CLImate INTelligence: Detektering, tillskrivning och anpassning av extrema händelser med hjälp av maskininlärning (CLINT)

Extrema väder- och klimatförhållanden innebär utmaningar för anpassnings- och begränsningspolitiken samt katastrofriskhanteringen, och betonar värdet av klimattjänster när det gäller att stödja strategiskt beslutsfattande. I dag kan klimattjänster dra nytta av en aldrig tidigare skådad tillgång till data, särskilt från Copernicus klimatförändringstjänst, och av den senaste tidens framsteg inom artificiell intelligens (AI) för att utnyttja dessa datas fulla potential.

Huvudsyftet med CLINT är att utveckla ett AI-ramverk bestående av maskininlärningstekniker och algoritmer för att bearbeta stora klimatdataset för att förbättra klimatvetenskapen vid upptäckt, orsakssamband och tilldelning av extrema händelser, inklusive tropiska cykloner, värmeböljor och varma nätter och extrem torka, tillsammans med sammansatta händelser och samtidiga ytterligheter. Ramen kommer särskilt att stödja

1. Detektion av rumsliga och tidsmässiga mönster och utvecklingar av klimatologiska fält i samband med extrema händelser.
2. valideringen av den fysiskt baserade karaktären av orsakssamband som upptäckts av ML-algoritmer, och
3. hänförande av tidigare och framtida extrema händelser till utsläpp av växthusgaser och annan antropogen påverkan.

Ramen kommer också att omfatta kvantifiering av extrema händelsers inverkan på en rad olika socioekonomiska sektorer under historiska, prognostiserade och prognostiserade klimatförhållanden genom att utveckla innovativa och sektorsspecifika AI-förstärkta klimattjänster. Dessa kommer att demonstreras över olika rumsliga skalor, från den alleuropeiska skalan för att stödja EU:s politik för kopplingen mellan vatten, energi och livsmedel till den lokala skalan i tre typer av hotspots för klimatförändringar. Slutligen kommer dessa tjänster att operationaliseras till webbbehandlingstjänster, i enlighet med de mest avancerade öppna data- och programvarustandarderna från informationssystem för klimattjänster, och till en demonstrator för att underlätta offentliga och privata enheters användning av projektresultat för forskning och utveckling av klimattjänster.