GFZ Potsdam
Betreuer: C. Irrgang, J. Saynisch, M. Thomas
Beschreibung: Aufgrund mangelnder räumlicher, zeitlicher oder physikalischer Auflösung können numerische Erdsystem-Modelle die Wirklichkeit stets nur mit begrenzter Genauigkeit abbilden. Künstliche neuronale Netzwerke können in diesem Zusammenhang als Zusatz-Modelle dienen, um etwa nicht berücksichtigte physikalische Prozesse zu kompensieren. Das Ziel dieser Masterarbeit ist es, die Möglichkeiten dieser Methoden zu untersuchen. Dafür soll ein künstliches neuronales Netzwerk entworfen und anhand verschiedener Modelldaten unserer Arbeitsgruppe trainiert werden. Ziel ist es, fehlende Modellphysik zu erkennen und zu rekonstruieren.
Voraussetzungen: Interesse und Spaß beim Untersuchen und Interpretieren simulierter Daten aus verschiedenen Erdsystem-Modellen
Von Vorteil: Kenntnisse in statistischen Skript- und Programmiersprachen (R, Python, ...) Grundwissen über künstliche neuronale Netzwerke
Attribution of discharge trends in the Rhine basin over the past decades to anthropogenic climate changes using a weather generator and hydrological modelling.
Betreuung: Prof. Dr. Henning Rust, Dr. Sergiy Vorogushyn (GFZ Potsdam)
Beschreibung: The aim of the Master Thesis project is to carry out the attribution analysis of past changes in flood flows in the Rhine basin. The work will build upon the previous works of Murawski et al. (2016), who developed an optimal weather pattern classification with focus on the Rhine basin. They additionally compiled a set of General Circulation Models (GCM) representing the state of the atmosphere with and without anthropogenic greenhouse gas emission. Further, Murawski et al. (2018) investigated to which degree the changes between weather patterns (between-type variability) and within weather patterns (within-type variability) can explain observed trends in climate variables at weather stations in the Rhine basin. This analysis is the prerequisite of using the proposed weather pattern classification for conditioning of a multi-site, multi-variable weather generator (Hundecha et al., 2009).
Grundlagen: Two sets of daily output discharge series (resulting from the anthropogenically influenced and natural climate) will be analysed for their statistical properties. Finally, the uncertainty associated with attribution statement regarding the anthropogenic impact on flood flows will be assessed.
Vorraussetzungen: Basic knowledge of meteorology/climatology as well as understanding of principal hydrological flood processes and of hydrological modelling. Strong statistical and programming skills (FORTRAN, R/MATLAB) are expected. We encourage a master thesis written in English with potential further publication of results in a scientific journal (not part of the master project).
Bei Interesse an einem Masterarbeitsthema am GFZ wendens Sie sich bitte an Herrn Prof. Maik Thomas (mthomas@gfz-potsdam.de)