Satellittbilde fra Sentinel3 (https://s3view.oceandatalab.com/) som viser klorofyllkonsentrasjonen i overflatelaget i Norskehavet den 30. mai i år. De røde og oransje feltene angir høye konsentrasjoner, mens de grønne feltene angir lavere konsentrasjoner. Illustrasjon: Sentinel3
Satellittbilde fra Sentinel3 (https://s3view.oceandatalab.com/) som viser klorofyllkonsentrasjonen i overflatelaget i Norskehavet den 30. mai i år. De røde og oransje feltene angir høye konsentrasjoner, mens de grønne feltene angir lavere konsentrasjoner. Illustrasjon: Sentinel3
Satellittbilde fra Sentinel3 (https://s3view.oceandatalab.com/) som viser klorofyllkonsentrasjonen i overflatelaget i Norskehavet den 30. mai i år. De røde og oransje feltene angir høye konsentrasjoner, mens de grønne feltene angir lavere konsentrasjoner. Illustrasjon: Sentinel3

Løgn, forbannet løgn og modeller?

Det sies at det finnes tre former for løgn: løgn, forbannet løgn og statistikk. Det kan være fristende å si det samme om matematiske modeller.

Men modeller og statistikk gir oss muligheten til å utforske fenomener vi ellers vet lite om.

Vi leser daglig statistikk som angår oss i varierende grad, men går ikke dypt inn i usikkerhetene eller metodikken bak tallene uten ha en spesiell grunn til det. Jobber man i eller for havbruksnæringen, følger man spesielt data derfra. Tallene i generelle massemedia forteller oss i seg selv lite om hvorfor de har eller ikke har endret seg siden sist uten at de blir satt i en kontekst. 

Modeller bak gjennomgripende tiltak

Men de siste månedene har absolutt alle medier vært fulle av kurver og andre grafiske fremstillinger av utviklingen av covid-19-pandemien. Det er vanskelig ikke å bli berørt av de milliardene av skjebner som ligger bak tallene. Samtidig er dette fasinerende «science in public» - resultatene blir til mens vi ser.

Det er enestående hvordan matematiske modeller ble brukt som grunnlag for å iverksette ekstremt gjennomgripende tiltak i Norge og andre steder. Disse modellene beskriver hvordan antall smittede vil utvikle seg med tiden under ulike forutsetninger. Ulike forutsetninger og modeller har, som vi har sett, gitt ulike svar. Men de har samtidig ofte gitt lignende svar - kurvene har hatt lik form. 

Og det å kunne variere forutsetningene er nettopp den store styrken ved modeller. Vi kan få et hint om hvorfor og hvordan. De gjør det mulig å estimere R-tallet som vi er blitt kjent med. Ingen kunne predikere hvordan pandemien ville utvikle seg i Norge, men i mangel av sikker kunnskap modellering var den eneste måten å vurdere fremtidsutsiktene på.

Modeller i havbruk

Modeller utgjør en viktig del av grunnlaget for trafikklyssystemet og inndelingen av produksjonsområdene i oppdrettsnæringen, og en av m-ene i MOM står for modellering. 

Bak beregninger av lusesmitte, konsentrasjoner av skadelige alger og deponering av organisk materiale, ligger det oseanografiske og hydrodynamiske drivkrefter. Som regel kommer disse fra en havmodell fordi vi ikke har mulighet til å måle havstrømmene i det nødvendige omfanget. 

Koblet med dette ligger det gjerne flere lag med modeller og beregninger. For eksempel kan en modell for algekonsentrasjoner si noe om både når og hvor det vil være mye alger.

Utfordrende sammenligninger

Som med de epidemiologiske modellene er også havmodellene forskjellige og gir ulike resultater. Det er ofte nyttig å sammenligne svarene fra ulike beregninger fordi vi da kan lære noe om det vi prøver å beregne. Det kan også være fruktbart å legge ulike forutsetninger til grunn i simuleringene. 

Klimamodellene som brukes av FNs klimapanel er et eksempel på dette. Men det er utfordrende å sammenligne resultater fra ulike modeller når de beregner forskjellige ting. Dette gjelder også ved sammenligning av modellresultater med målinger, og faktisk også ved tolking av rene målinger. 

Illustrasjonsbildet viser for eksempel satellittmålinger av klorofyll i overflatelaget i Norskehavet. De fasinerende mønstrene forteller mange historier, ikke minst om hvordan havstrømmene går. Dette bildet sier likevel ingenting om faktisk konsentrasjon av alger eller hvilke typer alger det er snakk om. Både modellresultater og virkelige observasjoner må derfor tolkes i en kontekst om de skal være nyttige. Rødfargen i bildet ser dramatisk ut, men den representerer ikke nødvendigvis giftige eller farlige alger.

Realistiske resultater

Det er selvfølgelig viktig å stille spørsmål ved om resultatene gir mening. «Validering» av modeller er et ord som blir både misbrukt og misforstått. 

Mange av modellsystemene som brukes, spesielt for fenomener i havet, er det ikke mulig å validere i ordets egentlige forstand - vi kan ikke si at modellen fra nå av er «korrekt», eller at «resultatene stemmer». Til det er fenomenene de beskriver for sammensatte og komplekse. 

Men vi kan vise til at resultatene er realistiske, og vi kan vise til at modellene tar hensyn til viktige bakenforliggende prosesser. Så selv om man ikke kan forvente at modeller vil gi korrekte eller presise prediksjoner, er de ofte det beste alternativet vi har.

Gjestekommentar

Ole Jacob Broch er seniorforsker ved Sintef Ocean, avdeling Miljø og nye ressurser.

Broch er en av Tekfisk sine faste gjesteskribenter.

Her kan du lese flere kommentarer: 


( VILKÅR )
 
Del saken