Abstract
Lo studio dei cambiamenti climatici dei prossimi decenni passa attraverso l’uso massiccio di simulazioni numeriche del sistema climatico terrestre. I dati prodotti da queste simulazioni sono dell’ordine di Petabytes e stanno diventando sempre più difficili da analizzare con gli strumenti tradizionali di indagine fisica e statistica. Il progetto si propone quindi di sviluppare nuovi metodi e strategie di analisi dati che, unendo tecniche di intelligenza artificiale, deep learning e statistical learning alla modellistica climatica previsionale, permettano una comprensione profonda dei dati modellistici prodotti per lo sviluppo di applicazioni di gestione del rischio climatico e di strategie di adattamento. In particolare i temi delle applicazioni saranno legati a (1) riconoscimento delle anomalie climatiche e delle tendenze dominanti in tutte le componenti dei modelli climatici, ovvero nell’atmosfera, oceano, ecosistemi terrestri e marini, e in tutti i modelli a disposizione della comunità scientifica; (2) localizzazione delle anomalie a scale regionali e locali con tecniche di deep learning; (3) sviluppo di modelli degli impatti climatici (modelli di resa agricola, misure di protezione della costa, salute umana, isole di calore e di freddo urbane, ecc.) (4) valutazione del rischio climatico per la pianificazione delle infrastrutture.
Dettagli del progetto
Responsabile scientifico: Nadia Pinardi
Strutture Unibo coinvolte:
Dipartimento di Fisica e Astronomia "Augusto Righi"
Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)
Contributo totale di progetto: Euro (EUR) 86.743,44
Durata del progetto in mesi: 36
