Pågående prosjekt

HarSval

Prosjektet "A bilateral initiative for harmonisation of the Svalbard cooperation" har som mål å styrke de bilaterale forbindelsene mellom Norge og Polen, utvide nettverket av partnere og omfanget av eksisterende forskningsaktiviteter, samt overføre kunnskap, teknologi, erfaring og beste praksis.

ARCA

Prosjektet "Biocultural Heritage in Arctic Cities" samler et mangfoldig team av eksperter - fra klimaforskere og sosialantropologer til kunstnere og urfolkssamfunn - for å utforske hvordan biokulturell arv kan være et kraftfullt verktøy for klimatilpasning i arktiske byer. Ved å kombinere tradisjonell kunnskap med moderne vitenskapelige metoder tar prosjektet sikte på å skape bærekraftige, kulturelt sensitive løsninger for å håndtere de raske klimaendringene i byer som Anchorage, Kirkenes, Tromsø og Fairbanks. Målet er å bygge bro mellom vitenskap og urfolks visdom, og sikre en helhetlig tilnærming til å bevare miljøet og samtidig fremme motstandskraft i disse samfunnene.

ARCFISH

Prosjektet “Digital Twin of the Ocean for Arctic Fisheries” er et Sustainable Blue Economy Partnership (SBEP) prosjekt som vil utvikle en pilot digital havtvilling (DTO) plattform for å levere nye data produkter og tjenester for å støtte opp om bærekraftige Arktiske fiskerier. Disse data produktene og tjenestene vil bli co-designed med stakeholdere innen fiskerisektoren for å generere produkter som kan brukes innen fiskeriplanlegging og forvaltning.

4BALTDYN

Prosjektet "Baltic Sea Dynamics through 4D Modelling and Integrated Earth Observation" skal utvikle en 4-dimensjonal oseanografisk database for Østersjøen basert på høyoppløselige satellitt- og modelldata. Databasen skal danne grunnlaget for en digital tvilling av Østersjøen.

ARKTALAS CCN 2

Prosjektet «Arktalas Hoavva» karakteriserer store interaktive prosesser og tilbakemeldinger som forårsaker endringer i den Arktiske havisen og Polhavet og de omkringliggende hav ved å bruke satellittobservasjoner, direkte observasjoner og modelleringsverktøy.

ForWArd

Med nedgangen i Arktisk sjøis de siste tiårene, og med forventninger om at denne trenden vil fortsette i fremtiden, blir Polhavet stadig mer utsatt for større bølger på grunn av vind. I prosjektet "Forecasting wave impact as Arctic sea ice declines" vil man vurdere bølgenes innvirkning på sjøisens utvikling i det stadig røffere Polhavet.    

DRAGON6

“DRAGON 6” er et samarbeidsprogram mellom ESA og MOST (Ministry of Science and Technology) i Kina med fokus på å bruke målinger fra satellitter (Copernicus Sentinels, ESA, Kinesiske) innen geovitenskap og overvåking. Det deltar mange kinesiske og europeiske samarbeids-team som adresserer ulike emner innen jordsystem-forskning herunder oseanografi, meteorologi, geologi, økosystem, miljø og klima.

OTC25

«Ocean Training Course 2025» er en del av One Ocean Expedition, som er et vitenskapelig og pedagogisk tokt rundt verdenshavene på den nordlige halvkule, om bord på tallskipet Statsraad Lehmkuhl, i 2025-2026. Ekspedisjonen har som mål å skape oppmerksomhet og dele kunnskap om havets avgjørende rolle for en bærekraftig fremtid, som en del av FNs tiår for havforskning for bærekraftig utvikling. Skipet er utstyrt med toppmoderne havforskningsinstrumenter og vil samle inn data om havets fysikk, kjemi og biologi under hele reisen. Ekspedisjonen vil også fungere som et flytende universitet som samler studenter og unge ledere, og som en plattform for formidling, inspirasjon og engasjement for havet.  

ARC-FRESH

Det overordnede målet med prosjektet «Arctic Freshwater Budget» er å øke kunnskapen om ferskvannsstrømmene og ferskvannsbudsjettet i Polhavet ved å maksimere bruken av ECV-datasett fra jordobservasjoner som er generert i European Space Agencys Climate Change Initiative-program.

IceCastNet

Prosjektet «IceCastNet Artificial intelligence based Forecast of Arctic sea ice at high-resolution» har som mål å levere høyoppløselige, AI-baserte sjøisprognoser for Arktis med en oppløsning på 1 km og opptil 10 dager i forveien. Det vil produsere prognoser i nær sanntid, og utnytte maskinlæring for å etterligne dynamikken i sjøisen og forbedre modellenes nøyaktighet. IceCastNet vil bli demonstrert i operativ sammenheng og vil gi prognoser for sjøisdrift, konsentrasjon og tykkelse.