Por que devemos nos interessar por modelos climáticos?

---

Introdução

Nas últimas décadas, as mudanças climáticas tornaram-se um tópico de grande visibilidade pública e passaram a ocupar um espaço considerável nas agendas ambientais, políticas e sociais em todo o mundo (GUPTA, 2010; BRECHIN; BHANDARI, 2011). Nesse contexto, as ciências climáticas alcançaram enorme articulação e crescimento no entendimento sobre o clima e suas mudanças. A maior expressão desse crescimento e articulação foi a formação, em 1988, do Painel Intergovernamental de Mudanças Climáticas (IPCC). Os sucessivos relatórios produzidos por esse painel têm reafirmado o aumento da temperatura global devido às emissões antropogênicas de carbono e alertado para os riscos dessa mudança[3].

Nos relatórios do IPCC e nas negociações da Convenção-Quadro das Nações Unidas sobre a Mudança do Clima (UNFCCC), é marcante o aumento da confiança no poder das pesquisas científicas estratégicas para orientar os gastos públicos e as tomadas de decisão (JASANOFF; WYNNE, 1998). Nesses processos, cientistas e formuladores de políticas têm contado com a modelagem computacional de forças causais, naturais e sociais que influenciam o clima para compreenderem as questões climáticas em uma escala global (EDWARDS, 2010; MILLER, 2004). A articulação internacional do conhecimento e das políticas sobre o clima e suas mudanças, até então alcançada, se deve ao uso desses modelos. Ou seja, contemporaneamente, a legitimidade desses modelos é tamanha que se torna quase impensável a compreensão das questões climáticas e as ações de mitigação e adaptação das mudanças climáticas sem recorrer ao recurso da modelagem (SHACKLEY e WYNNE, 1996; SHACKLEY, 1997; MILLER e EDWARDS, 2001; WYNNE, 2010).

Tamanha legitimidade alcançada é, por si, um fato digno de investigação social. Por que os modelos tornaram-se tão centrais na ciência e na tomada de decisão? E de que forma podemos refletir sobre essa centralidade a fim de iluminar como ocorrem as interfaces entre ciência e políticas relacionadas ao clima?

Para refletir sobre essas questões, esse artigo traz algumas contribuições de autores dos Estudos Sociais da Ciência e da Tecnologia (ESCT) dedicados à compreensão da prática da modelagem climática como uma atividade social que integra dimensões geralmente pensadas de forma separada, tais como a política, a tecnológica e a simbólica. Nessa perspectiva, os modelos são investigados nas complexas redes que os constituem, as quais não se resumem a ambientes discretos atribuídos à pura técnica.

 

O mundo em uma máquina

Na atualidade, modelos computacionais são ferramentas centrais nas ciências naturais, pois por meio deles os cientistas buscam entender como ocorrem os fenômenos e problemas ambientais, e prever seus desdobramentos (MORGAN; MORRISON, 1999 e LENHARD; KUPPERS; SHINN, 2006). Na climatologia moderna, projeções simuladas por Modelos de Circulação Geral da Atmosfera (MCGA) geram o conhecimento fundamental sobre as mudanças climáticas em escala global (EDWARDS, 2010). Os modelos mais complexos nessa ciência são chamados modelos do sistema terrestre, incluem emissões de carbono antropogênicas e acoplam processos oceânicos, atmosféricos e da superfície continental para representar o movimento físico de gases (ou massas líquidas), transferência de energia, reflexão e absorção da luz solar, dentre outros fenômenos (WEART, 2003, 2010).

Historicamente, o desenvolvimento desses modelos teve início nos centros norte-americanos e europeus a partir da década de 1970. Apesar de a previsão numérica do tempo já ter sido teorizada no início dos anos 1920, somente com o avanço da computação, nos anos 1960, os modelos numéricos puderam ser rodados em uma infraestrutura de cálculo adequada e produzir resultados satisfatórios (WEART, 2010; EDWARDS, 2010). Com o passar dos anos, o avanço da supercomputação, da modelagem e das infraestruturas de telecomunicação possibilitaram a operação da previsão numérica do tempo e do clima em escalas temporais, bem como resoluções cada vez maiores nos centros de pesquisa meteorológica norte-americanos e europeus. Dessa forma, no início da década de 1990, a modelagem computacional do clima sazonal já havia suplantado completamente a antiga climatologia estatística naqueles países (LYNCH, 2007, HEYMANN, 2010).

Com isso, o campo da climatologia tornou-se gradativamente uma área do conhecimento dependente da programação de modelos e da infraestrutura de supercomputação e telecomunicação global. Através dessa infraestrutura do conhecimento global em clima, a qual Paul Edwards (2000) chamou de “o mundo em uma máquina”, foi possível a construção de uma forma de representar cientificamente a atmosfera global como “um todo”.

 

A figura anterior demonstra como os manuais de modelagem representam a atmosfera global. Observa-se que os modelos climáticos dividem o sistema terrestre em grades tridimensionais que representam o movimento físico dos gases e líquidos e a transferência, reflexão e absorção de energia. Estes processos são calculados em cada unidade da grade em intervalos de tempo apropriados para realizar a simulação de estados futuros do sistema climático (WEART, 2010). Todo esse processo de simulação e representação está baseado na suposição de que a natureza pode ser quantificada e que, portanto, é possível representar sua dinâmica matematicamente.

