Projektbeschreibung
Prognosen zum Klimawandel neu beleuchten
Durch das Fortschreiten der globalen Erwärmung stehen wir vor Herausforderungen, die dringende, wissenschaftlich fundierte Lösungen erfordern. Erdsystemmodelle, die für die Vorhersage des Klimawandels entscheidend sind, sind in ihren Vorhersagen mit Unsicherheiten behaftet. Ziel des EU-finanzierten Projekts AI4PEX ist es in erster Linie, diese Unsicherheiten durch die Verbesserung der Erdsystemmodelle zu beseitigen. Das Projektteam wird sich mit den Hauptursachen für Unsicherheiten befassen, indem es fortgeschrittenes maschinelles Lernen und KI einsetzt. Durch die Verbindung von Beobachtungen mit diesen Spitzentechnologien versucht AI4PEX, die komplexen Prozesse, die unser Vertrauen in die Klimavorhersagen schwächen, zu „erlernen“ und genau zu modellieren. Mithilfe eines multidisziplinären Ansatzes visiert das Projektteam einen Durchbruch bei der Genauigkeit von Erdsystemmodellen an, die für die Vorhersage künftiger extremer Klimaereignisse und ihrer gesellschaftlichen Auswirkungen entscheidend sind.
Ziel
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.
Wissenschaftliches Gebiet
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- natural sciencesphysical sciencesastronomyplanetary sciencesplanets
- natural sciencesearth and related environmental sciencesatmospheric sciencesclimatologyclimatic changes
- social scienceseconomics and businesseconomicssustainable economy
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
- natural sciencescomputer and information sciencessoftwaresoftware applicationssimulation software
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordinator
80539 Munchen
Deutschland