Messmethoden werden immer ausgefeilter, Forschungsfragen komplexer, Datenquellen und -arten vielfältiger. Die Menge an Daten ist besonders in den Naturwissenschaften über die letzten Jahre sprunghaft angewachsen. Neue wissenschaftliche Erkenntnisse zur Entwicklung des Klimas zu gewinnen, ist ohne Informatik und Datenwissenschaften kaum möglich. Aus diesem Grund hat sich ein Team aus der Atmosphärenforschung und den Datenwissenschaften am Deutschen Zentrum für Luft- und Raumfahrt (DLR) zusammengefunden, um mit Klimaforschenden des Imperial College London einen neuen Ansatz zu entwickeln. Ihr Ziel: Klimamodelle mithilfe von Methoden des maschinellen Lernens besser überprüfen zu können, ob sie sich als Tool für die Klimaforschung und -prognose eignen.
Computermodelle – Grundlage für ein besseres Verständnis von Wetter und Klima
Aktuell werden Klimamodelle in mehr als 40 Forschungszentren weltweit entwickelt. Sie sind Teil der Coupled Model Intercomparison Project Phase 6 (CMIP6) des Weltklimaforschungsprogramms, das derzeit vom DLR-Institut für Physik der Atmosphäre geleitet wird. Klimamodelle werden benutzt, um zu berechnen, wie sich der Klimawandel auf den globalen Temperaturanstieg und regionale Trends wie Stärke der Niederschläge auswirkt. Sie sind damit ein wichtiges Instrument, um die Arbeit von Entscheidungsträgern in Regierungen, staatlicher Planung und Unternehmen zu unterstützen.
Mit maschinellem Lernen zur kausalen Klimamodellevaluation
In allen Wissenschaften ist stets sehr schwer festzustellen, ob die Veränderung eines Parameters auch Ursache für die eines anderen ist. Um verlässliche Analysen und Prognosen für die Klimaentwicklung anstellen zu können, sind allerdings genau solche Erkenntnisse wichtig: Aussagen zu Ursache-Wirkungs-Beziehungen, der Kausalität. Mehr erfahren…