Ao buscar interpretar o papel dos modelos climáticos nas ciências climáticas, Paul Edwards (2001:62) afirma que a modelagem climática global é uma prática de construção do que conhecemos por atmosfera terrestre. Segundo ele, não se trata apenas de simular o sistema atmosférico terrestre utilizando dados meteorológicos brutos, mas, sobretudo, de gerar novos dados através das simulações. Nesse sentido, não são os dados meteorológicos observados que são globais, mas sim os modelos, pois somente através deles é possível preencher a grande lacuna de dados não obtidos, melhorar a qualidade dos dados recebidos e, principalmente, sistematizá-los em um todo que chamamos de atmosfera.

Com relação às mudanças climáticas, Edwards (2001, p. 63) declara que “os modelos climáticos oferecem o único meio prático para refletirmos a respeito dos efeitos das mudanças climáticas e as possíveis escolhas políticas”. Trata-se dos cenários climáticos futuros gerados pelos modelos. Esses cenários podem ser otimistas ou pessimistas, caso adotem ou não medidas políticas como: regulações das emissões, investimentos em energia limpa e eficiência nas práticas agrícolas. A adoção de determinadas políticas climáticas baseia-se nas ações de cálculo realizadas pelos modelos, que fazem o futuro refletir no presente criando a necessidade de políticas imediatas de mitigação e adaptação às mudanças previstas.

Além disso, na ciência das mudanças climáticas, os modelos não servem apenas para prever os climas futuros, mas também para atribuir as causas das mudanças climáticas no passado. Utilizando modelos que simulam o que teria acontecido sem os efeitos antropogênicos na atmosfera, cientistas conseguem separar as consequências da emissão dos gases de efeito estufa e a variabilidade natural do clima. Isso permite demonstrar que somente a variabilidade natural inerente às condições do tempo não explicam o aumento da temperatura observado nas últimas décadas. Somente pelo acoplamento de análises estatísticas e da prática da modelagem computacional é que os cientistas tornaram-se hábeis para isolar e demonstrar a contribuição das ações humanas para o aquecimento do clima global (WEART, 2003).

Desse modo, o efeito produzido pelos modelos, de introduzir o “mundo em uma máquina” (EDWARDS, 2000, 2010), é essencial aos esforços dos climatologistas em representar o clima terrestre e sua possível evolução. Por meio dos modelos, são realizados experimentos virtuais impossíveis de serem desempenhados fisicamente. Sem eles, os climatologistas e formuladores de políticas não estariam aptos a entender o clima global como um sistema único integrado para refletir a respeito das decisões políticas.

 

Os modelos climáticos como pontos de passagem obrigatórios nas redes de pesquisa

De acordo com o que foi dito anteriormente, vários autores dedicados ao estudo social da modelagem climática concordam que os modelos tornaram-se indispensáveis nas redes de pesquisa em mudanças climáticas (JASANOFF e WYNNE, 1998; MILLER e EDWARDS, 2001; LAHSEN, 2002, 2005; HULME, 2013). Indica-se que os modelos climáticos servem como “pontes” entre a experimentação e a teoria nas práticas científicas, tornando-se o princípio organizacional fundamental para a comunidade epistêmica global acerca da questão das mudanças climáticas (SUNDBERG, 2007).

Como objetos técnicos envolvidos na pesquisa, os modelos produzem representações com o objetivo de traduzir teorias sobre sistemas em formatos que permitem aos pesquisadores de diferentes áreas interagirem entre suas disciplinas. Desse modo, os modelos são reconhecidos como “ferramentas heurísticas” que mimetizam sistemas complexos teorizados por outras ciências (MULLER, 2010). Suas aplicações, portanto, têm a ver com performances e não com declarações verdadeiras ou falsas sobre os sistemas que simulam (HARGREAVES; ANNAN, 2014).

Um aspecto performático importante da modelagem climática é a produção de visualizações para o entendimento e a comunicação dos resultados de seus experimentos numéricos. Os modelos possibilitam várias estratégias de visualização desenvolvidas para dar forma, por exemplo, ao nível em que o sistema climático é afetado pelo aumento das emissões de carbono. É o caso dos relatórios do IPCC que transmitem os resultados de suas avaliações por intermédio de imagens convincentes geradas por modelos (Figura 2).

 

Observa-se, na figura anterior (Figura 2), que as visualizações das mudanças climáticas produzidas por modelos traduzem a intensidade da temperatura e das chuvas utilizando diferentes tonalidades de cores distribuídas sobre o mapa mundi. A produção dessas visualizações é didática e serve tanto para facilitar a comunicação entre grupos de pesquisa como o aconselhamento científico dos formuladores de política.

Não obstante, alguns autores chamam atenção em relação às facilidades criadas por essas visualizações no processo decisório, pois elas não devem ser entendidas como a realidade em si (SCHNEIDER, 2012). Além disso, pesquisas mostram que visualizações científicas, longe de simplesmente facilitar o entendimento de questões complexas ou tornar mais direta a apreensão de grandes conjuntos de dados, inserem novas complexidades que não eliminam os aspectos incorporados e relacionais da comunicação dos dados (MONTEIRO, 2013, 2010a, 2010b). Alerta-se, portanto, para o perigo de confundir as simulações com fotografias fiéis da natureza, pois isso levaria à proposta inversa do que deve ser a modelagem, conforme defendida por grande parte de seus praticantes, a saber, “um processo contínuo de aprendizagem” (MORGAN e MORRISON, 1999; LENHARD et al. 2006; LADSTROM, et al. 2013).

