Nye strategiske prosjekter

- Det har vært inspirerende å se bredden, kvaliteten og engasjementet i denne prosessen. Vi fikk mange sterke prosjektideer, og det var ingen enkel oppgave å velge ut de fire prosjektene, sier senterdirektør Kikki Flesche Kleiven. 

- De strategiske prosjektene er en viktig investering i Bjerknessenterets fremtid. De skal ikke bare levere fremragende forskning, men også styrke samarbeidet på tvers av fagmiljøene og partnerinstitusjonene våre, utvikle nye forskningssamarbeid og legge grunnlaget for større satsinger fremover. Vi har store forventninger til disse fire prosjektene, og gleder oss til å følge dem i årene som kommer.

De nye strategiske prosjektene er DYNAMIC-AI ledet av Sigrid Passano Hellan (NORCE), BioCrystal ledet av Jöran März (UiB) og Shuang Gao (NERSC), GRADIENT ledet av Lea Svendsen (GFI-UiB) og NorCPMNext ledet av Yiguo Wang (NERSC) og Francine Schevenhoven (UiB).

DYNAMIC-AI

Prosjekttittel: DYNAMIC-AI: Dynamics of Unprecedented and Compound Extremes using AI

Etter hvert som klimaendringer endrer hvor, når og hvordan ekstreme hendelser inntreffer, står samfunnet overfor økende risikoer fra både enestående og sammensatte ekstremer, der flere farer sammenfaller eller forsterker hverandre.

For å møte denne utfordringen har Bjerknessenteret for klimaforskning lansert det strategiske prosjektet DYNAMIC-AI (Dynamics of Unprecedented and Compound Extremes using AI), ledet av Sigrid Passano Hellan (NORCE) og med Stephen Outten (NERSC).

Prosjektet vil undersøke ekstreme vær- og klimahendelser i både nåtid og fremtid, med særlig fokus på hendelser som ligger utenfor historisk erfaring og beredskap.

- Målet er å forstå hva vi kan oppleve nå, og hva vi kan oppleve i fremtiden, som vi kanskje ikke er forberedt på, forklarer Hellan.

Et spesielt fokus vil være på de mest utfordrende og minst forståtte ekstremene, inkludert uovertrufne hendelser som ligger utenfor levende minne og historiske opptegnelser. DYNAMIC-AI vil også undersøke sammensatte ekstremhendelser, der ulike farer sammenfaller eller forsterker hverandre.

– Dette er situasjoner der individuelle ekstremer oppstår sammen eller samhandler, noe som øker den samlede effekten, sier Hellan.

DYNAMIC-AI vil kombinere klimamodellering, maskinlæring, fysisk forståelse av atmosfæriske prosesser og hydrologisk modellering for å forbedre vår evne til å analysere og forutsi sjeldne hendelser med stor innvirkning.

Ved å samle ekspertise på tvers av fagområder, tar prosjektet sikte på å generere kunnskap som kan styrke beredskapen for noen av de farligste og minst forståtte klimarelaterte farene.

BioCrystal

Prosjekttittel: BioCrystal – Biogeochemistry in Sea Ice environments

Arktis varmes opp to til fire ganger raskere enn det globale gjennomsnittet. Et fenomen som kalles arktisk forsterkning. Et av våre nye strategiske prosjekt på Bjerkessenteret, BioCrystal (Biogeochemistry in Sea Ice environments) skal undersøke hvordan rask oppvarming og endring i havisen i Arktis påvirker biologiske og kjemiske prosesser i havisen og i havet. 

Prosjektet ønsker å fokusere særlig på primærproduksjon (produksjon av organisk materiale fra energi), utveksling av CO₂ mellom hav og atmosfære, og den biologiske karbonpumpen, som transporterer karbon fra havoverflaten til dyphavet. 

- Ved å kombinere observasjoner med avanserte numeriske modeller ønsker vi å forbedre forståelsen av hvordan det arktiske systemet fungerer i dag, og hvordan det kan komme til å endre seg i fremtiden, sier prosjektleder Joeran Maerz, forsker ved Universitetet i Bergen og Bjerknessenteret. 

Prosjektet ønsker å øke forståelsen av hvordan Arktis var før det ble påvirket av klimaendringer, slik at vi kan måle og forstå hvor mye Arktis har endret seg over tid. 

- Det er svært givende å gjennomføre dette prosjektet sammen med den tverrfaglige kompetansen vi har ved Bjerknessenteret, samtidig som vi samarbeider med partnere utenfor. Forhåpentligvis kan vi utvikle prosjektet til noe enda større på sikt, sier Shuang Gao, forsker ved Nansensenteret og Bjerknessenteret. Gao leder prosjektet sammen med Joeran Maerz. 

Prosjektet bygger på tre eksisterende modelleringsrammeverk: den globale norske jordsystemmodellen NorESM, en global og avansert norsk klimamodell som brukes til å simulere og analysere fortid, nåtid og framtidig klima. I tillegg til det arktiske prognose- og reanalysesystemet TOPAZ, og den avanserte havismodellen neXtSIM. BioCrystal skal styrke og knytte disse modellene tettere sammen ved å legge til forbedrede beskrivelser av havisens biogeokjemi og samspillet mellom havet og atmosfæren. 

