eXtreme-evenemang: Artificiell intelligens för upptäckt och tillskrivning (XAIDA)

Klimatförändringarna förändrar och förbättrar extrema väderhändelser som värmeböljor, förödande skogsbränder, cykloner, översvämningar och torka. XAIDA-projektet syftar till att karakterisera, upptäcka och tillskriva extrema händelser med hjälp av en ny datadriven, effektbaserad metod. Den kommer att använda nya AI-tekniker och sammanföra specialister inom extrem händelseattribuering, atmosfärsdynamik, klimatmodellering, maskininlärning och kausal inferens. Förhoppningen är att projektresultaten ska kunna belysa effekterna av klimatförändringar på atmosfäriska fenomen som cykloner och konvektiva stormar, som inte är väl förstådda eller kvantifierade. Projektet kommer också att tillhandahålla verktyg för att bedöma de kausala vägar som leder till extrema händelser.

Fältet ”Extreme event attribution” har nyligen utvecklats för att ge representationer av framtida klimat i form av meningsfulla mönster av extrema händelser, som kan ligga till grund för framtida prognoser på ett sätt som är användbart för anpassning och för vilka ett orsakssamband mellan händelser och mänsklig påverkan på klimatet kan fastställas eller vederläggas. Studier av extrem händelsedetektering, attribuering och prognoser står dock för närvarande inför stora begränsningar. 

XAIDA-projektet syftar till att fylla dessa luckor. Med hjälp av nya tekniker för artificiell intelligens och stark tvåvägsinteraktion med viktiga intressenter kommer den att i) karakterisera, upptäcka och tillskriva extrema händelser med hjälp av en ny datadriven, effektbaserad strategi, ii) bedöma deras underliggande orsaksvägar och fysiska drivkrafter med hjälp av metoder för kausala nätverk, och iii) simulera högintensiva och ännu osedda händelser som är fysiskt sannolika i nuvarande och framtida klimat.

För att uppnå detta sammanför XAIDA team av specialister inom extrem händelseattribuering, atmosfärsdynamik, klimatmodellering, maskininlärning och kausal inferens för att:

• Förstå effekterna av klimatförändringar på en rad olika atmosfäriska fenomen som för närvarande är dåligt förstådda eller kvantifierade (cykloner, konvektiva stormar, långlivade anomalier eller sammansatta sommarhändelser), både för tidigare och framtida utvecklingar.
• Utveckla, i samarbete med en grupp viktiga berörda parter, en ny, bredare och effektbaserad ram för attribuering och projektion som utvinner kausala vägar för ytterligheter.
• Utveckla storylines av händelser av osynlig intensitet, baserat på maskininlärningsmetoder;
• Tillhandahålla nya verktyg för modellbedömning av orsakssamband som leder till extrema händelser och undersöka orsakerna till meningsskiljaktigheter mellan modeller och observationer.
• Utveckla en plattform för interaktion och kommunikation med berörda parter med ambitionen att förbättra utbildningen om klimatförändringar och klimateffekter och att föra denna utveckling till framtida operativa klimattjänster.