Detailseite
Projekt
Der Einfluss von Vulkanen auf das bodennahe Klima (VolClim)
Antragstellerinnen / Antragsteller
Dr. Christopher Kadow; Dr. Claudia Timmreck
Fachliche Zuordnung
Physik und Chemie der Atmosphäre
Förderung
Förderung seit 2019
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 398006378
Wenn der nächste große klimarelevante Vulkan ausbricht, wird dies Auswirkungen auf die saisonale und dekadische Klimavorhersagbarkeit haben. Es muss daher sichergestellt werden, dass wir auf zukünftige Vulkanausbrüche unter heutigen Bedingungen, aber auch unter einem zukünftigen wärmeren Klima vorbereitet sind. Eine Bewertung der Klimaauswirkungen potenzieller künftiger Vulkanausbrüche ist jedoch nur möglich, wenn die wichtigsten Prozesse und Mechanismen über die Vulkane die Klimavariabilität und -vorhersagbarkeit beeinflussen, vollständig verstanden sind. Dies ist insbesondere für Prozesse entscheidend, die weitgehend durch die Klimadynamik beeinflusst werden (Winterzirkulation der nördlichen Hemisphäre, tropisches Hydroklima). Künstliche Intelligenz/Maschinelles Lernen (KI/ML) hat sich in vielen Bereichen zu einem leistungsfähigen Instrument für Vorhersagen entwickelt. Es liegt daher nahe zu fragen, ob diese datengesteuerten Methoden auch für die Vorhersage der Klimaänderungen nach Vulkanausbrüchen genutzt werden können. Hier verbinden wir unsere früheren und gegenwärtigen Arbeiten zu den Auswirkungen von Vulkanausbrüchen auf das Klima mit unserem Fachwissen über KI/ML-Techniken. In VolClim werden wir ein volAI-System entwickeln, das aus drei neuronalen Netzen auf der Grundlage von Deep-Learning Anwendungen besteht: 1) predAI, um Klimaveränderungen durch Vulkanausbrüche vorherzusagen; 2) ensAI, um einzelne Modellläufe auf ein Ensemble zu vergrößern, und 3) resAI, um niedrig aufgelöste Modellläufe mit einem hochauflösenden Ansatz und ultrahochauflösenden Simulationen höher aufzulösen. predAI und resAI werden auf einem Convolutional Neural Network (CNN) basieren, ensAI auf einem Generative Adversarial Network (GAN). Da alle Ansätze datengesteuert sind, sind mehrere Trainingsperioden notwendig, um die einzelnen Prozesse und Ergebnisse zu untersuchen und bestimmte Vorhersagefähigkeiten der volAI zu verbessern. Unter Anwendung von volAI werden wir speziell untersuchen, ob die saisonalen bis mehrjährigen Klimaveränderungen durch einen potenziellen zukünftigen Vulkans auf das tropische Hydroklima und das NH-Winterklima besser vorhersagbar oder präziser sind, wenn KI/ML-Methoden mit Modelldaten trainiert werden. Hierzu untersuchen wir Vulkanausbrüche mit unterschiedlichen Eruptionsparametern (Emissionsstärke, Jahreszeit der Eruption, geografische Breite) und unter unterschiedlichen Hintergrundbedingungen. Wir untersuchen auch, ob KI/ML uns dabei hilft, den relativen Beitrag der Klimavariabilität und des vulkanischen Strahlungsantriebs zu identifizieren. In der Zukunft, in einer wärmeren Welt, könnten sich die Klimaauswirkungen durch Vulkane drastisch verändern. Wir werden daher testen, ob unser volAI-System, das auf Vulkanausbrüche unter heutigen Bedingungen trainiert wurde, die gleiche Vorhersagefähigkeit für einen zukünftigen Ausbruch hat, der unter der globalen Erwärmung stattfindet.
DFG-Verfahren
Forschungsgruppen
