Abteilung Systemanalyse, Integrated Assessment und Modellierung

Das Ziel dieses Projekts ist es, die Vorhersagefähigkeiten der datengesteuerten hydrologischen und ökologischen Seenmodellierungsalgorithmen mit Hilfe von Methoden zu verbessern, die von der Datenwissenschaft inspiriert sind und durch Hochleistungsrechner beschleunigt werden. Wir wollen ein paralleles Framework entwickeln, das hochauflösende numerische 3D-Solver für die zugrunde liegende Seedynamik mit modernen numerischen Markov-Chain-Monte-Carlo-Sampling-Methoden für Bayes'sche Inferenz verbindet, mit besonderem Interesse an der Untersuchung von Partikelfilterung und mehrstufigen Varianzreduktionsmethoden. Der daraus resultierende Rahmen zielt auf eine genaue Datenassimilation und eine Quantifizierung der Unsicherheit sowohl bei den Modellparametern als auch bei den zugehörigen Vorhersagen ab. Das Projekt DATALAKES ist eine Zusammenarbeit mit dem Swiss Data Science Center (SDSC), der EPF Lausanne und der ETH Zürich und zielt auf eine Sensor-to-Frontend-Datenplattform ab, die die Dynamik von Seenökosystemen in hoher räumlicher und zeitlicher Auflösung liefert und analysiert. Die aktuelle Version des bestehenden Frameworks ist zu finden unter  meteolakes.ch.