SWEET

Das Projekt SWEET hat das Ziel, ein präzises empirisches Modell für das Weltraumwetter zu entwickeln und dieses Modell für Wissenschaftler und Endnutzer zugänglich zu machen. Das Modell ist 4-dimensional und zeichnet sich durch eine hohe zeitliche Auflösung aus, was einen erheblichen Speicher- und Ressourcenbedarf mit sich bringt. Im Rahmen des Projekts wird das Modell weiterentwickelt und mit alternativen Modellen verglichen, um seine Genauigkeit zu verbessern.

Darüber hinaus wird eine hochmoderne Infrastruktur aufgebaut, die die Verarbeitung, Speicherung und Visualisierung dieser komplexen Modelldaten ermöglicht. Dies ermöglicht es Ex-perten, die Daten interaktiv im Browser zu erkunden und gezielte Analysen durchzuführen, um das Verhalten und die Auswirkungen des Weltraumwetters zu untersuchen.

Ein Schlüsselziel des Projekts ist es, über einen Demonstrator das Modell in Echtzeit für Endnutzer zugänglich zu machen. Dies wird dazu beitragen, die Forschung im Bereich des Weltraumwetters voranzutreiben und gleichzeitig die Sicherheit und Leistung von Satelliteninfra-strukturen und Navigationssystemen zu verbessern. SWEET ist ein wichtiger Schritt in Richtung einer besseren Bewältigung der Herausforderungen, die das Weltraumwetter mit sich bringt, und wird einen wertvollen Beitrag zur Wissenschaft und Technologie leisten.

Thematisch befasst sich das Projekt zum einen mit der Modellierung des Weltraumwetters und zum anderen mit der Berechnung, Speicherung und Abruf der Modelldaten, was eher die technische Umsetzung darstellt.

Die derzeitige Technik zur Assimilierung von Ionosphäre/Plasmasphäre umfasst nur selten Ra-dio-Okkultationsdaten von LEO-Satelliten. Einerseits ist die Größe der Assimilationsvoxel aufgrund der spärlichen Daten sehr groß. Andererseits sind die horizontalen und vertikalen Korrelationslängen bei der Assimilierung von Daten in das Hintergrundmodell nicht richtig definiert. Die neue Assimilationsmethode wird die Assimilation von Daten von LEO-Satelliten be-rücksichtigen. Zusätzlich werden die horizontalen und räumlichen Korrelationslängen der io-nosphärischen Beobachtungen in horizontaler und vertikaler Richtung berücksichtigt. Dies ist bereits ein Schritt nach vorne in der ionosphärischen Datenassimilation, wenn man den aktuellen Stand der Technik betrachtet.

Die Modelldaten lassen sich am effizientesten durch mutli-dimensionale Arrays, auch Rasterdaten oder Scientific Datacubes, darstellen und speichern. Die Darstellung und Speicherung in relationalen Datenbanken ist für diesen Bereich ineffizient (vor allem in Bezug auf Speicher-verbrauch), sodass sich teilweise spezielle Datenbanken für Rasterdaten wie rasdaman herausgebildet haben. Dennoch sind diese Systeme nur bedingt für die spezifischen Workflows geeignet. Daher erfolgt die Speicherung häufig spezialisierten Datendateien mit einem indivi-duell angepassten Datenmanagementsystem. Der Fachbereich unterliegt immer noch einem stetigen Wandel. So wurden in der Vergangenheit Dateiformate wie NetCDF zur Speicherung von Rasterdaten entwickelt und verwendet. In jüngerer Zeit kommen sog. cloud-optimized oder cloud-ready Formate auf. Der aktuellste Vertreter zarr befindet sich in aktiver Weiter-entwicklung.

Die Anreicherung der Modelldaten mit beschreibenden Metadaten ist ebenfalls von essenti-eller Wichtigkeit. Für diesen Bereich existieren verschiedenste konkurrierende Standards be-züglich der Struktur dieser Metadaten. Im Klimadaten-Bereich dominieren die sog. CF-Conventions. Verschiedene Spezifikationen für Datenmodelle definieren ebenfalls Konventionen zur Speicherung von Metadaten – populärste Vertreter hierbei sind GeoArrow oder Geo-Parquet. Ebenso existieren verschiedene Konventionen und Ontologien einzelner Institutionen wie der WMO.

