Blending aktueller Wetterlage mit NWP-Modellen
Inhalt
Das Wetter stellt nach wie vor eine zwar nicht beeinflussbare aber trotzdem planbare Komponente im europäischen Flugsicherungs-Netzwerk dar. Insbesondere in der warmen Jahreszeit bilden konvektive (durch eine labile Luftschichtung bewirkter vertikaler Transport von Luftpaketen) Wettererscheinungen wie CB-Bewölkung (Gewitterwolken) und Gewitter dynamische Hindernisse, die einer reibungslosen Steuerung der Luftfahrt im Wege stehen. Nun läßt sich das Wetter zwar nicht beeinflussen, verbesserte Planungsmaßnhamen können aber dazu beitragen, die Auswirkungen auf das ATM -Gesamtsystem zu verringern. Ziel des Projekts AAA4ATM (Analysis of Available Airspace for ATM) ist ein Analyse- / Vorhersagesystem, das ausgehend von der aktuellen Verteilung der verkehrsbehindernden konvektiven Wettererscheinungen auf bis zu 6 Stunden den zukünftigen verfügbaren Luftraum bestimmen kann. Zur Lösung dieser Aufgabenstellung werden entsprechende Bildverarbeitungs-Algorithmen der Objekt- und Strukturerkennung, der Merkmalsextraktion, Tracking und Extrapolation, sowie im meteorologischen Bereich Downscaling bzw. Upscaling angewendet.
Die Thematik der hier ausgeschriebenen Diplom- / Master-Arbeit ist das Blending (dh. die Überlagerung bzw. Überführung) der Daten (v.a. Radarbilder oder auch Satellitenbilder) der aktuell vorherrschenden Wetterlage mit den Daten aus numerischen Vorhersagemodellen (Numerical weather prediction – NWP). Da Modelldaten und Bildmaterial in unterschiedlichen zeitlichen und geometrischen Auflösungen vorliegen, werden Verfahren benötigt, die eine Verbindung zwischen dem Datenmaterial und vorliegendem Modell herstellen. Die Arbeit umfasst daher Methoden/Lösungen zu den Fragestellungen:
Bewertung der Übereinstimmung von Daten und Modell: Wie gut passen Objekte von Modell und Bilddaten zusammen? Dabei wird neben der Genauigkeit des Modells auch der Prognosezeitraum berücksichtigt. (z.B. durch die Synthese eines Radarbildes aus Niederschlagsmessungen oder die Erkennung der Entsprechung von im Radarbild erkannten (Cluster-)Strukturen im Modell.)
Matching von Strukturen und Objekten: In Abhängigkeit des Abstrahierungslevels sollen geeignete Methoden entwickelt werden, um eine Registrierung zwischen Daten und Modell durchzuführen. Für kurzfristige Planungsschritte kann dabei pixelbasiertes Matching eingesetzt werden, während auf höheren Levels (Merkmale, Objekte) komplexere Verfahren benötigt werden (z.B. Non-rigid Registration).
Nötiges Know.-How: Computer Vision, Pattern Recognition, Image-Registration, Python, C++
