Entschlüsselung der basalen Bedingungen des antarktischen Eisschildes durch die Kopplung physikalischer Vorwärtsmodelle mit maschinellem Lernen
Die Kenntnis der basalen Bedingungen des antarktischen Eisschildes ist essenziell, um die Fließgeschwindigkeiten des Eises und den damit zusammenhängenden Massenverlust vorherzusagen. In Bereichen, wo das Eis an das Felsbett angefroren ist, fließt das Eis aufgrund der hohen basalen Reibung langsam. Liegt allerdings ein Film aus Schmelzwasser zwischen Eis und Felsbett vor, verringert dieser die basale Reibung und führt zu höheren Geschwindigkeiten des Eises, zur Ausbildung von Eisströmen und damit letztlich zu verstärktem Massenverlust des antarktischen Eisschildes.
Damit Eisfließ-Modelle den zukünftigen Massenverlust genauer vorhersagen können, müssten die basalen Bedingungen ermittelt und in eben diese Modelle integriert werden. Radarmessungen können theoretisch dabei helfen diese basalen Bedingungen zu entschlüsseln, da die Stärke der gemessenen basalen Reflexion von der basalen Reflektivität und damit von der Beschaffenheit der Grenzfläche zwischen Eis und Felsbett abhängig ist. In der Praxis kann die basale Reflektivität allerdings nicht eindeutig aus der basalen Reflexion abgeleitet werden. Grund hierfür ist, dass die Stärke der basalen Reflexion von weiteren Faktoren wie der temperaturabhängigen Signaldämpfung im Eis oder der Streuung von Radarwellen an der Grenzfläche zwischen Eis und Felsbett beeinflusst wird.
Um die basale Reflektivität und damit den Zustand der Grenzfläche zu bestimmen, ist es deshalb notwendig die unterschiedlichen Einflüsse auf die basale Reflexion voneinander zu trennen – allerdings weisen bestehende Methoden hierfür bisher größere Limitierungen auf. In diesem Promotionsprojekt soll eine neue Methode entwickelt werden, um eine genauere Bestimmung der basalen Bedingungen zu ermöglichen. Hierbei wird ein Radar-Simulator – aus Mangel an Radarbeobachtungen mit bekannten basalen Bedingungen – verwendet, um synthetische Radardaten mit vorgeschriebenen basalen Bedingungen zu generieren.
Diese synthetischen Radardaten sollen im Rahmen von simulation-based inference verwendet werden, um ein neuronales Netzwerk zu trainieren, welches die Einflüsse von Signaldämpfung und basaler Reflektivität auf die basale Reflexion voneinander trennt und es ermöglicht, die Temperaturstruktur des Eises und die basale Reflektivität aus Radarmessungen abzuleiten.