Gavin Schmidt: The emergent patterns of climate change

Gavin Schmidt: Los patrones emergentes del cambio climático

176,391 views

2014-05-01 ・ TED


New videos

Gavin Schmidt: The emergent patterns of climate change

Gavin Schmidt: Los patrones emergentes del cambio climático

176,391 views ・ 2014-05-01

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Máximo Hdez Revisor: Emma Gon
00:12
We live in a very complex environment:
0
12864
2323
Vivimos en un medioambiente muy complejo:
00:15
complexity and dynamism
1
15187
1904
complejidad y dinamismo
00:17
and patterns of evidence
2
17091
2063
y patrones de evidencia
00:19
from satellite photographs, from videos.
3
19154
2885
de fotografías satelitales, de videos.
00:22
You can even see it outside your window.
4
22039
3011
Incluso pueden verlo desde sus ventanas.
00:25
It's endlessly complex, but somehow familiar,
5
25050
3860
Es infinitamente complejo, pero de alguna manera familiar,
00:28
but the patterns kind of repeat,
6
28910
1960
pero los patrones parecen repetirse,
00:30
but they never repeat exactly.
7
30870
2490
aunque nunca se repiten exactamente.
00:33
It's a huge challenge to understand.
8
33360
4127
Entenderlo es un enorme reto.
00:37
The patterns that you see
9
37487
2132
Los patrones que vemos
00:39
are there at all of the different scales,
10
39619
3720
están ahí en distintas escalas,
00:43
but you can't chop it into one little bit and say,
11
43339
2906
pero no podemos tomar un fragmento y decir,
00:46
"Oh, well let me just make a smaller climate."
12
46245
2663
"Vamos a hacer un clima más pequeño".
00:48
I can't use the normal products of reductionism
13
48908
4212
No se pueden usar los productos normales del reduccionismo
00:53
to get a smaller and smaller thing that I can study
14
53120
2722
para hacer algo más y más pequeño
00:55
in a laboratory and say, "Oh,
15
55842
2308
que se pueda estudiar en un laboratorio y decir,
00:58
now that's something I now understand."
16
58150
2396
"¡Vaya! Esto es algo que ahora entiendo".
01:00
It's the whole or it's nothing.
17
60546
3367
Es el todo o es nada.
01:03
The different scales that give you
18
63913
2552
Las diversas escalas que producen
01:06
these kinds of patterns
19
66465
2122
estos tipos de patrones
01:08
range over an enormous range of magnitude,
20
68587
3457
van desde un enorme rango de magnitudes,
01:12
roughly 14 orders of magnitude,
21
72044
2416
de casi 14 órdenes de magnitud,
01:14
from the small microscopic particles
22
74460
2491
desde las partículas microscópicas
01:16
that seed clouds
23
76951
2376
que bombardean las nubes
01:19
to the size of the planet itself,
24
79327
2560
hasta el tamaño del planeta mismo,
01:21
from 10 to the minus six
25
81887
1276
de 10 a la menos 6
01:23
to 10 to the eight,
26
83163
1077
a 10 a la 8,
01:24
14 orders of spatial magnitude.
27
84240
2292
14 órdenes de magnitud espacial.
01:26
In time, from milliseconds to millennia,
28
86532
3411
En tiempo, desde milésimas de segundo a milenios,
01:29
again around 14 orders of magnitude.
29
89943
3055
nuevamente cerca de 14 órdenes de magnitud.
01:32
What does that mean?
30
92998
1387
¿Qué quiere decir esto?
01:34
Okay, well if you think about how
31
94385
1939
Si pensamos en cómo
01:36
you can calculate these things,
32
96324
2660
calcular estos fenómenos,
01:38
you can take what you can see,
33
98984
1960
podemos tomar lo que vemos,
01:40
okay, I'm going to chop it up
34
100944
1026
y voy a cortarlo
01:41
into lots of little boxes,
35
101970
1379
en muchas cajitas,
01:43
and that's the result of physics, right?
36
103349
2355
y ese es el resultado de la física ¿de acuerdo?
