A mathematical framework for dynamic emergent constraints in climate science

Dit artikel vestigt een rigoureus wiskundig kader voor dynamische emergente restricties in de klimaatwetenschap met behulp van lineaire responstheorie, waarbij "integrale dynamische emergente restricties" worden geïntroduceerd die de responsen van verschillende observabelen op dezelfde forcering relateren via convolutie en een proxy Green-functie, en valideert deze aanpak met behulp van globale opwarmingssimulaties van het MPI-ESM-model.

De kern

Stel je het klimaatsysteem van de aarde voor als een gigantisch, complex orkest. Wanneer een dirigent (zoals een plotselinge toename van koolstofdioxide) met zijn stok zwaait, reageert elk instrument (temperatuur, regen, oceaanstromingen) daarop. Maar de instrumenten reageren niet allemaal even snel of op dezelfde manier. Sommige beginnen direct te spelen, terwijl anderen jaren nodig hebben om hun ritme te vinden.

Decennialang hebben klimaatwetenschappers geprobeerd te voorspellen hoe het hele orkest in de toekomst zal klinken door te kijken naar hoe specifieke instrumenten vandaag de dag gedrag vertonen. Ze zoeken naar "emergent constraints" (opkomende beperkingen) — eenvoudige regels die zeggen: "Als Instrument A met X hoeveelheid verandert, dan verandert Instrument B met Y hoeveelheid."

Dit artikel, geschreven door Francesco Ragone en Valerio Lucarini, introduceert een nieuwe, meer geavanceerde manier om deze regels te vinden. Ze stellen dat de oude manier van het zoeken naar eenvoudige, directe verbindingen vaak te rigide is. In plaats daarvan stellen ze een "tijdreizende" benadering voor die rekening houdt met de geschiedenis van de instrumenten.

Hier is een uitsplitsing van hun bevindingen met behulp van alledaagse analogieën:

1. De Oude Manier versus de Nieuwe Manier

De Oude Manier (Instantane Momentopnames):
Stel je voor dat je probeert te raden hoe een vriend zich morgen zal voelen door alleen nu naar zijn gezicht te kijken. Je zou kunnen zeggen: "Als hij nu lacht, zal hij over een uur gelukkig zijn." Dit is wat wetenschappers voorheen deden: ze zochten naar een directe, instantane link tussen twee zaken (zoals temperatuur en regen).

De Nieuwe Manier (De Filmrol):
De auteurs zeggen: "Dat is niet genoeg." Om te weten hoe een vriend zich morgen zal voelen, moet je weten wat er de hele dag door is gebeurd. Heeft hij een goede lunch gehad? Heeft hij een uur geleden slecht nieuws gekregen?
In klimatologische termen zegt de nieuwe methode (genaamd Integral Dynamic Emergent Constraints): Om te voorspellen hoe de regen in de toekomst zal veranderen, kun je niet alleen kijken naar de temperatuur op dit exacte moment. Je moet kijken naar de volledige geschiedenis van de temperatuurveranderingen die aan dit moment voorafgingen.

2. De "Proxy" en de "Green's Function"

Het artikel gebruikt een concept genaamd een Proxy Green's Function. Zie dit als een "vertaler" of een "receptenboek".

• De Predictor (Voorspeller): Dit is het instrument dat we gemakkelijk kunnen meten (zoals de wereldwijde temperatuur).
• De Predictand (Voorspelde variabele): Dit is het instrument dat we willen voorspellen (zoals neerslag of oceaanstromingen).
• De Vertaler: Dit is de wiskundige regel die ons vertelt hoe we de geschiedenis van de Predictor omzetten in de toekomst van de Predictand.

De auteurs ontdekten dat deze "vertaler" werkt als een convolutie. Stel je voor dat je een smoothie maakt. De uiteindelijke smaak (de regen) is niet alleen het fruit dat je nu toevoegt; het is het resultaat van het mixen van al het fruit dat je de afgelopen paar minuten hebt toegevoegd. De "vertaler" vertelt je precies hoeveel gewicht je moet geven aan het fruit dat 10 minuten geleden is toegevoegd versus het fruit dat 1 minuut geleden is toegevoegd.

3. Het Geheim van de "Tijdsfilter"

De meest verrassende ontdekking in het artikel gaat over tijdschalen.

Stel je voor dat je luistert naar een lawaaierige kamer. Als je naar elke enkele seconde aan lawaai luistert (hoge resolutie), kan de verbinding tussen twee mensen die praten chaotisch en onmogelijk te voorspellen lijken. Echter, als je een noise-cancelling koptelefoon opzet die alleen het "gemiddelde" geluid over 10 of 20 jaar laat horen (lage resolutie), komt er een duidelijk patroon naar voren.

