Météo-France-Hackathon

Die Organisation

Die Veranstaltung fand am Forschungsstandort von Météo France in Toulouse (Südfrankreich) statt und stand unter dem Motto „Das Klima in Daten“. Die Teams hatten zwei Tage Zeit (realistisch eher anderthalb Tage), um mit Beta-Datensätzen zu Klimaprojektionen, die von Météo France und der DINUM bereitgestellt wurden, ein Projekt zu entwickeln.

Einige Tage vor dem Hackathon organisierte Météo-France ein Teambuilding-Treffen, damit sich allein angereiste Teilnehmende kennenlernen und Teams bilden konnten. So traf ich Florent Cornet (Energieingenieur und Gründer von Seracle), Marie Jamet (freiberufliche Datenjournalistin und Wissenschaftsbegeisterte) und Mareva July-Wormit (Meteorologin bei Météo France, die sich ebenfalls zunehmend auf Energiethemen spezialisiert). Als Entwickler wissenschaftlicher Software und datenaffiner Wetter- und Klima-Enthusiast, hatte ich bei unserem bunt zusammengesetzten Team sofort ein gutes Gefühl. Der erste Tag war zugleich eine ernüchternde Einführung in die Materie: Die Datenmenge ist enorm. Zum Glück waren durchgehend Mentor:innen von Météo-France vor Ort, die uns durch Klimaprojektionsmodelle, Szenarien, Bias-Korrekturen, Gitter und all die Akronyme geführt haben.

Der Designprozess

In den ersten Stunden skizzierten wir Zielsetzung, Umsetzungspfad und die vorgesehenen Datensätze. Mir war klar, dass ich schnell die Basis einer kartenbasierten Web-Anwendung mit Datenebenen bereitstellen konnte. Wir nutzten Marevas meteorologisches Fachwissen, um die richtigen Datensätze sorgfältig auszuwählen und sinnvoll zu interpretieren. Florent brachte sein Wissen im Bereich nachhaltiger Energie ein, um eine Liste relevanter Indikatoren mit Fokus auf Windkraftanlagen und Solarpanels zu definieren. Marie nutzte ihre Erfahrung im Datenjournalismus, um die Erzählweise zu schärfen und an den Python-Skripten zur Datenverarbeitung mitzuwirken.

Die Mentor:innen schauten regelmässig vorbei, um unseren Fortschritt zu prüfen, und teilten oft wertvolle Einsichten mit uns. Ein besonderer Dank geht an Lola Corre und Sam Somot, die uns bereitwillig Rede und Antwort standen. In diesem Zusammenhang lernte ich auch die TRACC kennen, die von der französischen Regierung entwickelt wurde, und gewann einen Eindruck von seinen Stärken und Grenzen.
Unser Projekt war nun klar definiert: eine Web-App, die für Energieverbrauch und -produktion relevante Indikatoren bereitstellt, um der Solar- und Windenergiebranche zu helfen, regionale Stärken und Schwächen für zukünftige Entwicklungen zu identifizieren.

TRACC, Szenarien und Designentscheidungen

Die TRACC ist kein Klimamodell, sondern eine offizielle Referenz für die Anpassung an steigende Temperaturen. Sie definiert Meilensteine in Grad Celsius (+2 °C, +2,7 °C, +4 °C), ohne diese an einen konkreten Kalender zu binden.

Klimawissenschaftler:innen arbeiten mit mehreren möglichen Zukunftspfaden, den sogenannten Shared Socioeconomic Pathways (SSPs). Je nach Pfad werden zentrale Meilensteine zu unterschiedlichen Zeiten erreicht. Idealerweise würden wir alle Pfade berücksichtigen, doch die 48 Stunden des Hackathons verlangten klare Prioritäten. Die wichtigste war, eine klassische Zeitachse durch einen globalen Erwärmungs-Slider in °C zu ersetzen.

Dieser Ansatz macht die Interaktion flexibler und direkt TRACC-orientiert für Entscheidungsträger in Frankreich, die sich an eine bestimmte Temperaturerhöhung anpassen müssen, statt an ein konkretes Datum.

