ADAM RUTHERFORD: In feite hebben we het over modellen in de wetenschap vrijwel elk programma afzonderlijk. Luisteraar Jim Hay schreef in en stelde deze heel simpele vraag: ik vraag me af of je zou kunnen uitleggen wat een model is? De term wordt zo vaak gebruikt in wetenschapsprogramma’s van de BBC dat ik hem gewoon langs me heen laat glijden, maar het feit is dat ik niet precies weet wat het precies betekent als een wetenschapper zegt dat ze een model hebben gemaakt. Ik heb onlangs een modern, zeer groot leerboek van A-niveau over natuurkunde aangeschaft en ik merk op dat er geen modellen of modellen in de index voorkomen.

Dankjewel Jim, want het is een waardige herinnering dat wetenschap technisch kan zijn, en je moet het ons vertellen als we het over jargon hebben. Hoe dan ook, op het meest basale niveau is een model een manier om gegevens en metingen uit de echte wereld te nemen en te simuleren wat er gebeurt als we ermee spelen: hoeveel regenval, de stroming van rivieren, dat soort dingen. Het is een manier om de chaos van de fysieke wereld in een computer te vereenvoudigen, zodat we kunnen proberen te voorspellen wat er in de echte wereld kan gebeuren. Je kunt duizenden keren simulaties uitvoeren, elk met heel subtiele veranderingen om te zien wat er gebeurt.

Toen Jim deze vraag stelde, realiseerden we ons dat we de meeste weken praten over een nieuwe wetenschap die modellen op deze manier gebruikt. In de afgelopen twee weken hadden we de evolutie van het DNA van oude boeren, we hadden het smelten van de Antarctische ijskappen, en vandaag hebben we Nick Reynard modellering van overstromingen in Cumbria. Daarom hebben we een paar van onze gasten gevraagd ons te vertellen wat ze bedoelen als ze wetenschappelijke modellen gebruiken. Andrew Ponson en Carole Haswell vertelden me wat modellen zijn voor astrofysici.

ANDREW PONSON: Ik zou zeggen dat een model een reeks ideeën is die we hebben over hoe een bepaald aspect van de natuur werkt. En normaal gesproken, als we het een model noemen, bedoelen we waarschijnlijk dat het op een bepaald niveau voorlopig is. We proberen dus niet te beweren dat we alles hebben samengevat over hoe dat specifieke ding werkt.

ADAM RUTHERFORD: Wat zou een theorie of een wet zijn?

ANDREW PONSON: Precies! We proberen de indruk te wekken dat we nog niet alles over dat specifieke aspect van de natuur hebben verpakt, maar we hebben een aantal werkende ideeën die we gebruiken om tests te maken die we vervolgens kunnen vergelijken met de werkelijkheid.

ADAM RUTHERFORD: En vanuit praktisch oogpunt, als astronoom, Carol, hoe modelleer je dingen?

CAROLE HASWELL: Ik was eigenlijk best oud als wetenschapper toen ik iets gelezen dat een van mijn collega’s had geschreven in een van onze natuurkundecursussen, en hij schreef dat de essentie van natuurkundige zijn is te weten welke benaderingen je moet maken. En dus als we iets proberen te begrijpen, moet je erachter komen wat de belangrijke dingen zijn die dit beïnvloeden. Omdat je onmogelijk kunt hopen een replica van het hele universum te maken, want je zou het hele universum nodig hebben om het te doen en je zou er niets mee winnen door dat te doen. Dus wat je moet doen, is uitzoeken wat de echt belangrijke kernpunten zijn waarmee je misschien wat eenvoudige wiskunde kunt opschrijven en ermee kunt werken en wat inzichten kunt genereren.

Het is dus een soort uitgeklede wiskundige beschrijving van de essentie van dingen waarmee je vervolgens een computercode kunt belichamen. U kunt dus het systeem van eenvoudige vergelijkingen of misschien vrij complexe vergelijkingen in een computerprogramma plaatsen en vervolgens kunt u het programma zo instellen dat het gaat kijken naar het samenspel van de verschillende factoren waarvan u hebt geplaagd dat ze belangrijk zijn. Dus als je bijvoorbeeld zou proberen te begrijpen hoe de planeten in het zonnestelsel bewegen, dan zou je een wiskundige beschrijving van de zwaartekracht moeten invoeren, en dan zou je je zonnestelsel op gang kunnen brengen en de dingen in beweging moeten zien. En je zou niet alle autonome fysica hoeven te beschrijven die je de structuur van elke individuele planeet geeft. Voor je model van het zonnestelsel zou je een vrij eenvoudige beschrijving van de zwaartekracht kunnen hebben, en dat zou voldoende zijn voor waar je naar probeert te kijken.

