Vorhersage von Strahlungsnebel durch die Kombination von Stations- und Satellitendaten mittels maschineller Lernverfahren (FOG-ML)

• Antragsteller: Professor Dr. Jörg Bendix; Dr. Boris Thies
• Fachliche Zuordnung: Physische Geographie
• Förderung: Förderung von 2019 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 424021288

Nebel und die damit verbundenen schlechten Sichtverhältnisse beeinträchtigen in besonderem Maße die Sicherheit im Auto-, Schiffs- und Flugverkehr. In diesem Zusammenhang kann eine genaue und möglichst frühzeitige Prognose der Nebelbildung und -auflösung wesentlich dazu beitragen, die Verkehrssicherheit und -leitung zu verbessern. Allerdings bleibt, vor allem aufgrund der Komplexität der physikalischen Prozesse sowie der Auswirkungen der lokalen Geographie und der Witterungseinflüsse auf die Nebeldynamik, die genaue Vorhersage von Bodennebel mittels numerischer Modelle bis heute schwierig. Dagegen zeigen maschinelle Lernverfahren vielversprechende Ergebnisse hinsichtlich der Nebelvorhersage und stellen eine echte Alternative zur numerischen Nebelvorhersage dar. Die bisherigen maschinellen Lernverfahren zur Nebelprognose wurden allerdings lediglich für ausgewählte Stationen entwickelt und berücksichtigen dabei nicht die explizite Erfassung der zeitlichen und räumlichen Aspekte der Nebelentwicklung im näheren Umfeld der jeweiligen Stationen. Hier kann die Kombination von lokalen Messungen und raumzeitlich hochaufgelösten Satellitendaten zu einer Verbesserung der Nebelvorhersage beitragen. Maschinelle Lernverfahren bieten das Potential, große Datenmengen unterschiedlicher Eigenschaften optimal zu kombinieren und für die Nebelvorhersage nutzbar zu machen. Allerdings existiert bislang noch kein auf maschinellen Lernverfahren basierendes Verfahren zur Nebelvorhersage mittels Stationsmessungen und raumzeitlich hochaufgelöster Satellitendaten.Ausgehend von den bisherigen Erfahrungen innerhalb der Arbeitsgruppe der Antragsteller bezüglich des Einsatzes maschineller Lernverfahren zur satellitenbasierten Nebelerkennung und Niederschlagsfernerkundung soll daher im Projekt ein deutschlandweites Nebelvorhersagesytem (Bildung und Auflösung) basierend auf der Kombination von Stationsdaten und raumzeitlich hochaufgelösten MSG SEVIRI (Meteosat Second Generation Spinning Enhanced Visible and Infrared Imager) Rapid Scan Daten zu den nebelrelevanten Variablen entwickelt werden. Ein solcher Ansatz unter Berücksichtigung aller zeitlich und räumlich relevanten Variablen gewährleistet zum einen die optimale Nutzung der verfügbaren Informationen für eine verbesserte Nebelvorhersage und eröffnet zum anderen die Möglichkeit flächendeckener Vorhersagen der Nebelbildung und Nebelauflösung in hoher raumzeitlicher Auflösung. Angesichts der großen gesellschaftlichen Relevanz und des hohen Bedarfs an zuverlässigen raumzeitlich hochaufgelösten Nebelvorhersagen stellt das Projekt somit einen wesentlichen Beitrag zur besseren Modellierung dieses Phänomens dar.

• DFG-Verfahren: Sachbeihilfen