Unsere Dienstleistungen
umfassen ein breites Angebot um klimaklug zu Handeln:
Unsere Services
- Datenrekonstruktion, wie das Füllen von Datenlücken oder Zeitreihenverlängerung
- Datenprüfung hinsichtlich Plausibilität und statistischer Homogenität
- Datengetriebene Methoden wie Gradient boosting oder neuronale Netze (z. B. zur Füllung von stündlichen Radardaten)
- Multivariate Zeitreihenanalysen und Klimastatistik
- Geostatistische Verfahren zur raum-zeitlich Abbildung verschiedener Klimavariablen
- Simulation verschiedener Wasserhaushaltsgrößen
- Beratungsleistungen im Bereich Datenprüfung, Datenqualität
- Berechnung räumlicher Verteilung von Nebel und Nebelniederschlag
Daten
Datenaufbereitung
Zu Beginn vieler Projekte geht es erst einmal darum, eine Datengrundlage zu schaffen. Man braucht also z. B. räumliche Daten oder Zeitreihen von meteorologischen oder hydrologischen Messgrößen. Diese wiederum treiben typischerweise Modelle an, die verschiedene Dinge simulieren oder Szenarien berechnen sollen. Diese Modelle benötigen fast immer lückenlose, plausible Daten. Messdaten weisen üblicherweise zahlreiche Lücken und Messfehler auf. Auch haben viele Messdaten einen kleineren Messzeitraum, als für das Modell notwendig ist. Wie bieten an, solche Zeitreihen von Fehlern zu bereinigen, vorhandene Lücken zu füllen und die Zeitreihen auf die gewünschte Länge zu erweitern. Zum Einsatz kommen hier moderne Methoden des maschinellen Lernens die darauf ausgelegt sind, den Fehler hierbei zu minimieren und somit qualitativ hochwertige Zeitreihen generieren.
Zeitliches und räumliches Disaggregieren von Daten
Für die Vergangenheit, ebenso wie für Klimaläufe der Zukunft oder in Regionen mit wenig Daten liegen Messwerte häufig nur in Tagesauflösung vor. Hierfür haben wir Methoden entwickelt, die die zeitliche Auflösung verbessern, also aus Tageswerten Stundenwerte generieren. Aus einem Tagesmittelwert von 10°C wird somit ein Tagesgang mit einem Minimum von z. B. 3°C um 6 Uhr und einem Maximum von 17°C um 14 Uhr und entsprechend Werten in dieser Bandbreite zu den weiteren Tagesstunden. Die Qualität unserer Methode ist hierbei deutlich besser als die jeder anderen Methode. Ähnliches ist möglich bei grober räumlicher Auflösung: Klimamodelle und Reanalysen haben häufig eine räumliche Auflösung vom Bereich von 100×100 km. Für viele Anwendungen ist aber eine höhere Auflösung von z. B. 1×1 km oder 100×100 m erforderlich. Durch eine Kombination von geostatistischen Methoden mit Methoden des Maschinellen Lernens ist es uns möglich entsprechende Daten zu erzeugen. Das ist auch gleichzeitig möglich: Eingangsdaten in Tagesauflösung und grober räumlicher Auflösung werden zu Stundendaten in feiner räumlicher Auflösung.
Modelle
Daten-getriebene Modelle
Oft werden physikalische oder empirische Modelle verwendet, um aus verschiedenen Eingangsgrößen eine oder mehrere Zielgrößen zu bestimmen. Wenn bereits Messungen der Zielgröße vorliegen kann es sinnvoll sein, ergänzend ein Daten-getriebenes Modell aufzusetzen, um die Zielgröße zu bestimmen. Insbesondere empirische Zusammenhänge lassen sich mit Methoden des maschinellen Lernens fast immer besser abbilden, als klassische empirische Gleichungen dies könnten. Je nach Zielgröße lässt sich so oft ein qualitativ besseres Ergebnis erhalten. Auch lassen sich die Ergebnisse der klassischen Modelle als zusätzliche Eingangsgrößen verwenden, wodurch die Qualität typischerweise noch gesteigert wird.
Beratung
Welche Daten und Modelle brauche ich für meine Zielstellung? Was haben meine vorhanden Daten für Potential? Wenn Sie ein Ziel haben, suchen wir gemeinsam dem Weg.
Nebel und Nebelniederschlag
Nebel und Nebelniederschlag lassen sich trotz vielen Jahrzehnten intensiver Forschung immer noch sehr schwer räumlich und zeitlich abbilden. Dabei spielen diese in vielen Bereichen eine immens wichtige Rolle: im Straßen-, Schiffs- und Luftverkehr und Bereich der erneuerbaren Energie: Nebel reduziert die Leistung von Photovoltaikanlagen, Nebelniederschlag im Winter ist gefährlich für Windenergieanlagen und macht eventuell Enteisungsanlagen notwendig. Ebenso ist Nebelniederschlag relevant für den Wasserhaushalt in Mittelgebirgsregionen sowie als Wasserressource in sonst trockenen Gebieten und für Epiphyten. Mit unserer entwickelten Methodik ist es möglich, sowohl das Auftreten von Nebel als auch die Menge an Nebelniederschlag auf Vegetation in hoher zeitlicher und räumlicher Auflösung zu berechnen. Beispielhaft sei die Seite unsere www.nebelzentrale.de sowie der Datensatz der täglichen Nebelniederschlagssummen für Deutschland über 70 Jahre (https://doi.org/10.4211/hs.da5eac92f1ff442980916d0cc58d0aa1) genannt.