Description du projet
Des modèles d’évaluation intégrée pour améliorer la prise de décision en matière de climat
Le changement climatique constitue actuellement le problème environnemental mondial le plus complexe. Les modèles d’évaluation intégrée (MEI) peuvent appuyer la politique climatique en donnant un aperçu des émissions futures de gaz à effet de serre et en quantifiant des scénarios d’atténuation. Les MEI ne sont toutefois pas exempts d’incertitude. Dans ce contexte, le projet MANET, financé par l’UE, définira les sources d’incertitude, qu’elles soient imputables aux entrées des MEI ou à leur structure. La méthodologie sera incorporée dans un émulateur de MEI, formulé à l’aide de techniques d’apprentissage automatique destinées à reproduire les résultats des MEI. Il s’agira d’un outil flexible permettant aux décideurs politiques et aux scientifiques de directement comparer les MEI sans limitation relative au domaine de la solution. L’accent sera mis sur l’adoption des principales technologies de décarbonation.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- ingénierie et technologiegénie de l'environnementénergie et combustiblesénergie renouvelable
- ingénierie et technologiegénie de l'environnementingénierie de captage du carbone
- sciences naturellesinformatique et science de l'informationintelligence artificielleapprentissage automatique
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2020
Voir d’autres projets de cet appelRégime de financement
MSCA-IF-EF-ST - Standard EFCoordinateur
20133 Milano
Italie