Die Dissertation "Methoden der Künstlichen Intelligenz in Radarmeteorologie und Bodenerosionsforschung" beschäftigt sich mit der Erfassung des Parameters der potentiellen Erosivität vor dem Hintergrund der Bodenerosionsproblematik Südafrikas. Basierend auf der Betrachtung der Erosivität einzelner Niederschlagsereignisse wird demonstriert, wie durch wissensbasierte Ansätze aus Wetterradardatensätzen flächendeckende Niederschlagsinformationen gewonnen werden können. Diese dienen als Eingangsdaten für ein Erosivitätsmodell, das aus Zellulären Automaten aufgebaut wird. Die Ergebnisse des Erosivitätsmodells werden vorgestellt und diskutiert. / The dissertation "Artificial Intelligence Methods in Radarmeteorology and Soil Erosion Research" discusses the assessment of potential rainfall erodibility in regard to soil erosion processes in South Africa. Knowledge-based approaches are used to derive rainfall information from weather radar data for the recording of erosivity pulses from individual rainfall events. This precipitation data is used as input for a erosivity modell consisting built out of cellular automata. The results generated by the modell are presented and discussed.

Die Broschüre informiert über die Aufbereitung radarbasierter Niederschlagsdaten. Das hochaufgelöste RADOLAN-Produkt des Deutschen Wetterdienstes (räumlich: 1km, zeitlich: 1h) liegt nach der Aufbereitung lückenlos vor für den Zeitraum 2001 bis 2020 auf dem RaKliDa-konformen Gitter (Lagebezug: GK4) für das ReKIS-Datengebiet (Sachsen, Sachsen-Anhalt, Thüringen). Der Datensatz und die Produktbeschreibung richteten sich an Fachpublikum und steht über das Regionale Klima-Informationssystem ReKIS (www.rekis.org) frei zur Verfügung. Redaktionsschluss: 12.01.2022