Em razão das facilidades técnicas mencionadas, Shackley et al (1998) argumentam que os modelos climáticos, em relação a outros métodos, começaram a atuar como uma moeda comum entre grupos de cientistas e formuladores de políticas, que passaram a considerar que havia algo a ganhar intelectualmente, cientificamente, economicamente e politicamente ao envolverem-se em sua produção e fomento. Desse modo, a importância da modelagem climática é vista como resultado do comprometimento de uma grande variedade de atores com o seu desenvolvimento. Esse comprometimento corresponde, por sua vez, a uma gama variada de motivos dos grupos envolvidos. Por exemplo, cientistas de outras áreas de estudo das causas e processos das mudanças climáticas percebem que os modelos criam oportunidades de colaboração nas quais o compartilhamento de dados e a validação de resultados é mais efetiva. Economistas utilizam os resultados dos modelos para estudar os custos das mudanças climáticas nos mercados. Por sua vez, formuladores de políticas reconhecem nos modelos a possibilidade de prever riscos e, assim, decidir de maneira mais adequada a respeito das políticas de mitigação e adaptação. Em resumo, os modelos climáticos tornam-se “pontos de passagem obrigatórios”[5] (CALLON, 1986; LATOUR, 1987) nas redes que conformam as mudanças climáticas porque mobilizam diferentes grupos de atores e fazem seus interesses convergirem.

 

Limitações e incertezas

Podemos confiar nos modelos computacionais para basear nossas ações em relação à questão das mudanças climáticas? Essa pergunta é difícil de responder com um simples “sim”, principalmente quando se esclarece que os modelos não fazem declarações “verdadeiras” ou “falsas” sobre a natureza, mas são ferramentas úteis ou não para um propósito específico (MULLER, 2010).

O sociólogo Brian Wynne (2010), por exemplo, através de estudos empíricos realizados em projetos de modelagem na Europa, argumentou que a grande questão sobre se os Modelos de Circulação Geral da Atmosfera (MCGA) atualmente podem prever o futuro ainda não tem resposta: “The original perfectly explicit founding question is long-term climate prediction scientifically do-able? Has been answered by default, and is no longer explicity posed” (WYNNE, 2010, p. 292).

Tratando-se especificamente da incerteza na produção do conhecimento científico, argumenta-se que os modelos não podem ser verificados no mesmo sentido em que o são as teorias nas ciências naturais, isto é, através de experimentos que atestam sua veracidade (ORESKES, SHRADER-FRECHETTE; BELITZ, 1994). Identificar erros nos modelos é particularmente difícil no caso de simulações de sistemas complexos como o clima terrestre, principalmente quando essas simulações são realizadas em uma escala temporal de centenas de anos no futuro. Não há, portanto, a possibilidade de haver uma observação daquilo que foi simulado como ocorre nas simulações para a previsão do tempo, que é calculada em dias.

Além disso, há o problema da limitada capacidade computacional em realizar mais simulações. Para ter-se uma noção a respeito dessa limitação, destaca-se que o primeiro MCGA requeria 24 horas de tempo de computação para simular um único dia de circulação global. No final da década de 1970, computadores mais rápidos possibilitaram a simulação de um cenário climático para um 1 ano em 12 horas. Atualmente, o tempo computacional exigido para calcular cenários para 20 anos é em torno de 10 dias, isto é, ainda representa um tempo de máquina bastante expressivo (EDWARDS, 2010). Esse tempo computacional exigido aumenta quanto maior o número de componentes acrescentados nas simulações e quanto maior a resolução pretendida. Portanto, o número de experimentos realizados com modelos complexos, como os modelos acoplados do sistema terrestre, depende diretamente da capacidade computacional que, em todo o mundo, ainda está aquém da pretensão de produzir várias séries de simulações dos processos físicos e biogeoquímicos do sistema terrestre em alta resolução (CHERVIN, 1990; ARCHER, 2006).

Em virtude das razões relacionadas, os modelos climáticos raramente são submetidos à revisão por pares. Além disso, estudos de modelagem de larga escala nunca são replicados inteiramente por outros cientistas porque isso requer igual capacidade de pesquisa e idênticos modelos conceituais (LAHSEN, 2005). Desse modo, a replicação no campo da modelagem climática, assim como em outras ciências, nunca reproduzirá os mesmos resultados obtidos, mesmo que sejam usados os mesmos modelos e as mesmas condições iniciais para rodá-los (BANKES, 1993; MULLER, 2010, EDWARDS, 2010). Por tudo isso, torna-se difícil o processo de validação dos modelos climáticos.

Entretanto, apesar dessas grandes limitações e incertezas, a modelagem climática é o conhecimento científico mais usado para compreender as mudanças do clima e elaborar estratégias de mitigação e adaptação. Além disso, é preciso reconhecer que todo o conhecimento científico é imperfeito, incerto e que, de diferentes maneiras, também “modela” aquilo que estuda[6] (NORTON; SUPPE, 2001).

 

Diferentes culturas epistêmicas de modelagem climática

O campo científico da modelagem climática é homogêneo ou há diferentes orientações quanto ao modo de conduzir essas pesquisas? Como essas diferenças estão relacionadas aos aspectos institucionais dos centros e redes de pesquisa?

