DeepRain – Effiziente Lokale Niederschlagsvorhersage durch Maschinelles Lernen
Trotz der ständigen Weiterentwicklung der Wettervorhersagemodelle und der zugehörigen Datenassimilation lassen sich vor allem starke Niederschlagsereignisse mit ihren geringen räumlichen Ausdehnungen bis heute nur schlecht vorhersagen. Die Unsicherheit der Starkregen- und Gewittervorhersagen hat zum Teil erhebliche wirtschaftliche Konsequenzen und erschwert beispielsweise die Planung vorbeugender Schutzmaßnahmen.
Ziel des Forschungsvorhabens DeepRain ist die Berechnung von Wahrscheinlichkeiten für starke, mittlere und schwache Regenereignisse (inklusive der zu erwartenden Niederschlagsmenge) und für das Auftreten von Gewittern im gesamten Bundesgebiet über einen Zeitraum von 24 Stunden mit einer räumlichen Auflösung von 1 km oder besser. Die Vorhersagen basieren auf Modellvorhersagen des Deutschen Wetterdienstes und Daten von Regenradaren, die aufgrund ihrer Messcharakteristik und Datenstruktur bislang kaum für solche Zwecke genutzt werden konnten.
In dem Vorhaben werden Methoden des Maschinellen Lernens mit Systemen zur Datenbereitstellung und –prozessierung verbunden, um räumlich und zeitlich hoch aufgelöste Karten mit verbesserten und validierten Niederschlagsvorhersagen einschließlich der Darstellung ihrer Unsicherheiten zu generieren. Neben der eigentlichen Methodenentwicklung werden Aspekte der Daten-Kuration und Effizienz gezielt untersucht, um am Ende des Projektes eine vollständige Prozesskette zu demonstrieren, welche in eine operationelle Nutzung überführt bzw. in bestehende Workflows eingebettet werden kann. Aufgrund der enormen Datenmenge und wegen der Komplexität der Daten wird die Implementierung des DeepRain Systems auf den Höchstleistungsrechnern am Forschungszentrum Jülich stattfinden.
Projektkoordinator:
Forschungszentrum Jülich GmbH Jülich
Supercomputing Centre