Earth System Data Exploration
Earth System Data Exploration
Über
Die ESDE-Gruppe erforscht den Einsatz modernster Deep-Learning-Methoden für die Analyse und Vorhersage atmosphärischer Daten mit Schwerpunkt auf Luftqualität und Wetter und engagiert sich für offene Daten und offene Wissenschaft.
Unsere Fähigkeit, Luftqualitäts-, Wetter- und Klimadaten zu analysieren, ist von grundlegender Bedeutung, um Leben zu retten, z. B. bei extremen Wetterereignissen, um die Natur und die biologische Vielfalt zu schützen und um durch wissenschaftlich fundierte Entscheidungen über Eindämmungs- und Schutzmaßnahmen wirtschaftliche Werte zu schaffen und zu erhalten. Modernes maschinelles Lernen kann eine wichtige Rolle spielen, um traditionelle Simulationsmodelle zu ergänzen oder sogar zu ersetzen und mehr Informationen aus der riesigen Menge an Umweltüberwachungsdaten zu extrahieren, die in den letzten Jahren verfügbar geworden sind. Wir sehen die Handhabung, Verarbeitung und Verteilung solcher Daten mit modernen Hochleistungsrechnertechnologien, die offenen, föderierten und FAIR-Prinzipien folgen, als eine notwendige Voraussetzung für den Aufbau nachhaltiger Werkzeuge für die Umweltanalyse, aber auch als ein interessantes Forschungsthema an sich.
Forschungsthemen
- Entwicklung von Werkzeugen und Methoden des maschinellen Lernens für die Interpolation, Vorhersage und Qualitätskontrolle globaler Luftverschmutzungsdaten, einschließlich Unsicherheitsanalyse und erklärbarer künstlicher Intelligenz (XAI),
- Untersuchung des Einsatzes von High-End-Deep-Learning-Methoden für die Wettervorhersage und das Downscaling der Ergebnisse von Wettermodellen,
- 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 Verbreitung von Extremdaten in Zusammenarbeit mit führenden Wetter- und Klimazentren.