Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Mit künstlicher Intelligenz das Erdsystem verstehen

14.02.2019

Unsere Erde wird zunehmend bedroht durch eine wachsende Bevölkerung, das sich ändernde Klima und sich häufende Extremereignisse. Eine heute im Fachjournal Nature veröffentlichte Studie von Jenaer und Hamburger Wissenschaftlern zeigt nun, dass Künstliche Intelligenz (KI) maßgeblich dabei helfen kann, das Klima und das Erdsystem besser zu verstehen. Die Wissenschaftler zeigen, dass insbesondere digitale Verfahren tiefen Lernens ihr Potenzial zum Verständnis der Erde bislang nur zu einem Bruchteil ausgeschöpft haben. So lassen sich vor allem komplexe dynamische Prozesse wie z.B. Hurrikane, die Ausbreitung von Feuer und die Veränderung der Vegetation mit Hilfe von KI besser beschreiben.

Künstliche Intelligenz (KI) wird als Schlüsseltechnologie der Zukunft angesehen. Die Bundesregierung will in Ihrer Digitalisierungsstrategie drei Milliarden Euro in Künstliche Intelligenz investieren und zielt insbesondere auf Roboter und Sprachübersetzung. Doch auch die Geowissenschaften machen sich KI zu Nutze, um die Flut wissenschaftlicher Daten in neue Erkenntnisse über Klimaentwicklungen und das Erdsystem umsetzen zu können.


Anomalien des CO2-Austauschs in El Niño–Jahren, basierend auf KI-modellierten FLUXNET-Daten. Strahlungsbedingte Anomalien sind rot, temperaturbedingte grün und wasserbedingte in blau dargestellt.

Graphik: Martin Jung, MPI-BGC


Friedrich-Schiller-Universität Jena

In den letzten Jahrzehnten wurden in den Geowissenschaften vor allem Eigenschaften modelliert, die über längere Zeiträume relativ beständig waren, wie z.B. die Eigenschaften von Böden auf lokaler bis hin zur globalen Ebene.

Seit einiger Zeit ist es nun möglich, dynamische Prozesse durch digitale Verfahren tiefen Lernens (Deep Learning) anzugehen. Dies erlaubte zum Beispiel die detaillierte Berechnung der globalen Photosynthese an Land unter besonderer Berücksichtigung jahreszeitlicher und kurzfristiger Schwankungen.

Beobachtungsdaten liefern grundlegende Gesetzmäßigkeiten

„Wir werden überflutet von klima-relevanten Daten, die von einer Unzahl an Messgeräten weltweit erhoben werden, aber wir hinken mit den Analysen und Schlussfolgerungen hinterher“, erklärt Prof. Markus Reichstein, geschäftsführender Direktor am Max-Planck-Institut für Biogeochemie in Jena, Direktoriumsmitglied am Michael-Stifel Zentrum Jena (MSCJ) und Erstautor der Publikation.

„Hier werden Deep-Learning-Techniken zu einem vielversprechenden Werkzeug, jenseits der üblichen Anwendungen des Maschinellen Lernen wie Bild- und Spracherkennung oder AlphaGo,“ fügt Prof. Joachim Denzler, Inhaber des Lehrstuhls für Digitale Bildverarbeitung der Friedrich-Schiller-Universität Jena und Mitglied des MSCJ, hinzu.

Wichtige Anwendungsbeispiele sind Extremereignisse, wie die kalifornischen Feuerwalzen im letzten Herbst oder zerstörerische Hurrikans, die in ihrer Häufigkeit und Stärke stark zunehmen. Sie basieren auf vielschichtigen Prozessen, die nicht nur durch lokale Gegebenheiten beeinflusst werden, sondern in einem weltumspannenden zeitlichen und räumlichen Zusammenhang miteinander stehen.

Dies gilt ebenso für atmosphärische und ozeanische Transportprozesse sowie Boden- und Vegetationsdynamiken, also einige der klassischen Themengebiete der Erdsystemwissenschaften.

Künstliche Intelligenz als Werkzeug für bessere Klima- und Erdsystemmodelle

Deep-Learning-Ansätze sind allerding kompliziert. Datengetriebene und statistische Herangehensweisen sind nicht zwangsweise physikalisch stimmig, hängen stark von der Datenqualität ab und können Probleme bei der Extrapolation machen. Zusätzlich sind die Anforderungen an die Rechenleistung und Speicherkapazitäten enorm hoch.

Die Wissenschaftler diskutieren all diese Anforderungen und Schwierigkeiten in ihrem Artikel und entwickeln eine Strategie, um maschinelles Lernen mit physikalischer Modellierung effizient zu verknüpfen. Mit diesen Hybrid-Modellen können beispielsweise Temperaturen der Meeresoberfläche simuliert werden.

Dabei übernehmen physikalische Modelle die Darstellung der Temperaturen, während die Ozeanströme mit Hilfe von maschinellem Lernen untersucht werden. „Die Idee dabei ist, das Beste aus beiden zu vereinen: die Übereinstimmung der physikalischen Modelle mit den naturwissenschaftlichen Grundlagen und die Vielseitigkeit des maschinellen Lernens“, erläutert Reichstein. „So bekommen wir stark verbesserte Modelle.“

Die Wissenschaftler sind überzeugt, dass die saisonale und langfristige Vorhersage von Wetter und Klima sowie die Frühwarnung vor Extremereignissen stark von Deep-Learning und Hybrid-Modellen profitieren werden.

