Tilbake til søkeresultatene

KLIMAFORSK-Stort program klima

The big data and climate FRONTIER: making sense of the explosive increase in climate data through smart designs and big data methods

Alternativ tittel: Forskningsfronten for Big Data og klima: Å forstå den eksplosive økningen i klimadata gjennom bruk av smart design og Big Data metoder

Tildelt: kr 10,3 mill.

Prosjektnummer:

301777

Søknadstype:

Prosjektperiode:

2020 - 2024

Midlene er mottatt fra:

Geografi:

Samarbeidsland:

Den neste forskningsfront knyttet til regionale klimaendringer er ikke knytet til produksjon av mer data, men til å produsere mer informasjon Informasjon om klima blir stadig viktigere for effektiv planlegging, tilpasning og begrensing av fremtidige kostnader og forandringer som følge av klimavariabilitet og endring. Denne økte etterspørselen etter klimainformasjon fører til en eksplosiv økning i mengden tilgjengelige klimadata. Den eksplosive økningen i datatilgang skaper problemer for mange av brukere som trenger tilgang til disse dataene. Å kunne arbeide med et så stort volum av klimadata vil kreve svært spesialiserte ferdigheter og verktøy som kan være for dyre for mange brukere. Derfor en økende utfordring å sikre at klimainformasjonen forblir tilgjengelig for alle brukere og beslutningstakere. FRONTIER tar sikte på å møte denne utfordringen gjennom å adressere viktige spørsmål om dataproduksjon og dataanalyse. Hovedmålet med FRONTIER er å begrense de fremtidige utfordringene knyttet til den eksponentielle økningen i klimadata som er forventet i løpet av det neste tiåret ved å bruke smart design og Big Data metoder. For å oppnå dette målet, kreves det en tverrfaglig tilnærming som trekker veksler på kompetanse og kunnskap fra fagområdene klima og matematikk. Metodene vi vil bruke, i krysningspunktet og forskningsfronten mellom disse fagområdene, er basert på: 1. Å utvikle nye prosessbaserte modellanalysemetoder for samfunnsrelevante prosesser; 2. Å utvikle et nytt, mindre, sett med resultatmålinger for å forenkle og forbedre effektiviteten i dataanalyse; 3. Å utforske en ny tilnærming til hvordan man setter opp flere-klimamodell ensembler for å minimere dataproduksjon. Nyere fremskritt innen "Big Data" analyse og "design av eksperimenter", kombinert med den siste utviklingen innen internasjonale initiativer for klimamodellering, betyr at akkurat nå er det beste tidspunktet for å arbeide frem et gjennombrudd i hvordan vi produserer og bruker klimamodelldata.

FRONTIER focuses on providing a fundamental breakthrough on how climate model data is generated and analysed, so that we can provide more reliable climate information using less data and computer resources, and thereby accelerating time to science discovery by orders of magnitude. In FRONTIER, we aim to quantitatively assess the simulation of high impact weather events in regional climate models, reduce the number of performance metrics for more efficient analysis, and constrain the size of climate ensembles through a novel approach called Design of Experiment (DoE)-based ensemble. We believe that the next frontier of regional climate modeling is not in producing more data, but in producing more information through a targeted reduction of the data volume and by increasing its representativeness. This will make a substantial contribution towards Sustainable Development Goal (SDG) 13 "Climate action" by directly influencing the production of representative and skilful climate information. The methodological approach of FRONTIER is based on: (1) Developing novel process-based model analysis metrics in Lagrangian space to identify optimal model resolutions to capture societally relevant processes (2) Developing a new reduced set of performance metrics using Big Data methods to simplify and improve efficiency in data analysis (3) Exploring a new approach to multi-model ensembles, which we call Design of Experiment (DoE)-based ensemble, and contrast it with the current 'ensemble of opportunity' In FRONTIER, we believe that the next frontier of regional climate modeling is not in producing more data, but in producing less (more representative) information and improving efficiency in data analysis. Hence, we propose three underpinning frontier questions: a) can the RCM added value be better detected in a Lagrangian framework? b) can the number of performance metrics be reduced? c) can the ensemble of opportunity be replaced by something better?

Budsjettformål:

KLIMAFORSK-Stort program klima