Ansätze des maschinellen Lernens zum Verständnis der Vegetationsstruktur und der Dynamik der Wolkenreaktion

Projekttitel: Ansätze des maschinellen Lernens zum Verständnis der Vegetationsstruktur und der Dynamik der Wolkenreaktion

Projektdauer: Seit 12/2025

Forschungsbereich: Wechselwirkungen zwischen Klima und Biodiversität, Erdbeobachtung, maschinelles Lernen und kausale Schlussfolgerungen

Projekt

Im Rahmen dieses Promotionsprojekts werden Methoden der künstlichen Intelligenz zur Analyse kombinierter Klima- und Biodiversitätsdaten entwickelt. Hierbei wird die Überwachung der Biodiversität mit Informationen zu Landnutzung, Klima und Atmosphäre verknüpft. Die erste Fallstudie untersucht, ob die Zusammenhänge zwischen Wald und Wolken durchgängig bestehen oder nur unter bestimmten Bedingungen. Wolken werden zunächst als oberflächengekoppelt oder -entkoppelt klassifiziert, je nachdem, ob die Wolkenschicht thermodynamisch mit dem darunterliegenden Land verbunden ist. Nur gekoppelte Wolken können plausibel auf die lokale Vegetation reagieren. Innerhalb jedes Regimes untersucht die Studie, ob die Zusammenhänge zwischen Wald und Wolken über alle Wolkeneigenschaften, Jahreszeiten und räumlichen Skalen hinweg konsistent sind.

Ziele

Das Projekt zielt darauf ab, zu verstehen, wie Landnutzungspraktiken, Klima und atmosphärische Bedingungen Ökosysteme und die Artenvielfalt beeinflussen. Konkret werden folgende Ziele verfolgt:

• Durchführung umfassender Datenvisualisierungen und Merkmalsanalysen.
• Modellierung der Zustände von Ökosystemen und der Biodiversität als Funktionen von Landnutzung, Klima und atmosphärischen Faktoren.
• Entwicklung von Methoden zur Kausalinferenz. Ziel ist es, zu untersuchen wo und in welchem Umfang das Klima Schwankungen und Veränderungen in Ökosystemen und der Biodiversität beeinflusst.

Problemstellung

Die Vielfalt der Vegetation und der Landschaft beeinflusst die Wolkenbildung, indem sie die Albedo, die Evapotranspiration, die Oberflächenrauheit und den Wärmeaustausch verändert. Dieser Zusammenhang variiert jedoch je nach Waldtyp, Landschaftsstruktur, Jahreszeit und atmosphärischen Bedingungen. Auch Satellitendatensätze unterscheiden sich hinsichtlich ihrer Auflösung und Abdeckung, was einfache Vergleiche unzuverlässig macht. Daher ist ein skalierbares, datengestütztes Rahmenkonzept erforderlich. Hierbei können Wald-Effekte von Gelände- und Wettereinflüssen getrennt werden. Ziel ist es, zu ermitteln, wann und wo Zusammenhänge zwischen Wald und Wolken auftreten.

Technologie

Das Projekt nutzt Python-basierte Geodatenanalyse, Visualisierung, statistische Modellierung und maschinelles Lernen. Es integriert Satelliten-, Klima-, Landbedeckungs-, Baumkronen- und Geländedaten, um die Wechselwirkung zwischen Wolken und Erdoberfläche zu klassifizieren, Beobachtungen in verschiedenen Auflösungen zu verarbeiten, lokale Zusammenhänge zwischen Wald und Wolken abzuschätzen und zu bewerten, wie Vegetationsstruktur, Landschaftsgestaltung, Gelände und Wetter die Wolkenmuster beeinflussen.

Ausblick

Das Projekt verdeutlicht das Potenzial der Kombination von Satelliten-, Klima- und Landbedeckungsdaten zur Analyse der Wechselwirkungen zwischen Vegetation und Wolken. Aktuelle Forschungsarbeiten untersuchen, wie die Struktur des Baumkronendachs und landschaftliche Merkmale lokale Schwankungen dieser Zusammenhänge beeinflussen, wobei die Auswirkungen der Vegetation von denen des Geländes und der meteorologischen Bedingungen getrennt betrachtet werden. Zukünftige Arbeiten werden diesen Ansatz in verschiedenen europäischen Klimaregionen testen und Beobachtungen zur Biodiversität einbeziehen, um die Reaktionen der Ökosysteme auf Klima- und Landnutzungsänderungen zu modellieren.

Team

Teamleitung

Janet Mumo Mutuku

Universität Leipzig

Fakultät für Physik und Geowissenschaften

Teammitglieder

Janet Mumo Mutuku

Universität Leipzig

Fakultät für Physik und Geowissenschaften

Prof. Dr. Johannes Quaas

Universität Leipzig

Professur für Theoretische Meterologie

Prof. Dr. Gerik Scheuermann

Universität Leipzig

Professur für Bild- und Signalverarbeitung

Dr. Josefine Umlauft

Universität Leipzig

Partners

• Universität Leipzig
• Deutsches Zentrum für integrative Biodiversitätsforschung (iDiv)