Im Projektverbund SCENIC liegt der Fokus auf der Untersuchung von extremen Wetterereignissen unter zukünftigen (wärmeren) Klimabedingungen. Dazu werden in Klimamodellen die troposphärische Winde als Randbedingungen so angepasst, dass bestimmte rezente Extremereignisse reproduziert werden können. Mit diesen Randbedingungen werden Klimamodelle unter zukünftigen Bedingungen, d.h. erhöhte CO2-Konzentration, berechnet, um zu untersuchen, wie sich solche Extremereignisse unter den veränderten Bedingungen entwickeln würden. Die veränderten Bedingungen entsprechen einer gobalen Erwärmung von 2K bzw. 4K im Vergleich zum vorindustriellen Zeitalter.

Unser Projekt am GFZ beschäftigt sich mit der Auswirkung der Klimaänderungen auf bestimmte sozio-ökonomische Parameter. Dazu werden Methoden des Maschinellen Lernens herangezogen. Diese Methoden sind in der Lage komplexe Zusammenhänge zwischen Eingangsdaten (hier die Ergebnisse der Klimamodellierungen) und Zieldaten (hier sozio-ökonomische Parameter) zu finden. Wenn diese Zusammenhänge numerisch beschrieben sind (z.B. in Form eines trainierten künstlichen neuronalen Netzes) lassen sich mit Daten aus den Klimamodellen der wärmeren Szenarien die Entwicklung der Zielparameter, also der gesuchten sozio-ökonomischen Parameter, ableiten.