Fokus är på atmosfären. Klimatet, vädret och människornas och ekosystemens välbefinnande är alla starkt kopplade till atmosfärens sammansättning och kvaliteten på luften vi andas. Man kan dela upp de mest problematiska beståndsdelarna i atmosfären i kortlivade klimatpåverkande luftföroreningar – såsom luftburna partiklar och olika reaktiva spårgaser – och långlivade växthusgaser, främst koldioxid. Luftburna partiklar har en välkommen avkylande effekt på klimatet men orsakar samtidigt allvarliga oönskade hälsoeffekter även i relativt rena länder som i Sverige.

Temats forskare utvecklar och använder en lång rad olika atmosfäriska modeller som tillsammans spänner över alla relevanta skalor i tid och rum; millisekunder–årtionden, nanometer–globalt. Vi har även tillgång till enorma mängder data rörande klimat, luftkvalitet och människors hälsa. Alla dessa data kan användas för att utveckla och validera modellerna. Miljödata är numera verkligen ”big data” och datainsamlingen överstiger redan flera hundratals terabyte per dygn. Att hantera och analysera alla dessa heterogena data överstiger kapaciteten hos den samlade forskarkåren, vilket medför att mycket bra data aldrig används. Vi förutser stora fördelar med att inkorporera metoder för artificiell intelligens (AI) i analysen av våra data. I flera fall kan lösningen vara hybrid-modeller som kopplar fysikaliska processer med den flexibilitet som AI och maskininlärning (ML) erbjuder.

Temats mål är att:

• Koordinera och konsolidera de olika atmosfäriska modeller som våra forskare och deras internationella samarbetspartner utvecklar:
• Identifiera hur dessa modeller kan användas för att få en djupare förståelse för balansen mellan kortlivade klimatpåverkande luftföroreningar och långlivade växthusgaser med hänsyn taget till deras avkylande/uppvärmande effekt och hälsoeffekter;
• Utforska möjligheterna att använda AI/ML för att hantera, kvalitets-kontrollera och studera olika miljö- och hälsodata relaterade till atmosfären och kombinera data med modeller.