Description du projet
Un nouveau regard sur les prévisions relatives au changement climatique
La progression du réchauffement planétaire pose des défis qui exigent des solutions scientifiques urgentes. Les modèles du système terrestre, essentiels pour anticiper le changement climatique, comportent des incertitudes inhérentes à leurs prévisions. L’objectif principal du projet AI4PEX, financé par l’UE, est de lever ces incertitudes en améliorant les modèles du système terrestre. Le projet abordera les principaux facteurs d’incertitude en s’appuyant sur l’apprentissage automatique et l’IA. En combinant les observations avec ces technologies de pointe, AI4PEX entend «apprendre»et modéliser avec précision les processus complexes qui dégradent notre confiance dans les prévisions climatiques. Par le biais d’une approche pluridisciplinaire, le projet se propose d’améliorer la précision des modèles du système terrestre, ce qui est essentiel pour anticiper les futurs extrêmes climatiques et leurs impacts sur la société.
Objectif
Global warming continues at an alarming rate, presenting unprecedented challenges to society that require urgent, science-led mitigation and adaptation. Earth system models (ESMs) are essential tools for projecting climate change, providing important information to decision makers. However, confidence in predicted climate change is undermined by a number of uncertainties; (i) ESMs disagree on how much the Earth will warm for a given increase in atmospheric carbon dioxide (CO2) (Earth’s equilibrium climate sensitivity); (ii) how much emitted CO2 will stay in the atmosphere to warm the planet (half the CO2 emitted by humans has been absorbed by the land and ocean) and (iii) how much excess heat in the Earth system will enter the ocean interior, delaying surface warming (~90 % of the heat in the Earth system goes into the ocean). Central to these uncertainties are poorly understood, and poorly modelled, Earth system feedbacks, in particular cloud feedbacks, carbon cycle feedbacks and ocean heat uptake. Poor representation of these phenomena degrades the accuracy of ESM projections, with implications for anticipating future climate extremes and societal impacts. We aim to improve the representation of these feedbacks in ESMs, reducing uncertainty in global warming projections. We propose a multidisciplinary approach, focused on “learning” how to accurately describe processes underpinning these feedbacks, through a fusion of observations with advanced machine learning (ML) and artificial intelligence (AI). Such data and approaches, constrained by the laws of physics, will deliver a step change in the accuracy of Earth system models.
AI4PEX will place Europe at the forefront of a revolution in Earth system modelling, leading to increased accuracy of climate change projections and superior support for implementation of the Paris Climate Agreement and the European Green Deal.
Champ scientifique
- social sciencespolitical sciencespolitical transitionsrevolutions
- natural sciencesearth and related environmental sciencesatmospheric sciencesclimatologyclimatic changes
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
- natural sciencescomputer and information sciencessoftwaresoftware applicationssimulation software
- social scienceslaw
Mots‑clés
Programme(s)
Régime de financement
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinateur
80539 Munchen
Allemagne
Voir sur la carte
Participants (13)
75794 Paris
Voir sur la carte
02101 Espoo
Voir sur la carte
51147 Koln
Voir sur la carte
2800 Kongens Lyngby
Voir sur la carte
72074 Tuebingen
Voir sur la carte
91120 Palaiseau
Voir sur la carte
94165 Saint Mande Cedex
Voir sur la carte
601 76 NORRKOEPING
Voir sur la carte
04109 Leipzig
Voir sur la carte
22100 Lund
Voir sur la carte
46010 Valencia
Voir sur la carte
8400 OOSTENDE
Voir sur la carte
20148 Hamburg
Voir sur la carte
Partenaires (5)
Les organisations partenaires contribuent à la mise en œuvre de l’action, mais ne signent pas la convention de subvention.
8092 Zuerich
Voir sur la carte
Les organisations partenaires contribuent à la mise en œuvre de l’action, mais ne signent pas la convention de subvention.
1015 LAUSANNE
Voir sur la carte
Les organisations partenaires contribuent à la mise en œuvre de l’action, mais ne signent pas la convention de subvention.
EX1 3PB Exeter
Voir sur la carte
Les organisations partenaires contribuent à la mise en œuvre de l’action, mais ne signent pas la convention de subvention.
LS2 9JT Leeds
Voir sur la carte
Les organisations partenaires contribuent à la mise en œuvre de l’action, mais ne signent pas la convention de subvention.
RG6 6AH Reading
Voir sur la carte