01:45
And if I think about a weather model,
37
105704
1725
Y si pienso en un modelo climático,
01:47
that spans about five orders of magnitude,
38
107429
2494
este abarca cerca de 5 órdenes de magnitud,
01:49
from the planet to a few kilometers,
39
109923
3127
del planeta a unos kilómetros
01:53
and the time scale
40
113050
1538
y en la escala temporal
01:54
from a few minutes to 10 days, maybe a month.
41
114588
4412
de algunos minutos a 10 días, quizá un mes.
01:59
We're interested in more than that.
42
119000
1395
Nos interesa mucho más que eso.
02:00
We're interested in the climate.
43
120395
1305
Nos interesa el clima.
02:01
That's years, that's millennia,
44
121700
2141
Esto es años, milenios,
02:03
and we need to go to even smaller scales.
45
123841
2573
y necesitamos ir a escalas aún menores.
02:06
The stuff that we can't resolve,
46
126414
1601
A lo que no podemos resolver,
02:08
the sub-scale processes,
47
128015
1965
los procesos de las subescalas,
02:09
we need to approximate in some way.
48
129980
1980
necesitamos aproximarnos de algún modo.
02:11
That is a huge challenge.
49
131960
1762
Es un reto enorme.
02:13
Climate models in the 1990s
50
133722
2188
En la década de 1990, los modelos climatológicos
02:15
took an even smaller chunk of that,
51
135910
1970
tomaban un trozo aún más pequeño,
02:17
only about three orders of magnitude.
52
137880
2018
de tan solo tres órdenes de magnitud,
02:19
Climate models in the 2010s,
53
139898
2095
En la década actual,
02:21
kind of what we're working with now,
54
141993
1774
estamos trabajando con alrededor de
02:23
four orders of magnitude.
55
143767
2940
4 órdenes de magnitud.
02:26
We have 14 to go,
56
146707
2303
Nos faltan 14
02:29
and we're increasing our capability
57
149010
2200
y estamos aumentando nuestra capacidad
02:31
of simulating those at about
58
151210
1870
de simularlos alrededor
02:33
one extra order of magnitude every decade.
59
153080
3546
de un orden de magnitud por década.
02:36
One extra order of magnitude in space
60
156626
1895
Un orden extra de magnitud en espacio
02:38
is 10,000 times more calculations.
61
158521
3249
equivale a 10 000 veces más cálculos.
02:41
And we keep adding more things,
62
161770
2380
Y seguimos añadiendo más cosas,
02:44
more questions to these different models.
63
164150
2374
más preguntas a estos diversos modelos.
02:46
So what does a climate model look like?
64
166524
2733
¿Cómo se ve un modelo climático?
02:49
This is an old climate model, admittedly,
65
169257
2341
Este es un modelo climático antiguo,
02:51
a punch card, a single line of Fortran code.
66
171598
4080
una tarjeta perforada, una línea de código Fortran.
02:55
We no longer use punch cards.
67
175678
1978
Ya no usamos tarjetas perforadas.
02:57
We do still use Fortran.
68
177656
2241
Pero aún empleamos Fortran.
02:59
New-fangled ideas like C
69
179897
1957
Las ideas modernas como el lenguaje C
03:01
really haven't had a big impact
70
181854
3235
no han tenido un gran impacto
03:05
on the climate modeling community.
71
185089
2367
en la comunidad de modelado climático.
03:07
But how do we go about doing it?
72
187456
1400
Pero ¿cómo seguimos haciéndolo?
03:08
How do we go from that complexity that you saw
73
188856
4624
¿Cómo vamos de la complejidad que vieron
03:13
to a line of code?
74
193480
2530
a una línea de código?
03:16
We do it one piece at a time.
75
196010
1573
Lo hacemos uno por uno.
03:17
This is a picture of sea ice
76
197583
1878
Esta es una imagen de mar de hielo
03:19
taken flying over the Arctic.
77
199461
2098
tomada en un sobrevuelo en el Ártico
03:21
We can look at all of the different equations
78
201559
2038
Podemos ver las distintas ecuaciones
03:23
that go into making the ice grow
79
203597
3112
que describen el crecimiento de hielo
03:26
or melt or change shape.
