Arbeitspakete

AP 5: Entwicklung eines Niederschlagsvorhersagemodells

Starkregenereignisse zeichnen sich durch eine hohe Dynamik im Entstehungsprozess aus. Diese Dynamik lässt sich mit klassischen Vorhersageverfahren nur schwer abbilden, wodurch insbesondere Intensitätsspitzen, aber auch die räumliche Ausdehnung von Starkregenzellen häufig unter- oder überschätzt werden. Im hier beschriebenen Arbeitspaket soll daher ein neuer Ansatz zur Niederschlagsvorhersage auf Basis von Künstliche Intelligenz (KI) in Form von Maschinellem Lernen (ML) untersucht werden. Dabei werden die ML-Verfahren darauf trainiert, die Zusammenhänge zwischen Niederschlagsmessungen der vergangenen Zeitschritte und künftiger Zeitschritte zu erlernen. Die ML-Verfahren greifen dabei sowohl auf Radarniederschlagsmessungen als auch auf Daten von terrestrische Stationen zurück. Anschließend sollen die erlernten Zusammenhänge genutzt werden, um im operationellen Betrieb das künftige Niederschlagsgeschehen auch unter Berücksichtigung dynamischer Veränderungen in den Starkregenzellen vorherzusagen. Ziel ist es so, die Genauigkeit von Starkregenprognosen hinsichtlich der zeitlichen und räumlichen Entwicklung sowie der Intensität von Regenzellen zu verbessern.

Damit die Modelle effizient trainiert werden können, sind zunächst umfangreiche Datensätze erforderlich. Diese werden im AP 5 aus verschiedenen Quellen akquiriert. Dazu zählen zunächst Open-Source-Quellen (u. a. DWD) und Messdaten der beteiligten Projektpartner. In der zweiten Projekthälfte werden dann zusätzliche, aus dem hochauflösenden terrestrischen Niederschlagsmessnetz (AP 2) erfasste Daten in das Training und den Vorhersageprozess mit eingebunden. Besonders geeignete ML-Modelle werden gegen Ende der Projektlaufzeit in die Plattform (AP 4) eingebunden. Im späteren operationellen Betrieb erzeugt das Modell mit der Niederschlagsvorhersage gleichzeitig die Belastung für das Überflutungsvorhersagemodell in AP 6.

Ansprechpartner:innen: