Fortschritt in der Atmosphärenmodellierung durch AI-gesteuerte Berechnung aerosoloptischer Eigenschaften

MieAI: Schnelle, präzise und effiziente Modellierung von Aerosol-Optiken für Klima-, Wetter- und Energieanwendungen.

Aerosole – winzige Partikel, die in der Atmosphäre schweben – haben einen erheblichen Einfluss auf Wetter und Klima, da sie Sonnenstrahlung streuen und absorbieren. Eine genaue Modellierung der aerosoloptischen Eigenschaften (Extinktionskoeffizient, Einzelstreualbedo und Asymmetrieparameter) ist nicht nur für Klimavorhersagen, sondern auch für Anwendungen in

der Wetterprognose und Energiesystemanalyse von entscheidender Bedeutung. Traditionelle Methoden, die auf der Mie-Theorie basieren, sind zwar präzise, aber rechenintensiv, während vereinfachte Nachschlagetabellen oft an Genauigkeit einbüßen. Entwickelt von Forschern der ART-Gruppe am IMKTRO bietet MieAI, ein maschinelles Lernmodell für Optik, eine schnellere und effizientere Alternative zur Online-Berechnung dieser Eigenschaften in atmosphärischen Modellen wie ICON-ART.

MieAI nutzt ein neuronales Netzwerk, um zu modellieren, wie Aerosole verschiedener Größen und Zusammensetzungen mit Strahlung interagieren. Es verarbeitet Eingabedaten wie die Größenverteilung der Aerosole und den Brechungsindex durch mehrere Schichten des neuronalen Netzwerks, um optische Eigenschaften wie Streu- und Absorptionskoeffizienten vorherzusagen. Erste Tests zeigen, dass die Vorhersagen von MieAI den Ergebnissen der traditionellen Mie-Theorie eng entsprechen (siehe Abbildung 1 unten) und bis zu drei Größenordnungen schneller sind. Dies macht MieAI zu einem vielversprechenden Werkzeug für atmosphärische Simulationen.

Abbildung 1: Vergleich der von MieAI vorhergesagten aerosoloptischen Eigenschaften mit den durch die Mie-Theorie geschätzten Werten für grobmodige, intern gemischte Aerosolpartikel in einer ICON-ART-Simulation eines Staubereignisses über Mitteleuropa (entnommen aus Kumar et al., 2024).

MieAI wurde bereits in das ICON-ART-Modell integriert.

Derzeit unterzieht es sich jedoch einer umfassenden Test- und Validierungsphase, bevor es als Bestandteil des ICON-ART-Modellierungssystems öffentlich verfügbar gemacht wird. Nach vollständiger Validierung wird MieAI Wissenschaftlern helfen, reale Ereignisse wie Vulkanausbrüche, Staubstürme und Rauch von Waldbränden effizienter zu simulieren. Dies wird zu einem besseren Verständnis der Auswirkungen von Aerosolen auf Klima und Wetter führen und letztlich genauere Klimavorhersagen sowie fundiertere Entscheidungen ermöglichen.

Referenzen

Kumar, P., Vogel, H., Bruckert, J., Muth, L. J., & Hoshyaripour, G. A. (2024). MieAI: a neural network for calculating optical properties of internally mixed aerosol in atmospheric models. npj Climate and Atmospheric Science, 7(1), 110, doi: 10.1038/s41612-024-00652-y