80
206709
2114
o su derretimiento o cambio de forma.
03:28
We can look at the fluxes.
81
208823
1131
Podemos ver los flujos.
03:29
We can look at the rate at which
82
209954
1952
Podemos ver el ritmo al que
03:31
snow turns to ice, and we can code that.
83
211906
2845
la nieve se convierte en hielo, y podemos codificarlo.
03:34
We can encapsulate that in code.
84
214751
2329
Podemos encapsularlo en un código.
03:37
These models are around
85
217080
1226
Estos modelos son de cerca
03:38
a million lines of code at this point,
86
218306
2083
de un millón de líneas de código en este punto.
03:40
and growing by tens of thousands of lines of code
87
220389
3470
y crecen unas decenas de miles de líneas de código
03:43
every year.
88
223859
1191
cada año.
03:45
So you can look at that piece,
89
225050
1653
Pueden ver esta pieza,
03:46
but you can look at the other pieces too.
90
226703
1922
pero también las demás piezas.
03:48
What happens when you have clouds?
91
228625
1933
¿Qué pasa cuando hay nubes?
03:50
What happens when clouds form,
92
230558
2159
¿Qué pasa cuando las nubes se forman,
03:52
when they dissipate, when they rain out?
93
232717
1882
se disipan, se precipitan?
03:54
That's another piece.
94
234599
1742
Es otra pieza.
03:56
What happens when we have radiation
95
236341
1846
¿Qué pasa cuando la radiación solar
03:58
coming from the sun, going through the atmosphere,
96
238187
2534
que penetra la atmósfera
04:00
being absorbed and reflected?
97
240721
1926
se absorbe y se refleja?
04:02
We can code each of those very small pieces as well.
98
242647
3979
Podemos codificar cada uno de ellos también en piezas muy pequeñas.
04:06
There are other pieces:
99
246626
1416
Hay otras piezas:
04:08
the winds changing the ocean currents.
100
248042
3460
Los vientos que cambian las corrientes oceánicas.
04:11
We can talk about the role of vegetation
101
251502
3770
Podemos hablar del papel de la vegetación
04:15
in transporting water from the soils
102
255272
2329
en el transporte del agua del suelo
04:17
back into the atmosphere.
103
257601
1969
hacia la atmósfera.
04:19
And each of these different elements
104
259570
2914
Y cada uno de esos diversos elementos
04:22
we can encapsulate and put into a system.
105
262484
3624
pueden encapsularse y ponerse en un sistema.
04:26
Each of those pieces ends up adding to the whole.
106
266108
5148
Cada una de esas partes termina por sumarse al conjunto.
04:31
And you get something like this.
107
271256
2297
Y el resultado es similar a esto.
04:33
You get a beautiful representation
108
273553
2848
Una hermosa representación
04:36
of what's going on in the climate system,
109
276401
2622
de lo que sucede en el sistema climático,
04:39
where each and every one of those
110
279023
3389
en el que cada uno de esos
04:42
emergent patterns that you can see,
111
282412
2782
patrones emergentes que pueden ver,
04:45
the swirls in the Southern Ocean,
112
285194
2003
los remolinos en el Océano del sur,
04:47
the tropical cyclone in the Gulf of Mexico,
113
287197
2756
el ciclón tropical en el Golfo de México,
04:49
and there's two more that are going to pop up
114
289953
1641
y otros dos más por surgir
04:51
in the Pacific at any point now,
115
291594
2354
en el Pacífico en cualquier momento,
04:53
those rivers of atmospheric water,
116
293948
2713
esos ríos de agua atmosférica,
04:56
all of those are emergent properties
117
296661
2857
todos esos son propiedades emergentes
04:59
that come from the interactions
118
299518
2124
que provienen de las interacciones
05:01
of all of those small-scale processes I mentioned.
119
301642
3495
de todos esos procesos a pequeña escala que mencioné.
05:05
There's no code that says,
120
305137
1905
No hay un código que diga
05:07
"Do a wiggle in the Southern Ocean."
