Data Science in den Klima- und Umweltwissenschaften

Die Wechselwirkungen in der Klima- und den Umweltwissenschaften sind hochkomplex. Gleichzeitig werden die mit neuen Geräten und Sensoren erzeugten Datensätze immer größer, Modelle und Modellierungstools zur Analyse der Datensätze werden immer umfassender und vielschichtiger. Daraus entsteht die Notwendigkeit, Methoden der künstlichen Intelligenz (maschinelles Lernens, neuronale Netze, etc.) anzuwenden um die gemessenen oder modellierten Datensätze zu analysieren, zu validieren und letztendlich die angewandten Modelle zu verbessern.

Anwendungen finden sich z.B. in den Themenbereichen:

• Klimamodellierung
• Wettervorhersage (auch von Wetterextremereignissen z.B. Hurricanes)
• Fernerkundung und Kartierung
• Physikalische und chemische Prozesse in der Atmosphäre zu verstehen und zu modellieren
• Ozon-Bestimmung in der Stratosphäre
• Analyse seismischer Daten
• Hochwasservorhersage
• Zeitreihenanalyse