منو

نگاهی به پروژه CliMA که قرار است دقیق‌ترین مدل اقلیمی جهان مدرن باشد

توماس شراودر چمبرلین مردی بلندقامت و تنومند بود، با ریش و سبیل جنتلمنی که اواخر سده ۱۸۰۰ میلادی به محبوبیت رسیده بود. به عنوان یک پروفسور زمین‌شناسی جوان، او در دشت‌های جنوب شرق ویسکانسین هایک می‌کرد و به دنبال بقایای یخچال‌های طبیعی که مدت‌ها پیش نابود شده بودند می‌گشت. در آن زمان گمانه‌زنی راجع به اینکه چه چیزی منجر به ظهور عصر یخبندان و سپس نابودی آن شد به محبوبیت رسیده بود و چمبرلین گمان می‌برد همه‌چیز مربوط به یک گاز باشد.

او در سال ۱۸۹۹ میلادی نوشت: «تاثیر دی‌اکسید کربن و بخار آب، پوشانده شدن زمین با لایه‌ای است که حرارت را به خود جذب می‌کند». او به این نتیجه رسید که با افزایش دو برابری گاز در اتمسفر، دمای کره زمین نیز ۸ یا ۹ درجه سلسیوس بالاتر خواهد رفت.

رابطه میان دی‌اکسید کربن و حرارت زمین، بعدا به نام اثر گلخانه‌ای شناخته شد. چمبرلین به درستی ارتباط میان این دو را تشخیص داده بود، اما به اعداد و ارقامی نه‌چندان دقیق رسیده بود.

ارقام واقعی حتی امروز هم نامشخص هستند.

زیک هاوسفادر، محقق اقلیم در انستیتوی Breakthrough در کالیفرنیا می‌گوید: «ما دستاوردها زیادی از نظر توانایی‌هایمان در جمع‌آوری اطلاعات اقلیمی داشته‌ایم، خصوصا طی ۳۰ سال اخیر و از زمانی که توانستیم ماهواره به فضا بفرستیم. اما در پایان روز، باید بدانیم که احتمال وقوع چه اتفاقی در دهه‌های آتی و باقی سده کنونی و همینطور سده‌های بعدی وجود دارد. و برای این کار باید یک جور مدل داشته باشیم.»

علم مدل‌سازی اقلیمی -پیش‌بینی- تا به امروز به تولید ۳۰ ورژن مختلف منجر شده که همگی سعی می‌کنند دست به این پیش‌بینی بزنند که تغییرات اتمسفر چه تاثیری بر اقلیم می‌گذارد.

تمام این مدل‌ها به یک نکته واحد اشاره دارد: گازهای گلخانه‌ای را افزایش دهید و شاهد گرمایش زمین خواهید بود. اما جزییات است که این مدل‌ها را از یکدیگر متمایز می‌کند.

گوین اشمیت، کسی که برنامه مدل‌سازی اقلیمی شدیدا مورد احترام ناسا را در انستیتوی مطالعات فضایی گدارد هدایت می‌کند می‌گوید: «برخی مدل‌ها را داریم که نتایجی بسیار قدرتمند به نمایش می‌گذارند و در موارد دیگر نیز شاهد نتایج آنقدرها مطلوبی نیستیم». و همین متغیرها باعث می‌شوند که منفی‌نگران اساسا تمام علم مدل‌سازی اقلیمی را زیر سوال ببرند.

دکتر هاوسفادر می‌گوید: «آن بیرون آنقدر فاکتورهای مختلف وجود دارد که مردم می‌توانند برخی را دستچین و پیش‌تصورات خود را تایید کنند. افراد منفی‌نگر این بحث را پیش می‌کشیدند که مدل‌های اقلیمی همواره به شکلی افراطی گرمایش را پیش‌بینی می‌کنند.» بعد از بررسی مدل‌های ساخته شده طی ۵۰ سال اخیر اما دکتر هاوسفادر می‌گوید که: «معلوم شد این مدل‌ها در پیش‌بینی‌های خود عملکردی معرکه داشته‌اند».