No ano de 1993, o pesquisador Simon Shackley trabalhou no Hadley Centre do Reino Unido participando de um programa de estudo sociológico sobre as ciências das mudanças climáticas e sua relação com a formulação de políticas. No ano seguinte, Shackley deu continuidade a essa pesquisa visitando vários centros de modelagem climática nos EUA, dentre eles o Geophysical Fluid Dynamics Laboratory (GFDL) e o National Center for Atmospheric Research (NCAR). Por meio de observações e entrevistas realizadas com modeladores e outros cientistas desses centros, Shackley pode coletar dados que lhe possibilitaram identificar diferentes estilos de modelagem climática e explorar uma série de elementos institucionais, organizacionais, políticos e científicos que permeiam essa prática.

Identificou dois tipos de “cultura epistêmica”[7] entre os modeladores. Uma delas Shackley chamou de Climate Seers. Esses modeladores são “aqueles que conduzem experimentos com modelos para entender e explorar o sistema climático com ênfase particular nas variáveis e processos que podem influenciar as previsões do tempo e clima”. (SHACKLEY, 2001, p. 115, tradução nossa).

A principal motivação dos Climate Seers no uso e desenvolvimento dos modelos é obter uma compreensão preditiva do sistema climático cada vez melhor. Isso implica estratégias de melhoramento dos modelos que consistem em um monitoramento dos drivers termais (gases de efeito estufa, aerossóis, irradiação solar etc.), na utilização de modelos de diversas complexidades nas previsões, em comparações do que foi previsto com as mudanças detectadas no passado etc. São comumente identificados como estudiosos de modelos preocupados com as induções humanas das mudanças climáticas, tais como as emissões industriais de gases estufa, desmatamento, desertificação.

A segunda cultura epistêmica identificada por Shackley (2001) é a dos Model Constructors. Estes são especialistas que desenvolvem modelos que pretendem capturar toda a complexidade do sistema climático. Os Model Constructors estão interessados em avançar no desenvolvimento dos modelos climáticos atuais como “um bem em si mesmo”, pois não consideram que os modelos são somente meios para obter respostas para alguma questão científica prioritária como, por exemplo, a das emissões de gases estufa no clima.

Os Model Construtors veem como sua principal tarefa construir modelos climáticos acoplando a atmosfera ao oceano, ao gelo marinho e à superfície terrestre. Isso envolve melhor resolução e maior embasamento na Física. Dessa maneira, consideram que os melhores modelos devem contar com parametrizações mais “realistas” para desempenharem performances melhores e diagnósticos mais avançados dos sistemas climáticos. Os modelos que eles produzem podem ser utilizados para uma grande variedade de operações, tais como: os estudos da química atmosférica, das interações climáticas e dos efeitos da superfície terrestre, também estudos paleoclimáticos e os efeitos das emissões de gases estufa

(SHACKLEY, 2001, p. 116, tradução nossa).

A suposição por trás dessas motivações é que melhores simulações do clima resultarão no acoplamento de vários modelos que poderão reproduzir o sistema terrestre como um conjunto de interações que influenciam na dinâmica da atmosfera. Para os Model Constructors, essas simulações complexas são factíveis e desejáveis.

Shackley (2001) observa que entre Climate Seers e Model Constructors há uma distinção importante. Para os Seers, um modelo pode ser considerado o “estado da arte”, dependendo do destino de sua aplicação. Assim, esses modeladores tendem a ser mais cautelosos quanto à realização de mudanças em um modelo que “trabalha bem” e é confiável. Na opinião dos Seers, somente quando um modelo é bem compreendido será apropriado adicionar complexidades em seu código. Essa posição é muito menos aberta e focada em estratégias de economia de tempo[8] do que o modo como os Constructors veem o processo de desenvolvimento dos modelos. Para os Constructors, um modelo é o estado da arte independentemente dos fins de sua aplicação. O processo de seu desenvolvimento deve buscar atingir maior complexidade na representação do sistema climático. Suas preocupações, portanto, relacionam-se à obtenção de simulações cada vez mais “realistas” através da adição de novos parâmetros e acoplamentos entre modelos.

Comparando essas culturas epistêmicas entre si, Shackley (2001) sugere que diferenças nos objetivos de pesquisa, métodos, hipóteses e experiências no campo da modelagem climática estão relacionadas às diferentes noções de como políticas direcionadas às instituições de pesquisa do setor devem ser formuladas e conduzidas. Desse modo, as culturas epistêmicas estão envolvidas nas diferentes realidades institucionais e políticas científicas que variam de país para país. O que se torna claro

no estudo de Shackley é que, ao estudar a dinâmica dos diferentes grupos de pesquisa, depara-se não só com tecnicalidades, mas também com diferentes noções e opções políticas em jogo.

 

Modelos e a coprodução da ordem política

A antropóloga Anna Tsing (2005, p. 103), ao analisar a prática da modelagem climática, declarou “ter ficado surpresa ao saber que a escala global tem precedência, pois é a escala do modelo”. Isso porque, segundo ela, a modelagem produz um conhecimento que parte de uma visão “de fora da Terra” que pretende produzir conhecimentos e substanciar políticas em escalas locais. Segundo a antropóloga, “é difícil compreender e aceitar que o local seja deduzido de uma matriz global, pois isso implica em uma simplificação e redução extrema das múltiplas localidades e suas diferentes temporalidades e espacialidades” (Ibidem, p. 104). Em sua análise, a antropóloga indica que o status ontológico do clima global pode auxiliar na construção de uma ideia poderosa de que os problemas climáticos na atualidade devem ser entendidos e governados prioritariamente a partir de uma escala global.

