Probabilistische nowcasting en voorspelling van extreme neerslag op impact-gebaseerde waarschuwingssystemen. (EXPRIMA#2)

Dit onderzoeksprofiel heeft tot doel in deze groeiende behoefte te voorzien door de wetenschappelijke basis te bieden voor impact-based waarschuwingssystemen die een reeks tijdschalen bestrijken en tegelijkertijd de bijbehorende onzekerheden vastleggen. Dit doel bereiken kan als door middel van een unieke integrale aanpak die de hele keten, van de waarnemingen tot de risicobeoordeling voor de eindgebruiker,  ten volle wordt benut, waarbij ook de probabilistische informatie wrodt gebruikt.  Deze aanpak zorgt ervoor dat de onzekerheden correct worden gemodelleerd en verspreid door de
sterk niet-lineaire lokale impactmodellen. Ten slotte beoogt het informatie te leveren die eindgebruikers kunnen combineren met blootstellings- en kwetsbaarheidskaarten om de risico's en hun kansen volledig te beoordelen. Om tegemoet te komen aan de evoluerende behoeften van gebruikers, zal het beoogde systeem het product zijn van continu co-design met belanghebbenden.
Dit onderzoeksprofiel beoogt de volgende centrale onderzoeksvragen te beantwoorden:
1. Naadloze voorspelling: hoe de nieuwste waarnemingen en modeloutput optimaal te combineren tot een
naadloos, snel bijgewerkt weervoorspellingssysteem?
2. Data-assimilatie: hoe de uitdagingen van het assimileren van hoge resolutie en nieuwe meteorologische waarnemingen op ruimteschalen die convectie toelaten  te overwinnen?
3. Ensemble-voorspelling: hoe de probabilistische informatie van een ensemble-voorspelling volledig kan worden benut om (impactgebaseerde) waarschuwingen te genereren?
4. Inzichten uit de dynamische systeemtheorie: kunnen we deze recente inzichten gebruiken om de voorspelbaarheid van neerslag en neerslagvoorspellingen te verbeteren?
5. Naar impactgebaseerde waarschuwingen: hoe een snel, volledig geïntegreerd impactgebaseerd waarschuwingssysteem te ontwerpen met meerdere aspecten van extreme neerslag zoals wateroverlast, hagel en droogte?
6. Relevantie voor de samenleving en de openbare dienstverlening: hoe belanghebbenden te adviseren bij de integratie van probabilistiek, prognoses met informatie over blootstelling en kwetsbaarheid, om effectief crisisbeheer te ontwikkelen, preventie-, hulpverlenings- en voorlichtingsstrategieën?
Om deze vragen aan te pakken, zullen we gebruikmaken van de kennis van de RMIB op het gebied van meteorologische modellering en KU Leuvens expertise op het gebied van impactmodellering en machine learning, evenals de gedeelde expertise op het gebied van meteorologische waarnemingen, probabilistische methoden en stochastische modellering van hydro-meteorologische extremen om probabilistische voorspellingen voor op impact gebaseerde waarschuwingen volledig te benutten.