اما برای یافتن راه نجات از بحران اقلیمی پیش رو، میزان دقت کار مدل‌سازان اقلیمی باید بیش از پیش بهبود یابد. اکنون تیمی از اقلیم‌ شناسان، اقیانوس‌شناسان و محققین کامپیوتر در کرانه‌های شرقی و غربی آمریکا تلاشی گسترده برای دستیابی به همین دقت بیشتر را کلید زده‌اند.

آن‌ها برخی از بهترین مختصصین حوزه خود را از سراسر جهان جمع کرده‌اند تا یک مدل اقلیمی جدید و مدرن بسازند. این تیم امیدوار است قادر به جمع‌آوری داده‌های سنسورهای موجود در فضا، در زمین و در اقیانوس‌ها باشد و از یادگیری ماشینی برای زنده کردن مدل خود و به دست آوردن اطلاعات تازه راجع به آنچه به باور بسیاری بزرگ‌ترین خطری است که کره زمین را تهدید می‌کند استفاده نماید.

هدف آن‌ها دست یافتن به پیش‌بینی‌های اقلیمی دقیقی است که می‌تواند به قانون‌گذاران محلی و برنامه‌ریزان بگوید تا چه زمانی می‌توان منتظر وقوع چه اتفاقی بود. دقیقا مشابه همان احتمالات عددی که مورد استفاده پیش‌بینی‌کنندگان آب‌وهوا قرار می‌گیرد تا برای مثال بگویند در روزهای آتی ۷۰ درصد احتمالا بارش باران وجود دارد.

تاپیو اشنایدر، اقلیم‌شناس آلمانی انستیتوی تکنولوژی و آزمایشگاه Jet Propulsion در کالیفرنیا، مدیری این پروژه را برعهده دارد.

دکتر اشنایدر در سال ۲۰۱۹ طی یک گردهمایی میان دانشمندان گفت: «ما به اطلاعات خوب و کافی برای برنامه‌ریزی [برای آینده] دسترسی نداریم». برای مثال مدل‌ها نمی‌توانند به شهرداری نیویورک بگوید که دیواره‌های دریایی باید چقدر طول داشته باشند یا کالیفرنیا باید چقدر برای محافظت از زیرساخت آبی وسیع خود هزینه کند.

خیلی ساده، متغیرها در مدل‌های گوناگون زیاد هستند. برای مثال در سال ۲۰۱۵ و در شهر پاریس، ۱۹۶ کشور به این توافق نظر رسیدند که یکی از پیامدهای عصر صنعتی‌سازی، افزایش نگران‌کننده حرارت زمین تا ۲ درجه سلسیوس خواهد بود. اما چه روزی به آن نقطه خواهیم رسید؟ براساس اطلاعات ۲۹ مدل اقلیمی برتر، پاسخ می‌تواند با توجه به سطح انتشار کنونی گازهای گلخانه‌ای چیزی بین ۲۰ الی ۴۰ سال آینده باشد. این بازه زمانی بیشتر از آن است که بتوان برایش یک برنامه‌ زمانی تدارک دید و به تولید زیرساخت‌های تازه پرداخت: زیرساخت‌هایی که می‌توانند هرچیزی، از کنار گذاشتن سوخت‌های فسیلی و سوییچ به اتومبیل‌های الکتریکی تا بهبود تکنولوژی‌های خانگی، باشند.

دکتر اشناید می‌گوید: «بسیار مهم است که به پیش‌بینی‌هایی بهتر دست پیدا کنیم، آن هم به شکلی سریع».

لوح سفید

اکثر مدل‌سازان اقلیمی هنگام ساخت یک مدل جدید، از اطلاعات قبلی استفاده می‌کنند. اما این بدان معناست که انبوهی از اطلاعات اقلیمی تازه عمدتا بی‌استفاده باقی می‌مانند: اطلاعاتی که از ماهواره‌ها، بالن‌ها، کشتی‌ها، هواپیماها، ایستگا‌ه‌های آب‌وهوایی و هزاران سنسور شناور در دریاها به دست آمده‌اند. دکتر اشنایدر می‌خواهد تمام این جریان داده را به کار بگیرد و یک مدل جدید را مجبور به یادگیری از تمام این اطلاعات کند.

