ADAM RUTHERFORD: Faktisk taler vi om modeller inden for videnskab stort set hvert eneste program. Lytteren Jim Hay skrev ind og stillede dette meget enkle spørgsmål: Jeg spekulerer på, om du kunne forklare, hvad en model er? Udtrykket bruges så ofte på BBC-videnskabsprogrammer, at jeg bare lader det glide forbi mig, men faktum er, at jeg ikke ved, hvad det betyder nøjagtigt, når en videnskabsmand siger, at de lavede en model. Jeg har for nylig erhvervet en moderne, meget stor A-niveau lærebog om fysik, og jeg bemærker, at hverken model eller modellering findes i indekset.
Nå tak Jim, fordi det er en værdig påmindelse om, at videnskab kan være teknisk, og du er nødt til at fortælle os, hvornår vi taler jargon. Under alle omstændigheder, på det mest basale niveau, er en model en måde at tage data og målinger fra den virkelige verden på og simulere, hvad der sker, når vi fikler rundt med dem: hvor meget nedbør, strømmen af floder, den slags ting. Det er en måde at forenkle den fysiske verdens kaos på en computer, så vi kan prøve at forudsige, hvad der kan ske i den virkelige verden. Du kan køre simuleringer tusinder af gange, hver med meget subtile ændringer for at se, hvad der sker.
Da Jim stillede dette spørgsmål, indså vi, at vi i de fleste uger taler om noget nyt videnskab, der bruger modeller på denne måde. I løbet af de sidste to uger havde vi udviklingen af de gamle landmænders DNA, vi smeltede de antarktiske isark, og i dag har vi Nick Reynard modelleret oversvømmelser i Cumbria. Så vi har bedt et par af vores gæster om at fortælle os, hvad de mener, når de bruger videnskabelige modeller. Andrew Ponson og Carole Haswell fortalte mig, hvad modeller er for astrofysikere.
ANDREW PONSON: Jeg vil sige, at en model er et sæt ideer, vi har omkring, hvordan et bestemt aspekt af naturen fungerer. Og normalt når vi kalder det en model, mener vi sandsynligvis, at den er foreløbig på et eller andet niveau. Så vi prøver ikke at gøre krav på, at vi har opsummeret alt om, hvordan den pågældende ting fungerer.
ADAM RUTHERFORD: Hvilken ville være en teori eller en lov?
ANDREW PONSON: Præcis! Vi forsøger at give et indtryk af, at vi endnu ikke har pakket alt om det særlige aspekt af naturen, men vi har nogle fungerende sæt ideer, som vi bruger til at skabe tests, som vi derefter kan gå og sammenligne med virkeligheden.
ADAM RUTHERFORD: Og fra et praktisk synspunkt, som astronom, Carol, hvordan modellerer du ting?
CAROLE HASWELL: Jeg var faktisk ret gammel som videnskabsmand, da jeg læse noget, som en af mine kolleger havde skrevet på et af vores fysik-kurser, og han skrev essensen af at være fysiker ved at vide, hvilke tilnærmelser der skal foretages. Og så når vi søger at forstå noget, skal du drille, hvad der er vigtige ting, der påvirker dette. Fordi du umuligt kan håbe på at skabe en replika af hele universet, fordi du har brug for hele universet for at gøre det, og du ville ikke vinde noget ved at gøre det. Så hvad du skal gøre er at finde ud af, hvad der er de virkelig vigtige nøgle ting, som du måske kan skrive ned nogle enkle matematik og arbejde med og generere nogle indsigter.
Så det er denne form for afskåret matematisk beskrivelse af essensen af ting, som du derefter kan inkorporere en computerkode med. Så du kan placere systemet med enkle ligninger eller måske ret komplekse ligninger i et computerprogram, og du kan derefter indstille programmet til at se samspillet mellem de forskellige faktorer, som du er ertet for at være vigtig. Så hvis du for eksempel forsøgte at forstå, hvordan planeterne i solsystemet bevæger sig, skulle du have en matematisk beskrivelse af tyngdekraften, og så kunne du sætte dit solsystem i gang og se tingene bevæge sig. Og du behøver ikke at beskrive al den autonome fysik, der giver dig strukturen på hver enkelt planet. For din model af solsystemet kan du have en ret simpel beskrivelse af tyngdekraften, og det ville være tilstrækkeligt til det, du prøver at se på.
