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

Den neste forskningsfront i regionale anslag for klimaendringer er ikke å produsere mer data, men i å produsere mer informasjon.

Klimainformasjon blir stadig viktigere for effektiv planlegging, tilpasning, og avbøting av fremtidige kostnader og forstyrrelser som følge av klimavariabilitet og endring. Imidlertid driver denne økende etterspørselen etter klimainformasjon en eksplosiv økning i volumet av klimadata. Dette skaper hindringer for mange brukere som trenger tilgang tile disse dataene. Tilgang til et så stort volum av klimadata vil kreve høye spesialiserte ferdigheter og verktøy som kan være for dyre for mange brukere. Derfor er en voksende utfordring innen klimaendringers forskning å sikre at klimainformasjon forblir tilgjengelig for alle brukere og beslutningstakere. FRONTIER tar sikte på å møte denne utfordringen gjennom de viktigste spørsmålene om dataproduksjon og dataanalyse.

Hovedmålet med FRONTIER er å avbøting fremtidige utfordringer knytett til den eksponentielle økningen i klimadata som forventes 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 på kompetanse og kunnskap fra fagområdene klima og matematikk. Derfor, ligger vår metodikk på front mellom disse fagområdene og er basert på:

1. Utvikle nye prosessbaserte modellanalysemetoder for samfunnsrelevante prosesser for å bedre dataanalyse og minimere dataproduksjon;
2. Utvikle et nytt redusert sett med resultatmålinger for å forenkle og forbedre effektiviteten i dataanalyse;
3. Å utforske en ny metod å designe flere-klimamodell ensembler for å minimere dataproduksjon.

Nyere fremskritt innen ‘Big Data’ analyse og ‘design av eksperimenter’ slå sammen med siste utviklingen innen internasjonale klimamodelleringsinitiativer, betyr at nå er den beste tiden å utvikle et gjennombrudd i hvordan vi produserer og bruker klimamodelldata.