Typiquement, les modèles informatiques du climat deviennent de plus en plus complexes à mesure que les chercheurs s'efforcent de saisir plus de détails sur notre système terrestre, mais selon une équipe de chercheurs de Penn State, évaluer les risques, modèles moins complexes, avec leur capacité à mieux échantillonner les incertitudes, peut être un meilleur choix.

"Il y a un inconvénient à ce qui est très détaillé, des modèles très complexes que nous recherchons souvent, " a déclaré Casey Helgeson, professeur adjoint de recherche, Institut des systèmes de la terre et de l'environnement. "Parfois, la complexité des outils scientifiques limite ce que nous pouvons apprendre grâce à la science. Le point d'étranglement n'est pas nécessairement au niveau des connaissances entrant dans un modèle, mais au niveau du traitement."

Les risques climatiques sont importants pour les planificateurs, constructeurs, les représentants du gouvernement et les entreprises. La probabilité d'un événement potentiel combinée à la gravité de l'événement peut déterminer des choses comme s'il est logique de construire dans un endroit donné.

Les chercheurs rapportent en ligne dans Philosophie des sciences qu'« il y a un compromis entre la capacité d'un modèle à représenter le système de manière réaliste et sa capacité à nous dire à quel point il est confiant dans ses prédictions ».

Les modèles de systèmes terrestres complexes nécessitent beaucoup de temps de supercalculateur pour fonctionner. Cependant, quand on regarde le risque, l'incertitude est un élément important et les chercheurs ne peuvent découvrir l'incertitude qu'à travers plusieurs exécutions d'un modèle informatique. Le temps informatique coûte cher.

"Nous avons besoin de modèles complexes pour simuler les interactions entre les processus du système Terre, " dit Vivek Srikrishnan, professeur adjoint de recherche, Institut des systèmes de la terre et de l'environnement. "Nous avons besoin de modèles simples pour quantifier les risques."

Selon Klaus Keller, professeur de géosciences, les exécutions multiples du modèle sont importantes car de nombreux événements préoccupants tels que les inondations sont, Heureusement, l'éxéption, pas ce qui est attendu. Ils se produisent dans les queues de la distribution des résultats possibles. L'apprentissage de ces queues nécessite de nombreuses exécutions de modèles.

Des modèles simples, en ne retournant pas le détail, informations complexes du dernier modèle complexe contenant toutes les cloches et sifflets, peut être exécuté plusieurs fois rapidement, fournir une meilleure estimation de la probabilité d'événements rares.

"L'une des choses sur lesquelles nous nous concentrons sont les valeurs intégrées dans les modèles et si les connaissances produites par ces modèles fournissent aux décideurs les connaissances dont ils ont besoin pour prendre les décisions qui comptent pour eux, " a déclaré Nancy Tuana, DuPont/Professeur de Philosophie et des Femmes de la Classe de 1949, Genre, et études de la sexualité.

Il est important de déterminer un modèle approprié qui peut répondre à la question et qui reste transparent.

"Nous voulons obtenir des informations fondamentales et utiles, " a déclaré Keller. " L'utilisation d'un modèle simple qui nous permet de mieux quantifier les risques peut être plus utile pour les décideurs que l'utilisation d'un modèle complexe qui rend difficile l'échantillonnage des résultats pertinents pour la décision. "

Srikrishnan a ajouté, "Nous devons nous assurer qu'il y a un alignement entre ce que les chercheurs produisent et ce qui est requis pour la prise de décision dans le monde réel."

Les chercheurs comprennent qu'ils doivent satisfaire à la fois les producteurs et les utilisateurs, mais parfois, les questions posées ne correspondent pas aux outils utilisés en raison d'incertitudes et de goulots d'étranglement.

« Nous devons nous demander 'que devons-nous savoir et comment allons-nous satisfaire les besoins des parties prenantes et des décideurs ?' », a déclaré Tuana.