Abteilung Erdsystemmodell-Evaluierung und -Analyse (EVA)
Die Abteilung entwickelt innovative Methoden zur Evaluierung und Analyse von Erdsystemmodellen im Vergleich mit Beobachtungsdaten mit dem Ziel das Erdsystem besser verstehen und vorhersagen zu können. Die Evaluation und Ensemble-Analyse von Erdsystemmodellen ist essentiell um die Modelle kontinuierlich zu verbessern und eine wesentliche Voraussetzung für zuverlässige Klimaprognosen des 21. Jahrhunderts, die in Leitlinien der Klimapolitik verwendet werden. Um die routinemäßige und umfassende Auswertung von Klimamodellen zu verbessern leitet die Abteilung die Entwicklung des Earth System Model Evaluation Tool (ESMValTool). Ein Schwerpunkt der Abteilung ist die Entwicklung und Anwendung von Methoden des maschinellen Lernens (ML) zur Verbesserung des Verständnisses und der Modellierung des Erdsystems.
Unsere Forschungsthemen sind:
- Untersuchung von Erdsystemmodellsimulationen in Kombination mit Beobachtungsdaten, um die Prozesse des Klimawandels und des Klimasystems besser zu verstehen
- Entwicklung von ‚Emergent Constraints‘, mit deren Hilfe Unsicherheiten in wichtigen Rückkopplungsmechanismen (engl.: feedbacks) des Erdsystems eingeschränkt werden können
- Einschränkung von Unsicherheiten in Multi-Modell-Klimaprognosen durch Beobachtungsdaten
- Identifizierung von systematischen Fehlern in Modellen und Empfehlungen für mögliche Modellverbesserungen
- Verstehen und Modellieren des Erdsystems mit maschinellem Lernverfahren, einschließlich der Entwicklung von auf maschinellem Lernen basierenden Parametrisierungen für Klimamodelle
- Entwicklung und Anwendung innovativer Methoden zur Auswertung großer Datenmengen
- Entwicklung eines Diagnosetools zur routinemäßigen Überprüfung von Erdsystemmodellen mit Beobachtungsdaten
- Beiträge zu internationalen Modellvergleichsprojekten (Koordination, Modellsimulationen und Ensemble-Analysen, insbesondere zu Coupled Model Intercomparison Project (CMIP).
Unsere wichtigsten Werkzeuge und Datengrundlagen sind:
- ESMValTool zur routinemäßigen und verbesserten Überprüfung von Erdsystemmodellen
- Maschinelle Lernverfahren zur Verbesserung von Klimamodellen und deren Analyse
- Simulationen mit dem Icosahedral Nonhydrostatic (ICON) Klimamodell und dem globalen Atmosphären-Chemie-Modell EMAC (ECHAM/MESSy Atmospheric Chemistry)
- Simulationen von Erdsystemmodellen, die im Rahmen des Coupled Model Intercomparison Project (CMIP) durchgeführt werden
- Beobachtungsdaten und meteorologische Reanalysen von Observations for Climate Model Intercomparisons (obs4MIPs), Analysis for Model Intercomparison Projects (ana4MIPs) und von anderen Quellen
Eine enge Zusammenarbeit besteht mit der Abteilung für „Klimamodellierung“ der Universität Bremen (Chair: Prof. Veronika Eyring), mit der “Klimainformatik“ Gruppe am DLR Institut für Datenwissenschaften, sowie mit den Co-PIs des European Research Council (ERC) Synergy Grant “Understanding and Modelling the Earth System with Machine Learning (USMILE)”: Prof. Markus Reichstein (Max-Planck-Institut für Biogeochemie, Jena), Prof. Gustau Camps-Valls (Universität Valencia, Spanien), and Prof. Pierre Gentine (Columbia University, New York, USA). Die Abteilung ist zudem eng vernetzt mit internationalen Forschungsaktivitäten innerhalb des Weltklimaforschungsprogramm (WCRP), mit substantiellen Beiträgen insbesondere zu CMIP. Sie trägt regelmäßig zu internationalen Klima- bzw. Ozonsachstandsberichten des Weltklimarats (IPCC) und der Weltorganisation für Meteorologie (WMO) bei.