او می‌گوید: «راه حل استفاده از داده‌های بیشتر است، همین». و همراه با همکارانش دو سال اخیر را صرف پژوهش روی این کرده که چطور می‌توان دست به چنین کاری زد.

«ایده ابتدایی این بود که همه‌چیز را از نو آغاز نکنیم». او با دوستی به نام رافائل فراری در انستیتوی تکنولوژی ماساچوست صحبت کرد که محققی ایتالیایی است. دکتر فراری می‌گوید که این دو به این نتیجه رسیدند که «شما می‌توانید یک اتومبیل مسابقه‌ای را بردارید و قطعاتش را جایگزین کنید اما خیلی زود، ساختن یک اتومبیل مسابقه‌ای جدید آسان‌تر خواهد شد».

این دو مرد از زمانی که طی یک فصل تابستان به عنوان دو دانشجوی فارغ‌التحصیل شده با یکدیگر ملاقات کردند، دوست بوده‌اند. دکتر فراری علم اقیانوس‌شناسی را دنبال کرد و به فرآیند تولید مدلی اقیانوس به نام MIT General Circulation Model کمک کرد که به شکلی گسترده مورد استفاده قرار گرفت.

اقیانوس‌ها و زمین شراکتی بسیار تنگاتنگ در شکل دادن به وضعیت اتمسفر دارند، اما معمولا به صورت مجزا مورد مطالعه قرار می‌گیرند. دکتر اشنایدر و همکارانش در کالتک روی هوا مطالعه می‌کنند، دکتر فراری و محققان MIT نیز روی آب پژوهش دارند. این دو به نتیجه رسیدند که با ترکیب کردن قوای خود، به مزایایی بزرگ دست خواهند یافت.

در سال ۲۰۱۷ و ۲۰۱۸ میلادی، دکتر اشنایدر مجموعه‌ای از ورکشاپ‌ها را در کالتک برگزار کرد که «آینده مدل‌سازی سیستم‌های زمینی» نام داشتند. او می‌گوید: «ما تنها به دعوت بهترین شخصیت‌های این حوزه در جهان پرداختیم» تا به صحبت راجع به موضوع بپردازند.

به گفته دکتر فراری، تمام دانشمندان حاضر در این ورکشاپ‌ها به این توافق نظر رسیدند که «توسعه مدل‌های اقلیمی با مشکل روبه‌رو شده است و یک‌چیزی درست کار نمی‌کند. آن‌ها به دنبال ایده‌های تازه می‌گشتند». به مرور زمان، دانشمندان به این نتیجه می‌رسند که باید مدلی جدید ساخت. به این ترتیب، «ائتلاف مدل‌سازی اقلیمی» (یا Climate Modeling Alliance با نام اختصار CliMA) شکل گرفت.

دکتر اشنایدر می‌گوید «شروع کردن کار با یک لوح سفید کاری بسیار ترسناک است».

اما دکتر فراری اشاره می‌کند که «با شروع کردن همه‌چیز از ابتدا، بسیاری از اتفاقاتی که به مرور زمان رخ داده‌اند را تمیز کرده و از سر راه برمی‌دارید».

ساخت یک مدل پیشرو

این مدل جدید جسورانه هم هست: داشمندان پروژه‌ای را برنامه‌ریزی کرده‌اند که حداقل ۵ سال از زمان تیم‌های حاضر در کالتک، MIT، آزمایشگاه Jet Propulsion ناسا و دیگر انستیتوی مشابه را می‌گیرد – یعنی باید منتظر ده‌ها هزار ساعت کار پژوهشی باشیم. پروژه ضمنا نیازمند سرمایه‌ای -حداقل ۲۵ میلیون دلار- است که معمولا از سوی دولت‌ تامین می‌شود، اما با توجه به اثراتی که دولت ترامپ بر کارهای علمی گذاشت، حداقل در ابتدای راه چنین اتفاقی نامحتمل به نظر می‌رسید.

