De skandinaviska värmeböljorna blir allt starkare på grund av klimatförändringen, vilket innebär risker för hälsa, jordbruk, skogsbruk och infrastruktur. Under de senaste årtiondena har sannolikheten för värmeböljor ökat, men både klimatprojektioner och säsongsprognoser har haft svårt att fånga deras varaktighet och intensitet. En orsak är att den interna klimatvariationen och dess drivkrafter ofta underskattas. För att bedöma hur känsliga värmeböljor är för förändrade pådrivande faktorer och för att förbättra prognoserna är det avgörande att förstå dessa drivkrafter.

ScanHeat tar sig an denna utmaning genom att identifiera satellitbaserade klimatindikatorer som påverkar skandinaviska värmeböljor. Dessa indikatorer kommer att användas för att förbättra: (i) projektioner, genom att validera indikatorerna i klimatmodeller mot satellitobservationer under den historiska perioden, vilket minskar osäkerheten i framtida förändringar; och (ii) säsongsprognoser, genom att mata in samma indikatorer direkt från satellitobservationer i ett maskininlärningsverktyg för att förbättra prognoserna. Projektet kombinerar klimatmodellering; satellitobservationer av land, hav och atmosfär; maskininlärning och dialog med intressenter genom att involvera experter från SMHI och Stockholms universitet samt genom samarbete med centrala intressenter. Satellitprodukter är helt centrala för att nå projektets mål. De specifika målen är att: 

● Identifiera satellitbaserade klimatindikatorer och fördjupa förståelsen av vad som driver värmeböljor.

● Utveckla och leverera ett maskininlärningsbaserat prognossystem som använder dessa satellitbaserade indikatorer för att förbättra säsongsprognoser.

● Stödja klimattjänster genom förbättrade bedömningar av framtida projektioner och ett lättillgängligt prognossystem, avsett för framtida integration i SMHI:s klimattjänster.