrats sedan dess?

Klaus: Det finns olika sorters förbättringar i de här modellerna. Dels har ju vi fått tillgång till mer datorkraft och det har ju tillåtit oss att köra med högre upplösning, och det kanske låter inte så spektakulärt men vi kan ju bättre representera kontrast mellan land och hav, vi har bättre representation av bergskedjor, och det i sin tur ger ju oss bättre lågtrycksbanor så att vi vet bättre hur stormen kommer att röra sig och var den har en påverkan, så det är ju bara den fysikaliska modellen. Sen har vi ju också lagt till fler och fler processer, så att vi kan nu bättre beskriva moln, vi kan inkludera vegetation, vilken effekt till exempel en avskogning kan ge och så vidare.

Olivia: Mm. Så det har blivit en större förståelse för klimatsystemet också som har kunnat tas in i den här modellen?

Klaus: Ja, absolut. Ju fler processer man inkluderar, desto bättre kan man ju undersöka vad de enstaka processerna betyder också. (10:12)

Olivia: Och om man bara då kollar på modellen som ni utvecklar nu, jämfört med den som ni utvecklade förut, alltså version tre då. Vad är det som ni jobbar med just nu för att modellen ska bli bättre?

Klaus: Jag själv är involverad i ett projekt som ska förbättra beskrivningen av aerosoler, så det är ju de där pyttesmå partiklarna som…

Olivia: Som finns i atmosfären.

Klaus: Som finns i atmosfären och som behövs för att bilda moln, så utan aerosoler får vi inga moln. Och de har ju också att göra med luftföroreningar och vi håller på att förbättra den här interaktionen mellan aerosoler och moln, så det är en sak som jag själv är involverad i. Sedan har vi ju många andra processer som förbättras, det är ju ett stort samarbete, ett lagarbete för att förbättra modellen. Och det finns ju andra forskningsgrupper som tittar på hur man kan förbättra beskrivningen av permafrost eller skogsbränder eller havsis i Arktis, så alla de här processerna försöker vi ju förbättra i nästa generation av modellen.

Olivia: Ja. Och när ni då kollar på hur klimatet ska bli i framtiden, då stoppar ni ju in någonting i modellen. Ni stoppar in olika utsläppsscenarier, alltså scenarier för hur mycket utsläpp som människan kan tänkas släppa ut i framtiden. Vill du berätta lite mer om de här och hur de framställs?

Klaus: Ja, det är ett arbete som vi inte gör själv här på SMHI, och de har tagits fram då med hjälp av andra modeller som kallas för Integrated Assessment Models. De modellerna är egentligen energisystem-modeller, så de beskriver energisystemet och sen innehåller de även en koppling till socioekonomiska faktorer.

Olivia: Ja, för de har ju med typ om det blir en jättestor befolkningsökning till exempel.

Klaus: Precis. Så att man kopplar samman egentligen befolkningsutveckling, teknik, välstånd, ekonomisk utveckling, och försöker översätta allt det där till utsläpp av växthusgaser, och utifrån de här utsläppen som man tar fram i de här socioekonomiska modellerna får vi sen drivdata till våra fysikaliska klimatmodeller.

Olivia: Ja, och det finns ju då till exempel ett utsläppsscenario som håller sig inom Parisavtalet, sedan finns det ett som, när man, ett mellanscenario till exempel, när man går över Parisavtalet, och sedan finns det ett scenario som man fortsätter att se en ökning av växthusgaser framöver också, så det är väl de olika som ni brukar sätta in i modellerna.

Klaus: Ja, precis. [Ohörbart] ett scenario, så vi har ju olika antaganden som vi stoppar in, så ett som är kanske väldigt gynnsamt för klimatet och ett som är kanske lite sämre och ett som är mer normalvärde.

[Musik]

Olivia: Det blir liksom extremt mycket data som kommer att processas, för ni har ju, eller ja, från början var det några som gjorde modeller för att få fram de här utsläppsscenarierna och sedan har ni era stora komplexa modeller som ni sätter in de här olika utsläppsscenarierna i. Och för att kunna beräkna då hur man tror att klimatet ska bli i framtiden, så måste man använda sig av superdatorer och det är alltså datorer som kan, som har en väldigt stark prestanda, beräkningskapacitet, och för oss som inte vet vad en superdator är, så har Klaus berättat det för mig tidigare att det är som tusen brummande mikrovågsugnar, alltså de ser ut som det, och att det är väldigt varmt där de är. Så det är den beskrivningen som ni som lyssnar också får. Men trots att vi har de här superdatorerna då, hur länge tar det att köra en klimatmodell? Om man ska köra er modell för hundra år?

