Daten der Natur, Natur der Daten

Licht in den Nebel bringen

21. September 2020 Nebelvorhersagesystem mithilfe von Algorithmen

Wegen schlechter Sicht verschiebt sich ein Flug von Frankfurt nach Mallorca. Auf der Autobahn verursacht überfrierende Nässe eine Massenkarambolage. Und auf dem Nord-Ostsee-Kanal kollidieren zwei Frachter: In der Schifffahrt, im Flug- oder Autoverkehr sorgt Nebel immer wieder für Verzögerungen oder gar für tragische Unfälle. Während der Wetterdienst in der Lage ist, Bewölkung oder Sonnenschein für die nächsten Tage vorherzusagen, lässt die Nebelvorhersage nach wie vor zu wünschen übrig.

Buchstäblich Licht in den Nebel bringen – das will das Projekt „Vorhersage von Strahlungsnebel durch die Kombination von Stations- und Satellitendaten mittels maschineller Lernverfahren“.

Wissenschaftlich betrachtet liegt Nebel immer dann vor, wenn die Sichtweite unter einem Kilometer liegt – und diese Situation kann entstehen, wenn eine tief liegende Schicht- oder Stratuswolke, die aus unzähligen kleinen Tropfen besteht, den Boden berührt. Abhängig ist dies von der Beschaffenheit des Ortes: von Bäumen, Häusern, Flüssen ebenso wie von Turbulenzen in der unteren Atmosphäre.

„Aufgrund der komplexen physikalischen Prozesse sowie der Auswirkungen der lokalen Geografie und der Witterungseinflüsse auf die Nebeldynamik bleibt die genaue Vorhersage von Bodennebel mittels numerischer Modelle bis heute schwierig“, erklärt der Geograf Jörg Bendix von der Universität Marburg. „Diese sehr kleinräumigen Skalen können numerische Vorhersagemodelle nicht abbilden.“ Hingegen zeigten Verfahren des Maschinellen Lernens (ML), also selbstoptimierende
Algorithmen als Basis Künstlicher Intelligenz, vielversprechende Ergebnisse: „Sie stellen eine
echte Alternative zur numerischen Nebelvorhersage dar.“

Diese Algorithmen sind Bestandteil der 2019 von der DFG bewilligten Sachbeihilfe „Vorhersage von Strahlungsnebel durch die Kombination von Stations- und Satellitendaten mittels maschineller Lernverfahren (FOG-ML)“, die Bendix mit seinem Marburger Kollegen Boris Thies beantragt
hat. „Ziel ist ein deutschlandweites Nebelvorhersagesystem, das für die nächsten Minuten bis zu einigen Stunden darüber Auskunft gibt, wie sich der Nebel weiterentwickelt, ob er sich verdichtet oder gar auflöst.“

Dafür kombinieren die Forscher Stationsdaten beispielsweise von Flughäfen mit raumzeitlich hochaufgelösten Satellitendaten mithilfe von maschinellen Lernverfahren. Die Algorithmen
bieten das Potenzial, große Datenmengen unterschiedlicher Eigenschaften optimal zu kombinieren
und damit die Nebelvorhersage zu verbessern. Mit dem aktuellen DFG-Projekt
knüpfen die Marburger Geografen nahtlos an eine Reihe bereits erfolgreich abgeschlossener DFG-Sachbeihilfen an. Diese kontinuierliche Förderung hat dazu beigetragen, dass die Arbeitsgruppe aus dem Bereich der Atmosphärenwissenschaften deutschlandweit führend in den maschinellen Lernverfahren ist. Bendix hofft, dass der Deutsche Wetterdienst, mit dem seine Arbeitsgruppe
seit Jahren eng zusammenarbeitet, das künftige Nebelvorhersagesystem etablieren kann.