Satellitengestützte Erdbeobachtungsdaten sind grundlegend für die Klima- und Umweltforschung. Neben ihrer essentiellen Rolle das Klima zu monitoren, helfen sie in der Bewertung und Evaluierung von Klima- und Erdsystemmodellen. Diese Modelle sind wichtige Tools, um Klimavorhersagen und Technologiebewertungen für eine nachhaltige Entwicklung einzelner Sektoren wie Energie, Luftfahrt und Verkehr zu liefern. Künstliche Intelligenz (KI) kann helfen, diese Modelle weiter zu verbessern: Ein Forschungsteam unter der Leitung von Prof. Veronika Eyring vom Institut für Umweltphysik der Universit?t Bremen und vom Deutschen Zentrum für Luft- und Raumfahrt (DLR) hat einen Ansatz entwickelt, KI in Erdsystem-Modelle zu integrieren, und hierzu zwei Perspektiven zukünftiger Forschungsschwerpunkte ver?ffentlicht. Die Genauigkeit und Geschwindigkeit von Vorhersagen soll mithilfe maschineller Lernverfahren ma?geblich verbessert werden. Dieser neuartige Ansatz hat das Potential, charakteristische Einschr?nkungen von Klimamodellen zu verringern, und bringt die KI-Revolution in dieses wichtige Forschungsfeld ein. Am 25. September 2024 ist im Fachmagazin Nature Geoscience die Perspektive "AI-empowered next-generation multiscale climate modelling for mitigation and adaptation“ dazu erschienen.
Unterschiede überbrücken, St?rken übernehmen
Erdsystem-Modelle berücksichtigen wichtige Prozesse der Atmosph?re und ihre Wechselwirkungen auch mit anderen Komponenten des Erdsystems (z.B. Ozean und Land), sodass sie Vorhersagen des Gesamtsystems Erde erstellen. Entsprechend verarbeiten sie gro?e Datenmengen und sind mit Blick auf die Rechenzeit begrenzt in der r?umlichen Aufl?sung. Daraus ergeben sich Ungenauigkeiten und systematische Fehler. Diese zu verbessern, geh?rt zu den gr??ten Herausforderungen in der Klimamodellierung. Der neu vorgeschlagene Ansatz setzt nun maschinelle Lernverfahren ein, um in den Simulationen die Darstellung von Prozessen zu verbessern, die nicht explizit in den Modellen aufgel?st werden k?nnen und die für die Klimadynamik von zentraler Bedeutung sind. Simulationen mit hochaufgel?sten Klimamodellen im Kilometerbereich haben im Vergleich mit Beobachtungsdaten eine h?here Genauigkeit, k?nnen aber aufgrund der enormen Rechenkosten derzeit nicht auf Klimazeitskalen von 澳门皇冠_皇冠足球比分-劲爆体育eren Jahrzehnten oder l?nger durchgeführt werden.
Der neue Ansatz der Forschenden verbindet Modelle über verschiedene Skalen und unterschiedlicher Prozess-Komplexit?t mit der systematischen Verwendung von Satellitendaten und KI. Die KI arbeitet dabei vollst?ndig integriert: Sie nimmt zum Beispiel ein Klimamodell mit einer sehr hohen r?umlichen Aufl?sung im Kilometerbereich, lernt den Einfluss eines bestimmten atmosph?rischen Prozesses, setzt dieses gelernte KI-Modell in das ?grobmaschige“ Erdsystem-Modell ein und macht es dadurch genauer. Eine bahnbrechende L?sung, die offenbart welches Potenzial allein in den bekannten Datens?tzen steckt.
?Satellitengestützte Erdbeobachtungsdaten sind für die Klima- und Umweltforschung von unsch?tzbarem Wert. Wir k?nnen und müssen diese Ressource noch viel intensiver nutzen, um die globalen Vorhersagemodelle zu kalibrieren, zu bewerten und zu verbessern“, betont Leitautorin Eyring vom DLR-Institut für Physik der Atmosph?re. ?Durch die Kombination von KI mit Erdsystem-Modellen und der Erdbeobachtung werden wir in der Lage sein, die Komplexit?t des künftigen Erdklimas und der Extremereignisse mit einer noch nie dagewesenen Genauigkeit vorherzusagen.“
Neudefinition des Traditionellen
Der vom deutsch-spanisch-amerikanischen Forschungsteam formulierte Ansatz kann auch eine Grundlage für realistischere digitale Zwillinge des Erdsystems bilden, die skalierbar, benutzerinteraktiv und anpassungsf?hig sind. Co-Autor Prof. Gustau Camps-Valls von der Universit?t Valencia ordnet die Rolle der KI bei diesem ma?geblichen Fortschritt ein: ?Durch die Integration von Techniken des maschinellen Lernens in die traditionelle Klimamodellierung k?nnen wir erhebliche Fortschritte beim Verst?ndnis komplexer Klima-Interaktionen und der Verbesserung der Vorhersagen machen. Die KI unterstützt uns nicht nur. Sie ist ein wesentlicher Bestandteil der Neudefinition dessen, was unsere Modelle leisten k?nnen."
