Klimatförändringar är inte en monolit. Det kännetecknas av att istäcken smälter över tiden lika mycket som av en stormflod som bryter strömmen till en kuststads tunnelbana.

Men globala klimatförändringsmodeller är bra på att beräkna breda trender, inte på att ta hänsyn till sällsynta väderhändelser och den förödelse de kan orsaka samhällen. Och det är för att inte säga något om den obearbetade eftersläpningen av klimatdata som samlats in de senaste åren, vilket är långt bortom människans förmåga att analysera.

"Ibland hör vi att vetenskapen är avgjord, och ibland hör vi att det finns så mycket att vi inte vet att vi inte kan fatta några beslut, " sa Auroop Ganguly, professor i byggnads- och miljöteknik vid Northeastern.

Men, han lade till, "att göra osäkerhet till en ursäkt för passivitet är en stor fråga."

I en artikel som släpptes av den brittiska publikationen Climate 2020 på fredagen, ett team ledd av Ganguly förklarar hur man kan utnyttja befintlig vetenskap och teknik för att tolka klimatdata, göra mer exakta förutsägelser, och driva industrier och kommuner att både förbereda sig för och minska effekterna av klimatförändringarna.

En metod som teamet rekommenderar kallas extremvärdesteori, en typ av statistik som kan förutsäga sannolikheten för något utöver det vanliga. Detta, skriver forskarna i artikeln, är en språngbräda för att "utvinna prediktiva insikter om statistik över förändringar och extremer."

Ganguly och hans team är redan ett exempel genom att bedriva forskning för att göra den här typen av detaljerade förutsägelser. Specifikt, de har studerat extrema väderförhållanden som värmeböljor, kyla, kraftig nederbörd, kraftiga vindar, och torka – resultat av klimatförändringar som till stor del saknas i de breda trender som produceras av nuvarande globala modeller.

Ganguly, som leder Northeasterns hållbarhets- och datavetenskapslaboratorium, sa att forskare måste utöka sitt arbete till att omfatta både datavetenskap och fysik. Och när miljontals gigabyte tillgängliga klimatdata verkar oöverstigliga, maskininlärningsteknik kan hjälpa till att analysera informationen.

Men när forskare väl kan bearbeta klimatdata, de måste fortfarande övertyga federala och kommersiella grupper att använda det för att informera om policyer och skydd. I befintligt skick, många statliga myndigheter, försäkringsbolag, och försäkringsriskmodellerare och revisorer väljer fortfarande att reagera på skador orsakade av en storm, till exempel, snarare än att belöna människor för att de förbereder sig för det. Ganguly sa att detta beror på att det för närvarande inte finns några betydande ekonomiska incitament att förbereda sig för effekterna av klimatförändringarna.

"Vikten av ekonomiska incitament för att övervinna hinder för bästa praxis eller för teknisk innovation, såväl som politisk närsynthet, kan inte överbetonas, " skriver forskarna i Climate 2020-artikeln.

"Det är en hel ond cirkel, "Sade Ganguly, hänvisar till sambandet mellan avskräckande strukturer, kortsiktig politik, och stagnationen av teknikutvecklingen. Men incitament, han lade till, kan utlösa en ny cykel av informerad politik och innovation.

RisQ, ett företag som drivs av Gangulys tidigare student och medförfattare Evan Kodra, har lagt grunden för denna nya cykel. RisQs team beräknar klimatförändringens effekter på konkreta värden, såsom fastigheter, i hopp om att få offentliga och privata sektorer att se fördelarna med proaktiva åtgärder.

"Mångdimensionell innovation behövs, "Sa Ganguly. "Det kan vända ratten."