• R[amalingam] Saravanan, 2022: The Climate Demon — Past, Present, and Future of Climate Prediction. Cambridge UK: Cambridge University Press, 379 pp. ISBN 978-1-009-01804-3 (paperback).

2022年の新刊。わたしは2022年3月20日、東京の本屋の洋書売り場で見つけて買った。A5判のペーパーバック。

— ここから 2022-12-31 追記 —
わたしはちょうど、真鍋・Broccoli の 日本語版が結局『地球温暖化はなぜ起こるのか』という題になった本 [読書メモ] の監訳をたのまれたところで、本書はその本とかさなる話題をちょっとちがう観点からのべているところがおおくておもしろいと思った。

著者は、インドで物理の修士を出たあと、アメリカの Princeton で気候科学の博士をとっている。その指導教員は Isaac Held さんで、Held さんの博士の指導者は真鍋さんだった。本書の第1部は、数値天気予報のはじまりから、気候モデルの発展をたどり、いわゆる地球温暖化予測にいたる、専門分野の発展をふりかえるものだから、真鍋さんの本と話題がかさなるのは当然なのだ。(成層圏オゾンの件はちょっと話題がそれる気がするが、そこでとりあげられた Susan Solomon さんはのちに IPCC報告書の編者にもなったから、それていないともいえる。)

(Smagorinsky さんに真鍋さんを推薦したのが、さきにアメリカで職を得ていた (Texas A & M からシカゴ大学にうつり、計算機をつかわせてもらうため GFDL (まだその名まえではなかったが) を訪問した) 笠原 彰さんだったというのは初耳だったが、注をたどって、American Institute of Physics の oral history 事業でおこなわれた笠原さんのインタビュー記録 (ききては Paul Edwards さん) https://www.aip.org/history-programs/niels-bohr-library/oral-histories/32440-1 を見るとたしかにそう書いてある。むしろわたしが見おとしていたというべきだ。著者は NCAR で post-doc をやっているから笠原さんから直接きいたこともあるのかもしれないが。)

著者は、いまは、Texas A & M University の教授で Department of Atmospheric Sciences の学科長をしている。この読書ブログでもとりあげてきた Andrew Dessler さんの同僚 (組織上は上司) であり、Gerald North さんのいわば後任だ。

題名の demon は、いわゆる Laplace の魔物 ([別ブログ 2017-03-23の記事]参照)だ (Laplaceの用語は demon ではなかったのだが)。著者はもちろん、大気をふくむ気候システムが Lorenz (1993) [読書メモ] のいう意味でのカオスの性質をもっていて、決定論的予測に限界があることを知っている (本書の表紙に蝶の絵があるのはその象徴なのだろう)。しかし、著者をふくむ研究者たちは、決定論的な構造をもった数値モデルを道具としてつかい、多数回のシミュレーションをすることによって、未来について、不確かさはあるけれども無意味ではない予測ができると期待している。本書、とくに第2部は、それがどういう活動なのかを説明しようとしているのだ。

ただし、第2部のシミュレーションの説明はあまり具体的でないので、この話題をはじめて読む人にはわかりにくいだろう。真鍋・Broccoli の本とあわせて読むとよいかもしれない。真鍋・Broccoli は、自分たちのチームがシミュレーションを実行した結果を見てわかったことをのべている。本書の著者はむしろ、シミュレーションの結果が専門外の人にどううけとられるか、誤解されないために専門家はどのように説明したらよいかを考えている。そこが相補的になるのだ。また、著者は、不確かさをもつシミュレーションから得られた知見はどんな意義をもつのかを、いわば科学哲学的あるいは科学技術社会論的に考えようとする。しかし著者は (おそらく本業でいそがしくて読むひまがないので) 科学哲学者や科学技術社会論者の議論を参照してはいない。Rumsfeld 国防長官 (当時) の発言で知られた known unknown と unknown unknown という表現をもちだしている。気候の将来予測のいちばんの不確かさは人間社会のふるまいが予測も制御も困難なことだと思うが、本書はそこに深入りしない (unknown unknown だから)。気候システムの予測の不確かさのうちわけを、known unknown から known known のあいだに poorly known, approximately known, well-known という段階で分類して説明しようとしている。

第3部は、未来にむけて、いろいろな話題にとぶ。(ただしい要約になっているか自信がないが) 計算機の性能は今後も進歩するだろうが費用と消費エネルギーの制約がある。機械学習はどうつかえるかよくわからないが、モデリングのさまざまな発想を整理してみるきっかけになる。Geoengineering のうち二酸化炭素貯留は費用が高く、太陽放射反射強化は副作用が心配だ (その評価はモデルが役立つ場ではあるが)。不確かさをなくすことはできないので、人の決断は一種の賭けのようなものにならざるをえない。

