Projektinhalte

Dynamische AgrarWetterIndikatoren zur Extremwetterprognose in der Landwirtschaft mit Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML)

Die Landwirtschaft in Deutschland steht vor der Herausforderung, sich an ein verändertes Auftreten von Extremwettersituationen in Folge des rezenten Klimawandels anzupassen. Das Projektvorhaben DynAWI (Dynamische Agrarwetterindikatoren zur Prognose der Auswirkungen von Extremwettersituationen in der Landwirtschaft mit Methoden der künstlichen Intelligenz) verfolgt das Ziel, eine Prozesskette zur Geodatenintegration und -analyse durch die Kopplung von skalierbaren Geodateninfrastrukturen (Data Cubes) mit Methoden der künstlichen Intelligenz (KI) zu entwickeln, um eine raum-zeitliche Vorhersage zu aktuellen Extremwettersituationen (z.B. Trockenheit, Dürre, Spätfrost, Starkregen, Hagel) in Deutschland geben zu können. Mit DynAWI werden dazu erweiterbare Datenbanken zu Extremwettersituationen aufgebaut und daraus standardisierte Parameter abgeleitet. Die Daten, v.a. Geodatenzeitreihen (z.B. Wetter- und Satellitenbilddaten) werden in einer „Data-Cube" Infrastruktur des Julius Kühn-Institutes verwaltet, die eine effiziente und maßstabsspezifische Datenintegration und -abfrage erlaubt. Aus den standardisierten Daten werden Agrarwetterindikatoren (AWI) für spezifische Jahre, phänologische Phasen und Extremwetterphänomene abgeleitet und können mit einem Webdienst-basierten AWI-Konfigurator flexibel analysiert werden. Die parametrisierten Extremwettersituationen fungieren schließlich als KI-Trainingsdaten, um jedes Gebiet in Deutschland hinsichtlich der historischen und aktuellen Extremwettersituation charakterisieren zu können.