Eventos eXtreme: Inteligência Artificial para Detecção e Atribuição (XAIDA)

As alterações climáticas estão a modificar e a reforçar fenómenos meteorológicos extremos, como vagas de calor, incêndios florestais devastadores, ciclones, inundações e secas. O projeto XAIDA visa caracterizar, detetar e atribuir fenómenos extremos utilizando uma nova abordagem baseada em dados e no impacto. Utilizará novas técnicas de IA e reunirá especialistas em atribuição de eventos extremos, dinâmica atmosférica, modelização climática, aprendizagem automática e inferência causal. A esperança é que as descobertas do projeto sejam capazes de lançar luz sobre o efeito das alterações climáticas em fenómenos atmosféricos como ciclones e tempestades convectivas, que não são bem compreendidos ou quantificados. O projeto também fornecerá ferramentas para avaliar as vias causais que conduzem a eventos extremos.

O campo «Atribuição de eventos extremos» foi recentemente desenvolvido para fornecer representações de climas futuros em termos de padrões significativos de eventos extremos, que podem sustentar projeções futuras de uma forma útil para a adaptação e para as quais pode ser estabelecida ou refutada uma relação causal entre os eventos e a influência humana no clima. No entanto, os estudos de deteção, atribuição e projeções de eventos extremos enfrentam atualmente grandes limitações. 

O projeto XAIDA visa colmatar estas lacunas. Utilizando novas técnicas de inteligência artificial e uma forte interação bidirecional com as principais partes interessadas, i) caracterizará, detetará e atribuirá eventos extremos utilizando uma nova abordagem baseada em dados e no impacto, ii) avaliará as suas vias causais subjacentes e os fatores físicos utilizando métodos de redes causais e iii) simulará eventos de alta intensidade e ainda invisíveis que sejam fisicamente plausíveis nos climas atuais e futuros.

Para alcançar este objetivo, a XAIDA reúne equipas de especialistas em atribuição de eventos extremos, dinâmica atmosférica, modelação climática, aprendizagem automática e inferência causal, para:

• Compreender o efeito das alterações climáticas numa variedade de fenómenos atmosféricos com impacto atualmente mal compreendidos ou quantificados (ciclones, tempestades convectivas, anomalias de longa duração ou eventos compostos de verão), tanto para evoluções passadas como futuras;
• Desenvolver, em coconceção com uma comunidade de principais partes interessadas, um quadro de atribuição e projeção novo, mais amplo e baseado nos impactos, que extraia vias causais de extremos;
• Desenvolver histórias de eventos de intensidade invisível, com base em métodos de aprendizagem automática;
• Fornecer novas ferramentas para a avaliação de modelos de vias causais conducentes a eventos extremos e investigar as causas das divergências entre modelos e observações;
• Desenvolver uma plataforma de interação e comunicação com as partes interessadas com a ambição de melhorar a formação e a educação sobre as alterações climáticas e os impactos e de levar estes desenvolvimentos aos futuros serviços operacionais em matéria de clima.