Kurz und Knapp
- Das Verständnis des Erdsystems ist noch immer eingeschränkt. Das begrenzt auch die Fähigkeit, den Klimawandel akkurat vorherzusagen.
- Eine Brücke aus Physik und Künstlicher Intelligenz (KI) soll jetzt die Forschung vorantreiben und helfen, die komplexen Prozesse der Erde und Atmosphäre besser zu verstehen.
- Ziel des Projektes ist es, unbekannte Ursachen und Treiber im Erdsystem zu entdecken. Damit sollen sich auch die Vorhersagen über den Klimawandel verbessern.
Brücke zwischen KI und Physik hilft, das Erdsystem verständlicher zu machen
„Wir haben uns zusammengeschlossen, um unsere multidisziplinäre Expertise in den Bereichen Klimamodellierung, Landökosysteme, maschinelles Lernen und Wolken-Parametrisierung zu bündeln,“ erklärt Veronika Eyring vom Deutschen Zentrum für Luft- und Raumfahrt (DRL). Sie ist Teil eines vierköpfigen interdisziplinären Forschungsteams. Gemeinsam mit Pierre Gentine von der New Yorker Columbia University, Markus Reichstein vom Max-Planck-Institut für Biogeochemie und Gustau Camps-Valls von der Universität Valencia, arbeitet sie an dem Projekt USMILE (Understanding and Modelling the Earth System with Machine Learning). Ziel des Projektes ist, die komplexen Prozesse von Erde und Atmosphäre besser verstehen zu können und unbekannte Ursachen und Treiber im Erdsystem zu entdecken. Damit sollen sich auch die Vorhersagen über den Klimawandel präzisieren.
Die Erdsystemmodelle haben sich in den letzten Jahrzehnten kontinuierlich verbessert. Allerdings sei die Fähigkeit der Modelle, globale und regionale Reaktionen des Erdsystems zu simulieren, durch die Darstellung physikalischer und biologischer Prozesse wie Wolken, Stomata und Mikroben, begrenzt. Für die Beurteilung des Klimawandels und dessen Auswirkungen auf die Ökosysteme sei dies jedoch entscheidend.
Das Forschungsteams plant maschinelle Lernverfahren zu entwickeln, um Erdbeobachtungsdatensätze zu erweitern, die gleichzeitige, räumlich-zeitliche Veränderungen mehrerer Parameter berücksichtigen können. Die maschinellen Lernverfahren sollen verwendet werden, um Parametrisierungen und Submodelle für Wolken und Landoberflächenprozesse zu entwickeln. Das soll helfen, interne Klimaschwankungen erkennen und verstehen zu können. Die dynamischen Aspekte des Erdsystems will das Team mit neuartigen Techniken des Deep Learnings aufdecken, um sie auf mögliche kausale Zusammenhänge hin zu beurteilen.
„Erstens verfügen wir in der Erdbeobachtung und Atmosphärenforschung heute über Datenvolumina im Petabyte-Bereich mit einer beispiellosen räumlichen und zeitlichen Abdeckung für viele Prozesse. Zweitens stehen nun hochauflösende Klimamodellsimulationen zur Verfügung, in denen Wolkenprozesse explizit simuliert werden können“, sagt Pierre Gentine. „Wir hoffen, dass wir durch die Brücke zwischen Physik und maschinellem Lernen die Modellierung und Analyse des Erdsystems revolutionieren und langfristig zu robusten Klimaprojektionen kommen", betont Markus Reichstein.
Das Forschungsteam wurde im Oktober 2019 mit einem Synergy Grant des Europäischen Forschungsrats (European Research Council, ERC) ausgezeichnet. Sie werden mit 10 Millionen Euro über sechs Jahre bei der Weiterentwicklung unterstützt.
17.10.2019
Weitere Informationen
in Kooperation mit dem