121
307042
1857
"Haga un giro en el océano del sur".
05:08
There's no code that says, "Have two
122
308899
2668
No hay un código que diga
"Haga dos ciclones que giren uno en torno del otro".
05:11
tropical cyclones that spin around each other."
123
311567
2898
05:14
All of those things are emergent properties.
124
314465
3812
Todas esas cosas son propiedades emergentes.
05:18
This is all very good. This is all great.
125
318277
2146
Todo esto está muy bien. Es grandioso.
05:20
But what we really want to know
126
320423
1270
Pero lo que queremos saber es
05:21
is what happens to these emergent properties
127
321693
1949
¿qué pasa con todas esas propiedades emergentes
05:23
when we kick the system?
128
323642
1705
cuando pateamos el sistema?
05:25
When something changes, what happens to those properties?
129
325347
3533
¿Qué pasa con esas propiedades cuando algo cambia?
05:28
And there's lots of different ways to kick the system.
130
328880
2989
Y hay muchas maneras distintas de patear el sistema.
05:31
There are wobbles in the Earth's orbit
131
331869
2033
Hay tambaleos en la órbita terrestre
05:33
over hundreds of thousands of years
132
333902
1879
a lo largo de cientos de millones de años
05:35
that change the climate.
133
335781
2026
que alteran el clima.
05:37
There are changes in the solar cycles,
134
337807
2136
Hay cambios en los ciclos solares,
05:39
every 11 years and longer, that change the climate.
135
339943
3105
cada 11 años aproximadamente, que cambian el clima
05:43
Big volcanoes go off and change the climate.
136
343048
3574
Grandes volcanes se apagan y cambian el clima.
05:46
Changes in biomass burning, in smoke,
137
346622
3238
Cambios en la quema de biomasa, humo,
05:49
in aerosol particles, all of those things
138
349860
1863
partículas en aerosol y todas esas cosas
05:51
change the climate.
139
351723
1822
alteran el clima.
05:53
The ozone hole changed the climate.
140
353545
4059
El hoyo en la capa de ozono alteró el clima.
05:57
Deforestation changes the climate
141
357604
2217
La deforestación cambia el clima
05:59
by changing the surface properties
142
359821
1926
al cambiar las propiedades de la superficie
06:01
and how water is evaporated
143
361747
1990
y en cómo se evapora del agua
06:03
and moved around in the system.
144
363737
2466
y en cómo se mueve en el sistema.
06:06
Contrails change the climate
145
366203
2285
Las estelas de condensación alteran el clima
06:08
by creating clouds where there were none before,
146
368488
2867
al crear nubes en donde no había
06:11
and of course greenhouse gases change the system.
147
371355
4598
y, desde luego, los gases de efecto invernadero alteran el sistema.
06:15
Each of these different kicks
148
375953
3021
Cada uno de esos factores
06:18
provides us with a target
149
378974
2151
nos da una oportunidad
06:21
to evaluate whether we understand
150
381125
2835
para evaluar si entendemos
06:23
something about this system.
151
383960
2161
algo de este sistema.
06:26
So we can go to look at
152
386121
2392
Podemos ver
06:28
what model skill is.
153
388513
2704
qué tan preciso es el modelo.
06:31
Now I use the word "skill" advisedly:
154
391217
2033
Hablo de "precisión" intencionalmente:
06:33
Models are not right or wrong; they're always wrong.
155
393250
2411
Los modelos no están bien o mal: siempre están mal.
06:35
They're always approximations.
156
395661
1720
Siempre son aproximaciones.
06:37
The question you have to ask
157
397381
1894
La pregunta que hay que hacerse
06:39
is whether a model tells you more information
158
399275
3079
es si un modelo da más información
06:42
than you would have had otherwise.
159
402354
1925
que algún otro.
06:44
If it does, it's skillful.
160
404279
3381
Si es así, es preciso.
06:47
This is the impact of the ozone hole
161
407660
2454
Este es el impacto del agujero en la capa de ozono
06:50
on sea level pressure, so low pressure, high pressures,
162
410114
2860
en la presión a nivel de mar, baja presión, alta presión,
06:52
around the southern oceans, around Antarctica.
