Den Klimawandel mit maschinellem Lernen besser verstehen

Professor Peter Zaspel entwickelte ein maschinelles Lernverfahren, um vergangene klimatische Bedingungen rekonstruieren zu können Jacobs University

Je mehr verlässliche Daten über vergangene Klimaperioden zur Verfügung stehen, desto genauer sind Modelle zum Klimawandel. In Sedimentkernen verborgene Klimainformationen wollen Wissenschaftler der Jacobs University Bremen und des Alfred-Wegener Instituts (AWI) heben – mithilfe einer neuen Methode des maschinellem Lernens.

Sedimentkerne sind Klimaarchive

Ganz ähnlich wie Jahresringe von Bäumen erzählen sie von den sich wandelnden Umgebungsbedingungen, von Temperaturschwankungen, Niederschlägen oder der Versauerung des Wassers. „Oft geben sie jedoch nur indirekt Informationen über das Klima preis. Zudem passen die Daten vielfach nicht zusammen, weil sie mit unterschiedlichen Methoden erhoben wurden“, beschreibt Dr. Peter Zaspel das Problem.

Um vergangene Klimazustände dennoch rekonstruieren zu können, kommt in dem Vorhaben ein von Professor Zaspel entwickeltes Verfahren des maschinellen Lernens zum Einsatz. Es handelt sich um eine sogenannte Multi-Fidelity-Maschinenlernmethode, die bereits in einem anderen Bereich erfolgreich getestet wurde. „Sie generiert die bestmöglichen Informationen aus Daten, die nur bedingt vergleichbar sind“, meint Professor Zaspel. Diese neue Rekonstruktionstechnik sollte bessere Einblicke in die vergangenen Klimaentwicklung ermöglichen.