De auteurs ontdekten dat:

• Bij korte tijdschalen (1 jaar): De verbinding tussen temperatuur en regen (of oceaanstromingen) is rommelig en "niet-causaal". Het is als proberen het weer te voorspellen op basis van een enkele niesbui. De wiskunde stort in omdat de "vertaler" de toekomst moet kennen om het heden te verklaren, wat onmogelijk is.
• Bij lange tijdschalen (10–30 jaar): Wanneer je de gegevens gladstrijkt en naar het "grote plaatje" kijkt, wordt de verbinding causaal. De geschiedenis van de temperatuur voorspelt de geschiedenis van de regen wel degelijk betrouwbaar. De "vertaler" werkt perfect.

4. De Eenrichtingsweg

Het artikel benadrukt ook dat deze relaties vaak eenrichtingsverkeer zijn.

• Temperatuur $\rightarrow$ Regen: Als je de geschiedenis van de wereldwijde temperatuur kent, kun je de regen heel goed voorspellen (mits je naar een tijdsschaal van 10+ jaar kijkt).
• Regen $\rightarrow$ Temperatuur: Echter, het kennen van de geschiedenis van de regen helu helpt niet bij het voorspellen van de temperatuur. De "vertaler" werkt slechts in één richting.

Dit is als weten dat een hevige regenbui (Regen) wordt veroorzaakt door een warme dag (Temperatuur), maar weten dat het geregend heeft, vertelt je niet hoe warm het gisteren was. Het artikel laat zien dat voor sommige paren klimatologische variabelen, de "vertaler" alleen in één richting bestaat, en dat alleen als je de gegevens over voldoende lange perioden bekijkt.

5. Het AMOC-voorbeeld

De auteurs hebben dit getest op de AMOC (de Atlantische oceaanstroming, de transportband van de oceaan).

• Ze ontdekten dat de wereldwijde temperatuur een uitstekende voorspeller is voor de oceaanstroom, maar alleen als je de gegevens over decennia bekijkt.
• De oceaanstroom is echter een slechte voorspeller voor de temperatuur, ongeacht hoe lang je wacht. De oceaanstroom reageert traag en heeft zijn eigen complexe interne vertragingen die niet netjes terugvertalen naar het temperatuursignaal.

Samenvatting

Het artikel beweert niet het klimaatprobleem te hebben opgelost, maar het heeft een betere wiskundige gereedschapskist gebouwd om het te begrijpen.

• Het Probleem: Oude methoden probeerden instantane links tussen klimatologische variabelen te vinden, wat vaak mislukte.
• De Oplossing: Gebruik een "geschiedenis-gebaseerde" benadering die kijkt naar hoe variabelen in de loop van de tijd veranderen.
• De Kanttekening: Dit werkt alleen als je de gegevens over lange genoeg perioden bekijkt (zoals 10 tot 30 jaar). Als je te nauwkeurig kijkt (jaar per jaar), verdwijnen de regels.
• Het Resultaat: Dit geeft wetenschappers een rigoureuze manier om te zeggen: "Ja, we kunnen de geschiedenis van de temperatuur gebruiken om de geschiedenis van de regen te voorspellen, maar alleen als we de gegevens gladstrijken en naar de langetermijntrends kijken."

Kortom, het artikel leert ons dat om de toekomst van het klimaat te begrijpen, we moeten stoppen met het kijken naar snapshots en moeten beginnen met het kijken naar de film, waarbij we aandacht hebben voor de plotwendingen die over decennia plaatsvinden, en niet alleen over dagen.

Technische samenvatting

Technische Samenvatting: Een Wiskundig Kader voor Dynamische Emergente Constraints in de Klimaatwetenschap

Probleemstelling
Klimaatprojecties worden inherent gekenmerkt door onzekerheden die voortvloeien uit scenario's, modelphysics en interne variabiliteit. "Emergente constraints" (emergente beperkingen) zijn voorgesteld als een methode om deze onzekerheden te verminderen door empirische relaties vast te stellen tussen de respons van een doelvariabele (de predictand) op een forcering en de eigenschappen van een andere variabele (de predictor). Terwijl statische emergente constraints de respons van de predictand relateren aan de onverstoorde statistieken van de predictor, relateren dynamische emergente constraints de responsen van beide variabelen op dezelfde forcering over de tijd.

