Der verborgene Wert von Low Performern – warum selbst schwache Ozeanmodelle wertvolle Informationen liefern können

Eine neue Studie der Christian-Albrechts-Universität zu Kiel zeigt, dass für die Vorhersage von Sauerstoffmangel in Küstengewässern nicht nur die leistungsstärksten Ozeanmodelle nützlich sind. Auch schwächere oder bewusst extreme Modelle enthalten wertvolle Informationen. Mithilfe von Methoden des Maschinellen Lernens konnten Forschende diese bislang verborgenen Daten nutzen und die Prognosen zur Sauerstoffentwicklung in der Eckernförder Bucht deutlich verbessern. Die Ergebnisse, die in der Fachzeitzeitschrift Scientic Reports erschienen sind, könnten dazu beitragen, die Folgen des Klimawandels auf die Ostsee künftig genauer vorherzusagen.