Segundo Clark Miller (2004), historicamente, a ideia de um clima global foi coprodutora de uma ordem política ambiental internacional. Miller esclarece seu argumento analisando o discurso do diretor executivo do Programa das Nações Unidas para o Meio Ambiente (PNUMA), Mostafa Tolba, na segunda Conferência Mundial do Clima, em novembro de 1990. Nesse discurso, Tolba destacou as novas evidências científicas do aquecimento global e clamou pela ação global para combater o problema. Nos meses seguintes, a Assembleia Geral das Nações Unidas autorizou a formação de uma nova instituição internacional – o Comitê Internacional de Negociação – que deu origem a Convenção-Quadro das Nações Unidas para Mudanças do Clima. Segundo Miller (2004, p. 51), “o ponto de vista de Tolba tipifica a perspectiva contemporânea que liga as políticas globais do clima diretamente ao entendimento científico da questão”. Não obstante, ele observa que antes do final dos anos 1980, cientistas e formuladores de política raramente conectavam essa ideia a uma necessidade de reorganizar a política global. Essa passagem se deu apenas quando o clima terrestre foi reimaginado como um sistema global com o auxílio das imagens de satélite e da modelagem computacional, que possibilitaram alinhar perspectivas de um risco climático global com uma possível jurisdição de instituições internacionais como o IPCC.

Quando criado em 1988, o IPCC derivou sua compreensão do clima diretamente do trabalho dos modeladores climáticos organizando uma série de exercícios e avaliações com modelos globais (WYNNE, 2010; WEART, 2013). O mais importante desses exercícios foi a intercomparação de modelos. Um projeto crucial para esse processo foi o Atmospheric Model Intercomparison Project (AMIP). Esse projeto requeria que cada grupo de modelagem de centros de estudos climáticos nacionais – a maioria deles dos Estados Unidos e da Europa – rodassem seus modelos sob uma série de condições específicas e parâmetros, tais como: médias mensais das temperaturas da superfície do mar e distribuição de gelo marinho entre os anos 1979-1988 (EDWARDS, 2010). Todas as rodadas dos modelos tinham que apresentar seus resultados em um formato padrão, o que possibilitou a construção de uma base para intercomparar suas performances e diagnosticar as diferenças no comportamento de cada modelo. Após o AMIP, a intercomparação envolveu uma série de projetos mais elaborados. Muitos deles participaram no que se tornou um ciclo de avaliação de modelos globais relacionado ao processo de avaliação do IPCC. Atualmente, esses projetos de intercomparação de modelos reúnem-se sob o Program for Climate Model Diagnosis and Intercomparison (PCMDI). Cerca de 40 diferentes projetos avaliam diversos aspectos de vários tipos de modelos climáticos (EDWARDS, 2010). O projeto de maior importância é o Coupled Model Intercomparison Project (CMIP), que compara os modelos acoplados do sistema terrestre para a produção de cada relatório do IPCC[9].

Baseado nesse grande número de experimentos com modelos globais, o IPCC rapidamente adotou, de maneira central, em seus relatórios, a metáfora “global climate system” e explicitamente passou a evitar as expressões “local weather” “regional climate” (MILLER, 2004, p. 54). Elaborando e reforçando esse entendimento global e sistemático do clima e das mudanças climáticas, o IPCC contribuiu para uma visão da ordem natural que tornou clara a necessidade de uma estrutura de governança global do clima. Os modelos climáticos globais, portanto, foram (e são) atores centrais no processo de criação daquilo que estudiosos da política internacional das mudanças climáticas têm chamado de o regime político internacional das mudanças climáticas (VIOLA, 2002; GIDDENS, 2010).

Retornando à observação de Anna Tsing (2005) sobre o status ontológico global dos modelos climáticos feita inicialmente, partir de uma matriz global do ambiente realmente resulta na percepção de que um governo global das questões climáticas é possível e desejado. Não obstante, a questão que se coloca é se isso não tem se expressado de maneira contundente na desconsideração de conhecimentos “locais”, considerados “não-científicos”, que são subjugados nesse processo de constituição e governo de uma realidade global dos riscos ambientais[10].

 

A distribuição desigual dos centros de modelagem climática no mundo.

Apesar da atual dependência da climatologia em relação à utilização e ao desenvolvimento de modelos, nem todos os centros de pesquisa possuem recursos financeiros para investir, por exemplo, na compra de um ou mais supercomputadores e na formação de recursos humanos altamente especializados para desenvolver modelos computacionais de alta complexidade. O fato de que o desenvolvimento da modelagem climática demanda um alto investimento de recursos públicos faz com que poucos países no mundo consigam desenvolver seus próprios modelos.

Historicamente, os Estados Unidos são a maior potência em modelagem climática. Já no início da década de 1950, foi criado, no US Weather Bureau, uma seção de pesquisa em circulação geral da atmosfera liderada pelo pesquisador Joseph Smagorinsky. Posteriormente, essa seção transformou-se no Geophysical Fluid Dynamics Laboratory (GFDL), que reuniu pesquisadores ícones da meteorologia moderna como Von Neumann, Norman Phillips, Syukuro Manabe e Jules Charney (WEART, 2009, EDWARDS, 2010). Essa massa crítica reunida no país deu origem aos primeiros modelos de circulação geral da atmosfera. Atualmente, os Estados Unidos possuem os maiores centros climatológicos do mundo, todos com forte atuação na área de modelagem, a saber, o GFDL, o NCAR, a National Oceanic and Atmospheric Administration (NOAA), o National Centre for Environmental Prediction (NCEP) e a própria National Aeronautics and Space Administration (NASA).

