Starkniederschläge in Berlin (und Deutschland)

Betreuung: Ferix Fauer und Henning Rust

Beschreibung: Starkniederschläge sind immer öfter in den Medien. Sie führen zu Überschwemmung, insbesondere in stark versiegelten Gebieten wie der Stadt. Global verändern sich die Neiderschlagsmuster durch den Klimawandel und es gibt Regionen in denen Starkniederschläge zunehmen. Können wir in Berlin (und ggf. auch in Deutschland) eine Zunahme von Tagen/Ereignissen von Starkniederschlägen beobachten? Mit Hilfe von Trendanalysen für Zählereignisse soll untersucht werden, ob wir in verschiedenen Saisons/Monaten eine Zunahme von Starkregentagen detektieren können.

Grundlagen: Der Deutsche Wetterdienst warnt vor Starkregen für zwei Dauerstufen (Dauer des Niederschlagsereignis): 1Stunde und 6 Stunden und kennt für beide Andauern je drei Stufen. Auf Basis der Niederschlagsdaten des DWDs und des Berliner Stadtmessnetz sollen hier die Ereignisse/Tage pro Jahr (nach Monaten aufgelöst) identifiziert und gezählt werden und untersucht werden, ob sich die Häufigkeit ändert.

Vorkenntnisse: Kenntnisse in R (oder Python), Interesse an Statistik und Datenanalyse und natürlich Niederschlag :-)

Welche Auswirkungen hat die Zeitauflösung der Niederschlagsmessung auf die Analyse von Extremereignissen?

Betreuung: Felix Fauer, Henning Rust

Beschreibung: Heute messen wir Niederschlag typischerweise in 1min oder 5min Intervallen; es gibt aber auch Daten mit einer Zeitauflösung von 1h oder 24h. Für Untersuchungen von Extremniederschlägen spielt die Zeitauflösung durchaus eine Rolle. Es macht einen Unterschied ob Maxima von zum Beispiel einstündigen Niederschlagsereignissen aus Daten extrahiert werden, die nur zu vollen Stunden gemessen wurden oder ob auf der Basis von 5min Daten das stärkste einstündige Ereignis gefunden wird. Der Unterschied zwischen diesen beiden Methoden soll für verschiedenen Dauerstufen, Saisons und Regionen untersucht werden. Ändert sich das Verhältnis dieser verschiedenen Messmethoden im Jahresgang und mit dem Klimawandel? Für verschiedene Stationen soll das Verhältnis von Maxima aus diesen beiden Messmethoden analysiert werden.

Grundlagen: Daten des Deutschen Wetterdienstes und des Berliner Stadtmessnetzes.

Vorkenntnisse: Kenntnisse in R (oder Python), Interesse an Statistik und Datenanalyse und natürlich Niederschlag :-)

Feuerwehreinsätze bei Starkregenereignissen über Berlin: Einfluss von meteorologischen, geographischen und demographischen Faktoren

Betreuung: Nico Becker, Henning Rust

Beschreibung: Feuerwehreinsätze aufgrund von Wasserschäden treten in Großstädten wie Berlin häufig im Zusammenhang mit Starkregenereignissen auf. Hierbei spielen beim Ausmaß der Feuerwehreinsätze verschiedene Faktoren eine Rolle. Deshalb soll in dieser Arbeit untersucht werden, welchen Einfluss bei extremen Niederschlagsereignissen großskalige meteorologische Faktoren, wie z.B. die Wetterlage oder die Anströmrichtung über Berlin auf die Anzahl der Feuerwehreinsätze haben. Zudem sollen aber auch geographische und demographische Faktoren, wie z. B. den Versiegelungsgrad des Bodens und die Bevölkerungsdichte, bei der Analyse miteinbezogen werden.

Grundlage: Katalog der Starkregenereignisse (CatRaRE) des DWD inkl. ereignisspezifischen Attributen, sowie meteorologischen, demo- und geographischen Daten, Datensatz der Berliner Feuerwehr mit allen Wasserschaden bedingten Einsätzen und Reanalysedaten.

Vorkenntnisse: Kenntnisse in R (oder Python) und CDO

Literatur: Lengfeld, K., Walawender, E., Winterrath, T., Becker, A.: CatRaRE: A Catalogue of radar-based heavy rainfall events in Germany derived from 20 years of data, Meteorologische Zeitschrift, DOI:10.1127/metz/2021/1088, 2021

Klimatologische Wahrscheinlichkeitsverteilung aus Stationsdaten als Hintergrundinformation für die Darstellung von Messdaten nutzen

Betreuung: Daniela Schoster, Henning Rust

Beschreibung: Die Kommunikation von aktuellen Messwerten von Wetterstationen erhält einen zentralen Mehrwert, wenn dieses vor dem Hintergrund der Stationsklimatologien geschieht. Aufgabe ist es, verschiedene Methoden zur Schätzung von klimatologischen Wahrscheinlichkeitsverteilungen für Jahres-, Saison, Monats- und Tageswerte zu vergleichen. Basis ist ein festes 30-jähriges Fenster, so wie sich die WMO eine Klimatologie vorstellt. Für Tageswerte sollen gleitende Fenster ausprobiert werden und auch einfache Modellansätze (Regression). Zunächst sollen die temperaturbasierten Werte im Fokus stehen, Niederschlag ggf. folgen.

