eventi estremi: Intelligenza artificiale per l'individuazione e l'attribuzione (XAIDA)

Descrizione:

I cambiamenti climatici stanno modificando e migliorando eventi meteorologici estremi come ondate di calore, incendi devastanti, cicloni, inondazioni e siccità. Il progetto XAIDA mira a caratterizzare, rilevare e attribuire eventi estremi utilizzando un nuovo approccio basato sui dati e basato sull'impatto. Utilizzerà nuove tecniche di IA e riunirà specialisti in attribuzione di eventi estremi, dinamiche atmosferiche, modelli climatici, apprendimento automatico e inferenza causale. La speranza è che i risultati del progetto siano in grado di far luce sugli effetti dei cambiamenti climatici su fenomeni atmosferici come cicloni e tempeste convettive, che non sono ben compresi o quantificati. Il progetto fornirà anche strumenti per valutare i percorsi causali che portano a eventi estremi.

Il campo "Extreme event attribution" si è recentemente sviluppato al fine di fornire rappresentazioni dei climi futuri in termini di modelli significativi di eventi estremi, che possono essere alla base delle proiezioni future in un modo utile per l'adattamento, e per cui può essere stabilito o confutato un nesso causale tra eventi e influenza umana sul clima. Tuttavia, gli studi di rilevamento, attribuzione e proiezioni di eventi estremi attualmente affrontano importanti limitazioni. 

Il progetto XAIDA mira a colmare queste lacune. Utilizzando nuove tecniche di intelligenza artificiale e una forte interazione bidirezionale con le principali parti interessate, i) caratterizzerà, rileva e attribuirà eventi estremi utilizzando un nuovo approccio basato sui dati e basato sull'impatto, (ii) valuterà i loro percorsi causali sottostanti e i driver fisici utilizzando metodi di reti causali e (iii) simulare eventi ad alta intensità e ancora invisibili che sono fisicamente plausibili nei climi presenti e futuri.

Per raggiungere questo obiettivo, XAIDA riunisce team di specialisti in attribuzione di eventi estremi, dinamiche atmosferiche, modelli climatici, apprendimento automatico e inferenza causale, per:

• Comprendere l'effetto del cambiamento climatico su una varietà di fenomeni atmosferici attualmente scarsamente compresi o quantificati (cicloni, tempeste convettive, anomalie longeve o eventi composti estivi), sia per le evoluzioni passate che future;
• Sviluppare, in co-progettazione con una comunità di soggetti chiave, un quadro di attribuzione e di proiezione nuovo, più ampio e basato sugli impatti, che estragga percorsi causali di estremi;
• Sviluppare storyline di eventi di intensità invisibile, basati su metodi di apprendimento automatico;
• Fornire nuovi strumenti per la valutazione del modello dei percorsi causali che portano a eventi estremi e indagare le cause dei disaccordi tra modelli e osservazioni;
• Sviluppare una piattaforma di interazione e comunicazione con le parti interessate con l'ambizione di migliorare la formazione e l'istruzione sui cambiamenti climatici e sugli impatti e di portare tali sviluppi ai futuri servizi operativi per il clima.

Informazioni del progetto

Coordinamento

CENTRO NAZIONALE DELLA RICERCA SCIENTIFICA — CNRS

Partner

Commissariat à l'Energie Atomique et aux Energies Alternatives (Francia)

Vrije Universiteit Amsterdam (VU)|Paesi Bassi

Il Cancelliere, Master e Scholars dell'Università di Oxford (Uk)

Koninklijk Nederlands Meteorologisch Instituut-Knmi (Paesi Bassi)

Ufficio Met (Uk)

Max-Planck-Gesellschaft Zur Forderung Der Wissenschaften Ev (Germania)

Universitat De Valencia (Spagna)

Universitaet Leipzig (Germania)

Deutsches Zentrum Fur Luft — Und Raumfahrt Ev(Germania)

Eidgenoessische Technische Hochschule Zuerich (Svizzera)

Helmholtz-Zentrum pelliccia Umweltforschung Gmbh — Ufz (Germania)

Università di Reading (Uk)

UNESCO — Centro Internazionale di Fisica Teorica (Ictp)|Italia

Fondazione pour l'education à la Science Dans le Sillage de la Main a la Pate (Francia)

Centro internazionale della Mezzaluna Rossa sulla Mezzaluna Rossa sui cambiamenti climatici e la preparazione ai disastri (Paesi Bassi)

Imperial College London — Grantham Institute (Icl) | Regno Unito

 

Fonte di finanziamento

H2020-EU.3.5. — Aspetti SOCIALI — Azione per il clima, ambiente, efficienza delle risorse e materie prime