280353 VU Advanced Data Assimilation (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 05.02.2024 00:00 bis Di 27.02.2024 23:59
- Anmeldung von Do 29.02.2024 00:00 bis Mi 06.03.2024 23:59
- Abmeldung bis So 31.03.2024 23:59
Details
max. 15 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
1. Lecture on March 1st, 2024 at 9 a.m.
Room: 2G542 (UZA II)
There will likely be no lecture or exercise during the EGU (April, 15 - 19)
Freitag
01.03.
09:00 - 11:00
Ort in u:find Details
Freitag
01.03.
11:15 - 12:15
Ort in u:find Details
Freitag
08.03.
09:00 - 11:00
Ort in u:find Details
Freitag
08.03.
11:15 - 12:15
Ort in u:find Details
Freitag
15.03.
09:00 - 11:00
Ort in u:find Details
Freitag
15.03.
11:15 - 12:15
Ort in u:find Details
Freitag
22.03.
09:00 - 11:00
Ort in u:find Details
Freitag
22.03.
11:15 - 12:15
Ort in u:find Details
Freitag
12.04.
09:00 - 11:00
Ort in u:find Details
Freitag
12.04.
11:15 - 12:15
Ort in u:find Details
Freitag
19.04.
09:00 - 11:00
Ort in u:find Details
Freitag
19.04.
11:15 - 12:15
Ort in u:find Details
Freitag
26.04.
09:00 - 11:00
Ort in u:find Details
Freitag
26.04.
11:15 - 12:15
Ort in u:find Details
N
Freitag
03.05.
09:00 - 11:00
Ort in u:find Details
Freitag
03.05.
11:15 - 12:15
Ort in u:find Details
Freitag
10.05.
09:00 - 11:00
Ort in u:find Details
Freitag
10.05.
11:15 - 12:15
Ort in u:find Details
Freitag
17.05.
09:00 - 11:00
Ort in u:find Details
Freitag
17.05.
11:15 - 12:15
Ort in u:find Details
Freitag
24.05.
09:00 - 11:00
Ort in u:find Details
Freitag
24.05.
11:15 - 12:15
Ort in u:find Details
Freitag
31.05.
09:00 - 11:00
Ort in u:find Details
Freitag
31.05.
11:15 - 12:15
Ort in u:find Details
Freitag
07.06.
09:00 - 11:00
Ort in u:find Details
Freitag
07.06.
11:15 - 12:15
Ort in u:find Details
Freitag
14.06.
09:00 - 11:00
Ort in u:find Details
Freitag
14.06.
11:15 - 12:15
Ort in u:find Details
Freitag
21.06.
09:00 - 11:00
Ort in u:find Details
Freitag
21.06.
11:15 - 12:15
Ort in u:find Details
Freitag
28.06.
09:00 - 11:00
Ort in u:find Details
Freitag
28.06.
11:15 - 12:15
Ort in u:find Details
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Lectures: Oral exam (date t.b.a.)
Exercises: Presenting results of hands-on exercises
Exercises: Presenting results of hands-on exercises
Mindestanforderungen und Beurteilungsmaßstab
The weighting of lecture and exercise in final grade:
Lectures: 65%
Exercises: 35%Note 1: > 87,5%
Note 2: 75-87,5%
Note 3: 62,5-75%
Note 4: 50-62,5%
Note 5: < 50%Attendance of a minimum of 80% of exercises is required.
Lectures: 65%
Exercises: 35%Note 1: > 87,5%
Note 2: 75-87,5%
Note 3: 62,5-75%
Note 4: 50-62,5%
Note 5: < 50%Attendance of a minimum of 80% of exercises is required.
Prüfungsstoff
The entire content of lectures and exercises.
Literatur
Eugenia Kalnay - Atmospheric Modeling, Data Assimilation and Predictability
Anderson, J., et al. (2009) - The Data Assimilation Research Testbed: A Community Facility
Anderson, J., et al. (2009) - The Data Assimilation Research Testbed: A Community Facility
Zuordnung im Vorlesungsverzeichnis
WM-AdvWea
Letzte Änderung: Mi 28.02.2024 15:47
* Ensemble data assimilation
* Covariance modeling and localization in different systems
* Satellite data assimilation
* Hybrid Ensemble-Variational (EnVar)
* Observation impact
* Ensemble sensitivity
* Parameter estimation
* Hands-on modeling with WRF-DART
* Exercises will focus on selected topics>>> Goals:
Students...
* understand fundamental concepts of data assimilation.
* are familiar with important methods (localization, inflation, ...) in ensemble data assimilation.
* can perform data assimilation using a state-of-the-art numerical modeling system.
* can analyze data assimilation output using Python.
* are able to interpret and critically evaluate data assimilation processes.>>> Methods:
* Lectures on data assimilation
* Discussion of state-of-the-art research (via ISDA-Online)
* Conduct, analyze, and discuss numerical experiments.