Projektbeschreibung
Präzisere und effizientere Wettervorhersagen
Computerbasierte Wettermodelle sorgen für einigermaßen genaue Vorhersagen. Während saisonale Vorhersagen Hinweise auf großräumige Wettermuster einen oder mehrere Monate im Voraus geben, werden subsaisonale Vorhersagen zwei Wochen bis zwei Monate im Voraus erstellt. Diese Vorhersagen bieten wertvolle Erkenntnisse für die Entscheidungsfindung in allen gesellschaftlichen und wirtschaftlichen Bereichen. In diesem Zusammenhang wird sich das ERC-finanzierte Projekt ASPIRE auf die intrinsische Vorhersagbarkeit von Modi der tropischen konvektiven Variabilität konzentrieren. Dabei wird ein disziplinübergreifender Ansatz verfolgt, um die inhärente Vorhersagbarkeit tropischer Konvektionsmoden besser zu nutzen und den zusätzlichen Nutzen einer lokal begrenzten Auflösung im Kilometermaßstab in den Tropen zu quantifizieren. Mithilfe von Modellen, die auf maschinellem Lernen basieren und den Effekt der kilometergenauen Auflösung nachahmen, strebt ASPIRE an, langfristig die Rechenkosten zu senken.
Ziel
The new frontier for weather prediction is the so-called subseasonal time scale of two weeks to two months ahead. To take preventive measures at an early stage, reliable forecasts on this time scale are becoming increasingly important for multiple socio-economic sectors. Subseasonal predictability can be gained from recurring patterns in the Earth system. ASPIRE will focus on one of these, namely modes of tropical convective variability. Long-standing systematic errors due to the parametrization of processes in numerical weather prediction models prevent the predictability of these modes from being exploited. Simply running models at a resolution high enough to resolve tropical convection is not feasible due to high computational costs. Taking advantage of three recent developments, ASPIRE will explore new ways to better exploit the intrinsic predictability of tropical convective modes without exhausting the currently available computing resources.
The uniqueness of ASPIRE is its cross-disciplinary approach that builds on my experience in atmospheric dynamics and predictability, numerical modeling, and machine learning (ML). First, ASPIRE will identify the source regions and pathways of tropical forecast errors that prevent the intrinsic predictability from being exploited using a new set of subseasonal ensemble hindcasts. Second, ASPIRE will quantify for the first time the added value of locally confined kilometer-scale resolution in the source regions identified before, and generate probabilistic predictions from deterministic forecasts through ML-based post-processing. Third, to enable simulations at kilometer-scale resolution in operations, ASPIRE will develop ML approaches that emulate the integrated effect of the resolved convection in the tropics at substantially reduced costs. If successful, this approach would be a breakthrough towards improved operational weather forecasts at substantially lower computational costs, for a global socio-economic benefit.
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2022-STG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-ERC - HORIZON ERC GrantsGastgebende Einrichtung
76131 Karlsruhe
Deutschland