Modell Daten-Integration

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.

Team

Andere Mitglieder der Abteilung, die aktiv an MDI-Aktivitäten beteiligt sind

Weijie Zhang, Basil Kraft, Nora Linscheid

Gäste

Name
Shanning Bao
Simon Besnard
Naixin Fan
Doktorand
Catarina Moura

Wichtige Publikationen

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

Aktuelles MDI Projekte

Projekte nur auf Englisch verfügbar

Earth System Deep Learning for Seasonal Fire Forecasting in Europe (SeasFire)
Beginn: März 2022
Ende: März 2023
PI / Co-PI: Nuno Carvalhais
Teilnehmendes BGI-Mitglied: Nuno Carvalhais, Lazaro Alonso mehr
Earth System Models for the Future
ESM2025 - Erdsystemmodelle für die Zukunft ist ein ehrgeiziges europäisches Forschungsprojekt zur Erdsystemmodellierung, das eine neue Generation von Erdsystemmodellen entwickeln wird, die die Entwicklung von Minderungs- und Anpassungsstrategien im Einklang mit den Verpflichtungen des Pariser Abkommens unterstützen sollen. mehr
Projektbüro BIOMASS
Das Projektbüro BIOMASS entstand im Zuge der zukünftigen BIOMASS-Mission der ESA. Das  Hauptziel der Mission ist es, unser Verständnis der Rolle der Landbiosphäre im globalen Kohlenstoffkreislauf zu verbessern.
Das Projektbüro BIOMASS zielt darauf ab, relevante Informationen innerhalb der Nutzergemeinschaft von Biomasse-Daten zusammenzufassen, zu erstellen und zu verbreiten, Lücken zu identifizieren und Lösungen im Kontext von BIOMASS zu untersuchen. Wir etablieren die Kommunikation zwischen den Nutzern, um einen notwendigen Dialog im breiteren Kontext der BIOMASS-Mission aufrechtzuerhalten.
Hui, Nuno, Siyuan und Stefanie arbeiten gemeinsam in dem Projekt . mehr
DeepCube
In DeepCube werden wir das Brandrisiko im Mittelmeerraum und Dürren in Afrika mit Hilfe von Deep Learning und hybriden Modellierungsansätzen untersuchen, wobei wir multivariate Datenwürfel und Cloud-Datenverarbeitungs-Workflows verwenden. Zum BGI/MDI-Team gehören Dushyant, Chris, Felix, Fabian, Lazaro, Vitus, Markus und Nuno. mehr
SINDBAD

SINDBAD

Wir haben bei der Entwicklung von Strategies to Integrate Data and Biogeochemical models in Development (SINDBAD), einem modularen Rahmen für die Integration von Modellen und Daten, eng mit GDM zusammengearbeitet. Derzeit unterstützt SINDBAD mehrere Projekte zur Kopplung von Wasser und Kohlenstoff und zur Vegetationsdynamik auf verschiedenen Ebenen: Graph von Sujan und Martin Jung (GDM), und die Doktorandenprojekte von Tina, Hoontaek und Siyuan.

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.

original

Work in progress.

https://agupubs.onlinelibrary.wiley.com/doi/10.1002/2017GL072885

Click for paper.

Work in progress.

Click for paper.

Work in progress.

Work in progress.

Alumni

Name

Daten und Modelle

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/).

Publikationen

Zeitschriftenartikel (117)

