Waarom zijn modellen zo veelgebruikt in klimaatbeleid?

Op het raakvlak van klimaatwetenschap en beleid worden toekomstverkenningen voor een duurzame wereld veelal gemaakt met behulp van Integrated Assessment Models (IAMs). Maar er is tegenwoordig een heel scala aan manieren om de toekomst te verkennen, zoals visioning, gaming en speculative design. IAM's zijn op unieke wijze in staat om complexe interacties tussen maatschappelijke en klimatologische processen te onderzoeken, maar hebben ook beperkingen zoals het onderschatten van sociaal-culturele veranderingen. Waarom zijn die IAMs zo dominant geworden? En hoe kunnen ze in de toekomst in combinatie met andere verbeeldingstechnieken beter ingezet worden?

Promovendus Lisette van Beek, Prof. Dr. Maarten Hajer, Prof. Dr. Detlef van Vuuren and Dr. Peter Pelzer publiceerden onlangs een historische waarin ze deze vraag beantwoorden. Een belangrijke conclusie is dat IAM's zich met succes zouden kunnen aanpassen aan de opkomende kennisbehoefte van de beleidsgemeenschap en verschillende rollen zouden kunnen aannemen. Dit kan worden verklaard door de typische modelstructuur van IAM's en het proactieve karakter van de IAM-gemeenschap.

De rol van IAM's in het wetenschapsbeleid-interface
De doelstellingen van 1,5°C en 2°C die in het Akkoord van Parijs zijn vastgelegd, benadrukken de noodzaak van technieken en benaderingen om mogelijke koolstofarme toekomsten te onderzoeken. De IAM's zijn momenteel het belangrijkste instrument dat voor deze taak wordt gebruikt: hun scenario's staan centraal in de rapporten van het IPCC. Een belangrijke kracht van de IAM's is hun vermogen om complexe verbanden te leggen tussen het sociaaleconomische en het klimaatsysteem. Ze staan ook voor uitdagingen, zoals een beperkte capaciteit om niet-kwantificeerbare sociaal-culturele veranderingen te vertegenwoordigen die nodig zijn om te transformeren naar een koolstofarme samenleving. Het is daarom niet vanzelfsprekend dat IAM's zo'n prominente positie innemen.

Tijdlijn van de geschiedenis van IAM-beleid interacties

Verschillende rollen door de geschiedenis heen
Deze positie kan worden verklaard uit de historische interacties tussen modellen en beleid. De oorsprong van IAM's kan worden herleid tot de studie Limits to Growth uit 1972, die een paradigmawisseling in het milieubeleid markeerde. Tussen de jaren '70 en 2015 zijn IAM's erin geslaagd om mee te evolueren met verschuivingen in de kennisbehoeften van de beleidsgemeenschap. In de afgelopen decennia werden ze steeds prominenter en waren ze in staat om meerdere rollen te vervullen in de richting van beleidsvorming: van agendabepaling, naar doelformulering en het monitoren van politieke ambitie.

Wat verklaart het succes van IAM's?
Naast het meer algemene 'vertrouwen in getallen' en de vooruitgang in rekenkracht, verklaren twee belangrijke factoren het succes van IAM's: de modelstructuur en het proactieve karakter van de IAM-gemeenschap. IAM's zijn relatief flexibel, maken de integratie van verschillende disciplines mogelijk en zijn breed opgezet: ze omvatten oorzaken, gevolgen en reacties. Maar hun succes zou niet mogelijk zijn zonder dat de IAM-modelleurs altijd proactief zijn in het verwerven van beleidsrelevantie. In de afgelopen decennia heeft de gemeenschap verschillende strategieën gebruikt om beleidsrelevant te worden en te blijven.

De toekomstige rol van IAM's
De historische inbedding van IAM's op het raakvlak van klimaatwetenschap en beleid geeft aan dat de modellen in de toekomst waarschijnlijk een belangrijke rol zullen spelen. Maar de klimaatcrisis wordt steeds urgenter en is niet langer alleen een kwestie van het raakvlak tussen wetenschap en beleid. Dit impliceert een overweging om allianties te zoeken met andere benaderingen om een mogelijke toekomst te verbeelden en een breder publiek te betrekken.

Publicatie
Lisette van Beek, Maarten Hajer, Peter Pelzer, Detlef van Vuuren, Christophe Cassen, Anticipating futures through models: the rise of Integrated Assessment Modelling in the climate science-policy interface since 1970, Global Environmental Change