Data Driven Discoveries in a Changing Climate (KB-46)
Met de Wageningse klimaatoplossingen ontwikkelen we bij WUR gezamenlijk mogelijkheden om de lokale kwaliteit van leven te verbeteren. Dat WUR een wereldwijd toonaangevende onderzoeks-organisatie is, komt doordat wij fundamenteel en toegepast onderzoek vanuit verschillende perspectieven met succes integreren. Deze interdisciplinaire aanpak van problemen staat bekend als de ‘Wageningse aanpak’.
De mogelijkheden verkennen van AI voor datagestuurde ontdekking om de gevolgen van klimaatverandering beter te begrijpen en nieuwe oplossingen te ontwikkelen om zich aan te passen aan een veranderend klimaat.
Op weg naar klimaatslimme stystemen
Het investeringsthema D3-C2 heeft als doel Wageningen Climate Solutions vooruit te helpen. Dat doen we onder andere door de mogelijkheden van AI voor datagedreven ontdekkingen te verkennen. Zo proberen we de gevolgen van klimaatverandering beter te begrijpen en nieuwe oplossingen te ontwikkelen zodat we onze voedselsystemen en de leefomgeving kunnen aanpassen aan een veranderend klimaat.
Samen klimaatslimme systemen creëren en deze in kaart brengen. Hiermee vergroten we de klimaatbestendigheid en werken we samen over de verschillende disciplines heen. Daarnaast is het samenbrengen van de enorme hoeveelheden data die beschikbaar zijn bij WUR, en van onze partners, van groot belang. Daarbij kijken we vooral naar de effecten van klimaatverandering op verschillende sociaal-ecologische systemen.
Download de posters
Climate impacts
2022
New data-driven solutions
- Impact of climate change on dairy cow welfare using high-frequent behavioural sensor data
- AI driven discovery of the linkage between climate extremes and food fraud
Emerging DS/AI methods
Climate adaptation solutions
2022
New data-driven solutions
- Heat stress detection in broilers using sensor data
- I-KNOW-FOO: Interlinking and creating KNOWledgegraphs for near-zero CO2 emission diets and climate-change robust FOOd production
- AI techniques to evaluate the effectiveness of nature-based solutions in reducing urban heat islands
- Decision support system for adapting sowing dates for maximum productivity
- ML-CLIMATE
- Enhancing drought resilience through forest restoration
Emerging DS/AI methods
- Integrating machine learning and mechanistic modelling towards adaptation of plants to climate change
- Use AI to Improve Climate Change Adaptation of Smart Greenhouse
Open data challenges
Download de factsheets
2023
- AI driven discovery of the linkage between climate extremes and food fraud
- Discover the impact of climate change on dairy cow welfare using high-frequent behavioural sensor data
- A digital twin of the global water and food system
- BreedGym
- Scientific machine learning to simplify hydrological modelling in a changing climate
- Use AI to improve climate change adaptation of smart greenhouse
- Climate impact on agricultural labour productivity
- AI techniques to evaluate the effectiveness of nature-based solutions in reducing urban heat islands
- ML-CLIMATE
- Turing meets Turing
- Integrating machine learning and mechanistic modelling towards adaptation of plants to climate change
- Enhancing drought resilience in Africa through large-scale tree planting
- Heat stress reduction in broilers using sensor data
2024
- Assessment of realistic climate change impacts of cropping seasons
- Machine learning for selecting crop varieties as climate adaptation measure
- Yield loss information from machine learning for insurance payouts
- Deep-learning-based streamflow monitor
- Climate impact at dairy farms
- Machine learning to identify good practices with Nature-based Solution
- AI4Chocolate
- ASPAR_KR
- Predicting drought and heatwave effects
Plan van aanpak
Hoe gaan we dat doen?
Missie en visie
Onze visie is dat ai-methodologie ons in staat zal stellen om patronen in gegevens te identificeren en zo de gevolgen van klimaatverandering beter te begrijpen, nieuwe oplossingen te ontwikkelen voor aanpassing aan een veranderend klimaat en ons voor te bereiden op klimaatactie. Gegevensgestuurde ontdekkingen kunnen het belangrijkste element zijn voor het versnellen van de identificatie, ontwikkeling en acceptatie van evidence-based oplossingen voor aanpassing aan een veranderend klimaat.
