Assessment and Prediction of Greenhouse Gas Fluxes with Experimental and Machine Learning Techniques (ArGEnT)
Landnutzungsänderungen sind wichtige Treiber des anthropogenen Klimawandels, indem sie die Aufnahme- und Speicherkapazitäten von Treibhausgasen eines Ökosystems verändern. Daher ist es von großer Bedeutung den Netto-Kohlenstoffaustausch zwischen Ökosystemen und der Atmosphäre zu quantifizieren. Die Eddy-Kovarianz-Technik ist die direkteste Methode zur Messung von Treibhausgasflüssen, allerdings ist sie sehr empfindlich gegenüber dem richtigen Versuchsaufbau und den Umgebungsbedingungen und liefert nur punktuelle Messungen eines spärlichen Stationsnetzes. Das ArGEnT-Projekt hatte zwei Ziele, um diese Unzulänglichkeiten anzugehen: 1) es wurden die Auswirkung der Tiefpassfilterung auf turbulente Wirbel und die Leistungsfähigkeit verschiedener Korrekturmethoden an einer abgeholzten und nun natürlich nachwachsenden Fläche am TERENO-Standort Wüstebach/Eifel mit zwei EC-Stationen in unterschiedlichen Höhen untersucht und 2) es wurden Messungen von diesem Standort mit EC-Messungen anderer Landnutzungstypen im Rureinzugsgebiet und Fernerkundungsdaten kombiniert, um ein maschinelles Lernmodell zu trainieren und Kohlendioxidflüsse für das gesamte Einzugsgebiet mit hoher raumzeitlicher Auflösung hochzurechnen.
| Team |
Geographisches Institut der RWTH Aachen, Lehr- und Forschungsgebiet Physische Geographie und Klimatologie:
|
|---|---|
| Kooperation |
Forschungszentrum Jülich: Dr. Alexander Graf, Marius Schmidt |