Erdsystemmodelle sind die wichtigsten Werkzeuge, um den physikalischen Zustand der Erde quantitativ zu beschreiben und – beispielsweise im Rahmen von Klimamodellen – vorherzusagen, wie er sich in Zukunft unter dem Einfluss der menschlichen Aktivitäten verändern könnte. Wie die vermehrt eingesetzten Methoden der Künstlichen Intelligenz (KI) helfen können, diese Prognosen zu verbessern, und wo die Grenzen der beiden Ansätze liegen, hat ein internationales Team um Christopher Irrgang vom Deutschen GeoForschungsZentrum Potsdam (GFZ) jetzt in einem Perspektiven-Artikel für das Journal Nature Machine Intelligence ausgeführt. Ein wesentlicher Vorschlag: beide Ansätze zu einer selbstlernenden „Neuronalen Erdsystemmodellierung“ zu verschmelzen.
Die Erde als System – eine Herausforderung
Die Entwicklung der Erde ist ein komplexes Zusammenspiel aus vielen Faktoren, darunter die Landoberfläche mit Flora und Fauna, die Ozeane mit ihrem Ökosystem, die Polargebiete, die Atmosphäre, der Kohlenstoffzyklus und andere biogeochemische Zyklen, sowie Strahlungsprozesse. Forschende sprechen deshalb auch vom System Erde.
Bei derartig vielen miteinander gekoppelten Einflusssphären und -faktoren ist es eine große Herausforderung, künftige Entwicklungen vorherzusagen, wie es etwa im Rahmen der Forschungen zum Klimawandel erforderlich ist. „Hier wurden in den letzten Jahren enorme Fortschritte erzielt“, sagt Christopher Irrgang, Hauptautor der Studie und am GFZ Postdoktorand in der Sektion Erdsystemmodellierung. So fasst der kürzlich veröffentlichte sechste Sachstandsbericht des IPCC unser derzeitiges Wissen über die künftigen Auswirkungen verschiedener Szenarien für Treibhausgasemissionen so detailliert zusammen wie nie zuvor.
Der Bericht stützt sich einerseits auf immer umfangreichere und detailliertere Erkenntnisse aus Beobachtungen und Messungen des Erdsystems, um die vergangene Erwärmung und ihre Auswirkungen, etwa in Form von zunehmenden Extremereignissen, zu bewerten, und andererseits auf eine Vielzahl von Simulationen, die mit modernsten Erdsystemmodellen (ESMs) durchgeführt wurden.
Klassische Erdsystemmodellierung stark verbessert
Die klassischen Erdsystemmodelle basieren auf mehr oder weniger gut bekannten physikalischen Gesetzmäßigkeiten. Mithilfe mathematischer und numerischer Methoden wird aus dem Zustand eines Systems zu einem gegenwärtigen oder vergangenen Zeitpunkt der Zustand des Systems zu einem zukünftigen Zeitpunkt berechnet.
Erdsystemmodelle haben sich in den letzten Jahrzehnten kontinuierlich verbessert: Es kann eine noch nie dagewesene Anzahl von Teilsystemen und Prozessen der Erde berücksichtigt werden, inklusive – in Ansätzen – so komplexer Schlüsselprozesse wie die Effekte von Wolken. Ihre Leistungsfähigkeit zeigt sich zum Beispiel darin, dass sie die Entwicklung der mittleren globalen Temperatur seit Beginn der Datennahme sehr gut nachzeichnen können. Und mittlerweile sind auch Aussagen über Auswirkungen des Klimawandels auf regionaler Ebene möglich. Mehr erfahren…
