気候論争の構造－マスコミが論争に寄与する例－

気候論争の構造は、一般的なメディアによるその問題の切り取り方（報道の方法）によっても形が決まる。

米国の場合、ジャーナリストは一般的にその職業的訓練と市場の要求によって、流布する意見の中心を代表して報道しようとする。その際に、多くのジャーナリストが持つ「バランスのとれた」報道という職業規範は、基本的に「取材する科学者の専門家としての信頼性を判断する能力は、ジャーナリストにはない」ことを前提としている。

仮に専門家の信頼性を評価する能力があると感じていても、ジャーナリストは読者に複数の視点を提供して読者自身に判断してもらうよう訓練され、また知識のない編集者による制約も受ける場合もある。すると、ジャーナリストは議論のバランスをとるため、科学的裏付けに欠ける懐疑的な見解と信頼できる科学的見解とを「同等」に紹介する。その結果、一般大衆は両者の意見が対等であると受け取る。一方で、論争の先鋭化は、「ニュース性」を高めかつ収益を生む読者層を引きつけそうに見える。これらの特徴が相まって、科学的結論を論争的なものとして報道することが多くなる。

1988 年から2002 年の間にニューヨーク・タイムズ紙、ワシントン・ポスト紙、ロサンゼルス・タイムズ紙、ウォールストリート・ジャーナル誌に掲載された気候変動に関する340のニュース記事の調査において、マスメディアを研究しているマクセル・ボイコフとジュール・ボイコフは、約53%の記事が地球温暖化の推進派と懐疑派の両方の立場を対等に表現する、「バランスのとれた」ものであることを発見した[1]。すなわち、記事の大半は、科学的裏付けに欠ける懐疑的な見解と信頼できる科学的見解とを同等に紹介しているため、彼らは、これはむしろ偏った報道であると結論づけた。

このような報道は、少数派が公共の議論における長期間の「不釣り合いな支配力の保持」を可能にする。米国の科学と政策の接点に見られるこうした特徴は、気候変動をイデオロギーの問題へと変貌させた。「地球温暖化論者」と「温暖化懐疑派」との間の論争は、長年にわたって続くうちに、環境政策に関する一般的な立場として相並ぶようになった。そのため、著者は「気候科学が信頼に足るかどうかは、一般大衆の多くが判断不能と感じるような不透明な問題となった」と述べている。

ただしこれは米国の場合の話で、欧州各国では、一部揺り戻しがあるのかもしれないが、比較的早くから地球温暖化の合意を受け入れている国が多い。

[1]M. T. Boykoff and J. M. Boykoff, “Climate Change and Journalistic Norms: A Case Study of US Mass-Media Coverage”, Geoforum 38, no. 6 (2007): 1190-204.

気候論争の構造－公聴会の例－

ここでは、気候論争の例として、米国で起こった例を挙げる。米国では、科学に関する政策の考え方として、行政上の決定のほとんどは科学的に明確な根拠を持たなければならない。そのために公聴会が開かれることが多く、そこで利害が対立するグループが、政策の妥当性について議論して、それを基に政策が決定される。そしてその公聴会には、それぞれのグループが自分の主張に有利な科学者を公述人として招致することが多い。

 

公聴会の例（2016年2月2日にマンハンタンで開催された公聴会）
https://en.wikipedia.org/wiki/File:Community_Board_12_Manhattan_Public_Hearing.jpg

一般に科学は、知識生産の基本的な仕組みとして、仲間による批判を含めた開かれたコミュニケーションを重視する。そして、特に自然科学者は不確実性に敏感であり、断定を避けて、誤りの原因となりうるものと、それを修正する新しい方法を常に探し求める傾向がある。ただしその程度にも個人差があり、決定的な証拠しか受け入れない「厳格な（highproof）」科学者と、部分的あるいは暫定的な証拠を受け入れる「進取的な（frontier）」科学者に分かれることがある。

気候論争のような不確実性がある程度入り込まざるを得ない論争になると、温暖化懐疑派に近いグループは、観測結果などの事実に基づいた証拠を重視する「厳格な科学者」を公述人に擁立することが多い。反対に温暖化受容派は、モデル予測を前提とする「進取的な科学者」を擁立することが多くなる。

科学者は一般に不確実性に敏感であるため、モデル予測のような不確実性や確率を含んだ議論に対しては、進取的な科学者による主張はどうしても歯切れが悪い印象を与える。そのため、自然科学が関与する政策は、科学的に明確な根拠を問題にすると、規制を課す政策のための証拠のハードルが非現実的なほど高くなる。この論争のパターンは、農薬、たばこ、公害による健康被害などに広く見られてきたことである（地球温暖化に関する議論のパターンは、それを踏襲しているとも言える）。

