Zeitraum
01.01.2022 – 31.12.2023
Projektträger
DLR Raumfahrtagentur
Ansprechpartner
Prof. Dr.-Ing. Jürgen Kusche
Dr.-Ing. Anne Springer
Dr. Fupeng Li
Zusammenfassung
Es besteht wissenschaftlicher Konsens, dass Dürren, wie auch Überflutungsereignisse, in Europa zugenommen haben und voraussichtlich in den nächsten Dekaden weiter zunehmen werden. Fernerkundungsdatenprodukte sind zentral für die Quantifizierung von meteorologischen und hydrologischen Dürren, und damit auch für die landwirtschaftliche Pflanzenproduktion, den Handel mit Nahrungsmitteln und die Ernährungssicherheit. Allerdings werden für Dürreanalysen- und vorhersagen bislang überwiegend Niederschlags-, Bodenfeuchte- und Vegetationsdatenprodukte verwendet, während die Daten der GRACE/GRACE-FO Mission, die auch Oberflächen- und Grundwasserspeicher umfassen, praktisch wenig Verwendung finden. Ein wesentlicher Grund dafür ist die mit einigen 100 km vergleichsweise grobe räumliche Auflösung. So existieren keine saisonalen räumlich detaillierten Vorhersagen der Wasserspeicherung basierend auf GRACE/-FO Daten. In der Gruppe der Antragsteller wurde in den letzten Jahren ein System zur Assimilierung von GRACE-Daten in das hydrologische Modell CLM aufgebaut was letztlich ein Downscaling der GRACE-Daten auf 12 km, 1 Tag, sowie eine Partitionierung in Bodenfeuchte in verschiedenen Schichten (z.B. Pflanzenwurzelzone) bewirkt. Im vorgeschlagenen Projekt werden wir KI-Methoden nutzen, um das bestehende Assimilierungssystem zu optimieren, und – erstmals
- um eine Vorhersagekomponente mit einem Zeithorizont von einem Jahr zu ergänzen. Außerdem werden wir Bodenfeuchtedaten von Sentinel-1 darin integrieren. Über die Verknüpfung von Modell und Fernerkundungsdaten durch Datenassimilierungs- und KI-Algorithmen werden wir ein Produkt generieren, das räumlich und zeitlich detaillierte Informationen über Wasserspeicherkomponenten und Wasserflüsse liefert und vorhersagt. Wir erwarten, dass dieses Produkt beispielsweise in Frühwarnsystemen für agronomische Dürren und deren gesellschaftlichen Auswirkungen Verwendung finden wird; also dort wo es Zielsetzung ist die Zeitspanne zwischen Datenerhebung und dem Erkennen des Handlungsdrucks zu verkürzen.
Schließlich möchten wir unsere Arbeit und die Ergebnisse, die wir erzielen, der Öffentlichkeit (online) zugänglich machen.
