Sie sind hier: Startseite » Forschung » Klima Modellierung

Klima Modellierung

Die Abteilung Klimamodellierung gehört zum Fachbereich 01 und ist Teil des Instituts für Umweltphysik (IUP). In Kooperation mit der am Institut für Physik der Atmosphäre des Deutschen Zentrums für Luft- und Raumfahrt e.V. (DLR) angesiedelten Abteilung Erdsystemmodell- Evaluierung und -Analyse nimmt sie eine Pionierrolle in der Entwicklung und Anwendung von maschinellen Lernverfahren (ML) in Kombination mit Erdbeobachtungsdaten zur Verbesserung von Erdsystemmodellen ein. Ziel ist es, langjährige systematische Fehler zu reduzieren und mit diesen hybriden (Physik + ML) Erdsystemmodellen belastbare Klimavorhersagen sowie robuste Informationen für Anpassung und Minderung des Klimawandels bereitzustellen. Die Abteilung ist an der internationalen Entwicklung des Earth System Model Evaluation Tool (ESMValTool) beteiligt, das die routinemäßige und umfassende Evaluierung von Erdsystemmodellen anhand von Erdbeobachtungsdaten maßgeblich prägt und vorantreibt.

Forschungsschwerpunkte

  • Verbesserung von Erdsystemmodellen mit maschinellen Lernverfahren in Kombination mit Erdbeobachtungsdaten
  • Reduktion von Unsicherheiten in Klimavorhersagen durch ML und Erdbeobachtungsdaten
  • Entwicklung innovativer Benchmarks für klassische und hybride (Physik + ML) Erdsystemmodelle
  • Identifizierung und Reduzierung systematischer Fehler in Klimamodellen sowie Empfehlungen für gezielte Modellverbesserungen
  • Prozessverständnis und Parametrisierung klimarelevanter Prozesse mittels maschineller Lernverfahren
  • ML-basierte Methoden für regionale Klimaprojektionen und deren Unsicherheitsabschätzung
  • Weiterentwicklung und Anwendung des ESMValTool für die routinemäßige Überprüfung von Erdsystemmodellen mit Beobachtungsdaten
  • Beiträge zu internationalen Modellvergleichsprojekten, insbesondere zum Coupled Model Intercomparison Project (CMIP) des Weltklimaforschungsprogramms (WCRP)

Zentrale Werkzeuge und Datengrundlagen

  • Maschinelle Lernverfahren zur Verbesserung und Analyse von Klimamodellen
  • EyringMLClimateGroup · GitHub – Entwicklungsplattform für ML-basierte Werkzeuge, hybride (Physik + ML) Modellansätze und Evaluationsworkflows
  • ESMValTool für die umfassende Evaluierung von Erdsystemmodellen mit Erdbeobachtungsdaten – Open-Source-Softwarepaket für die umfassende Evaluierung von Erdsystemmodellen mit Erdbeobachtungsdaten
  • Simulationen mit dem ICON-Klimamodell (Icosahedral Nonhydrostatic Model)
  • Klimamodellsimulationen aus internationalen Modellvergleichsprojekten (CMIP)
  • Erdbeobachtungsdaten und Reanalysen zur Evaluierung und Verbesserung von Modellen

Kooperationen und internationale Vernetzung

Die Abteilung arbeitet eng mit der Abteilung Erdsystemmodell- Evaluierung und -Analyse am Institut für Physik der Atmosphäre des Deutschen Zentrums für Luft- und Raumfahrt e.V. (DLR; Leiterin: Prof. Veronika Eyring) zusammen. Darüber hinaus bestehen enge Kooperationen mit dem National Center for Atmospheric Research (NCAR) in Boulder, CO (USA).
Die Abteilung ist aktiv in internationalen Forschungsaktivitäten des Weltklimaforschungsprogramms (WCRP) eingebunden, insbesondere durch substanzielle Beiträge zu CMIP, und wirkt regelmäßig an den Sachstandsberichten des Weltklimarats (IPCC) sowie der Weltorganisation für Meteorologie (WMO) mit.