Klaus: Ja, vi räknar med mellan tummen och pekfingret att vi kan simulera ungefär tio år per dygn. Så om vi vill ha en hundraårssimulering, eller en simulering som sträcker sig hundra år framåt i tiden, tar det ungefär tio dygn.

Olivia: Och sen så måste ni köra de här modellerna flera gånger?

Klaus: Ja precis, det stämmer. Så att… Det finns ju en variation i det naturliga klimatsystemet, till exempel el niño, så år som har el niño har en helt annan påverkan på vädret än år som inte har så kraftig el niño eller som har la niña istället, och för att fånga den här osäkerheten som är förknippad med den här interna variabiliteten som vi kallar det för, så upprepar vi samma typ av klimatsimulering ett antal gånger med olika initialdata, så en gång startar vi från ett typiskt el niño-år och en annan gång startar vi från ett typiskt la niña-år. (15:16)

Olivia: Men då, för man kör de här modellerna, eller för att det krävs så mycket datorkapacitet för att köra de här globala modellerna använder man sig också att regionala modeller och det ska du få prata om, Renate. Vad är skillnaden mellan en global och en regional klimatmodell?

Renate: Regional klimatmodell är som att man zoomar in på en viss region, bara tittar på den här regionen. Det vill säga att man inte modellerar hela globen, det är skillnaden. Men vi behöver ju såklart globalmodellerna eller deras data för att kunna driva en regionalmodell, så det man gör, eftersom man bara klipper ut en viss region, då behöver man berätta för regionalmodellen vad som händer på ränderna.

Olivia: På kanterna liksom.

Renate: Ja. Vilket väder är det som kommer in på kanterna eller behöver komma ut. Och det är det som vi tar från globalmodellen på kanterna, och sedan kör vi, inom den här regionen är det bara regionalmodellen som kör. På en högre upplösning, det är ju tanken med det.

Olivia: Och en högre upplösning, det är alltså för att modellen är uppbyggd av olika rutor, som ett rutnät, och en högre upplösning gör då att de här rutorna kan bli mycket mindre.

Renate: Precis. Och då pratar vi nu för Europa om typ 12 x 12 kilometer.

Olivia: Det frågade jag aldrig dig, Klaus, men vad kör man en global modell på för upplösning?

Klaus: Ja, det typiska är kanske 100 kilometer, omkring.

Olivia: Så det blir mycket närmare i de här regionala modellerna. Men om man då har en regional modell som du sa för norra Europa, hur vet man att den beskriver klimatet på ett bra sätt?

Renate: Ja, det vet man likaså som globalmodellerna också. Vi kör på historiskt klimat och jämför med observationsdata. Och det gäller för hela Europa, det gäller för hela världen.

Olivia: Finns det vissa modeller som är bättre på att beskriva klimatet på vissa regioner?

Renate: Det kan man säga, att det finns modeller som är, att alla modeller är olika. Någon är bättre på en variabel i en viss region och andra är bättre på en annan variabel i samma region, eller på någon annan region. Så det är ingen som är bäst i klassen för allt. Tyvärr, eller kanske är det bra också.

Olivia: Ja, men det är därför man lägger ihop så många modeller?

Renate: Precis, så därför behöver vi använda flera modellkörningar, flera globalmodeller och likaså flera olika regionalmodeller.

[Musik]

Olivia: Ett sätt som ni då visualiserar de här regionala körningarna som ni gör, är i SMHI:s klimatscenariotjänst som finns på webbplatsen. Och där kan man liksom kolla hur klimatet ska förändras, dels i Sverige men också om man är intresserad av hur det förändras i en specifik region.

