Masterarbeit: KI/ML für räumliche Niederschlagsaufzeichnungen von Wetterstationen durch Training mit Radardaten über Deutschland

Moderne Niederschlagsaufzeichnungen enthalten eine Menge High-End-Hardware. Um dennoch ein valides räumliches Feld von Wetterstationen zu erhalten, müssen statistische oder numerische Methoden oder Modelle angewendet werden. Radare können Informationen zwischen den Stationen bezüglich der Reflektivität von Niederschlagstropfen (Regen/Schnee/Mischung) überbrücken. Allerdings handelt es sich dabei um völlig unterschiedliche Messverfahren. AI/ML-Methoden sind darauf ausgelegt, Verbindungen in Raum und Zeit zu finden. Manchmal gehen sie sogar noch einen Schritt weiter, wenn AI/ML-Methoden verwendet werden, um fehlende Informationen von verwandten Klimainformationen zu ergänzen (siehe Kadow et al. 2020). Die Masterarbeit wird die Möglichkeit untersuchen, wissenschaftlich valide räumliche Niederschlagsfelder durch die Kombination von Stations- und Radardaten mittels dieser KI/ML-Techniken zu bilden.

Diese Arbeit wird in Kooperation mit Laurens Bouwer vom German Climate Service Center (GERICS) durchgeführt.

Interessiert? Bitte kontaktieren Sie Dr. Christopher Kadow unter a2Fkb3dAZGtyei5kZQ==


 

Weiteres folgt...