Ζούμε σε ένα σύνθετο περιβάλλον. Η πολυπλοκότητα και ο δυναμισμός και μοτίβα στοιχείων από δορυφορικές φωτογραφίες και βίντεο. Μπορείτε ακόμα και να τα δείτε από το παράθυρο του σπιτιού σας. Είναι απείρως σύνθετα, αλλά και κάπως γνώριμα, αλλά τα μοτίβα κάπως επαναλαμβάνονται, όχι πάντα, όμως, με τον ίδιο τρόπο. Είναι τεράστια η πρόκληση να μπορείς να τα καταλάβεις. Τα μοτίβα που βλέπετε βρίσκονται σε διάφορες κλίμακες αλλά δεν μπορείτε να απομονώσετε μικρά τμήματα και να πείτε: «Ωω, ας δημιουργήσω απλώς ένα μικρότερο κλίμα». Δεν μπορώ να χρησιμοποιήσω τα κανονικά προϊόντα του αναγωνισμού ώστε να πάρω όλο και μικρότερο πράγμα που να μπορώ να το μελετήσω στο εργαστήριο και να πω: «Ωω, να κάτι κατανοητό». Πρέπει να τα βλέπουμε είτε ως σύνολο είτε ως τίποτα.
We live in a very complex environment: complexity and dynamism and patterns of evidence from satellite photographs, from videos. You can even see it outside your window. It's endlessly complex, but somehow familiar, but the patterns kind of repeat, but they never repeat exactly. It's a huge challenge to understand. The patterns that you see are there at all of the different scales, but you can't chop it into one little bit and say, "Oh, well let me just make a smaller climate." I can't use the normal products of reductionism to get a smaller and smaller thing that I can study in a laboratory and say, "Oh, now that's something I now understand." It's the whole or it's nothing.
Οι διάφορες κλίμακες που σας δίνουν αυτού του είδους τα φαινόμενα ποικίλουν πάνω από ένα τεράστιο φάσμα μεγεθών, κατά προσέγγιση 14 τάξεις μεγέθους, από τα μικροσκοπικά σωματίδια, που σπείρουν νέφη, μέχρι το μέγεθος του ίδιου του πλανήτη, από το 10 στη μείον έκτη στο 10 στην ογδόη, 14 τάξεις χωρικού μεγέθους. Χρονικά , από χιλιοστά του δευτερολέπτου μέχρι χιλιετίες, και πάλι περίπου 14 τάξεις μεγέθους.
The different scales that give you these kinds of patterns range over an enormous range of magnitude, roughly 14 orders of magnitude, from the small microscopic particles that seed clouds to the size of the planet itself, from 10 to the minus six to 10 to the eight, 14 orders of spatial magnitude. In time, from milliseconds to millennia, again around 14 orders of magnitude.
Τι σημαίνει αυτό; Λοιπόν, εάν σκεφτείτε πώς μπορείτε να υπολογίσετε αυτά τα πράγματα, τότε μπορεί να έχετε αυτό που βλέπετε, θα το τεμαχίσω σε πολλά μικρά τετραγωνίδια, έτσι λειτουργούν οι νόμοι της Φυσικής, σωστά; Σκεπτόμενος ένα μαθηματικό μοντέλο πρόγνωσης του καιρού έκτασης 5 τάξεων μεγέθους, από τον πλανήτη μέχρι κάποια χιλιόμετρα, και την κλίμακα χρόνου από μερικά λεπτά σε δέκα ημέρες, ίσως ένα μήνα. Ενδιαφερόμαστε για κάτι περισσότερο από αυτό. Ενδιαφερόμαστε για το κλίμα. Τότε χρειάζονται μετρήσεις για χρόνια, χιλιετίες, πρέπει να πάμε σε ακόμα μικρότερες κλίμακες. Τα πράγματα που δεν μπορούμε να επιλύσουμε τις υποκλίμακες διαδικασίες, πρέπει να τις προσεγγίσουμε με κάποιο τρόπο. Αυτό κι αν είναι πρόκληση. Τα μαθηματικά μοντέλα για την πρόγνωση καιρού τη δεκαετία 1990 χρειάζονταν ακόμη μικρότερη κλίμακα, μόνο τρεις τάξεις μεγεθών. Τα κλιματικά μοντέλα στη δεκαετία του 2010 τα οποία χρησιμοποιούμε σήμερα φτάνουν στη μέτρηση τεσσάρων τάξεων μεγέθους. Μας μένουν 14 τάξεις ακόμα και συνεχώς αυξάνουμε τη δυνατότητα προσομοίωσής τους σε περίπου μία επιπλέον τάξη μεγέθους ανά δεκαετία. Μία επιπλέον τάξη μεγέθους στο διάστημα είναι 10.000 περισσότεροι υπολογισμοί. Συνεχώς προσθέτουμε δεδομένα, περισσότερα στοιχεία σε αυτά τα διαφορετικά μοντέλα.
