Hochauflösender Datensatz zur Landoberfläche liefert Details zur Modellierung des Erdsystems

Erdsystemmodelle (ESMs) helfen uns, Klima- und Umweltveränderungen zu verstehen. Dank der Fortschritte bei der Rechenleistung können ESMs jetzt mit einer Auflösung im Kilometermaßstab (K-Skala) betrieben werden und sehr feine Details erfassen, um Extremwetterereignisse besser vorhersagen und Wasser-, Kohlenstoff- und Energiekreisläufe verstehen zu können.

Aktuelle Modelle basieren jedoch typischerweise auf veralteten Landoberflächendaten mit grober Auflösung (~50 km), bei denen wichtige Details fehlen können.

Eine Studieveröffentlicht in Daten der Erdsystemwissenschaftenentwickelte neue hochauflösende (1 km) Landoberflächendaten für den Zeitraum von 2001 bis 2020, einschließlich Parametern zu Landnutzung, Vegetation, Boden und Topographie.

Die Forschung liefert die ersten umfassenden globalen Oberflächendatensätze mit einem Raster von 1 km, die die Leistungsfähigkeit von ESM-Simulationen im K-Maßstab deutlich verbessern. Die Verwendung der neuen Datensätze führt zu einer genaueren Vorhersage von Wasser-, Kohlenstoff- und Energiekreisläufen in ELM2-Simulationen mit einer Auflösung von 1 km über den zusammenhängenden Vereinigten Staaten. Diese Arbeit ist ein wichtiger Schritt in Richtung Erdsystemmodellierung im K-Maßstab und unterstützt die Entwicklung besserer Strategien zur Eindämmung und Anpassung an den Klimawandel.

Die Ergebnisse zeigen, dass hochauflösende Landoberflächenparameter zu einer erheblichen räumlichen Heterogenität in ELM2-Simulationen von Bodenfeuchtigkeit, latenter Wärme, emittierter langwelliger Strahlung und absorbierter kurzwelliger Strahlung beitragen. Im Durchschnitt gehen etwa 31 bis 54 Prozent der räumlichen Informationen verloren, wenn die 1 km großen ELM2-Simulationen auf eine Auflösung von 12 km hochskaliert werden.

Mithilfe erklärbarer Methoden des maschinellen Lernens wurden die Einflussfaktoren identifiziert, die die räumliche Variabilität und den räumlichen Informationsverlust von ELM2-Simulationen verursachen. Dabei wurde der erhebliche Einfluss der räumlichen Variabilität und des Informationsverlusts verschiedener Landoberflächenparameter sowie der mittleren Klimabedingungen hervorgehoben. Der Vergleich mit vier Benchmark-Datensätzen zeigt, dass ELM2 bei der Simulation von Bodenfeuchtigkeit und Oberflächenenergieflüssen im Allgemeinen gute Ergebnisse erzielt.