ADAM RUTHERFORD: Så det er en måde at tilslutte flere observationer og derefter forudsige, hvad der vil ske ud fra det, vi allerede har set?
CAROLE HASWELL: Nå, det er en måde at bruge det, du har observeret, til at finde ud af, hvad du synes er det vigtigste ting, der styrer adfærden. Og derefter opsætte noget, der indkapsler det, du synes er vigtigt, for at se, om det faktisk gengiver det, du observerer.
ADAM RUTHERFORD: Disse typer modeller bruges på tværs af alle videnskabelige felter. Her er RSPB-bevaringsforsker Paul Donald om, hvordan simuleringer kan hjælpe ham med at forstå fugleadfærd.
PAUL DONALD: For mig er en model en formel, der hjælper mig med at forklare variation i noget, jeg er interesseret i. Så lad mig Giv dig et eksempel.Lad os sige, at jeg er interesseret i en bestemt fugleart, lad os f.eks. Sige skylarks, og jeg går ud og samler data om antallet af skylarks i, lad os sige, hundrede felter over det sydlige England. Og hvad jeg bestemt vil finde er, at antallet af skylarks varierer mellem forskellige felter. Nogle marker vil have meget få fugle, måske slet ingen; andre marker kan have masser af fugle. Så jeg er interesseret i at vide, hvorfor nogle felter har flere luftmarkeringer end andre, og jeg vil bruge en model til at se på det.
Så hvad jeg ville gøre, mens jeg var ude for at indsamle mine optællinger af skylarks, er jeg også ville måle en hel masse andre ting, som jeg tror muligvis kunne forklare variationen i skylark-tal. Så jeg ville indsamle data om for eksempel ting som hvilken afgrødetype der var i marken, fordi det er fuldt ud muligt, at de kan lide bestemte afgrødetyper end andre. Jeg ville indsamle data om feltets størrelse. Jeg indsamler muligvis data om hækdækslet, antallet af træer i nærheden, alle disse slags ting, der muligvis kan forklare det.
Hvad modellen ville gøre, er at det giver mig mulighed for at identificere, hvem af disse forudsiger skylark numre, og hvilke der ikke gør det. Så hvis vi indstiller det sådan. Du kan se, at vi har denne første kolonne her. Dette er min kolonne med skylark-tællinger. For hvert felt har jeg en optælling, og derefter for hvert felt har jeg en værdi af feltets størrelse. Jeg har hvad afgrøden var, hvad afgrøden var det foregående år, jordtype, hækrække og så og så og så og så. Så hvad jeg vil gøre nu er, at jeg vil sætte dette i en model i softwaren og bede om at identificere, hvilken af disse forudsigere eller forklarende variabler, som vi kalder dem, bedst forklarer variation i mine skylark-numre.
Så hvis vi bare klikker på denne knap her, der sender den til programmet, og giver den et par sekunder til at køre – der er den. Så modellen er kørt, og hvis jeg åbner modellen, okay, så hvad det viser mig her er, du kan se her, at det viser mig, at feltstørrelse har en positiv indflydelse på skylark-tal. Jo større feltstørrelse, jo flere himmelmarker er der. Og det viser mig også, at der faktisk er en afgrødetype der. Det viser mig, at forårskorn her har flere skylarks i end vinterkorn her, og at den effekt er yderligere til virkningen af afgrødetypen. Og der er også forskellige andre kolonner med alle de andre data. Så hvad jeg kan gøre er, at jeg kan forfine denne model nu, og det vil give mig en meget god idé om, hvorfor det er, at antallet af himmelmarker, det, jeg er interesseret i, varierer mellem forskellige felter.
