Navigation

Kann die Kombination von Theorie mit Big Data Unwetterfolgen besser voraussagen?

 

Wir kombinieren Simulationen, die auf physikalischen Theorien basieren, mit statistischen Analysen von grossen Mengen unstrukturierter Daten, um Trendprognosen von Unwettern und ihren Folgen zu erstellen. Weiter untersuchen wir auch die Unsicherheiten dieser Prognosen. Zusammen mit MeteoSchweiz entwickeln wir einen Prototyp eines Wetterauswirkungsmodells.

Porträt / Projektbeschrieb (laufendes Forschungsprojekt)

Der naturwissenschaftliche Teil erforscht den Einsatz von Big Data zur Validierung und Kalibrierung von Wetter-und Klimamodellen und prüft, ob damit die Unsicherheit der Voraussagen reduziert werden kann. In Kooperation mit MeteoSchweiz untersucht das Projekt Hürden, die sich beim praktischen Einsatz solcher Modelle stellen. Der philosophische Teil analysiert die Argumente, auf welche sich die Voraussagen im naturwissenschaftlichen Teil stützen, entwickelt eine Typologie der Unsicherheiten dieser Voraussagen und erarbeitet eine systematische Klassifikation der Auswirkungen von Unwetterrisiken, die etwa für die mobile Kommunikation – Stichwort MeteoSchweiz-App – geeignet ist. Der Syntheseteil untersucht Bedingungen für die Übertragung der methodischen Resultate auf andere Anwendungsbereiche von Big-Data-Ansätzen sowie Folgen für die Weiterentwicklung der wissenschaftlichen Methodik.

Hintergrund

Big Data ist als ein neuer wissenschaftlicher Ansatz propagiert worden, der ohne theoretisches Wissen auskommt. Doch bei der Analyse der Daten werden implizit Theorien verwendet, ohne dass ihre Funktionen für die Organisation und Auswertung der Datensätze bisher philosophisch analysiert worden wären. Die Wetter- und Klimaforschung ist dafür ein geeignetes Forschungsfeld. In Bezug auf die soziökonomischen Auswirkungen von Wetter- und Klima gibt es noch keinen abschliessenden Vergleich der Vor- und Nachteile prozessbasierter Modelle gegenüber statistischen Methoden. Big Data wurde noch nicht eingesetzt, um Modelle zu prüfen, die Wetter, Klima und gesellschaftliche Entscheidungen zusammen betrachten.

Ziele

Ziele des Projekts sind:

  1. ein Prototyp eines Wetter- und Klima-Auswirkungsmodells, das mit Big-Data-Ansätzen das Potential, die Grenzen und die Unsicherheit gegenwärtiger Ereignisse und zukünftiger Trends von Unwettern und deren Folgen untersucht
  2. eine Typologie der dabei auftretenden Unsicherheiten und eine Analyse der Argumente, mit denen Aussagen über Trends in Unwetterrisiken gerechtfertigt werden
  3. Kriterien für die Übertragbarkeit der Resultate für Unwetterrisiken auf andere Anwendungsbereiche von Big-Data-Ansätzen, insbesondere in Problemstellungen anderer Projekte im NFP 75

Bedeutung / Anwendung

Die Quantifizierung von Wetter- und Klimarisiken ist von hohem ökonomischem und gesellschaftlichem Wert. Meist werden Schäden erst im Nachhinein abgeschätzt. Zur Vorausschätzung fehlen noch die Instrumente, obwohl sie wahrscheinlich technisch machbar wären. Das Projekt liefert ein besseres Verständnis der Hürden, die einer praktischen Anwendung eines Voraussagemodells im Wege stehen.

Originaltitel

Combining theory with Big Data? The case of uncertainty in prediction of trends in extreme weather and impacts

Projektverantwortliche

  • Prof. Reto Knutti, Institut für Atmosphäre und Klima, ETH Zürich
  • Prof. David Bresch, Institut für Umweltentscheidungen, ETH Zürich
  • Prof. Gertrude Hirsch Hadorn, Institut für Umweltentscheidungen, ETH Zürich

 

 

Weitere Informationen zu diesem Inhalt

 Kontakt

Prof. Reto Knutti Institut für Atmosphäre und Klima
ETH Zürich
Gebäude CHN N 12.1
Universitätstrasse 16 8092 Zürich reto.knutti@env.ethz.ch

Zu diesem Thema