Seasonal Forecasting Engine

Værvarsler er sjelden nøyaktige mer enn fem til ti dager frem i tid. Dette skyldes værets kaotiske natur, også kjent som «sommerfugleffekten». Prosjektet vårt, Seasonal Forecasting Engine (SFE) har hovedsakelig dreiet seg om å bruke fysiske og statistiske modeller til å utvikle metoder for å beregne sannsynligheten for ulike værscenarioer fra ti til hundre dager frem i tid. Vårt overordnete mål har vært å gjøre slike sesongvarsler mer relevant for brukere i privat og offentlig sektor. Fra starten av prosjektet jobbet vi tett med brukerpartnerne, deriblant Tryg forsikring. På våren i 2018 var det store snømengder i fjellet i Sør-Norge, og samtidig hadde vi varslet at april kom til å bli kaldere enn normalt. Dette betød at det var fare for en forsinket snøsmelting, og dermed var det økt fare for storflom på Østlandet. Basert på dette, sendte Tryg ut en pressemelding der de varslet om høy flomfare, og i tillegg sendte de en e-post til alle sine kunder på Østlandet. Vi ble også intervjuet sammen på TV2, noe som førte at enda flere fikk tilgang på denne informasjonen. Dette er et eksempel på hvordan værvarsler langt frem i tid kan tas i bruk. Ved hjelp av flere slike eksempler fikk vi etablert gode samarbeid, og vi bestemte oss for å søke om midler til en nytt Senter for forskningsdrevet innovasjon (SFI), med fokus på varsling og håndtering av klimarisiko. I 2020 fikk vi innvilget Climate Futures, som koordineres av NORCE og har 30-40 partnere. Blant disse var det flere nye forskningspartnere. I tillegg til Norsk regnesentral, Nansensenteret og Geofysisk institutt ved Universitetet i Bergen, fikk vi med oss Meteorologisk institutt, Norges handelshøyskole, Samfunns- og næringsforskning og Statistisk sentralbyrå. Climate Futures har en mer tverrfaglig sammensetning enn det opprinnelige SFE-prosjektet. Prosjektgruppen bestemte seg for å slå sammen aktivitetene med Climate Futures, og siden oktober 2020 har vi operert under felles fane. I tillegg til noen av de opprinnelige partnerne i SFE-prosjektet (Tryg Forsikring, StormGeo, BKK, Agder Energi), har vi rekruttert mange nye partnere innen fire sektorer: Motstandsdyktige samfunn, Fornybar energi, Bærekraftig matproduksjon og Smart shipping. Et fellestrekk for partnerne er at de alle har behov for bedre varsler fra ti dager til flere år frem i tid. Ved utgangen av SFE-prosjektet hadde vi altså etablert en stor og relevant brukergruppe, med muligheter til å utvikle spennende og anvendte prosjekter sammen med disse i Climate Futures. I tillegg fikk prosjektgruppen i 2020 innvilget et EU-prosjekt (Horisont 2020) for utvikling av klimatjenester i Afrika, med partnere fra Kenya, Sør-Afrika, Storbritannia og Tyskland. CONFER (Co-production of climate services for East Africa) koordineres av NORCE og bygger på og viderefører kunnskapen som har blitt opparbeidet i SFE-prosjektet. Ved utgangen av 2021 var det rundt 20 pågående prosjekter i Climate Futures. Alle disse inkluderer minst én brukerpartner. Innenfor Bærekraftig Matproduksjon var blant annet følgende prosjekter i gang: forbedring av varsler basert på den tørre sommeren i 2018; varsling av sjøtemperatur for oppdrettsnæringen; og varsling av den første frosten på høsten. Innen Smart shipping forsket vi blant annet på bruk av varsling av sjøisutbredelse; effekten av havtemperatur på begroing av skrog ved havneanløp og påfølgende drivstofforbruk; og varsling av drivstofforbruk på skipsruter. Følgende prosjekter tilhørte Fornybar Energi: bruk av sesongvarsel i hydrologisk modeller; utforsking av bruk av flerårige klimavarsler for vannkraftsektoren; og bruk av sesongvarsel i framskrivninger av strømpriser. Innen Motstandsdyktige Samfunn var disse prosjektene aktive: Hvordan forstå og vurdere klimarisiko? Knytning av sesongvarsel til forsikringsdata; og klimarisikohåndtering innen finans. Videre var det flere tverrgående prosjekter i gang, deriblant forbedring av varsler fra NorCPM, vår egen varslingsmodell som blant annet har blitt forbedret i SFE-prosjektet; forberedelser til bruk av månedsvarsler på Yr; og forskning på språkbruk - hvordan snakker vi om og forstår vi usikkerhet? SFE-prosjektet har også ført til 16 fagfellevurderte vitenskapelige artikler og totalt 88 presseoppslag. Det er særlig våre månedlige oppdateringer av sesongvarslene, publisert på klimavarsling.no, en nettside vi kommer til å bruke videre i Climate Futures, som har ført til stor interesse. Nettsiden vår ble vist mer enn 23 000 ganger i 2021. Medias interesse for prosjektet har ført til mange nyttige kontakter og har gitt oss en glimrende plattform for formidling.

Hovedpåvirkningen for forskningsorganisasjonene var at SFE-prosjektet innledet et svært fruktbart samarbeid som resulterte i påfølgende finansiering av blant annet CONFER og Climate Futures. SFE som plattform bidro også til at Bjerknes Climate Prediction Unit fikk støtte av Universitetet i Bergen og Trond Mohn-stiftelsen. Samarbeidet mellom organisasjonene og størrelsen på forskningsgruppene i organisasjonene har vokst betydelig. For eksempel har NORCEs klima- og miljøavdeling nå en dedikert gruppe som heter «Forecasting Engine», der det nå er mer enn ti forskere. For privat og offentlig sektor har arbeidet i SFE satt klimavarsling på kartet i Norge. Jevnlig formidling av sesongvarsler på klimavarsling.no har ført til omfattende kontakt med aktører fra begge sektorer. I flere tilfeller har dette ført til et formelt samarbeid i Climate Futures.

The aim of SFE is to develop a state-of-the-art operational seasonal climate prediction system for Northern Europe and the Arctic. Tailored seasonal predictions can be helpful tools for risk mitigation, and they can guide more efficient use of resources in many sectors of society, including agriculture, energy, water, transportation, and insurance. To our users, the SFE will be accessible through a flexible interface which can be queried to obtain predictions of relevant climate indices and variables. Under the hood, our "engine" consists of statistical algorithms that merge vast amounts of data into unified forecasts. As we increasingly understand the mechanisms that drive the enormously complex climate system, both dynamical and empirical models are steadily improving. At the same time, increased computational power, enhanced observations and remote sensing, and advanced statistical methods to blend models and observations, are driving a big data-fuelled revolution in climate prediction. What is urgently needed now is careful, but speedy, transformation of research into innovative practical applications and services. Our team consists of experts in handling big data, statisticians, climatologists, climate modellers, and climate service practitioners. Working in complementary fashion with the international research community, and guided by an international peer advisory committee, we will both improve our own models and, taking existing seasonal forecast ensembles, employ innovative empirical-statistical approaches to make the forecasts better and more relevant for our users.