Ob für Wetterprognosen, Klimamodelle oder die Analyse extremer Ereignisse – das Verständnis von Wolken ist der Schlüssel, um atmosphärische Prozesse besser zu begreifen.
Ich habe daher unseren Partner Geo Engine beim Aufbau einer KI-basierten Verarbeitungspipeline unterstützt, mit der meteorologische Satellitendaten der MSG-Serie (EUMETSAT) automatisch nach Wolkentypen klassifiziert werden.
Der Schwerpunkt lag dabei auf dem Preprocessing der Rohdaten und der Erstellung geeigneter Trainingsdatensätze, um diese für den Einsatz in Convolutional Neural Networks (CNNs) aufzubereiten. Dazu wurden die umfangreichen MSG-Daten räumlich und zeitlich so zugeschnitten, dass sie für das Training und die Validierung der Modelle genutzt werden konnten. Insgesamt konnten dadurch zehn Jahre europäischer MSG-Daten mit einer zeitlichen Auflösung von 15 Minuten (rund 35.000 Bilder) verarbeitet werden.
Die entwickelte Pipeline ist in der Lage, künftig Wolkenklassifikationen in Echtzeit auf neue MSG-Aufnahmen anzuwenden.