QS_II | TORCH: Operationelle Charakterisierung der  Unsicherheiten von hochauflösenden AI-basierten biogenen CO₂-Flüssen

Das Projekt TORCH bewertet  die Unsicherheiten des Priors für biogene CO₂-Flüsse, um eine optimale Integration selbiger mit atmosphärischen Inversionen in ITMS-M zu gewährleisten.  TORCH ergänzt damit die Tätigkeiten in WP-Q&S_I.3 („Biogenic Fluxes“), bei denen Flussabschätzungen mittels machinellem Lernen abgeleitet werden. 

Das Ziel ist es dabei, objektive und quantitative Informationen über Fehlerstrukturen des biogenen Priors im zukünftigen operationellen Kontext von ITMS verfügbar zu machen. Dazu werden automatisierte Methodiken entwickelt, die eine Reihe von komplementären Unsicherheitsbewertungen durchführen.

Unser Ansatz zur Bewertung von Unsicherheiten und Fehlern bei biogenen CO₂-Flussprodukten für ITMS kombiniert drei komplementäre Perspektiven, um verschiedene Aspekte der Unsicherheit zu berücksichtigen:

1. eine konsistente Kreuzvalidierung, bei der die Vorhersagen auf ihre Fehler analysiert werden gegenüber Stationsdaten, die vom Training ausgeschlossen wurden;
2. die Erstellung eines Ensembles von Flussschätzungen, die aus verschiedenen methodischen Unsicherheitsquellen resultieren;
3. Konsistenzprüfungen mit unabhängig abgeleiteten CO₂-Flussschätzungen, unter anderem für bestimmte Sektoren (Land- und Forstwirtschaft) in Deutschland auf der Grundlage nationaler Inventare und spezifischer Prozessmodellsimulationen für Deutschland. Diese werden im Q&S-Modul zur Verfügung stehen.

Beteiligte Institutionen:

• Max-Planck Institut für Biogeochemie, Arbeitsgruppe Globale diagnostische Modellierung

Beteiligte Personen:

• Dr. Sophia Walther
• Dr. Qi Yang
• Dr. Martin Jung
• Dr. Gregory Duveiller