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 Das Projekt „mDRONES4rivers“ startet in die Flugsaison
21.03.2019 | Bundesanstalt für Gewässerkunde

nachricht Mit dem Forschungsflugzeug ins ewige Eis - Meteorologen starten Messkampagne
20.03.2019 | Universität Leipzig

Alle Nachrichten aus der Kategorie: Geowissenschaften >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

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

Im Focus: Magnetische Mikroboote

Nano- und Mikrotechnologie sind nicht nur für medizinische Anwendungen wie in der Wirkstofffreisetzung vielversprechende Kandidaten, sondern auch für die Entwicklung kleiner Roboter oder flexibler integrierter Sensoren. Wissenschaftler des Max-Planck-Instituts für Polymerforschung (MPI-P) haben mit einer neu entwickelten Methode magnetische Mikropartikel hergestellt, die den Weg für den Bau von Mikromotoren oder die Zielführung von Medikamenten im menschlichen Körper, wie z.B. zu einem Tumor, ebnen könnten. Die Herstellung solcher Strukturen sowie deren Bewegung kann einfach durch Magnetfelder gesteuert werden und findet daher Anwendung in einer Vielzahl von Bereichen.

Die magnetischen Eigenschaften eines Materials bestimmen, wie dieses Material auf das Vorhandensein eines Magnetfeldes reagiert. Eisenoxid ist der...

Im Focus: Magnetic micro-boats

Nano- and microtechnology are promising candidates not only for medical applications such as drug delivery but also for the creation of little robots or flexible integrated sensors. Scientists from the Max Planck Institute for Polymer Research (MPI-P) have created magnetic microparticles, with a newly developed method, that could pave the way for building micro-motors or guiding drugs in the human body to a target, like a tumor. The preparation of such structures as well as their remote-control can be regulated using magnetic fields and therefore can find application in an array of domains.

The magnetic properties of a material control how this material responds to the presence of a magnetic field. Iron oxide is the main component of rust but also...

Im Focus: Goldkugel im goldenen Käfig

„Goldenes Fulleren“: Liganden-geschützter Nanocluster aus 32 Goldatomen

Forschern ist es gelungen, eine winzige Struktur aus 32 Goldatomen zu synthetisieren. Dieser Nanocluster hat einen Kern aus 12 Goldatomen, der von einer Schale...

Im Focus: Wichtiger Mechanismus der Antigenpräsentation in Wächterzellen des Immunsystems enträtselt

TWINCORE-Forscher entschlüsseln, wie der Transport von Antigenfragmenten auf die Oberfläche von Immunzellen des Menschen reguliert wird

Dendritische Zellen sind die Wächter unserer Immunabwehr. Sie lauern fremden Eindringlingen auf, schlucken sie, zerlegen sie in Bruchstücke und präsentieren...

Im Focus: Selbstheilender Lack aus Maisstärke lässt kleine Kratzer durch Wärme verschwinden

Ein neuer Lack aus Maisstärke ist wegen der besonderen Anordnung seiner Moleküle in der Lage, durch Wärme kleine Kratzer von selbst zu reparieren: Die Vernetzung über ringförmige Moleküle macht das Material beweglich, sodass es die Kratzer ausgleicht und diese wieder verschwinden.

Oberflächliche Mikrokratzer in der Autokarosserie oder auf anderen Hochglanzoberflächen sind harmlos, aber ärgerlich. Gerade im Luxussegment zeichnen sich...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Größte nationale Tagung 2019 für Nuklearmedizin in Bremen

21.03.2019 | Veranstaltungen

6. Magdeburger Brand- und Explosionsschutztage vom 25. bis 26.3. 2019

21.03.2019 | Veranstaltungen

Teilchenphysik trifft Didaktik und künstliche Intelligenz in Aachen

20.03.2019 | Veranstaltungen

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

Magnetische Mikroboote

21.03.2019 | Physik Astronomie

Protein BRCA1 als Stress-Coach

21.03.2019 | Biowissenschaften Chemie

Möglicher Ur-Stoffwechsel in Bakterien entdeckt

21.03.2019 | Biowissenschaften Chemie

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