اکنون سه مرکز اقلیمی در ایالات متحده وجود دارد که بودجه‌شان توسط دولت تامین می‌شود: یکی در نیویورک، یکی در کلرادو و یکی در پرینستون. به جای رقابت با این مراکز از پیش تثبیت شده برای دستیابی به سرمایه فدرال، CliMA به سراغ سرمایه خصوصی رفته است. برای مثال خیلی زود توجه اریک اشمیت، مدیرعامل پیشین گوگل و همسرش وندی اشمیت که در حوزه محافظت از محیط زیست دست به فعالیت‌های گسترده زده به پروژه جلب شد. اما بخش اعظمی از سرمایه مورد نیاز طی سه سال نخست را تامین کردند و همراه با پول‌های دیگر، CliMA در روز ۱۱ سپتامبر ۲۰۱۸ کار خود را آغاز کرد.

جان مارشال، کسی که مدل اقیانوس‌ها را در MIT توسعه داده می‌گوید دریافت سرمایه از بیرون دولت «بخشی شدیدا مهم از پروژه» به حساب می‌آید. «من به این پروژه به چشم یک مدل پیشرو نگاه می‌کنم که تمام کارهای پیشین را متحجر می‌کند».

دکتر مارشال اشاره می‌کند که یک ویژگی متمایزکننده دیگر، افرادی است که روی پروژه کار می‌کنند: «خود مدل اساسا اهمیت کمتری نسبت به تیم محققانی دارد که برای ساخت آن جمع‌آوری کرده‌اید». در واقع ۶۰ الی ۷۰ نقر از محققین و برنامه‌نویسان حاضر در گروه CliMA از سراسر جهان جمع‌آوری شده‌اند و باعث شده‌اند پروژه حقیقتا متعلق به ملل متحد باشد.

مدلی اقلیمی که «می‌آموزد»

CliMA در صدد استفاده از یک رویکرد نوآورانه برآمده: استفاده از توانایی‌های یادگیری ماشینی. اطلاعات ماهواره‌ها و سنسور به صورت آزادانه در دسترس قرار می‌گیرند و عمدتا متعلق به پیش‌بینی‌های آب‌وهوایی هستند. دکتر اشنایدر مدلی را متصور شده که با اطلاعات حداقل سه دهه اخیر «آموزش می‌بیند» و سپس به صورت مداوم، آخرین به‌روزرسانی‌ها را دریافت می‌کند. این مدل می‌تواند از داده‌ها «بیاموزد» و عملکردش را با فرمول‌های ساخته شده توسط هوش مصنوعی کالیبره کند، حتی همینطور که اقلیم دچار تغییر می‌شود.

مدل‌های اقلیمی اینطور کار می‌کنند که تمام جهان را تبدیل به یک شبکه بزرگ می‌کنند. به این ترتیب کامپیوترها می‌توانند به شبیه‌سازی وضعیت اقلیم با محاسبه فرمول‌های اتمسفریک موجود در هر سلول شبکه بپردازند. این‌ها معادلاتی ساده نیستند که تنها بر سطوح دی‌اکسید کربن متمرکز باشند. مدل‌های امروزی می‌توانند صدها فاکتور مختلف را در نظر بگیرند که همگی بر اقلیم تاثیر می‌گذارند: از تشعشعات خورشیدی و ذرات آتش‌فشانی گرفته تا ساواناها، زمین‌های کشاورزی و یخ‌های دریایی.

این محاسبات درون سلول‌هایی انجام می‌شود که معمولا ۲۵ الی ۵۰ کیلومتر مکعب وسعت و چند کیلومتر عمق دارند. CliMA می‌خواهد به سراغ سلول‌های کوچک‌تر برود، اما برای مدل‌سازی اتمسفر تمام کره زمین آن‌ها نیازمند ابرکامپیوترهایی هزاران برابر سریع‌تر از آنچه اکنون وجود دارند خواهند بود. در عوض CliMA به نمونه‌برداری از شبکه‌هایی کو‌چک‌تر -با مساحتی اندکی بیشتر از ۳۰ متر مربع و عمق ۴ متر- می‌پردازد و سپس از هوش مصنوعی برای به دست آوردن فرمول باقی شبکه براساس همان نمونه‌ها استفاده می‌کند.