163
412974
2595
alrededor de los mares del sur, alrededor de la Antártica.
06:55
This is observed data.
164
415569
1913
Este es el dato observado.
06:57
This is modeled data.
165
417482
2088
Este es el modelo del dato.
06:59
There's a good match
166
419570
1594
Hay una buena similitud
07:01
because we understand the physics
167
421164
1951
porque entendemos la física
07:03
that controls the temperatures in the stratosphere
168
423115
3138
que controla las temperaturas en la estratósfera
07:06
and what that does to the winds
169
426253
1746
y lo que hacen los vientos
07:07
around the southern oceans.
170
427999
2181
alrededor de los mares del sur.
07:10
We can look at other examples.
171
430180
1519
Podemos ver otros ejemplos.
07:11
The eruption of Mount Pinatubo in 1991
172
431699
2856
La erupción del volcán Pinatubo en 1991
07:14
put an enormous amount of aerosols, small particles,
173
434555
2799
dejó una enorme cantidad de aerosoles, pequeñas partículas,
07:17
into the stratosphere.
174
437354
1587
en la estratósfera.
07:18
That changed the radiation balance of the whole planet.
175
438941
3147
Eso cambió el balance de radiación en el planeta entero.
07:22
There was less energy coming in than there was before,
176
442088
2782
Había menos energía llegando que antes,
07:24
so that cooled the planet,
177
444870
1658
así que la Tierra se enfrió
07:26
and those red lines and those green lines,
178
446528
2019
y esas líneas rojas y esas líneas verdes
07:28
those are the differences between what we expected
179
448547
2565
son la diferencia entre lo que se esperaba
07:31
and what actually happened.
180
451112
1688
y lo que en realidad pasó.
07:32
The models are skillful,
181
452800
1783
Los modelos son precisos,
07:34
not just in the global mean,
182
454583
1693
no solo a escala global,
07:36
but also in the regional patterns.
183
456276
3044
sino en patrones locales.
07:39
I could go through a dozen more examples:
184
459320
2840
Podría poner una docena más de ejemplos:
07:42
the skill associated with solar cycles,
185
462160
2850
la precisión asociada con los ciclos solares
07:45
changing the ozone in the stratosphere;
186
465010
2070
que cambia el ozono en la estratósfera;
07:47
the skill associated with orbital changes
187
467080
2347
la precisión asociada con los cambios en la órbita
07:49
over 6,000 years.
188
469427
2056
durante 6000 años.
07:51
We can look at that too, and the models are skillful.
189
471483
2398
Podemos estudiarlos y los modelos son precisos.
07:53
The models are skillful in response to the ice sheets
190
473881
3094
Los modelos son precisos de acuerdo a las capas de hielo
07:56
20,000 years ago.
191
476975
1520
de hace 20 000 años.
07:58
The models are skillful
192
478495
1671
Los modelos son precisos
08:00
when it comes to the 20th-century trends
193
480166
2904
cuando se buscan tendencias en el siglo XX
08:03
over the decades.
194
483070
1515
entre décadas.
08:04
Models are successful at modeling
195
484585
2282
Los modelos son exitosos para modelar
08:06
lake outbursts into the North Atlantic
196
486867
2605
surgimientos de lagos en el Atlántico norte
08:09
8,000 years ago.
197
489472
1765
hace 8 000 años.
08:11
And we can get a good match to the data.
198
491237
3090
Y podemos tener una buena aproximación a los datos.
08:15
Each of these different targets,
199
495463
2387
Cada uno de estos diferentes objetivos,
08:17
each of these different evaluations,
200
497850
2130
cada uno de las diferentes evaluaciones,
08:19
leads us to add more scope
201
499980
2391
nos lleva a agregar mayor alcance
08:22
to these models,
202
502371
1151
a estos modelos,
08:23
and leads us to more and more
203
503522
2744
y nos lleva a situaciones
08:26
complex situations that we can ask
204
506266
3988
más y más complejas en las que podemos
08:30
more and more interesting questions,
205
510254
2569
hacer preguntas más y más interesantes,
08:32
like, how does dust from the Sahara,
206
512823
2710
como, ¿cómo el polvo del Sahara,
08:35
that you can see in the orange,
207
515533
1734
que pueden ver es naranja,
08:37
interact with tropical cyclones in the Atlantic?