What does that mean? Okay, well if you think about how you can calculate these things, you can take what you can see, okay, I'm going to chop it up into lots of little boxes, and that's the result of physics, right? And if I think about a weather model, that spans about five orders of magnitude, from the planet to a few kilometers, and the time scale from a few minutes to 10 days, maybe a month. We're interested in more than that. We're interested in the climate. That's years, that's millennia, and we need to go to even smaller scales. The stuff that we can't resolve, the sub-scale processes, we need to approximate in some way. That is a huge challenge. Climate models in the 1990s took an even smaller chunk of that, only about three orders of magnitude. Climate models in the 2010s, kind of what we're working with now, four orders of magnitude. We have 14 to go, and we're increasing our capability of simulating those at about one extra order of magnitude every decade. One extra order of magnitude in space is 10,000 times more calculations. And we keep adding more things, more questions to these different models.
Πώς ακριβώς είναι ένα κλιματικό μοντέλο; Ομολογουμένως, αυτό είναι ένα παλιό κλιματικό μοντέλο, μια διάτρητη κάρτα, μια σειρά κώδικα Φόρτραν. Δεν χρησιμοποιούμε πια τέτοιες κάρτες. Χρησιμοποιούμε όμως γλώσσα προγραμματισμού Φόρτραν. Μοντέρνες ιδέες, όπως η γλώσσα προγραμματισμού C, που όμως δεν επέδρασαν κατά πολύ στην κοινότητα που ασχολείται με κλιματικά μοντέλα.
So what does a climate model look like? This is an old climate model, admittedly, a punch card, a single line of Fortran code. We no longer use punch cards. We do still use Fortran. New-fangled ideas like C really haven't had a big impact on the climate modeling community.
Όμως, πώς μπορούμε να το κάνουμε αυτό; Πώς μεταβαίνουμε από το σύνθετο που είδατε σε μια γραμμή με κώδικα; Το κάνουμε σταδιακά. Αυτή είναι μια φωτογραφία με θαλάσσιο πάγο τραβηγμένη από αέρος πάνω από τον Αρκτικό. Μπορούμε να δούμε όλες τις διαφορετικές συνιστώσες που συμβάλλουν στη διαμόρφωση πάγου ή στην τήξη του ή αλλαγή σχήματός του. Μπορούμε να παρατηρούμε τις ροές. Τον ρυθμό με τον οποίο το χιόνι μετατρέπεται σε πάγο και να το κωδικοποιήσουμε. Γίνεται να κωδικοποιήσουμε αυτά τα στοιχεία Αυτά τα μοντέλα περιέχουν περίπου ένα εκατ. γραμμές κώδικα έως εδώ, και αυξάνονται κατά δεκάδες χιλιάδες γραμμές κώδικα κάθε χρόνο.
But how do we go about doing it? How do we go from that complexity that you saw to a line of code? We do it one piece at a time. This is a picture of sea ice taken flying over the Arctic. We can look at all of the different equations that go into making the ice grow or melt or change shape. We can look at the fluxes. We can look at the rate at which snow turns to ice, and we can code that. We can encapsulate that in code. These models are around a million lines of code at this point, and growing by tens of thousands of lines of code every year.
Μπορείτε να κοιτάξετε εκείνο το κομμάτι αλλά και τα άλλα κομμάτια επίσης. Τι γίνεται όταν υπάρχουν σύννεφα; Τι γίνεται όταν σχηματίζονται σύννεφα, όταν διαλύονται, όταν τελειώνει η βροχή; Αυτό είναι ένα άλλο κομμάτι. Τι συμβαίνει με την ηλιακή ακτινοβολία που μέσω του ήλιου διαπερνά την ατμόσφαιρα, όταν απορροφάται ή όταν αντανακλάται; Μπορούμε να κωδικοποιήσουμε κάθε ένα από τα στοιχεία αυτά εξίσου. Υπάρχουν και άλλα κομμάτια του παζλ: Οι άνεμοι που αλλάζουν τα ρεύματα των ωκεανών. Μπορούμε να μιλήσουμε για τον ρόλο της βλάστησης στη μεταφορά υγρασίας από το έδαφος ξανά στην ατμόσφαιρα. Καθένα από αυτά τα διαφορετικά στοιχεία τα ενσωματώνουμε και τα τοποθετούμε μέσα σε ένα σύστημα, καθένα από τα κομμάτια τελικά προσθέτει στοιχεία στο σύνολο.