Além dos Estados Unidos, países da Europa, como a Inglaterra e a Alemanha, da Ásia, como o Japão e a China, possuem grandes centros especializados. O mesmo não ocorre com países do hemisfério sul. Para ilustrar essa distribuição geográfica desigual dos principais centros de modelagem climática no mundo, é válido analisar quais países participaram das rodadas do CMIP5 para produzir o quinto relatório do IPCC (Figura 3).

 

Ao analisar o quadro anterior, nota-se que apenas 14 países no mundo participam do projeto. Isso porque o CMIP só inclui centros de estudos climáticos que possuem e desenvolvem seus próprios modelos do sistema terrestre (ou modelos acoplados). Alguns países como Estados Unidos, Japão e Reino Unido têm seus nomes repetidos no quadro, pois possuem mais centros que rodam modelos acoplados. Nota-se, também, que alguns países, como os EUA, participam do projeto com mais de um modelo, o que revela uma alta capacidade na área de modelagem. O único país da América do Sul é o Brasil, que, pela primeira vez, participou do projeto com o modelo Brazilian Earth System Model (BESM) do Instituto Nacional de Pesquisas Espaciais (INPE).

O fato de poucos países participarem do CMIP significa que o conhecimento em modelagem, que fundamenta as avaliações do IPCC, tem sua produção concentrada em centros que possuem infraestrutura computacional e recursos humanos especializados para desenvolverem os complexos modelos do sistema terrestre. Cabe destacar que a inclusão no CMIP é condicionada por exigências de evoluções constantes nos modelos, por exemplo, modelos que não acoplam o componente oceânico, gelo marinho e superfície terrestre em suas simulações não podem participar do experimento[11]. Cada fase do CMIP exige novos parâmetros e acoplamentos, o que coloca os centros de climatologia em uma corrida para alcançar tais desenvolvimentos. Nessa corrida, quem possui mais recursos para investir em infraestrutura e pesquisa pode produzir um volume maior de simulações para serem avaliadas e incluídas na base de conhecimentos do IPCC.

Considerações finais

Esse artigo destacou a importância dos modelos climáticos para as ciências e políticas das mudanças climáticas indicando o modo como esses objetos técnicos estão envolvidos em aspectos políticos, culturais e sociais que perpassam as redes de pesquisa. Destaca-se, portanto, que a condição indispensável dos modelos para as atuais questões climáticas não deve ser compreendida unicamente pelas qualidades técnicas inerentes a eles e pela capacidade computacional empregada em seu uso. Para compreender o papel central que esses modelos desempenham nas ciências e nas políticas das mudanças climáticas, é preciso atentar para os diferentes processos que estão associados a esses modelos como parte de sua constituição. É preciso, portanto, dirigir o olhar para a grande variedade de atores que a eles se associam e para o que essas associações permitem realizar.

Para tanto, os Estudos Sociais da Ciência e da Tecnologia podem contribuir produzindo diferentes percepções sobre os modelos e as redes que com eles emergem. Como foi possível observar nesse artigo, diferentes tipos de cultura epistêmica estão envolvidas nas redes de pesquisa em modelagem, as quais refletem em diferentes arranjos políticos e institucionais. Além disso, destacou-se que os modelos climáticos produzem efeitos performativos nas redes político-científicas das mudanças climáticas, construindo um modo peculiar de conhecer e agir nessas redes.

Contribuições como essas podem lançar luz sobre o modo como são conduzidas as pesquisas e as políticas das mudanças climáticas, permitindo a accountability de tais processos e a produção de novas percepções dos problemas colocados. Nesse sentido, devemos nos interessar pelos modelos climáticos, em particular, e pela ciência das mudanças climáticas, de um modo geral, como objetos que devem ser perscrutados a partir de uma perspectiva dos estudos sociais para que se possa avançar na governança dos riscos climáticos.

---

Referências

 

ARCHER, D. Global Warming: Understanding the Forecast. Hoboken, NJ: Wiley-Blackwell, 2006.

 

BAER, H; MERRILL, S (ed.). The Anthropology of Climate Change: An Integrated Critical Perspective. Abingdon, Oxford, U.K.: Routledge, 2014.

 

BANKES, S. Exploratory Modeling for Policy Analysis. Operations Research, v. 41, n. 3, may/june), p. 435-49, 1993.

 

BRECHIN, R. S.; BHANDARI, M. Perceptions of climate change worldwide. Wiley Interdisciplinary Reviews: Clim Change, v. 2, n. 6, p. 871-885, 2011.

 

CALLON, M. Some elements of a sociology of translation: domestication of the scallops and the fishermen of St Brieuc Bay. In: LAW, J. (ed.). Power, action and belief: A new sociology of knowledge. London: Routledge, 1986. p. 196-233.

 

CRATE, A.; NUTTALL, M. (eds). Anthropology & Climate Change. From Encounters to Actions. Walnut Creek, CA: Left Coast Press, 2009.

 

DOVE, M. (ed.). The Anthropology of Climate Change. An Historical Reader. Malden (MA): Wiley-Blackwell, 2014.