Wissenschaftliche Ansprechpartner:

Prof. Dr. Markus Reichstein
Tel: +49 (0)3641 57 6200
E-Mail: mreichstein@bgc-jena.mpg.de

Originalpublikation:

Deep learning and process understanding for data-driven Earth system science
Reichstein M., Camps-Valls G., Stevens B., Jung M., Denzler J. Cavalhais N., Prabhat (2019)
Nature xx, doi: 10.1038/s41586-019-0912-1

Weitere Informationen:

https://www.bgc-jena.mpg.de/bgi/index.php/Main/HomePage Webseiten der MPI-BGC-Abteilung Reichstein
http://www.inf-cv.uni-jena.de/denzler Webseiten des FSU-Lehrstuhls Denzler

Dr. Eberhard Fritz | Max-Planck-Institut für Biogeochemie

Weitere Nachrichten aus der Kategorie Geowissenschaften:

nachricht Der Versteppung vorbeugen
06.12.2019 | Goethe-Universität Frankfurt am Main

nachricht Collecting complex climate data thanks to compact alexandrite lasers
05.12.2019 | Fraunhofer-Institut für Lasertechnik ILT

Alle Nachrichten aus der Kategorie: Geowissenschaften >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Das 136 Millionen Atom-Modell: Wissenschaftler simulieren Photosynthese

Die Umwandlung von Sonnenlicht in chemische Energie ist für das Leben unerlässlich. In einer der größten Simulationen eines Biosystems weltweit haben Wissenschaftlerinnen und Wissenschaftler diesen komplexen Prozess an einem Bestandteil eines Bakteriums nachgeahmt – am Computer, Atom um Atom. Die Arbeit, die jetzt in der renommierten Fachzeitschrift „Cell“ veröffentlicht wurde, ist ein wichtiger Schritt zum besseren Verständnis der Photosynthese in einigen biologischen Strukturen. An der internationalen Forschungskooperation unter Leitung der University of Illinois war auch ein Team der Jacobs University Bremen beteiligt.

Das Projekt geht zurück auf eine Initiative des inzwischen verstorbenen, deutsch-US-amerikanischen Physikprofessors Klaus Schulten von der University of...

Im Focus: Developing a digital twin

University of Texas and MIT researchers create virtual UAVs that can predict vehicle health, enable autonomous decision-making

In the not too distant future, we can expect to see our skies filled with unmanned aerial vehicles (UAVs) delivering packages, maybe even people, from location...

Im Focus: Freiformflächen bis zu 80 Prozent schneller schlichten: Neue Werkzeuge und Algorithmen für die Fräsbearbeitung

Beim Schlichtfräsen komplexer Freiformflächen können Kreissegment- oder Tonnenfräswerkzeuge jetzt ihre Vorteile gegenüber herkömmlichen Werkzeugen mit Kugelkopf besser ausspielen: Das Fraunhofer-Institut für Produktionstechnologie IPT aus Aachen entwickelte im Forschungsprojekt »FlexiMILL« gemeinsam mit vier Industriepartnern passende flexible Bearbeitungsstrategien und implementierte diese in eine CAM-Software. Auf diese Weise lassen sich große frei geformte Oberflächen nun bis zu 80 Prozent schneller bearbeiten.

Ziel im Projekt »FlexiMILL« war es, für die Bearbeitung mit Tonnenfräswerkzeugen nicht nur neue, verbesserte Werkzeuggeometrien zu entwickeln, sondern auch...

Im Focus: Bis zu 30 Prozent mehr Kapazität für Lithium-Ionen-Akkus

Durch Untersuchungen struktureller Veränderungen während der Synthese von Kathodenmaterialen für zukünftige Hochenergie-Lithium-Ionen-Akkus haben Forscherinnen und Forscher des Karlsruher Instituts für Technologie (KIT) und kooperierender Einrichtungen neue und wesentliche Erkenntnisse über Degradationsmechanismen gewonnen. Diese könnten zur Entwicklung von Akkus mit deutlich erhöhter Kapazität beitragen, die etwa bei Elektrofahrzeugen eine größere Reichweite möglich machen. Über die Ergebnisse berichtet das Team in der Zeitschrift Nature Communications. (DOI 10.1038/s41467-019-13240-z)

Ein Durchbruch der Elektromobilität wird bislang unter anderem durch ungenügende Reichweiten der Fahrzeuge behindert. Helfen könnten Lithium-Ionen-Akkus mit...

Im Focus: Neue Klimadaten dank kompaktem Alexandritlaser

Höhere Atmosphärenschichten werden für Klimaforscher immer interessanter. Bereiche oberhalb von 40 km sind allerdings nur mit Höhenforschungsraketen direkt zugänglich. Ein LIDAR-System (Light Detection and Ranging) mit einem diodengepumpten Alexandritlaser schafft jetzt neue Möglichkeiten. Wissenschaftler des Leibniz-Instituts für Atmosphärenphysik (IAP) und des Fraunhofer-Instituts für Lasertechnik ILT entwickeln ein System, das leicht zu transportieren ist und autark arbeitet. Damit kann in Zukunft ein LIDAR-Netzwerk kontinuierlich und weiträumig Daten aus der Atmosphäre liefern.

Der Klimawandel ist in diesen Tagen ein heißes Thema. Eine wichtige wissenschaftliche Grundlage zum Verständnis der Phänomene sind valide Modelle zur...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

QURATOR 2020 – weltweit erste Konferenz für Kuratierungstechnologien

04.12.2019 | Veranstaltungen

Die Zukunft der Arbeit

03.12.2019 | Veranstaltungen

Intelligente Transportbehälter als Basis für neue Services der Intralogistik

03.12.2019 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

RNA-Modifikation - Umbau unter Druck

06.12.2019 | Biowissenschaften Chemie

Verstopfung in Abwehrzellen löst Entzündung aus

06.12.2019 | Biowissenschaften Chemie

Der Versteppung vorbeugen

06.12.2019 | Geowissenschaften

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics