Ziel

Wir verbinden Methoden der künstlichen Intelligenz und des Maschinellen Lernens mit Systemen zur Bereitstellung und Prozessierung von Geodaten, um aktuelle, räumlich und zeitlich hoch aufgelöste Karten zu Extremwettergefahren für die Landwirtschaft zu erstellen. Die Agrarwetterindizes werden mit kontinuierlichen Messdaten aus dem Gelände validiert, um die Unsicherheiten der Indizes zu bestimmen. Zusätzlich werden die Vorteile der DataCube-Technologie für die Analyse von Big Data erprobt.