Starter utviklingen av bedre sesongvarsling i Norge

Bedre værvarsler 10 til 100 dager frem i tid er målet i forskningsprosjektet Seasonal Forecasting Engine, som nå er innvilget støtte fra Forskningsrådet.  


Av Andreas R. Graven

Klimaforsker Erik Kolstad i Uni Research er glad for at prosjektet Seasonal Forecasting Engine er innvilget i overkant av 15 millioner kroner fra Forskningsrådet. Kolstad er også tilknyttet Bjerknessenteret. (Foto: Marit Hommedal) 


– Vi er veldig glade for dette. Potensialet for sesongvarsling er enormt, men det har vært vanskelig å varsle været noenlunde presist mer enn 5–10 dager frem i tid, sier klimaforsker Erik Kolstad i Uni Research.

– Nå skal vi utvikle det som forhåpentligvis skal bli et bedre sesongvarsel for Norge, blant annet ved å styrke værvarslingsmodellen Nor CPM, fortsetter Kolstad.

Han leder prosjektet som vil få i overkant av 15 millioner kroner i støtte de kommende 4 årene fra Forskningsrådet. Kolstad er også tilknyttet Bjerknessenteret.

Et internasjonalt ekspertpanel har evaluert Seasonal Forecasting Engine og 12 andre prosjekter som kjempet om å få støtte gjennom Forskningsrådets program IKT Pluss, den nye satsingen på IKT-forskning.

Prosjektene med de beste idéene/vitenskapelig kvalitet, størst potensiale for verdiskaping og høy gjennomføringsevne har fått støtte til å gjennomføre hele prosjektet, skriver Forskningsrådet på sin nettside.

Bygger "motor" med data som drivstoff

Norsk regnesentral skal utføre statistikkmodelleringen i Seasonal Forecasting Engine. Bjerknessenteret er inne med sin ekspertise på klimamodelleringssiden, med forskere fra Geofysisk institutt ved Universitetet i Bergen - samt Nansensenteret. Uni Research Computing bidrar også i prosjektet, med IT-infrastruktur.

Kolstad legger til at Bergen Teknologioverføring også har vært involvert med sin kompetanse og nettverk.

I Seasonal Forecasting Engine skal forskerne bygge det som kan kalles en «motor».

Drivstoffet er data av alle typer, fra satellitter, modeller, og observasjoner. En Big Data-algoritme skal kombinere alt dette for å gi et varsel 10–100 dager frem i tid.

Temperatur og nedbør

– For eksempel ønsker vi å si noe om temperaturen på Vestlandet blir som normalt, eller kaldere eller varmere enn normalt (interessant for alle). Vi vil også prøve å si noe om hvor mye snø som vil legge seg i høyfjellet (interessant for kraftbransjen), om våren kommer tidlig (interessant for landbruket), og så videre, forteller Kolstad.

Han påpeker at værvarslingsmodellene har blitt bedre de senere år. Og ikke minst at man kan oppnå høyere kvalitet på dataene som kommer inn i modellene, blant annet takket være bedre satellitter.

– Med riktige data inn er utgangspunktet for å lykkes med prosjektet vårt et ganske annet, sier Kolstad.

Kolstad og kolleger har fått med seg mange gode brukere i prosjektet: Storm Geo, Kongsberg Digital i Kongsberg Gruppen, Agder Energi, Tryg Forsikring, Meteorologisk institutt, Kystvakten, Lyse Produksjon og BKK Produksjon.


21. desember 2017 09:57

cp: 2018-01-16 23:17:58