Klimamodellering med generativ kunstig intelligens

Fra grove globale modeller til høj-opløste lokale effekter: Globale klimamodeller beskriver stor-skala klimamønstre og -processer, men mange klimapåvirkninger afhænger af lokale forhold. Dette projekt undersøger, hvordan KI-baserede modeller kan bruges til klimanedskalering for at bygge bro mellem globale klimamodeller og lokale effekter.

26. juni 2026 af Kristoffer Kristensen

Gennem sit ph.d.-studium har Thea Quistgaard forsket i brugen af generativ kunstig intelligens (KI) i klimamodellering. Eksisterende klimamodeller opererer ofte på en rumlig opløsning, der er for grov til at beskrive lokale nedbørsmønstre og ekstreme vejrhændelser i tilstrækkelig detalje. Generativ KI har de seneste år vakt stor interesse, fordi teknologien kan generere realistiske højopløste klimadata og samtidig repræsentere usikkerhed og variabilitet i dataene.

I sin forskning har Thea Quistgaard udviklet og testet KI-baserede model til at skabe detaljeret lokal klimainformation over Danmark ud fra grov global klimadata. Arbejdet undersøgte, hvordan fysisk information påvirker modellens adfærd, hvordan sådanne systemer bør evalueres, og under hvilke betingelser KI-genererede klimadata kan betragtes som videnskabeligt troværdigt.

Forskningen fremhæver både muligheder og begrænsninger ved brug af generativ KI i klimaforskning og argumenterer for, at gode statistisk resultater alene ikke er nok til ansvarlig videnskabelig anvendelse.

Ph.d.-studiet er gennemført ved Institut for Miljøvidenskab, Faculty of Technical Sciences, Aarhus Universitet.

Dette resumé er udarbejdet af den ph.d.-studerende.

Tid: fredag den 26. juni kl. 13:00
Sted: Bygning 112, H. H. Koch Auditorium, Institut for Miljøvidenskab, Aarhus Universitet, Frederiksborgvej 399, 4000 Roskilde
Afhandlingens titel: Generative Diffusion Models for Climate Downscaling: Building scientifically valid tools
Kontaktinfo: Thea Quistgaard, e-mail: tquistgaard@envs.au.dk, tlf.: +45 22631634
Bedømmelsesudvalg:
Professor Martin Drews, DTU MANAGEMENT, Danmarks Tekniske Universitet (DTU)
Seniorforsker Ramón Fuentes Franco, Rossby Centre, Swedish Meteorological and Hydrological Institute, Sweden (SMHI), Sverige
Seniorforsker Niels Bohse Hendriksen (forperson), Institut for Miljøvidenskab, Aarhus Universitet, Danmark
Hovedvejleder: Professor Peter L. Langen, Institut for Miljøvidenskab, Aarhus Universitet, Danmark
Medvejleder: Professor Simon Stisen, Afdeling for Hydrologi, De Nationaly Geologiske Undersøgelser for Danmark og Grønland, Danmark
Sprog: Ph.d.-afhandlingen forsvares på engelsk

Forsvaret er offentligt.
Afhandlingen ligger til gennemsyn hos Graduate School of Technical Sciences (GSTS), Ny Munkegade 120, bygning 1521, 8000 Aarhus C

Klimamodellering med generativ kunstig intelligens – muligheder og begrænsninger