Das Projekt SmaRD-AI zielt darauf ab, “Data Science” in den Umweltwissenschaften zu unterstützen, indem es zwischen Datenpublikationen und –management und Datenanalyse eine leistungsfähige Zwischenebene bereitstellt. Analyse und Modellierung von Umweltdaten setzt sehr häufig die Kombination der Daten aus verschiedenen Datenquellen incl. den entsprechenden räumlichen und zeitlichen Auflösungen sowie Unsicherheiten voraus. Allerdings gibt es kaum Forschungsumgebungen oder Datenmanagementsysteme, auf die Wissenschaftler für diese Aufgabe zurückgreifen können.
Die virtuelle Forschungsumgebung V-FOR-WaTer bietet einen bestehenden Prototyp eines solchen Systems, der im Rahmen des Projektes erweitert werden soll. Hierfür ziehen wir die große Bandbreite an Niederschlagsabschätzungen als Beispiel heran. Es sollen sowohl komplexe 4-D Regenradar-Datensätze eingebunden werden, aber ebenso Standard-Niederschlagsmessungen, wie sie z.B. vom Deutschen Wetterdienst erhoben werden. Zusätzlich wollen wir den Informationsgewinn ermitteln, wenn auch ungewöhnliche Messungen wie der Wasserdampfgehalt in Luftsäulen aus GNSS-Daten für die Niederschlagsschätzung mit einbezogen werden. Die Arbeitsabläufe, die wir in SmaRD-AI entwickeln, werden sich auch auf andere komplexe Umweltdatensätze und deren Integration mit Standardmessungen anwenden lassen.