Redusering av usikkerhetene i klimamodellering ved bruk av Big Data tilnærming

Klimaforskere rundt om i verden utvikler og bruker svært komplekse jordsystemmodeller for å projisere fremtidige klimaendringer. Etter hvert som antallet og kompleksiteten til modellene øker, blir det upraktisk å benytte tradisjonelt verktøy for å analysere modellresultatene. Dette kan føre til at man ikke oppdager ny kunnskap om fremtidige klimaendringer som kan være kritiske for beslutningstakere å ha tilgang til.

COLUMBIA er et tverrfaglig prosjekt som tar sikte på å utvikle et innovativt verktøy, basert på den nyeste maskinlæringsteknologien, for effektivt å analysere store mengder modelldata for bedre å forstå hvorfor enkelte modeller oppfører seg veldig annerledes enn de andre. Kombinert med vår nåværende kunnskap om hvordan klimasystemet fungerer, basert på observasjoner, vil vi begrense det store spriket i modellsimuleringene. Ved hjelp av dette nye verktøyet, ønsker vi å filtrere ut de klimamodellene som ikke representerer dynamikken som observeres i naturen. Målet er at fremtidige klimaprognoser på global og regional skala oppnås ved å bruke bare de beste modellresultatene. COLUMBIA vil anvende det nye verktøyet for å bestemme den tropiske Stillehavsvariabiliteten og dens tilknytning til klimaet i Europa. Dynamikken av havets varme- og karbonbudsjetter, og deres tilknyttede virkninger for fremtidige klimaendringer, vil også bli utforsket.

COLUMBIA vil styrke samhandlingen mellom klimamodellering og observasjonssamfunn, samt skape en ny tverrfaglig bro mellom natur- og beregningsforskere. Prosjektet passer også godt inn i den kommende IPCC-AR6 prosessen ved at den første samlingen av nye klimamodell-simuleringer vil bli tilgjengelig i slutten av 2018. Ny kunnskap fra COLUMBIA vil støtte utviklingen av klimavitenskap både nasjonalt og internasjonalt.