با تمرکز بر این سطح از جزییات، گروه CliMA امیدوار است قادر به یافتن عناصر تاثیرگذاری بر اقلیم باشد که معمولا به شکلی حدودی تخمین زده می‌شوند. اصلی‌ترین چیزی که باید میزان تاثیرگذاری آن به زعم دکتر اشنایدر سنجیده شود، ابرها است. ابرها در هر لحظه بخش‌هایی وسیع از سیاره ما را می‌پوشانند، اما آنقدر انعطاف‌پذیرند که هیچ راه خوبی برای تعبیه آن‌ها در مدل‌ها وجود ندارد.

دکتر اشنایدر توضیح می‌دهد که «ابرها اهمیت بسیار زیادی برای اقلیم زمان دارند. آن‌ها دمای سراسر زمین را حدود ۸ درجه سلسیوس خنک می‌کنند، آن هم خیلی ساده با بازتاب دادن نور خورشید». مدل‌های اقلیمی از پیش موجود میزان تاثیر ابرها را دست کم گرفته‌اند و بنابراین ابهامات فراوانی در مدل‌ها به وجود آمده. دکتر اشنایدر عقیده دارد که سطوح بسیار بالای گازهای گلخانه‌‌ای می‌تواند به محو شدن کامل ابرهای استراتوکمولوس منجر شود و دمای زمین بالاتر خواهد رفت. احتمالا به همین خاطر بوده باشد که ۵۰ میلیون سال پیش -یعنی آخرین برهه گرم در تاریخ زمین- در قطب شمال کروکدیل داشته‌ایم.

اما تیم با یک مشکل روبه‌رو شد. اگرچه کامپیوتر سریع‌تر و سریع‌تر شده‌اند،‌ بسیاری از مکانیک‌های مورد استفاده از سوی مدل‌سازان کامپیوتری مثل سابق باقی مانده‌اند. آن‌ها باید به شکل قدم به قدم به کامپیوتر بگویند چه کند، آن هم با «زبانی» که کامپیوتر قادر به رمزگشایی‌اش باشد.

از سال ۱۹۵۷ به بعد، محققان معمولا از یک زبان برنامه‌نویسی به نام Fortran استفاده کرده‌اند. این زبانی بسیاری سریع است که به محض نوشته شدن به کامپیوترها اجازه می‌دهد بسیار بهینه عمل کنند. وقتی با ارقام بسیار بزرگ و پیچیده در یک مدل اقلیمی سر و کله می‌زنید، بهینگی عنصری حیاتی است. کامپیوتر باید در هر ثانیه چند تریلیون محاسبه مختلف را پشت سر بگذارد.

اما فورتران ساز و کاری زمخت دارد و باید بیش از پیش برای ابرکامپیوترهای امروزی بهینه‌سازی شود. برای برنامه‌نویسان جوان، این زبان مثل لاتین باستان می‌ماند. دکتر فراری می‌گوید «وقتی به افراد تازه فارغ‌التحصیل شده می‌گویید که می‌خواهید فورتران بنویسند، هیچکس مایل به مشارکت در پروژه نیست. آن‌ها تصور می‌کنند که این پایانی بر مسیر شغلی‌شان خواهد بود».

زبان‌های جدید مانند پایتون، سی و سی پلاس پلاس به شکلی آسان‌تر نوشته می‌شوند، اما نیازمند زمان بیشتر برای پردازش درون کامپیوتر هستند. بنابراین مدل‌سازان CliMA با یک چالش روبه‌رو شدند. راه حل در دست مردی در دفتر طبقه هفتم ساختمان CSAIL انستیتوی تکنولوژی ماساچوست بود – ساختمانی که میزبان آزمایشگاه‌های علوم کامپیوتر و هوش مصنوعی است. آلن ادلمن به این معروف است که سگ خود را به کلاس‌ها می‌آورد و وقتی حیوان خانگی‌اش به پرسه زدن در ساختمان می‌پردازد، دانشجویانش را مسئول یافتن او می‌کند.