Renate: Ja, det stämmer. Då visualiserar vi de körningar som vi har gjort, men också, vi tar in körningar från hela Europa eller hela världen, regionalkörningar över Europa, och så klipper vi ut Sverige. Och då visar vi i klimatscenariotjänsten olika klimatvariabler och klimatindikatorer. Och en klimatvariabel då är medeltemperatur eller max/min-temperatur eller nederbörd, medan en klimatindikator är någonting som vi beräknar av medeltemperatur eller nederbörd som antal dagar noll genomgångna eller tropiska nätter eller frostnätter eller början av växtsäsongen eller sådant.

Olivia: Och vad är det man kan se störst skillnad på då, om man kollar på Sverige?

Renate: Ja, alla indikatorer som handlar om temperatur, då ser man största skillnaden, mest med minimitemperatur, indikatorer som visar största förändring i framtiden.

Olivia: Den här klimatscenariotjänsten då, den är ju tänkt för att man själv, om man är intresserad, ska kunna gå in på den och kolla, men det är också tänkt att beslutsfattare ska kunna använda den som underlag när de ska fatta beslut men också olika typer av samhällsplanerare. Men det finns ju också massa fler olika sektorer som man kanske inte tänker på som använder sig av klimatmodeller eller som skulle kunna använda sig av klimatmodeller i ännu större utsträckning. Och jag vet ju att du har jobbat med ett projekt som har med granbarkborrar att göra, alltså de här små skalbaggarna som angriper virket och de medför ju då stora kostnader för skogsindustrin och också skogen såklart som dör. Vill du berätta om det projektet?

Renate: Ja, gärna. Det var ett projekt som jag har haft tillsammans med biologer från Lunds universitet. Och då är det så att den här skalbaggen, den har olika livscykler genom året, så då är det så att den börjar som ett ägg. Sedan kläcks det, den utvecklar sig som en larv, äter upp barken på en gran, skadar granen alltså, och nästa steg är ju att den blir en skalbagge. Och sedan förökar sig igen, lägger ägg igen och allt börjar om igen. Och den här livscykeln är väldigt beroende på temperatur och det är då vi har behövt komma in, för de ville kolla hur ändras livscykeln eller antal livscykler genom åren i ett förändrat klimat, när det blir varmare. Så vi levererade våra klimatdata från olika klimatkörningar till forskarna i Lund och de kunde i sin del sedan köra sin barkborremodell.

Olivia: Och vad visade den modellen?

Renate: Nu för tiden har vi, ja, de har en livscykel som har en generation, ibland två generationer, som kan skada granar.

Olivia: På en sommar?

Renate: På en sommar, ja, precis. Eller ett år kan vi ju säga, men det är såklart under sommaren. Men med ett varmare klimat hinner de föröka sig en gång till så att säga, alltså det kan bli normalt med två generationer och ibland tre generationer, så det skulle ju öka skadan på skogen väldigt mycket.

Olivia: Det är en väldigt intressant studie, men det är också en väldigt viktig studie för att granbarkborrar kostar ju det svenska skogsbruket miljarder. Det påverkar förstås skogen också och skogens förmåga att binda koldioxid som ju är väldigt viktig ur klimatsynpunkt. Och det här problemet med granbarkborrar i Sverige startade ordentligt 2018 under den här extremt varma och torra sommaren som vi hade då, och därför ska vi prata mer om den sommaren, för Renate har gjort ännu en intressant studie på det ämnet och du har använt dig då av klimatmodeller. För med klimatmodeller kan man också sätta in olika typer av volymer med växthusgaser i atmosfären, alltså man kan ändra volymen och se hur hade klimatet blivit om vi släppte ut så här mycket, hur hade klimatet varit nu om vi inte hade släppt ut några växthusgaser, alltså människan. Så du har ju kollat på den här sommaren, om den är normal eller om den skulle kunna ske om människan inte släppte ut växthusgaser. Eller? Du får berätta. (05:41)