 

______. “The World in a Machine”: Origins and Impacts of Early Computerized Global Systems Models. In: HUGHES, A.; HUGHES, T. P. (ed.). Systems, Experts and Computers: The Systems Approach in Management and Engineering, Worl War II and After. Cambridge, MA: MIT Press, 2000. p. 221-254.

 

______. Representing the Global Atmosphere: Computer Models, Data and Knowledge about Climate Change. In: MILLER, C. A.; EDWARDS, P. N. (eds). Changing the atmosphere: expert knowledge and environmental governance. Cambridge, MA: The MIT Press, 2001. p. 31-66.

 

______. A Vast Machine: Computer models, climate data, and the politics of global warming. Cambridge, MA: The MIT Press, 2010.

 

GIDDENS, A. A política da Mudança Climática. Trad. Vera Ribeiro. Rio de Janeiro: Zahar, 2010.

 

GUPTA, J. A History of international climate change policy. Wiley Interdisciplinary Reviews: Clim Change, v. 1, n. 5, p. 636-653, 2010.

 

 

HARGREAVES, J. C.; ANNAN, J. D. Can We Trust Climate Models?. Wiley Interdisciplinary Reviews: Climate Change, v. 5, n. 4, p. 435-440, jul./aug. 2014.

 

HEYMANN, M. The Evolution of Climate Ideas and Knowledge. Wiley Interdisciplinary Reviews: Climate Change, v. 1, n. 1, p. 581-597, jul. 2010.

 

______. How Climate Models Gain and Exercise Authority. In: HASTRUP, K.; SKRYDSTRUP, M. (eds.). The Social Life of Climate Change Models: Antecipating Nature. London and New York: Routledge, 2013.

 

JASANOFF, S.; WYNNE, N. Science and decisionmaking. In: RAYNER, S.; MALONE, E. L. (eds). Human choice & climate change. Vol. I: The societal framework. Columbus: Battelle Press, 1998. p. 1-87.

 

JASANOFF, S.; MARTELLO, L. M. (eds.) Earthly Politics: Local and Global in Environmental Governance. Cambridge: MIT Press, 2004. p. 151-172.

 

LAHSEN, M. Brazilian Climate Epistemers Multiple Epistemes: An Exploration of Shared Meaning, Diverse Identities and Geopolitics in Global Change Science. Belfer Center for Science and International Affairs (BCSIA) Discussion Paper 2002-01. Cambridge, MA: Environment and Natural Resources Program, Kennedy School of Government, Harvard University. Global Environmental Assesment Project. Jan. 2002.

 

__________. Seductive Simulations? Uncertainty Distribution Around Climate Models. Social Studies of Science, v. 35, n. 6, p. 895-922, 2005.

 

LATOUR, B; WOOLGAR, S. Laboratory life: the construction of scientific facts. Princeton, New Jersey: Princeton University Press, 1979.

 

LATOUR, B. Science in Action. Cambridge: Harvard University Press, 1987.

 

LENHARD, J.; KUPPERS, G.; SHINN, T. (eds). Simulation. Pragmatic Construction of Reality. Heidelberg: Springer-Verlag, 2006.

 

LYNCH, P. The Origens of Computer Weather Prediction and Climate Modeling. Journal of Computacional Physics, v. 227, p. 3431-3434, mar. 2007.

 

MILLER, C.; EDWARDS, P. (eds). Changing the Atmosphere. Expert Knowledge and Environmental Governance. Cambridge: The MIT Press, 2001.

 

MILLER, C. Climate Science and the making of a global political order. In: JASANOFF, S. States of Knowledge: The co-production of science and social order. London: Routledge, 2004., p. 46-66.

 

MONTEIRO, M. S. A. Novas mídias, interatividade e a prática científica. Ensino Superior Unicamp, v. 19, p. 61-69, 2013.

 

______. Beyond the merely visual: Interacting with digital objects in interdisciplinary scientific practice. Semiotica, Berlin, n. 181, p. 127-147, 2010a.

 

______. Reconfiguring Evidence: Interacting with Digital Objects in Scientific Practice. Computer Supported Cooperative Work, v. 19, n. 3-4, p. 335-354, 2010b.

 

 

MORGAN, M.; MORRISON, M. (eds). Models as Mediators. Perspectives on Natural and Social Science. Cambridge, MA: Cambridge University Press, 1999.

 

NORTON, S, N.; SUPPE, F. Why Atmosphere Modeling is Good Science. In: MILLER, C; EDWARDS, P. N. (ed.). Changing the Atmosphere: Expert Knowledge Environmental Governance. Cambridge, MA: The MIT Press, 2001.

 

ORESKES, N. SHRADER-FRECHETTE, K.; BELITZ, K. Verification, validation and confirmation of numerical models in the earth sciences. Science, v. 263, n. 5147, p. 641-653, 1994.

 

SHACKLEY, S; WYNNE, B. Representing uncertainty in Climate Change Science and Policy: Boundary-Ordering devices and authority. Science, Technology & Values, v. 21, n. 3, p. 275-302, 1996.

 

SHACKLEY, S. Trust in models? The mediating and transformative role of computer models in environmental discourse. In: REDCLIFT, M.; WOODGATE, G (eds). The International Handbook of Environmental Sociology, 1997. p. 237-260.

 

SHACKLEY, S. et al. Uncertainty. complexity and concepts of good science in climate change science an policy: Boundary-Ordering Devices and authority. Science, Technology & Human Values, v. 21, n. 3, p. 275-302, 1998.

