Descripción del proyecto
Mejora de la previsión de la frecuencia e intensidad de las olas de calor en la Europa meridional a escalas de tiempo subestacional a estacional
La comunidad científica desarrolló modelos de previsión a escalas de tiempo subestacional a estacional (S2S, por sus siglas en inglés) para satisfacer la necesidad de predicciones meteorológicas fiables más allá de la escala de tiempo semanal. Con todo, estos modelos todavía tienen limitaciones en lo que respecta a los veranos en Europa. El sur de Europa ha recibido mucha menos atención a pesar de su vulnerabilidad a las olas de calor de gran impacto y su sensibilidad al cambio climático. En el proyecto ISSUL, financiado con fondos europeos, se mejorará la previsión S2S de la frecuencia e intensidad de las olas de calor, así como de los patrones meteorológicos asociados en el sur de Europa. El equipo del proyecto utilizará una combinación de dos algoritmos de aprendizaje automático: un algoritmo de optimización para identificar el mejor conjunto de predictores y una red neuronal para proporcionar predicciones no lineales. Se trata de la primera vez que se emplea un método con estas características para las escalas de tiempo subestacional a estacional.
Objetivo
In the recent years, the continual improvements of weather forecasting models and the sustained need for reliable weather predictions beyond the weekly timescale resulted in the development of subseasonal to seasonal (S2S) forecast models and an intense research work from the scientific community. Despite the large number of research studies, S2S forecast models still show a limited skill in summer over Europe. In addition, southern Europe, has received much less attention, even though it is highly vulnerable to high-impact summer heatwaves, and very sensitive to climate change. The aim of this project, ISSUL, is to better understand and improve the S2S prediction of heatwave frequency and intensity and their associated weather patterns over southern Europe. To do this, a combination of two machine learning algorithms, an optimisation algorithm, to identify the best set of predictors, and a neural network, to provide non-linear predictions will be used. This approach has never been attempted before for these timescales. It is expected to perform better than standard S2S forecast models in predicting heatwave frequency and intensity and associated weather patterns and to bring larger improvements compared with traditional statistical forecasts that do not identify all the predictors and cannot represent non-linear complex interactions.
ISSUL is divided into three parts. The first part aims at identifying the best set of predictors, using the optimisation algorithm, at evaluating it and understanding it is related to heatwaves over southern Europe via a dynamical analysis. The second part aims a predicting the frequency and intensity of heatwaves and associated weather patterns using a neural network. The third part aims at evaluating the performance of this combined machine learning approach compared with standard S2S forecasting model.
Ámbito científico
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
Palabras clave
Programa(s)
Régimen de financiación
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinador
28006 Madrid
España