Typisch, computermodellen van het klimaat worden steeds complexer naarmate onderzoekers ernaar streven meer details van het systeem van onze aarde vast te leggen, maar volgens een team van Penn State-onderzoekers, risico’s inschatten, minder complexe modellen, met hun vermogen om onzekerheden beter te onderzoeken, misschien een betere keuze.

"Er is een keerzijde aan de zeer gedetailleerde, zeer complexe modellen waar we vaak naar streven, " zei Casey Helgeson, assistent onderzoeksprofessor, Instituut voor aarde en milieusystemen. "Soms beperkt de complexiteit van wetenschappelijke hulpmiddelen wat we kunnen leren door middel van wetenschap. Het knelpunt ligt niet noodzakelijkerwijs bij de kennis die in een model gaat, maar bij de verwerking."

Klimaatrisico's zijn belangrijk voor planners, Bouwers, overheidsfunctionarissen en bedrijven. De kans op een mogelijke gebeurtenis in combinatie met de ernst van de gebeurtenis kan bijvoorbeeld bepalen of het zinvol is om op een bepaalde locatie te bouwen.

De onderzoekers rapporteren online in Wetenschapsfilosofie dat "er een afweging is tussen het vermogen van een model om het systeem realistisch weer te geven en het vermogen om ons te vertellen hoe zeker het is in zijn voorspellingen."

Modellen van complexe aardsystemen hebben veel supercomputertijd nodig om te draaien. Echter, als je naar risico kijkt, onzekerheid is een belangrijk element en onderzoekers kunnen onzekerheid alleen ontdekken door meerdere runs van een computermodel. Computertijd is duur.

"We hebben complexe modellen nodig om de interacties tussen aardse systeemprocessen te simuleren, " zei Vivek Srikrishnan, assistent onderzoeksprofessor, Instituut voor aarde en milieusystemen. "We hebben eenvoudige modellen nodig om risico's te kwantificeren."

Volgens Klaus Keller, hoogleraar geowetenschappen, meerdere modelruns zijn belangrijk omdat veel zorgwekkende gebeurtenissen, zoals overstromingen, gelukkig, de uitzondering, niet wat wordt verwacht. Ze gebeuren in de staart van de verdeling van mogelijke uitkomsten. Om over deze staarten te leren, zijn veel modelruns nodig.

Eenvoudige modellen, zonder de gedetailleerde terug te sturen, complexe informatie van het nieuwste complexe model met alle toeters en bellen, kan vele malen snel worden uitgevoerd, om de kans op zeldzame gebeurtenissen beter in te schatten.

"Een van de dingen waar we ons op richten, zijn waarden die zijn ingebed in de modellen en of de kennis die door die modellen wordt geproduceerd, besluitvormers de kennis biedt die ze nodig hebben om de beslissingen te nemen die voor hen belangrijk zijn, " zei Nancy Tuana, DuPont / Class of 1949 hoogleraar filosofie en vrouwen, Geslacht, en Seksualiteitsstudies.

Het bepalen van een geschikt model dat de vraag kan beantwoorden en toch transparant is, is belangrijk.

"We willen fundamentele en bruikbare inzichten verkrijgen, "Zei Keller. "Het gebruik van een eenvoudig model waarmee we risico's beter kunnen kwantificeren, kan nuttiger zijn voor besluitvormers dan het gebruik van een complex model dat het moeilijk maakt om beslissingen te nemen die relevant zijn voor de resultaten."

Srikrishnan heeft toegevoegd, "We moeten ervoor zorgen dat er een afstemming is tussen wat onderzoekers produceren en wat nodig is voor besluitvorming in de echte wereld."

De onderzoekers begrijpen dat ze zowel de producenten als de gebruikers blij moeten maken, maar soms sluiten de gestelde vragen niet aan bij de gebruikte tools vanwege onzekerheden en knelpunten.

"We moeten ons afvragen 'wat moeten we weten en hoe kunnen we voldoen aan de behoeften van belanghebbenden en besluitvormers?'", aldus Tuana.