Ontwerpen van oplossingen voor aanpassing aan de klimaatverandering, met inbegrip van zowel op de natuur gebaseerde oplossingen als klimaat slimme systemen. Ook de natuur gebaseerde oplossingen, zoals bos- en landschapsherstel, zijn algemeen erkend om de klimaatbestendigheid te vergroten. Empirisch bewijs in dit opzicht is echter schaars. Bijvoorbeeld het kwantificeren van waar en in welke mate vegetatieherstel kan verbeteren, droogtebestendigheid in kwetsbare gebieden in een veranderend klimaat blijft een uitdaging. In deze onderzoekslijn gaan we mogelijkheden onderzoeken om op de natuur gebaseerde toekomsten te ontwikkelen door scenario's te ontwikkelen van gegevens. Bijvoorbeeld generatieve machine learning-benaderingen voor het genereren van scenario's. Hiervoor kunnen geavanceerde visualisatietechnieken (c.f. WANDER) synergetisch worden ingezet.
Uitdagingen
Er zijn drie subthema's geïdentificeerd waar aanpassing aan klimaatverandering op het gebied van voedselsystemen en de leefomgeving kan profiteren van datagestuurde ontdekkingen:
- door ons begrip van het probleem te verbeteren door historische of gesimuleerde gegevens over de gevolgen van klimaatverandering te analyseren en te visualiseren;
- door doeltreffende oplossingen te ontwerpen voor aanpassing aan een veranderend klimaat, met inbegrip van zowel op de natuur gebaseerde oplossingen als klimaatslimme systemen;
- om de effectiviteit van klimaatadaptatiebeleid en publieke betrokkenheid te volgen.
Ambitie
Onze gewenste uitkomsten voor onderzoek zijn:
- Nieuwe datagestuurde oplossingen voor aanpassing aan de klimaatverandering – Projecten dragen bij aan het monitoren en analyseren van klimaatimpactgegevens om evidence-based oplossingen te ontwikkelen. Innovaties kunnen liggen in de identificatie of beoordeling van mogelijkheden voor aanpassing aan de klimaatverandering, door DS/AI-technieken te implementeren die al in andere gebieden/domeinen worden gebruikt. Hier komt de innovatiekracht voort uit interdisciplinair onderzoek. Dit zal op korte termijn gevolgen hebben voor maatregelen voor aanpassing aan de klimaatverandering.
- Verbreden en versterken van het Portfolio Van Wageningen Climate Solutions – Dit zijn lopende projecten die klimaatadaptatieoplossingen ontwerpen voor klimaatslimme systemen, zowel voor op de natuur gebaseerde oplossingen als voor klimaatslimme systemen. Innovaties komen voort uit methodologische doorbraken, het ontwikkelen van nieuwe AI-technieken voor de specifieke problemen en onderzoeksvragen van de aanpassing aan de klimaatverandering. Dit zal op de lange termijn gevolgen hebben voor de maatregelen voor aanpassing aan de klimaatverandering.
- Versterking van de DS/AI-expertise van WUR – Om nieuwe of bestaande DS/AI-methoden succesvol toe te passen op specifieke uitdagingen op het gebied van klimaatverandering, is de ontwikkeling van nieuwe expertise binnen WUR nodig om vruchtbare resultaten te leveren: het samenbrengen van bestaande gegevens met computationele experimenten en de uitgebreide betrokkenheid van domeinexpertise.
- Verbeter de zichtbaarheid van WUR in de DS/AI-community – Dit zal DS/AI van buiten WUR aantrekken om verbinding te maken met onze domeinkennis. Hier sluiten we aan bij de uitdagingen met impact op lange termijn voor WUR. Dit zal ook onze partnerschappen versterken met netwerken zoals de Nederlandse AI-coalitie, ICAI-laboratoria en Climate Change AI, en grote technologiebedrijven, zoals IBM, Google, Microsoft en dataplatforms.