Modellauswahl und relevante Variablen

Unsere Anwendung richtet sich an die Branche der erneuerbaren Energien, insbesondere an Wind- und Solarenergie. Wir konzentrierten uns auf die folgenden Variablen:

• Windgeschwindigkeit

• einfallende Solarstrahlung

• mittlere Temperatur

Zusätzlich berechneten wir mehrere Indikatoren:

• Grad-Tage zur Messung des Heiz- und Kühlbedarfs

• Anzahl der Tage pro Monat unter 0 °C

• Anzahl der Tage pro Monat über 30 °C

Alle verfügbaren Prognosemodelle für das französische Festland und Korsika basieren auf dem Szenario SSP3-7.0, das einen anspruchsvollen, aber realistischen Zukunftspfad darstellt. Einige Modelle bieten je nach Variable unterschiedliche räumliche Auflösungen, was die Berechnung zusammengesetzter Indikatoren erschwert. Vor diesem Hintergrund entschieden wir uns für das regionale Klimamodell CNRM-ALADIN64E1, angetrieben vom globalen Modell CMCC-CM2-SR5, mit Bias-Korrektur unter Verwendung von ANASTASIA und den Referenzdaten SAFRAN.
Kurz gesagt ergibt dies tägliche Rasterdatensätze von 2014 bis 2100 mit einer Auflösung von etwa 12 km für Frankreich und Korsika.

Funktionen

Da der Einstiegspunkt unserer Anwendung ein TRACC-Meilenstein in °C ist, verwendeten wir nur die Jahre, die diesen Meilensteinen entsprechen, sowie eine Referenzsituation im Jahr 2005: +1,5 °C, +2 °C, +2,7 °C und +4 °C. Jeder Meilenstein ist ein Mittelwert der jeweils umgebenden 20 Jahre.

Da die Produktion erneuerbarer Energien stark saisonal ist, wurden alle Variablen auf Monatsbasis berechnet. Dadurch konnten wir einen zweiten Slider hinzufügen, um durch die Jahreszeiten zu navigieren.
Für die Visualisierung schlug ich eine Webkarte mit datengetriebenen Raster-Overlays vor. Ich passte eine ursprünglich für die ARPEGE-Vorhersagen von Météo France entwickelte Kachelpipeline an und nutzte sie für GeoTIFFs, die aus NetCDF-Daten erzeugt wurden. Die Visualisierung basiert auf Maplibre GL JS und ermöglicht sowohl eine klare Darstellung als auch eine präzise Abfrage der Daten.

Der Technologie-Stack

Wir setzten Python für die Datenverarbeitung ein (GDAL, Xarray, Pandas, RioXarray), eine massgeschneiderte, GDAL-basierte Kachelung, Maplibre GL JS für die Visualisierung sowie eine schlanke Cloud-Infrastruktur (Hetzner Cloud mit Coolify) für das Hosting.

Optionale Verbesserungen

Zwei Tage reichten aus, um das Potenzial dieser Datensätze zu zeigen, liessen aber auch viele Ideen für Verbesserungen offen:

• Einbindung weiterer Klimaprojektionsmodelle

• Hinzufügen weiterer Zwischen-Meilensteine in °C

• Ergänzung von Datumsinformationen pro Modell

• Verbesserung der Farbskalen je Indikator

• Hinzufügen einer weiteren Interpolationsachse
   

Fazit

Am Ende des zweiten Tages wurde unser Projekt von der Jury zusammen mit acht weiteren Teams für eine längere Präsentation ausgewählt. Wir haben den finalen Wettbewerb nicht gewonnen, aber das ist nebensächlich. Ich persönlich habe während dieser Veranstaltung sehr viel über Klimavorhersagen gelernt und verarbeite noch immer die Fülle an Informationen, die ich von meinem Team und den Mentor:innen erhalten habe.
Die im Rahmen des Hackathons genutzten Datensätze befanden sich im Beta-Status und waren noch nicht öffentlich verfügbar. Während wir uns auf erneuerbare Energien konzentrierten, lassen sich mit Klimaprojektionen viele weitere Themen bearbeiten – von Hochwasserschutz über urbane Hitzeinseln bis hin zu Veränderungen landwirtschaftlicher Praktiken. Es war eine grossartige Veranstaltung, und ich bin sehr stolz auf unser Team und das, was wir in so kurzer Zeit erreichen konnten.