Så den virkelige færdighed på en måde med disse ting ligger i fortolkningen. Så hvad denne model viser er, at for de variabler, jeg har sat i den, forudsiger nogle af dem markant skylark-tal, og andre ikke, men det kan ikke forudsige ting, jeg ikke har sat i. Hvad hvis for eksempel , det vigtigste ved bestemmelse af skylark-numre er ingen af de ting, jeg har målt? Måske er det noget andet. Måske er det vejr eller markens hældning eller jordtype eller noget lignende. Noget, jeg slet ikke har målt. Så modellen er i det væsentlige forkert, fordi jeg ikke har målt det, der er den vigtigste drivkraft for antallet af skylarkpopulationer. Det kan stadig være, at de ting, jeg har målt, delvis er bestemmende for skylark-tal, men den virkelige underliggende ting har jeg muligvis slet ikke målt. Så der er en slags standard ting i økologi, der siger, at alle modeller er forkerte, men nogle af dem er nyttige.
Dette er den eneste metode virkelig, hvis jeg kun var interesseret i en ting, forholdet mellem skylark numre og feltstørrelse, for eksempel, kunne jeg simpelthen plotte dem ud og se, hvis når feltstørrelsen bliver større, stiger skylark antallet. Men du kan kun gøre det for en ting ad gangen. Jeg kan ikke se på alle disse forskellige variabler på samme tid, og det er hvad modellen tillader mig at gøre. Og det er et absolut grundlæggende værktøj inden for økologi og bevarelse er denne form for analyse af data.
Modellering fejler aldrig rigtig i den forstand, at. Hvis du ved, hvad den matematiske formel gør, er den på en måde ufejlbarlig. Det mislykkes, hvis du ikke måler de rigtige ting, eller hvis du fortolker dem på den forkerte måde. Jeg kan give dig et eksempel. Lad os sige, hvad min model her på skærmen viser, er at du får flere skylarks i store felter. Så jeg går måske væk og siger OK, svaret på dette problem med fald i himmelmarker er, at vi er nødt til at gøre alle vores felter større, men hvad nu hvis de kun vælger store felter, ikke fordi de er store, men fordi de kan se rovdyr komme fra en lang vej væk, for eksempel. Så det er ikke størrelsen på marken, som fuglene reagerer på? Det er, hvor godt de kan se rovdyr, og det er den vigtige ting, der bestemmer antallet.
Så det kan godt være, at du faktisk kunne gøre mere for himmelmarker ved måske at tage feltgrænser ned, så felterne ser større ud for fuglene.Så du bliver nødt til at være meget forsigtig med, hvordan du fortolker produktionen af disse modeller.
ADAM RUTHERFORD: Paul Donald der. Så dette er vigtigt: alle modeller er forkerte. De er simuleringer, men nogle er meget nyttige. Tilbage til oversvømmelserne i Cumbria, som hydrolog Nick Reynard har simuleret. Nick, hvordan hjælper modellering os med at forstå disse ekstreme vejrhændelser?
NICK REYNARD: OK, så ideelt set ville vi naturligvis have data overalt, så vi ville forstå, hvad der foregik i flodsystemet og med nedbør hele tiden overalt. Vi kan ikke have det, det er ikke praktisk, og det er for dyrt, så vi skal være i stand til at udfylde hullerne. Og vi bruger modeller til at gøre det. Så vi udfylder hullerne i rummet og i tiden ved at finde ud af, hvordan regn falder gennem landskabet i floderne og derefter i sidste ende ud i havene, og modellerne er bare computersimuleringer af, hvordan vandet bevæger sig, så vi rent faktisk kan forstå, hvor høje og lave strømme forekommer overalt i amtet eller endda i hele Europa eller over hele kloden. Så det er hvad vi bruger modeller til, og det hjælper os med at forstå lige nu, hvordan hydrologien laver, hvordan strømmen er, men det giver os også mulighed for at bruge disse modeller til at forudsige og forudsige, hvordan strømmen kan være i fremtiden.
ADAM RUTHERFORD: Nick Reynard fra Center for Økologi og Hydrologi.