208
517267
3443
interactúa con los ciclones tropicales en el atlántico?
08:40
How do organic aerosols from biomass burning,
209
520710
3477
¿Cómo el aerosol orgánico de la quema de biomasa,
08:44
which you can see in the red dots,
210
524187
2723
que pueden ver en puntos rojos,
08:46
intersect with clouds and rainfall patterns?
211
526910
2934
interactúa con los patrones de nubes y lluvias?
08:49
How does pollution, which you can see
212
529844
1787
¿Cómo la contaminación, que pueden ver
08:51
in the white wisps of sulfate pollution in Europe,
213
531631
3899
en los remolinos blancos de contaminación por sulfatos en Europa,
08:55
how does that affect the temperatures at the surface
214
535530
3335
afecta la temperatura en la superficie
08:58
and the sunlight that you get at the surface?
215
538865
3488
y en la luz solar que llega a la superficie?
09:02
We can look at this across the world.
216
542353
3488
Podemos ver esto en todo el mundo.
09:05
We can look at the pollution from China.
217
545841
3660
Podemos ver la contaminación de China.
09:09
We can look at the impacts of storms
218
549501
3598
Podemos ver el impacto de las tormentas
09:13
on sea salt particles in the atmosphere.
219
553099
3444
sobre las partículas de sal de mar en la atmósfera.
09:16
We can see the combination
220
556543
2561
Podemos ver la combinación
09:19
of all of these different things
221
559104
2171
de todas esas distintas cosas
09:21
happening all at once,
222
561275
1468
ocurriendo al mismo tiempo
09:22
and we can ask much more interesting questions.
223
562743
2407
y podemos hacernos preguntas aún más interesantes.
09:25
How do air pollution and climate coexist?
224
565150
4624
¿Cómo coexisten la contaminación atmosférica y el clima?
09:29
Can we change things
225
569774
1509
¿Podemos cambiar elementos
09:31
that affect air pollution and climate at the same time?
226
571283
2589
que afectan tanto la contaminación como el clima?
09:33
The answer is yes.
227
573872
2344
La respuesta es sí.
09:36
So this is a history of the 20th century.
228
576216
3044
Así que esta la historia del siglo XX.
09:39
The first one is the model.
229
579260
2243
El primero es el modelo.
09:41
The weather is a little bit different
230
581503
1407
El clima es un poco diferente
09:42
to what actually happened.
231
582910
1289
de lo que en realidad pasó.
09:44
The second one are the observations.
232
584199
2032
La segunda son las observaciones.
09:46
And we're going through the 1930s.
233
586231
2325
Y vamos por la década de los treinta.
09:48
There's variability, there are things going on,
234
588556
2824
Hay cambios, están pasando cosas,
09:51
but it's all kind of in the noise.
235
591380
2182
pero es como una especie ruido.
09:53
As you get towards the 1970s,
236
593562
2862
Mientras nos acercamos a la década de los setenta
09:56
things are going to start to change.
237
596424
2009
las cosas empiezan a cambiar.
09:58
They're going to start to look more similar,
238
598433
2062
Empiezan a verse más similares,
10:00
and by the time you get to the 2000s,
239
600495
2558
y para el siglo XXI
10:03
you're already seeing the patterns of global warming,
240
603063
2642
ya estamos viendo el patrón del calentamiento global,
10:05
both in the observations and in the model.
241
605705
2749
tanto en las observaciones como en el modelo.
10:08
We know what happened over the 20th century.
242
608454
2127
Sabemos qué ocurrió en el siglo XX.
10:10
Right? We know that it's gotten warmer.
243
610581
1760
Sabemos que se hizo más cálido.
10:12
We know where it's gotten warmer.
244
612341
1611
Sabemos dónde se hizo más cálido.