1.
Zeitschriftenartikel
Qi, W.; Hu, X.; Bai, H.; Yusup, A.; Ran, Q.; Yang, H.; Wang, H.; Ao, Z.; Tao, S.: Decreased river runoff on the Mongolian Plateau since around 2000. Landscape Ecology 39, 79 (2024)
2.
Zeitschriftenartikel
Yang, H.; Wang, S.; Son, R.; Lee, H. T.; Benson, V.; Zhang, W.; Zhang, Y.; Zhang, Y.; Kattge, J.; Boenisch, G. et al.; Schepaschenko, D.; Karaszewski, Z.; Stereńczak, K.; Moreno-Martínez, Á.; Nabais, C.; Birnbaum, P.; Vieilledent, G.; Weber, U.; Carvalhais, N.: Global patterns of tree wood density. Global Change Biology 30 (3), e17224 (2024)
3.
Zeitschriftenartikel
Tao, F.; Houlton, B. Z.; Frey, S. D.; Lehmann, J.; Manzoni, S.; Huang, Y.; Jiang, L.; Mishra, U.; Hungate, B. A.; Schmidt, M. W. I. et al.; Reichstein, M.; Carvalhais, N.; Ciais, P.; Wang, Y.-P.; Ahrens, B.; Hugelius, G.; Hocking, T. D.; Lu, X.; Shi, Z.; Viatkin, K.; Vargas, R.; Yigini, Y.; Omuto, C.; Malik, A. A.; Peralta, G.; Cuevas-Corona, R.; Paolo, L. E. D.; Luotto, I.; Liao, C.; Liang, Y.-S.; Saynes, V. S.; Huang, X.; Luo, Y.: Reply to: Model uncertainty obscures major driver of soil carbon. Nature 627, S. E4 - E6 (2024)
4.
Zeitschriftenartikel
Son, R.; Stacke, T.; Gayler, V.; Nabel, J. E. M. S.; Schnur, R.; Silva, L. A.; Requena Mesa, C.; Winkler, A.; Hantson, S.; Zaehle, S. et al.; Weber, U.; Carvalhais, N.: Integration of a deep-learning-based fire model into a global land surface model. Journal of Advances in Modeling Earth Systems 16 (1), e2023MS003710 (2024)
5.
Zeitschriftenartikel
Xiao, C.; Zaehle, S.; Yang, H.; Wigneron, J.-P.; Schmullius, C.; Bastos, A.: Land cover and management effects on ecosystem resistance to drought stress. Earth System Dynamics 14 (6), S. 1211 - 1237 (2023)
Mehr anzeigen

Abgeschlossene Projekte

Bewertung der Kohlenstoffdynamik der Vegetation anhand von weltraumgestützten Beobachtungen über mehrere Dekaden mehr
Carbo Extremes zielt darauf ab, unser Verständnis des terrestrischen Kohlenstoffkreislaufs als Reaktion auf Klimaschwankungen und Extremereignisse zu verbessern mehr

CARBONES

Mit CARBONES wird ein neuartiger Ansatz zur Quantifizierung und zum Verständnis der CO2-Flüsse an der Oberfläche vorgeschlagen. Es handelt sich dabei um ein globales Informationssystem, das die Quantifizierung und das Verständnis der Verteilung der CO2-Flüsse, der Kohlenstoffpools und der zugrundeliegenden Prozesse auf umfassende und genaue Weise ermöglicht.
CRESCENDO
In CRESCENDO, Sujan und Nuno bewerten die Dynamik des Kohlenstoffkreislaufs in europäischen Erdsystemmodellen und tragen zur Implementierung der Modellbewertungsdiagnose der Kohlenstoffumsatzzeiten im ESMValTool bei. mehr
Das Earth System Data Lab (ESDL) ist ein Service für die wissenschaftliche Gemeinschaft, der den Zugang zu und die Nutzung von multivariaten Datensätzen in den Geowissenschaften erheblich erleichtern soll. mehr
Das Hauptziel des ESA DUE GlobBiomass-Projekts ist es, die AGB-Schätzungen besser zu charakterisieren und die Unsicherheiten zu verringern, indem ein innovativer synergetischer Kartierungsansatz für fünf regionale Standorte für die Epochen 2005, 2010 und 2015 sowie für eine globale Karte für das Jahr 2010 entwickelt wird. mehr
Offensichtliche Kohlenstoffumschlagszeit im Ökosystem: Unsicherheiten und robuste Merkmale mehr
Offensichtliche Kohlenstoffumschlagzeit im Ökosystem: Unsicherheiten und robuste Merkmale mehr

GEOCARBON

GEOCARBON zielt darauf ab, ein koordiniertes globales Kohlenstoffbeobachtungs- und -analysesystem zu entwickeln, das die Klimaziele der Group on Earth Observations (GEO) zum Aufbau eines globalen Erdbeobachtungssystems (Global Earth Observation System of Systems, GEOSS) für Kohlenstoff erfüllt.

GHG-Europe

Treibhausgasmanagement in europäischen Landnutzungssystemen

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.

Zur Redakteursansicht