Die Ver?ffentlichung markiert einen Meilenstein für die Entwicklung von Klimamodellen. Die mittels KI verbesserten Modelle werden es erm?glichen, Auswirkungen des Klimawandels pr?ziser vorherzusagen und technologische Bewertungen für einzelne Sektoren zu verbessern. Hochaufl?sende Erdbeobachtungsdaten auf globaler Skala und verbesserte Modellgenauigkeiten sind unerl?sslich, um Strategien zur Verringerung der Treibhausgasemissionen zu entwickeln und die Menschen auf die Auswirkungen des Klimawandels vorzubereiten. Co-Autor Dr. David Lawrence vom NSF National Center for Atmospheric Research ist überzeugt: ?Unser vorgeschlagener Ansatz wird es uns erm?glichen, wichtige Erdsystemprozesse mit beispielloser Genauigkeit zu simulieren, und so zu einem entscheidenden Werkzeug für Planer und Entscheidungstr?ger weltweit werden.“ An der Nature Geoscience Perpektive waren au?erdem die Co-Autoren Prof. Pierre Gentine von der Columbia University sowie Prof. Markus Reichstein vom Max-Planck-Institut für Biogeochemie beteiligt. Prof. Veronika Eyring leitet gemeinsam mit ihnen und Prof. Gustau Camps-Valls den ?Synergy Grant‘ des Europ?ischen Forschungsrats (European Research Council, ERC) ?Understanding and Modelling the Earth System with Machine Learning (USMILE)“.
Zukunft Maschinelles Lernen
Maschinelles Lernen ist noch ein relativ junges Werkzeug in der Umwelt- und Klimaforschung. Den Herausforderungen und Chancen ist DLR-Wissenschaftlerin Eyring mit einem weiteren internationalen Forschungsteam nachgegangen. In einem Beitrag vom 23. August 2024 im Fachmagazin Nature Climate Change er?rtert die Expertin, wie KI-Verfahren helfen k?nnen, die Grenzen der Klimamodellierung und -analyse zu erweitern. Dazu geh?ren insbesondere Faktoren wie Generalisierung der Ans?tze in einem sich ?ndernden Klima, Quantifizierung von Unsicherheiten, erkl?rbare künstliche Intelligenz und Kausalit?t. Dies ist ein ausgepr?gt interdisziplin?rer Ansatz. Forschung und Industrie aus den Bereichen maschinelles Lernen, Raumfahrt und Erdbeobachtung k?nnen hier gemeinsam neue Wege erschlie?en und die Handlungsf?higkeit der Klimaforschung weiter beschleunigen.
澳门皇冠_皇冠足球比分-劲爆体育:
Eyring, V., P. Gentine, G. Camps-Valls, D. M. Lawrence, and M. Reichstein, AI-empowered next-generation multiscale climate modelling for mitigation and adaptation, Nature Geoscience, doi.org/10.1038/s41561-024-01527-w, 2024a.
Eyring, V., W. D. Collins, P. Gentine et al., Pushing the frontiers in climate modelling and analysis with machine learning, Nature Climate Change, doi.org/10.1038/s41558-024-02095-y, 2024b.
European Research Council (ERC) Synergy Grant “Understanding and Modelling the Earth System with Machine Learning (USMILE), https://www.usmile-erc.eu/
www.uni-bremen.de
Fragen beantworten:
Prof. Veronika Eyring
Universit?t Bremen
Institut für Umweltphysik
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Institut für Physik der Atmosph?re
E-Mail: Veronika.Eyringprotect me ?!DLRprotect me ?!.de
Bernadette Jung
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Kommunikation
Tel.: +49 (0)8153 28-2241
Email: Bernadette.Jungprotect me ?!DLRprotect me ?!.de