So you can look at that piece, but you can look at the other pieces too. What happens when you have clouds? What happens when clouds form, when they dissipate, when they rain out? That's another piece. What happens when we have radiation coming from the sun, going through the atmosphere, being absorbed and reflected? We can code each of those very small pieces as well. There are other pieces: the winds changing the ocean currents. We can talk about the role of vegetation in transporting water from the soils back into the atmosphere. And each of these different elements we can encapsulate and put into a system. Each of those pieces ends up adding to the whole.
Παίρνετε κάτι σαν κι αυτό. Παίρνετε μια ωραία αναπαράσταση όσων συμβαίνουν στο κλιματικό σύστημα, όπου κάθε ένα ξεχωριστά από εκείνα τα αναδυόμενα φαινόμενα που βλέπετε: οι δίνες στον νότιο ωκεανό, ο τροπικός κυκλώνας στον Κόλπο του Μεξικού, και υπάρχουν δύο ακόμη που θα εμφανιστούν τώρα σε οποιοδήποτε σημείο στον Ειρηνικό Ωκεανό, τα ποτάμια υδρατμών στην ατμόσφαιρα, όλα αυτά ονομάζονται αναδυόμενες ιδιότητες που προέρχονται από αλληλεπιδράσεις όλων εκείνων των διαδικασιών μικρής κλίμακας που ανέφερα νωρίτερα. Δεν υπάρχει κώδικας που να λέει: «Κάνε μια παλινδρομική κίνηση στο νότιο ωκεανό». Κανένας κώδικας δεν λέει: Βάλε δύο τροπικούς κυκλώνες να περιστρέφεται ο ένας γύρω από τον άλλον. Όλα αυτά είναι αναδυόμενες ιδιότητες.
And you get something like this. You get a beautiful representation of what's going on in the climate system, where each and every one of those emergent patterns that you can see, the swirls in the Southern Ocean, the tropical cyclone in the Gulf of Mexico, and there's two more that are going to pop up in the Pacific at any point now, those rivers of atmospheric water, all of those are emergent properties that come from the interactions of all of those small-scale processes I mentioned. There's no code that says, "Do a wiggle in the Southern Ocean." There's no code that says, "Have two tropical cyclones that spin around each other." All of those things are emergent properties.
Όλα πολύ ωραία. Όλα υπέροχα. Όμως, αυτό που θέλουμε να μάθουμε είναι τι συμβαίνει με τις αναδυόμενες ιδιότητες όταν επιδράσουμε στο σύστημα; Όταν κάτι αλλάξει, τι συμβαίνει σε αυτές τις ιδιότητες; Υπάρχουν πολλοί τρόποι επίδρασης στο σύστημα. Υπάρχουν ταλαντεύσεις στην τροχιά της Γης πάνω από εκατοντάδες χιλιάδες χρόνια που μεταβάλλουν το κλίμα. Υπάρχουν μεταβολές στους ηλιακούς κύκλους που συμβαίνουν κάθε 11 και χρόνια, που μεταβάλλουν το κλίμα Μεγάλα ηφαίστεια εκρήγνυνται και αλλάζουν το κλίμα. Αλλαγές στην καύση βιομάζας, στον καπνό στα σωματίδια αερολυμάτων, όλα αυτά συμβάλλουν στην κλιματική μεταβολή. Η τρύπα του όζοντος άλλαξε το κλίμα. Η αποψίλωση των δασών αλλάζει το κλίμα, αλλάζοντας τις ιδιότητες της επιφάνειας και τη διαδικασία εξάτμισης του νερού και τον υδρολογικό κύκλο στο κλιματικό σύστημα. Οι ουρές συμπύκνωσης αεροσκαφών μεταβάλλουν το κλίμα δημιουργώντας νέφη εκεί που δεν υπήρχαν, και φυσικά τα αέρια του θερμοκηπίου συμβάλλουν στη μεταβολή.
