Integrering af kunstig intelligens i akvatiske økosystemmodeller for at afkode økologisk kompleksitet

Søer er værdifulde økosystemer, som er truet af arealanvendelse og klimaforandringer. Pålidelige simuleringer er et altafgørende værktøj i forvaltningen af søer, men de nuværende modeller underpræsterer. Dette projekt har til formål at bruge maskinlæring til at udforske økosystemprocesser og udvikle hybridmodeller, der integrerer såkaldt deep learning i procesbaseret modellering. Det vil give bedre prognoser for vandkvalitetsudfordringer som f.eks. algeopblomstringer. Bevillingen vil finansiere en ph.d.-studerende og en postdoc.