Ausgewählte Veröffentlichungen:

  • Lindenlaub, L., Weigel, K., Hassler, B., Jones, C., and Eyring, V.: Characteristics ofagricultural droughts in CMIP6 historical simulations and future projections, Earth Syst.Dynam., 17, 81–105, https://doi.org/10.5194/esd-17-81-2026, 2026.
  • Behrens, G., Beucler, T., Iglesias-Suarez, F., Yu, S., Gentine, P., Schwabe, M. and Eyring, V.: Simulating atmospheric processes in Earth system models and quantifying uncertainties with deep learning multi-member and stochastic parameterizations. Journal of Advances in Modeling Earth Systems, 17, e2024MS004272. https://doi.org/10.1029/2024MS004272 , 2025.
  • Hafner, K, Iglesias-Suarez F., Shamekh S., Gentine P., Giorgetta M. A., Pincus R., Eyring V.: Interpretable machine learning-based radiation emulation for ICON. Journal of Geophysical Research: Machine Learning and Computation, 2, e2024JH000501. https://doi.org/10.1029/2024JH000501 , 2025.
  • Eyring, V., Collins, W.D., Gentine, P., Barnes, E.A., Barreiro, M., Beucler, T., Bocquet, M., Bretherton, C.S., Christensen, H.M., Gagne, D.J., Hall, D., Hammerling, D., Hoyer, S., Iglesias-Suarez, F., Lopez-Gomez, I., McGraw, M.C., Meehl, G.A., Molina, M.J., Monteleoni,C., Mueller, J., Pritchard, M.S., Rolnick, D., Runge, J., Stier, P., Watt-Meyer, O., Weigel, K., Yu, R., Zanna, L., Pushing the frontiers in climate modelling and analysis with machine learning, Nat. Clim. Chang., https://doi.org/10.1038/s41558-024-02095-y , 2024.
  • Eyring, V., P. Gentine, G. Camps-Valls, D. M. Lawrence, and M. Reichstein: AI-empowered next-generation multiscale climate modelling for mitigation and adaptation, Nat. Geosci., https://doi.org/10.1038/s41561-024-01527-w, 2024.
  • Gier, B. K., Schlund, M., Friedlingstein, P., Jones, C. D., Jones, C., Zaehle, S., and Eyring, V.: Representation of the terrestrial carbon cycle in CMIP6, Biogeosciences, 21, 5321–5360, https://doi.org/10.5194/bg-21-5321-2024, 2024.
  • Galytska, E., Weigel, K., Handorf, D., Jaiser, R., Köhler, R., Runge, J., & Eyring, V.: Evaluating causal Arctic-midlatitude teleconnections in CMIP6. Journal of Geophysical Research: Atmospheres, 128, e2022JD037978. , https://doi.org/10.1029/2022JD037978, 2023.
  • Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., and Taylor, K. E.: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization, Geosci. Model Dev., 9, 1937-1958, doi:10.5194/gmd-9-1937-2016, 2016.
  • Eyring, V., Righi, M., Lauer, A., Evaldsson, M., Wenzel, S., Jones, C., Anav, A., Andrews, O.,Cionni, I., Davin, E. L., Deser, C., Ehbrecht, C., Friedlingstein, P., Gleckler, P., Gottschaldt, K.-D., Hagemann, S., Juckes, M., Kindermann, S., Krasting, J., Kunert, D., Levine, R., Loew, A., Mäkelä, J., Martin, G., Mason, E., Phillips, A. S., Read, S., Rio, C., Roehrig, R., Senftleben, D., Sterl, A., van Ulft, L. H., Walton, J., Wang, S., and Williams, K. D.: ESMValTool (v1.0) – a community diagnostic and performance metrics tool for routine evaluation of Earth system models in CMIP, Geosci. Model Dev., 9, 1747-1802, doi:10.5194/gmd-9-1747-2016, 2016.
  • Eyring, V.,Gleckler, P. J., Heinze, C., Stouffer, R. J., Taylor, K. E., Balaji, V., Guilyardi, E., Joussaume, S., Kindermann, S., Lawrence, B. N., Meehl, G. A., Righi, M., and Williams, D. N.: Towards improved and more routine Earth system model evaluation in CMIP, Earth Syst. Dynam., 7, 813-830, doi:10.5194/esd-7-813-2016, 2016.
  • Wenzel, S., Cox, P. M., Eyring, V.,and Friedlingstein, P.: Projected land photosynthesis constrained by changes in the seasonal cycle of atmospheric CO2, Nature, doi: 10.1038/nature19772, 2016.

Kontakt:
Prof. Dr. Veronika Eyring