Description du projet
Nouvelles méthodes causales pour l’analyse des données climatiques et l’évaluation des modèles climatiques
Quelles sont les interdépendances entre les phénomènes dits d’El Niño / de l’oscillation australe et de l’oscillation nord-atlantique? Répondre à cette question pourrait améliorer notre compréhension du climat régional et faciliter une évaluation des modèles climatiques fondés sur les processus pour les prévisions climatiques futures. Le projet CausalEarth, financé par l’UE, élaborera de nouvelles méthodes d’inférence causale statistique pour les observations et les données des modèles. Il surmontera les limites des analyses observationnelles actuelles, fondées principalement sur la corrélation de séries temporelles scalaires (unidimensionnelles) issus des moyennes régionales et limitées à des régimes de causalité supposés. En combinant les avancées réalisées dans le domaine de l’apprentissage automatique avec des algorithmes d’inférence causale, CausalEarth élaborera des méthodes innovantes permettant de déterminer les relations causales entre des phénomènes spatio-temporels complexes.
Objectif
CausalEarth is an interdisciplinary project, aiming to improve our understanding of the interdependencies between major drivers (modes) of climate variability by developing novel statistical causal inference methods for both observations and model data.
Disentangling the interdependencies of the major modes, such as El Nino Southern Oscillation and the North Atlantic Oscillation, is key to understand regional climate, and essential for process-based climate model evaluation. The modes' interdependencies are characterized by common drivers, indirect effects, nonlinearities, regime-dependence, and heterogeneous spatio-temporal causal relations. Currently, observational analyses are mostly based on the correlation of scalar (one-dimensional) time series derived from regional averaging or principal component analysis, restricted to supposed causal regimes, e.g. the winter season or phases of multi-decadal climate indices, where dependencies are expected to be stationary. Such scalar correlation approaches fall short in capturing the modes' complex regime-dependent spatio-temporal causal interdependencies.
CausalEarth will develop innovative methods to move (1) from representing complex phenomena as scalar indices to learning spatio-temporal features, (2) from supposing causal regimes to learning them from data, and (3) from correlation to causal dependencies. To this end, CausalEarth will combine recent developments in machine learning with causal inference algorithms.
These methods will be used to infer the causal interdependencies and drivers of major climate modes from observations and to construct the next generation of causal metrics for climate model evaluation.
CausalEarth will push the limits of what can be learned from observational data about causal relations and drive model development towards breakthroughs in projecting our future climate.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
ERC-STG - Starting Grant
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2020-STG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
14469 Potsdam
Allemagne
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.