10:13
And if you ask the models why did that happen,
245
613952
2740
Y si le preguntan a los modelos por qué ocurrió
10:16
and you say, okay, well, yes,
246
616692
2125
y dicen, bueno, bien, sí,
10:18
basically it's because of the carbon dioxide
247
618817
1866
básicamente por el dióxido de carbono
10:20
we put into the atmosphere.
248
620683
1979
que pusimos en la atmósfera.
10:22
We have a very good match
249
622662
1682
Tenemos un buen ajuste
10:24
up until the present day.
250
624344
2627
hasta el día de hoy.
10:26
But there's one key reason why we look at models,
251
626971
3420
Pero hay una razón fundamental de por qué recurrimos a los modelos
10:30
and that's because of this phrase here.
252
630391
2221
y es por esta frase.
10:32
Because if we had observations of the future,
253
632612
2495
Porque si tuviéramos mediciones del futuro
10:35
we obviously would trust them more than models,
254
635107
3329
obviamente confiaríamos más en ellas que en los modelos,
10:38
But unfortunately,
255
638436
1944
pero desgraciadamente,
10:40
observations of the future are not available at this time.
256
640380
5540
las mediciones del futuro todavía no están disponibles.
10:45
So when we go out into the future, there's a difference.
257
645920
2705
Así que cuando llegamos al futuro, hay diferencias.
10:48
The future is unknown, the future is uncertain,
258
648625
2562
El futuro es desconocido, es incierto
10:51
and there are choices.
259
651187
2404
y hay alternativas.
10:53
Here are the choices that we have.
260
653591
1833
Estas son las alternativas que tenemos.
10:55
We can do some work to mitigate
261
655424
2139
Podemos hacer algo para mitigar
10:57
the emissions of carbon dioxide into the atmosphere.
262
657563
2795
las emisiones de dióxido de carbono en la atmósfera.
11:00
That's the top one.
263
660358
1926
Esa es la primera.
11:02
We can do more work
264
662284
1906
Podemos trabajar
11:04
to really bring it down
265
664190
2176
para realmente bajarlos
11:06
so that by the end of the century,
266
666366
2218
para que al fin de siglo,
11:08
it's not much more than there is now.
267
668584
2464
no sea mucho más de lo que hay ahora.
11:11
Or we can just leave it to fate
268
671048
3767
O lo dejamos a su suerte
11:14
and continue on
269
674815
1493
y seguimos
11:16
with a business-as-usual type of attitude.
270
676308
3746
con nuestra actitud de "no pasa nada".
11:20
The differences between these choices
271
680054
3456
La diferencia entre esas alternativas
11:23
can't be answered by looking at models.
272
683510
4797
se puede ver en los modelos.
11:28
There's a great phrase
273
688307
1639
Hay una gran cita
11:29
that Sherwood Rowland,
274
689946
1793
de Sherwood Rowland,
11:31
who won the Nobel Prize for the chemistry
275
691739
3864
que ganó el Premio Nobel de Química
11:35
that led to ozone depletion,
276
695603
2273
por estudiar el agotamiento del ozono,
11:37
when he was accepting his Nobel Prize,
277
697876
2397
cuando estaba aceptando el premio Nobel
11:40
he asked this question:
278
700273
1379
preguntó lo siguiente:
11:41
"What is the use of having developed a science
279
701652
2311
¿Cuál es el fin de desarrollar una ciencia
11:43
well enough to make predictions if, in the end,
280
703963
3261
capaz de hacer predicciones, si al final
11:47
all we're willing to do is stand around
281
707224
2829
todos nos quedamos quietos
11:50
and wait for them to come true?"
282
710053
2707
esperando a que se hagan realidad?
11:52
The models are skillful,
283
712760
2737
Los modelos son precisos,
11:55
but what we do with the information from those models
284
715497
3318
pero lo que hagamos con la información de esos modelos
11:58
is totally up to you.
285
718815
2171
está en nuestras manos.
12:00
Thank you.
286
720986
1938
Gracias.
12:02
(Applause)
287
722924
2916
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7