Open WL Archief (OWA)

De opwarming van de aarde gaat in een alarmerend tempo door en brengt ongekende uitdagingen voor de samenleving met zich mee die dringende, door de wetenschap aangestuurde mitigatie en aanpassing vereisen. Aardsysteemmodellen (ESM's) zijn essentiële instrumenten voor het projecteren van klimaatverandering en verschaffen belangrijke informatie aan besluitvormers. Het vertrouwen in de voorspelde klimaatverandering wordt echter ondermijnd door een aantal onzekerheden; (i) ESM’s zijn het er niet over eens hoeveel de aarde zal opwarmen bij een bepaalde toename van kooldioxide (CO2) in de atmosfeer (de evenwichtsklimaatgevoeligheid van de aarde); (ii) hoeveel uitgestoten CO2 in de atmosfeer zal blijven om de planeet te verwarmen (de helft van de door mensen uitgestoten CO2 is geabsorbeerd door het land en de oceaan) en (iii) hoeveel overtollige warmte in het aardsysteem het binnenland van de oceaan zal binnendringen, het vertragen van de opwarming van het oppervlak (~90% van de warmte in het aardsysteem gaat de oceaan in). Centraal in deze onzekerheden staan slecht begrepen en slecht gemodelleerde terugkoppelingen van het aardsysteem, in het bijzonder terugkoppelingen naar de wolken, terugkoppelingen uit de koolstofcyclus en de opname van warmte door de oceaan. Een slechte weergave van deze verschijnselen verslechtert de nauwkeurigheid van de ESM-projecties, met gevolgen voor het anticiperen op toekomstige klimaatextremen en maatschappelijke gevolgen. Wij streven ernaar de representatie van deze feedbacks in ESM’s te verbeteren, waardoor de onzekerheid in de projecties van de opwarming van de aarde wordt verminderd. We stellen een multidisciplinaire aanpak voor, gericht op het ‘leren’ hoe processen nauwkeurig kunnen worden beschreven die ten grondslag liggen aan deze feedback, door een combinatie van observaties met geavanceerde machine learning (ML) en kunstmatige intelligentie (AI). Dergelijke gegevens en benaderingen, beperkt door de wetten van de natuurkunde, zullen een stapsgewijze verandering teweegbrengen in de nauwkeurigheid van de systeemmodellen van de aarde. AI4PEX zal Europa in de voorhoede plaatsen van een revolutie in de modellering van aardsystemen, wat zal leiden tot een grotere nauwkeurigheid van de voorspellingen van de klimaatverandering en superieure steun voor de implementatie van het Klimaatakkoord van Parijs en de Europese Green Deal.