DynAWI – Extremwettersituationen sicher und regionsspezifisch vorhersagen
Extremwettergefahren immer im Blick haben
Geodaten sind wichtig, um genau abschätzen zu können, wann und wo für die Landwirtschaft schädliche Extremwettersituationen auftreten werden. Allerdings wächst die Menge dieser Geodaten immer rasanter an. Es braucht daher effiziente „Big Data-Methoden“, um sie zum Nutzen der Landwirtschaft erschließen zu können. Diese Methodik soll im Projekt DynAWI entwickelt werden.
Unsere Landwirtschaft steht vor großen Herausforderungen: In Folge des Klimawandels wird sie sich an neue Extremwettersituationen anpassen müssen. Trockenheit, Dürre, Spätfrost, Starkregen oder Hagel wird es in Deutschland wohl zukünftig häufiger geben. Um mögliche Schäden für die Landwirtschaft - z.B. Bodenerosion oder Ernteeinbußen - so gering wie möglich zu halten, braucht es eine präzise regionsspezifische Vorhersage aufkommender Extremwettersituationen.
Geodaten in vier Schritten umfassend nutzbar machen
Um die immer umfangreicheren Geodatenzeitreihen – d.h. raumzeitlichen Satelliten- und Wetterdaten – verarbeiten und analysieren zu können, wird im Projekt DynAWI in einem ersten Schritt eine multidimensionale "DataCube"-Geodateninfrastruktur aufgebaut.
In einem zweiten Schritt werden dann in diesem Datenwürfel (DataCube) relevante agrarmeteorologische Parameter – wie z.B. Bodenfeuchte, Tagesniederschlag, Bodentemperatur – „raum-zeitlich“ verknüpft. So ergeben sich sogenannte "dynamische Agrarwetterindikatoren" (AWI), mit denen dann jedes Gebiet in Deutschland hinsichtlich der historischen und aktuellen Extremwettersituation in Echtzeit charakterisiert werden kann.
Um prognostische (vorhersagende) Verfahren der Künstlichen Intelligenz (KI) anwenden zu können, sind entsprechende Trainingsdaten erforderlich. Der dritte Schritt umfasst daher das Zusammenführen existierender Monitoringdaten (z.B. Ernteerträge, Ergebnisse von Bodenerosionskartierungen) und deren Standardisierung in einer gemeinsamen Datenbank.
Der vierte und letzte Schritt wird die Auswahl und Anwendung geeigneter KI-Verfahren sein. Damit sollen dann an lokale Standortbedingungen angepasste und optimierte AWIs identifiziert werden. Die daraus resultierenden Modelle erlauben es schließlich – unter Berücksichtigung relevanter Wetterprognosen und Klimatrenddaten – regionsspezifische raumzeitliche Vorhersagen von Extremwettersituationen machen zu können.
Besser einschätzen, was Wetterextreme bewirken
Am Ende des Projektes DynAWI werden dann sogenannte „AWI-Produkte“ vorliegen, die über standardisierte Schnittstellen Nutzern des nationalen und europäischen Datenraums (staatlichen Institutionen und privatwirtschaftlichen Anwendern) zur Verfügung gestellt werden. Diese AWI-Produkte werden ein wichtiges Instrument sein, um den Einfluss von Extremwettersituationen auf den Ertrag von Kulturpflanzen beurteilen zu können.
- Projektname: DynAWI (Dynamische Agrarwetterindikatoren zur Extremwetterprognose in der Landwirtschaft mit Methoden der künstlichen Intelligenz und des maschinellen Lernens (KI/ML))
- Ziel: Datenwürfel-Dienste zu Extremwettergefahren in der Landwirtschaft in die europäische Dateninfrastruktur GAIA-X integrieren
- Ansatz: Extremwettergefahren für die Landwirtschaft zeitlich und räumlich präziser prognostizieren
- Eingesetzte Künstliche Intelligenz: Machine learning (deep learning)
- Hauptstandort: Kleinmachnow, Brandenburg
- Projektkoordination: Julius Kühn-Institut Bundesforschungsinstitut für Kulturpflanzen (JKI), Institut für Strategien und Folgenabschätzung
- Projektbeteiligte: Julius Kühn-Institut Bundesforschungsinstitut für Kulturpflanzen (JKI), Universität Augsburg, rasdaman GmbH, Dr. Steinrücken und Dr. Behrens - Soilution - GbR, Vereinigte Hagelversicherung VVaG
Adresse
KI-Projekt DynAWI
14532 Kleinmachnow, Brandenburg