Kredit:Northeastern University
Klimaændringer er ikke en monolit. Det er karakteriseret ved smeltning af iskapper over tid lige så meget som af en stormflod, der afbryder strømmen til en kystbys undergrundsbanesystem.
Men globale klimaændringsmodeller er gode til at beregne brede tendenser, ikke til at tage højde for sjældne vejrbegivenheder og den ravage, de kan forårsage på lokalsamfund. Og det vil ikke sige noget om det ubearbejdede efterslæb af klimadata indsamlet i de senere år, hvilket er langt ud over den menneskelige evne til at analysere.
"Nogle gange hører vi, at videnskaben er afgjort, og nogle gange hører vi, at der er så meget, at vi ikke ved, at vi ikke kan træffe nogen beslutninger, " sagde Auroop Ganguly, en professor i civil- og miljøteknik ved Northeastern.
Men, han tilføjede, "at gøre usikkerhed til en undskyldning for passivitet er et stort problem."
I en artikel udgivet af den britiske publikation Climate 2020 fredag, et team ledet af Ganguly forklarer, hvordan man kan udnytte eksisterende videnskab og teknologi til at fortolke klimadata, lave mere præcise forudsigelser, og drive industrier og kommuner til både at forberede sig på og mindske virkningerne af klimaændringer.
En metode, som teamet anbefaler, kaldes ekstremværditeori, en type statistik, der kan forudsige sandsynligheden for noget ud over det sædvanlige. Det her, skriver forskerne i artiklen, er et springbræt til at "udtrække forudsigelige indsigter om statistik over forandring og ekstremer."
Ganguly og hans team sætter allerede et eksempel ved at udføre forskning for at lave denne slags detaljerede forudsigelser. Specifikt, de har studeret ekstreme vejrforhold såsom hedebølger, kolde snaps, kraftig nedbør, kraftig vind, og tørke – udfald af klimaændringer, der stort set ikke er redegjort for i de brede tendenser, som de nuværende globale modeller producerer.
Ganguly, der leder Northeasterns laboratorium for bæredygtighed og datavidenskab, sagde, at forskere skal udvide deres arbejde til at omfatte både datavidenskab og fysik. Og når de millioner af gigabyte af tilgængelige klimadata synes uoverkommelige, maskinlæringsteknologi kan hjælpe med at analysere informationen.
Men når først forskere er i stand til fuldt ud at behandle klimadata, de mangler stadig at overbevise føderale og kommercielle grupper om at bruge det til at informere om politikker og beskyttelse. Som det er, mange offentlige myndigheder, forsikringsselskaber, og forsikringsrisikomodellere og revisorer vælger stadig at reagere på skader forårsaget af en storm, for eksempel, i stedet for at belønne folk for at forberede sig på det. Ganguly sagde, at dette skyldes, at der i øjeblikket ikke er noget væsentligt økonomisk incitament til at forberede sig på virkningerne af klimaændringer.
"Betydningen af økonomiske incitamenter til at overvinde forhindringer for bedste praksis eller for at udvikle innovation, samt politisk nærsynethed, kan ikke overbetones, " skriver forskerne i Climate 2020-artiklen.
"Det er en hel ond cirkel, " sagde Ganguly, med henvisning til sammenhængen mellem afskrækkende strukturer, kortsigtet politik, og stagnationen af teknologisk udvikling. Men incitamenter, han tilføjede, kunne udløse en ny cyklus af informeret politik og innovation.
RisQ, et firma drevet af Gangulys tidligere elev og medforfatter Evan Kodra, har lagt grundlaget for denne nye cyklus. RisQs team beregner klimaændringernes effekter på konkret værdi, såsom fast ejendom, i håb om at få den offentlige og private sektor til at se fordelene ved proaktive tiltag.
"Multidimensionel innovation er nødvendig, " sagde Ganguly. "Det kan dreje hjulet."