Bitte wählen Sie den gewünschten Projektzeitraum:
- Juli 2026
- Januar 2026
- Juli 2025
- Januar 2025
- Juli 2024
- Januar 2024
- Juli 2023
- Januar 2023
- Juli 2022
- Januar 2022
- Juli 2021
- Januar 2021
- Juli 2020
- Januar 2020
- Juli 2019
- Januar 2019
- Juli 2018
- Januar 2018
- Juli 2017
- Januar 2017
- Juli 2016
- Januar 2016
- Juli 2015
- Januar 2015
- Juli 2014
- Januar 2014
- Juli 2013
- Januar 2013
- Juli 2012
- Januar 2012
- Juli 2011
- Januar 2011
- Juli 2010
- Januar 2010
- Juli 2009
- Januar 2009
- Juli 2008
- Januar 2008
- Juli 2007
- Januar 2007
- Juli 2006
- Januar 2006
- Juli 2005
- Januar 2005
- Juli 2004
- Januar 2004
- Juli 2003
- Januar 2003
- Juli 2002
- Januar 2002
- Juli 2001
- Januar 2001
Förderbeginn 01.01.2021
KI-unterstützte Wolkentomographie für Fernerkundung von Wolkeneigenschaften zur Verbesserung kurzfristiger Solarenergievorhersagen
Prof. Dr. Bernhard Mayer
Ludwig-Maximilians-Universität München
Lehrstuhl für Experimentelle Meteorologie
Prof. Dr. Katherine L. Bouman
California Institute of Technology, Pasadena (CALTECH)
Department of Computing and Mathematical Sciences
Wolken sind eine der zentralen Komponenten des Klimasystems, und Künstliche Intelligenz (KI) hat das Potential, Fernerkundungsmethoden für Wolken signifikant zu verbessern. Ziel des Projekts ist die Entwicklung einer neuen tomographischen Fernerkundungsmethode, ähnlich der Computertomographie in der medizinischen Diagnostik. Wir planen ein KI-gestütztes Verfahren für die Rekonstruktion von 3D Wolkeneigenschaften aus Beobachtungen unter mehreren Blickrichtungen zu entwickeln. Traditionelle Fernerkundungsmethoden nähern Wolken stark vereinfacht als eindimensionale, horizontal homogene Wolkenschichten an. Für konvektive Wolken, die einen Großteil der globalen Bewölkung ausmachen, führt diese Annahme zu einem signifikanten Bias. Deshalb werden bessere Methoden zur Untersuchung von Wolkeneigenschaften benötigt, um zum Beispiel die Kurzfristvorhersage von Solarenergie zu verbessern. Zudem können satellitengestützte Langzeitbeobachtungen von Wolkeneigenschaften unser Verständnis der Rolle von Wolken in der Energiebilanz der Erde verbessern.