Prognoser, förutsägelser och projektioner

I klimatsammanhang förekommer alla tre ord prognos, (vetenskaplig) förutsägelse och projektioner. Ord som har snarlik betydelse men med viktiga skillnader. Det kan vara värt att titta på begreppen mer i detalj.

• prognos (eng. forecast) är vad som förväntas hända i framtiden baserat på kunskap om dagens situation och systemets funktion. De handlar vanligen om individuella utvecklingsvägar, tex. vädret eller en persons sjukdom, även om de kan anges med sannolikhetsbedömningar, tex. 60% risk för regn. De har det uttryckta eller outtryckta tillägget "oförutsedda händelser förutan" men utgår från att man tagit hänsyn till alla viktiga faktorer.
• Förutsägelse (eng prediction) är i vetenskapliga sammanhang "om X så förväntas Y" resonemang. Vanligt som hypotes- eller teori-prövning: "Om uppvärmningen beror på växthusgaser ska stratosfären kylas" (vilken den gör). De behöver inte handla om framtida förändringar utan kan vara andra konsekvenser av en hypotes eller teori.
  
• Projektion (eng projection) är den beteckning som IPCC valt på sina presentationer av möjliga framtida klimat. En projektion är lik en förutsägelse men baserat på ett scenario. Scenarierna i sin tur är beskrivningar av möjliga utvecklingar av klimatpåverkande faktorer, i huvudsak mänskliga utsläpp av växthusgaser. Projektionerna bygger på sammanställningen av många klimatmodellkörningar under ett valt scenario. Projektionen beskriver alltså hur klimatet reagerar på en viss framtida påverkan utgående från dagens teorier. Den påminner om en prognos men är det inte då den både baseras på en av många möjliga scenarier och det handlar om klimat som är ett "medelvärde" av väder och inte en speciell individuell väderutvecklingsbana.
  

Osäkerheten kring projicerade framtida klimatförändring kommer från flera källor. Det är den interna variationen i klimatsystemet (tex. El Nino/La Nina), det är osäkerheterna i modellernas beskrivning av klimatsystemet och det är osäkerheten i scenario. Av de tre osäkerhetsfaktorerna är det scenariot som på lång sikt är det största. Alltså vilken utveckling vi får av mänsklig klimatpåverkan.

En grafisk beskrivning av de olika osäkerheterna kring global medeltemperatur, 10-års medelvärde, baserade på CMIP-3 modellensemble. Gult är effekten av systemets interna variation. Blått effekten av de olika modellerna, speglande variation i beskrivningen av klimatsystemet mellan olika modeller. Grönt effekten av olika scenarier, i detta fall SRES A1B, A2 och B1. Från Hawkins och Sutton 2010

Lars Bern, får vi be om referenser?

Det är inte lätt att bemöta dagens klimatskeptiska Brännpunktsartikel på SvD; väldigt få hänvisningar anges, som sägs backa upp de allvarliga påståendena, gentemot forskarvärlden - vilka undersökningar handlar det om och exakt var kan man kolla upp resultaten? Hittade dock en liten passage som är hyfsat lätt att förklara; nämligen den som jämför klimatanalyser med nationalekonomi och aktiemarknaden.



.
.
.
.
.
.
.








"Liknande metoder [matematiska modeller] används av nationalekonomer för att förstå betydligt mindre komplexa och bättre kända fenomen. Där anses metoden på sin höjd kunna säga någonting om utvecklingen något år framåt i tiden."

Visst är det så, att vädret om sju dagar är supersvårt att förutspå korrekt; detsamma gäller en fonds eller akties exakta värde. Detta är typiskt för sk komplexa system. De fluktuerar ofta vilt och kaos-artat, när man ser på det kortsiktigt. Men långsiktigt ändras trenden långsamt. Temperaturerna och värdena ligger inom en viss statistisk fördelning, dvs de följer en trend. Man kan se avgjorda tendenser om man tittar på kurvan för generalindex under några decennier. Dow Jones Industrial Average Index för åren 1956 - 2004:
















Flera börskrascher och heta uppgångar har mänskligheten gått igenom, sedan mätningens början, men trenden finns ändå där, i form av den raka asymptotlinjen i diagrammen.
(Skalan på den lodräta axeln är logaritmisk, så ovanstående kurvor är egentligen inte linjära, utan exponentiella.)

Däremot är det just mycket svårare att urskilja något som ens kommer i närheten av en klar riktning, om man bara tittar på börsindex för ett enda år:



















Prognoser om exakt värde vid en viss tidpunkt i framtiden, är vanskliga att få fram inom komplexa system. I princip en omöjlig uppgift. (Se mitt tidigare inlägg "En väderprognos är inte samma sak som en klimatförutsägelse")

Medan trender och fördelningar över tid rubbas långsamt och ter sig tydliga.

Detta gäller ej bara för klimatanalys, utan uppenbarligen även på börsen.


/Cecilia
.
.