GRADIENT

Prosjekttittel: Global Responses and Drivers of the Tropical Pacific Zonal SST Gradient Trend.

Klimamodellene våre sier én ting. Observasjonene av Stillehavet viser noe annet. Hvorfor? Det er et av de store uløste spørsmålene i dagens klimaforskning – og utgangspunktet for et av Bjerknessenterets nye strategiske forskningsprosjekter som har fått navnet GRADIENT.

Det tropiske Stillehavet er en av de viktigste driverne i jordens klimasystem. Temperaturforskjellene mellom det varme vannet i vest og det kjøligere vannet i øst virker inn på atmosfæren, havstrømmene og været – ikke bare rundt Stillehavet, men over store deler av kloden.

- Det tropiske Stillehavet har veldig stor påvirkning på været og situasjonen i atmosfæren globalt sett, så er det veldig viktig å forstå hvordan det kan endre seg fremover, forteller førsteamanuensis ved Uib og leder for GRADIENT-prosjektet Lea Svendsen. 

Men her står klimaforskerne overfor et mysterium. Observasjoner fra det siste århundret viser at temperaturforskjellen mellom øst og vest har blitt sterkere. Klimamodellene forteller oss at det motsatte heller skulle være tilfellet. Dette avviket mellom modeller og det som blir observert kan få betydning for hvor godt vi klarer å beregne framtidige klimaendringer – også i områder langt fra Stillehavet.

- I observasjonene ser vi en type trend, og så sier klimamodellene for globalt oppvarmingssignal noe annet. Så da blir spørsmålet om modellene er feil, eller om det er noe modellen ikke klarer å fange opp. Kan det være et slags mellomstadium, og at vi etterhvert kommer til å komme der hvor klimamodellene viser til slutt? Dette er noen av spørsmålene vi prøver å finne svar på i GRADIENT-prosjektet, sier Svendsen.

For å forstå hva som skjer kombinerer forskerne avanserte klimamodeller med spor etter fortidens klima for å undersøke hvordan Stillehavet har oppført seg under svært forskjellige klimaforhold – fra siste istid til varme perioder for flere millioner år siden. Målet er å forstå mekanismene bak endringene bedre og dermed forbedre framskrivningene av framtidens klima, både i tropene og i Nord-Atlanteren og Arktis. 

NorCPMNext

Prosjekttittel: Pioneering subseasonal-to-seasonal prediction of regional climate and extremes through hybrid AI-physics modelling (NorCPMNext).

– Samfunnet trenger tidlige varsler for å kunne forberede seg på ekstreme hendelser som stormene Hans og Amy og de nylige hetebølgene i Europa, sier Yiguo Wang.

Forskeren fra Nansensenteret og Bjerknessenteret skal lede Bjerknessenterets nye satsning på et varslingssystem for været fra to uker til ett år frem i tid.

I vanlige værvarslingsmodeller brukes fysiske lover til å beregne hvordan atmosfæren vil utvikle seg fra slik den er nå. Det fungerer bra i en uke eller ti dager fremover, men etter den tid faller treffsikkerheten brått. Været i dag har for lite å si for det som skjer om to uker. Luften er flyktig, og atmosfærens minne rekker ikke lenger.

På lang sikt spiller havet, sjøisen i Arktis og snødekket på land en større rolle. Variasjoner i havstrømmer og vanntemperatur skjer saktere og betyr mer på lang sikt enn endringer i luften. Dette kan man utnytte i varsling av klimaet for år og tiår frem i tid.

Tiden mellom et par uker og et år havner i et gap mellom disse ytterpunktene. For å kunne si noe om været om tjue dager eller kommende vinter, må man ta hensyn både til atmosfærens korte og havet lange hukommelse.

Yiguo Wang og kolleger ved Nansensenteret, Universitetet i Bergen og NORCE vil utvikle et nytt varslingssystem for dette tidsspennet. 

For at slike varsler skal være nyttige lokalt, må de være geografisk detaljerte. I det nye systemet vil avstanden mellom punktene det varsles for, være fem kilometer. Så høy nøyaktighet er uvanlig for varsler som skal rekke så langt som et år fremover, særlig når man skal unngå for stor bruk av datakraft. 

For å oppnå dette, vil forskerne bruke kunstig intelligens til å forbedre varslingsmodellen de bruker i dag.

– Jeg liker å forklare det som å få det beste fra to verdener, sier Francine Schevenhoven.

Schevenhoven er forsker ved Universitetet i Bergen og Bjerknessenteret og skal lede det nye prosjektet sammen med Yiguo Wang.

– Jeg håper vi kan vise at de to tilnærmingene styrker hverandre, ved å føre den fysiske kunnskapen bygget opp gjennom tiår, sammen med de nye datadrevne mulighetene vi har i dag, sier hun.

På spørsmål om hva Yiguo Wang aller helst håper å oppnå, svarer han raskt:

– Hvis beslutningstagere finner informasjonen vi kommer med nyttig, vil jeg bli virkelig glad.