G2TT
来源类型Projects
规范类型研究项目
Räumliche Synchronisationsmuster von Starkniederschlagsereignissen in Europa
其他题名ClimXtreme
Jürgen Kurths; Niklas Boers
开始日期2020-03-01
结束日期2023-02-28
项目经费434.049 €
资助机构BMBF, PT DLR
语种德语
摘要

Das übergeordnete Ziel des Projekts ClimXtreme ist es, die folgenden beiden zentralen Fragen zu beantworten und wissenschaftlich fundierte Antworten darauf vorzuschlagen: Hat der Klimawandel in der Vergangenheit zu extremeren Wetterereignissen geführt? Wird der zukünftige Klimawandel das Auftreten extremer Wetterereignisse verändern? Das erwartete Gesamtergebnis des ClimXtreme Projektes ist die Generierung von Klimakenntnissen, die für eine verbesserte Bewertung von extremen Wetterereignissen erforderlich sind, die beobachtet wurden und die für die Zukunft in Mitteleuropa erwartet werden. Dies geschieht durch die Arbeit in vier Modulen, die eng zusammenarbeiten werden, um diesen Herausforderungen zu begegnen: Modul A (Physik und Prozesse), Modul B (Statistik), Modul C (atmosphärische Bedingungen) und Modul D (Beobachtungs- und Simulationsdateninfrastruktur). Modul B (Statistik) zielt auf eine verbesserte, probabilistische Bewertung von extremen Wetterereignissen ab. Durch die Entwicklung einer Toolbox für statistische Methoden für Extreme werden Ansätze zur Identifizierung und Quantifizierung von Veränderungen in der Häufigkeit und Intensität von Extremen bereitgestellt. Sie wird auch prüfen, ob das Auftreten von Extremen dem anthropogenen Klimawandel zugeordnet werden kann. Das Hauptziel des Teilprojekts B3.2 ist es, räumliche Synchronisationsmuster von Starkniederschlägen in Europa zu identifizieren und deren Beziehung zu Stürmen und wiederkehrenden atmosphärischen Zirkulationsmustern zu untersuchen. Wir werden die Variabilität dieser Muster auf verschiedenen Zeitskalen analysieren, in diesem Zusammenhang Beobachtungen mit modellbasierten Daten vergleichen und die Zuverlässigkeit von Modellprojektionen im Hinblick auf sich ändernde Eigenschaften von Starkniederschlägen und damit verbundene Zirkulationsmuster bewerten. Methodisch werden wir dabei vor allem Techniken der komplexen Netzwerke, Rekurrenzanalyse, sowie Clusteringmethoden verwenden.

标签Nonlinear Data Analysis ; Extremes ; Machine Learning ; RD4 - Complexity Science ; Complex Networks ; FutureLab - Artificial Intelligence in the Anthropocene ; Nonlinear Dynamics ; Europe
URLPotsdam Institute for Climate Impact Research (Germany)
来源智库Potsdam Institute for Climate Impact Research (Germany)
资源类型智库项目
条目标识符http://119.78.100.153/handle/2XGU8XDN/493542
推荐引用方式
GB/T 7714
Jürgen Kurths,Niklas Boers. Räumliche Synchronisationsmuster von Starkniederschlagsereignissen in Europa. 2020.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[Jürgen Kurths]的文章
[Niklas Boers]的文章
百度学术
百度学术中相似的文章
[Jürgen Kurths]的文章
[Niklas Boers]的文章
必应学术
必应学术中相似的文章
[Jürgen Kurths]的文章
[Niklas Boers]的文章
相关权益政策
暂无数据
收藏/分享

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。