Thema I: Klimaatwetenschap

Tijdige emissiereducties blijven de hoeksteen van het klimaatbeleid, maar vormen een steeds grotere uitdaging. Tegen deze achtergrond worden strategieën op het gebied van ' Climate engineering' door middel van stralingsmanagement (CERM) steeds vaker besproken als een mogelijke aanvulling op ons portfolio van opties om klimaatverandering tegen te gaan. Het wetenschappelijk beoordelen van de (on)haalbaarheid en (on)wenselijkheid van dergelijke CERM-opties is een zeer complexe en interdisciplinaire opgave. Binnen de TU Delft vindt op dit gebied onderzoek plaats dat varieert van technisch en beleid tot de ethische aspecten van CERM. 

Stedelijke gebieden zijn bijzonder kwetsbaar voor extreme weersomstandigheden, zoals droogte, hittegolven, ongezonde vervuilingsniveaus, extreme neerslag en overstromingen. Naarmate deze extremen als gevolg van de opwarming van de aarde zowel in intensiteit als in impact ernstiger worden, is er een toenemende behoefte om beter te begrijpen en te voorspellen hoe de gebouwde omgeving het lokale klimaat beïnvloedt, zowel in het huidige als het toekomstige klimaat (dwz stedelijk hitte-eilandeffect, verspreiding van vervuiling, wind en vochtigheid). Even belangrijk is de noodzaak om de impact van stedelijke mitigatiemaatregelen (bijv. vergroening van de stad, water in de stad, emissiereducties) op het lokale stadsklimaat te voorspellen en te kwantificeren.

Zeespiegelstijging is een van de belangrijkste gevolgen van klimaatverandering waar Nederland mee te maken zal hebben. Terwijl kustingenieurs en beleidsmakers nauwkeurige regionale zeespiegelprojecties nodig hebben, is ons begrip van hoe de circulatie in diepe oceanen het zeeniveau in ondiepe zeeën zoals de Noordzee beïnvloedt, en dus ons vermogen om dit te modelleren, nog steeds beperkt. We zullen dit probleem aanpakken door de verbanden te bestuderen tussen zeespiegelveranderingen op het niveau van oceaanbekken en van de kust, evenals de onderliggende dynamische processen in de oceaan die ze aandrijven, in het huidige en toekomstige klimaat. Mogelijke benaderingen zijn onder meer de ontwikkeling en toepassing van numerieke modellen met hoge resolutie en geavanceerde analyses van waarnemingen.

Klimaatmodellen zijn de belangrijkste instrumenten die gebruikt worden voor het genereren van prognoses van klimaatverandering onder verschillende toekomstige sociaal economische scenario's en leveren belangrijke input voor regionale besluitvorming inzake een toekomstige klimaatbestendige samenleving. Vanwege het grote scala aan ruimtelijke en temporele niveau's en het enorme aantal processen dat wordt gemodelleerd, zijn deze klimaatmodellen echter extreem kostbaar om uit te voeren, te analyseren en te interpreteren met behulp van traditionele tools en methoden. Daarom is er grote belangstellingnaar hoe machine learning (ML) kan helpen om regionale klimaatprojecties te verbeteren, vooral met nieuwe ML-methodologieën die interpreteerbaar zijn, fysieke consistentie vertonen, assimilatie van observaties en modellen op verschillende niveau's mogelijk maken, en die om kunnen gaan met complexe en onzekere gegevens. Aan de toepassingskant zouden deze ML-technieken potentieel moeten bijdragen aan de verbetering van regionale projecties voor de Nederlandse delta, waar het verkleinen van mondiale circulatie modellen en onzekerheden in circulatiepatronen enkele van de belangrijkste uitdagingen zijn.