ADAM RUTHERFORD: Het is dus een manier om meerdere observaties, en dan voorspellingen doen over wat er zal gebeuren op basis van wat we al hebben gezien?

CAROLE HASWELL: Nou, het is een manier om wat je hebt geobserveerd te gebruiken om erachter te komen wat volgens jou het belangrijkste is dingen die het gedrag bepalen. En dan iets opzetten dat weergeeft wat jij belangrijk vindt, om te zien of dat daadwerkelijk reproduceert wat je waarneemt.

ADAM RUTHERFORD: Dit soort modellen wordt in alle wetenschapsgebieden gebruikt. Hier is RSPB natuurwetenschapper Paul Donald over hoe simulaties hem kunnen helpen het gedrag van vogels te begrijpen.

PAUL DONALD: Voor mij is een model een formule die me helpt variatie te verklaren in iets waarin ik geïnteresseerd ben. Dus laat me geef je een voorbeeld.Laten we zeggen dat ik geïnteresseerd ben in een bepaalde vogelsoort, laten we zeggen bijvoorbeeld veldleeuweriken, en ik ga erop uit en ik verzamel gegevens over het aantal veldleeuweriken in, laten we zeggen, honderd velden in Zuid-Engeland. En wat ik zeker zou ontdekken, is dat het aantal veldleeuweriken varieert tussen verschillende velden. Sommige velden zullen heel weinig vogels hebben, misschien helemaal geen; andere velden kunnen veel vogels hebben. Dus ik ben geïnteresseerd om te weten waarom sommige velden meer veldleeuweriken bevatten dan andere, en ik zou een model gebruiken om daarnaar te kijken.

Dus wat ik zou doen terwijl ik mijn tellingen van veldleeuweriken, zou ik ook een heleboel andere dingen meten waarvan ik denk dat ze de variatie in veldleeuwerikgetallen zouden kunnen verklaren. Dus ik verzamelde gegevens over bijvoorbeeld zaken als welk gewastype in het veld was, omdat het heel goed mogelijk is dat ze bepaalde gewastypes leuk vinden dan andere. Ik zou gegevens verzamelen over de grootte van het veld. Ik zou gegevens kunnen verzamelen over de afdekking van de heg, het aantal bomen in de buurt, al dit soort dingen die dit mogelijk zouden kunnen verklaren.

Wat het model zou doen, is me in staat stellen om te identificeren welke daarvan de veldleeuwerik voorspellen nummers en welke niet. Dus als we het zo opzetten. U ziet dat we deze eerste kolom hier hebben. Dit is mijn kolom met veldleeuweriken. Voor elk veld heb ik een telling en voor elk veld heb ik een waarde voor de grootte van het veld. Ik weet wat het gewas was, wat het gewas was in het voorgaande jaar, bodemtype, haagrij en zo en zo en zo en zo. Dus wat ik nu wil doen, is dit in een model, in de software, en dat vragen om te identificeren welke van die voorspellers of verklarende variabelen, zoals we ze noemen, de variatie in mijn veldleeuwerikgetallen het beste verklaart.

Dus als we gewoon op deze knop klikken die het naar het programma stuurt, en het een paar seconden geven om te draaien – daar is het. Dus het model is gelopen en als ik het model open, oké, dus wat het me hier laat zien, is dat je hier kunt zien dat het me laat zien dat veldgrootte een positieve invloed heeft op veldleeuweriknummers. Hoe groter de veldomvang, hoe meer veldleeuweriken er zijn. En het laat me ook zien dat er in feite een gewastype is. Het laat me zien dat lentegraan hier meer veldleeuweriken bevat dan wintergraan hier, en dat dat effect bijkomend is aan het effect van het gewastype. En er zijn ook verschillende andere kolommen met alle andere gegevens. Dus wat ik kan doen, is dat ik dit model nu kan verfijnen, en dat zal me een heel goed idee geven van waarom het is dat het aantal veldleeuweriken, waar ik in geïnteresseerd ben, verschilt tussen de verschillende velden.

