Projektbeschreibung
Integrierte Bewertungsmodelle für eine bessere Entscheidungsfindung in der Klimapolitik
Der Klimawandel ist das derzeit komplizierteste globale Umweltproblem. Integrierte Bewertungsmodelle können die Klimapolitik unterstützen, indem sie Einblicke in künftige Treibhausgasemissionen geben und Szenarien quantifizieren, durch die Effekte abgeschwächt werden können. Sie sind jedoch nicht zu 100% aussagekräftig. In diesem Zusammenhang wird das EU-finanzierte Projekt MANET die Ursachen der Unsicherheiten definieren, die entweder auf die Eingaben in die integrierten Bewertungsmodelle oder auf deren Struktur zurückzuführen sind. Das Verfahren wird in einen Emulator für integrierte Bewertungsmodelle eingebettet, der mit Hilfe von Techniken des maschinellen Lernens die Ergebnisse der integrierten Bewertungsmodelle reproduzieren soll. So wird es zu einem flexiblen Instrument für politisch Verantwortliche und Forschende, mit dem integrierte Bewertungsmodelle direkt verglichen werden können ohne den Lösungsbereich einzuschränken. Der Schwerpunkt wird auf der Einführung von Schlüsseltechnologien für den Bereich der Dekarbonisierung liegen.
Ziel
Curbing greenhouse gas emissions is a challenge of the utmost importance for our society future and requires urgent decisions on the implementation of clear-cut climate economic policies. Integrated Assessment Models (IAMs) allow to explore alternative energy scenarios in the next 30-70 years. They are key to support the design of climate policies as they highlight the nexus between climate modelling, social science, and energy systems. However, the use of IAMs to inform climate policies does not come free of controversial aspects. Primarily, the inherent uncertainty of IAMs long-term outputs has created several difficulties for the integration of the modelling insights in the policy design. Modelling outputs diverge across IAMs models quite dramatically when they are asked for example to quantify the uptake of key technologies for the decarbonisation, such as renewables and carbon capture and storage. Uncertainty in IAMs descends from lack of knowledge of the future and from IAMs incomplete representations of the future. Uncertainty cannot be removed, but reduced, understood, and conveyed appropriately to policy makers to avoid that different projections cause delayed actions.
This project aims to fill this gap providing a methodology which defines the sources of uncertainty, either due to IAMs inputs or IAMs structure, and quantify their relative importance. The methodology will be embodied in an emulator of IAMs, MANET (the eMulAtor of iNtegratAd assEssmenT models) formulated using machine learning techniques to reproduce IAMs outputs. The project will provide a proof of concept of MANET focusing on the uptake of key decarbonisation technologies. The emulator will provide a simplified version of the IAM outputs as a response surface of the model to any variation of the inputs. MANET will be a flexible tool for policy makers and scientists for a direct comparison of IAMs with no limitation of the solution domain.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-MSCA-IF-2020
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
20133 Milano
Italien