Renate: Ja, alltså jag tittade inte på om det var normalt, utan det var extremt och det upplevde vi alla tror jag väldigt tydligt, alla de här bränderna och torkan och värmen. Men det jag tittade på var hur extremt var det i förhållande till historiskt klimat, men också kunde det ha hänt en likadan svensk sommar utan människans utsläpp av växthusgaser? Det var tanken bakom. Och det gjorde vi genom att titta på stora [ohörbart], enligt det som Klaus har beskrivit i början, så vi tog flera olika sådana stora [ohörbart], det betyder flera sådana körningar som de ändrade litegrann i initialt tillstånd för att få olika historiska klimatmöjligheter, det som kunde ha hänt. Och det gör vi eftersom det var en så pass extrem händelse att på många ställen har vi inte observerat det tidigare och då blir det väldigt svårt att göra någon statistik, om man bara har en datapunkt. Men tack vare de här klimatmodellerna, de stora [ohörbart], så kan man utöka sample size. Man kan, istället för att titta på till exempel 30 somrar och säga ”ja, det var en som var jätteextrem”, så kan vi, eller ännu längre bak, vi kan ju titta på 150 år tillbaka också, men vi kan istället utöka med de här körningarna och titta på till exempel 30 000 somrar istället. Och då plötsligt hände det kanske en gång till och då får vi en relation till hur extrem sommaren har varit.

Olivia: Och vad var det då 2018? Var det en…

Renate: Det var väldigt extremt, ja. Det kan man säga. I observationerna har vi inte hittat det förut på samma sätt. Det som var extremt med 2018 var en otroligt varm maj. Och maj räknas ju som vårmånad, inte som sommarmånad i och för sig. Så vi hade en jättevarm maj, vi hade en högtryckssituation som var väldigt långvarande, och sedan var det typ två veckor i juni som blev svalare och sedan blev det igen ett högtryck som var långvarande. Och då var det så att jag tittade på månaderna maj, juni, juli, augusti, så en utökad sommarsäsong. För det är det som man också får fundera på i framtiden, att säsongen kanske, säsonglängden kan förändra sig, så då får man ta med den. Så om man tittar på de fyra månaderna kan man se att det var en otroligt extrem händelse som kommer bli vanligare i framtiden, men det blir i framtiden bara en extrem sommar ändå.

Olivia: Ja, och det är alltså en sommar som man då, eller enligt den här studien var det en sommar som kunde bli så varm för att vi har släppt ut koldioxid.

Renate: Ja.

[Musik]

Olivia: Och som en sista grej i avsnittet så vill jag bara liksom klargöra någonting. När ni kör era modeller och när ni lägger in den här ökningen av koldioxid som man vet att människan har bidragit till sedan efter industrialiseringen, om ni då kör era modeller med den ser väl ni också den observerade temperaturökningen som man har haft sedan industrialiseringen?

Renate: Precis, det kan vi se i modellerna också.

Olivia: Och vad händer liksom… För ni har väl provat att göra sådana här experiment med att inte ta in människans koldioxidutsläpp? Vad händer då?

Renate: Ja, precis. Vi gjorde det och det är flera institut som kollade på det här scenariot eller det här experimentet, och då ser man inte samma uppvärmning som med människans påverkan.

Klaus: Ja, det är ju något som kom fram då i den senaste [ohörbart] IPCC:s tredje Assessment Report. Då var det eller började bli mer eller mindre klart att det är mänsklig påverkan som har förändrat klimatet och med varje IPCC-rapport som kom sedan dess har det ju styrkts och blivit mer och mer sannolikt att man kan bara förklara den här pågående uppvärmningen med mänsklig påverkan.

Olivia: Nej, men om vi ska sammanfatta det här då, så är det också att modellerna har blivit bättre med tiden.

Renate: Ja precis, det stämmer. Vi har utvecklat modellerna från väldigt enkla modeller, bara strålning så att säga, och sedan lagt till allt fler komponenter, fysikaliska komponenter som händer i naturen för att beskriva klimatprocesser. Och alla de här modellerna, från och med den första modellen, visade ju samma, på något sätt samma sak, att det kommer bli varmare om vi ökar utsläppen. Det budskapet har det inte ändrats på. Det som vi förbättrade är såklart själva värdet, vad som kommer hända och också hur det kommer påverka samhället och naturen.

Olivia: Det tror jag var bra slutord för den här podden. Tack så mycket, Klaus Wyser och Renate Wilcke, klimatforskare här på SMHI för att ni ville vara med i det här avsnittet.

Klaus: Tack.

Renate: Tack.

Sofia: Du har lyssnat på en podd från SMHI, Sveriges meteorologiska och hydrologiska institut.