Modell Daten-Integration
Dr. Nuno Carvalhais
Motivation
Generell sind wir neugierig auf die Wechselwirkungen der Kohlenstoff- und Wasserdynamik in terrestrischen Ökosystemen im Kontext des Erdsystems und sind daran interessiert, durch die Zusammenführung von Modellen und Beobachtungen zu lernen. Wir wollen das Verständnis für die Wechselwirkungen zwischen terrestrischen Ökosystemen und dem Klima verbessern, insbesondere im Hinblick auf die globalen biogeochemischen Kohlenstoff- und Wasserkreisläufe. Die MDI-Gruppe erforscht Strategien und entwickelt Methoden, um Informationen aus Daten zu extrahieren und auf Modelle zu übertragen, um die Funktionsweise - Dynamik und Empfindlichkeiten - terrestrischer Ökosysteme und ihre Darstellung in Modellstrukturen zu untersuchen. Letztlich geht es uns darum, Ansätze zu finden, die robust gegenüber den unvermeidlichen Herausforderungen sind, die Daten und Modelle bei der Darstellung komplexer Erdsystemprozesse mit sich bringen.
Schwerpunktbereiche
Modell-Daten-Integration: Erforschung von Modell-Daten-Assimilationsansätzen mit mehreren Einschränkungen unter Verwendung von In-situ- und Erdbeobachtungsdatenströmen von Wasser- und Kohlenstoffzuständen und -flüssen.
Wir haben die In-situ-Dynamik der Kohlenstoff- und Wasserflüsse für die Parameterinversion, für die Modellauswahl und für das Verständnis der Parametervariabilität untersucht. Auf globaler Ebene haben wir die Kontrolle über die Trends in CO2 untersucht und kontrastierende Beschreibungen der großräumigen hydrologischen Dynamik evaluiert. Der Fokus auf "Multiple-Constraints"-Ansätze und die Kombination klassischer inverser Parameterschätzverfahren mit Ansätzen des maschinellen Lernens ebnet den Weg für das SINDBAD-Framework (siehe unter „aktuelle Projekte“) und die Entwicklung hybrider Modellierungsansätze in diesem Rahmen. Wir sind sehr an den methodischen Aspekten der Kombination von Modell-Daten-Assimilation und maschinellen Lernansätzen interessiert, um den Informationsfluss von Beobachtungen zu Modellen zu maximieren.
Terrestrische C-H2O-Dynamik auf verschiedenen Skalen: Erforschung von beobachtungsbasierten Ansätzen, um (1) die Determinanten der Stärke der Kohlenstoffsenke/-quelle und (2) die Stärke der Kohlenstoff-Wasser-Kopplung auf der Ebene von Ökosystemen und Wassereinzugsgebieten zu bestimmen.
Basierend auf statistischen Ansätzen untersuchen wir die Stärke der Kohlenstoffsenke/-quelle im FLUXNET-Gebiet und untersuchen neben dem Klima auch die Bedeutung des Alters der Bestände sowie die Dynamik und Verteilung der Biomasse. Der Ansatz ebnet den Weg für Verbesserungen bei der beobachtungsbasierten Hochskalierung von NEP-Flüssen. In enger Zusammenarbeit mit der Forschungsgruppe „GDM“ unterstützen wir die Entwicklung von beobachtungsbasierten Ansätzen zur Diagnose von physiologischen Reaktionen auf Wasserstress und die Verwendung verschiedener Ansätze zur Aufteilung der Wasserflüsse zwischen Oberfläche und Atmosphäre.
Umsatzzeiten von Kohlenstoff in Ökosystemen: Wir diagnostizieren und interpretieren die Mechanismen, die den Umweltkontrollen der Umsatzzeiten von Kohlenstoff in Ökosystemen zugrunde liegen.
Wir untersuchen die Kohlenstoff-Umsatzzeiten als Beobachtungsdiagnose für die Stärke der Kopplung des Kohlenstoffkreislaufs zwischen Land und Atmosphäre. Wir haben eine Schätzung des gesamten Ökosystems in verschiedene Komponenten (Vegetation und Boden) untergliedert und die Bedeutung der Skala und der Gleichgewichtsannahme überprüft, um die robusten Merkmale in den aus Beobachtungen abgeleiteten Umsatzzeiten zu untersuchen. Wir sind an Beobachtungen und methodischen Aspekten interessiert, um die biotischen und abiotischen Einflüsse auf die zeitliche Dynamik des Kohlenstoffumsatzes zu verstehen, weitere Konzepte zu entwickeln, um Projektionen von Erdsystemmodellen einzuschränken und zur Entwicklung von Beobachtungsdaten beizutragen.
