Tipicamente, i modelli computerizzati del clima diventano sempre più complessi man mano che i ricercatori si sforzano di catturare più dettagli del nostro sistema terrestre, ma secondo un team di ricercatori della Penn State, per valutare i rischi, modelli meno complessi, con la loro capacità di campionare meglio le incertezze, potrebbe essere una scelta migliore.

"C'è un rovescio della medaglia nei dettagli molto dettagliati, modelli molto complessi a cui spesso ci battiamo, " ha detto Casey Helgeson, professore assistente di ricerca, Istituto dei sistemi della terra e dell'ambiente. "A volte la complessità degli strumenti scientifici limita ciò che possiamo imparare attraverso la scienza. Il punto di strozzatura non è necessariamente la conoscenza che entra in un modello, ma alla lavorazione."

I rischi climatici sono importanti per i pianificatori, costruttori, funzionari governativi e imprese. La probabilità di un evento potenziale combinata con la gravità dell'evento può determinare cose come se ha senso costruire in un determinato luogo.

I ricercatori riferiscono online in Filosofia della scienza che "c'è un compromesso tra la capacità di un modello di rappresentare realisticamente il sistema e la sua capacità di dirci quanto è sicuro delle sue previsioni".

I modelli complessi dei sistemi terrestri richiedono molto tempo da supercomputer per funzionare. Però, quando si guarda al rischio, l'incertezza è un elemento importante e i ricercatori possono scoprire l'incertezza solo attraverso più esecuzioni di un modello al computer. Il tempo del computer è costoso.

"Abbiamo bisogno di modelli complessi per simulare le interazioni tra i processi del sistema Terra, " disse Vivek Srikrishnan, professore assistente di ricerca, Istituto dei sistemi della terra e dell'ambiente. "Abbiamo bisogno di modelli semplici per quantificare i rischi".

Secondo Klaus Keller, professore di geoscienze, le esecuzioni multiple del modello sono importanti perché molti eventi preoccupanti come le inondazioni sono, fortunatamente, l'eccezione, non quello che ci si aspetta. Accadono nelle code della distribuzione dei possibili risultati. L'apprendimento di queste code richiede molte esecuzioni di modelli.

Modelli semplici, pur non restituendo il dettagliato, informazioni complesse dell'ultimo modello complesso contenente tutte le campane e i fischietti, può essere eseguito molte volte rapidamente, per fornire una migliore stima della probabilità di eventi rari.

"Una delle cose su cui ci concentriamo sono i valori incorporati nei modelli e se la conoscenza prodotta da tali modelli fornisce ai decisori la conoscenza di cui hanno bisogno per prendere le decisioni che contano per loro, " disse Nancy Tuana, DuPont/Classe del 1949 Professore di Filosofia e Donne, Genere, e studi sulla sessualità.

È importante determinare un modello appropriato che possa affrontare la questione e che sia ancora trasparente.

"Vogliamo ottenere spunti fondamentali e utili, " ha affermato Keller. "L'utilizzo di un modello semplice che ci consente di quantificare meglio i rischi può essere più utile per i responsabili delle decisioni rispetto all'utilizzo di un modello complesso che rende difficile campionare i risultati rilevanti per la decisione".

Srikrishnan ha aggiunto, "Dobbiamo assicurarci che ci sia un allineamento tra ciò che i ricercatori stanno producendo e ciò che è necessario per il processo decisionale nel mondo reale".

I ricercatori capiscono che devono rendere felici sia i produttori che gli utenti, ma a volte le domande poste non corrispondono agli strumenti utilizzati a causa di incertezze e colli di bottiglia.

"Dobbiamo chiederci 'cosa dobbiamo sapere e come possiamo soddisfare le esigenze delle parti interessate e dei decisori?'", ha affermato Tuana.