Maschinelles Lernen für hydrologische Systeme und Erdsysteme
Dr. Shijie Jiang
Mission
Die Arbeitsgruppe Machine Learning for Hydrological and Earth Systems (ML4HES), ebenfalls Teil der ELLIS Unit Jena, hat das Ziel, maschinelles Lernen für das Verständnis von Erdsystemprozessen weiterzuentwickeln, die räumlich verteilt, miteinander vernetzt und nur teilweise beobachtbar sind. Wir untersuchen, wie hydrologische Prozesse vernetzte Landschaften strukturieren und die Funktionsweise von Ökosystemen sowie biogeochemische Prozesse über verschiedene Skalen hinweg prägen. Im Mittelpunkt steht die Frage, wie Wasser in Böden, Vegetation und Grundwasser gespeichert sowie über Auen und Flussnetzwerke hinweg umverteilt wird und wie diese Prozesse die Wasserverfügbarkeit für Ökosysteme, den Land-Atmosphäre-Austausch und den Kohlenstoffkreislauf regulieren. Unser übergeordnetes Ziel ist es, maschinelles Lernen für die Inferenz und Darstellung verborgener Erdsystemprozesse weiterzuentwickeln und diese Möglichkeiten zu nutzen, um gekoppelte Wasser-, Energie- und Kohlenstoffdynamiken über verschiedene Skalen hinweg besser zu verstehen.
Unser Ansatz
Wir entwickeln wissensintegrierte Verfahren des maschinellen Lernens für die räumlich-zeitliche Modellierung verteilter Erdsystemprozesse über verschiedene Skalen hinweg. Dazu verbinden wir Fernerkundungs- und In-situ-Beobachtungen mit physikalischen Randbedingungen, um beobachtbare Systemreaktionen mit den zugrunde liegenden Prozessen zu verknüpfen. Unsere Ansätze reichen von funktionalen Diagnosen bis zu prozessaufgelösten Hybridmodellen. Abhängig von der wissenschaftlichen Fragestellung nutzen wir datenbasierte Modelle, um Umweltkontrollen zu identifizieren, verborgene Zustände und Flüsse aus ihren beobachtbaren Wirkungen abzuleiten oder den Transport von Wasser, Energie und Kohlenstoff in räumlich verteilten Systemen explizit abzubilden.
Forschungsbereiche
Wasserumverteilung in Landschaften
Wir untersuchen, wie sich Wasser über lokale vertikale Austauschprozesse hinaus durch unterirdische Flüsse, Grundwasserverbindungen, oberflächliche Abflusswege und Aueninteraktionen bewegt. Dabei analysieren wir, wie diese Verbindungen die Wasserverfügbarkeit innerhalb von Landschaften umverteilen, wie sich ihre Bedeutung mit den hydroklimatischen Bedingungen verändert und wann rein lokale Darstellungen nicht ausreichen, um beobachtete ökologische und hydrologische Reaktionen zu erklären.
Ökosystemare Wasserregulation
Wir untersuchen, wie Ökosysteme Wasser erschließen, speichern und nutzen und wie diese Prozesse das gekoppelte Boden-Pflanze-Atmosphäre-System bestimmen. Unsere Forschung befasst sich mit ökosystemverfügbaren Wasserspeichern, pflanzlicher Wassernutzung, der Pufferung von Trockenperioden sowie der Kopplung zwischen Wasserverfügbarkeit, Evapotranspiration und Energieaustausch an der Landoberfläche. Besonders interessieren uns Landschaftszustände und Prozesse, die nicht direkt beobachtet werden können, sich aber aus ihren gemeinsamen Wirkungen auf verschiedene Komponenten des Wasserhaushalts ableiten lassen.
Flussnetzwerke und Kohlenstoffkreislauf
Wir untersuchen, wie Flussnetzwerke terrestrische und aquatische Kohlenstoffkreisläufe durch den Transport, die Umwandlung und die Umverteilung von Wasser und Kohlenstoff miteinander verbinden. Dabei erforschen wir, wie hydrologische Konnektivität, Abflussvariabilität, Grundwassereinträge, Auen und die Struktur von Flussnetzwerken den Kohlenstofftransport und biogeochemische Funktionen in Raum und Zeit regulieren.
Maschinelles Lernen für verborgene und vernetzte Prozesse
Wir entwickeln Verfahren des maschinellen Lernens für Erdsystemprozesse, die räumlich verteilt, nur teilweise beobachtet oder in konventionellen Modellstrukturen nicht dargestellt sind. Wir untersuchen, wie verborgene Prozesse aus ihren koordinierten Wirkungen auf beobachtbare Flüsse und Zustände abgeleitet werden können, wie räumliche und zeitliche Verbindungen in datenbasierten und hybriden Modellen dargestellt werden können und welcher Grad an Prozessrepräsentation erforderlich ist, damit solche Prozesse aus Beobachtungen identifizierbar werden.
Team
- +49 3641 57-8922
- +49 3641 57-8918
- +49 3641 57-8909
- +49 3641 57-8920
- +49364157-8920
- +49 3641 57-8921
Assoziierte Gruppenmitglieder
Jinfeng Zhao (Kopplung von Atmosphäre und Biosphäre, Klima und Kausalität, MPI-BGC)
Yao Li (Kopplung von Atmosphäre und Biosphäre, Klima und Kausalität, MPI-BGC)
Jonathan Frank (Geoinformatik, Friedrich-Schiller-Universität Jena)
Projekte
Projekte sind nur auf Englisch verfügbar
