Zoom in: Effiziente regionale Umweltrisikobewertung mit generativer KI

Erdsystemmodelle sind entscheidend für die Vorhersage zukünftiger Umweltveränderungen, aber ihr hoher Rechenaufwand schränkt ihre Fähigkeit ein, regionale Projektionen auf feinen Skalen durchzuführen. Um dieses Problem zu lösen, wurde eine neuartige generative KI-Methode entwickelt, um die Auflösungslücke zwischen Erdsystemmodellen und den Bedürfnissen der nachgeschalteten Nutzer zu schließen. Die Methode, die als dynamisch-generatives Downscaling bezeichnet wird, wendet probabilistische Diffusionsmodelle auf die Ergebnisse etablierter physikbasierter Modelle an, um globale Klimaprojektionen in lokale Umweltrisikobewertungen zu übersetzen. Dieser Ansatz führt zu detaillierten lokalen Umweltrisikobewertungen zu einem kleinen Bruchteil der Kosten bestehender modernster Techniken. Die Methode umfasst einen zweistufigen Prozess, bei dem ein regionales Klimamodell die Daten des globalen Erdsystems auf eine mittlere Auflösung herunterskaliert und dann ein generatives KI-System der Ausgabe feinskalige Details hinzufügt. Dieser hybride Ansatz nutzt die Stärken beider Methoden und ermöglicht eine physikalisch fundierte und effiziente Erzeugung hochauflösender Details. Die Ergebnisse zeigen, dass dynamisch-generatives Downscaling feinskalige Fehler im Vergleich zu statistischen Methoden um über 40% reduziert und realistische räumliche Muster und Korrelationen zwischen verschiedenen Wettervariablen erfasst. Die Methode bietet auch bessere Unsicherheitsschätzungen und erfasst regionale Extreme, wie z. B. das Waldbrandrisiko aufgrund von Santa-Ana-Winden in Südkalifornien. Dieser Durchbruch ermöglicht es, umfassende zukünftige regionale Klimaprojektionen auf umsetzbaren Skalen unter 10 km zu erhalten, was das Downscaling großer Ensembles von Erdsystemmodellen rechnerisch machbar macht. Durch die Bereitstellung genauerer und probabilistisch vollständiger regionaler Klimaprojektionen kann das dynamisch-generative Downscaling die Bewertung von Umweltrisiken drastisch verbessern und fundiertere Entscheidungen für Anpassungs- und Resilienzmaßnahmen treffen.