Welche Rebsorte kann ich in den nächsten Jahrzehnten auf meinem Land anbauen?
Zunehmende Veränderungen der Umweltsituation stellen Verantwortliche in der Stadtplanung, Land- und Forstwirtschaft vor neue Herausforderungen. Kompetente Entscheidungen zum Umgang mit den sich verändernden Umweltbedingungen können nur getroffen werden, wenn genug Wissen über die Gegenwart und Zukunft von Naturressourcen und Naturrisiken in der betroffenen Region vorliegt. Gerade solches Wissen ist zumeist allerdings schwer abrufbar, unübersichtlich oder unverständlich. Im Zuge des Projekts BigData@Geo, welches durch den Europäischen Fonds für Regionale Entwicklung (EFRE) gefördert wird, entwickelt die Julius-Maximilians-Universität Würzburg auf dieser Seite ein Webportal, welches Projektionen aus Erdmodellen speziell für die Einsatzzwecke von 15 kooperierenden kleinen und mittelständischen Unternehmen (KMU) aus der Region Unterfranken übersichtlich darstellt und leicht verständlich zugänglich macht. Dabei werden regionale Erdsystemmodelle der Geografie mithilfe neuester Methoden des Machine Learnings aus der Informatik erweitert sowie mit lokalen Sensordaten kombiniert, um eine noch nie dagewesene Auflösung und Genauigkeit bei der Projektion, Vorhersage und Analyse von Umweltdaten zu erreichen. So wird die Möglichkeit einer langfristigen und nachhaltigen Planung für die kooperierenden KMU stark vereinfacht und die Zukunftsfähigkeit der regionalen Wirtschaft unterstützt.
Wie wahrscheinlich wird Spätfrost in den nächsten Jahrzehnten?
Weitere Nutzungsszenarien, für die dieses Projekt den Klimaatlas entwickelt, finden sich hier.
Wir sammeln täglich deutschsprachige Tweets zum Thema Wetter und Klima und analysieren diese vollautomatisch mithilfe von Maschinellem Lernen. So können wir Trends (im Vergleich zu den letzten Tagen) in der Relevanz („Werden Wetter- und Klimathemen aktuell mehr oder weniger stark besprochen?“) und in der Stimmungslage („Werden Wetter- und Klimathemen aktuell positiver oder negativer bewertet?”) berechnen.
Im Vergleich zu den Tagen zuvor, wurden Wetter- und Klimathemen gestern bei Twitter tendenziell…
Hier finden Sie die neuesten drei Ankündigungen des Projekts. Eine Übersicht über alle Neuigkeiten gibt es hier.
Die Arbeitsgemeinschaft Naturgemäße Forstwirtschaft Bayern e.V. veranstaltete das Seminar “Wasser und Wald” an der Universität Bayreuth. Unter den angefragten Referenten war auch Daniel Abel, der unter dem Titel “Wasserhaushalt auf Landschaftsebene — Ein unterfränkischer Fokus” Ergebnisse des EFRE-Projekts BigData@Geo vorstellte. Inhaltlich wurden dabei die Temperatur- und Niederschlagsanomalien sowie daraus resultierende trockene Böden der letzten Jahre in Unterfranken beschrieben sowie in einen historischen, großräumigen und zukünftigen Kontext gesetzt. Abschließend wurde die zukünftige Entwicklung von Temperatur und Niederschlag unter den beiden Szenarien RCP4.5 und RCP8.5 thematisiert.
Der Klimawandel macht nicht nur Akteuren in der Land- und Forstwirtschaft zu schaffen, sondern kommt zunehmend in der breiten Gesellschaft an. Unsere Bestrebungen, diese Rezeption zu quantifizieren, haben wir nun in ein Tool gegossen: Das Social Media Barometer, welches direkt auf der Startseite einen Überblick bietet.
Die Forschung im BigData@Geo-Projekt zum Thema Klimadaten und Machine Learning hat einige Früchte getragen. Eine davon ist nun im Journal “Data Mining and Knowledge Discovery” erschienen. Die wissenschaftliche Arbeit “ConvMOS: climate model output statistics with deep learning” von Michael Steininger, Daniel Abel, Katrin Ziegler, Anna Krause, Heiko Paeth und Andreas Hotho ist nun online verfügbar. In dem Paper geht es um die Verbesserung der Ausgabe von Klimamodellen mithilfe von neuronalen Netzen.