- Zichtbaarheid Wageningen Climate Solutions verbeteren – Nieuwe datagedreven ontdekkingen versterken de positie van WUR in de wereldklimaatdiscussie. WUR zal zijn positie als wereldwijd toonaangevend centrum voor onderzoek naar aanpassing aan klimaatverandering versterken door DS/AI te integreren, die in wezen multiplicatieve effecten hebben en nieuwe samenwerkingen brengen.
Deliverables / onderzoekslijnen
Het investeringsthema D3-C2 is gericht op het ondersteunen van samenwerkingssubsidies, die duidelijk gericht zijn op een van de drie thema-uitdagingen (figuur 2), en de ambitie hebben om:
- opkomende DS/AI-methoden te bevorderen door nieuwe methoden te verkennen en AI-systemen te ontwikkelen die bijdragen aan onderzoek naar aanpassing aan de klimaatverandering. Deze projecten moeten laten zien hoe ze het DS/AI-expertiseportfolio van WUR versterken en een hoge academische ambitie hebben; of
- nieuwe datagedreven oplossingen voor aanpassing aan klimaatverandering te ontwikkelen, door gevestigde data science-methoden en WUR-domeinexpertise samen te brengen om samen nieuwe, ambitieuze klimaatonderzoeksoplossingen te ontwikkelen. Projecten in deze categorie zijn gericht op het verbreden van het WUR-klimaatonderzoeksportfolio, met de ambitie om nieuwe impactvolle toepassingen te ontwikkelen die langdurige problemen met aanpassing aan de klimaatverandering aanpakken; of
- open data-uitdagingen voor klimaatadaptatie te organiseren, door big climate data van WUR en wereldwijde open data-faciliteiten (bijvoorbeeld Copernicus en GBIF) samen te brengen en relevante DS/AI-problemen te formuleren. Zo kunnen we (extern) AI-talent aantrekken om met WUR in zee te gaan en bij te dragen aan onderzoek naar aanpassing aan klimaatverandering. Domeinexpertise van WUR zal een katalysator zijn voor het definiëren van de juiste klimaatproblemen waar de DS/AI-gemeenschap aan zal worden uitgenodigd om bij te dragen. Projecten in deze categorie zullen zich duidelijk richten op specifieke DS/AI-conferenties om hun ontwikkelde data-uitdaging te presenteren, samen met statistieken en benchmarkgegevens.
An integrated approach
De meeste initiatieven komen voort uit de AI-gemeenschap en ontwikkelen zich los van domeinkennis. Dit belemmert het volledige potentieel voor gegevens gestuurde ontdekkingen. WUR werkt aan een geïntegreerde aanpak: inzetten van AI expertise in ons domein.
Dit is nodig om grote doorbraken te realiseren. Bovendien, terwijl AI is uitgebreid onderzocht voor oplossingen voor klimaatmitigatie, is er minder ervaring over hoe DS- en AI-methoden kunnen bijdragen aan de ontwikkeling van nieuwe oplossingen voor klimaatadaptatie.
Wageningen University & Research is internationaal en nationaal uniek gepositioneerd, om dit in te vullen onderzoeksniche. Recente investeringen in DS/AI bieden WUR de basis om een sterke profiel dat domeinkennis en AI-expertise combineert. We streven er daarom naar om te identificeren en aan te pakken uitdagingen met betrekking tot CCA en verken de kansen die AI biedt voor gegevens gestuurde ontdekking.
