Reusability in cryospheric sciences: fundamental concepts and case studies

Simson, Anna; Kowalski, Julia; Wellmann, Jan Florian

doi:44663

Reusability in cryospheric sciences: fundamental concepts and case studies

Simson, Anna^RWTH*

2025

Verantwortlichkeitsangabevorgelegt von Anna Lara Simson, M.Sc.

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak05

Hauptberichter/Gutachter
Kowalski, Julia (Thesis advisor)^RWTH* ; Wellmann, Jan Florian (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-02-10

Online
DOI: 10.18154/RWTH-2025-06267
URL: https://publications.rwth-aachen.de/record/1015222/files/1015222.pdf

Einrichtungen

Projekte

Inhaltliche Beschreibung (Schlagwörter)
FAIR (frei) ; cryosphere (frei) ; research data management (frei) ; reusability (frei) ; reuse scenario (frei) ; sea ice (frei) ; snow (frei)

Thematische Einordnung (Klassifikation)
DDC: 550

Kurzfassung
Die Wiederverwendbarkeit von Forschungsprodukten in Form von digitalen Ressourcen wie Datensätzen und Modellierungssoftware ist für die Wissenschaft von größter Bedeutung. Sie macht Forschung transparent, nachhaltig und beschleunigt den wissenschaftlichen Fortschritt. In den letzten Jahrzehnten wurden Repositorien für die Bereitstellung von Forschungsprodukten eingerichtet und Standards für die Konsistenz der digitalen Repräsentationen von Ressourcen entwickelt, um die Wiederverwendung von Daten und Software zu erleichtern und zu verbessern. Seit 2016 wurden Richtlinien für auffindbare, zugängliche, interoperable und wiederverwendbare Forschungsprodukte formuliert, die allgemein als FAIR-Prinzipien bekannt sind. Die FAIR-Vision beschreibt einen zukünftigen, automatisierten Zustand, in dem Menschen die Aufgabe der Datenanalyse und Datenintegration an rechnergestützte Agenten delegieren. Angesichts dieser FAIR-Entwicklungen könnte angenommen werde, dass Wiederverwendungsszenarien, die von der Modellvalidierung auf der Grundlage vorhandener Messdaten bis hin zur Modell-kopplung unter Verwendung vorhandener Modellierungssoftware reichen, problemlos durchführbar sind. In der Realität erfolgt die Wiederverwendung trotz des Schwerpunkts von FAIR auf Computer immer noch weitgehend manuell, und Wiederverwendungsvorhaben sind nach wie vor zeitaufwendig und ineffizient. Die Kryosphärenwissenschaften, die alle Vorkommen von gefrorenem Wasser auf der Erde untersuchen, würden besonders von hochgradig wiederverwendbaren Forschungsprodukten profitieren. Messungen an einer ständig abnehmenden Kryosphäre können nicht wiederholt werden, In-situ-Messungen während Polarexpeditionen sind kostspielig, und Software zur Modellierung der Kryosphäre muss leicht koppelbar mit Modellen aus anderen geowissenschaftlichen Bereichen sein. Ein ganzheitliches Verständnis der Prozesse und der Entwicklung der Kryosphäre ist für die Entwicklung technologischer Lösungen zur Vorhersage und Minderung der Auswirkungen des Klimawandels unerlässlich. Dies erfordert nicht nur die Kombination von Kryosphären-Daten und -Modellen auf verschiedenen Skalen, sondern auch deren nahtlose interdisziplinäre Integration mit Daten und Modellen aus anderen geowissenschaftlichen Bereichen. Daher ist es notwendig, die Wiederverwendbarkeit von kryosphärischen Forschungsprodukten und ihre derzeitige Nutzung in praktizierten Wiederverwendungsszenarien eingehend zu untersuchen. In dieser Arbeit untersuche ich die Wiederverwendbarkeit von kryosphärischen Forschungsprodukten anhand von zwei Fallstudien. Fallstudie I ist ein physikbasiertes Prozessmodell für die Kopplung von Wasserdampftransport und Setzung in der Schneedecke. Das Modell zeichnet sich durch Modularität und Erweiterbarkeit aus. Das Wiederverwendungspotential der Modell-Software wird anhand eines realen Wiederverwendungsszenarios in Form eines Modellvergleichs aufgezeigt. Fallstudie II beschreibt den Prozess der Zusammenstellung von Datensätzen mit Messdaten aus Meereisbohrkernen zu einer umfassenden und analysebereiten Datenbank. Diese Fallstudie zeigt die Herausforderungen, die bei der manuellen Harmonisierung und Kombination von verteilten und heterogenen Datensätzen auftreten. Beide Fallstudien legen besonderen Wert auf die Transparenz der Methoden und die Wiederverwendbarkeit der generierten Forschungsprodukte. Die Fallstudien zeigen deutlich, dass die Wiederverwendung von Kryosphären-Daten und -Software nicht trivial und noch nicht ausschließlich maschinell durchführbar ist. Die Bereitstellung von Produkten der Kryosphärenforschung folgt individuellen Präferenzen und es fehlt an Standardisierung von Daten und Metadaten sowie an Qualitätsinformationen, die beide die Verständlichkeit und Interoperabilität der Produkte beeinflussen. Die Fallstudien zeigen: (1) die Notwendigkeit, den Wiederverwendungsbedarf in Form von Wiederverwendungsszenarien klar zu kommunizieren; (2) die große Diskrepanz zwischen den vielen Herausforderungen, die mit der manuellen Wiederverwendung einer Ressource verbunden sind, und der FAIRness der Ressource, die ihre maschinelle Wiederverwendbarkeit widerspiegelt; und (3) die Tatsache, dass die Herausforderungen der manuellen Wiederverwendung auch Maschinen betreffen werden. In Zukunft wird es wichtig sein, Wiederverwendungsszenarien zu kommunizieren, um die Perspektive der Wiederverwendung systematisch aufzuzeigen. Darüber hinaus sollte das Potenzial kleiner, heterogener und verteilter Datensätze und deren Kombination untersucht werden. Die Verbesserung der Wiederverwendbarkeit erfordert eine transparentere und umfassendere Dokumentation von Daten und Software mit Metadaten, die Entwicklung von gemeinsam vereinbarten Standards für Terminologie und Formate und eine allgemeine Priorisierung sowie Dokumentation der Daten- und Softwarequalität. Solche Entwicklungen kommen manuellen Wiederverwendungen zugute und unterstützen die Entwicklung von Technologien, die eine autonomere Wiederverwendung ermöglichen. Konkret sollte die zukünftige Forschung die Anwendung von Large Language Models zur Automatisierung und Erleichterung von Wiederverwendungsszenarien untersuchen, einschließlich der Untersuchung der Anwendungsgrenzen.

