Klimaatverandering is geen monoliet. Het wordt gekenmerkt door het smelten van ijskappen in de loop van de tijd, evenals door een stormvloedkering die de stroomtoevoer naar het metrosysteem van een kuststad afsnijdt.

Maar wereldwijde modellen voor klimaatverandering zijn goed in het berekenen van brede trends, niet om rekening te houden met zeldzame weersomstandigheden en de ravage die ze kunnen aanrichten in gemeenschappen. En dan hebben we het nog niet eens over de onverwerkte achterstand aan klimaatgegevens die de afgelopen jaren zijn verzameld, die het menselijk vermogen om te analyseren ver te boven gaat.

"Soms horen we dat de wetenschap vaststaat, en soms horen we dat er zoveel is dat we niet weten dat we geen beslissingen kunnen nemen, " zei Auroop Ganguly, een professor in civiele en milieutechniek aan Northeastern.

Maar, hij voegde toe, "van onzekerheid een excuus maken om niets te doen, is een groot probleem."

In een artikel dat vrijdag door de Britse publicatie Climate 2020 is uitgebracht, een team onder leiding van Ganguly legt uit hoe bestaande wetenschap en technologie kunnen worden gebruikt om klimaatgegevens te interpreteren, nauwkeurigere voorspellingen doen, en het stimuleren van industrieën en gemeenten om zich zowel voor te bereiden op de effecten van klimaatverandering als deze te verminderen.

Een methode die het team aanbeveelt, wordt de extreme-waardetheorie genoemd, een soort statistiek die de waarschijnlijkheid van iets ongewoons kan voorspellen. Dit, schrijven de onderzoekers in het artikel, is een opstap naar "het verkrijgen van voorspellende inzichten over de statistieken van verandering en extremen."

Ganguly en zijn team geven nu al een voorbeeld door onderzoek te doen om dit soort gedetailleerde voorspellingen te doen. specifiek, ze hebben extreme weersomstandigheden bestudeerd, zoals hittegolven, koude kiekjes, zware neerslag, harde wind, en droogte – gevolgen van klimaatverandering die grotendeels niet worden meegenomen in de brede trends die door de huidige mondiale modellen worden geproduceerd.

gangbaar, die leiding geeft aan Northeastern's Sustainability and Data Sciences Laboratory, zei dat onderzoekers hun werk moeten uitbreiden met zowel datawetenschap als natuurkunde. En als de miljoenen gigabytes aan beschikbare klimaatgegevens onoverkomelijk lijken, machine learning-technologie kan helpen bij het analyseren van de informatie.

Maar zodra onderzoekers klimaatgegevens volledig kunnen verwerken, ze moeten nog steeds federale en commerciële groepen overtuigen om het te gebruiken om beleid en bescherming te informeren. zoals het is, veel overheidsinstanties, verzekeringsmaatschappijen, en modelbouwers en auditors van verzekeringsrisico's kiezen er nog steeds voor om te reageren op schade veroorzaakt door een storm, bijvoorbeeld, in plaats van mensen te belonen voor hun voorbereiding. Ganguly zei dat dit komt omdat er momenteel geen significante financiële prikkel is om zich voor te bereiden op de effecten van klimaatverandering.

"Het belang van economische prikkels om hindernissen voor beste praktijken of technische innovatie te overwinnen, evenals voor beleidsbijziendheid, kan niet genoeg benadrukt worden, ’ schrijven de onderzoekers in het Climate 2020-artikel.

"Het is een hele vicieuze cirkel, "Ganguli zei, verwijzend naar het verband tussen ontmoedigende structuren, kortzichtig beleid, en de stagnatie van de technologische ontwikkeling. Maar prikkels, hij voegde toe, zou een nieuwe cyclus van geïnformeerd beleid en innovatie in gang kunnen zetten.

risico, een bedrijf gerund door Ganguly's voormalige student en co-auteur Evan Kodra, heeft de basis gelegd voor deze nieuwe cyclus. RisQ's team berekent de effecten van klimaatverandering op concrete waarde, zoals onroerend goed, in de hoop de publieke en private sector ertoe aan te zetten het voordeel van proactieve maatregelen in te zien.

"Multidimensionale innovatie is nodig, "Zei Ganguly. "Dat kan het wiel draaien."