Ondanks hun nut ontbreekt een rigoureuze wiskundige theorie voor dynamische emergente constraints. Specifiek is er geen volledig kader dat definieert:

1. Onder welke voorwaarden een specifieke predictor-predictand paren gekoppeld kunnen worden.
2. De exacte wiskundige expressie die de link tussen hun responsen regelt.
3. De rol van causaliteit en tijdschalen bij het valideren van deze relaties.

Eerdere pogingen hebben deze constraints gelinkt aan lineaire responstheorie en fluctuatie-dissipatie-relaties, maar een algemene theorie die in staat is om de temporele geschiedenis van responsen en niet-instantane afhankelijkheden te behandelen, is nog niet volledig ontwikkend.

Methodologie
De auteurs ontwikkelen een wiskundig kader gebaseerd op lineaire responstheorie en recente resultaten met betrekking tot proxy-responsformules. De kernaanpak omvat:

1. Theoretische Formulering:

   • Het klimaat systeem wordt gemodelleerd als een stochastisch dynamisch systeem dat onderhevig is aan een externe forcering.
   • De respons van een observeerbare $\Phi$ op een forcering $f(t)$ wordt uitgedrukt via een lineaire Green's functie $G_\Phi(t)$.
   • De auteurs leiden een proxy-responsformule af die de respons van een predictand $\Phi_1$ relateert aan de respons van een predictor $\Phi_2$ via een proxy Green's functie $G_{\Phi_1\Phi_2}(t)$. Deze functie is de inverse Fourier-transformatie van de ratio van hun susceptibiliteiten ($\chi_{\Phi_1}/\chi_{\Phi_2}$).
   • Zij maken onderscheid tussen instantane dynamische emergente constraints (waarbij $G_{\Phi_1\Phi_2}$ een Dirac-delta benadert) en integrale dynamische emergente constraints (waarbij de respons een convolutie is van de geschiedenis van de predictor en de proxy Green's functie).
   • Een cruciale voorwaarde voor het bestaan van deze constraints is de causaliteit van de proxy Green's functie. Als $G_{\Phi_1\Phi_2}(t)$ niet-causaal is (niet nul voor $t<0$), kan de respons van de predictand niet worden gereconstrueerd uit de verleden geschiedenis van de predictor alleen.

2. Causaliteitsindex en Tijd-coarse-graining:

   • Een causaliteitsindex ($C_{\Phi_1\Phi_2}$) wordt gedefinieerd om de mate van causaliteit te kwantificeren, waarbij de ratio van het niet-causale deel van de proxy Green's functie tot het causale deel wordt gemeten.
   • De auteurs hypothetiseren dat de causaliteit van de proxy Green's functie afhangt van de temporele coarse-graining schaal ($\tau$) waarop gegevens worden geobserveerd. Singulariteiten in de proxy-susceptibiliteit (die niet-causaliteit veroorzaken) kunnen worden weggefilterd als de observatieschaal voldoende grof is.

3. Numerieke Toepassing:

   • Het kader wordt toegepast op simulaties met de MPI-ESM v.1.24 (Max Planck Institute Earth System Model) grof-resolutie versie.
   • Twee forcing-scenario's worden gebruikt: een abrupte CO2-verdubbeling (H2) en een 1% per jaar CO2-ramp (R2).
   • Observeerbare grootheden zijn de globale gemiddelde oppervlaktetemperatuur ($T_s$), globale neerslag ($P$, gesplitst in convectieve $P_c$ en grootschalige $P_l$) en de Atlantische Meridionale Omwenteling (AMOC) index ($M$).
   • Proxy Green's functies worden berekend uit de H2-ensemble en gebruikt om de R2-respons via convolutie te voorspellen, waarbij de geldigheid van de constraints wordt getest bij verschillende coarse-graining schalen (1 tot 80 jaar).

Kernbijdragen

• Generalisering van Dynamische Constraints: Het artikel formaliseert "integrale dynamische emergente constraints" en laat zien dat traditionele instantane constraints een speciaal geval zijn (Dirac-delta limiet) van een meer algemene convolutie-relatie.
• Causaliteit als Voorwaarde: De auteurs stellen vast dat het bestaan van een dynamische emergente constraint afhankelijk is van de causaliteit van de proxy Green's functie. Als de functie niet-causaal is, is de verleden geschiedenis van de predictor onvoldoende om de toekomstige staat van de predictand te bepalen.
• Tijdschaalafhankelijkheid: De studie demonstreert dat causaliteit geen intrinsieke eigenschap is van het variabele paar alleen, maar afhangt van de observatie-tijdschaal. Coarse-graining van gegevens kan hoogfrequente singulariteiten in de proxy-susceptibiliteit wegfilteren, waardoor causaliteit wordt afgedwongen en geldige constraints ontstaan.
• Asymmetrie: Het kader benadrukt de inherente asymmetrie in deze relaties; een variabele kan slechts bij specifieke tijdschalen een geldige causale predictor zijn voor een andere, en het omgekeerde geldt niet noodzakelijkerwijs.