This is all very good. This is all great. But what we really want to know is what happens to these emergent properties when we kick the system? When something changes, what happens to those properties? And there's lots of different ways to kick the system. There are wobbles in the Earth's orbit over hundreds of thousands of years that change the climate. There are changes in the solar cycles, every 11 years and longer, that change the climate. Big volcanoes go off and change the climate. Changes in biomass burning, in smoke, in aerosol particles, all of those things change the climate. The ozone hole changed the climate. Deforestation changes the climate by changing the surface properties and how water is evaporated and moved around in the system. Contrails change the climate by creating clouds where there were none before, and of course greenhouse gases change the system.
Κάθε ένα από αυτά τα στοιχεία μας παρέχει ένα στόχο να αξιολογούμε κάτι που κατανοούμε κάτι σχετικά με αυτό το σύστημα. Έτσι, μπορούμε να πάμε να εξετάσουμε τι μοντέλο δεξιοτήτων είναι. Χρησιμοποιώ σκόπιμα τη λέξη «δεξιότητα»: Τα μοντέλα δεν είναι σωστά ή λάθος. Πάντα έχουν σφάλματα. Είναι πάντα κατά προσέγγιση. Η ερώτηση που πρέπει να κάνετε είναι εάν ένα μοντέλο σας δίνει περισσότερες πληροφορίες από αυτές που θα μπορούσατε να συλλέξετε με άλλο τρόπο. Εάν ναι, τότε είναι ικανό. Αυτή είναι η επίδραση της τρύπας του όζοντος στην πίεση στη στάθμη της θάλασσας χαμηλές πιέσεις, υψηλές πιέσεις κοντά στους νότιους ωκεανούς, στην Ανταρκτική. Αυτά είναι δεδομένα από παρατηρήσεις. Αυτά είναι μοντελοποιημένα δεδομένα. Συμπίπτουν αρκετά γιατί κατανοούμε τη φυσική που ελέγχει τις θερμοκρασίες στη στρατόσφαιρα και τι επιδράσεις έχει αυτό στους ανέμους κοντά στους νότιους ωκεανούς.
Each of these different kicks provides us with a target to evaluate whether we understand something about this system. So we can go to look at what model skill is. Now I use the word "skill" advisedly: Models are not right or wrong; they're always wrong. They're always approximations. The question you have to ask is whether a model tells you more information than you would have had otherwise. If it does, it's skillful. This is the impact of the ozone hole on sea level pressure, so low pressure, high pressures, around the southern oceans, around Antarctica. This is observed data. This is modeled data. There's a good match because we understand the physics that controls the temperatures in the stratosphere and what that does to the winds around the southern oceans.
Μπορούμε να δούμε και άλλα παραδείγματα. Η έκρηξη του ηφαιστείου Πινατούμπο το 1991 απελευθέρωσε τεράστια ποσότητα αερολυμάτων και μικροσκοπικά σωματίδια στη στρατόσφαιρα. Αυτό άλλαξε την ισορροπία της ακτινοβολίας ολόκληρου του πλανήτη Υπήρχε μικρότερη εισροή ενέργειας απ΄ ό,τι πριν, έτσι, αυτό ψύχρανε τον πλανήτη, αυτές οι κόκκινες και πράσινες γραμμές είναι οι διαφοροποιήσεις μεταξύ αυτών που περιμέναμε και αυτών που πραγματικά συνέβησαν. Τα κλιματικά μοντέλα έχουν δυνατότητα πρόβλεψης όχι μόνο για τα παγκόσμια αλλά και για τα τοπικά καιρικά φαινόμενα.
We can look at other examples. The eruption of Mount Pinatubo in 1991 put an enormous amount of aerosols, small particles, into the stratosphere. That changed the radiation balance of the whole planet. There was less energy coming in than there was before, so that cooled the planet, and those red lines and those green lines, those are the differences between what we expected and what actually happened. The models are skillful, not just in the global mean, but also in the regional patterns.
Θα μπορούσα να σας δώσω αρκετά παραδείγματα: Η δυνατότητα πρόβλεψης σχετικά με ηλιακούς κύκλους που μεταβάλλουν το όζον στην στρατόσφαιρα· η δυνατότητα πρόβλεψης σε σχέση με αλλαγές στην τροχιά της Γης για πάνω από 6.000 χρόνια. Μπορούμε να το δούμε και αυτό επίσης, τα μοντέλα είναι ικανά. Τα μοντέλα έχουν δυνατότητα απεικόνισης στρωμάτων πάγου πριν από 20.000 χρόνια. Τα μοντέλα είναι ικανά στις καιρικές τάσεις του 20 αιώνα κατά τη διάρκεια δεκαετιών. Τα μοντέλα καταφέρνουν να απεικονίσουν την υπερχείλιση παγετωδών λιμνών στο βόρειο Ατλαντικό που συνέβησαν πριν από 8.000 χρόνια Μπορούμε να πάρουμε μια καλή αντιστοιχία με τα δεδομένα.