Andere Mitglieder der Abteilung, die aktiv an MDI-Aktivitäten beteiligt sind
Weijie Zhang, Basil Kraft, Nora Linscheid
Gäste
Wichtige Publikationen sind nur auf Englisch verfügbar
Besnard, S.; Carvalhais, N.; Arain, A.; Black, A.; de Bruin, S.; Buchmann, N.; Cescatti, A.; Chen, J.; Clevers, J. G. P. W.; Desai, A. R. et al.: Quantifying the effect of forest age in annual net forest carbon balance. Environmental Research Letters 13, 124018 (2018), doi.org/10.1088/1748-9326/aaeaeb
Fan, N.; Koirala, S.; Reichstein, M.; Thurner, M.; Avitabile, V.; Santoro, M.; Ahrens, B.; Weber, U.; Carvalhais, N.: Apparent ecosystem carbon turnover time: uncertainties and robust features. Earth System Science Data 12 (4), pp. 2517 - 2536 (2020), doi.org/10.5194/essd-12-2517-2020
Jenny, J.-P.; Koirala, S.; Gregory-Eaves, I.; Francus, P.; Niemann, C.; Ahrens, B.; Brovkin, V.; Baud, A.; Ojala, A. E. K.; Normandeau, A. et al.: Human and climate global-scale imprint on sediment transfer during the Holocene. Proceedings of the National Academy of Sciences of the United States of America 116 (46), pp. 22972 - 22976 (2019), doi.org/10.1073/pnas.1908179116
Koirala, S.; Jung, M.; Reichstein, M.; de Graaf, I. E. M.; Camps-Valls, G.; Ichii, K.; Papale, D.; Raduly, B.; Schwalm, C. R.; Tramontana, G. et al.: Global distribution of groundwater-vegetation spatial covariation. Geophysical Research Letters 44 (9), pp. 4134 - 4142 (2017), doi/10.1002/2017GL072885
Jenny, J.-P.; Koirala, S.; Gregory-Eaves, I.; Francus, P.; Niemann, C.; Ahrens, B.; Brovkin, V.; Baud, A.; Ojala, A. E. K.; Normandeau, A. et al.: Human and climate global-scale imprint on sediment transfer during the Holocene. Proceedings of the National Academy of Sciences of the United States of America 116 (46), pp. 22972 - 22976 (2019), doi.org/10.1073/pnas.1908179116
Projekte nur auf Englisch verfügbar
Analyse der Klimaeinflüsse auf die Bruttoprimärproduktivität auf der Grundlage von Modellen zur Lichtnutzungseffizienz: Hier analysiert Shanning die Muster der Klimasensitivität der Bruttoprimärproduktivität anhand von FLUXNET-Daten und globalen sonneninduzierten Fluoreszenzdaten. Das Projekt konzentriert sich auf die Bewertung und Vorhersage von Klimasensitivitätsfunktionen und Modellparametern auf der Grundlage einer Modell-Daten-Fusionsstrategie.
Ökologisches Prozessverständnis über Zeitskalen hinweg: In ihrem Promotionsprojekt erforscht Nora die zeitlichen Abhängigkeiten zwischen Vegetation und Klima auf globaler Ebene, um Fragen wie diese zu beantworten: Wie unterscheidet sich die dekadische Empfindlichkeit der Vegetation gegenüber dem Klima von der saisonalen Empfindlichkeit? Können wir die Beziehungen zwischen Atmosphäre und Biosphäre von einer Zeitskala auf die andere extrapolieren? Wo und wann müssen wir solche zeitlichen Abhängigkeiten bei der Modellierung und Überwachung der Vegetation berücksichtigen?
Wechselwirkungen zwischen Wasser und Kohlenstoffkreislauf auf verschiedenen Skalen: In seinem Promotionsprojekt versucht Hoontaek zu beantworten, 1) wie die Wechselwirkungen zwischen Wasser- und Kohlenstoffkreislauf die Beobachtungen der beiden Kreisläufe prägen und 2) wer wen auf welchen Skalen antreibt. Dazu nutzt Hoontaek den Strom globaler Datensätze und einen Modell-Daten-Fusionsrahmen.
