seleccionar pàgina

Niclas Rieger va defensar la seva tesi doctoral a l'Institut de Ciències del Mar, culminant un procés de recerca centrat en l'extracció de coneixements tant de conjunts massius de dades climàtiques com d'observacions ambientals escasses. Desenvolupat dins del projecte europeu CAFE, el seu treball va combinar l'aprenentatge automàtic i les eines estadístiques per accelerar l'anàlisi de dades climàtiques i millorar la comprensió de la contaminació marina per plàstics. 

El 10 de juny, Niclas Rieger defensat amb èxit la seva tesi doctoral Modelització basada en dades en règims densos i escassos de dades: aplicacions a dades climàtiques i contaminació marina per plàstics a l'Institut de Ciències del Mar (ICM), marcant el final d'un viatge de doctorat que l'ha portat a través d'institucions, països i disciplines a la recerca d'una pregunta simple però descoratjadora: com podem extreure informació significativa de dades que són aclaparadores en volum o frustrantment incompletes?

La tesi formava part del projecte europeu CAFE (Previsió climàtica avançada d'extrems subestacionals), una xarxa de formació interdisciplinària coordinada pel CRM i dissenyada per millorar la predictibilitat subestacional dels fenòmens meteorològics extrems. Amb els extrems climàtics com les onades de calor, les onades de fred o les tempestes tropicals cada cop més disruptives, el projecte CAFE es va proposar dotar una nova generació d'investigadors d'eines de la ciència del clima, la física estadística, les xarxes complexes i l'aprenentatge automàtic. Niclas va ser un dels dotze investigadors en fase inicial de la xarxa i va col·laborar amb equips de tot Europa, com ara l'ICM, l'Institut Max Planck per a la Física de Sistemes Complexos i el Centre Europeu de Previsions Meteorològiques a Mitjà Termini (ECMWF).

Al llarg de la seva tesi, duta a terme al CRM, Niclas va abordar un doble repte que s'està convertint en un element central per a la ciència ambiental. D'una banda, els conjunts de dades climàtiques massius, que abasten petabytes, s'han de processar de manera eficient per descobrir patrons subtils i a gran escala. D'altra banda, problemes com la contaminació marina per plàstics sovint pateixen una manca de dades, amb mesures disperses i irregulars que dificulten la detecció de tendències. "Em vaig trobar constantment amb el mateix dilema", explica. "Les dades climàtiques eren a tot arreu, però quan vaig buscar mesures de deixalles a les platges, només en vaig trobar un grapat. Volia saber com encara podem arribar a conclusions sòlides en ambdues situacions".

Per abordar això, va desenvolupar dues línies de treball complementàries. Per a escenaris rics en dades, va crear xeofs, una biblioteca de Python de codi obert que permet als investigadors processar conjunts de dades climàtiques aproximadament deu vegades més ràpid que abans, revelant patrons de teleconnexió i vincles subtils entre fenòmens meteorològics en regions distants del món. Per a contextos amb poques dades, com ara estudis de brossa a les platges, va recórrer a la modelització bayesiana per construir mapes predictius de punts crítics de contaminació estacional a l'Atlàntic nord-oriental, amb bandes d'incertesa que destaquen on cal millorar la monitorització.

"Tant si us esteu ofegant en dades com si teniu dificultats per trobar-ne, les eines matemàtiques adequades us poden ajudar a extreure informació important".

El seu temps a la xarxa CAFE també li va donar una visió més àmplia de la col·laboració científica. “Va ser com un recorregut per les cuines de ciència climàtica d'Europa. Cada institut tenia les seves pròpies receptes, tècniques de dades, maneres d'enquadrar els problemes i fins i tot hàbits culturals. Aquesta varietat va perfeccionar realment les meves habilitats, però també em va mostrar que el progrés significatiu tendeix a provenir d'equips complementaris en lloc d'esforços individuals.”

Aquest esperit col·laboratiu va donar fruits inesperats. Després de publicar el seu codi d'anàlisi climàtica com a codi obert, un científic de dades d'una empresa de predicció meteorològica es va posar en contacte amb ell i va proposar una nova funció. El que va començar com una sol·licitud d'extracció casual es va convertir en un codesenvolupament fructífer que va millorar l'eina tant per a la recerca acadèmica com per a l'ús operatiu.

Mirant enrere, Niclas reflexiona que la lliçó més important del seu doctorat va ser "mantenir la curiositat, però protegir la concentració". Amb tants mètodes brillants i idees noves que s'ofereixen, és fàcil perdre's. "La clau és equilibrar l'exploració amb un seguiment disciplinat. Així és com es converteix un mar de possibilitats en resultats que es poden recolzar".

La tesi ha estat codirigida per Álvaro Corral (UAB-CRM), Estrella Olmedo i Antonio Turiel (ICM), i forma part del programa de doctorat en Física de la Universitat Autònoma de Barcelona. Amb aquesta fita, Niclas s'uneix a una nova generació d'investigadors interdisciplinaris preparats per afrontar els complexos reptes ambientals del nostre temps, no només amb més dades, sinó amb maneres més intel·ligents de llegir-les.

 

Subscriu-te per obtenir més notícies sobre CRM

Manteniu-vos al dia amb la nostra llista de correu per obtenir la informació sobre les activitats del CRM.

Comunicació CRM

Pau Varela

CRMComm@crm.cat

 

László Lovász receives the 2025 Erasmus Medal in Barcelona

László Lovász rep la Medalla Erasmus 2025 a Barcelona

El matemàtic László Lovász va rebre ahir la Medalla Erasmus 2025 de l'Acadèmia Europaea al PRBB de Barcelona, ​​on va pronunciar la conferència "La bellesa de les matemàtiques". Reconegut pel seu treball en teoria de grafs i matemàtiques discretes, Lovász ha donat forma...

Combinatorial Geometry Takes Shape at the CRM

La geometria combinatòria pren forma al CRM

Durant una setmana a principis d'octubre, el Centre de Recerca Matemàtica es va convertir en un punt de trobada per al món de la geometria combinatòria. L'escola de recerca Polytope Week va reunir més de cinquanta participants de tres continents per estudiar la interacció...