Readspeaker Menü

Anwendung Neuronaler Netze für die Interpretation zeitlich hoch-auflösender Messungen der Austauschflüsse zwischen terrestrischen ökosystemen und der Atmosphäre

Prof. Beckstein, Dr. Churkina, Prof. Heimann, A. Moffat

Dieses Projekt wird in Zusammenarbeit mit und unter Federführung der Arbeitsgruppe Biogeochemische Systeme am MPI für Biogeochemie (Prof. Heimann) durchgeführt.

Um den Kohlenstoffhaushalt von verschiedenen ökosystemen wie Wäldern besser zu verstehen, wurden in den letzten zehn Jahren weltweit mehrere Hundert Messtürme aufgestellt, die Kohlenstoffflüsse mit der Eddy-Kovarianz-Methode messen. Allerdings ist diese Eddy-Flussmessung nur unter bestimmten atmosphärischen Bedingungen gültig, wodurch es Datenlücken von ungefähr 40% gibt. Diese Datenlücken werden mit den verschiedensten Techniken wie nicht-linearer Regression, aber auch künstlichen neuronalen Netzen gefüllt.

In diesem Projekt wurden eine umfassende Vergleichsstudie dieser Füllmethoden gestartet und fast alle weltweit existierenden Techniken miteinander verglichen (Moffat et al, 2007). Der Studie zufolge liefern die besten Techniken vergleichbare (gute) Ergebnisse. Dabei sind die Methoden, die auf neuronalen Netzen beruhen, den anderen Methoden leicht überlegen. Zudem lässt sich die Methodik dieser Vergleichsstudie auch auf künftig entwickelte Techniken übertragen. Wie die Studie zeigt, ist eine solche Evaluierung wichtig, da einige Techniken signifikante Schwachstellen aufweisen. Nur theoretisch gut verstandene Techniken und eine standardisierte Vergleichsmethodik ermöglichen es, die Qualität zu sichern und die weltweiten Messergebnisse vergleichen und in gemeinsamen Projekten verwenden zu können. Fast alle Teilnehmer dieser Studie konnten der Einladung zu einem Workshop in Jena im September 2006 folgen, um die Ergebnisse zu besprechen und weitere Aktivitäten zu starten (Desai et al., 2007, in Revision; Richardson et al., 2007).

Im folgenden Abschnitt dieser Doktorarbeit geht es um die Interpretation der modellierten Kohlenstoffflüsse: Künstliche neuronale Netze sind eine geeignete Methode um die Relevanz der Eingaben zu bestimmen und somit qualitative Information über die modellierten Daten zu gewinnen. Diese Methode wird genutzt, um Rückschlüsse über die klimatischen Treiber der Kohlenstoffflüsse zu ziehen.

[Zu Antje Moffats wissenschaftlicher Homepage]