12-111-1034  T6 - Data Assimilation

Moduldetails
Anmeldeoptionen
Modulverantwortliche: Prof. Dr. Johannes Quaas

Dauer: 1

Anzahl Wahlkurse: 0

Credits: 5,0

Startsemester: SoSe 2023

Turnus:
jedes Sommersemester
Ziele:
Nach der aktiven Teilnahme am Modul sind die Studierenden in der Lage, die Methodik der Datenassimilation zu verstehen. Sie können dieses Wissen selbstständig auf die Assimilation in atmosphärischen Modellen anwenden und resultierende Ergebnisse synthetisieren. Die Studierenden sind in der Lage, die erzielten Erkenntnisse zu bewerten und diese in Form einer wissenschaftlichen Arbeit sowohl schriftlich als auch mündlich darzustellen.
Inhalt:
Die Vorlesung "Data Assimilation" behandelt die Kombination von Modellierung und Beobachtung, Vorwärtsoperatoren für Fernerkundung, Nudging, Variationelle Methoden, sowie Kalmanfilter. Das Praktikum "Data Assimilation" beinhaltet die praktische Umsetzung des Gelernten in einem Beispiel-Modell, mit dem selbständige Sensitivitätsstudien zur Datenassimilation durchgeführt werden.
Literaturangabe:
• Evensen, Data Assimilation, Springer, 2009, 307pp.
• Kalnay, Atmospheric Modeling, Data Assmilation and Predictability, Cambridge University Press, 2003, 341 pp.
Teilnahmevoraussetzungen:
Master of Science Meteorologie: Teilnahme am Modul 12-111-1026 "A3 - Numerical Weather Prediction and Climate Modelling" wird empfohlen
Anmeldefristen
Phase Block Anmeldung von | bis Ende Abmeldung
Einschreibung Vorlesungszeit 21.03.2023 12:00 | 27.03.2023 17:00 17.06.2023 23:00
Kurse
Nummer Name Pflicht Semester Credits  
12-111-1034.PR01 Data Assimilation Ja 1 0,0  
12-111-1034.PR01 Data Assimilation   SoSe 2023  
12-111-1034.VL01 Data Assimilation Ja 1 0,0  
12-111-1034.VL01 Data Assimilation   SoSe 2023  
Leistungen
Kurs/Modulabschlussleistungen Leistungen Bestehenspflicht Gewichtung
Modulabschlussleistungen   Praktikumsbericht (Bearbeitungszeit: 4 Wochen) und Referat (45 Min.) Ja 1
Modulabschlussprüfungen
Prüfung Datum Lehrende Bestehenspflicht
1  Praktikumsbericht (Bearbeitungszeit: 4 Wochen) und Referat (45 Min.) So, 13. Aug. 2023, 00:00 - 00:00 Prof. Dr. Johannes Quaas Ja
Modulverantwortliche
Prof. Dr. Johannes Quaas