折りかえしのあとに くわしい目次をつける。

== 目次 ==
Contents
List of Figures
Preface
Acknowledgments
Introduction
– Purpose of the Book
– Structure of the Book
Part 1. The Past
1. Deducing Weather: The Dawn of Computing
– 1.1 From Sunspot Cycles to Compute Cycles
– 1.2 Philosophy Break: Inductivism versus Deductivism
– 1.3 The Weatherperson and the Computer
– 1.4 The Dark Side of Weather Prediction
2. Predicting Weather: The Butterfly and the Tornado
– 2.1 Philosophy Break: Laplace’s Demon, Determinism, and Paradigm Shifts
– 2.2 Atmospheric Data: Sharing Selfies on the WWW
– 2.3 The Assimilation of Data
– 2.4 The Butterfly Effect
– 2.5 An Ensemble of Demons
– 2.6 The Infinite Forecast
3. The Greenhouse Effect: Goldilocks and the Three Planets
– 3.1 Lessons from a Hot Summer Day: Radiation, Albedo, and Convection
– 3.2 Lessons from a Cold Winter Night: Greenhouse Effect and Climate Sensitivity
– 3.3 Eunice Foote and the Three Glass Tube Experiments
– 3.4 Arrhenius and the First Climate Model
– 3.5 Climate Feedbacks and Forcings
– 3.6 Too Hot, Too Cold, and Just Right
4. Deducing Climate: Smagorinsky’s Laboratory
– 4.1 General Circulation of the Atmosphere
– 4.2 From Tokyo with Meteorology
– 4.3 Three-Dimensional Climate Modeling
– 4.4 Philosophy Break: Reductionism and Emergentism
– 4.5 Models of Simplicity in the Garden of Complexity
– 4.6 Flywheel of Climate: The Circulating Ocean
5. Predicting Climate: Butterflies in the Greenhouse
– 5.1 Nature versus Nurture: Initial and Boundary Conditions
– 5.2 Far from the Madding Crowd: The Keeling Curve
– 5.3 It Takes Two to Tango: Carbon Dioxide and Temperature
– 5.4 Academia Warns to Global Warming
6. The Ozone Hole: Black Swan at the Polar Dawn
– 6.1 The Ozone Layer: Earth’s Sunscreen
– 6.2 The Road to Ozone Depletion1
– 6.3 Cloudy Skies in the Polar Night
– 6.4 Patching the Hole: Ozone Recovery and Climate Change
7. Global Warming: From Gown to Town
– 7.1 Assessing Climate Change
– 7.2 Howcatchem: The Attribution of Recent Climate Change
– 7.3 Extreme Weather Attribution: The Butterfly Did It?
– 7.4 The Minuscule but Mighty Aerosol
– 7.5 Internal Variability: Much Ado about a Hiatus
– 7.6 Storylines, Scenarios, and Projections
– 7.7 Warming Globally, Impacting Locally
Part 2. The Present
8. Occam’s Razor: The Reduction to Simplicity
– 8.1 Philosophy Break: The Principle of Parsimony
– 8.2 Predicting versus Understanding: Complexity versus Simplicity
– 8.3 Biology Analogy: The Fruit Fly Model of Climate
– 8.4 Spherical Cows and Tipping Points
9. Contrasting Climate: A Conservative View of Modeling
– 9.1 Conservation of Mass and Energy
– 9.2 Flux Adjustment and Non-Conservation
– 9.3 Community Climate Modeling
– 9.4 Earth System Models: Carbon Cycle and More
– 9.5 Better Models, More Uncertainty?
– 9.6 Predictive, Constraining, and Explanatory Power
10. Tuning Climate: A Comedy of Compensating Errors
– 10.1 Model Tuning: Orchestra or Whack-a-Mole?
– 10.2 Correctness, Confirmability, and Usefulness of Models
11. Occam’s Beard: The Emergence of Complexity
– 11.1 The Anna Karenina Principle
– 11.2 An Ensemble of Climate Demons
– 11.3 Hard Mentality and Model Diversity
– 11.4 Catch-22: Reproducibility and Replicability
12. The Hansen Paradox: The Red Queen’s Race of Climate Modeling
– 12.1 Falsifiability of Climate Models
– 12.2 Harder than Rocket Science: Numerical Convergence and Climate Modeling
– 12.3 Carroll, Borges, and the Reducibility Limit
13. The Rumsfeld Matrix: Degrees of Knowledge
– 13.1 The Arc of Model Improvement
– 13.2 Benefits of Parameterizations: Downstream versus Upstream
– 13.3 Contrarians at the Gate
– 13.4 Unknown Knowns: The Threat of Willful Ignorance
– 13.5 Means, Motive, and Opportunity — Or the Lack Thereof
– 13.6 Contrarianism and Unconstrained Ideation
– 13.7 Howaboutism: Getting down in the Trenches
14. Lost in Translation
– 14.1 What Is a Model?
– 14.2 What Is Data?
– 14.3 Models versus Data: The Problem of Induction
– 14.4 What is “Business as Usual”?
– 14.5 What Is Prediction?
15. Taking Climate Models Seriously, Not Literally
– 15.1 Deep Uncertainty: When Error Bars have Error Bars
– 15.2 Precision versus Accuracy: Degrees of Warming
– 15.3 Pitfalls of the Uncertainty Trough
– 15.4 “OK Doomer”: The Power of Numeric Prophecies
Part 3. The Future
16. Moore’s Law: To Exascale and Beyond
– 16.1 Making Chips That Don’t Fry
– 16.2 A Brief History of Supercomputing
– 16.3 Chip Wars: March of the GPUs
– 16.4 Topping the Computing Charts
– 16.5 Care and Feeding of the Growing Climate Demon: Economics and Energetics
17. Machine Learning: The Climate Imitation Game
– 17.1 Can Machines Learn?
– 17.2 Model Wars: Inductivism Strikes Back
– 17.3 Mapping the Landscape of Models
18. Geoengineering: Reducing the Fever
– 18.1 How to Train the Climate Demon
– 18.2 Sulfates in the Sky
19. Pascal’s Wager: Hedging Our Climate Bets
– 19.1 An Actuarial Approach to Long-Term Climate Change Risk
– 19.2 Blowin’ in the Wind: Reasoning through the Fog of Numbers
– 19.3 Planning for the Future: Spanning the Uncertainties
– 19.4 Assessing Climate Risk: The Difficulties with Probabilities
20. Moonwalking into the Future
– 20.1 The Paris Potluck
Epilogue
Glossary
Notes
Select Bibliography
References
Index