Grundlage: Stationsdaten des Stadtmessnetzes und der DWD Stationen

Voraussetzung: Verteilungen und Regressionsmodelle schätzen mit R

Auswirkungen meteorologischer Bedingungen auf die Einsatzfähigkeit von Rettungshubschraubern in Deutschland

Betreuung: Nico Becker, Henning Rust

Beschreibung: Aufgrund der Wetterbedingungen kommt es vor, dass Einsätze von Rettungshubschraubern abgesagt werden müssen. Die Arbeit untersucht, wie häufig und in welchem Umfang die Wetterbedingungen die Einsatzfähigkeit von Rettungshubschraubern in Deutschland einschränken. In Zusammenarbeit mit dem Rettungsdienst und der Luftrettung in Berlin sollen relevante meteorologische Parameter und Schwellenwerte identifiziert werden (z. B. Sichtweite, Windgeschwindigkeit, Schneefall, gefrierender Regen, Wolkenuntergrenze). Mithilfe von stündlichen Wetterdaten der Stationen des Deutschen Wetterdienstes wird analysiert, wie oft diese Schwellenwerte überschritten werden und ob sich tages- oder jahreszeitliche Muster erkennen lassen. Ein weiterer Punkt ist der Vergleich von Stationsbeobachtungen mit modellbasierten Reanalysedaten, um die Anwendbarkeit dieser Daten für eine flächendeckende Auswertung zu überprüfen. Ziel ist es, wetterbedingte Einschränkungen besser zu verstehen und so die Planung und Verfügbarkeit von Rettungshubschraubern zu optimieren. Die Arbeit wird in Kooperation mit der Berliner Feuerwehr durchgeführt, die praxisbezogene Einblicke liefern kann.

Grundlage: Stationsdaten des Deutschen Wetterdienstes und ggf. ERA5 Reanalysen

Vorkenntnisse: Kenntnisse in R (oder Python)

Segeltage in Berlin

Betreuung: Henning Rust, Kerstin Schepanski

Beschreibung: Segeln macht Spaß, insbesondere wenn die Bedingungen stimmen. Aber wie oft im stimmen die? An wieviel Tagen im Jahr haben wir an den Berliner Wassersportorten gute Bedingungen zum Segeln, also soviel Wind, dass es Spaß macht, nicht zu böig, nicht zu kalt ... und bitte keinen Regen! Wer gerne mit Freunden auf dem See bei Kaffee und Kuchen plaudern möchte und ggf. mal baden stellt ganz andere Anforderungen an die Wetterbedingungen als diejenigen, die sowieso nah am Wasser segeln, also im Trapez stehen und regelmäßig reinfallen; für letztere ist das mit dem Regen nicht so wichtig, dafür muss der Wind kräftig sein. Aufgabe ist es für einen Satz von verschiedenen Anforderungen die potentiell guten Segeltage für die Berliner Reviere für die letzten Jahre zu zählen und eine eventuelle interannuelle Variabilität zu beschreiben bzw. eine Veränderung mit dem Klimawandel. Idealerweise kann hierfür eine interaktive Webseite (mit R-Shiny) entwickelt werden auf der Nutzende ihre Parameter selber einstellen können.

Grundlage: Beobachtungen des Stadtmessnetzes nahe der Wassersportorte, Reanalysen, Segeleigenschaften einiger populärer Boote 

Voraussetzung: Lesen und Auswerten von Stationsdaten und Reanalysen mit R und/oder Python. Interesse am Segeln und an Statistik

Interannuale Variabilität der Performance der Vendée Globe

Betreuung:  Henning Rust, Kerstin Schepanski

Beschreibung:

Perfekte Windbedingungen, eine Taktik die auf geht, die richtige Segelwahl und keine Rückschläge - das sind gute Voraussetzungen für eine gute Platzierung in einer Regatta um die Welt wie die Vendée Globe. Der Startzeitpunkt Anfang November ist gesetzt und das passende Segelboot gewählt, doch wie sieht die ideale Route für das "Rennen um die Welt" aus? Welche meteorologischen Bedingungen muss sollten bei der Taktik berücksichtigt werden? Bei dieser Bachelorarbeit geht es um den Wind entlang der Rennroute um die Welt und damit das Geschwindigkeitspotential der Seglerinnen und Segler. Welche Windgeschwindigkeiten und -richtungen werden auf den einzelnen Teilabschnitten erwartet? Wie variiert die Verteilung von Windgeschwindigkeit und -richtung entlang der Route von Jahr zu Jahr? Dabei gilt es zu berücksichtigen, dass das Segelboot bei gleichen Wind aber aus unterschiedlicher relativer Richtung zur Bewegungsrichtung unterschiedlich schnell segelt. Auch die Windgeschwindigkeit per se hat natürlich einen Einfluss auf die Bootsgeschwindigkeit. Würde eine einmal ausgearbeitete optimale Strecke (Routenplanung) auch in Jahren mit ausgeprägten Anomalien in den Mustern der atmosphärischen Zirkulation zum Erfolg führen? Wie variable sind die zu erwartenden Windbedingungen?

Grundlagen: Reanalysen, Geschwindigkeitsprofil der Boote

Voraussetzung: Lesen und Auswerten von Reanalysen mit R und/oder Python. Interesse am Segeln und an Statistik