Veränderung der globalen Vegetation: Siyuan erforscht die Datenassimilation, um Vegetationsprozesse und die Reaktionen von Ökosystemen auf die Umwelt auf verschiedenen räumlichen und zeitlichen Skalen zu untersuchen. Das Projekt untersucht die Zusammenhänge zwischen den Kohlenstoffflüssen im Ökosystem und den Veränderungen im Kohlenstoffzustand der Vegetation, indem es die Vegetationssterblichkeit und die Stoffwechselaktivität auf der Grundlage eines neuartigen modularen Modellierungsrahmens und verschiedener Beobachtungsdatenströme integriert.
In diesem Promotionsprojekt versucht Ranit, einen hybriden Modellierungsansatz zu entwickeln, um Wasser- und Kohlenstoffflüsse auf der Ebene des Ökosystems zu simulieren. Das Projekt wird große multivariate Erdbeobachtungsdatensätze nutzen, um kausale Zusammenhänge zwischen dem sich ändernden Klima und den Reaktionen der Ökosysteme zu erforschen. Dabei werden sowohl physikalisch basierte Modelle (physikalisch interpretierbar) als auch Ansätze des maschinellen Lernens (datenadaptiv) genutzt.
Alumni
Kohlenstoffumsatzzeiten: Naixin hat mehrere globale Datensätze zur Bruttoprimärproduktivität, zum Bodenkohlenstoff und zum Vegetationskohlenstoff zusammengeführt und verarbeitet, um ein großes Ensemble globaler Kohlenstoffumsatzzeiten für ganze Ökosysteme zu erstellen (Fan et al., 2020). Der von Nuno entwickelte Datensatz wurde bereits für die Bewertung von Erdsystemmodellen verwendet (Carvalhais et al., 2014). Diese beiden Daten sind über das Datenportal des Max-Planck-Instituts für Biogeochemie öffentlich zugänglich.
ESMValTool: Das Earth System Model Evaluation Tool (ESMValTool) ist eine Gemeinschaftsentwicklung, die darauf abzielt, die Ursachen und Auswirkungen von Modellverzerrungen und die Streuung zwischen Modellen zu verbessern, zu diagnostizieren und zu verstehen. Im Rahmen des CRESCENDO-Projekts hat Sujan ein ESMValTool-"Rezept" beigesteuert, das die ESM-Simulationen von 𝝉 diagnostiziert.
Waldalter: Auf der Grundlage von Waldinventurdaten hat Simon ein ML-Modell entwickelt, um das Alter von Waldbeständen aus globalen Fernerkundungs- und Klimadaten abzuleiten.
Globale oberirdische Biomasse: Wir haben mit GAMMA Remote Sensing im Rahmen des GlobBiomass ESA DUE Konsortiums zusammengearbeitet, um eine globale hochauflösende Karte der oberirdischen Biomasse zu erstellen. Die Daten sind hier zu finden: https://doi.pangaea.de/10.1594/PANGAEA.894711.
Lambda: Çağlar (GDM/MDI) entwickelte einen neuen ökohydrologischen Datensatz mit Metriken zur Charakterisierung der Vegetationsdynamik unter Feuchtigkeitsbegrenzung in Afrika unter Verwendung täglicher Zeitreihen der Fraction of Vegetation Cover (FVC) des geostationären Satelliten METEOSAT (Küçük et al., 2020).
TEA: Transpiration Estimation Algorithm : Jake (GDM/MDI) stellt Daten (https://zenodo.org/record/3978408#.YECpgWLPx_V), die Algorithmen und einige der Werkzeuge zur Verfügung, die bei der Untersuchung der Evapotranspirationsflussaufteilung aus Eddy-Kovarianz-Daten entwickelt wurden (https://github.com/jnelson18/).
Zeitschriftenartikel (127)
Wie du Teil des Teams werden kannst...
Im Laufe der Jahre haben wir Praktikant*innen, Student*innen, die an ihrer Masterarbeit arbeiten, und vor allem die Entwicklung von PhD- und Postdoc-Forschungsprojekten betreut. Das waren Gelegenheiten zur Ausbildung und zur Entwicklung gemeinsamer Forschung, die von allen Seiten geschätzt wurden und bei denen ich gesehen habe, dass wir als Gruppe gewachsen sind. Wenn du daran interessiert bist, mit uns zusammenzuarbeiten, kannst du dich gerne bei uns melden. Wir geben hier und im Rahmen der IMPRS Möglichkeiten für Promotionsprojekte bekannt.