Traditionele risico-inschattingen zijn gericht op individuele gevaren in een bepaald geografisch gebied gedurende een bepaalde periode, waarbij het complexe samenspel tussen verschillende gevaren buiten beschouwing wordt gelaten. Daarom onderschatten deze de risico's van extreme gebeurtenissen. Droogte en hittegolven zijn twee van de dodelijkste en duurste natuurrampen die vaak gelijktijdig of opeenvolgend optreden. De analyse van risico’s onder toekomstige sociaaleconomische ontwikkelingen en klimaatverandering moeten bijgevolg op een samengestelde manier gebeuren om betrouwbaardere informatie te kunnen verschaffen voor adaptatiebeleid en beleid ter vermindering van rampenrisico’s. Dit onderzoek zal de eerste zijn om de risicoveranderingen van samengestelde en opeenvolgende droogten en hittegolven op wereldschaal te becijferen. De “big data” van klimaatmodellen zullen initieel worden verwerkt met behulp van machine learning-technieken. Vervolgens zullen droogte- en hittegolven worden gekarakteriseerd door een verscheidenheid aan indicatoren en wordt de droogte-hittegolf interactie gemodelleerd met behulp van de gezamenlijke kansverdeling. De geprojecteerde risico’s tegen het einde van de eenentwintigste eeuw worden dan uiteindelijk berekend op basis van het klimaatgevaar, blootstelling en kwetsbaarheid onder vier toekomstige emissie- en sociaaleconomische scenario's.