دکتر ادلمن ریاضی‌دان برنده جایزه‌ای است که در سال ۲۰۰۹ یک زبان برنامه‌نویسی تازه توسعه داد. او نام Julia را برای زبان خود انتخاب کرد و با توسعه آن به دنبال دستیابی به بهترین خصیصه هر دو جهان بود:‌ سرعت فورتران و سهولت استفاده از پایتون.

در ماه سپتامبر ۲۰۱۸، او ایمیلی از دکتر فراری دریافت کرد و تنها شش ساعت بعد، سه تن از پروفسورهای MIT که در جلسات مدل‌سازی اقلیمی کالتک نیز شرکت داشتند روی مبلی باریک در دفتر او نشسته بودند. دکتر ادلمن به یاد می‌آورد که «آن‌ها گفتند که می‌خواهند از جولیا استفاده کنند». او نیز به سرعت متوجه شد که جولیا و CliMA بهترین ترکیب ممکن به حساب می‌آیند.

اما جولیا کاربران نسبتا کمی داشت و دکتر اشنایدر نگران بود پروژه به خوبی پیش نرود. اما سهولت استفاده از جولیا، اتفاقی بازی‌عوض‌کن بود. وقتی گروه CliMA شروع به استفاده محتاطانه از این زبان جدید کرد، دکتر ادلمن فورا دریافت که سایر محققین و فارغ‌التحصیلان جوان در حال سرک کشیدن به آزمایشگاه او بودند تا از ابزار برنامه‌نویسی فوق سریعش سر در بیاورند.

دکتر اشنایدر در نهایت اعتراف می‌کند که «جولیا بسیار بهتر از آنچه می‌توانستم تصورش را کنم از آب در آمد.»

هدفی جاه‌طلبانه

با استفاده از جولیا، تیم توانست CliMA 0.1 را طی ماه ژوئن گذشته منتشر کند که بخشی از نخستین ورژن مدل اقلیمی‌اش است. دکتر اشنایدر می‌گوید که کار آن‌ها زودتر از برنامه‌ریزی‌ها پیش می‌رود و بنابراین انگیزه بسیار زیاد است.

آنها در حال برداشتن گاهی تازه به سمت تهیه اطلاعات اقلیمی جدید هستند که در سطح محلی و منطقه‌ای کارآمد خواهند بود و به پیش‌بینی فرکانس خشکسالی، باران‌های شدید، امواج حرارتی و طوفان‌های بزرگ کمک می‌کنند. دکتر اشنایدر حتی یک اپلیکیشن موبایل را متصور شده که می‌تواند به مردم در خرید یک خانه جدید یا برنامه‌ریزی برای محصولاتی که در آینده در یک مزرعه کشت می‌شوند کمک خواهد کرد.

خودش می‌گوید: «ما نیاز به اطلاعات بسیار دقیق در سطح محلی داریم. چالش در دنیای علوم اقلیمی اینست که چطور اطلاعات را به کار ببندیم. فاصله زیادی میان آنچه ما دانشمندان می‌گوییم و آنچه مردم واقعا می‌بینند وجود دارد».

برای از بین بردن این فاصله، آن‌ها چشم‌شان را به پیش‌بینی‌کنندگان آب‌وهوا دوخته‌اند. دکتر فراری اضافه می‌کند: «وقتی آن‌ها به شما می‌گویند فردا ممکن است بارانی باشد، دقیقا نمی‌دانید باید چه کنید. دلتان می‌خواهد بدانید احتمال بارش ۱۰ درصد است یا ۱۰۰ درصد. اگر ۱۰ درصد باشد، یک چتر با خودتان برخواهید داشت. اگر ۱۰۰ درصد باشد شاید ترجیح دهید اصلا از خانه بیرون نروید. بنابراین دانستن چنین جزییاتی حیاتی است».

غایی‌ترین هدف او و دکتر اشنایدر نیز همین است و این دو انتظار دارند به چنین دقت و کاربردی دست پیدا کنند.