しかし「健全な科学議論」の所で述べたように、「経験的事実に基づいた観測データ」と「推測的なモデル結果」という議論は生産的ではなく、結局エドワーズが主張するように、グローバルな気候データについては、純粋なデータも純粋なモデルも存在しない。むしろモデルの結果が示す地球温暖化に関する不確実性は、数多くの知見を集積した結果であり、「不確実性は悪い科学の特徴ではなく、誠実な科学の特徴である」と捉えるべきことなのである。

 

「健全な科学」議論

「健全な科学（sound science）」とは、1990 年代半に主に共和党からなるアメリカの環境保守派（米国の保守派は懐疑論者に近い）と気候変動懐疑論者が行った、科学的な証拠はどうあるべきかに関する主張である。その主張とは、「科学は経験的な事実に基づいた健全なデータに導かれなければならない。観測データは議論の余地のない証明を意味するが、モデルの結果は本質的に信頼できない」というものである。

これによって、不確実性を含むモデルの結果が、この議論の槍玉に挙がった。そして、地球温暖化に対する議論として、「経験的事実に基づいた確固とした根拠を持つ観測データ」と「根拠の弱い推測的なモデル結果」が、単純に対立する形となった。

　　　　　　　　　　　　　　　　　モデル対データの議論の模式図

 その例を挙げる。地球からの放射を測定する人工衛星は、いくつかの波長を観測するマイクロ波放射計（MSU）を搭載している。これは、これは地面と大気からの総合的な放射量を見ており、これは温度と密接な関係がある。1990年代に半ばにアラバマ大学ハンツビル校（UAH）は、この放射計の観測データを工夫することによって、対流圏の気温を測定する手法を開発した。

そして、放射計が搭載された1979年から1995年までの対流圏の全球気温トレンドを計算し、その結果は10年当たり-0.07℃の低下傾向を示した。当時、モデルを用いた全球気温は上昇を示していたため、これは議論となった。ここで出てきたのが、科学はモデルの結果ではなく観測結果に立脚すべき、という「健全な科学」議論だった。これはモデル結果を懐疑的に捉える共和党のイデオロギーにうまくはまった。

一見すると、モデルの結果より実際の観測結果の方が信頼性があるように思えるかもしれない。しかし、そうではない。その後起こったことは、1998年のエルニーニョによる高温とデータの蓄積によって、衛星観測による対流圏の全球気温トレンドはプラスへの増加に転じ、さらに衛星観測の処理プログラム、つまりデータ解析モデルの修正によって、その気温トレンドはさらに上昇した。この議論は現在でも完全になくなったわけではないが、問題としてはかなり沈静化している。

ここで問題となるのは、「観測データ対モデル結果」という対立の構図である。衛星による放射量を気温に変換するのにもデータ解析モデルが使用されており、そのモデルはたびたび修正が行われ、その度に結果も変化している。また民間調査会社のリモートセンシング・システムズ（RSS）も同じ観測データを用いて、やはり対流圏の全球平均気温トレンドを出しているが、それはUAHの値とも異なっている（しかもUAHより大きい）。この違いはデータ解析モデルの違いによる。

結局、「データ解析モデル」の所で述べたように、実は観測結果と言っているデータのほとんどは、データ解析モデルで処理されたものである。一方、データイメージのようなモデルの結果も、完全な理論だけで構築されているわけではなく、「データのグローバル化 」の所で述べたように観測データによる拘束を受けている。

つまり観測データ対モデル結果という議論は、ほとんど意味がない。哲学者スティーブン・ノートンやフレデリック・サッピが主張しているように、「適切に解釈され展開されるためには、むしろデータはモデル化されなければならない」のである。つまり、エドワーズが主張しているように、純粋なデータも純粋なモデルも存在しない。「健全な科学」議論のように、観測データとモデル結果は対立するものではなく、「データ解析モデル」の所で述べたように、両者は相互に依存しながら相互に有益となる「モデルとデータとの共生」を示しているのである。

気候モデルの問題： モデルの検証

 前回同様に、ここでは気候モデルという言葉を用いているが、この問題は大循環モデルも地球システムモデルでも同じである。

1980 年代にモデルが現実の気候の振る舞いを、高い信頼性を持ちある程度の正確さで捉えることができることを示すには、基本的に2 つの方法があった。一つの方法は、モデルのパラメータ値を現在に近い状態に設定し、20～100 年間のシミュレーションを実行して気候を求め、その結果を現実の大気循環の統計値と比較することである。