Reusability of research products in form of digital resources such as data sets and modeling software is of utmost importance to science. It makes research transparent, sustainable, and accelerates the scientific endeavor. Over the past few decades, repositories for sharing research products have been established, and standards for the consistency of digital representations of resources have been developed. The aim is to facilitate the reuse of data and software. Since 2016, guidelines for Findable, Accessible, Interoperable and Reusable research products have been formulated, widely known as the FAIR Principles. The FAIR vision describes a future automated state in which humans assign tasks like data analysis and integration to machines. In light of these FAIR developments, one might think that reuse scenarios ranging from model validation based on existing measurement data, to model coupling using existing modeling software are smoothly executable. In reality, despite FAIR's focus on machines, reuse is still carried out mostly manually, i.e., humans find, integrate, and analyze existing research products, and reuse efforts remain time consuming and ineffective. Cryospheric sciences, which study all occurrences of frozen water on Earth, would particularly benefit from highly reusable research products. Measurements of a constantly shrinking cryosphere cannot be repeated, in-situ measurements during polar expeditions are costly, and cryospheric modeling software must be easily coupled with models from other geoscience domains. A holistic understanding of the cryosphere is essential to predict and mitigate the impacts of climate change. This requires the combination of cryospheric data and models at different scales, and their seamless, interdisciplinary integration with data and models from other geoscience domains. Therefore, the reusability of cryospheric research products and their current leverage in reuse scenarios needs to be investigated in depth. In this thesis, I investigate the reusability of cryospheric research products based on two case studies. Cryospheric Case Study I is a physics-based process model for coupled water vapor transport and settling in the snowpack. The model is characterized by modularity and extensibility. The reuse potential of the model's software is highlighted at the example of a real-world reuse scenario in form of a model comparison. Cryospheric Case Study II describes the approach followed to compile sea ice core measurement data into a comprehensive and analysis-ready database. This case study demonstrates the challenges encountered when manually harmonizing and combining distributed and heterogeneous data sets. Both case studies put a special focus on the transparency of the method and the reusability of the generated research products. The case studies effectively demonstrate that the reuse of cryospheric data and software is not trivial and not yet executable by machines alone. The sharing of cryospheric research products follows individual preferences, and the products lack standardization of data and metadata as well as quality information, both of which affect their understandability and interoperability. The case studies demonstrate: (1) the need to clearly communicate reuse needs in the form of reuse scenarios; (2) the large discrepancies between the many challenges faced when manually reusing a resource and the FAIRness of the resource, which reflects its machine reusability; and (3) the challenges experienced in manual reuse will be inherited by machines. In the future, reuse scenarios should be documented more effectively to represent the reuse perspective in a systematic way. A major focus should be on improving reusability with transparent and comprehensive documentation of data and software with metadata, the development of community-agreed standards for terminology and formats, and the prioritization and documentation of data and software quality. Such developments will benefit manual reusers, support the development of technologies that enable autonomous reuse, and it will facilitate the combination of small, heterogeneous, and distributed data sets. To automate reuse scenarios, future research should specifically investigate the application of large language models, including exploring their limitations.

OpenAccess:
PDF
(zusätzliche Dateien)