I could go through a dozen more examples: the skill associated with solar cycles, changing the ozone in the stratosphere; the skill associated with orbital changes over 6,000 years. We can look at that too, and the models are skillful. The models are skillful in response to the ice sheets 20,000 years ago. The models are skillful when it comes to the 20th-century trends over the decades. Models are successful at modeling lake outbursts into the North Atlantic 8,000 years ago. And we can get a good match to the data.
Κάθε ένας από αυτούς τους διαφορετικούς στόχους κάθε μία από αυτές τις διαφορετικές εκτιμήσεις, μας βοηθάει να διευρύνουμε το πεδίο εφαρμογής αυτών των μοντέλων, μας οδηγεί σε όλο και πιο σύνθετες καταστάσεις για τις οποίες μπορούμε να κάνουμε όλο και πιο ενδιαφέρουσες ερωτήσεις όπως: Πώς γίνεται η σκόνη από τη Σαχάρα, που τη βλέπετε με χρώμα πορτοκαλί, να επιδρά με τροπικούς κυκλώνες στον Ατλαντικό; Πώς γίνονται τα οργανικά αερολύματα από την καύση βιομάζας, που τα βλέπετε εδώ με κόκκινες κουκκίδες, να αλληλεπιδρούν με σύννεφα και μοτίβα βροχοπτώσεων; Πώς η ρύπανση, που μπορείτε να δείτε στις λευκές τούφες θειϊκής ρύπανσης στην Ευρώπη, πώς επηρεάζει αυτή η μόλυνση τις θερμοκρασίες στην επιφάνεια της Γης και το επιφανειακό ηλιακό φως;
Each of these different targets, each of these different evaluations, leads us to add more scope to these models, and leads us to more and more complex situations that we can ask more and more interesting questions, like, how does dust from the Sahara, that you can see in the orange, interact with tropical cyclones in the Atlantic? How do organic aerosols from biomass burning, which you can see in the red dots, intersect with clouds and rainfall patterns? How does pollution, which you can see in the white wisps of sulfate pollution in Europe, how does that affect the temperatures at the surface and the sunlight that you get at the surface?
Μπορούμε να το δούμε σε όλο τον κόσμο. Μπορούμε να μελετήσουμε τη ρύπανση από την Κίνα. Μπορούμε να δούμε τις συνέπειες των καταιγίδων μελετώντας τα σωματίδια από θαλασσινό αλάτι στην ατμόσφαιρα. Μπορούμε να δούμε τον συνδυασμό όλων αυτών των διαφορετικών στοιχείων να συμβαίνουν ταυτόχρονα, μπορούμε έτσι να κάνουμε πολύ πιο ενδιαφέρουσες ερωτήσεις; Πώς συνυπάρχουν η ατμοσφαιρική ρύπανση και το κλίμα; Μπορούμε να αλλάξουμε στοιχεία που επηρεάζουν ταυτόχρονα την ατμοσφαιρική ρύπανση και το κλίμα; Η απάντηση είναι καταφατική.
We can look at this across the world. We can look at the pollution from China. We can look at the impacts of storms on sea salt particles in the atmosphere. We can see the combination of all of these different things happening all at once, and we can ask much more interesting questions. How do air pollution and climate coexist? Can we change things that affect air pollution and climate at the same time? The answer is yes.
Εδώ φαίνεται η κλιματική ιστορία του 20ου αιώνα. Η πρώτη εικόνα είναι ένα μοντέλο. Ο καιρός είναι ελάχιστα διαφορετικός από αυτόν που προϋπήρχε. Η δεύτερη εικόνα δείχνει τις παρατηρήσεις. Τώρα διατρέχουμε τη δεκαετία του 1930. Υπάρχει μεταβλητότητα και συμβαίνουν καιρικά φαινόμενα αλλά είναι κάπως ασήμαντα. Καθώς φτάνουμε προς τη δεκαετία του 1970 πράγματα ξεκινούν να αλλάζουν. οι δύο εικόνες θα φαίνονται παρόμοιες ως την στιγμή που θα φτάσουμε στο 2000, έχετε δει ήδη τις τάσεις της παγκόσμιας θέρμανσης, και στην εικόνα του μοντέλου και σε αυτή των παρατηρήσεων.
