Durch den Einfluss verschiedener Wolkentypen auf das Erdklima und stetig steigendes Datenvolumen ist eine automatisierte Klassifizierung von Satellitenbildern verschiedener Wolkentypen von wachsendem Interesse. Dadurch motiviert wurde in der interdisziplinären Masterarbeit (Informatik und Meteorologie) von Sebastian Zaun (Institut für Informatik, Lehrstuhl Prof. Dr. Sohler) eine neue Methode zum Clustering von Wolkenbildern entwickelt. Unsere Methode unterteilt die Eingabebilder in kleinere quadratische Ausschnitte, um das Auftreten verschiedener Muster in den unterschiedlichen Bildern zu vergleichen. Dabei werden die Eingabebilder sowie die Ausschnitte als gitterartige Graphen interpretiert. Um das Clustering der Bilder durchführen zu können, haben wir eine neues Abstandsmaß für diese Bilder definiert, welches durch die Kombination einer Approximation der Graph Edit Distanz und der Wasserstein Distanz definiert ist. Erstere wird dafür genutzt, den Abstand zwischen Bildausschnitten zu berechnen, während zweitere dafür verwendet wird, das Auftreten einzelner Bildausschnitte in unterschiedlichen Bildern zu vergleichen. Getestet haben wir die Methode auf einem Cloud Optical Depth Bilddatensatz über zentral Europa.

Die interdisziplinäre Masterarbeit (Informatik und Meteorologie) von Daniel Braun (Institut für Informatik, Arbeitsgruppe Visualisierung und Visual Analytics) stellt ein neuartiges Farbschema vor, das sich der Herausforderung der Visualisierung von Datenreihen mit großen Wertebereichen stellt und bei der die Skalentransformation nur begrenzte Unterstützung bietet. Wir konzentrieren uns auf meteorologische Daten, bei denen das Vorhandensein von großen Wertebereichen üblich ist. Wir wenden unseren Ansatz auf meteorologische Streudiagramme an, eines der in diesem Bereich am häufigsten verwendeten Diagramme. Unser Ansatz nutzt die numerische Darstellung von Mantisse und Exponent der Werte, um das Design neuartiger "verschachtelter" Farbschemata zu steuern, die in der Lage sind, Unterschiede zwischen Größenordnungen zu betonen.

Das ganze entsprechende Paper Color Coding of Large Value Ranges Applied to Meteorological Data gibt es hier (Arxiv) und die entwickelte in einer Python-Library implementierte Methode befindet sich hier (github).

Dagstuhl Seminar 

Im Schloss Dagstuhl findet das Seminar Computational Geometry of Earth System Analysis (23342) vom 20. August bis 25. August 2023 statt. Die Organisatoren sind Susanne Crewell (Universität Köln, DE), Anne Driemel (Universität Bonn, DE) und Jeff M. Phillips (University of Utah - Salt Lake City, US). This Dagstuhl Seminar will bring together computational geometers and meteorologists and will provide a forum to discuss the unique computational challenges that meteorologists are dealing with and how the geometry underlying the input data can be exploited to obtain efficient algorithms. Concrete problem areas that could greatly benefit from synergies between the two research areas include (1) data assimilation of weather-related measurements for numerical simulation, (2) tracking and clustering of moving atmospheric features, and (3) the planning and optimization of sensor placements.