 

______. Epistemic Lifestyles in Climate Change Modeling. MILLER, C; EDWARDS, P. N. (ed.). Changing the Atmosphere: Expert Knowledge Environmental Governance. Cambridge, MA: The MIT Press, 2001. p.107-133.

 

TAYLOR, K. E. Program for Climate Model Diagnosis and Intercomparison (PCMDI). Lawrence Livermore National Laboratory. Presented to the WCRP Working Group on Coupled Modelling. Hamburg, Germany, 2012. Disponível em: <http://www.wcrp-climate.org/wgcm/WGCM16/Taylor_CMIP5Update_WGCM16.pdf>. Acesso em: 20 set. 2014.

 

TADDEI, R. The politics of uncertainty and the fate of forecasters. Ethics, Policy & Environment, v. 15, n. 2, p. 252-267, 2012.

 

VIOLA, E. O Regime Internacional das Mudanças Climáticas e o Brasil. Revista Brasileira de Ciências Sociais, v. 17, n. 50, out. 2002.

 

KNORR-CETINA, K. Epistemic Culture. How the sciences make knowledge. Cambridge, MA: Harvard University Press, 1999.

 

WEART, S. The Development of General Circulation Models of Climate. Studies in History and Philosophy of Modern Physics, v. 41, p. 208-217, 2010.

 

______. The Discovery of Global Warming. Cambridge, MA: Harvard University Press, 2003.

---

WYNNE, B. Strange Weather, Again: Climate Science as Political Art. Theory, Culture & Society, v. 27, n. 2-3, p. 289-305, 2010.

[1] Sociólogo, doutorando em Política Científica e Tecnológica no Instituto de Geociências, Departamento de Política Científica e Tecnológica da Universidade Estadual de Campinas (IG/DPCT/Unicamp). Email: jean.dpct@gmail.com.

[2] Antropólogo, professor do DPCT/Unicamp. Email: markosy@uol.com.br

[3] Disponíveis em: <http://www.ipcc.ch/>. Acesso em: 30 set. 2014.

[4] Disponível em: <http://www2.cesm.ucar.edu/>. Acesso em: 30 set. 2014.

[5] Callon (1986) e Latour (1987) consideram que um determinado ator (humano ou não-humano) torna-se “um ponto de passagem obrigatório” nas redes quando este se constitui um “porta-voz” dos demais atores, capaz de conciliar interesses divergentes. No caso das mudanças climáticas, os modelos computacionais parecem atender a tais exigências ao tornarem-se o modo de compreensão do clima global privilegiado por uma ampla e diversa comunidade científica internacional.

[6] No sentido de que todas as ciências constroem esquemas que reduzem a complexidade com a qual pretendem lidar. Ou seja, as práticas científicas simplificam a realidade em diferentes tipos de modelos, sejam eles matemáticos ou teóricos. (LATOUR; WOOLGAR, 1979 e NORTON; SUPPE, 2001).

[7] Shackley (2001, p. 114) define o conceito de culturas epistêmicas ou estilos de vida epistêmicos como sendo “o conjunto de questões e problemas intelectuais que acompanham certas práticas, que fornecem um propósito para uma conquista na vida profissional dos cientistas, bem como outros sentidos mais mundanos que são necessários para que estas atividades ocorram”. O autor utiliza o conceito incluindo as redes sociais e conexões através das quais cientistas organizam o seu trabalho individual e coletivo. De forma abrangente, o estilo de vida epistêmico refere-se à imersão dos cientistas em um modo de organização intelectual e em uma trajetória profissional que dificilmente é trocada por outra. Esses estilos de vida são entendidos como “tipos ideais”, por meio dos quais o autor pretende identificar preocupações práticas e disciplinares dos cientistas; aspectos da cultura institucional, questões burocráticas, relações com agentes externos ao meio acadêmico, fundos e recursos para incentivo à pesquisa, aspectos das carreiras profissionais, dentre outros aspectos e motivações que podem influenciar nas práticas científicas. O autor admite que o conceito não é de sua autoria, pois já havia sido adotado em outros trabalhos no campo da Sociologia da Ciência, como nos de Fleck (1935) e Knorr-Cetina (1991).

[8] ⁸Conforme já foi destacado, para fazer uma rodada de um modelo climático em um sistema computacional consome-se muito tempo para se chegar aos resultados. Esse gasto de tempo é relativo ao poder de cálculo dos computadores, mas também à complexidade dos modelos. Dessa maneira, modelos mais simples permitem realizar um maior número de rodadas e, consequentemente, maior comparação dos resultados.

[9] Informação obtida no site do IPCC disponível em: < http://www.climatechange2013.org/>. Acesso em: 29 set. 2014.

[10] A antropologia das mudanças climáticas já produziu um volume bastante expressivo a respeito dessas fricções locais-globais relacionadas a conhecimentos e políticas climáticas (JASANOFF e MARTELLO, 2004; CRATE e NUTTALL, 2009; DOVE, 2014; BAER e MERRILL, 2014). No Brasil, destaca-se o trabalho do antropólogo Renzo Taddei, que ilustra a fricção entre saberes científicos da meteorologia e saberes tradicionais sobre o tempo em comunidades agropastoris do sertão do Ceará (TADDEI, 2012).

[11] Informações disponíveis em: <http://cmip-pcmdi.llnl.gov/>. Acesso em: 28 set. 2014.