Abteilung Erdsystemmodell-Evaluierung und -Analyse (EVA)
Die Abteilung Erdsystemmodell-Evaluierung und -Analyse nimmt eine Pionierrolle in der Entwicklung und Anwendung von maschinellen Lernverfahren (ML) in Kombination mit Erdbeobachtungsdaten zur Verbesserung von Erdsystemmodellen ein. Ziel ist es, langjährige systematische Fehler zu reduzieren und mit diesen hybriden (Physik + ML) Erdsystemmodellen belastbare Klimavorhersagen, fundierte Technologiefolgenabschätzungen in der Luft- und Raumfahrt, im Verkehrs- und im Energiebereich sowie robuste Informationen für Anpassung und Minderung des Klimawandels bereitzustellen. Die Abteilung leitet zudem die internationale Entwicklung des Earth System Model Evaluation Tool (ESMValTool), das die routinemäßige und umfassende Evaluierung von Erdsystemmodellen anhand von Erdbeobachtungsdaten maßgeblich prägt und vorantreibt. Darüber hinaus zählt die Abteilung zu den international führenden Akteuren in der Erforschung und Erprobung der Zukunftstechnologie Quantencomputing mit Anwendungsschwerpunkt auf die Erdsystemmodellierung.
Adapted from Eyring et al. (2024)
Unsere Forschungsthemen sind:
- Verbesserung von Erdsystemmodellen mit maschinellen Lernverfahren in Kombination mit Erdbeobachtungsdaten
- Reduktion von Unsicherheiten in Klimavorhersagen und Technologie-bewertungen in der Luft- und Raumfahrt, im Verkehrs- und im Energie-bereich durch ML und Erdbeobachtungsdaten
- Entwicklung innovativer Benchmarks für klassische und hybride (Physik + ML) Erdsystemmodelle
- Identifizierung und Reduzierung systematischer Fehler in Klimamodellen sowie Empfehlungen für gezielte Modellverbesserungen
- Prozessverständnis und Parametrisierung klimarelevanter Prozesse mittels maschineller Lernverfahren
- ML-basierte Methoden für regionale Klimaprojektionen und deren Unsicherheitsabschätzung
- Weiterentwicklung und Anwendung des ESMValTool für die routinemäßige Überprüfung von Erdsystemmodellen mit Beobachtungsdaten
- Exploration des Quantencomputings und Entwicklung quantenmaschineller Lernverfahren zur Beschleunigung und Verbesserung von Erdsystemmodellen
- Beiträge zu internationalen Modellvergleichsprojekten, insbesondere zum Coupled Model Intercomparison Project (CMIP) des Weltklimaforschungs-programms (WCRP)
Unsere wichtigsten Werkzeuge und Datengrundlagen sind:
- Maschinelle Lernverfahren zur Verbesserung und Analyse von Klimamodellen
- Eyring Group GitHub Repository – Entwicklungsplattform für ML-basierte Werkzeuge, hybride (Physik + ML) Modellansätze und Evaluationsworkflows
- ESMValTool für die umfassende Evaluierung von Erdsystemmodellen mit Erdbeobachtungsdaten – Open-Source-Softwarepaket für die umfassende Evaluierung von Erdsystemmodellen mit Erdbeobachtungsdaten
- Quantencomputing als Zukunftstechnologie für die Erdsystemmodellierung
- Simulationen mit dem ICON-Klimamodell (Icosahedral Nonhydrostatic Model)
- Klimamodellsimulationen aus internationalen Modellvergleichsprojekten (CMIP)
- Erdbeobachtungsdaten und Reanalysen zur Evaluierung und Verbesserung von Modellen
Die Abteilung arbeitet eng mit der Abteilung Klimamodellierung der Universität Bremen (Leitung: Prof. Veronika Eyring) sowie den Co-PIs des ERC Synergy Grant „Understanding and Modelling the Earth System with Machine Learning (USMILE)“ zusammen: Prof. Pierre Gentine (Columbia University, New York, USA), Prof. Gustau Camps-Valls (Universität Valencia, Spanien), and Prof. Markus Reichstein (Max-Planck-Institut für Biogeochemie, Jena). Darüber hinaus bestehen enge Kooperationen mit dem National Center for Atmospheric Research (NCAR) in Boulder, CO (USA).
Die Abteilung ist aktiv in internationalen Forschungsaktivitäten des Welt-klimaforschungsprogramms (WCRP) eingebunden, insbesondere durch substanzielle Beiträge zu CMIP, und wirkt regelmäßig an den Sachstands-berichten des Weltklimarats (IPCC) sowie der Weltorganisation für Meteorologie (WMO) mit.