Resultaten

• Temperatuur en Neerslag:
  • Bij jaarlijkse tijdschalen ($\tau=1$) is de proxy Green's functie grotendeels niet-causaal, en falen de voorspellingen.
  • Naarmate de coarse-graining schaal toeneemt, verbetert de causaliteit. Voor $T_s$ die $P$ voorspelt, ontstaat een causale relatie bij $\tau \approx 10$ jaar. Voor $P$ die $T_s$ voorspelt, is een hogere schaal ($\tau \approx 20$ jaar) vereist.
  • Op multidecadale schalen ($\tau \ge 30$ jaar) nadert de causaliteitsindex 1 in beide richtingen, wat suggereert dat instantane constraints geldig kunnen worden naarmate het systeem thermaliseert.
• Temperatuur en AMOC:
  • $T_s$ fungeert als een causale predictor voor AMOC ($M$) bij tijdschalen $\tau > 10$ jaar. De proxy Green's functie is causaal, wat de fysieke mechanisme reflecteert waarbij opwarming de AMOC-verzwakking drijft en daaropvolgende herstel.
  • Omgekeeld fungeert AMOC ($M$) nooit als een causale predictor voor $T_s$, ongeacht de coarse-graining schaal. De proxy Green's functie blijft niet-causaal (met significante negatieve tijd-lags), wat aangeeft dat de geschiedenis van de AMOC-respons niet voldoende informatie bevat om de temperatuurrespons te reconstrueren.
• Spectrale Analyse: De niet-causaliteit is gelinkt aan singulariteiten in de proxy-susceptibiliteit (nulpunten van de susceptibiliteit van de predictor die niet overeenkomen met die van de predictand). Coarse-graining werkt als een laagdoorlaatfilter, waardoor deze singulariteiten uit het observeerbare frequentiebereik worden verwijderd, wat de causaliteit herstelt.

Betekenis en Claims
De auteurs claimen de theorie van dynamische emergente constraints op een "stevige wiskundige grond" te plaatsen. De primaire betekenis ligt in het bieden van een protocol om de noodzakelijke voorwaarden te identificeren voor het bestaan van dergelijke relaties in klimaatdata.

• Voorbij Instantane Relaties: Het artikel betoogt dat veel "spookachtige" of gefaalde emergente constraints in de literatuur het gevolg zijn van het zoeken naar instantane relaties waar slechts integrale (geschiedenis-afhankelijke) relaties bestaan, of waar de observatie-tijdschaal te fijn is om aan de causaliteit te voldoen.
• Universaliteit van Predictors: De analyse suggereert dat goede predictors (zoals het globale gemiddelde temperatuur op decadale schalen) "universeel goed" zijn voor diverse predictanden omdat ze effectief fungeren als surrogaat voor de impact van de externe forcering op de macroscopische eigenschappen van het systeem.
• Causaliteit vs. Correlatie: Het kader maakt onderscheid tussen statistische correlatie en het specifieke type causaliteit dat vereist is voor voorspelling (Granger-causaliteit in de context van responstheorie). Het verduidelijkt dat hoewel een causale proxy Green's functie voorspelling mogelijk maakt, dit niet noodzakelijkerwijs een directe fysieke causale link (Pearl-causaliteit) tussen de variabelen impliceert, aangezien beide worden gedreven door een gemeenschappelijke externe forcering via complexe feedback-netwerken.
• Praktische Implicatie: De resultaten suggereren dat de geldigheid van emergente constraints niet absoluut is maar conditioneel op de temporele resolutie van de gegevens. Dit biedt een theoretische verklaring voor waarom sommige constraints werken op bepaalde schalen (bijv. de klimatologische schalen van 30 jaar) maar falen op andere.

Het artikel concludeert dat hoewel de methodologie geen "silver bullet" is die op alle gevallen toepasbaar is, het een rigoureus, testbaar kader biedt voor het valideren van dynamische emergente constraints en het begrijpen van de grenzen van voorspelbaarheid in klimaatsystemen.