Die Visualisierung von Weltraumwetterdaten beschränkt sich bislang auf Dashboards, in de-nen nur Ausschnitte der Daten zwar verknüpft aber doch separat und in der Regel nicht interaktiv präsentiert werden. Tools für die Visualisierung von multi-dimensionalen, raumzeitlichen Daten existieren zwar, sind jedoch spezifisch für ihre jeweilige Domäne oder nicht für die interaktive Datenexploration geeignet. Insbesondere GIS-Systeme oder digitale Forschungsumgebungen wie Jupyter Notebooks sind komplex und daher zu behäbig, um große Datenmengen schnell zu überblicken und zu erfassen. Im DLR-Projekt MEDUSE wurde ein erster Prototyp für die Visualisierung von Weltraumwetterdaten entwickelt. Eine Auswertung mit potenziellen Anwendern zeigte, dass ein solches System begrüßt wird, aber der Funktionsumfang für eine breitere Anwendung noch erweitert werden muss.

An dem Projekt sind neben DLR-SO folgende Institute beteiligt:

• Institut für Datenwissenschaften Jena (https://www.dlr.de/de/dw/)

Im Rahmen des Projekts sollen neuartige Konzepte und Werkzeuge für WissenschaftlerInnen erforscht und entwickelt werden, die eine schnelle Verarbeitung großer Datenmengen für die prä-operative Weltraumwetterbewertung sowie zur Analyse großer mehr-dimensionaler Datenmengen ermöglichen.

Basierend auf den Ergebnissen aus dem DLR-Projekt MEDUSE soll das bestehende Datenmanagementsystem (DMS) signifikant methodisch erweitert werden, um neben dem bestehen-den NEDM auch weitere Ionosphärenmodelldaten mit zu integrieren. Um komplexe Datennachverarbeitungen zu ermöglichen, soll das DMS die vorhandenen Modelldaten über standard-konforme (z.B. OGC) API-Schnittstellen zur Verfügung stellen. Darüber hinaus sollen Me-tadaten integriert und zusammen mit den Daten ausgeliefert werden können.

Die VAP soll um weitere Darstellungsmöglichkeiten weiterentwickelt werden. Die konkreten Anforderungen an die Visualisierungen und benötigte Methoden zur Analyse werden im AP3200 erarbeitet. Die konkreten Ergebnisse des Visualisierungssystems ergeben sich daher erst im Zuge des Projekts. Grundlegend ist jedoch, dass damit eine interaktive und visuelle Exploration sowie Analyse von Weltraumwettermodelldaten möglich ist. Damit die Web-Anwendung interaktiv nutzbar ist, müssen Datenanfragen mindestens innerhalb von 500 Millisekunden, idealerweise sogar unter 200 Millisekunden, beantwortet werden. Der Nutzen der Visualisierungen und Analysemöglichkeiten sollen in enger Abstimmung mit potentiellen Nutzern überwacht werden. Dazu wird Nutzerfeedback kontinuierlich gesammelt und bei der Entwicklung berücksichtigt, insbesondere beim User-Workshop mit dem ersten Prototyp, um den Nutzen und die Usability des Prototyps zu gewährleisten.

Das im Vorgängerprojekt MEDUSE entwickelte 3D-Var-Assimilationsverfahren weist größere Ungenauigkeiten vor allem in niedrigeren Breitengraden auf. Um dieses Problem zu lösen, wird ein auf maschinellem Lernen basierendes TEC-Modell für die Schätzung der Empfänger-verzerrung verwendet. Die Idee ist, die STEC-Daten des IMPC-Systems neu zu kalibrieren, bevor sie in die 3D-Var-Assimilationsverfahren eingespeist werden. Dies wird die 3D-Assimilation erheblich verbessern. Zusätzlich werden neue ionosphärische Daten wie LEO Topside, Radio-Okkultation, In-situ-Elektronendichte und vertikale Bodensondierungsdaten in das Assimilie-rungssystem integriert.