Universität Wien FIND
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

280355 UE PM-Num Übungen zu Grundlagen atmosphärischer Modellierung (PI) (2022S)

Prüfungsimmanente Lehrveranstaltung

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 20 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine

Raum 2F513: Mi, 10:00-12:00
Erste Vorlesung: 02. März 2022
Vorlesung entfällt vorausichtlich am 16. März und 08. Juni 2022
Bitte beachten: Aktuelle Information im Moodle!

Aufgrund der aktuellen Situation kann es kurzfristig nötig werden Übungen online abzuhalten. Sollte dies der Fall sein, wird die Änderung per E-Mail bekannt gegeben.


Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziel der Übung ist es Grundlagen atmosphärischer Modellierung (numerischer Wettervorhersage) zu verstehen und diese in Beispielen umzusetzen.

Die Übungsaufgaben behandeln vor allem numerische Methoden und Datenassimilation:
* Numerische Simulationen und Datenassimilation mit Python
* Anwendungen und Beispiele
* Analyse und Präsentation von Ergebnissen

Art der Leistungskontrolle und erlaubte Hilfsmittel

Lösung / Präsentation der Übungsaufgaben

Mindestanforderungen und Beurteilungsmaßstab

Die Note ergibt sich aus den erbrachten Leistung in den Übungen.

Bei erflogreicher Bearbeitung aller Aufgabenstellungen (Poster/Übungen) können 100% Punkte erreicht werden. Aufgabestellungen beinhalten die Lösung und Präsentation der Übungsaufgaben.

Bestanden ist die Übung mit 50% der erforderlichen Leistungen.
Notenschlüssel:
50.0 - 62.5% Ausreichend
62.5 - 75.0% Befriedigend
75.0 - 87.5% Gut
87.5 - 100.0% Sehr Gut

Zur Bearbeitung der Aufgaben ist ein Computer erforderlich. Sofern nicht vorhanden bitte melden.

Prüfungsstoff

Der in den Übungen behandelte Stoff

Literatur

Dale R. Durran - Numerical Methods for Fluid Dynamics with Application to Geophysics

Eugenia Kalnay - Atmospheric Modeling, Data Assimilation and Predictability

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Do 03.03.2022 16:09