Opis projektu
Wykorzystanie SI do przewidywania wpływu zmiany klimatu na ekstremalne zdarzenia pogodowe
Zmiana klimatu przyczynia się do modyfikacji i zwiększania natężenia ekstremalnych zdarzeń pogodowych, takich jak fale upałów, katastrofalne pożary, cyklony, powodzie i susze. Zespół finansowanego ze środków UE projektu XAIDA zamierza opisywać i wykrywać zdarzenia ekstremalne, a także określać ich przyczyny, z użyciem nowej techniki opartej na danych i ocenie skutków. Badacze użyją nowych technik wykorzystujących SI oraz zaproszą specjalistów w dziedzinie atrybucji zdarzeń ekstremalnych, dynamiki atmosfery, modelowania klimatu, uczenia maszynowego i wnioskowania przyczynowego. Wyniki prac pozwolą lepiej zrozumieć wpływ zmiany klimatu na zjawiska atmosferyczne, takie jak cyklony i burze konwekcyjne, które nie są dobrze poznane ani zmierzone. W ramach projektu powstaną także narzędzia pozwalające ustalać szlaki przyczynowe prowadzące do zdarzeń ekstremalnych.
Cel
Often, extreme events provide representations of the future climate, but not all extremes are harbingers of the future. Thus, in order to be useful for adaptation in support to future projections, a causal link between events and human influence on climate must be established or refuted. This is why the “Extreme event attribution” field has recently developed. However, extreme event detection, attribution and projections studies currently face major limitations.
XAIDA will fill these gaps. Using new artificial intelligence techniques, and a strong two-way interaction with key stakeholders, it will (i) characterize, detect and attribute extreme events using a novel data-driven, impact-based approach, (ii) assess their underlying causal pathways and physical drivers using causal networks methods, and (iii) simulate high-intensity and as yet unseen events that are physically plausible in present and future climates.
To achieve this, XAIDA brings together teams of specialists in extreme event attribution, atmospheric dynamics, climate modelling, machine learning and causal inference, to:
● Understand the effect of climate change on a variety of impacting atmospheric phenomena currently poorly understood or quantified (cyclones, convective storms, long-lived anomalies, or summer compound events), both for past and future evolutions;
● Develop, in co-design with a community of key stakeholders, a novel, broader and impacts-based attribution and projection framework which extracts causal pathways of extremes;
● Develop storylines of events of unseen intensity, based on machine learning methods;
● Provide new tools for model assessment of causal pathways leading to extreme events and investigate the causes of disagreements between models and observations;
● Develop an interaction and communication platform with stakeholders with the ambition to improve training and education on climate change and impacts and to bring these developments to future operational climate services
Dziedzina nauki
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-LC-CLA-2020-2
System finansowania
RIA - Research and Innovation actionKoordynator
75794 Paris
Francja