Deep Learning for He atwaves: From Circulation to Impacts in a Changing Climate
Klimaatverandering leidt wereldwijd tot meer en heftiger ext reem weer, zoals hittegolven. Dat heeft grote gevolgen voor gezondhei d, ecosystemen en voedselzekerheid. Huidige modellen voorspellen niet altijd goed, daarom ontwikkelde Tamara Happé nieuwe methoden met ee n focus op datagedreven (AI-) modellen.
De waargenomen temperatuurtrends in delen van het noordelijk halfrond, waaronder We st-Europa en Nederland, nemen sterker toe dan de meest geavanceerde k limaatmodellen hadden voorspeld. Dat komt deels door veranderingen in de atmosferische circulatie die de modellen niet goed weten te simul eren.
Happés onderzoek beantwoordt daarom drie vragen: welke v
eranderingen in de atmosferische circulatie zien we in de zomer op he
t noordelijk halfrond, en wat zijn de oorzaken? Hoe kunnen AI-methode
n ons begrip van extreem weer en de bijbehorende dynamische veranderi
ngen verbeteren? En welke klimaatpatronen zien we tijdens impactvolle
wereldwijde misoogsten?
“Ik toon allereerst aan dat de vera
nderingen in de atmosferische circulatie niet overal op het noordelij
ke halfrond hetzelfde zijn, en dat een deel van deze veranderingen ni
et zodanig door de klimaatmodellen wordt gemodelleerd. Als we begrijp
en waarom deze veranderingen plaatsvinden kunnen we betere prognoses
maken van toekomstige hittegolven.”
Daarnaast laat ik zien dat data-gedreven methodes, zoals k
unstmatige intelligentie, ons veel kunnen leren over het klimaatsyste
em. Zo toon ik aan dat wereldwijde misoogsten gepaard gaan met specif
ieke patronen in de oceaan en warme en droge condities over land. Ik
laat ook zien dat deze specifieke patronen in de oceaan de laatste de
cennia vaker voorkomen.
“Zulke misoogsten komen gelukkig ni
et vaak voor, maar kunnen veel impact hebben. De wereldwijde voedseli
ndustrie is erg afhankelijk van een aantal regio's waar veel in wordt
geproduceerd. Als deze regio's tegelijkertijd misoogsten ervaren, is
dat over de hele wereld merkbaar. Met meer inzicht in hoe klimaatcon
dities de kans op die misoogsten verhogen, en hoe dit verandert over
de tijd, kunnen we ons als samenleving beter voorbereiden.”
M eer informatie over het proefschrift.
DESCRIPTION: Deep Learning for Heatwaves: From Circulation to Impacts in a Changing Climate Klimaatverandering leidt wereldwijd tot meer en heftiger extreem weer, zoals hittegolven. Dat heeft grote ge volgen voor gezondheid, ecosystemen en voedselzekerheid. Huidige mode llen voorspellen niet altijd goed, daarom ontwikkelde Tamara Happé n ieuwe methoden met een focus op datagedreven (AI-) modellen. De waargenomen temperatuurtrends in delen van het noordelijk halfrond , waaronder West-Europa en Nederland, nemen sterker toe dan de meest geavanceerde klimaatmodellen hadden voorspeld. Dat komt deels door ve randeringen in de atmosferische circulatie die de modellen niet goed weten te simuleren.Happés onderzoek beantwoordt daarom drie vragen: welke veranderingen in de atmosferische circulatie zien we in de zome r op het noordelijk halfrond, en wat zijn de oorzaken? Hoe kunnen AI- methoden ons begrip van extreem weer en de bijbehorende dynamische ve randeringen verbeteren? En welke klimaatpatronen zien we tijdens impa ctvolle wereldwijde misoogsten?