Die permafrostreiche Landschaft der Arktis ist sehr anfällig für Degradationen in einem sich erwärmenden Klima und birgt das Potenzial, den Klimawandel aufgrund seines enormen Vorrats an organischem Kohlenstoff im Boden zu verschärfen. Eine großmaßstäbliche Überwachung und schnelle Vorhersagesimulationen der mit dem Permafrost zusammenhängenden Merkmale und natürlichen Systeme sind daher dringend erforderlich und wichtig. Das Projekt zielt darauf ab, sowohl ein Deep-Learning-Modell zu entwickeln, das in der Lage ist, Veränderungen in der Permafrostlandschaft zu erkennen und zu quantifizieren, als auch einen physikalisch informierten Deep-Learning-Rahmen zu entwickeln, der eine schnelle Modellierung komplexer arktischer Oberflächenprozesssysteme ermöglicht.

Beteiligte Forscher der Sektion: Dr. Erik Chan, Lucas Von Chamier, Dr. Hui Tang und Prof. Jean Braun