Data-gedreven ontdekkingen worden mogelijk gemaakt door data-intensieve onderzoekssamenwerkingen die verder gaan dan disciplinair grenzen, en omvatten (big) data-infrastructuren, nieuwe detectietechnologieën en AI-algoritmen. Recente voorbeelden (buiten WUR) die media-aandacht trokken, zijn onder meer grote vooruitgang in langdurige, complexe wetenschappelijke problemen, zoals bijvoorbeeld in de voorspelling van de eiwitstructuur en neerslagvoorspelling. Dergelijke oplossingen, die AI gebruiken samen met domein kennis, beter presteren dan disciplinaire oplossingen in wetenschappelijke benchmarks en competities. Een ander recent voorbeeld van data gestuurde ontdekkingen is een recente ontwikkeling van BioNTech dat samenwerkte met een AI-start-up om snel potentiële risicovolle COVID-19-varianten te signaleren: ze ontwikkelden een vroege waarschuwingssysteem dat structurele modellering van spike-eiwitten combineert met AI om SARS-CoV-2-varianten met een hoog risico te detecteren en te monitoren, waarbij bijna alle COVID-19-varianten gemiddeld twee maanden voorafgaand aan officieel de aanwijzing ontvangen van de Wereldgezondheidsorganisatie.
In het afgelopen decennium hebben data science (DS) en in het bijzonder kunstmatige intelligentie (AI) nieuwe wegen geopend in verschillende toepassingsdomeinen, van taalvertaling tot robotica en van medische beeldvorming tot zelfrijdende auto's. Dergelijke innovaties zijn gebaseerd op nieuwe algoritmen die computers in staat stellen om patronen te leren van enorme gegevensverzamelingen en deze om te zetten in bewijs voor verdere besluitvorming in nieuwe situaties. AI heeft een grote invloed op hoe we vandaag wetenschap bedrijven. Datagedreven ontdekkingen worden mogelijk gemaakt door data-intensieve onderzoekssamenwerkingen die verder gaan dan disciplinaire grenzen, en waarbij (big) data-infrastructuren, nieuwe detectietechnologieën en AI-algoritmen betrokken zijn.
Climate change adaptation (CCA)
Klimaatverandering heeft al invloed op ecosystemen, voedselsystemen en maatschappelijke en economische systemen over de hele wereld. Toekomstige risico's zullen naar verwachting de toch al kwetsbare systemen verder verergeren. Tot nu toe zijn de meeste klimaatonderzoeken, -beleidsmaatregelen en -acties gericht op mitigatie van klimaatverandering, d.w.z. het verminderen van de uitstoot van broeikasgassen. Gezien de reeds waargenomen effecten van klimaatverandering en de verwachte toenemende risico's, vereist elke realistische klimaatstrategie echter ook dat de nadruk ligt op aanpassing aan de klimaatverandering (CCA). Aanpassing aan een veranderend klimaat houdt in dat er actie wordt ondernomen om zich voor te bereiden op en aan te passen aan zowel de huidige effecten van klimaatverandering als de voorspelde risico's in de toekomst.
Van datagedreven ontdekkingen wordt verwacht dat ze bijdragen aan het aanpakken van de grote uitdagingen van onze tijd, en er zijn verschillende initiatieven om dit doel te bereiken, zowel nationaal als internationaal. Dere zijn verschillende voorbeelden die de interesse aantonen in het ontwikkelen van AI voor klimaatverandering. De meeste initiatieven komen echter voort uit de AI-gemeenschap en ontwikkelen zich afzonderlijk van domeinkennis, wat hun volledige potentieel voor datagestuurde ontdekkingen belemmert. Een geïntegreerde aanpak, die domeinkennis met AI-expertise omvat, is nodig om grote doorbraken te bereiken. Bovendien, terwijl AI uitgebreid is onderzocht voor oplossingen voor klimaatmitigatie, is er internationaal minder ervaring met hoe DS- en AI-methoden kunnen bijdragen aan de ontwikkeling van nieuwe oplossingen voor aanpassing aan de klimaatverandering.
Wageningen University &Research bevindt zich internationaal en nationaal op een unieke positie om deze onderzoeksniche te vullen. Recente investeringen in DS/AI geven WUR de basis om een sterk profiel te ontwikkelen dat domeinkennis en AI-expertise combineert. We streven er daarom naar om uitdagingen met betrekking tot CCA te identificeren en aan te pakken en de mogelijkheden van AI voor datagestuurde ontdekking te verkennen. Dit kan zowel de leidende positie van WUR in de wereld bij het ontwikkelen van CCA-oplossingen verder versterken als WUR vestigen als een leider in impactvolle AI-toepassingen.