De echte vaardigheid met deze dingen zit dus in zekere zin in de interpretatie. Wat dit model laat zien, is dat voor de variabelen die ik erin heb gestopt, sommige ervan significant veldleeuwerikgetallen voorspellen en andere niet, maar het kan geen dingen voorspellen die ik niet heb ingevoerd. Wat als, bijvoorbeeld , is het belangrijkste dat het bepalen van veldleeuwerikgetallen niet de dingen die ik heb gemeten? Misschien is het iets anders. Misschien is het weer of de helling van het veld of de grondsoort, of zoiets. Iets wat ik helemaal niet heb gemeten. Dus het model is in wezen verkeerd, omdat ik niet heb gemeten wat de belangrijkste oorzaak is van het aantal veldleeuweriken. Het kan nog steeds zijn dat de dingen die ik heb gemeten gedeeltelijk de veldleeuwerikgetallen bepalen, maar het echte onderliggende ding heb ik misschien helemaal niet gemeten. Er is dus een soort standaard ding in de ecologie dat zegt dat alle modellen fout zijn, maar sommige zijn nuttig.

Dit is echt de enige methode, als ik maar in één ding geïnteresseerd was, de relatie tussen Veldleeuwerikgetallen en veldgrootte, ik zou ze bijvoorbeeld eenvoudig kunnen uitzetten en kijken of naarmate de veldgrootte groter wordt, de veldleeuweriknummers toenemen. Maar je kunt dat maar voor één ding tegelijk doen. Ik kan niet naar al deze verschillende variabelen tegelijkertijd kijken, en dat is wat het model me toestaat. En het is een absoluut fundamenteel hulpmiddel in ecologie en natuurbehoud is dit soort manier om gegevens te analyseren.

Modellering faalt nooit echt in die zin dat. Als je weet wat de wiskundige formule doet, is hij in zekere zin onfeilbaar. Het mislukt als je niet de juiste dingen meet of als je ze op de verkeerde manier interpreteert. Ik kan je een voorbeeld geven. Laten we zeggen wat mijn model hier op het scherm laat zien, is dat je meer veldleeuweriken krijgt in grote velden. Dus ik ga misschien weg en zeg OK, het antwoord op dit probleem van de achteruitgang van veldleeuweriken is dat we al onze velden groter moeten maken, maar wat als ze alleen grote velden kiezen, niet omdat ze groot zijn, maar omdat ze roofdieren kunnen zien aankomen van ver weg bijvoorbeeld. Dus het is niet de grootte van het veld waarop de vogels reageren? Het gaat erom hoe goed ze roofdieren kunnen zien, en dat is het belangrijkste dat de aantallen bepaalt.

Het kan dus zijn dat je eigenlijk meer kunt doen voor veldleeuweriken door misschien akkergrenzen weg te halen, waardoor de velden groter lijken voor de vogels.Je moet dus heel voorzichtig zijn hoe je de output van deze modellen interpreteert.

ADAM RUTHERFORD: Paul Donald daar. Dit is dus belangrijk: alle modellen kloppen niet. Het zijn simulaties, maar sommige zijn erg handig. Terug naar de overstromingen in Cumbria, die hydroloog Nick Reynard heeft gesimuleerd. Nick, hoe helpt modellering ons om deze extreme weersomstandigheden te begrijpen?

NICK REYNARD: OK, dus idealiter zouden we natuurlijk overal gegevens hebben, zodat we zouden begrijpen wat er in het riviersysteem gebeurde en met de regen overal. Dat kunnen we niet hebben, het is niet praktisch en het is te duur, dus we moeten de gaten kunnen opvullen. En daarvoor gebruiken we modellen. Dus vullen we de gaten in ruimte en tijd door uit te zoeken hoe de regen door het landschap de rivieren in gaat en uiteindelijk de zee in, en de modellen zijn slechts computersimulaties van hoe dat water beweegt, zodat we echt kunnen begrijpen waar hoge en lage stromen komen overal in het land voor, of zelfs in Europa of over de hele wereld. Dus daar gebruiken we modellen voor, en dat helpt ons nu te begrijpen wat de hydrologie doet, hoe de stromen zijn, maar het stelt ons ook in staat om die modellen te gebruiken om te voorspellen en te voorspellen hoe de stromen in de toekomst zouden kunnen zijn.

ADAM RUTHERFORD: Nick Reynard van het Centrum voor Ecologie en Hydrologie.