Co-HYDIM-SA adressiert den expliziten Bedarf an hydrometeorologischen Frühwarn- und Informationssystemen (EWIS), um das Management von Wasserressourcen zu optimieren und damit die Wassersicherheit im südlichen Afrika zu erhöhen. Die innovativen Aspekte des transdisziplinären Projekts sind (a) die Nutzung neuartiger Möglichkeiten der (sub-)saisonalen hydrometeorologischen Vorhersage, (b) die deutliche Verbesserung der saisonalen Vorhersagefähigkeit und -genauigkeit, (c) die Verknüpfung von Gefahrenüberwachung und -vorhersage mit der tatsächlichen Risikominderung und (d) die Bereitstellung eines "Proof of Concept" für eine verbesserte Überwachung und Frühwarnung wichtiger hydroklimatischer Komponenten in zwei grenzüberschreitenden Einzugsgebieten. Modernste Technologien und sozio-ökonomische Ansätze wie Vulnerabilitäts- und Risikobewertung sowie technische und akademische Trainingskomponenten werden sicherstellen, dass die in einem Co-Design-Ansatz entwickelten EWIS die Bedürfnisse der Stakeholder in einer ganzheitlichen Perspektive berücksichtigen und ein verbessertes Wasserressourcenmanagement in beiden Einzugsgebieten unterstützen. Zur Korrektur der saisonalen Vorhersagen wird alitiq im Rahmen des Teilprojektes innovative Deep Learning Ansätze entwickeln. Die Arbeit wird auf dem adaptiven Bias-Korrektur Ansatz von Mouatadid et al. (2023) basieren. alitiq wird verschiedene Ansätze des maschinellen Lernens (z.B. lineare Kombination, Gradient Boosting Tree) und Deep Learning (rekurrente neuronale Netze wie LSTM oder Faltungsnetze) verwenden, um die angenommenen Vorhersageansätze zu kombinieren. State-of-the-Art Transformer-Ansätze werden im Rahmen des Projekts ebenfalls in Betracht gezogen und bei Eignung implementiert und getestet.