So this is a history of the 20th century. The first one is the model. The weather is a little bit different to what actually happened. The second one are the observations. And we're going through the 1930s. There's variability, there are things going on, but it's all kind of in the noise. As you get towards the 1970s, things are going to start to change. They're going to start to look more similar, and by the time you get to the 2000s, you're already seeing the patterns of global warming, both in the observations and in the model.
Ξέρουμε τι συνέβη κατά τη διάρκεια του 20ου αιώνα. Ξέρουμε ότι το κλίμα γινόταν θερμότερο. Ξέρουμε πού συνέβαινε αυτό. Εάν αναζητήσετε στα μοντέλα την αιτία και πείτε, εντάξει, λοιπόν, ναι, βασικά οφείλεται στο διοξείδιο του άνθρακα που έχει απελευθερωθεί στην ατμόσφαιρα. Τα στοιχεία συμπίμπτουν μέχρι σήμερα.
We know what happened over the 20th century. Right? We know that it's gotten warmer. We know where it's gotten warmer. And if you ask the models why did that happen, and you say, okay, well, yes, basically it's because of the carbon dioxide we put into the atmosphere. We have a very good match up until the present day.
Όμως ο βασικός λόγος που παίρνουμε στοιχεία από τα μοντέλα είναι εξαιτίας αυτής της φράσης: Επειδή εάν είχαμε παρατηρήσεις για το μέλλον προφανώς θα τις εμπιστευόμασταν περισσότερο από αυτά τα μοντέλα. Όμως, δυστυχώς δε διαθέτουμε προς το παρόν τέτοιες παρατηρήσεις.
But there's one key reason why we look at models, and that's because of this phrase here. Because if we had observations of the future, we obviously would trust them more than models, But unfortunately, observations of the future are not available at this time.
Έτσι όταν παρατηρούμε το μέλλον υπάρχει μια διαφορά. Το μέλλον είναι άγνωστο και αβέβαιο και υπάρχουν επιλογές. Εδώ είναι οι επιλογές που έχουμε. Μπορούμε να εργαστούμε ώστε να μετριάσουμε τις εκπομπές διοξειδίου του άνθρακα στην ατμόσφαιρα. Αυτή αποτελεί την κύρια επιλογή μας. Μπορούμε να εργαστούμε περισσότερο για να τις μειώσουμε πραγματικά ώστε μέχρι το τέλος του αιώνα να μην έχουν υπερβεί τα σημερινά επίπεδα. Ή μπορούμε να το αφήσουμε στη μοίρα και να συνεχίσουμε την ίδια, ως συνήθως, στάση συμπεριφοράς. Η διαφορά μεταξύ αυτών των επιλογών δεν μπορεί να φανεί με τη μελέτη των μοντέλων.
So when we go out into the future, there's a difference. The future is unknown, the future is uncertain, and there are choices. Here are the choices that we have. We can do some work to mitigate the emissions of carbon dioxide into the atmosphere. That's the top one. We can do more work to really bring it down so that by the end of the century, it's not much more than there is now. Or we can just leave it to fate and continue on with a business-as-usual type of attitude. The differences between these choices can't be answered by looking at models.
Υπάρχει μια ωραία φράση που ειπώθηκε από τον Σέργουντ Ρόουλαντ, που βραβεύτηκε με το Νόμπελ Χημείας για την ανακάλυψη των αιτιών της καταστροφής του όζοντος, όταν αποδέχθηκε το βραβείο Νόμπελ έκανε την εξής ερώτηση: «Ποια είναι η χρήση του να έχουμε αναπτύξει μια επιστήμη σε τέτοιο βαθμό ώστε να κάνει προβλέψεις εάν τελικά το μόνο που είμαστε πρόθυμοι να κάνουμε είναι να καθόμαστε αμέτοχοι περιμένοντας να πραγματοποιηθούν;» Τα μοντέλα έχουν δυνατότητες πρόβλεψης αλλά το πώς αξιοποιούμε τα στοιχεία από αυτά εξαρτάται απολύτως από εμάς.
There's a great phrase that Sherwood Rowland, who won the Nobel Prize for the chemistry that led to ozone depletion, when he was accepting his Nobel Prize, he asked this question: "What is the use of having developed a science well enough to make predictions if, in the end, all we're willing to do is stand around and wait for them to come true?" The models are skillful, but what we do with the information from those models is totally up to you.
Σας ευχαριστώ
Thank you.
(Χειροκρότημα)
(Applause)