Neue Klimamodelle für Unterfranken
11.06.2018BigData@Geo: Dieses Projekt soll Klima- und Umweltdaten in verständlicher Weise für die unterfränkische Land- und Forstwirtschaft aufbereiten. Die Europäische Union fördert es im EFRE-Programm mit 1,9 Millionen Euro.
Vermehrte Hitze und Trockenheit, häufigere Gewitter mit starken Wolkenbrüchen – das sind einige Auswirkungen des Klimawandels. Sie stellen Land- und Forstwirte, Wein-, Gemüse und Obstbauern nicht nur vor akute Probleme. Viele Betriebsinhaber fragen sich, wie sie jetzt ihre Unternehmen strategisch ausrichten sollten, damit sie bei fortschreitender Klimaveränderung auch in 20 oder 30 Jahren noch gut wirtschaften können.
Eignen sich in der Zukunft vielleicht manche Weinbergsparzellen nur noch für Rebsorten, die mit extremer Trockenheit zurechtkommen? Dann sollte man rechtzeitig pflanzen. Muss man umfassend in Bewässerungsanlagen investieren? Wird es so weit kommen, dass der Anbau bestimmter Nutzpflanzen auf manchen Flächen gar nicht mehr möglich ist?
16 Betriebe aus Unterfranken machen mit
Antworten auf solche Fragen erwarten 16 kleine und mittlere Unternehmen aus Unterfranken, die sich in einem Kooperationsprojekt mit der Julius-Maximilians-Universität Würzburg (JMU) zusammengetan haben. Drei Forstbetriebe sind dabei, drei Obstbau- und vier Gemüsebaubetriebe sowie sechs Weingüter.
Vertreter der Unternehmen waren am 4. Juni 2018 zu einer Auftaktveranstaltung an die JMU gekommen. Sie diskutierten mit Informatikprofessor Andreas Hotho und den Geographieprofessoren Roland Baumhauer und Heiko Paeth – jeweils mit Promovierenden und anderen Mitarbeitern –über das weitere Vorgehen im Projekt.
In den Monaten zuvor hatten die JMU-Wissenschaftler die Unternehmen bereits kontaktiert. In Gesprächen und aus Fragebögen erfuhren sie von ihnen, welche Klima-, Boden- und Umweltdaten für die Betriebe besonders wichtig sind. Solche Daten sind bislang meist schwer zu bekommen, in der Darstellung unübersichtlich oder nur für Wissenschaftler verständlich.
Klimamodelle für die langfristige Planung
Worauf das Projekt nun abzielt: Die Forschungsgruppen wollen in Kooperation mit den Betrieben ein Modell erarbeiten, mit dem sich die Auswirkungen des Klimawandels in Unterfranken möglichst kleinräumig voraussagen lassen. Die Ergebnisse sollen auf einer Webseite leicht verständlich dargestellt werden. „Wohlgemerkt: Hier geht es nicht um eine Wettervorhersage, sondern um eine langfristige Klimaprojektion für die Land- und Forstwirtschaft“, so Heiko Paeth, Experte für Klimaforschung und Klimamodellierung.
Aus möglichst vielen verfügbaren Datenquellen – zum Beispiel Satellitendaten, digitalen Geländemodellen und Bodenkarten – und mit Hilfe noch zu installierender Mess-Stationen soll am Ende eine Klimasimulation entspringen, die den Betrieben bei der langfristigen Planung hilft. „Wir wollen sie damit bei der Überlegung unterstützen, welche Pflanzen künftig an welchen Standorten des Betriebs noch sinnvoll angebaut werden können“, sagt Projektleiter Andreas Hotho.
Methoden der künstlichen Intelligenz im Einsatz
Hotho ist Fachmann für Data Mining, künstliche Intelligenz und neuronale Netze. Sein Team ist im Projekt dafür zuständig, die Umweltdaten zu sammeln und aufzubereiten. Es setzt dabei unter anderem auf neueste Methoden des maschinellen Lernens. Diese sollen die aufwändigen Rechenvorgänge bei der Klimamodellierung mit einfacher Standard-Hardware deutlich schneller machen.
„Wir wollen auch die bestehenden Systeme zur Klimamodellierung verfeinern, indem wir sie mit zusätzlichen Datenquellen kombinieren“, erklärt Roland Baumhauer. Mit den aktuell verfügbaren Modellklimadaten zum Beispiel lasse sich Unterfranken nicht gut genug abbilden – da sei es schon schwierig, Steigerwald, Rhön und Spessart vernünftig zu erkennen. Gängig seien derzeit Flächenraster mit 100 Kilometer Auflösung. Die JMU-Forscher streben eine viel höhere Auflösung an. „Ein Kilometer, das wäre schon beispiellos. Vielleicht schaffen wir sogar 90 Meter“, sagt Heiko Paeth. Damit könnten die Betriebe auf den Klimasimulationen sogar einzelne Parzellen erkennen.
Betriebe bewerten Ergebnisse der Wissenschaft
Ein erster Entwurf für ein Webportal solle den Unternehmen in einigen Monaten zur Verfügung stehen, wie die Wissenschaftler beim Auftakttreffen ankündigten. Die Betriebe müssen dann die Verständlichkeit und Nutzbarkeit der grafischen Darstellungen auf dem Portal kritisch bewerten. Sind die Abbildungen zu Temperatur, Niederschlag oder Bodenwasser zu kompliziert, müssen die Wissenschaftler nachbessern.
Fakten zu BigData@Geo
Für das Projekt „BigData@Geo – fortschrittliche Umwelttechnologien mittels AI (Artificial Intelligence) im Web“ stehen 3,8 Millionen Euro zur Verfügung. 1,9 Millionen davon stammen aus dem Europäischen Fonds für regionale Entwicklung (EFRE) der Europäischen Union; den Rest trägt die JMU. Die Laufzeit des Projekts beträgt vier Jahre (bis Ende 2021).
Mit dem Geld werden unter anderem Stellen für sechs Doktoranden und einen Postdoc finanziert; sieben weitere Beschäftigte der JMU arbeiten ebenfalls im Projekt mit. Außerdem schafft die Universität von dem Fördergeld einen leistungsfähigen Rechner an.
Kontakt
Prof. Dr. Andreas Hotho, Projektleiter BigData@Geo,
Lehrstuhl für Informatik VI, T +49 931 31-88453,
hotho@informatik.uni-wuerzburg.de
Website BigData@Geo: https://www.bigdata-at-geo.eu/
Unternehmen, die an BigData@Geo teilnehmen
Netzwerk Weinbau:
- Weingut Thomas Schwab, Thüngersheim
- Weingut Wirsching, Iphofen
- Weingut Roth, Wiesenbronn
- Weingut Steinmann, Sommerhausen
- Weingut Schloss Saaleck, Hammelburg
- Weingut Fürst, Bürgstadt
Netzwerk Forstwirtschaft:
- Fürstlich Castell’sche Forstverwaltung, Castell
- Forstbetrieb Paul Freiherr von Franckenstein, Ullstadt
- Fürstlich Löwenstein’sches Forstamt, Hafenlohr
Netzwerk Obstbau:
- Mustea Quitten-Obst-Gemüseanbau, Volkach
- Main-Schmecker Streubost & Honig, Margetshöchheim
- Obsthof Zörner, Bibergau
Netzwerk Landwirtschaft:
- Schloss Gut Obbach, Euerbach
- Kloster Münsterschwarzach, Münsterschwarzach
- Gartenbau Alfred Hartmann, Mainsondheim
- Biolandhof Ernst Rauh, Giebelstadt