1. Preis des Jahres 2024
Interpretable deep learning for studying the Earth system / Soil-moisture–precipitation coupling across Europe
Dr. Tobias Tesch
IBG-3: Agrosphäre, Forschungszentrum Jülich
Das Erdsystem besteht aus vielen Variablen, die auf verschiedenen Zeit- und Raumskalen miteinander interagieren. Zum Beispiel beeinflusst das relativ stabile Grundwasser den chaotischen Niederschlag. Aufgrund der Komplexität dieser Interaktionen sind viele Prozesse im Erdsystem noch nicht vollständig verstanden.
In seiner Dissertation hat Dr. Tobias Tesch einen innovativen Ansatz entwickelt, um das Zusammenspiel dieser Variablen besser zu verstehen: Ein Deep-Learning-Modell wird darauf trainiert, eine Zielvariable mithilfe anderer Inputvariablen vorherzusagen. Anschließend wird analysiert, wie das Modell diese Vorhersagen trifft. Während Deep-Learning-Modelle komplexe Zusammenhänge erkennen können, handelt es sich dabei oft nur um statistische Korrelationen und nicht um kausale Beziehungen. Diese Scheinkorrelationen zu identifizieren und zu vermeiden, stellt eine große Herausforderung dar.
In der aktuellen Arbeit wurden zwei neue Verfahren entwickelt: Eines, das Scheinkorrelationen erkennt, und eines, das verhindert, dass das Modell solche Scheinkorrelationen lernt. Zum ersten Mal wurde der Ansatz des „interpretable deep learning“ mit Ergebnissen aus der Kausalitätsforschung kombiniert.
Diese Methoden wurden genutzt, um den Einfluss von Bodenfeuchte auf Niederschläge zu untersuchen. Ein besseres Verständnis dieser Beziehung hilft, extreme Wetterereignisse und die Folgen des Klimawandels besser vorherzusagen und deren Auswirkungen zu mildern. Die neuen Verfahren haben wichtige Einblicke in diese Beziehung geliefert, insbesondere zur großen Bedeutung nicht-lokaler Effekte, die in früheren Studien oft vernachlässigt wurden.
Die Forschungsarbeit von Dr. Tobias Tesch bietet somit vielversprechende neue Ansätze, um komplexe Umweltprozesse besser zu verstehen und damit einen Beitrag zu besseren Wetter- und Klimavorhersagen zu leisten.