もう1 つは、最終氷期や高温の白亜紀のような現在と異なる条件にパラメータを設定する方法である。もしモデルの結果が古生物学的に推定された過去の気候条件とほぼ同じであれば、モデルの性能に対する信頼が高まる。そして、このモデルのパラメータを現在の状態に合わせれば、シミュレーションが正確である可能性が高くなる。

しかし、モデルの結果を実際の気候と比較して、両者が似ていればモデルの結果が常に信頼できるか？という議論は簡単ではない。例えば、科学史家であるナオミ・オレスケスは、モデルの結果は本質的に複雑な帰納的議論であると主張している。帰納的命題は完全に確実に証明することができないため、厳密な意味ではモデルの性能を実証することはできない。それは、モデルで与えた条件で現実に近い状態が再現できても、その現実に近い条件がモデルで与えた条件でなければ出現しない、ということを立証することが出来ないからである。

しかし、そのようなモデルが科学的論理で完全に立証されたと言えなくても、モデルの結果は「有効」である可能性は高い。そのため、オレスケスらは、そのようなモデルの結果は少なくとも「確認された（confirmed）」ものであると主張している。

この見解は、科学的仮説（あるいはモデル結果）は、観測によって誤りであることを証明することはできるが真理であることを証明することはできない、とする科学哲学者カール・ポパーのよく知られた反証主義の教義と一致する。

そのため、IPCCの評価報告書では、モデルと現実との間の対応の一致度の判定として、「評価（evaluation）」という言葉を用いている。

モデルの信頼度を表すのに別のやり方がある。それはモデル同士の相互比較である。大気モデル相互比較プロジェクト（AMIP）は、これらのプロジェクトの中でも最初のものだった。このプロジェクトは、1989 年にローレンス・リバモア国立研究所で組織された。AMIP が取った戦略は、各モデルグループに対する特定の「境界条件」またはパラメータを用いたモデル実行の要請だった。その上、すべてのモデルの実行結果は、特定の出力変数を標準様式で提供することが要求された。

モデルを異なる条件で動かして異なる様式で出力させると、結果を比較することは困難である。しかし、この共通仕様による各モデルの気候計算により、モデルの性能を相互に比較して、モデルの動作の違いの原因を診断するための基盤が構築された。

このAMIP の後、相互比較はより入念な一連のプロジェクトへと発展していった。例えば、結合モデル相互比較プロジェクト（CMIP）では、さまざまな共通条件の下で、結合モデルのシミュレーション結果が比較されている。

著者によると、このモデルの相互比較はさまざまなモデルやモデルグループをつなぐ標準化されたゲートウェイとして機能する（ゲートウェイについては「インフラストラクチャとしての気候知識（3）」を参照）。モデル同士や標準化された観測に基づくデータセットとの定期的で直接的、かつ有意義な比較を可能にしたことで、これは気候モデル作成を、個々の研究所の技術的活動からほぼすべての世界の気候モデルグループが関わる共通化および標準化された集団的活動へと変貌させることに貢献した。そして、それらの結果はIPCCに反映されている。

 

図 SPM.1  世界平均気温の変化の歴史と最近の温暖化の要因（AR6第 1 作業部会報告書 政策決定者向け要約より）
過去 170 年間の世界平均気温の変化（黒色の線）。1850～1900 年を基準とした年平均値を、第 6 期結合モデル相互比較プロジェクト（CMIP6）気候モデルによるシミュレーションから得られた人為起源と自然起源の両方の駆動要因を考慮した気温（茶色）及び自然起源の駆動要因（太陽及び火山活動）のみを考慮した気温（緑色）と比較している。各色の実線は複数モデルの平均値、着色域はシミュレーション結果の可能性が非常に高い範囲を示す。

 

例えばAR6の「政策決定者向け要約」には、気候の現状として次のように既述している。これにある気温幅は、CMIP6のモデル相互比較の結果から得られたものである。

1850～1900 年から 2010～2019 年11までの人為的な世界平均気温上昇の可能性が高い範囲は 0.8℃～1.3℃であり、最良推定値は 1.07℃である。よく混合された 温室効果ガスは 1.0℃～2.0℃の昇温に寄与し、他の人為起源の駆動要因（主にエーロゾル）は 0.0℃～0.8℃の降温に寄与し、自然起源の駆動要因は世界平均気温を-0.1℃～0.1℃変化させ、内部変動は-0.2℃～0.2℃変化させた可能性が高い。

例え現実に近い結果を出すモデルでも、1個だけだとその信頼性には限界がある。しかし、信頼性が確立された多数のモデルの結果を集めてその幅を示すことで、いろんな可能性を含めた結果の信頼性が増すとともに、その限界もわかるようになる。決定論的な結果でなくとも、その幅や限界がわかれば、それは人類の知として十分に機能する。