Climate INTelligence: Extreme atburði uppgötvun, röðun og aðlögun hönnun með vél nám (CLINT)

Öfgar íveðri og loftslagi valda áskorunum fyrir aðlögunar- og mildunarstefnur sem og stjórnun hamfaraáhættu, þar sem lögð er áhersla á gildi loftslagsþjónustunnar við að styðja við stefnumótandi ákvarðanatöku. Í dag getur Loftslagsþjónusta notið góðs af fordæmalausu aðgengi að gögnum, einkum frá Copernicus Climate Change Service, og nýlegum framförum í gervigreind (AI) til að nýta til fulls möguleika þessara gagna.

Meginmarkmið CLINT er að þróa AI ramma samanstendur af vél Learning (ML) aðferðum og reikniritum til að vinna úr stórum loftslagsgagnasöfnum til að bæta loftslagsvísindi í greiningu, orsakasamhengi og vísun á Extreme Events, þar á meðal hitabeltislægðum, hitabylgjum og heitum nætur, og öfgafullum þurrkum, ásamt samsettum atburðum og samtímis öfga. Sérstaklega mun ramminn styðja

1. greiningu á stað- og tímamynstrum og þróun veðurfarssviða í tengslum við mikla atburði,
2. fullgildingu á eðli orsakatengsla sem finna má með ML-reikniritum og
3. röðun á atburðum fortíðar og framtíðar á losun gróðurhúsalofttegunda og annars aðkalls af mannavöldum.

Ramminn mun einnig ná yfir magnákvörðun á áhrifum Extreme Events á ýmsa félagshagfræðilega geira undir sögulegum, spáðum og áætluðum loftslagsskilyrðum með því að þróa nýstárlega og atvinnugreinatengda loftlagsþjónustu. Þetta verður sýnt fram á á mismunandi landfræðilegum mælikvarða, allt frá samevrópskum mælikvarða til að styðja við stefnu ESB sem fjalla um vatnsorku-Food Nexus til staðbundinna mælikvarða í þremur tegundum loftslagsbreytinga Hotspots. Að lokum verður þessi þjónusta starfrækt í vefvinnsluþjónustu, samkvæmt fullkomnustu opinni gagna- og hugbúnaðarstöðlum frá Climate Services Information Systems, og í Demonstrator til að auðvelda upptöku á niðurstöðum verkefnisins af hálfu opinberra og einkaaðila til rannsókna og loftslagsþjónustu.