Anschlussprojekte | Sonderprojekte

Förderbeginn 01.07.2024

Ein Deep-Learning Ansatz zur 3D Fernerkundung von Wolken

Prof. Dr. Bernhard Mayer
Ludwig-Maximilians-Universität München
Lehrstuhl für Experimentelle Meteorologie

Dr. Linda Forster
NASA Jet Propulsion Laboratory
Near Earth Tracking Systems and Applications


Dieses Projekt stellt einen neuen Deep-Learning (DL) Ansatz zur Wolkenfernerkundung vor mit dem Ziel Klimavorhersagen zu verbessern. Traditionelle Methoden liefern oft Ergebnisse mit Bias aufgrund vereinfachter Wolkenmodelle. Das neue DL-Modell, das auf einer Convolutional Neural Network (CNN) Architektur basiert, leitet Wolkeneigenschaften aus Stereo-Satellitenbildern unter mehreren Blickwinkeln ab und berücksichtigt dabei die dreidimensionale Geometrie der Wolken. Diese Methode verbessert die Genauigkeit, liefert Unsicherheitsabschätzungen und spart Rechenaufwand. Die Integration dieser DL-Methode in einen tomographischen Rekonstruktionsprozess liefert Wolkeneigenschaften als 3D Volumen mit verbesserter Effizienz und Skalierbarkeit und setzt damit einen neuen Standard in der Fernerkundung von Atmosphäre.