Universität Leipzig

Die bodengebundene Fernerkundung von Wolken dient der Erforschung der Wolkenbildung und der Verbesserung der Niederschlagsvorhersage, was sehr wichtig für die Leistungsprognose erneuerbarer Energien ist. Bisher liegt diesbezüglich in Deutschland ein starker Fokus auf den Niederschlagsradargeräten des Deutschen Wetterdienstes (DWD), die für die Beobachtung und Kürzestfristprognose von Niederschlag genutzt werden. Erst seit wenigen Jahren sind Netzwerke von weiterentwickelten Fernerkundungsmethoden im Aufbau, die weitaus vielfältigere atmosphärische Messungen erlauben (CLOUDNET). Daraus ergeben sich zwei Hauptziele des Projektes: Zum einen wird analysiert werden, wie künstliche neuronale Netze für die Leistungsprognose von Photovoltaik- und Windkraftanlagen optimiert werden können, wenn zusätzliche Daten von Wetterstationen und bodengebundenen Fernerkundungsmessungen implementiert werden. Zum anderen sollen für Wolkenbeobachtungen Ableitungsalgorithmen weiterentwickelt werden, um die Bestimmung der Wolkeneigenschaften zu verbessern. Dabei stehen Messgerätesynergien sowie die Entwicklung anwendungsspezifischer künstlicher neuronaler Netze zur Charakterisierung von Flüssigwasser in Mischphasenwolken im Vordergrund.