Bloggtips: Växthuseffekten och komplexa system (Klimat- och miljöbloggen)

En väderprognos är inte samma sak som en klimat-förutsägelse

De kan inte säga om det blir varmare eller kallare om 14 dagar men påstår bestämt att det blir 2 eller 4°C varmare om 100 år

....skrev fem klimatskeptiker i en gammal debattartikel i NyTeknik. Hrm. Undertecknad måste, som läsare, erkänna att meningen är humoristiskt och slagkraftigt formulerad. Men det var just dessa ord som fick mig att ge mig in i klimatdebatten här på Uppsalainitiativet. I citatet blandar man ihop begreppen väder och klimat. Jag påstår inte att någon med 100 %-ig säkerhet kan säga vart medeltemperaturerna här i världen är på väg (uppåt eller neråt, fler eller färre översvämningar, etc...), vädret har många parametrar, men det finns åtskilliga tunga undersökningar som tyder på en höjning, dessutom en betydande sådan. Och bara för att man inte är helt säker på något av alternativen, så betyder det inte att alla möjligheter är lika sannolika.

Vädret under en dag = molnigt/soligt/stormigt/klart/snöfall/dimma/regn/hagel, etc + en viss temperatur och ett visst lufttryck under dagen.

Klimatet = ett långsiktigt medelvärde av väderleken i en viss zon, se Anders M:s inlägg Vad är klimat? I begreppet ingår bland annat områdets medeltemperatur och medel-luftfuktighet

Väderprognoser görs genom att man samlar in en enorm mängd statstiska data/observationer om atmosfärens/troposfärens aktuella status. På dessa observationer appliceras sedan meteorologisk kunskap dvs vetenskaplig förståelse för vädrets uppförande i atmosfären. Parametrarna är väldigt många, vädret är ett sk komplext system, där ibland små små störningar i ett starttillstånd kan leda till stora oförutsägbara förändringar i sluttillstånd.

Men trots vädrets oförutsägbarhet: När man ser till bokförda väder- och temperatur-data över lång tid, t ex ett par år, märker man att det jämnar ut sig ganska mycket. Själva klimatet förändras långsamt.

När man väl har samlat ihop sina sannolikheter för en viss väderlek, under en viss dag, kan man göra sin prognos. En mycket förenklad modell av det hela är en liten Markov-kedja:

(exempel från Wikipedia)

En enkel vädermodell

Det finns två olika tillstånd: antingen skiner solen, eller så regnar det. Vi betraktar vädret en dag i taget.

*Om solen skiner är det 90% sannolikt att det blir vackert väder också nästa dag. (10 % att det blir regn)

*Om det regnar är det 50% sannolikt att det fortsätter regna dagen efter. (50 % att det blir solsken)

Modellen beskrivs i så fall av följande övergångsmatris (Man behöver inte alls titta på matriserna för att förstå sammanhanget i detta inlägg, det är bara att hoppa över avsnittet):

Första elementet "0,9" visar sannolikheten sol -> sol, andra elementet "0,5" visar regn -> sol, tredje elementet "0,1" visar sol -> regn, det fjärde "0,5" regn - > regn.

.
Om vi vet att solen skiner under dag 0 (med andra ord att sannolikheten för att solen skiner är 100%, respektive 0% för att det regnar) representeras tillståndet för denna dag av sannolikhetsvektorn

.

.

Nu kan det sannolika vädret under dag 1 (dvs nästa dag) beräknas genom:

.

.....och sannolikheten är alltså 90% att solen skiner även den dagen. På samma sätt kan vädret under dag 2 förutspås genom:

.

Övergångsmatrisen har egenvektorn (normaliserad så att summan av elementen är 1)

.....med tolkningen att 83 % av alla dagar i det långa loppet har vackert väder.

Men detta var ett extremt förenklat exempel på väderlek.

Om en Markov-matris ska representera en verklig flerdygnsprognos, så behövs en häftigt stor mängd sannolikhets-variabler. Många sannolikhetselement "0,6776", "0,545779", "0,765", "0,783", etc, etc.... blir det. Dessutom ändras sannolikheterna från dag till dag, vilket det ständigt tas hänsyn till i prognoserna. De revideras hela tiden.

..

.

Jag skulle, förenklat, vilja jämföra detta med att man vill beräkna vad en tärning kommer att landa på när man kastar den vid ett visst tillfälle.

.Oj, oj, oj...

De avgörande faktorerna blir inte lätta att hålla reda på: Exakta höjden från underlaget, handens exakta böjning, alla vinklar, kraften i fingrarna vid kastet, materialet, etc....

Och ändå vet man, på sikt, (om tärningen är välbalanserad) att sannolikheten för ett visst utfall ligger på 1/6. Såvida inte tärningen är tyngre på ena sidan, eller blir skadad på något sätt. I så fall förändras sannolikheterna, nämligen.

Om jag jämför morgondagens väder (eller temperaturen om 14 dagar) med ett tärningskast, så vet jag inte vilket det blir (parametrarna är alldeles för många), men ändå kan jag dra slutsatser om vilken sannolikhet det kommer att ha, med tanke på tärningens balans (jämför med omständigheter i atmosfären, naturen, etc). Eller hur?

Ett medelvärde (klimatet) är alltså inte samma sak som ett visst utfall (vädret under en speciell dag)

Slutsatser om medeltemperaturen om 100 år kan man dra, t ex eftersom man sett trender i de årliga medeltemperaturerna över de senaste 150 åren. En trend/kurvlutning syns tydligt i diagram, medan exakta punkt-värden inom detta ganska säkra medelvärdesintervall, nästan är omöjliga att förutspå.

/Cecilia

Källor: SMHI om klimatförändringar,

Wikipedia om Markovkedjor (matriserna i inlägget)