Nationales Hochwasservorhersagesystem und zentrale Datensammelstelle bei der Vietnamesischen Meteorologisch-Hydrologischen Verwaltung

Die Herausforderung

• Entwicklung eines nationalen und zentralisierten Datenbankverwaltungs- und Vorhersagesystems (integriert in ein nationales Infrastrukturprojekt)
• Ersetzen bestehender Systeme und Prozesse für die Verwaltung und Vorhersage hydrometeorologischer Daten in neun regionalen und 54 provinziellen Zentren
• Aktualisierung und Ersetzung von heterogenen Datenverwaltungssystemen und Vorhersagemodellen, die unterschiedliche Daten verwendeten, darunter auch nicht qualitätskontrollierte Daten (nicht kalibriert, veraltet usw.)
• Skalierung des Systems für die Aufnahme und Verarbeitung großer Datenmengen in Echtzeit, um tägliche und ereignisbasierte Prognosen zu erstellen (durchschnittliche tägliche Datenaufnahme von 25 GB)
• Integration von Daten und Modellen
• Entwicklung einer gemeinsamen web-basierten Benutzeroberfläche für die Verwaltung der Vorhersagen, die für Meteorolog:innen, Betreiber:innen und Datenanalyst:innen in allen VMHA-Büros zugänglich ist

Die Lösung

Konzeptionellen und technische Aspekte waren maßgeblich bei der Entwicklung der besten Lösung:

• Konzeptionell sollte das neue System eine stärkere Automatisierung der Arbeitsabläufe bei der Datenverwaltung und der Vorhersage ermöglichen und die „In-the-Loop“-Verarbeitung (Meteorologen/Bediener greifen direkt in die Datenverarbeitung und die Modelloptimierung ein) durch eine „Over-the-Loop“-Verarbeitung (eine vollständig automatisierte Verarbeitungskette, die vom Benutzer überwacht wird und bei Bedarf die Möglichkeit zur Interaktion bietet) ersetzen.
• Gewünscht war ein technischer Wechsel vom bisherigen Vorhersageprozess mit mehreren Einzelkomponenten für Datenspeicherung, Datenvalidierung und Modellierung zu einem gut integrierten Modellierungssystem. Das neue System umfasst eine zentralisierte hydro-meteorologische Datenbank und direkte Schnittstellen zu den hydrologischen und marinen Modellierungssystemen sowie Datenschnittstellen zum meteorologischen Vorhersagesystem SmartMet des finnischen Meteorologischen Instituts.

Betriebsbereitschaft, Robustheit und Projektdauer erforderten bewährte Standardkomponenten mit hochgradig konfigurierbaren Bestandteilen. Dies wurde erreicht durch folgende Lösungskomponenten:

• KISTERS-Datenmanagementlösung für hydrometeorologische Daten (WISKI-Systemarchitektur mit manueller Dateneingabeschnittstelle FieldVisits), welche die Daten der automatischen und manuellen Stationen der meteorologischen und hydrologischen Netzwerke integriert
• Automatisierte QA/QC-Verfahren zurQualitätssicherung, die über die gesamte Prozesskette der beobachteten und vorhergesagten Daten angewendet werden. Die Überwachung des technischen Zustands ist in den web-basierten Anwendungsmetriken und Prozessanalyse-Tools in Kombination mit Systemprotokollen enthalten.
• Big-Data-Speicher für große Mengen von Rasterdaten aus globalen und regionalen numerischen Wettervorhersagemodellen (NWPs), Satellitendaten (Himawari 8/9), Radar, Blitzdaten und Meeresdaten
• DELFT-FEWS-Modellierungsrahmen zur Integration mariner und hydrologischer Modelle

Die Benefits

Technische Erneuerungen
Da die Geschäftsprozesse im meteorologischen und hydrologischen Bereich oft sehr spezifisch sind und bereits seit Jahren oder sogar Jahrzehnten bestehen, werden neue Technologien oft erst nach und nach eingeführt. Dieses Projekt der Weltbank zeigt, wie eine solche technologische Erneuerung eines nationalen Systems schneller erreicht werden kann, indem man Standard-Softwaretools mit hohem Anpassungspotenzial an die Arbeitsabläufe eines nationalen Hydromet-Dienstes einsetzt.

Management zentraler Datenkomponenten

Zentrale Datenkomponenten sind der Schlüssel für Prognosen und Entscheidungsfindung, da sie die Kontrolle der Datenqualität über alle Komponenten hinweg zur Verfügung stellen und für die Vergleichbarkeit von Modellergebnissen sorgen.

Bessere Vorhersagen zu geringeren Kosten

Die Integration von Systemen erhöht die Effektivität, Effizienz und Benutzerfreundlichkeit erheblich. Dieser Paradigmenwechsel von In-the-Loop zu Over-the-Loop nutzt neue Technologien (wie Big Data). Das Ergebnis sind bessere Entscheidungen, Kosteneinsparungen beim Systembetrieb und – was noch viel wichtiger ist – besser informierte Entscheidungen und eine Verringerung der Zahl der Betroffenen durch verbesserte Vorhersage- und Entscheidungsfindungsmöglichkeiten.