Dánnell Quesada [ ˈdanel keˈsaða ] arbeitet als Wissenschaftler in der Gruppe Datenzentrierte Modellierung von sektorübergreifenden Klimaauswirkungen. Seine Forschung befasst sich mit Bias-Korrektur- und Downscaling-Techniken von Klimaprojektionen, insbesondere für das Inter-Sectoral Impact Model Intercomparison Project (ISIMIP). Seine Forschungsinteressen umfassen:
- Biodiversität
- Extremwetter
- Compound events
- Maschinelles Lernen
Kontakt
14412 Potsdam
ORCID
Ich habe Bauingenieurwesen mit Schwerpunkt Hydrologie und Wasserbau an der Universidad de Costa Rica studiert, wo ich 2014 mein Lizenziat erlangte. Ich arbeitete drei Jahre lang in der Beratung für erneuerbare Energien, wo ich ein großes Interesse an den Folgen des Klimawandels, insbesondere für die Energieerzeugung und die Biodiversität, entwickelte. Im Jahr 2016 erhielt ich ein DAAD-Stipendium, um an der TU Dresden einen Master in Hydro Science and Engineering zu absolvieren. In meiner Masterarbeit beschäftigte ich mich mit dem Downscaling von Klimaprojektionen für Costa Rica durch maschinelles Lernen.
Im Jahr 2020 erhielt ich ein gemeinsames Stipendium der Europäischer Sozialfonds (ESF) und des Freistaates Sachsen für mein Promotionsprojekt, um einen Deep-Learning-Algorithmus zu entwickeln, der einen multivariaten Datensatz auf ein tägliches 1 km-Ensemble für Sachsen herunterrechnet. Diesen Datensatz habe ich dann verwendet, um die zukünftige Verbreitung bestimmter gefährdeter Arten vorherzusagen. Seit 2023 arbeite ich am PIK in der Forschungsgruppe Datenzentrierte Modellierung von sektorübergreifenden Klimaauswirkungen.
Artikel
- Quesada-Chacón, D., Baño-Medina, J., Barfus, K., & Bernhofer, C. (2023). Downscaling CORDEX through deep learning to daily 1 km multivariate ensemble in complex terrain. Earth’s Future, 11(8), e2023EF003531. https://doi.org/10.1029/2023EF003531
-
Quesada-Chacón, D., Barfus, K., & Bernhofer, C. (2022). Repeatable high-resolution statistical downscaling through deep learning. Geoscientific Model Development, 15(19), 7353–7370. https://doi.org/10.5194/gmd-15-7353-2022
- Harder, P., Jones, W., Lguensat, R., Bouabid, S., Fulton, J., Quesada-Chacón, D., Marcolongo, A., Stefanović, S., Rao, Y., Manshausen, P., & Watson-Parris, D. (2020). NightVision: Generating Nighttime Satellite Imagery from Infra-Red Observations (arXiv:2011.07017). arXiv. http://arxiv.org/abs/2011.07017
- Quesada-Chacón, D., Barfus, K., & Bernhofer, C. (2020). Climate change projections and extremes for Costa Rica using tailored predictors from CORDEX model output through statistical downscaling with artificial neural networks. International Journal of Climatology, April, 1–22. https://doi.org/10.1002/joc.6616
- Climate modelling module, TU Dresden
- 2020-2021
- CDO installation and use: repository and slides
- Introduction to spatial data with R, TU Dresden
- 2021-2022, slides
