Earth System Data Exploration

Earth System Data Exploratio

Über

Die ESDE-Gruppe untersucht die Verwendung fortgeschrittener Deep Learning-Methoden und hochskalierter Datenworkflows zur Analyse und Vorhersage atmosphärischer Daten, insbesondere in Bezug auf Luftqualität und Wetter.

Unsere Fähigkeit, Luftqualität, Wetter und Klimadaten zu analysieren, ist von überragender Bedeutung, um Leben zu bewahren - beispielsweise während extremer Wetterereignisse, Natur und Biodiversität zu schützen und wirtschaftliche Werte zu schaffen und zu erhalten. Dies kann nur aufgrund von wissenschaftlich fundierten Entscheidungen über Minderungs- und Schutzmaßnahmen gelingen. Modernes Maschinelles Lernen kann traditionelle Simulationsmodelle ergänzen oder sogar zum Teil ersetzen und mehr Informationen aus der ungeheuren Menge an Umweltüberwachungsdaten extrahieren. Die Verwaltung, Verarbeitung und Verteilung dieser Daten mit moderner Hochleistungsrechentechnologie soll den Prinzipien offener, föderierter und FAIRer Daten folgen. Diese sind eine notwendige Voraussetzung zur Entwicklung nachhaltiger Werkzeuge für die Analyse der Umwelt, aber auch ein interessantes Forschungsthema in sich selbst. Die ESDE-Gruppe arbeitet an End-to-End-Lösungen zusammen mit vielen internationalen Partnern, um die Forschung zu Luftqualität und Wetter zu revolutionieren.


Im Rahmen der Programmorientierten Förderung (PoF IV) von Helmholtz Information trägt diese Gruppe zu Programm 1 “Engineering Digital Futures”, Topic 1 „Enabling Computational- & Data-Intensive Science and Engineering“ bei und ist Teil des Joint Lab Exascale Earth System Modelling (ExaESM) sowie des Center for Advanced Simulation and Analytics (CASA).

Forschungsthemen

  • Entwicklung von Maschinenlernverfahren und -methoden zur Interpolation, Prognose und Qualitätskontrolle globaler Luftverschmutzungsdaten einschließlich Unsicherheitsanalyse,
  • Untersuchung der Eignung von High-End Deep-Learning-Methoden für Wettervorhersagen und das statistische Downscaling von Wettermodell-Ausgaben,
  • Aufbau und Pflege einer weltweit führenden Dateninfrastruktur für globale Luftqualitätsbeobachtungen mit webbasierten Analyse- und Visualisierungsfunktionen,
  • Entwicklung FAIRer und skalierbarer Workflow-Lösungen für die Verwaltung und Bereitstellung extremer umfangreicher Daten in Zusammenarbeit mit führenden Wetter- und Klimazentren.

Kontakt

PD Dr. Martin Schultz

JSC

Gebäude 14.14 / Raum 4010

+49 2461/61-96870

E-Mail

Unsere Teams

Dateninfrastruktur und Workflows

Das Team "Dateninfrastruktur und Workflows" konzentriert sich auf die Entwicklung und Bereitstellung modernster Dateninfrastruktur und analytischer Methoden für die Bewertung der Luftqualität. (Leitung: Sabine Schröder)

Mehr
WeatherAI

Unser WeatherAI-Team ist führend in der Anwendung fortschrittlicher Deep-Learning-Methoden für die Modellierung des Erdsystems, mit besonderem Fokus auf Wettervorhersagen. (Leitung: Michael Langguth)

Mehr
ClimateAI

Unser ClimateAI-Team konzentriert sich auf die Erforschung und Anwendung von Deep-Learning- und Künstliche-Intelligenz (KI)-Tools auf Klimadaten. (Leitung: Savvas Melidonis)

Mehr

Das Team "Dateninfrastruktur und Workflows" konzentriert sich auf die Entwicklung und Bereitstellung modernster Dateninfrastruktur und analytischer Methoden für die Bewertung der Luftqualität. (Leitung: Sabine Schröder)

Mehr
Projekte

Wir sind stolze Partner der AtmoRep-Initiative, welches als Katalysator für das EU-Projekt WeatherGenerator, das ein starkes Konsortium von 21 Partnern vereint, fungiert. Innerhalb von WeatherGenerator konzentriert sich RAINA auf extreme Wetterereignisse, insbesondere auf starke Niederschläge und Überschwemmungen, während HClimRep die Darstellung von längeren Zeitskalen verbessert.

Darüber hinaus engagieren wir uns aktiv im BMBF-geförderten WarmWorld Smarter and Easier-Projekt. Außerdem sind wir Teil des BMBF-geförderten WestAI-Servicezentrums.

Mitglieder

Letzte Änderung: 30.04.2025