Descrizione del progetto
Conoscere meglio ciò che non sappiamo aumenta la chiarezza sui cambiamenti climatici
La capacità di prevedere i cambiamenti climatici stagionali e il verificarsi di gravi fenomeni atmosferici è importante per la preparazione, la mitigazione e il processo decisionale. I modelli matematici risultano di valore inestimabile per le nostre previsioni dei processi, nonché delle loro evoluzioni e dei relativi risultati. Ciononostante, tutti i modelli e le loro previsioni sono condizionati da incertezze di fondo che rispecchiano una vasta gamma di aspetti sconosciuti o di percorsi differenti. Quantificare le incertezze di fondo è tanto importante quanto prevedere i cambiamenti climatici a livello locale o regionale e gli eventi stagionali. Il progetto IMPASTO, finanziato dall’UE, sta incrementando la nostra capacità di rappresentare l’incertezza in determinati parametri fisici integrando dati di osservazione attraverso un paradigma di modellizzazione stocastica inversa. I risultati saranno rivolti al soddisfacimento delle esigenze di quantificazione dell’incertezza di previsione su scala locale e subregionale al fine di realizzare una modellizzazione d’insieme ad alta risoluzione del clima stagionale a livello regionale.
Obiettivo
The emerging climate services in Europe and globally under the WMO GFCS critically depend on the science and application of Earth System (ES) modeling and prediction. An important aspect of the modelling and prediction challenge for the services is characterization of prediction uncertainty. Quantitative information about inherent uncertainty in the prediction is vital for risk assessments and decision support across public service and industry sectors. Over the past decades significant investments were made through the EC FPs into establishing the ES ensemble modeling and prediction capabilities that incorporate representation of sources of intrinsic uncertainty in the modeling systems and provide quantification of their impacts on seasonal to decadal climate prediction. The identified stakeholder priorities for the H2020 and beyond are in advancing of these prediction capabilities at regional level with high resolution models. This project is intended to contribute to the science of high resolution regional seasonal climate ensemble modeling, addressing the need for understanding and quantification of the prediction uncertainty at sub-regional and local scales. The research will focus on characterization of stochastic uncertainty associated with physical parameterizations in the regional ES models. The project will integrate the established ensemble modeling methodology from the foundational work with the global systems with a new approach to representing the stochastic uncertainty of physical parameterizations by means of inverse stochastic modeling using process-level observations. A long standing tradition in expert regional climate modeling at the hosting institution will be joined with the Researcher’s expertise and experience in geophysical modeling and cross-disciplinary methodology of data assimilation. The Researcher will be trained in the regional climate modeling and will apply the expertise to build a new research capacity at the hosting institution.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) H2020-WF-2018-2020
Vedi altri progetti per questo bandoBando secondario
H2020-WF-02-2019
Meccanismo di finanziamento
MSCA-IF-EF-RI - RI – Reintegration panelCoordinatore
11001 Belgrade
Serbia